综述：单细胞和空间转录组学重塑神经内分泌肿瘤的免疫抑制微环境

《Cancers》：Single-Cell and Spatial Transcriptomics Reframe the Immunosuppressive Microenvironment of Neuroendocrine Neoplasms

　　

神经内分泌肿瘤（NENs）是一类异质性肿瘤家族，传统上被视为“免疫冷肿瘤”，对PD-1/PD-L1免疫检查点阻断 largely refractory，但默克尔细胞癌（MCC）是 notable exception。单细胞RNA测序（scRNA-seq）和空间转录组学的出现使得对NEN肿瘤微环境（TME）进行前所未有的剖析成为可能，但跨亚型综合仍然缺乏。本综述旨在整合主要NEN亚型的单细胞和空间转录组学发现，以重新定义NEN免疫抑制并描绘转化意义。为此，研究人员对PubMed索引的研究进行了结构化叙述性综述，检索截至2026年4月30日，优先考虑NENs的原始人类scRNA-seq、单核RNA测序、空间转录组学和空间蛋白质组学研究，并由提供必要背景的机制性、临床和生物标志物研究报告作为补充。在这些研究中，跨越胰腺、肺、胃肠道、皮肤、垂体、肾上腺和其他NEN亚型的综合强调了PD-1/PD-L1轴之外的保守特征，包括以髓系为主的浸润伴替代检查点（VISTA、TIM-3、Galectin-9）、癌症相关成纤维细胞介导的免疫排除、谱系状态依赖性免疫可见性，以及神经内分泌分泌产物（如降钙素基因相关肽）的直接免疫调节。研究人员提出了一个四层框架，整合这些机制并将其与新兴的生物标志物和疗法相关联，包括DLL3导向的双特异性抗体、替代检查点抑制剂、基质靶向药物和肽受体放射性核素治疗组合。总之，这些发现表明，单细胞和空间转录组学研究将NEN免疫抑制重新定义为多层的、亚型依赖的过程，为神经内分泌肿瘤学中生物标志物引导的、亚型适应的治疗策略和前瞻性临床试验设计提供了概念框架。

论文主体部分总结如下：

**1. 引言**

神经内分泌肿瘤（NENs）是一类源自弥散神经内分泌系统的异质性肿瘤，可发生于全身多处部位，包括分化良好的神经内分泌肿瘤（NETs）和分化不良的神经内分泌癌（NECs）。其发病率显著上升，但免疫治疗反应不佳，传统上被认为是“免疫冷肿瘤”。PD-1/PD-L1检查点抑制剂在未经选择的NET患者中客观缓解率（ORR）低至3.7%，而默克尔细胞癌（MCC）则表现出较高敏感性。单细胞RNA测序（scRNA-seq）和空间转录组学的出现揭示NEN肿瘤微环境（TME）远比以往认知的复杂，但缺乏跨亚型综合。本综述旨在整合主要NEN亚型的单细胞和空间转录组学数据，重新定义免疫抑制机制，并阐述其转化意义。

**2. 方法学框架**

**2.1 单细胞RNA测序：原理与平台**

scRNA-seq可解析异质组织中的单个细胞。在NEN研究中，10x Genomics Chromium系统应用最广，用于胰腺NET、小细胞肺癌（SCLC）、垂体NET等。单核RNA测序（snRNA-seq）作为互补方法，适用于存档或难解离的标本，如嗜铬细胞瘤/副神经节瘤（PPGLs）和胰腺NET。

**2.2 空间转录组学：保留组织结构**

空间转录组学保留组织结构，在原位切片上定位基因表达。Visium平台（10x Genomics）在NEN研究中应用最广，用于前列腺NEC（NEPC）和垂体NET。其他空间分辨的蛋白质-转录组学方法用于SCLC和胃混合性腺神经内分泌癌（MANEC），更高分辨率的方法用于MCC和混合性神经内分泌-非神经内分泌肿瘤（MiNEN）。空间蛋白质组学补充了这些分析，尤其是MCC中三级淋巴结构（TLS）的研究。

