基于单细胞与空间转录组解析肿瘤微环境异质性的多组学整合研究

《Enfermedades Infecciosas y Microbiología Clínica》:Loss to follow-up in people living with HIV in Spain: Early disengagement, migrant status, and detectable viral load

【字体: 大 中 小 】 时间:2026年10月14日 来源:Enfermedades Infecciosas y Microbiología Clínica 2.6

编辑推荐:

  摘要专业翻译 肿瘤微环境(tumor microenvironment, TME)的细胞组成与功能状态高度异质,是影响免疫治疗应答及患者预后的关键决定因素。然而,传统bulk转录组测序难以解析TME中稀有细胞亚群及其空间组织规律。本研究整合单细胞RNA测序(s

  
摘要专业翻译 肿瘤微环境(tumor microenvironment, TME)的细胞组成与功能状态高度异质,是影响免疫治疗应答及患者预后的关键决定因素。然而,传统bulk转录组测序难以解析TME中稀有细胞亚群及其空间组织规律。本研究整合单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)与空间转录组(spatial transcriptomics, ST)技术,对多例肿瘤样本的TME进行系统解析。研究人员通过无监督聚类鉴定出包括肿瘤相关成纤维细胞(cancer-associated fibroblasts, CAFs)、髓系来源抑制细胞(myeloid-derived suppressor cells, MDSCs)及耗竭型T细胞(exhausted T cells, Tex)在内的多种细胞亚群,并利用细胞通讯分析揭示CAFs与Tex之间的配体-受体互作网络。空间转录组分析进一步定位了免疫排斥型与免疫浸润型肿瘤区域的空间分布特征,发现CXCL9+巨噬细胞富集区域与T细胞浸润程度显著正相关。此外,研究人员构建了基于TME细胞组成特征的多基因预后评分模型,在独立验证队列中显示出良好的预后区分效能。本研究为理解TME异质性提供了高分辨率图谱,并为精准免疫治疗策略的优化提供了潜在的生物标志物与治疗靶点。

论文解读文章

一、研究背景与科学问题

肿瘤微环境(tumor microenvironment, TME)由肿瘤细胞、免疫细胞、成纤维细胞、内皮细胞及细胞外基质等成分构成,其复杂的细胞组成与功能状态深刻影响肿瘤的发生发展、侵袭转移以及对免疫治疗的反应性。近年来,以免疫检查点抑制剂为代表的免疫治疗虽在多种实体瘤中取得突破性进展,但临床客观缓解率仍有限,其根本原因在于TME存在显著的异质性——不同患者甚至同一患者肿瘤内部不同区域,其免疫细胞浸润密度、功能极化状态及基质细胞组成均存在巨大差异。传统的bulk转录组测序将整个肿瘤组织作为均质样本进行分析,掩盖了稀有细胞亚群和空间结构信息,难以准确刻画TME的精细组成与细胞间互作规律。因此,亟需更高分辨率的解析工具来系统描绘TME的细胞图谱及其空间组织原则,以阐明免疫治疗耐药机制并发现新的治疗靶点与预后标志物。

二、研究内容与主要结论

针对上述问题,研究人员开展了一项多组学整合研究,系统解析了肿瘤微环境的细胞异质性及其空间组织结构。该研究的主要结论包括:第一,通过单细胞转录组测序(single-cell RNA sequencing, scRNA-seq)鉴定出TME中多种此前未被充分表征的细胞亚群,包括肿瘤相关成纤维细胞(cancer-associated fibroblasts, CAFs)、髓系来源抑制细胞(myeloid-derived suppressor cells, MDSCs)及耗竭型T细胞(exhausted T cells, Tex)等,并绘制了各亚群的特异性标记基因表达谱;第二,细胞通讯分析揭示了CAFs与Tex之间通过特定配体-受体对(如TGF-β信号通路相关分子)形成的促肿瘤免疫抑制网络;第三,空间转录组(spatial transcriptomics, ST)分析定位了免疫排斥型与免疫浸润型肿瘤区域的空间分布差异,发现CXCL9+巨噬细胞富集区域与T细胞浸润程度显著正相关,提示该细胞亚群可能通过趋化因子分泌促进T细胞募集;第四,基于TME细胞组成特征构建的多基因预后评分模型在独立验证队列中显示出良好的预后区分效能,为临床风险分层提供了潜在工具。该研究的重要意义在于提供了高分辨率的TME细胞图谱和空间组织规律,为理解免疫治疗应答差异的细胞基础提供了新视角,并为开发针对TME特定细胞亚群的精准治疗策略奠定了理论基础。

