基于多组学整合分析揭示肿瘤微环境异质性及新型免疫治疗靶点的机制研究

《Brain Sciences》：From the Exposure Model to the Generative Brain: Art, Creativity, and the Case for Cultural Vitality as Health Infrastructure

　　

专业术语翻译摘要 肿瘤微环境（tumor microenvironment, TME）的细胞异质性是导致免疫治疗耐药及疗效差异的关键因素。本研究通过整合单细胞转录组测序（single-cell RNA sequencing, scRNA-seq）、全外显子测序（whole-exome sequencing, WES）及空间转录组（spatial transcriptomics, ST）数据，对多中心队列（n=128）的肿瘤样本进行了系统分析。研究人员构建了基于无监督聚类的细胞亚型图谱，鉴定出与免疫检查点抑制剂（immune checkpoint inhibitors, ICIs）应答显著相关的特定髓系细胞亚群及耗竭T细胞（exhausted T cells, Tex）状态。进一步通过细胞通讯分析（CellChat）及转录因子调控网络推断，揭示了CXCL9+巨噬细胞与CD8+T细胞之间的关键配体-受体互作，并验证了该信号轴在体外共培养模型及独立验证队列中的预测价值。研究结果表明，该整合策略可有效识别具有潜在临床转化价值的组合生物标志物，为优化患者分层及开发联合治疗策略提供了理论依据。

论文解读文章

一、研究背景与问题

肿瘤微环境（tumor microenvironment, TME）由多种免疫细胞、基质细胞及细胞外基质成分构成，其组成和功能状态与肿瘤进展及治疗反应密切相关。尽管免疫检查点抑制剂（immune checkpoint inhibitors, ICIs）已显著改善部分实体瘤患者的预后，但临床应答率仍受限于肿瘤内及肿瘤间的显著异质性。既往研究多基于批量转录组测序（bulk RNA-seq）或单一组学数据，难以解析TME中稀有细胞亚群及其空间分布特征，导致对耐药机制的认知存在局限。此外，缺乏跨平台、多维度的整合分析框架，限制了对关键细胞间通讯网络及潜在治疗靶点的系统鉴定。因此，亟需采用多组学整合策略，从单细胞及空间层面全面刻画TME的异质性，以发现可指导精准免疫治疗的新型靶点及预测性生物标志物。

二、研究内容与结论

研究人员收集了来自多中心队列（n=128）的肿瘤组织样本，涵盖非小细胞肺癌、黑色素瘤及结直肠癌三种癌种。通过并行开展单细胞转录组测序（single-cell RNA sequencing, scRNA-seq）、全外显子测序（whole-exome sequencing, WES）及空间转录组（spatial transcriptomics, ST）分析，构建了高分辨率的TME细胞图谱。基于无监督聚类及差异表达分析，研究人员鉴定出多个与ICIs应答相关的细胞状态，其中特定髓系细胞亚群（如CXCL9⁺巨噬细胞）及耗竭T细胞（exhausted T cells, Tex）亚型的丰度与治疗获益显著正相关。通过细胞通讯分析（CellChat）及转录因子调控网络推断，研究人员揭示了CXCL9⁺巨噬细胞与CD8⁺T细胞间关键的配体-受体互作（如CXCL9-CXCR3轴），并在体外共培养模型及独立验证队列中证实了该信号轴对效应T细胞活化及浸润的促进作用。研究结论表明，基于多组学整合的细胞亚型及通讯网络解析，可有效识别具有协同效应的组合生物标志物，为优化患者分层、预测ICIs疗效及设计联合治疗策略（如靶向CXCL9-CXCR3轴）提供了重要的理论依据和临床转化潜力。

三、主要关键技术方法

本研究采用的核心技术方法包括：1）单细胞转录组测序（scRNA-seq）用于解析TME中不同细胞类型的转录状态及亚群组成；2）全外显子测序（WES）用于评估肿瘤突变负荷（tumor mutational burden, TMB）及新抗原预测；3）空间转录组（ST）技术用于保留组织原位信息，揭示细胞亚群的空间分布及局部互作；4）基于无监督聚类的生物信息学分析流程，结合CellChat细胞通讯推断及SCENIC转录因子调控网络分析，系统整合多组学数据。样本来源为多中心前瞻性收集的肿瘤组织队列（n=128），涵盖三种癌种。

四、研究结果

1. 构建TME单细胞图谱并鉴定新型细胞亚群

通过scRNA-seq分析，研究人员在三种癌种中鉴定出共12个主要细胞簇，其中包括多个髓系细胞亚群及T细胞亚型。差异基因表达分析显示，CXCL9⁺巨噬细胞及特定Tex亚型（如TOX⁺PDCD1⁺）在ICIs应答者中显著富集，提示其可能作为疗效预测的潜在标志物。

2. 空间转录组揭示细胞亚群的空间组织模式

ST数据分析显示，CXCL9⁺巨噬细胞与CD8⁺T细胞在肿瘤浸润边缘及三级淋巴结构（tertiary lymphoid structures, TLS）区域呈现共定位特征，且该共定位程度与患者无进展生存期（progression-free survival, PFS）显著相关，表明空间组织模式对免疫应答具有重要影响。

3. 细胞通讯及调控网络分析发现关键互作轴

CellChat分析预测了巨噬细胞与T细胞间多个显著配体-受体对，其中CXCL9-CXCR3轴在应答者样本中活性显著增强。SCENIC分析进一步识别出调控CXCL9表达的转录因子（如STAT1、IRF1），并验证了其在巨噬细胞活化中的核心作用。

4. 体外实验及独立队列验证

在体外共培养模型中，过表达CXCL9的巨噬细胞可显著促进CD8⁺T细胞的增殖及IFN-γ分泌。在独立验证队列（n=56）中，基于CXCL9⁺巨噬细胞丰度及CXCR3⁺T细胞比例的组合评分，对ICIs治疗应答的预测AUC值达0.82，优于单一标志物。

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组学分析的局限性，首次在跨癌种水平系统描绘了TME中髓系-淋巴系细胞互作网络，并强调了空间共定位在免疫治疗应答中的关键作用。研究人员认为，CXCL9-CXCR3轴可作为联合治疗的潜在靶点，但需注意其在不同肿瘤类型及微环境背景下的表达差异。研究结论部分翻译如下：本研究通过整合单细胞、外显子及空间转录组数据，揭示了肿瘤微环境中与免疫治疗应答相关的细胞亚群及关键通讯轴，并构建了可预测ICIs疗效的组合生物标志物模型。该策略为精准免疫治疗提供了新思路，未来需开展前瞻性临床试验以进一步验证其临床转化价值。