🧬 biology

The tumor microenvironment landscape in lung adenocarcinoma with spatial transcriptomic mapping

이 연구는 단일 세포 및 공간 전사체학을 통합하여 폐선암 종양 미세환경을 매핑함으로써, 상피 복구와 종양 성장을 연결하고 항-PD-1 요법에 대한 반응을 예측하는 핵심적인 공간적 제약 신호 전달 상호작용 및 면역 시그니처를 식별합니다.

원저자: Jiao Nie¹, Wenyuan Song¹, Bowen Yang¹, Xiaotong Li¹, Wenxin Li¹, Panpan Duan¹, Xuejiao Lv¹, Shufang Hou¹

게시일 2026-09-25

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Jiao Nie¹, Wenyuan Song¹, Bowen Yang¹, Xiaotong Li¹, Wenxin Li¹, Panpan Duan¹, Xuejiao Lv¹, Shufang Hou¹

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

폐암은 여전히 전 세계적으로 암 사망의 주요 원인으로 남아 있으며, 우리의 가장 진보된 치료법조차 종종 저항하는 끈질긴 질병입니다. 수십 년 동안 과학자들은 종양이 단순히 무분별한 세포들의 덩어리가 아니라, 면역 방어 세포, 구조적 지지 세포, 그리고 암세포 자체가 거주하는 그 자체의 복잡한 도시라는 점을 이해해 왔습니다. 이 북적이는 동네로 알려진 종양 미세환경은 암이 조용히 성장할지 아니면 공격적으로 퍼져나갈지, 그리고 환자의 면역 체계가 이에 맞서 싸울 수 있을지를 결정합니다. 현대적인 도구들을 통해 연구자들은 이러한 종양 내부에 살고 있는 다양한 유형의 세포들을 목록화할 수 있었지만, 결정적인 퍼즐 조각 하나가 빠져 있었습니다. 바로 이 세포들이 서로를 기준으로 정확히 어디에 서 있는지 알지 못했다는 점입니다. 도시의 인구수를 아는 것이 그 도시의 동네가 어떻게 기능하는지에 대해 거의 알려주는 바가 없는 것과 마찬가지로, 폐 종양에 어떤 세포들이 존재하는지를 아는 것만으로는 그들이 어떻게 상호작용하는지를 밝혀낼 수 없습니다. 레이아웃(배치)을 보지 못한다면, 우리는 암세포가 어떻게 면역 체계로부터 숨는지, 혹은 어떻게 이웃들을 포섭하여 성장을 돕게 만드는지 이해할 수 없습니다.

광저우 중의학 대학교의 연구팀은 이제 전례 없는 세부 사항을 통해 이 숨겨진 풍경을 지도화하여, 폐 선암종의 공간적 아틀라스를 구축했습니다. 두 가지 강력한 기술을 결합함으로써, 그들은 단순히 종양 내에 존재하는 세포를 나열하는 수준을 넘어, 그 세포들이 3차원 공간에서 정확히 어떻게 배열되어 있는지를 보았습니다. 그들은 약 20만 개의 개별 세포로부터 유전 데이터를 추출하여 이를 여섯 명의 환자로부터 얻은 조직 샘플 위에 겹쳐 놓음으로써, 폐의 물리적 구조를 보존했습니다. 이러한 접근 방식은 그들이 31가지의 뚜렷한 세포 유형을 식별하게 해주었으며, 더 중요한 것은 이들이 특정 구역에서 어떻게 함께 군집을 이루는지 볼 수 있게 해주었습니다. 연구진은 종양이 혼란스러운 혼합물이 아니라, 뚜렷한 구역들로 조직되어 있다는 것을 발견했습니다. 어떤 영역은 면역 세포가 밀집해 있는 반면, 다른 영역은 구조적 세포나 특정 유형의 폐 조직에 의해 지배됩니다. 이러한 공간적 조직은 무작위가 아닙니다. 이는 서로 다른 세포 유형들이 암과 싸우기 위해, 혹은 불행히도 암의 생존을 돕기 위해 자신들의 즉각적인 이웃들과 어떻게 소통하는지를 드러냅니다.

