Integrative single-cell profiling of melanoma reveals a tumor microenvironment signature predictive of immunotherapy response

本研究通过整合黑色素瘤的单细胞与批量转录组分析，鉴定出一个13基因特征，该特征能有效预测多种癌症类型的免疫治疗反应，并在分层肿瘤突变负荷低的患者方面展现出特别的临床实用性。

要点

以下是用简单语言和日常类比对这篇论文的解读。

宏观图景：为什么有些癌症治疗有效，而有些无效？

想象免疫系统是一支训练有素的警察部队，而癌细胞则是藏匿在城市（人体）中的罪犯。近年来，医生们开发了“免疫疗法”药物。这些药物就像扩音器，向警察大喊：“醒醒！去逮捕那些罪犯！”

然而，问题在于：这个扩音器并非对所有人都有效。 大约一半的黑色素瘤（一种皮肤癌）或膀胱癌患者对这种治疗没有反应。他们就像一支听到了喊声却依然沉睡的警察部队。

目前，医生们试图通过观察一些线索来猜测谁会起效，例如癌细胞 DNA 中有多少“拼写错误”（突变）。但这个线索往往不可靠。这就像试图仅凭车漆颜色来预测汽车能否启动；有时能猜对，但经常猜错。

这项研究做了什么：侦探的深度调查

这篇论文的研究人员想要找到一个更好的线索。他们决定不再仅仅观察整个“城市”（肿瘤），而是放大视角，在治疗开始之前，仔细观察生活在肿瘤内部的单个“警察”（免疫细胞）。

他们使用了一种名为单细胞 RNA 测序的高科技显微镜。你可以把它想象成给肿瘤中的每一个细胞拍一张照片，并阅读其“操作手册”（基因），以了解它们在思考什么、在做什么。

调查过程：

1. 发现团队： 他们查看了 41 名黑色素瘤患者的数据，将其分为两组：好转组（应答者）和未好转组（无应答者）。
2. 对比分析： 他们比较了“好转组”与“未好转组”中免疫细胞的“操作手册”。
3. 验证确认： 他们在另一组 19 名患者中验证了发现是否成立，随后又在 128 名患者的庞大群体中，使用一种更广泛的方法（批量 RNA 测序）再次验证。最后，他们在膀胱癌患者身上测试了这一理论，看是否同样适用。

关键发现：有什么不同？

研究人员发现，那些未起效的患者，其免疫细胞在治疗开始前就具有非常特定的“性格”或“状态”。

1. “疲惫不堪”的警察
在未起效的患者中，T 细胞（一种关键的免疫细胞）的制服上挂满了太多的“停止”标志。具体来说，它们拥有来自TNFRSF 家族（如 TNFRSF9、TNFRSF4 和 TNFRSF18）的高水平基因。

• 类比： 想象一名警察疲惫不堪、磨损严重，以至于他们在头盔上挂起了“请勿打扰”的牌子。即使你用扩音器（药物）对他们大喊，他们也因过度疲惫而无法行动。研究发现，这些“疲惫”的细胞在未好转的人群中实际上更常见。

2. “糟糕街区”的标志
研究还发现，在无应答者体内，肿瘤环境充满了让免疫系统停止行动或躲藏的信号。这就像罪犯们筑起了高墙，并在各处竖起了“禁止入内”的牌子。

3. 13 基因“水晶球”
从他们观察的数千个基因中，研究人员将范围缩小到了仅13 个特定基因。

• 这 13 个基因就像一个13 项检查清单。
• 如果患者的肿瘤具有这种特定的基因组合，他们极有可能对免疫疗法产生反应。
• 这个“清单”对黑色素瘤患者效果良好（73% 的准确率），对膀胱癌患者也表现出惊人的效果（64% 的准确率），尽管它们是不同类型的癌症。

特殊情况：“低突变”群体

通常，医生只给那些拥有大量 DNA“拼写错误”（高肿瘤突变负荷或 TMB）的患者使用这些强效药物。他们认为突变较少的患者不会起效。

然而，这项研究发现了一个有趣的现象：这 13 基因清单能够识别出“隐藏的应答者”。

• 即使在 DNA“拼写错误”数量较少的患者中（医生通常认为他们不会起效），该清单也成功识别出了那些会好转的人。
• 类比： 想象一名保安通常只允许持有 VIP 徽章（高突变）的人进入。而这个新清单就像一个智能扫描仪，它会意识到：“嘿，即使没有 VIP 徽章，这个人也有正确的制服和态度可以进入。”它成功找出了 21 名原本会被旧规则拒之门外的患者中的 20 名。

这篇论文没有说什么

重要的是要遵循论文实际声称的内容：

• 这不是一种新药： 这项研究没有创造一种新药物。它创造了一种诊断工具（一种读取基因的方法），用于预测谁需要这种药物。
• 这不是保证： 该模型预测谁可能会起效，但它并非 100% 完美。
• 这尚未成为标准做法： 作者指出，在将其用于医院以做出实际治疗决定之前，需要进一步的验证。

总结

可以将这项研究视为为癌症治疗找到了一种新的天气预报。

• 旧预报： “如果天空非常阴沉（高突变），就会下雨（治疗有效）。”
• 新预报： “即使天空不是很阴沉，如果你观察特定的风向和湿度（这 13 个基因），我们就能确切地告诉你谁会淋湿（对治疗产生反应），谁不会。”