**2.3 计算方法：反卷积、细胞间互作与多组学整合**

反卷积工具如BayesPrism、cell2location和RCTD可从复杂组织中推断细胞类型组成。细胞间通讯分析（如CellChat）用于识别功能性信号轴，包括巨噬细胞-肿瘤相互作用和成纤维细胞-肿瘤串扰。多组学整合（scRNA-seq与ATAC-seq、蛋白质组学或甲基化）细化了神经内分泌亚型分类和谱系状态建模。

**2.4 综述范围与来源选择**

本叙述性综述综合了截至2026年4月30日PubMed索引的相关研究，优先考虑原始人类单细胞、单核、空间转录组或空间蛋白质组学研究，并选择性纳入机制性、临床和生物标志物报告。重点综合了跨器官的免疫抑制原则。

**3. 跨神经内分泌肿瘤亚型的单细胞图谱**

**3.1 胰腺神经内分泌肿瘤（pNETs）**

pNETs是研究最充分的NET亚型之一。Zhou等人发现原发性和转移性pNETs存在时空异质性，缺氧、代谢重编程和增殖通路逐步激活，PCSK1和SMOC1双基因标记可预测转移潜能。Yin等人表征了ATF6调控的PCSK1⁺神经内分泌亚群与成纤维细胞的相互作用。Arbesfeld-Qiu等人发现巨噬细胞来源的谷氨酸作为旁分泌信号促进免疫抑制和肿瘤迁移。Young等人分析207例pNET样本，识别出四种分子亚型，其中MLP-1亚型（26-31%）具有“免疫高”表型，与缺氧-坏死性凋亡级联反应激活病毒模拟和STING通路相关。ApoE诱导尖端内皮细胞促进CAF募集，mTOR抑制可抑制此过程。小细胞外囊泡来源的miR-183-5p通过PDCD4/PI3K-γ/AKT/mTOR通路促进SPP1依赖性M2巨噬细胞极化。

**3.2 肺NENs：小细胞肺癌（SCLC）、LCNEC和肺类癌**

SCLC是研究最广泛的高级别神经内分泌癌。Chan等人绘制了21例SCLC标本的15.5万个细胞图谱，发现PLCG2高表达表型具有干细胞样特性和不良预后。分子亚型包括ASCL1、NEUROD1、POU2F3以及后来定义的炎症亚型（SCLC-I）。MYC驱动ASCL1⁺向NEUROD1⁺或YAP1⁺状态的转变。空间转录组学揭示REST转录因子作为减少神经内分泌特征的生物标志物，与增强的抗肿瘤免疫和改善生存相关。CAFs导致免疫排除和不良预后。肺类癌中，单核细胞来源的髓系细胞是主要免疫成分，通过NOTCH、VEGF、TGF-β和JAK/STAT通路进行旁分泌相互作用。LCNEC中，YAP1状态将肿瘤分为间充质/炎症型（YAP1高）和SCLC样/免疫冷型（YAP1低）。

**3.3 胃肠道NETs**

结直肠NET肝转移中，COLEC11⁺基质CAFs在转移部位富集并与不良预后相关。小肠NETs（SI-NETs）存在上皮样和神经样亚型，神经内分泌细胞基本不增殖，而B细胞和浆细胞增殖活跃。十二指肠NETs显示适应性免疫抵抗机制，与空肠和回肠肿瘤不同。胃MANEC的NEC成分显示成纤维细胞增多和增殖通路激活，而NEC区免疫通路活性相对降低。结直肠NEC呈“冷”免疫谱，但CCL5表达与CD8⁺浸润和生存改善相关。

