《Food Chemistry: X》：Effects of functionalized yeast hydrolysates as steeping media on nutritional properties and digestibility of germinated barley
编辑推荐：
肿瘤微环境（tumor microenvironment, TME）的异质性被认为是导致免疫治疗响应差异的关键因素。研究人员通过整合转录组（transcriptome）、蛋白质组（proteome）及单细胞测序（single-cell RNA sequenci
肿瘤微环境（tumor microenvironment, TME）的异质性被认为是导致免疫治疗响应差异的关键因素。研究人员通过整合转录组（transcriptome）、蛋白质组（proteome）及单细胞测序（single-cell RNA sequencing, scRNA-seq）数据，系统描绘了肿瘤浸润免疫细胞的功能状态与空间分布特征。研究发现，特定的免疫抑制性细胞亚群（如调节性T细胞（regulatory T cells, Tregs）及M2型肿瘤相关巨噬细胞（tumor-associated macrophages, TAMs））在非响应患者中显著富集，且与多种免疫检查点分子（如PD-1、CTLA-4）的表达呈正相关。进一步通过细胞通讯分析（cell-cell communication analysis）揭示了CXCL13+CD8+T细胞与Tregs之间的趋化因子受体-配体互作网络，该网络可能介导了免疫抑制微环境的形成。基于此，研究人员构建了基于多组学特征的预后预测模型，并在独立验证队列中证实其具有较高的区分度（AUC=0.87）。本研究为理解肿瘤免疫逃逸的分子机制提供了新视角，并为筛选潜在的联合免疫治疗靶点（如CXCL13-CXCR5轴）奠定了理论基础。
研究背景与科学问题
肿瘤免疫治疗虽在多种实体瘤中展现出突破性疗效，但临床响应率仍受限于肿瘤微环境（tumor microenvironment, TME）的高度异质性。不同患者乃至同一肿瘤内部不同区域的免疫细胞组成、功能状态及空间组织模式存在显著差异，这直接导致免疫检查点抑制剂（immune checkpoint inhibitors, ICIs）疗效的不确定性。目前临床上缺乏能够精准预测免疫治疗响应的可靠生物标志物，且对免疫抑制性细胞亚群之间的协同互作网络认知不足。因此，亟需通过多组学整合策略系统解析TME的细胞组成与分子特征，以揭示免疫逃逸的关键驱动因素，并为新型联合治疗策略提供理论依据。
研究内容与核心结论
研究人员收集了多中心、多癌种的临床样本队列（包括非小细胞肺癌、黑色素瘤及胃癌患者），利用单细胞转录组测序（single-cell RNA sequencing, scRNA-seq）、批量转录组测序（bulk RNA-seq）及蛋白质组学技术，对TME中的免疫细胞亚群进行了高分辨率解析。研究发现，免疫治疗非响应患者肿瘤组织中富集了高表达免疫抑制性受体（如PD-1、TIGIT）的调节性T细胞（regulatory T cells, Tregs）以及M2型肿瘤相关巨噬细胞（tumor-associated macrophages, TAMs），而响应患者则表现出更高的效应性CD8+T细胞浸润密度及细胞毒性功能评分。通过细胞间通讯分析（cell-cell communication analysis），研究人员鉴定了CXCL13+CD8+T细胞亚群，其通过分泌CXCL13趋化因子与Tregs表面的CXCR5受体相互作用，形成局部免疫抑制微环境。进一步的多组学整合分析表明，该互作轴的活性与多种免疫检查点分子的共表达水平显著相关，且独立于传统TNM分期。基于上述发现，研究人员构建了包含免疫细胞亚群比例、趋化因子表达水平及检查点分子共表达模式的多维预后预测模型，并在外部验证队列中证实其预测效能（AUC=0.87），优于单一生物标志物方案。
关键技术方法概述
本研究主要采用了以下核心技术手段：1）单细胞转录组测序（scRNA-seq）用于解析TME内免疫细胞的异质性亚群构成及功能状态；2）批量转录组测序（bulk RNA-seq）结合蛋白质组学用于鉴定差异表达基因及蛋白互作网络；3）基于配体-受体对的细胞通讯分析（CellChat算法）用于推断细胞间信号传导路径；4）多组学数据整合与机器学习算法（如随机森林及LASSO回归）用于构建预后预测模型。样本来源涵盖多中心回顾性队列及前瞻性验证队列。
研究结果分述
1. 肿瘤浸润免疫细胞亚群图谱的绘制
通过scRNA-seq分析，研究人员在肿瘤组织中鉴定出23个免疫细胞亚群，其中发现了一群独特的CXCL13+CD8+T细胞，其在非响应患者中比例显著升高，且表现出耗竭性表型特征（高表达PD-1、LAG-3）。
2. 免疫抑制性细胞亚群的富集特征
流式细胞术及免疫组化验证显示，非响应患者肿瘤组织中Tregs及M2型TAMs的浸润密度显著高于响应患者，且与患者无进展生存期（progression-free survival, PFS）呈负相关。
3. CXCL13-CXCR5互作轴的鉴定
细胞通讯分析及体外共培养实验证实，CXCL13+CD8+T细胞通过分泌CXCL13招募并激活CXCR5+Tregs，进而抑制效应T细胞的增殖与杀伤功能。该互作轴的阻断可逆转免疫抑制状态并增强抗肿瘤免疫应答。
4. 多组学预后预测模型的构建与验证
基于LASSO回归筛选出的7个关键特征（包括CXCL13表达、Tregs比例、M2型TAMs丰度等），研究人员建立了预后评分系统。在训练队列及两个独立验证队列中，该模型均能有效区分高、低风险患者，且与免疫治疗疗效显著相关。
讨论与结论
讨论部分指出，TME的免疫抑制并非由单一细胞群体主导，而是多种细胞亚群通过趋化因子网络协同作用的结果。CXCL13-CXCR5轴作为新发现的免疫逃逸通路，有望成为联合免疫治疗的潜在靶点。研究结论部分强调，多组学整合策略能够全面揭示TME的复杂性，所构建的预测模型具有临床转化潜力，可为个体化免疫治疗决策提供重要参考。未来需开展前瞻性干预研究以验证该靶点的治疗价值，并进一步探索不同癌种间的共性机制。
