综述：空间组学与单细胞组学在肿瘤免疫治疗生物标志物中的应用

这篇综述系统阐述了空间组学(ST)和单细胞组学(scRNA-seq/scATAC-seq)技术如何突破肿瘤异质性限制，通过解析肿瘤微环境(TME)中免疫细胞的空间分布和单细胞分子特征，为免疫检查点抑制剂(如PD-1/PD-L1)和过继性T细胞治疗提供新型生物标志物，并探讨了人工智能(AI)驱动多组学整合在精准免疫治疗中的转化前景。

　　

空间与单细胞组学技术重塑肿瘤免疫治疗生物标志物研究

1. 引言
肿瘤免疫治疗通过激活免疫系统靶向癌细胞，其中PD-1/PD-L1和CTLA-4抑制剂已显著改善多种癌症生存率。然而，肿瘤异质性和免疫逃逸机制导致仅部分患者获益，且免疫相关不良事件(irAEs)频发。空间组学和单细胞组学技术通过解析TME的分子-空间特征和单细胞分辨率数据，为开发预测性生物标志物提供了全新维度。

2. 肿瘤生物标志物的临床意义
生物标志物可分为蛋白质类(如PSA)、遗传类(BRCA1/2突变)、表观遗传类(MGMT甲基化)和免疫类(PD-L1)。当前挑战在于标志物的敏感性和特异性不足，而空间组学能定位CXCL9/10等趋化因子在肿瘤基质中的空间表达模式，单细胞技术可识别罕见耐药细胞亚群。

3. 技术原理与平台
3.1 空间组学
Visium平台通过空间条形码捕获组织切片转录组，GeoMx DSP实现多组学高分辨率成像。seqFISH+等技术可实现单细胞级基因定位，揭示TME中免疫细胞-肿瘤细胞的空间互作。
3.2 单细胞组学
scRNA-seq解析细胞亚群转录特征，scATAC-seq刻画染色质开放区域，CyTOF和CITE-seq则整合蛋白质组与转录组数据。伪时间分析工具(如Monocle)可重构细胞演化轨迹。

4. 生物标志物整合策略
4.1 空间组学生物标志物
在非小细胞肺癌中，ST发现基质区CXCL9/10高表达与CD8⁺
T细胞浸润正相关；黑色素瘤研究则通过SP定位血管生成相关成纤维细胞的空间特征。
4.2 单细胞标志物验证
scATAC-seq证实LAG3在耗竭T细胞的表观调控，NKG2D则被scRNA-seq鉴定为NK细胞活化关键受体。
4.3 AI驱动的多组学整合
深度学习框架DeepST可分类空间免疫微环境，而scVI算法通过降维识别潜在生物标志物。需警惕批次效应和过拟合问题，建议采用Harmony等校正工具。

5. 临床转化应用
5.1 联合治疗策略
PD-L1与TMB组合可提高免疫治疗预测准确性，而动态监测ctDNA能早期发现耐药克隆。
5.2 挑战与对策
原发灶与转移灶标志物差异(如EGFR突变异质性)需多点采样，液体活检联合空间代谢组学有望实现无创监测。

6. 未来展望
提高空间分辨率至亚细胞水平、建立标准化多组学数据库是重点方向。伦理方面需规范跨时点样本使用，经济层面应开发低成本单细胞检测方案。

7. 结论
通过整合空间上下文信息与单细胞分子图谱，这些技术正推动肿瘤免疫治疗进入"时空精准"时代。未来需开展更多纵向研究验证标志物的动态预测价值，最终实现从实验室到临床的完整转化闭环。