**3.4 默克尔细胞癌（MCC）**

MCC是免疫治疗反应性最高的NEN亚型。Reinstein等人发现预先存在的组织驻留记忆CD8⁺和V-delta-1 gamma-delta T细胞预测免疫治疗反应。响应者显示I/II型干扰素上调和克隆性T细胞扩增，无响应者显示肿瘤增殖增加和神经标志物表达。Lei等人通过高分辨率空间转录组学揭示表皮趋向性MCC细胞通过p63活性采用角质形成细胞分化程序。Tabachnick-Cherny等人显示免疫抑制性髓系群体（CD163⁺、CD14⁺、S100A8⁺ TAM）在CD8⁺ T细胞浸润丰富的肿瘤中富集。Ohnezeit等人发现默克尔细胞多瘤病毒小T抗原通过IRF9下调抑制I型干扰素信号。空间蛋白质组学将TLS密度与免疫治疗反应相关联。

**3.5 垂体神经内分泌肿瘤（PitNETs）**

Su等人整合17.7万个细胞的scRNA-seq与57个标本的空间转录组学，识别侵袭性肿瘤簇，SPP1⁺肿瘤相关巨噬细胞可能通过SPP1-ITGAV/ITGB1轴促进侵袭。Lin等人表征了三种TIME亚型，CX3CR1⁺巨噬细胞通过INHBA-ACVR1B轴调节肿瘤细胞凋亡。Wang等人发现DLK1/RCN1在拷贝数高区域过表达，TGF-β通路参与进展。Zhang等人开发了基于scRNA-seq的分化状态标志物预测复发。

**3.6 嗜铬细胞瘤和副神经节瘤（PPGLs）**

Zhang等人对异位ACTH/CRH分泌性嗜铬细胞瘤进行scRNA-seq，发现一种同时产生ACTH和CRH的新型嗜铬细胞样细胞。Brazda等人通过snRNA-seq显示患者间广泛的转录组异质性，RET和SDHB突变驱动不同分子程序。Qin等人识别出两种分子亚型：代谢型（NDUFA4L2/COX4I2标志物，免疫抑制）和激酶型（RET/PNMT标志物，HLA-I缺陷）。Liu等人扩展为三种转录亚型，C1型免疫抑制且预后差，C2型显示CD8⁺ T细胞浸润。Berends等人显示转移性嗜铬细胞瘤中TNF-α/TGF-β信号激活可在原发肿瘤中检测。

**3.7 其他神经内分泌肿瘤实体**

嗅神经母细胞瘤（ONB）表现出与SCLC相似的分子异质性和谱系轨迹，包括NEUROD1⁺和POU2F3⁺状态。甲状腺髓样癌（MTC）中，CGRP通过cAMP通路和KLF2上调导致树突状细胞功能障碍。宫颈小细胞神经内分泌癌具有组织特异性转录因子网络，与肺和胃肠道NECs不同。前列腺神经内分泌癌中，ASCL1是神经内分泌分化的关键因子，FOXA2可驱动谱系可塑性和KIT通路激活。膀胱神经内分泌癌通常呈免疫排除或免疫荒漠表型，混合性肿瘤中尿路上皮成分可能呈现免疫浸润表型。MiNEN的空间转录组学显示形态学区室与转录组学谱一致。

**4. 重新定义NEN免疫抑制微环境**

**4.1 NEN的免疫细胞景观：超越PD-1/PD-L1**

**4.1.1 髓系区室（TAMs、MDSCs、树突状细胞）**

单细胞研究确定肿瘤相关巨噬细胞（TAMs）是NEN TME中的主要免疫群体。垂体NET中，SPP1⁺巨噬细胞通过SPP1-ITGAV/ITGB1轴促进侵袭，CX3CR1⁺巨噬细胞通过INHBA-ACVR1B轴调节凋亡。胰腺NET中，巨噬细胞来源的谷氨酸促进免疫抑制和肿瘤迁移。MCC中，免疫抑制性TAM亚群在CD8⁺ T细胞浸润丰富的肿瘤中富集。MTC中，CGRP通过cAMP通路和KLF2上调损害树突状细胞发育。肺类癌中，非炎症性单核细胞来源的髓系细胞是主要免疫成分。

