基于单细胞RNA测序解析肿瘤微环境异质性及其在免疫治疗疗效预测中的潜在价值

《Foods》：Mulberry Polyphenols Ameliorate Metabolic Abnormalities Accompanied by Spatial Microbial and Short-Chain Fatty Acid Alterations in Type 2 Diabetic Mice

　　

肿瘤微环境（tumor microenvironment, TME）的细胞异质性是影响免疫治疗应答的关键因素。研究人员利用单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）技术，对多个实体瘤样本进行了高通量转录组分析，系统描绘了TME中免疫细胞、基质细胞及肿瘤细胞的亚群构成。通过无监督聚类及差异表达分析，研究人员鉴定出与免疫治疗耐药相关的特定细胞亚群，并构建了基于细胞组成特征的疗效预测模型。进一步分析显示，该模型在独立验证队列中具有较高的预测效能，提示TME的细胞异质性可作为免疫治疗疗效的潜在生物标志物。此外，研究人员还通过细胞通讯分析揭示了肿瘤细胞与免疫抑制性细胞间的配体-受体相互作用，为联合治疗策略提供了理论依据。综上，该研究为精准免疫治疗提供了新的分子分层依据，并强调了单细胞水平解析TME在临床转化中的重要性。

一、研究背景与意义

肿瘤免疫治疗，尤其是免疫检查点抑制剂（immune checkpoint inhibitors, ICIs）的应用，已显著改善了多种恶性肿瘤患者的预后。然而，临床实践中仍有相当比例的患者对免疫治疗原发耐药或获得性耐药，导致治疗获益有限。既往研究表明，肿瘤微环境（tumor microenvironment, TME）的组成及其空间组织是决定免疫治疗应答的核心因素。TME中包含多种免疫细胞、基质细胞及肿瘤细胞，它们之间的复杂相互作用形成了免疫抑制或免疫激活的微环境状态。然而，传统bulk转录组测序技术仅能反映组织整体的平均基因表达水平，无法解析细胞亚群层面的异质性，限制了研究人员对TME组成与功能状态的精细理解。因此，亟需在单细胞分辨率层面系统刻画TME的细胞组成及其动态变化，以揭示免疫治疗耐药的潜在机制，并寻找可用于疗效预测的可靠生物标志物。

二、研究内容与主要结论

研究人员利用单细胞RNA测序（scRNA-seq）技术，对多个实体瘤患者的肿瘤组织样本进行了高通量转录组分析。通过无监督聚类分析，研究人员系统描绘了TME中免疫细胞、基质细胞及肿瘤细胞的亚群构成，并鉴定了多个与免疫治疗耐药相关的特定细胞亚群。基于细胞组成特征，研究人员构建了免疫治疗疗效预测模型，并在独立验证队列中验证了其预测效能。此外，研究人员还通过细胞通讯分析揭示了肿瘤细胞与免疫抑制性细胞间的配体-受体相互作用，为联合免疫治疗策略提供了理论依据。该研究的主要结论是：TME的细胞异质性可作为免疫治疗疗效的潜在生物标志物，单细胞水平解析TME可为精准免疫治疗提供新的分子分层依据。

三、主要技术方法

研究人员主要采用了以下关键技术方法：单细胞RNA测序（scRNA-seq）技术用于获取单细胞水平的转录组数据；无监督聚类分析用于鉴定细胞亚群；差异表达分析用于筛选亚群特异性标志基因；细胞通讯分析用于推断细胞间配体-受体相互作用；基于机器学习方法构建并验证疗效预测模型。样本来源为多个实体瘤患者的肿瘤组织，并设置了独立验证队列。

四、研究结果

1. 1.
   肿瘤微环境细胞亚群图谱的构建：研究人员通过scRNA-seq数据聚类，鉴定出TME中主要的免疫细胞亚群（包括T细胞、B细胞、自然杀伤细胞、髓系细胞等）及基质细胞亚群，并分析了各亚群的丰度差异。
2. 2.
   免疫抑制性细胞亚群的鉴定：通过差异表达分析，研究人员发现特定髓系细胞亚群及调节性T细胞（regulatory T cells, Tregs）在免疫治疗耐药患者中显著富集，提示其可能介导免疫抑制。
3. 3.
   疗效预测模型的构建与验证：基于细胞组成特征，研究人员构建了预测模型，并在独立验证队列中验证了其较高的预测效能，表明TME细胞异质性可作为免疫治疗疗效的预测指标。
4. 4.
   细胞通讯分析揭示耐药机制：通过配体-受体相互作用分析，研究人员发现肿瘤细胞与免疫抑制性细胞间存在活跃的通讯网络，可能通过特定信号通路介导免疫逃逸。

五、讨论与结论

讨论部分指出，单细胞水平的TME解析有助于揭示免疫治疗耐药的细胞基础，为联合治疗策略提供了潜在靶点。研究结论部分强调，TME的细胞异质性可作为免疫治疗疗效的潜在生物标志物，单细胞测序技术为精准免疫治疗提供了新的分子分层依据，具有重要的临床转化价值。