博文

肿瘤微环境中关键免疫生物标志物的泛癌空间表征

已有 313 次阅读 2025-3-31 14:02 |个人分类:科普|系统分类:科普集锦

肿瘤微环境中关键免疫生物标志物的泛癌空间表征

肿瘤在复杂的微环境中发展，微环境中含有多种免疫和基质细胞，这些细胞可以促进和抑制癌症进展。了解这些肿瘤免疫微环境（TiME）的细胞组成和空间组织对于开发更有效的治疗策略非常重要。为此，空间生物学技术，如多重免疫荧光（mIF），通过测量组织样本中的生物标志物，同时保留空间背景，提供了TiME的详细视图。使用mIF成像的研究已经证明了TiME特征与患者结局之间的相关性，例如肿瘤内CD8+和FOXP3+细胞密度与肺预后之间的关系。然而，迄今为止，大多数mIF研究都集中在预先选择的人群中的个体癌症类型上。此外，探索mIF衍生的空间特征如何与肿瘤基因组表型相关的重要机会仍然存在。

最近，Lindsay等人基于标准化mIF测定表征了TiME的空间问题，该测定在临床环境中对来自超过14种癌症类型的2，019个肿瘤组织标本进行了前瞻性研究（图1）。该检测探究四个作为肿瘤细胞标志物的关键免疫生物标志物（CD8、FOXP3、PD-1、PD-L1）以及用于细胞核检测的DAPI。其目标首先是确定整个队列中时间代谢酶变异的主要模式，然后试图量化这些模式与肿瘤、基因组和临床特征的关系。

图1 TiME的泛癌空间表征。a）ImmunoProfile队列中的14种主要癌症类型的2,109个病例前瞻性研究。显示了癌症类型的分布和示例ROI。b）计算分析总结。计算细胞组成和空间度量，包括对每种免疫生物标志物呈阳性的细胞密度和量化生物标志物阳性细胞与肿瘤细胞的相对接近度的“接近度得分”。使用四个NSCLC ROI对细胞进行分析，其中点表示单个细胞的位置。通过主成分分析，将生物标志物之间的度量组合以识别不同的“TiME空间因素”。然后评估了TiME空间因素与肿瘤、基因组和临床变量之间的关联

虽然一些时间运动效应空间因子及其关联与生物学直觉和先前发现一致，但也出现了意想不到的趋势。“热/冷”和“排除/混合”的描述符通常用于免疫肿瘤学，这些轴作为我们无监督分解分析中出现的前两个因子。该分析导致这些常用术语的定量定义，并突出了其他考虑因素，例如包括高PD-L1 TPS作为免疫“热”表型的组分。其他直观因素例如细胞毒性CD8 + T细胞和调节性FOXP3 + T细胞富集之间的差异也从分析中显现。“免疫逃避”（PC3）因素提供了描述TiME的微妙手段，其中该因子得分高的肿瘤具有高PD-L1 TPS、高PD-L1+细胞与肿瘤细胞的接近性和低CD8+细胞密度。研究表明，PD-L1+免疫细胞通常是巨噬细胞，某些肿瘤相关巨噬细胞可以促进免疫逃避。由于TiME空间因子对应于整个队列的正交变异源，因此它们可以用作描述肿瘤的补充方式。例如，肿瘤可能是“热”的，但基于某些免疫生物标志物密度和空间排列之间的相对差异，其免疫逃避得分也很高。

对不同病例子集进行的无监督分解显示出与整个队列中获得的结果基本一致，这表明所识别的TiME空间因子可能代表了实体瘤中保守的肿瘤-免疫细胞相互作用的基本特性。不同癌症类型的时间代谢空间因子变化最大的是免疫富集（PC1）和调节性T细胞/细胞毒性富集（PC5）。头颈癌、非小细胞肺癌和黑色素瘤的免疫富集得分最高，这与一般认为这些是“热”肿瘤的观点一致。相反，“冷”肿瘤是乳腺癌、前列腺癌。在Treg和细胞毒性T细胞富集之间的相对差异方面，头颈癌是Treg富集最多的，与先前报道的这种癌症类型中的高FOXP 3/CD8比率一致，并且RCC是细胞毒性T细胞富集最多的。

就基因组改变而言，观察到的相关性最大的是免疫富集（PC1）因素。参与DNA错配修复（MMR）通路的基因（MLH3、MSH6和PMS2）的体细胞突变与较高的免疫富集评分相关，与MMR缺陷型肿瘤的高免疫原性一致。β2-微球蛋白（B2M）也显示出与免疫富集的强正相关性。B2M改变已显示与免疫治疗应答差相关，但也与MMR缺陷和高TMB相关。EGFR突变肿瘤显示出与免疫富集的最强负相关性，与未发炎表型的证据一致。值得注意的是，具有激活EGFR突变的肺腺癌通常对免疫治疗无反应。此外，APC突变与免疫肿瘤混合（PC2）因子呈负相关，表明免疫排斥表型。以往研究发现APC突变与CRC免疫治疗反应之间呈负相关，本文结果可能有助于进一步解释这一发现。TP53突变与免疫逃避（PC3）和Treg/细胞毒性富集（PC5）呈正相关，与TP53与PD-L1和FOXP 3表达相关的研究一致。最后，ATRX突变与Treg/细胞毒性肿瘤混合（PC4）因子呈负相关，表明与较高的细胞毒，这一发现可能与先前的研究报告免疫治疗功效增加和T细胞浸润增加相一致。