**4.1.2 T细胞状态：耗竭、调节性T细胞和替代检查点**

Hoffman等人对胃肠胰NET（GEP-NETs）进行scRNA-seq，发现浸润性髓系细胞表达VSIR（VISTA）、HAVCR2（TIM-3）、LGALS9（Galectin-9）和SIGLEC10，而非PD-1/PD-L1。SCLC中，非神经内分泌亚型显示炎症基因信号和免疫细胞浸润增加。MCC中，组织驻留记忆CD8⁺和V-delta-1 gamma-delta T细胞预测免疫治疗反应。PPGL中，激酶型呈HLA-I下调，代谢型保留抗原呈递能力但创造免疫抑制环境。CAFs与肿瘤细胞串扰促进抗原呈递CAFs形成，可能捕获CD8⁺ T细胞并招募调节性T细胞。

**4.1.3 NK细胞、γδ T细胞和先天免疫**

NK细胞在NEN TME中的状态改变，但具体耗竭机制待验证。MCC中，V-delta-1 gamma-delta T细胞作为先天免疫成分预测免疫治疗反应。病毒阳性MCC中，小T抗原通过IRF9下调抑制I型干扰素信号，损害先天免疫监视。

**4.2 NEN中的癌症相关成纤维细胞（CAFs）：异质性和功能角色**

**4.2.1 CAF异质性和亚型**

单细胞和空间转录组学描述CAFs为功能多样的群体。SCLC中，CAFs是免疫排除的主要贡献者，CAF丰度与不良预后和非神经内分泌细胞状态重编程相关。结直肠NET肝转移中，COLEC11⁺基质CAFs富集且预测不良结局。皮肤癌中描述了肌成纤维细胞样RGS5⁺ CAFs、基质CAFs和免疫调节CAFs。

**4.2.2 代谢串扰和转化靶向**

SCLC中，VGF调节ASCL1驱动的神经内分泌分化，并促进CAF活化和乳酸交换介导的代谢耦合。抗原呈递CAFs可能从CAF-肿瘤串扰中产生，隔离CD8⁺ T细胞。mTOR抑制可抑制pNET中ApoE介导的基质重塑。

**4.3 NEN TME的血管和内皮成分**

许多分化良好的NETs高度血管化。单细胞研究识别出特异性内皮细胞亚型及其与肿瘤细胞的相互作用。pNET来源的ApoE诱导尖端内皮细胞，招募CAFs并重塑肿瘤-基质比例。前列腺NEPC中，空间转录组学显示纤维化标志物和血管重塑基因在神经内分泌区域共定位。血管区室也参与免疫排除。

**4.4 NEN TME的空间组织：免疫排除模式和细胞间互作**

空间转录组学揭示了免疫排除、免疫区室化和三级淋巴结构（TLS）模式。SCLC中，CAF丰富区域对应免疫耗竭肿瘤区。MCC中，表皮趋向性肿瘤细胞采用角质形成细胞样程序。结直肠NET肝转移富集应激表型免疫细胞。MCC中TLS密度与治疗反应相关。细胞间互作网络包括SPP1-ITGAV/ITGB1轴、INHBA-ACVR1B轴、PCSK1⁺亚群-成纤维细胞互作、MIF/TGF-β免疫抑制信号和CGRP-cAMP轴。

**4.5 NEN的跨器官免疫抑制原则**

提出四层框架：层1（肿瘤细胞内在神经内分泌程序）：谱系定义转录因子（ASCL1、NEUROD1、POU2F3）与HLA-I下调和干扰素信号抑制相关。层2（髓系主导的免疫浸润伴替代检查点表达）：TAM/MDSC富集，替代检查点分子（VISTA、TIM-3、Galectin-9、SIGLEC10）占主导。层3（CAF介导的结构和代谢屏障）：亚型特异性CAF群体形成物理和代谢屏障。层4（神经内分泌分泌调节）：分泌产物（CGRP、谷氨酸、VGF）的直接免疫调节，目前基于有限亚型特异性证据。

