《Frontiers in Artificial Intelligence》：scTIME: single-cell-informed interpretable modeling of immunotherapy-associated immune states in non-small cell lung cancer
编辑推荐：
非小细胞肺癌（NSCLC）中的免疫检查点抑制剂（ICI）响应反映了协同的肿瘤和免疫状态，而单一生物标志物未能完全捕捉这些状态。研究人员开发了 scTIME，一种可解释模型，将单细胞免疫程序转化为 bulk 转录组评分，并整合了公共单细胞、T 细胞受体（TCR）
非小细胞肺癌（NSCLC）中的免疫检查点抑制剂（ICI）响应反映了协同的肿瘤和免疫状态，而单一生物标志物未能完全捕捉这些状态。研究人员开发了 scTIME，一种可解释模型，将单细胞免疫程序转化为 bulk 转录组评分，并整合了公共单细胞、T 细胞受体（TCR）、转录组、生存和蛋白质基因组队列。响应建模使用两个具有不同终点的队列（40 例患者），并比较六种算法。ElasticNet 被选为稀疏报告模型，达到合并五折折外受试者工作特征曲线下面积（ROC-AUC）0.810；嵌套模型选择得到 0.772。匹配的留出分层在与 CD274 的直接描述性比较中识别出响应富集的 scTIME 组，而拟合评分强调细胞毒性 CD8、自然杀伤（NK）、SPP1 巨噬细胞、干扰素（IFN）响应和抗原呈递程序。单细胞分析和外部投影将这些程序与 CXCL10-CXCR3 募集、排除相关状态以及跨分子背景的 TCR 生态联系起来。探索性生存和跨组学分析将该框架扩展到响应队列之外，但被解释为投影而非独立验证。总之，结果表明细胞分辨免疫生物学如何支持透明、多组学生物标志物开发，而不将响应简化为单一通路。scTIME 仍属探索性，因为模型选择是事后进行的，队列较小且临床异质性大，并且缺乏终点匹配的外部验证。
研究人员围绕非小细胞肺癌（NSCLC）免疫检查点抑制剂（ICI）响应这一问题展开研究。NSCLC 是 ICI 广泛应用的重要实体瘤，PD-1/PD-L1 阻断已重塑晚期和可切除疾病管理，但获益因方案和临床亚组不同。PD-L1 仍是常用分层标志物，却不能完全解释治疗响应；肿瘤突变负荷、免疫浸润、炎症转录程序及微环境特征需共同考虑，耐药研究也提示检查点阻断响应并非由单一通路决定。精准免疫治疗的核心挑战在于定义复合肿瘤-免疫状态。公共患者来源多组学数据可补充试验证据，但需明确来源、终点和分析边界；单细胞 RNA 测序（scRNA-seq）和空间组学提供高分辨率基础，而 bulk RNA 测序难以单独解析。人工智能（AI）和机器学习（ML）的价值取决于临床背景、可迁移性和透明评估。基于此，研究人员开发 scTIME，一个从公共多组学资源中提取 ICI 响应见解的探索性框架。研究结论提示，scTIME 在留出分析中于两个小型、终点不同的队列中分离出响应富集组，并由细胞毒性 CD8/NK 和其他热肿瘤模块主导；CXCL10-CXCR3 和 IFN-抗原程序为相关背景特征，而 TGF-β/EMT、终末耗竭和 CD274 对拟合 logit 贡献为零。其意义在于展示细胞分辨免疫生物学可支持透明、多组学生物标志物开发，而不将响应简化为单一通路，但 scTIME 仍需前瞻性终点匹配队列验证。
关键技术方法不超过250字：整合公共单细胞 RNA 测序（scRNA-seq）、T 细胞受体（TCR）测序、bulk RNA 测序、TCGA 与 CPTAC 资源。响应建模纳入 GSE126044（n=16）和 GSE207422 bulk（n=24），以 benefit/MPR 标签合并；比较 ElasticNet、ridge、随机森林、RBF SVM、XGBoost、LightGBM 六种算法，采用五折折外预测和五外四内嵌套敏感性分析，所有预处理仅用训练折拟合。构建 12 个免疫模块并投影到 bulk、TCGA 和 CPTAC。单细胞与 TCR 分析来自 GSE207422 和 GSE243013；探索性 PFS 来自 GSE135222；GSE274975 仅作组织学水平描述。外部投影不作独立验证。
研究结果如下。3.1 公共多组学框架：研究人员围绕定义单细胞免疫状态、投影至 bulk、评估可解释响应评分、将外部队列仅用于背景投影来组织公共资源；GSE126044 和 GSE207422 bulk 仅用于响应建模，GSE135222、GSE274975、TCGA、CPTAC、GSE243013 承担不同生物学或投影角色。3.2 单细胞免疫生态：GSE207422 图谱解析主要肿瘤、免疫、基质和血管状态；GSE243013 中 MPR/pCR 样本富集 CD8 相关和先天淋巴样状态，非 MPR 更表现为 T