가장 중요한 발견 중 중 하나는 세포들이 물리적으로 가까이 있을 때만 활성화되는 특정 통신 경로의 식별이었습니다. 연구진은 특정 백혈구 유형인 대식세포가 스스로를 수리하려는 폐 세포 바로 옆에 위치해 있다는 것을 발견했습니다. 이 대식세포들은 폐 세포가 계속해서 분열하고 재건하도록 장려하는 신호를 보내는 것으로 보이는데, 암세포가 자신의 성장을 위해 이 과정을 가로챌 수 있습니다. 이 연구는 TIMP1이라는 단백질과 CD68이라는 수용체 사이의 특별한 대화를 강조했는데, 이것이 일련의 사건들 속에서 핵심적인 연결 고리 역할을 하는 것으로 보입니다. 컴퓨터 모델을 통해 이러한 통신 경로의 제거를 시뮬레이션함으로써, 연구진은 이 특정 신호를 차단하는 것이 종양 지원 네트워크의 상당 부분을 무너뜨릴 수 있음을 보여주었으며, 이는 새로운 약물의 유망한 표적이 될 수 있음을 시사합니다.

또한 이 지도는 종양 내부에 형성된 미세한 림프절처럼 보이는 조직화된 면역 구조의 존재를 드러냈습니다. 연구진이 형질 세포와 B 세포의 군집을 통해 확인한 이 구조들은 면역 체계의 브레이크를 해제하는 약물에 대한 환자들의 반응률이 높은 것과 연관되어 있습니다. 분석 결과, 이러한 조직화된 면역 클러스터의 징후를 보이는 종양은 면역 체계의 제동을 푸는 약물 치료에 반응할 가능성이 더 높았습니다. 반대로, 연구는 종양의 일부 영역에서 면역 세포들이 존재하기는 하지만, 기능을 수행하지 못하고 탈진한 상태로 나타났으며, 이는 암이 탐지를 피하는 능력과 상관관계가 있음을 발견했습니다. 이러한 탈진은 균일하지 않았습니다. 이는 종양 내의 특정 동네에 따라 달랐으며, 이는 국소적인 환경이 면역 체계의 성공 또는 실패 여부에 중요한 역할을 한다는 것을 시사합니다.

연구팀은 자신들의 발견이 특정 샘플에 국한된 우연이 아님을 확실히 하기 위해, 면역 항암제 치료를 받은 다른 환자들의 데이터와 자신들의 아이디어를 대조 테스트했습니다. 그들은 자신들이 지도화한 면역 탈진의 징후와 조직화된 면역 클러스터의 존재가 실제로 환자의 치료 반응을 예측하는 강력한 지표임을 발견했습니다. 이러한 특정 면역 패턴이 높게 나타나는 종양을 가진 환자들은 암이 줄어들 가능성이 훨씬 더 높았습니다. 세포의 물리적 배치와 임상적 결과 사이의 이러한 연결은 왜 어떤 치료는 효과가 있고 다른 것은 그렇지 않은지를 이해하는 강력한 새로운 방법을 제공합니다. 이는 면역 요법의 성공이 단순히 존재하는 면역 세포의 수가 아니라, 그들이 암과 효과적으로 교전할 수 있도록 조직되어 있는지 여부에 달려 있을 수 있음을 시사합니다.

연구진은 또한 질병이 초기 단계에서 후기 단계로 진행됨에 따라 종양이 어떻게 변화하는지도 탐구했습니다. 그들은 암이 신체의 다른 부위로 전이됨에 따라 종양의 세포 구성이 극적으로 변한다는 것을 발견했습니다. 뇌나 림프절과 같은 다른 장기로 전이된 종양은 원래의 폐 종양과는 매우 다르게 보였습니다. 전이된 곳에서는 원래의 부위에 있던 많은 특정 폐 세포와 구조적 특징들이 사라지고, 대신 다른 종류의 면역 및 지지 세포들이 섞여 있었습니다. 이 발견은 종양이 신체의 모든 곳에서 동일하게 행동할 것이라고 가정하는 것에 경고를 보냅니다. 전이의 환경은 독특한 생태계를 조성하며, 이는 다른 치료 전략이 필요할 수 있음을 의미합니다. 연구팀은 머신러닝을 사용하여 이러한 세포 구성의 차이가 매우 뚜렷하여, 컴퓨터가 존재하는 세포 유형만을 보고도 샘플이 초기 단계인지 후기 단계인지를 정확하게 예측할 수 있음을 보여주었습니다.