三、主要关键技术方法

研究人员采用了以下核心关键技术方法:整合单细胞RNA测序(scRNA-seq)与空间转录组(ST)两种高分辨率转录组学技术,对肿瘤组织样本进行并行解析;利用无监督聚类算法鉴定细胞亚群并构建细胞类型特异性的标记基因集;通过细胞通讯分析(cell-cell communication analysis)推断细胞间配体-受体互作网络;采用空间区域划分与差异表达分析揭示不同免疫微环境区域的特征基因程序;基于多因素Cox回归构建预后评分模型并在独立队列中验证。研究样本来源为多中心肿瘤患者手术切除组织,包含训练队列与独立验证队列。

四、研究结果分述

1. 单细胞水平解析TME细胞组成异质性
研究人员对肿瘤组织进行scRNA-seq测序,经过质量控制与数据标准化后,通过无监督聚类鉴定出多个主要细胞谱系,包括T细胞、B细胞、髓系细胞、成纤维细胞及内皮细胞等。进一步亚聚类分析发现,CAFs可细分为多个功能亚群,其中部分亚群高表达免疫调节相关基因;髓系细胞中鉴定出MDSCs及肿瘤相关巨噬细胞(tumor-associated macrophages, TAMs)等亚群,且TAMs呈现M1/M2极化状态的动态过渡特征;T细胞中则明确鉴定出Tex亚群,其高表达PDCD1、CTLA4等免疫检查点基因及TOX等转录因子。
2. 细胞通讯网络揭示免疫抑制互作机制
基于配体-受体数据库的细胞通讯分析显示,CAFs与Tex之间存在显著的信号互作,其中TGF-β信号通路及胶原蛋白相关受体互作最为突出。该互作网络可能通过诱导T细胞耗竭和促进基质重塑,形成有利于肿瘤免疫逃逸的微环境。此外,MDSCs与T细胞之间的抑制性配体-受体互作也被显著富集,进一步强化了TME的免疫抑制特征。
3. 空间转录组定位免疫微环境区域特征
空间转录组分析将肿瘤组织划分为不同的空间区域。研究发现,免疫排斥型区域以CAFs和基质细胞富集为特征,T细胞密度极低;而免疫浸润型区域则呈现高密度的CD8+T细胞与CXCL9+巨噬细胞共定位。相关性分析证实CXCL9+巨噬细胞丰度与T细胞浸润评分呈显著正相关,提示该细胞亚群在T细胞募集过程中发挥关键趋化作用。
4. 构建并验证TME相关预后评分模型
研究人员从TME细胞组成特征中筛选出与患者总生存期显著相关的基因集,通过多因素Cox回归构建预后风险评分模型。该模型在训练队列中将患者划分为高风险组与低风险组,两组间生存差异显著;在独立验证队列中同样显示出良好的区分效能,且模型评分与免疫治疗应答指标存在相关性,提示其具有潜在的临床应用价值。

五、讨论与结论总结

讨论部分指出,本研究通过多组学整合策略克服了单一技术平台的局限,实现了对TME从细胞组成到空间组织的多层次解析,为理解肿瘤免疫微环境的复杂性提供了新的维度。研究结果强调了CAFs与髓系细胞在塑造免疫抑制微环境中的协同作用,并提出了CXCL9+巨噬细胞作为潜在治疗靶点或生物标志物的可能性。研究结论部分明确指出:肿瘤微环境的细胞异质性和空间组织结构与患者预后及免疫治疗应答密切相关;基于TME细胞特征构建的预后模型具有临床转化潜力;未来研究应进一步在更大规模队列中验证上述发现,并探索针对特定细胞亚群的联合治疗策略以改善免疫治疗疗效。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号