《Cancer Research》：Large-Scale T-cell Receptor Repertoire Profiling Unveils Tumor-Specific Signals for Diagnosing Indeterminate Pulmonary Nodules
Open Access
编辑推荐：
不确定肺结节（IPN）因健康意识提高和广泛肺癌筛查而日益被检出，但区分良恶性结节仍是关键挑战。新出现的证据表明，识别癌症相关免疫信号是早期癌症检测的有力方法。本研究探索了T细胞受体（TCR）库分析在IPN评估中的临床效用。通过大规模TCR测序（6,059份血液
不确定肺结节（IPN）因健康意识提高和广泛肺癌筛查而日益被检出，但区分良恶性结节仍是关键挑战。新出现的证据表明，识别癌症相关免疫信号是早期癌症检测的有力方法。本研究探索了T细胞受体（TCR）库分析在IPN评估中的临床效用。通过大规模TCR测序（6,059份血液样本和988份肿瘤样本），研究人员建立了LungTCR（https://www.lungtcr.com/），一个全面的TCR库数据库，并提出了肿瘤相关免疫反应定量评估的方法。LungTCR被用于开发TCRnodseek plus，一个整合临床数据、CT成像和TCR特征的诊断模型。一项涉及1,107例IPN患者的多中心前瞻性研究（ChiCTR2200055761）验证了TCRnodseek plus相较于现有方法的优越诊断性能。机制分析揭示，所鉴定的肺癌相关TCR克隆在非小细胞肺癌（non-small cell lung cancer, NSCLC）中富集，且主要存在于恶性结节和肿瘤组织中。本研究提供了一个强大的TCR数据库和先进的诊断模型，为精确IPN鉴别提供了框架。意义：构建最大的肺结节TCR数据库使得能够识别肺癌特异性TCR序列，并开发先进的机器学习模型以区分良恶性肺结节。
**论文解读文章**
**研究背景与问题**
不确定肺结节（IPN）因缺乏明确的影像学特征而难以区分良恶性，尽管低剂量CT（LDCT）广泛用于筛查，但其高假阳性率（>96%的阳性发现最终为良性）导致约72%的患者接受不必要的随访，18.5%接受手术或侵入性操作，造成过度治疗。现有生物标志物（如循环肿瘤DNA、miRNA、甲基化等）在早期肺癌中敏感性有限，且缺乏多中心验证。T细胞受体（TCR）库分析可捕获肿瘤特异性免疫信号，但此前研究受限于单中心设计、样本量小、缺乏健康参考队列及整合模型。因此，研究人员开展本研究以建立大规模TCR数据库，开发并验证整合临床、影像和TCR特征的诊断模型，提升IPN鉴别准确性。
**研究内容与结论**
研究人员通过大规模TCR测序（6,059份血液和988份肿瘤样本）构建了LungTCR数据库，并基于此定量评估肿瘤相关免疫反应。利用该数据库，开发了TCRnodseek plus模型（整合临床数据、CT影像和TCR特征），并在多中心前瞻性队列（1,107例IPN患者）中验证其优于现有方法（AUC 0.84 vs 0.62-0.79）。机制分析显示，肺癌富集的TCR克隆主要存在于非小细胞肺癌（NSCLC）组织及恶性结节中，且与肿瘤突变负荷（TMB）和驱动基因突变（如EGFR、KRAS）相关。该研究发表在《Cancer Research》。
**关键技术方法**
1. **大规模TCR测序与数据库构建**：对6,059份血液和988份肿瘤样本进行TCRβ链测序（优化多重PCR），建立LungTCR数据库（https://www.lungtcr.com/）。
2. **TCR特征计算框架**：开发TCRFeature计算124个库特征（多样性指数、V/J基因使用、CDR3氨基酸组成、肺癌富集评分等）。
3. **肺癌富集CDR3序列鉴定**：通过共存分析筛选肺癌组织（LCT）和血液（LCB）中富集的CDR3β序列（各约3,600-3,800条）。
4. **诊断模型构建**：基于glmnet算法，整合30个特征（临床、影像及TCR特征），开发TCRnodseek plus模型，并在多中心队列（四川和深圳，1,107例）中验证。
5. **功能注释与验证**：利用TCRdb 2.0、NeoTCR数据库及ImRex预测TCR-表位结合，并分析配对血液-肿瘤样本的克隆重叠。
**研究结果**
**The study design and participants’ baseline characteristics**
通过两阶段转化研究设计（发现→验证），在发现阶段构建7,047例样本的TCR数据库，验证阶段纳入1,107例IPN患者（894例四川，213例深圳），其中恶性占77%（96%为Tis-I期），良性占23%。