**4.6 四层框架在分化良好NET和分化不良NEC中的差异操作**

分化良好NETs呈稳定免疫冷状态，TMB低，CD8⁺浸润有限，PD-L1表达低且异质性，PD-1/PD-L1阻断反应差。分化不良NECs（如SCLC）则携带较高突变负荷，HLA-I下调和干扰素信号抑制更明显，免疫浸润更可变。层1在NEC中以谱系可塑性为主，在NET中以稳定内分泌分化为主。层2在NET中以髓系主导和替代检查点为主，在NEC中可变。层3在两者中均有记录但CAF亚型和代谢耦合模式可能不同。层4目前以NET偏移例子为主。MCC作为例外，通过病毒抗原表达、组织驻留免疫电路和TLS形成部分绕过层1-3。

**5. NEN的转化意义**

**5.1 源自NEN TME分析的预后生物标志物**

单细胞和空间转录组学产出了丰富的预后和分层生物标志物。pNET的MLP-1亚型可能识别免疫高子集。VISTA/TIM-3表达模式是发现阶段生物标志物。ISpnet免疫评分、三个免疫浸润亚型、pan-cancer TME亚型、MCC中组织驻留淋巴细胞程序、TLS定量等处于不同验证阶段。TMB高和MSI-H/dMMR状态是临床相关的分子分层因素。

**5.2 NEN的治疗靶点：从单细胞发现到临床开发**

**5.2.1 DLL3导向疗法**

DLL3（Delta样配体3）在肺和前列腺神经内分泌癌表面高表达，正常组织表达低。Tarlatamab（DLL3/CD3双特异性T细胞衔接器）在SCLC中III期试验证实总生存获益（中位OS 13.6 vs 8.3个月，HR 0.60），是最成熟的靶点。其他DLL3靶向策略包括IL-18分泌型CAR-T细胞、异体CAR-T细胞、三特异性T细胞激活蛋白HPN328和抗DLL3 PET成像。但DLL3导向疗法面临表型可塑性导致的抗原丢失挑战。

**5.2.2 替代检查点阻断**

抗TIM-3（sabatolimab）和抗VISTA（KVA12123）抗体正在实体瘤中临床开发，但尚无NEN特异性试验。鉴于GEP-NET TME以VISTA表达髓系细胞为主，抗VISTA治疗具有生物学合理性。CDK4/6抑制通过逆转T细胞排除和与PD-1阻断协同增强抗肿瘤免疫，trilaciclib已获批用于SCLC化疗期间骨髓保护。

**5.2.3 TME调节策略**

抗SPP1策略可靶向SPP1-ITGAV/ITGB1轴。CGRP受体拮抗剂可恢复MTC中树突状细胞功能。CAF靶向策略包括破坏VGF相关肿瘤-CAF串扰和ApoE-mTOR轴。KIT抑制靶向FOXA2驱动的前列腺NEC。EZH2抑制针对嗅神经母细胞瘤。这些策略均处于临床前或发现阶段。

**5.2.4 PPGL特异性转化意义**

激酶型嗜铬细胞瘤（RET/PNMT阳性）的HLA-I下调提示cabozantinib联合免疫治疗值得评估；代谢型（NDUFA4L2/COX4I2阳性）保留抗原呈递能力但具免疫抑制特征，适合抗血管-核素联合。

