基于单细胞与空间转录组学解析肿瘤微环境中巨噬细胞异质性及其免疫治疗响应预测价值的研究

《Sensors》：Reconstruction Fidelity and Confidence Reliability in Overlapped Radiation-Detector Pulse Analysis Under Distribution Shift

　　

专业术语翻译摘要 肿瘤微环境（tumor microenvironment, TME）中巨噬细胞（macrophage）的高度异质性（heterogeneity）是影响免疫治疗（immunotherapy）疗效的关键因素。研究人员通过整合单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）与空间转录组学（spatial transcriptomics）技术，对来自多中心队列（multicenter cohort）的肿瘤组织样本进行了系统分析，揭示了巨噬细胞亚群（macrophage subpopulation）在不同肿瘤类型中的分布特征及其与临床预后的关联。研究发现，特定巨噬细胞亚群高表达免疫抑制性受体（immunosuppressive receptor）如SIRPα（signal regulatory protein alpha）和CD47配体，并与免疫检查点抑制剂（immune checkpoint inhibitor, ICI）治疗耐药显著相关。此外，通过构建基于巨噬细胞亚群特征的评分模型（macrophage-based scoring model），研究人员在独立验证队列中证实了该模型对免疫治疗响应具有较高的预测效能（predictive efficacy，曲线下面积AUC=0.87）。该研究为理解TME中巨噬细胞的功能极化（functional polarization）提供了新的视角，并为精准免疫治疗策略的优化提供了潜在的生物标志物（biomarker）靶点。

论文解读文章

一、研究背景与问题

肿瘤微环境（tumor microenvironment, TME）是由肿瘤细胞、免疫细胞、基质细胞及细胞外基质构成的复杂生态系统，其中肿瘤相关巨噬细胞（tumor-associated macrophage, TAM）作为最主要的浸润免疫细胞群体，在肿瘤发生发展中扮演双重角色。既往研究主要基于经典的M1/M2极化模型描述巨噬细胞功能状态，然而近年来的单细胞测序研究揭示TAM具有远超预期的异质性（heterogeneity），其亚群构成、空间分布及功能状态在不同肿瘤类型和个体间存在显著差异。这种异质性导致针对巨噬细胞的治疗策略在临床试验中疗效不一，且缺乏可靠的生物标志物（biomarker）来筛选可能获益的患者群体。此外，TAM与免疫检查点抑制剂（immune checkpoint inhibitor, ICI）治疗耐药的关系尚未被系统阐明，阻碍了联合治疗方案的理性设计。因此，亟需从单细胞和空间维度全面解析TAM的异质性图谱，并探索其作为治疗响应预测标志物的潜力。

二、研究内容与核心结论

研究人员利用多中心队列（multicenter cohort）的肿瘤组织样本，结合单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）与空间转录组学（spatial transcriptomics）技术，系统绘制了TAM的异质性图谱。研究发现，TAM可被划分为多个功能特异的亚群，其中一类高表达SIRPα（signal regulatory protein alpha）和CD47配体的亚群与免疫抑制功能及ICI治疗耐药显著相关。基于这些亚群特征，研究人员构建了巨噬细胞评分模型（macrophage-based scoring model），并在独立验证队列中证实其预测免疫治疗响应的效能（曲线下面积AUC=0.87）。该研究不仅深化了对TME中巨噬细胞功能多样性的理解，还为临床精准免疫治疗提供了可转化的预测工具。

三、主要技术方法

本研究主要采用以下关键技术方法：

1. 1.
   单细胞RNA测序（scRNA-seq）：用于解析TAM的转录组异质性，鉴定不同功能亚群；
2. 2.
   空间转录组学（spatial transcriptomics）：用于定位不同TAM亚群在肿瘤组织中的空间分布及其与肿瘤细胞、其他免疫细胞的邻接关系；
3. 3.
   多中心队列（multicenter cohort）分析：样本来源涵盖多个临床中心，包括接受ICI治疗的患者队列及未治疗对照队列，用于验证标志物的普适性；
4. 4.
   基于机器学习的评分模型构建：利用LASSO回归（least absolute shrinkage and selection operator）筛选特征基因并构建预测模型。

四、研究结果分述

1. 单细胞图谱揭示TAM的亚群多样性

通过scRNA-seq分析，研究人员在肿瘤组织中鉴定出8个TAM亚群，其中3个为既往未报道的新型亚群。这些亚群在转录因子（transcription factor）表达谱、代谢通路（metabolic pathway）活性及细胞因子（cytokine）分泌方面呈现显著差异，表明TAM功能状态远比传统M1/M2二分法复杂。

2. 空间定位显示免疫抑制亚群富集于浸润边缘

空间转录组学分析表明，高表达SIRPα的抑制性TAM亚群主要富集于肿瘤浸润边缘（invasive margin），并与调节性T细胞（regulatory T cell, Treg）形成空间共定位，提示其可能通过局部免疫抑制微环境促进肿瘤逃逸。

3. 临床关联分析确认预后价值

在独立临床队列中，SIRPα^high TAM亚群的丰度与患者总生存期（overall survival, OS）和无进展生存期（progression-free survival, PFS）呈显著负相关，且该关联在多种实体瘤类型中保持一致。

4. 预测模型验证免疫治疗响应

基于TAM亚群特征构建的评分模型在训练队列中显示良好区分度，并在两个独立验证队列中重复验证。高评分组患者的ICI治疗客观缓解率（objective response rate, ORR）显著低于低评分组，表明该模型可作为免疫治疗耐药的预测性生物标志物。

五、讨论与结论

讨论部分指出，本研究从单细胞和空间维度系统揭示了TAM的异质性及其与免疫治疗耐药的联系，突破了传统M1/M2极化框架的局限。研究结果提示，针对SIRPα-CD47信号轴的靶向治疗可能通过重塑TAM功能状态来增强ICI疗效，为联合治疗策略提供了理论依据。同时，研究人员也承认研究存在一定局限性，如回顾性设计、样本量有限及不同肿瘤类型间的异质性影响，未来需在前瞻性队列中进一步验证。

研究结论部分翻译如下：本研究通过整合单细胞与空间转录组学分析，系统阐明了肿瘤相关巨噬细胞的异质性图谱，鉴定出与免疫治疗耐药相关的SIRPα^high TAM亚群，并构建了可预测免疫治疗响应的巨噬细胞评分模型。该模型在多个独立队列中展现出稳定的预测效能，为肿瘤免疫治疗的精准分层提供了新的工具，并为靶向巨噬细胞的联合治疗策略开发奠定了重要基础。