이러한 돌파구에도 불구하고, 저자들은 자신들의 작업이 최종 목적지가 아닌 하나의 '지도'라는 점을 주의 깊게 언급했습니다. 그들이 사용한 기술은 세포가 어디에 있고 어떤 유전자를 켜고 있는지를 보여주는 고해상도 뷰를 제공하지만, 관찰된 신호들이 실제로 실시간으로 일어나고 있다는 것을 증명할 수는 없습니다. 그들이 식별한 상호작용은 추가 연구를 위한 강력한 후보들이지만, 이를 차단하는 것이 실제로 암을 멈출 수 있는지 확인하기 위해서는 직접적인 실험적 검증이 필요합니다. 또한, 이 연구는 제한된 수의 환자 샘플에 의존했으며, 연구진은 종양의 풍경이 현재의 지도보다 훨씬 더 다양할 것임을 인정합니다. 그들은 또한 사용된 기술이 조직의 작은 영역만을 포착하기 때문에, 종양의 다른 부분에서 일어나는 드물지만 중요한 상호작용을 놓쳤을 수 있다고 지적합니다.

그럼에도 불구하고, 이 공간적 아틀라스는 폐암의 생물학을 이해하는 데 있어 중대한 진전을 나타냅니다. 종양의 세포 도시의 물리적 배치를 밝혀냄으로써, 연구진은 더 정밀한 치료법을 개발하기 위한 토대를 마련했습니다. 암을 광범위한 붓으로 공격하는 대신, 미래의 치료법은 이웃 간의 특정 통신 경로를 차단하거나 면역 체계가 효과적인 전투 단위로 재조직되도록 돕도록 설계될 수 있습니다. 이 연구는 환자들에게 더 나은 결과를 가져다줄 열쇠가 단순히 종양 안에 누가 있는지가 아니라, 그들이 정확히 어디에 서 있으며 누구와 대화하고 있는지를 이해하는 데 있을 수 있음을 시사합니다. 이러한 공간 매핑 기술이 계속 발전함에 따라, 이 기술은 종양 미세환경이라는 복잡하고 보이지 않는 세계를 명확하고 항해 가능한 풍경으로 바꾸어 놓아, 의사들이 이 파괴적인 질병과 싸우는 데 더 효과적인 방법을 찾도록 안내할 것입니다.

기술 요약: 공간 전사체 매핑을 통한 폐선암의 종양 미세환경 지형

문제 제lemnt (Problem Statement)
비소세포폐암(NSCLC)의 주요 아형인 폐선암(LU

기술 요약: 공간 전사체 매핑을 통한 폐선암의 종양 미세환경 지형

문제 제기
비소세포폐암(NSCLC)의 주요 아형인 폐선암(LUAD)은 면역 관문 억제제(ICI)에 대한 치료 저항성, 특히 임상적 과제가 되는 복잡한 종양 미세환경(TME)을 나타낸다. 단일 세포 RNA 시퀀싱(scRNA-seq)은 세포 이질성을 규명했지만, 공간적 맥락이 결여되어 세포 간 통신의 물리적 조직화를 포착하지 못한다. 반대로 공간 전사체 기술은 조직 구조를 보존하지만, 특정 세포 상태를 정의하기 위한 세포 해상도가 부족한 경우가 많다. 현재의 분석들은 종종 공간적 제약을 간과하며, 이로 인해 실제 온전한 조직 내에서 물리적으로 공존하지 않는 리간드-수용체 상호작용을 식별할 위험이 있다. 또한, TME의 공간적 조직, 임상 단계, 그리고 면역 항암제 반응 사이의 관계, 특히 3차 림프 구조(TLS) 및 T 세포 소진 상태의 역할에 대해서는 아직 충분히 규명되지 않았다.

