單細胞技術以其精準的分辨率揭示了腫瘤免疫微環(huán)境的復雜性。大多數(shù)臨床診療依賴于腫瘤亞型的組織病理學分層，但對這些分層的亞組中單細胞表型的空間圖譜了解甚少。

近期，加拿大麥吉爾大學古德曼癌癥研究所的Logan Walsh團隊在《Nature》上發(fā)表了名為“Single-cell spatial landscapes of the lung tumour immune microenvironment”的研究。

茵菲生物可提供一站式穩(wěn)定、可靠的成像質譜流式（IMC）服務平臺。

01-研究思路

02-主要研究結果

2.1?肺腺癌免疫微環(huán)境空間譜特征

為了在空間上描述肺癌免疫微環(huán)境的細胞譜，研究人員通過?IMC 掃描了416名肺腺癌患者的樣本，將每個樣品1mm2的區(qū)域制成組織芯片后，用35個抗體panel（涵蓋了免疫分型、組織結構、增殖、信號通路分子等標志物）進行染色。

研究人員在生成的圖片上共檢測到超過160萬個細胞，通過聚類分析將其歸為腫瘤細胞、內皮細胞和14種不同的免疫細胞亞群（茵菲生物可提供 IMC 40個 panel 組合）。

隨后，研究人員探究單個免疫細胞類型頻率與臨床或病理變量之間的關系。發(fā)現(xiàn)肥大細胞的比例升高與延長生存期有關，而 CD163+ 巨噬細胞、非經典單核細胞和中間單核細胞在實體瘤中高比例則生存較差。

研究人員還分析了腫瘤微環(huán)境中細胞表型與生存之間的關系，發(fā)現(xiàn) HIF1α+中性粒細胞亞群的增多與更差的總體生存率顯著相關。增殖性Ki-67+內皮細胞和輔助性T細胞中ERK通路激活則分別對應更短與更長的生存時間。

在充分研究了免疫微環(huán)境中細胞亞群與其位置關系的基礎上，研究人員接下來通過分析每個細胞與其相鄰的十個細胞，將細胞分為不同的鄰域（CN）類別。對鄰域類別和生存時間的分析證實了特定細胞間相互作用與生存率的關系，再次說明免疫微環(huán)境中細胞的組織關系蘊含獨特的預后價值。

2.2 使用深度學習預測患者生存結局

最后，研究人員使用機器深度學習的方法進行建模和測試，表明細胞數(shù)量本身對臨床變量不能進行較好預測，而在模型中輸入單細胞位置信息則顯著提升了對所有臨床變量的預測效果。

03-總結

這項研究通過 IMC 對非小細胞肺癌的免疫微環(huán)境做了深度解析，確定了與患者生存相關的分子特征及空間特征，并以此為基礎構建了可預測非小細胞肺癌術后疾病進展的模型，對非小細胞肺癌的臨床決策有重要指導意義。

【參考文獻】

Sorin M, Rezanejad M, Karimi E, et al. Single-cell spatial landscapes of the lung tumour immune microenvironment. Nature. 2023.