对于拷贝数改变，发现染色体9p24.1基因（CD274（PD-L1）、JAK2和PDCD1LG 2（PD-L2））的增加与免疫富集（PC1）和免疫逃避（PC3）之间存在正相关性。在经典霍奇金淋巴瘤中，9p24.1扩增先前与PD-L1高表达但无效的免疫浸润相关。研究结果表明，这些关联可能更广泛。这些研究结果还与以下证据相一致：在头颈癌中，9p24.1丢失与免疫冷、ICI耐药肿瘤相关，而9p24.1获得与免疫热、ICI应答肿瘤相关。此外，9p臂水平丢失，包括CDKN2A/B和MTAP，在所有遗传改变和时间代谢空间因素中，发现20q13.2基因BCL2L1、AURKA、Aurora-A（AURKA）抑制剂是一种新兴的靶向治疗，研究表明它们的使用可以增强免疫浸润。最后，PIK3CA的激活突变与CRC中PD-L1的表达相关，并与接受塞来昔布治疗的CRC患者的生存率提高相关。3q基因PIK3CA和BCL6的获得与免疫富集（PC1）呈负相关，与免疫逃避（PC3）呈正相关。总体而言，用CNA分析很难将基因水平的影响与可能是大区域或臂水平的改变分离，但文中的发现仍然提供了对TiME和遗传表型之间关联的深入了解。此外，在评估基因组关联时按癌症类型分层，并且仅包括存在于至少五种癌症类型中的改变，但某些关联仍可能是由特定癌症中的偏态发生驱动的。

尽管本文主要目的是描述TiME变异及其生物学相关性，但每个TiME空间因素都与患者的总生存率相关。最具预后的因素是免疫逃避（PC3），其在不同癌症类型和分期中与生存率始终呈负相关。免疫富集（PC1）和Treg/细胞毒性富集（PC5）分别与生存率呈正和负相关。然而，这些趋势随阶段而变化。免疫富集模式由高阶段病例驱动，而Treg/细胞毒性富集模式由低阶段驱动。这可能表明免疫浸润的程度在癌症进展时非常重要，但浸润的相对类型在早期阶段最重要。对于免疫-肿瘤混合（PC2）因素，观察到与存活率的意外负相关。可能有几个原因。首先，该因子对所有免疫者的接近得分具有正权重。事实上，如通过Treg/细胞毒性-肿瘤混合（PC4）因子量化的，与Treg接近肿瘤细胞相比相对更高的细胞毒性T细胞接近度与存活率正相关。第二，虽然免疫-肿瘤混合（PC2）因子具有接近度评分的最高权重，但细胞密度度量也存在轻微的负权重。总的来说，预后分析突出了定量的、基于图像的预后生物标志物的潜力，但未来的工作是必要的，以最大限度地提高这种预后准确性。例如，CD8+细胞密度单独在ImmunoProfile队列中具有显著的预后作用，证明了与本研究中确定的免疫逃避因子（C指数为0.60）相似的预后准确性（C指数为0.61），免疫逃避因子以无监督的方式对CD 8+细胞密度和PD-L1指标进行加权。

与使用诸如TCGA和CPTAC队列的先前泛癌肿瘤亚型分析相反，本文分析通过前瞻性地进行的mIF测定捕获了TiME的单细胞空间维度。直接比较TiME空间因子与这些先前报道的免疫亚型是具有挑战性的。在不同方案中存在热与冷描述符，例如免疫富集（PC1）因子，Thorsson等人中的炎症和淋巴细胞耗尽亚型，Bagaev等人中的免疫富集和免疫耗尽亚型，以及Petralia等人中的CD8 +/IFNG+和CD8/IFNG-亚型。

虽然目前缺乏大规模的泛癌mIF研究，但在较小的研究中进行了更高度复杂的测定，这些研究对数十种生物标志物进行了成像，而在ImmunoProfile队列中只有5种。然而，这些生物标志物（即CD8、FOXP3、PD-1、PD-L1）与肿瘤免疫的许多方面有关。该队列代表一个非临床人群，由不同癌症类型接受不同治疗方案的患者组成。尽管如此，本文的核心发现在癌症类型和阶段之间都是稳健的，能够识别总体关联以及癌症特异性趋势。最后，该方法旨在将免疫生物标志物密度与其肿瘤邻近度分离开来，并产生可解释的因素，但更高阶的空间组织水平在大型队列（包括非肿瘤内区域）中的分析也将是富有成效的。虽然这里利用的ROI采样策略利用病理学家的专业知识并降低计算成本，但WSI级分析或自动化ROI采样策略可以最终限制潜在的采样偏差并增强临床站点之间的再现性。

了解TiME的空间组织及其与遗传特征和患者结局的关系是精确肿瘤学的关键途径。本文的分析和附带的3940万个空间分辨细胞的数据库旨在加速这一方向的进展。

参考文献

[1] James R Lindsay, Jennifer Altreuter, Joao V Alessi, Jason L Weirather, Anita Giobbie-Hurder, Ian Dryg, Katharina Hoebel, Bijaya Sharma, Kristen Felt, F. Stephen Hodi, Neal Lindeman, Lynette M Sholl, Ethan Cerami, Jonathan A Nowak, Mark M Awad, Scott J Rodig, William Lotter. Pan-cancer spatial characterization of key immune biomarkers in the tumor microenvironment. bioRxiv 2025.03.05.641733; doi: https://doi.org/10.1101/2025.03.05.641733

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC