编辑推荐：
多重空间图谱分析（multiplexed spatial profiling）已表明，肿瘤构筑（tumor architecture）影响治疗反应，但进入临床应用的空间表型（spatial phenotypes）仍很少。研究人员认为，当前优先事项是简化并验证复
多重空间图谱分析（multiplexed spatial profiling）已表明，肿瘤构筑（tumor architecture）影响治疗反应，但进入临床应用的空间表型（spatial phenotypes）仍很少。研究人员认为，当前优先事项是简化并验证复杂的空间特征（spatial features）。研究人员将其与制图学（cartography）作类比：地图之所以有用，是因为其承载一组数量有限、命名明确且含义获得共识的特征。肿瘤地图（tumor maps）可按同样方式构建：基于既定细胞类型的存在、其与另一细胞类型的邻近关系、其在组织分区（tissue compartment）内的位置、其活化状态，或这些因素的组合。与可变的无监督二维“邻域”（unsupervised two-dimensional ‘neighborhoods’）相比，此类特征可能具有更高的临床适用性。研究人员提出，癌症制图学（cancer cartography）是将此类经验证特征组装为指导治疗选择的肿瘤地图的过程。
该文发表于《TRENDS IN Cancer》，属于观点与框架性论文。研究背景是：多重空间分析已显示肿瘤构筑（tumor architecture，肿瘤细胞、免疫细胞和基质细胞的空间组织及相互作用）影响治疗反应，但临床使用的空间表型（spatial phenotype，由细胞身份、位置、状态或邻近关系定义并表征肿瘤的特征或组合）很少。现有问题包括复杂空间读出难以解释、空间表型定义跨研究、平台和分析流程不一致而限制可比性；研究人员认为解释性比分辨率更限制临床使用。因此，该文提出癌症制图学（cancer cartography，将经验证空间特征组装为指导治疗选择的肿瘤地图的过程），主张优先简化和验证复杂空间特征，为选择、标准化和临床验证可部署空间特征提供框架，使肿瘤地图补充现有临床病理和分子生物标志物。
方法方面（不超过250字）：该文未报告新的原始实验或新样本队列，主要基于文献归纳和框架构建。涉及空间转录组学（spatial transcriptomics，将基因表达映射到组织构筑）、空间蛋白组学（spatial proteomics，单细胞分辨率定义蛋白和免疫细胞表型分布）和空间多组学（spatial multiomics，整合转录组、蛋白组、表观组和代谢组），以及多重免疫组织化学（IHC，immunohistochemistry）/免疫荧光（IF，immunofluorescence）、成像质谱流式（IMC，imaging mass cytometry）、CODEX、CosMx SMI（Spatial Molecular Imager）、GeoMx DSP（digital spatial profiling）、10× Visium HD、Xenium和单细胞RNA测序（sc-RNAseq，single-cell RNA sequencing）等。证据来源包括PEMBROSARC（NCT02406781）、NeoTRIPaPDL1（NCT02620280）、IDEA-France、SCOT、IDEA-HORG、NRG/RTOG 9408等试验或队列，以及Immunoscore和MITRE等多中心研究。
研究结果如下。Cancer cartography: from spatial profiling to tumor maps（癌症制图学：从空间分析到肿瘤地图）：研究人员通过概念框架和文献归纳界定spatial feature、spatial phenotype和spatial biomarker，并以地理制图类比说明制图是刻意简化；结论是解释性限制临床使用，应选择可一句描述、可标准化验证的特征构建患者特异肿瘤地图。Spatial phenotypes that predict treatment responses: landmarks for cancer cartography（预测治疗反应的空间表型：癌症制图学地标）：通过汇总免疫检查点抑制剂（ICIs，immune checkpoint inhibitors，解除免疫抑制的抗肿瘤治疗）、嵌合抗原受体T细胞（CAR-T，chimeric antigen receptor-T cell）和化疗反应相关空间表型，结论是ICIs反应与免疫浸润及定位、三级淋巴结构（TLS，tertiary lymphoid structures，肿瘤内或周围免疫细胞聚集结构）的存在成熟与组成、多细胞免疫生态位和肿瘤-免疫细胞邻近相关；接近临床的表型可归纳为“哪种细胞、邻近什么、何处、何种状态”，无监督邻域和ecotype标签难以转移。From complex spatial phenotypes to clinically deployable spatial features（从复杂空间表型到临床可部署空间特征）：通过比较检测模式和讨论近期与长期路线，结论是常规病理仍以低plex蛋白检测为主，长期需临床级多组学标准化；近期多重IHC/IF更可及，且系统比较显示多重IHC/IF预测程序性死亡蛋白-1（PD-1）/程序性死亡配体1（PD-L1）阻断反应优于PD-L1 IHC、肿瘤突变负荷（TMB，tumor mutational burden）和基因表达谱。The map legend: a vocabulary for clinically deployable spatial features（地图图例：临床可部署空间特征的词汇）：通过提出受限词汇和Box 1四项要求，结论是特征应基于定义细胞类型的存在或丰度、相对命名组织分区的位置、功能或活化状态、与另一细胞类型邻近及组合；候选特征须满足可读性、分析有效性、临床有效性和临床效用，前三者可上肿瘤地图，第四者才在常规护理中高亮。Validating spatial features for clinical translation（验证空间特征用于临床转化）：通过讨论动物模型局限提出三种人体验证设计。Blinded retrospective biomarker studies（盲法回顾性生物标志物研究）可在独立同治疗人群测试预测性能，成熟TLSs曾如此验证，但需控制组织处理差异并按REMARK报告；Nested spatial studies within randomized controlled trials（随机对照试验内嵌套空间研究）可跨治疗组评估预定义特征，NeoTRIPaPDL1为探索性分析，Immunoscore在IDEA-France预指定但预测效应未在SCOT和IDEA-HORG汇总分析重现，说明需足够统计功效，多模态人工智能（AI，artificial intelligence）在NRG/RTOG试验显示从组织图像到指南认可预测标志物的路径可行；Prospective real-world observational cohort studies（前瞻性真实世界观察队列研究）可扩展特征-治疗对，PEMBROSARC按TLS状态选择患者达到6个月非进展率40%（95% CI 22.7–59.4）对4.9%，观察研究不改变标准治疗并需盲法、样本量估计和STROBE报告。Moving forward with cancer cartography（推进癌症制图学）：通过提出患者特异肿瘤地图在诊断、治疗前、治疗中和进展时的应用，结论是肿瘤地图可作为全程临床决策导航和决策支持工具，初期为可选辅助，最终治疗选择仍由临床医生决定。Concluding remarks and future perspectives（结论与未来展望）：通过总结转化问题，结论是识别更复杂表型本身不太可能改善患者护理，应简化并临床验证已描述特征；癌症制图学提供构建治疗指导肿瘤地图的框架。
讨论部分强调选择而非单纯提高分辨率、标准化计算与检测流程、在人类队列中验证以及临床效用；并提出分割误差、相邻细胞信号溢出、任意邻近参数和二维切片扭曲三维结构等限制，以及共识工作流、报告指南和报销路径等未决问题。研究结论翻译如下：空间分析的进展已改变对肿瘤微环境（TME，tumor microenvironment，由恶性、免疫和基质细胞及其空间组织构成）如何塑造治疗反应的理解，该领域现在面临转化问题。识别越来越复杂的表型本身不太可能改善患者护理。同等重要的努力应是简化并临床验证已经描述的特征。癌症制图学——从经验证空间特征构建指导治疗的肿瘤地图的过程——为此提供了框架，并将使肿瘤地图能够补充当今指导精准肿瘤学的临床病理和分子生物标志物。