방법론
본 연구는 대규모 scRNA-seq과 공간 전사체를 결합한 통합 멀티오믹스 접근 방식을 채택하였다:

데이터 통합: 저자들은 58개 샘플(7가지 조직 유형, 44명의 환자)에서 추출한 196,301개의 고품질 단일 세포와 6개 공간 샘플의 19,039개 Visium 스팟을 통합하였다.
세포 아틀라스 구축: 배치 교정을 위해 Harmony를 사용하고, 자동 주석 작성을 위해 CellTypist를 사용하여 면역, 상피, 기질 구획을 포괄하는 31개의 뚜렷한 세포 유형에 대한 참조 아틀라스를 구축하였다.
공간 디컨볼루션(Spatial Deconvolution): cell2location 알고리즘을 적용하여 scRNA-seq 아틀라스를 참조로 사용하여 Visium 스팟에 세포 유형 풍부도를 매핑하였으며, 스팟 수준의 해상도를 달了했다.
통신 분석:
- LIANA 프레임워크: 5가지 추론 방법(CellPhoneDB, Connectome, NATMI, SingleCellSignalR, CellChat)을 통합하여 195,143개의 후보 리간드-수용체 상호작용을 추론하였다.
- 공간 필터링: 소스 및 타겟 풍부도의 공간적 공존(스팟 간 피어슨 상관계수)을 기준으로 상호작용을 필터링하였다. $r \ge 0.05$ 의 임계값을 적용한 후, 통계적 유의성(FDR < 0.05)을 확립하기 위해 순열 검정(500회)을 수행하였다.
- 인 실리코(In Silico) 섭동: 가중치 네트워크 분석을 통해 특정 세포 유형의 가상 삭제 또는 특정 리간드-수용체 축의 차단을 시뮬레이션하여 네트워크 의존성을 식별하였다.
검증 및 임상 상관관계:
- 교차 샘플 재현성: 6개의 Visium 샘플 전체에서 공간적 통신 패턴을 검증하였다.
- 외부 코호트 검증: 공간 분석에서 도출된 면역 상태 시그니처를 독립적인 항-PD-1 NSCLC 코호트(GSE126044, $N=16$ ) 및 Visium 데이터셋(GSE200916)에 대해 테스트하였다.
- 머신러닝: 세포 유형 비율과 TME 특징을 사용하여 임상 단계(초기 vs 말기)를 예측하는 XGBoost 분류기를 훈련시켰으며, 순환 논리를 피하기 위해 소진 유래 특징은 제외하였다.

주요 결과

세포 아틀라스 및 공간 도메인: 본 연구는 31가지 세포 유형을 해상도 있게 파악하여 조직 유형 간의 상당한 이질성을 확인하였다. 종양 샘플은 면역 억제성 골수 세포군과 소진된 T 세포가 풍부한 반면, 림프절은 B 세포와 형질 세포가 높게 나타났다. 공간 클러스터링은 특정 상피, 면역 또는 기질 세포군이 풍부한 샘플 특이적 미세환경 도메인을 밝혀냈다.
공간 제약적 통신: LIANA 상호작용을 공간적 공존으로 필터링한 결과, 3,451개의 통계적으로 유의미한 상호작용이 남았다.
- 최상위 상호작용: 가장 높은 LIANA 신뢰도를 보인 상호작용은 고전적 단핵구가 S100A8/S100A9–AGER를 통해 AT1 세포와 신호를 주고받는 것이었다(염증성 DAMP 신호 전달). 가장 강력한 공간적 공존 클래스는 AT2 증식 세포에서 다섬모 세포(multiciliated cells)로의 상호작용이었으며, 여기에는 상피 복구 신호(예: THBS1–SCARB1, TIMP1–CD63, ADO–ADORA2B, LIF–IL6ST/LIFR)가 포함되었다.
- 네트워크 의존성: In silico 섭동 분석 결과, 증식하는 폐포 대식세포가 가장 중요한 네트워크 의존성(가중 네트워크 지원의 15.3% 제거)으로 식별되었다. TIMP1–CD63 차단은 지배적인 경로 수준의 의존성이었으며, 이는 전체 가중 네트워크 손실의 8.52%를 차지할 뿐만 아니라 **상피 복구 또는 억제 모듈의 97.2%**를 차지했다.
공간 자기상관 및 TLS: 모든 세포 유형은 유의미한 양의 공간 자기상관을 보였다. **형질 세포(Plasma cells)**는 주목할 만한 클러스터링(주요 샘플에서 Moran's I = 0.474)을 보여 TLS 유사 조직화를 시사했으나, 다중 샘플 분석에서는 이 신호가 약해져(Moran's I = 0.080) 이질성을 나타냈다.
임상 단계 및 조직 기원: 머신러닝 모델은 세포 유형 비율과 TME 특징을 사용하여 초기 단계 종양과 말기 전이 농축 샘플을 구분하는 데 높은 근사 정확도(AUC = 0.930)를 달성했다. 주요 예측 특징은 **이동성 수지상 세포(migratory DCs)**와 **비만 세포(mast cells)**였다. 그러나 저자들은 이러한 차이가 단계 자체보다는 조직 기원 효과(원발성 폐 vs 전이 부위)를 주로 반영한다는 점을 언급했다(초기 샘판은 독점적으로 원발성 종양이었기 때문).
면역 항암제 반응 시그니처: 독립적인 항-PD-1 코호트에서 반응자에게서 풍부하게 나타난 두 가지 시그니처는 다음과 같다:
- T 세포 소진/체크포인트 시그니처: 반응자에서 더 높게 나타남 (AUC = 0.91, FDR = 0.033).
- TLS/형질-B 세포 조직 시그니처: 반응자에서 높은 경향을 보임 (AUC = 0.85, FDR = 0.094).