这有助于医生避免给那些不会受益的人提供昂贵且沉重的治疗，并确保那些可能受益的人（即使他们看起来不像是会受益）能够获得所需的帮助。

技术摘要

问题陈述
免疫检查点抑制剂（ICIs）彻底改变了晚期黑色素瘤和尿路上皮癌的治疗；然而，相当比例的患者无法产生应答，总体应答率（ORR）因肿瘤类型不同而在 17% 至 58% 之间波动。目前的预测性生物标志物，如肿瘤突变负荷（TMB）和 PD-L1 表达，存在跨肿瘤类型不一致、肿瘤内异质性以及作为独立工具预测效力有限等问题。此外，耐药性往往源于治疗开始前肿瘤微环境（TME）中已存在的免疫功能障碍和免疫抑制机制。尽管转录组学和蛋白质组学已鉴定出一些与应答相关的分子特征，但现有研究通常缺乏对治疗前 TME 中详细、细胞类型特异性见解的深入分析。迫切需要鉴定稳健的治疗前分子特征，以区分应答者与非应答者，特别是对于可能因 TMB 较低而被排除在 ICI 治疗之外的患者。

方法学
本研究采用逐步整合分析公开可用的转录组数据集，以鉴定 ICI 应答的预测特征。

• 数据来源： 分析利用了来自 60 名黑色素瘤患者的单细胞 RNA 测序（scRNA-seq）数据（41 名在发现集，19 名在验证集），以及来自 128 名黑色素瘤患者和 298 名膀胱癌患者（IMvigor210 队列）的批量 RNA-seq 数据。所有数据集均由基线（治疗前）样本组成。
• 单细胞处理： scRNA-seq 数据使用 R 语言中的 Seurat 包进行处理。质量控制过滤器去除了低质量细胞、双细胞和红细胞。使用 Harmony 包校正批次效应。利用标记基因和 SingleR 包对细胞类型进行注释，特别关注免疫细胞群（T 细胞、B 细胞、NK 细胞、单核细胞）。
• 差异表达分析： 采用伪批量（pseudobulk）方法在患者水平聚合基因表达计数，以避免假阳性膨胀。使用 DESeq2 对发现队列、limma 对验证队列评估应答者（Rs）与非应答者（NRs）之间的差异表达，并将研究类型作为协变量纳入。
• 模型开发： 选择在单细胞发现集、单细胞验证集和批量黑色素瘤队列中均一致差异表达的基因，构建逻辑回归预测模型。该模型使用 10 折交叉验证在黑色素瘤批量数据集上进行训练。
• 验证与相关性： 该模型在独立的膀胱癌队列中进行了外部验证。使用曲线下面积（AUC）、敏感性和特异性评估模型性能。此外，将模型的特征评分与全转录组进行相关性分析，以执行基因本体（GO）通路富集分析。

主要贡献与结果

• 细胞类型特异性特征： 整合分析显示，与非应答者相比，应答者在多种免疫细胞类型中表现出独特的分子谱。值得注意的是，应答者在 T 细胞中显示出 TNFR 超家族基因（TNFRSF18、TNFRSF9、TNFRSF4）及其他免疫抑制基因（如 LGALS1、BATF、IL12RB2）的下调。这些基因被发现高度表达于调节性 T 细胞和耗竭性 T 细胞状态中。
• 13 基因特征： 鉴定出 13 个转录本，其在所有黑色素瘤队列（单细胞和批量）中与应答一致相关。这些基因包括：
  • 在应答者中上调： SELL、EPB41、CD96、UHRF2（在 T 细胞中）、ALDH5A1（在 B 细胞中）、TLR10、ST6GAL1、IKZF1、MPRIP（在单核细胞中）。
  • 在应答者中下调： LINGO1（在 T 细胞中）、LGALS1（在 T 细胞中）、PLEC、PDGFRB（在 NK 细胞中）。
• 预测性能： 基于这 13 种生物标志物（13BM）的逻辑回归模型在黑色素瘤批量队列中实现了 0.73 的 AUC。当应用于独立的膀胱癌队列时，该模型保持了显著的预测能力，AUC 为 0.64。
• 低 TMB 亚组中的性能： 该模型在肿瘤突变负荷低（TMB < 10 mut/Mb）的患者中显示出增强的效用，在该亚组中实现了 0.75 的 AUC。在优化为高敏感性（约 90%）的阈值下，该模型在低 TMB 膀胱癌队列中正确识别了 95.2% 的应答者，表明其具有识别那些会被当前基于 TMB 的标准排除在外的 ICI 候选患者的潜力。
• 生物学相关性： 在黑色素瘤中，13BM 评分与免疫相关通路（T 细胞分化、干扰素反应）呈正相关，反映了“免疫热”表型。在膀胱癌中，它与代谢过程（氧化磷酸化）相关。在两种肿瘤类型中，该评分与细胞外基质（ECM）组织、上皮 - 间质转化（EMT）和 TGF-β反应呈负相关，这些过程与免疫逃逸有关。

意义与主张
作者声称，本研究鉴定了与 ICI 应答相关的、涉及免疫 - 癌症相互作用的术前分子特征。通过利用单细胞数据推导出可在批量组织中检测到的特征，本研究提供了一个 13 基因模型，为分层应答者提供了潜在的附加临床价值。作者强调，该模型对于 TMB 较低的患者群体尤为相关，而当前生物标志物在该群体中往往失效。关于应答者中 TNFRSF 基因下调的发现表明，这些共刺激受体的过表达可能反映了 T 细胞激活功能障碍和耗竭，为针对这些受体的激动剂在临床试验中疗效有限提供了生物学依据。研究结论认为，有必要进一步验证该模型的临床效用及其空间表达模式。