**Methodology optimization for the TCR repertoire profiling**
优化两步多重PCR文库构建方法，与一步法相比显著提高质控指标和TCR多样性（Pielou指数，P<0.001）。开发TCRFeature框架提取124个特征。
**Lung cancer exhibits differential TCR characteristics and diversity**
肺癌样本（组织及血液）中高频克隆比例显著高于健康对照，Shannon指数降低（P<0.001）。鉴定出3,653条LCT富集和3,840条LCB富集的CDR3β序列，其在肺癌中显著富集，且与健康人群共享序列极少。
**Evaluation of lung cancer–related immune signals based on cancer-enriched CDR3β**
构建肺癌富集评分（LCS），包括LCT评分（LCTS）和LCB评分（LCBS）。UMAP聚类显示肺癌与健康样本明显分离。外部验证（免疫ACCESS、NCBI数据）表明LCTS在肺癌中显著升高，在乳腺癌、黑色素瘤中也升高，但COVID-19样本中无升高，提示癌症特异性。
**TCR characteristics are associated with tumor mutational profiles**
在319例肺癌组织（TCR-seq+全外显子测序[WES]）中，LCTS与TMB（r=0.22，P<0.001）和最大变异等位基因频率（mVAF，r=0.35，P<0.001）正相关。EGFR突变肿瘤TCR多样性更高，KRAS突变者更低，TP53突变者TMB更高。
**The TCR profiling for patients of IPNs**
传统影像模型（AUC<0.6）和放射科医师诊断（AUC=0.62）对IPN鉴别效能有限。TCR特征中，TRBV28、TRBV27和TRBV5-5的AUC达0.61-0.63，UMAP显示良恶性组明显分离。
**The construction and validation of the TCRnodseek plus model to diagnose IPNs**
通过递归特征消除选择30个特征（包括结节类型、大小、毛刺征、LCTS、LCBS、Pielou指数、TRBV基因使用等），glmnet算法最优。TCRnodseek plus在训练组（AUC=0.88）、测试组（0.83）和独立验证组（0.84）中表现稳健，优于单纯临床模型（AUC=0.79/0.75）和TCR模型（0.67）。与既往TCRnodseek模型相比，优化后AUC从0.8升至0.84。
**Evaluation of confounding factors of the TCRnodseek plus model**
逻辑回归分析显示，TCRnodseek plus预测值与结节位置（上肺）是恶性肿瘤的独立预测因子，结节大小、性别、吸烟等不影响其效能。按GGN状态和结节大小分层后，恶性组预测值均显著高于良性组（P<0.05）。
**Clinical applicability analysis for the TCRnodseek plus model**
与放射科医师诊断相比，TCRnodseek plus的净重分类改善（NRI）为73%，综合判别改善（IDI）为35%。设置置信阈值后，56%的患者获得明确诊断（PPV>0.8），总体准确率81%，高于放射科医师（62%-76%）。
**Functional characterization of lung cancer–enriched CDR3β aaSeqs**
通过TCRdb 2.0注释，肺癌富集CDR3β序列主要注释为NSCLC，且显著高于健康富集序列（P<0.001）。NeoTCR数据库显示更多癌症富集序列被注释为新抗原反应性T细胞克隆。LCB富集序列在肿瘤组织中丰度显著高于随机血源序列，且配对血液-肿瘤克隆重叠比例显著高于非配对样本。ImRex预测鉴定出与肺癌新抗原及肿瘤相关抗原的潜在TCR-表位结合对。
**总结讨论与结论**
讨论指出，本研究通过优化TCR测序技术、建立LungTCR数据库，并开发TCRnodseek plus模型，显著提升了IPN诊断准确性（AUC 0.84），优于传统标志物和影像模型。机制上，肺癌富集CDR3β序列具有生物学相关性，可反映肿瘤特异性免疫反应。局限性包括：单次TCR测序无法捕获全部库（约10
4克隆，占理论值<1%），缺乏健康肺组织对照，无法完全区分肺组织驻留TCR与肿瘤特异性TCR。结论：肺癌富集的CDR3β序列在区分肺结节良恶性方面具有显著生物学相关性，基于TCR的生物标志物有望改善IPN临床管理，提供微创、免疫驱动的肺癌诊断方法。