의의 및 주장
본 논문은 세포 이질성과 조직 구조 사이의 간극을 메우는 공간적으로 해상도가 높은 NSCLC TME 아틀라스를 제공한다고 주장한다. 주요 기여는 다음과 같다:

방법론적 통합: scRNA-seq 유래 통신 네트워크와 공간적 공존 통계 및 순열 검정을 결합하여 비물리적 상호작용을 걸러내는 프레임워크를 입증하였다.
재발하는 모듈 식별: 이질성에도 불구하고 특정 공간 통신 프로그램(예: AT2-다섬모 세포를 통한 상피 복구) 및 면역 상태(TLS 유사 형질 세포 클러스터링)가 샘플 전반에 걸쳐 재발함을 확립하였다.
가설 생성: 공간적으로 제약된 특정 축(예: TIMP1-CD63, ADO-ADORA2B)과 세포 상태(증식하는 폐포 대식세포)를 기능적 검증을 위한 고의존성 네트워크 구성 요소로 지명하였다.
임상 상관관계: 공간 정보가 포함된 면역 시그니처(소진 및 TLS 조직화)가 항-PD-1 반응과 상관관계가 있음을 탐색적 증거를 통해 제시함으로써, 사전 치료 공간 상태가 치료 결과에 대한 정보를 제공할 수 있음을 시사하였다.

한계 및 겸손한 태도
저자들은 다음과 같은 몇 가지 한계점을 명시적으로 인정하였다:

혼란 변수: 임상 단계 비교는 조직 기원(원발성 vs 전이)에 의해 혼란을 겪으므로, 관찰된 차이는 질병 진행과 해부학적 위치의 결합된 효과를 반영한다.
해상도: 10x Visium 플랫폼(55 μm 스팟)은 단일 세포 해상도를 제한하며 디컨볼루션은 불확실성을 도입하므로, 공존이 직접적인 리간드-수용체 결합을 증명하는 것은 아니다.
검증: 항-PD-1 검증 코호트는 규모가 작고( $N=16$ ) 공간 해상도가 결여되어 있어, 결과가 공간적 근접성 자체보다는 치료 관련 면역 상태를 검증함을 의미한다.
기술적 성격: 본 연구는 상관관계적이다. 인과관계를 확립하기 위해서는 표적 억제 등을 포함한 기능적 검증(예: 전임상 모델에서의 표적 차단)이 필요하다.

결론적으로, 본 논문은 NSCLC TME 생물학 및 면역 항암제 반응을 이해하기 위한 기초적인 프레임워크를 제공하지만, 식별된 후보들은 추가적인 실험적 검증이 필요하다고 결론짓는다.

유사한 논문