**5.3 NEN的治疗反应预测**

**5.3.1 PRRT反应预测**

Treg低密度和CD8⁺TIM-3⁺低密度预测GEP-NETs对¹⁷⁷Lu-DOTATATE PRRT的反应。影像生物标志物（基线肿瘤体积、⁶⁸Ga-DOTATATE摄取参数）和机器学习模型已开发。PRRT-免疫治疗联合在临床前模型中显示序贯给药（PRRT后抗PD-1）诱导最强炎症反应。

**5.3.2 免疫治疗反应预测**

单细胞衍生生物标志物包括SCLC-I炎症亚型、TMB高、MSI-H/dMMR、MCC中TLS密度、组织驻留T细胞回路、非神经内分泌表型、LCNEC中YAP1状态和pNET中MLP-1亚型。其中MSI-H/dMMR是已建立的临床生物标志物，而单细胞衍生标志物处于临床关联或发现阶段。

**5.4 NEN的液体活检和循环生物标志物**

NETest（51基因血液转录组）在诊断、PRRT反应预测方面表现出高准确性，是临床可用的液体活检平台。NETseq集成分类器可检测PRRT初治GEP-NETs。循环肿瘤细胞簇的动态变化与PRRT反应相关。ctDNA甲基化分析是潜在的亚型监测工具。

**6. 讨论**

**6.1 整合框架：通过单细胞技术重新定义NEN免疫抑制**

四层框架为解释NEN异质性免疫治疗反应提供概念基础。层1和2是强支持的跨亚型模式，层3是日益支持的机制，层4是需要验证的假设。与胶质母细胞瘤、微卫星稳定结直肠癌和胰腺导管腺癌等免疫冷肿瘤相比，NEN独特之处在于四层汇聚，其中层4是相对独特的特征。MCC通过部分绕过层1-3表现出免疫治疗敏感性。

**6.2 临床意义：潜在转化整合**

替代检查点靶向、分子亚型（SCLC亚型、REST/YAP1轴）、TME生物标志物（TLS、免疫细胞组成）和液体活检（NETest）可能指导未来分层和治疗。但仅MSI-H/dMMR、TMB、Ki-67和SSTR指导的管理是当前临床实践，其余需前瞻性验证。

**6.3 局限性**

技术方法学限制包括组织解离偏差、scRNA-seq与snRNA-seq不可直接比较、批次效应、空间平台分辨率差异、细胞状态注释不标准化。计算推断的细胞间通讯轴需功能验证。大多数研究样本量小、横截面设计、原发肿瘤为主、地理分布集中，且某些亚型（胸腺NET、阑尾NET）缺乏单细胞数据。本综述为叙述性而非系统性检索。

**6.4 与其他肿瘤类型的比较**

NEN TME与胶质母细胞瘤和MSS-CRC共享髓系介导免疫抑制，但NEN在神经内分泌分泌调节和极端表型可塑性方面独特。Pan-cancer TME亚型提供比较框架。神经内分泌转分化在前列腺癌和胃癌中与NEN共享转录程序，扩展了研究相关性。CRATER生态位的概念有待在NEN中验证。

**7. NEN研究的未来方向**

多模态整合与数据共享、纵向单细胞分析、治疗干预下TME动态、人工智能驱动整合、临床试验设计整合（前瞻性验证替代检查点、分子亚型分层、配对空间分析、液体活检替代终点）、功能验证推断的细胞间互作（类器官共培养、患者来源异种移植、基因工程小鼠模型、空间扰动方法）。

**8. 结论**

单细胞RNA测序和空间转录组学深刻改变了NEN微环境的理解，将“免疫冷”标签替换为多层的、亚型依赖的免疫抑制视图。关键见解包括髓系主导免疫抑制、CAF介导免疫排除、表型依赖性免疫可见性和神经内分泌分泌调节（当前基于有限亚型特异性例子）。四层框架为转化研究提供概念骨架。DLL3导向双特异性抗体在SCLC中已显示III期生存获益。未来进展依赖协调的多机构图谱、纵向治疗配对采样、功能验证和前瞻性生物标志物整合。