空间转录组学揭示肿瘤微环境中单核苷酸变异的空间分布规律及其在肿瘤-免疫互作中的关键作用

本研究针对肿瘤微环境( TME )中单核苷酸变异( SNV )空间分布特征不明的问题，开发了SpatialSNV分析方法，通过整合Stereo-seq、Visium等多平台空间转录组数据，首次系统解析了SNV在肿瘤边缘区域的动态演化规律。研究发现肿瘤边界存在距离依赖的突变负荷梯度，鉴定出S100A11L40P 等可产生新抗原的驱动突变，为肿瘤免疫治疗提供了新靶点。该研究为理解SNV塑造肿瘤微环境的机制提供了创新框架，发表于《GigaScience》。

　　

肿瘤微环境的基因密码：空间视角下的突变图谱
肿瘤的发生发展如同精心编排的分子戏剧，而单核苷酸变异(SNV)则是这部戏剧中频繁出现的"错位台词"。尽管SNV已被公认为肿瘤发生的关键驱动力，但它们在三维组织空间中的分布规律及其对肿瘤微环境(TME)的塑造机制，长期以来如同蒙着面纱的谜题。传统单细胞测序技术虽能解析细胞异质性，却丢失了至关重要的空间信息；而现有空间基因组学研究多聚焦于拷贝数变异(CNV)，对SNV的空间动态缺乏系统探索。这种认知空白严重限制了人们对肿瘤-免疫互作机制的理解，也阻碍了精准治疗靶点的发现。

中国科学院大学生命科学学院联合BGI研究院的研究团队在《GigaScience》发表突破性成果。研究者开发了SpatialSNV计算框架，通过整合Stereo-seq、Visium等多平台空间转录组数据（样本来源包括结直肠癌CRC-P59-T1、乳腺导管原位癌DCIS1等），建立了一套从突变检测到功能解析的全流程分析方法。关键技术包括：基于Mutect2的体细胞突变检测、UMI（独特分子标识符）校正的突变定量、100kb基因组窗口的空间相关性分析，以及结合HLA Ligand Atlas数据库的新抗原预测流程。

空间SNV检测方法的建立与验证
研究首先在多个平台验证了SpatialSNV的稳健性。如图1B所示，Stereo-seq因其高测序深度可检测最多有效SNV。通过UMI标准化处理（公式：Norm SNV_i
=log(s_i
/∑u_j
+1)），成功消除了基因表达对SNV定量的干扰。值得注意的是，约60%的有效SNV位于基因体区（图1D），且与TCGA数据库共享大量突变基因（图2D），证实了数据的可靠性。

SNV揭示肿瘤进化轨迹
在DCIS样本中，研究通过SNV窗口聚类重现了三个肿瘤亚克隆（图3A）。Monocle2分析显示亚克隆1和2可能源自亚克隆0（图3F），其进化过程中chr19_2813592:G>A等SNV显著富集（图3I）。与CNV相比，SNV展现出更精细的克隆分化轨迹，如THOP1基因虽在各亚克隆均匀表达，但其SNV仅在亚克隆1高频出现（图3D-E），凸显了SNV在追溯肿瘤进化中的独特价值。

肿瘤边缘的突变热点
研究发现肿瘤边缘存在独特的突变景观：SNV负荷随距肿瘤边界距离增加呈指数衰减（图4I），且与炎症反应、缺氧通路显著相关（图4H）。关键SNV如chr20_4024544:C>T呈现边缘特异性分布（图4D），其邻近基因SPARC（图4F）可能通过调控细胞外基质促进免疫逃逸。这种"边界突变特征"与肿瘤浸润前沿的免疫压力高度吻合（图4J）。

空间相关SNV群协同调控微环境
通过100kb窗口的共现分析，研究者发现了具有空间协同效应的SNV群（图5A）。例如SNV群2富含TIMP3、APOE等基因（图5G），与肿瘤相关巨噬细胞(TAM)标志物共定位（图5H），且显著富集于上皮间质转化(EMT)通路（图5E）。这种"突变模块化"现象提示SNV可能通过群体效应重塑微环境生态。

新抗原靶点的空间定位
在CRC样本中，研究者鉴定出64个潜在新抗原，包括已知的KRAS^G12D
/^G12V
和新型候选S100A11^L40P
（图6D）。尽管S100A11在多个区域表达，其突变体仅见于肿瘤区（图6F）。单细胞数据验证该基因在肿瘤细胞特异性高表达（图6K），且突变携带区呈现典型CNV畸变（图6H）。经TransPHLA预测，其衍生肽"LSKTEFPSF"与东亚人群高发的HLA-C*07:02强结合（图6G），具有重要转化医学价值。

这项研究开创性地绘制了肿瘤SNV的空间图谱，揭示了突变分布与微环境塑造的深层联系。其创新性体现在三方面：技术上开发了首个多平台兼容的空间SNV分析流程；理论上阐明了SNV群协同调控微环境的新机制；应用上发现了S100A11^L40P
等可成药靶点。局限性在于现有空间DNA测序数据深度不足，未来需结合更高通量的原位测序技术。该研究为理解肿瘤进化提供了空间维度的新视角，也为个体化免疫治疗奠定了重要基础。