reg 富集，患者水平异质性支持复合免疫生态而非单标志物叙事。3.3 探索性 scTIME 建模：将样本投影到免疫模块空间并比较六种算法，ElasticNet 与 ridge 合并折外 ROC-AUC 相同，因稀疏符号系数保留 ElasticNet；合并折外 ROC-AUC 为 0.810，嵌套模型选择为 0.772。最终系数中，细胞毒性 CD8 和 NK 模块主导正 logit，SPP1 巨噬细胞、IFN 响应、抗原呈递、CXCL10-CXCR3 为正贡献，缺氧和 T
reg 为负，终末耗竭 CD8、TGF-β/EMT、CD274 为零。3.4 激活与 CXCL10-CXCR3 程序：benefit/MPR 样本中 CXCL10-CXCR3 呈较高趋势，抗原呈递和细胞毒性 CD8 正移更强；IFN-抗原指数与 CXCL10-CXCR3 相关，rho=0.736，p=6.31e-08。单细胞配体-受体和配体活性分析定位该轴，跨背景相关支持激活-募集程序，但不确立前瞻性生物标志物性能或因果募集。3.5 情境性排除生物学：TGF-β/EMT 和 CD274 为零系数，缺氧和 T
reg 为小负成分，成纤维细胞分数未入模型；SPP1 巨噬细胞模块与 responder-like 免疫生态及髓系/巨噬细胞去卷积一致，单细胞 SPP1 相互作用趋势指向非 MPR 但未通过 FDR，被读作丰度-相互作用假设。TCGA/CPTAC 投影描述非 ICI 分子共程序。3.6 留出分层与 TCR 生态：CD274 因 ElasticNet 系数为零作为独立基准；相同队列内截断下，四分位 top 对 bottom 中 scTIME 为 7/10 对 0/10 benefit/MPR（Fisher p=0.00310），CD274 为 5/10 对 1/10（p=0.141）；中位半中 scTIME 为 12/20 对 2/20（p=0.00220），CD274 为 8/20 对 6/20（p=0.741）。该比较为小样本描述性，非正式配对优效检验。GSE243013 中扩增克隆型与效应 CD8、γδ T、NK 分数相关，但响应相关 TCR 克隆性指标未通过 FDR，TCR 生态非 scTIME 输入。3.7 外部生存与多组学投影：GSE135222 中 scTIME 与改善 PFS 呈探索性相关，年龄/性别调整方向相似，但缺吸烟史、体能状态、分期、治疗线信息，解释为投影而非独立预后或响应验证；TCGA-LUAD/LUSC 总生存无显著关联；CPTAC 蛋白质组和磷酸化蛋白质组投影描述跨组学和分期相关免疫程序；GSE274975 仅组织学水平描述。上述外部分析显示计算可移植性，而非临床可迁移性。
讨论部分指出，本研究贡献在于整合单细胞发现、bulk 响应建模、留出评估、跨组学投影和系数审计。透明报告重要，模型选择不能当作独立验证；ElasticNet 因混合惩罚提供紧凑符号评分而保留，并非稳定通用优胜者，嵌套分析选择随机森林三次、ridge 一次、XGBoost 一次，提示模型选择不确定性。可解释性不能将内部评估关联转化为临床机制。研究结果与 NSCLC 响应为复合免疫状态的观点一致。留出描述分析中 scTIME 分层较匹配 CD274 更强富集，但样本仅 40，无正式配对优效检验；CD274 系数为零，比较对象是临床熟悉独立标志物，而非含 CD274 logit 的增量信息。互反队列提供可迁移性背景，但不替代充分外部验证。局限包括终点不同、仅 14 个正标签、六模型筛选非嵌套、GSE135222 PFS 存在未测混杂、bulk 无法重建空间接触、去卷积依赖参考、TCGA 和 CPTAC 缺 ICI 结局、SPP1 对比仍为假设生成。需要独立终点匹配队列、预注册阈值、空间验证和完整计算来源。
研究结论翻译：本研究将 scTIME 确立为一种单细胞信息引导且可解释的框架，用于 NSCLC 免疫治疗中的探索性免疫状态建模。在留出分析中，它在两个小型、终点不同的队列中区分出响应富集组，并由细胞毒性 CD8/NK 和其他热肿瘤模块主导。CXCL10-CXCR3 和 IFN-抗原程序是相关的背景特征，而 TGF-β/EMT、终末耗竭和 CD274 对拟合 logit 贡献为零。因此，TGF-β/EMT、缺氧和成纤维细胞程序应被视为外部生物学假设，而非经过验证的模型反向权重。在 scTIME 能够支持治疗选择或机制性论断之前，需要前瞻性终点匹配队列。
