Cancer Cell|scRNA-seq + scTCR + 空間多組學整合分析,揭示CD8? T細胞在免疫治療中的“雙路徑” | 臨床問題的組學解答

Cancer Cell|scRNA-seq + scTCR + 空間多組學整合分析,揭示CD8? T細胞在免疫治療中的“雙路徑”

👋 歡迎關注我的生信學習專欄~ 如果覺得文章有幫助,別忘了點贊、關注、評論,一起學習

近日,《Cancer Cell》刊登一篇研究 Distinct CD8+ T cell dynamics associate with response to neoadjuvant cancer immunotherapies

系統分析了新輔助免疫治療中CD8? T細胞的譜系動態,并揭示兩種組合免疫策略截然不同的作用路徑。研究數據量超過37萬細胞,集成scRNA-seq、scTCR-seq、CITE-seq與空間蛋白數據,構建了具有轉化價值的CD8? T細胞圖譜。

這篇內容算是臨床問題+組學的深入結合,就解析一下這篇文獻的主要內容,學習一下其中的“排兵布陣”。


研究背景:為什么研究T細胞的“動態”很關鍵?

在PD-1/PD-L1免疫治療已成為多個癌種標準治療的今天,**“誰能長期受益?”“免疫治療組合怎么選?”**成了亟待解決的核心問題。

現有證據提示,CD8?腫瘤浸潤淋巴細胞(TIL)是免疫應答的關鍵,但我們仍不清楚,不同聯合治療(例如PD-1 + CTLA-4 vs. PD-1 + LAG-3)是否誘導相同的免疫機制。

本研究通過新輔助窗口期試驗,在手術前對HNSCC患者給予三種免疫方案(Nivo單藥、Nivo+Ipi、Nivo+Rela),對比不同方案下CD8? TIL的譜系、轉錄、克隆演化差異,試圖揭示響應背后的“細胞命運轉折點”。


龐大數據量,構建免疫圖譜

Li et al.(2025)首次對372,914個腫瘤浸潤T細胞(CD45?CD3?)進行單細胞RNA測序,進一步精細分離出137,133個CD8? T 細胞亞群;又重構了87,686條配對TCR克隆。這一空前規模的數據支撐,讓研究得以在克隆、轉錄和空間層面,多維度刻畫新輔助免疫療法下的CD8? T 細胞動態。


下面結合文獻主要Figure(圖1–圖8)內容,對該研究的主要觀點與結論進行可視化邏輯的梳理與分析說明,幫助你進一步理解數據背后的機制,并可直接用于綜述寫作、自媒體整理或學術展示:


一、不同組合ICI方案下,CD8? TIL 的病理緩解與豐度變化(Figure 1–3)

圖1:病理緩解與生存趨勢

  • 主要觀點:聯合用藥組(Nivo + Ipi、Nivo + Rela)的病理緩解率(pTR-2,即≤ 50%殘余腫瘤)顯著高于單藥(Nivo)組。

  • Figure 1A(瀑布圖)清晰展現了各患者按殘余活檢瘤體積排序后的緩解深度,聯合組中達到 pTR-2 的患者比例分別為 36.4%(Ipi 組)與 26.7%(Rela 組),顯著優于 8.4%(Nivo)。

  • Figure 1C–D(Kaplan–Meier 曲線)顯示,獲得 pTR-2 的患者三年無病生存率與總生存率均接近 100%,提示病理深度緩解與長期獲益高度相關。

  • 結論

    • Nivo+Ipi(63.6%)和 Nivo+Rela(73.3%)組的病理緩解率優于Nivo單藥(41.6%)。
    • 病理緩解率 >50%(pTR-2)的患者顯示更好 DFS(100%)和OS(100%),盡管未達統計顯著。

圖2–3:CD8? TIL基線狀態與后治療豐度

  • 發現
    • pTR-2 患者在治療前CD8? TIL更傾向表達 LAG3、PDCD1(尤其是 Nivo+Rela 組)。
    • 治療后,CD8? TIL 豐度顯著增加(Figure 3A),Nivo+Rela組的增幅最顯著(p=0.032)。
    • 多光譜免疫熒光驗證,CD8? T細胞密度在 腫瘤邊緣區域與整體腫瘤區域均上升(Figure 3D–3E)。

基線 CD8? TIL 狀態與療效關聯(Figure 2)

  • 主要觀點:不同組合治療前,CD8? T 細胞的轉錄組狀態即能預測療效:
    • Nivo + Ipi 對應基線富含效應記憶(TEM)和組織駐留記憶(TRM)基因程序;
    • Nivo + Rela 則對應基線富含 IFN-I 響應和耗竭標志(如 ISG15、LAG3)。
  • Figure 2D–E:差異表達熱圖與 GSEA 分析分別揭示 pTR-2 患者中,Ipi 組上調 TCR 信號與效應/記憶基因;Rela 組上調 IFN-I 及耗竭相關基因(MX1、TOX),為后續不同機制奠定了轉錄基礎。

治療后腫瘤浸潤 CD8? TIL 豐度(Figure 3)

  • 主要觀點:聯合用藥,尤其是 Nivo + Rela,顯著增加腫瘤浸潤 CD8? T 細胞數量,并與病理緩解度正相關。
  • Figure 3A:術后 pTR-2 病人群中 CD8? TIL 比例最高;
  • Figure 3B:Rela 組 pTR-2 患者基線 vs. 術后 CD8? TIL 豐度顯著上升(p = 0.032);
  • Figure 3E(mIF 定量):外侵潤邊緣及間質中 CD3?CD8? 密度增加與病理緩解呈高度相關(r ≈ 0.8)。

二、CD8? TIL 的功能狀態重編程與記憶表型轉化(Figure 4–5)

圖4:亞群分類 + 動態變化

  • 將 CD8? TIL 分為12個亞群(UMAP可視化),重點關注:

    • C04_TEM-ISG?:低IFN響應的效應記憶細胞,治療后pTR-2患者顯著增加;
    • C08_TEX-ISG?:高IFN響應的耗竭表型,治療后減少;
    • C07_TRM-ICR?:組織駐留、低免疫抑制受體的記憶表型。
  • 結論

    • Nivo+Rela組使CD8? TIL從C08_TEX-ISG?向C04_TEM-ISG?和C07_TRM-ICR?轉變(Figure 4C),提示其可重編程耗竭細胞。

圖5:克隆追蹤 + 轉分化軌跡

  • TCR克隆分析顯示:
    • Nivo+Rela組在pTR-2中顯著提升TCR多樣性(Figure 5A),并有更多跨亞群TCR共享(Figure 5B–5C)。
    • **Pseudotime軌跡(Figure 5D)**與RNA velocity驗證:Nivo+Rela誘導C08_TEX-ISG?向C04_TEM-ISG?過渡。

三、不同治療機制下的TIL譜系塑造與反應機制(Figure 6–8)

圖6:外部數據集驗證

  • 在獨立HNSCC數據集中,Nivo+Ipi組的反應者
    • 顯著富集 TEM-ISG?和TRM-ICR? 細胞亞群
    • 反應者治療前這些細胞就已存在 → 提示Nivo+Ipi主要是擴增已有記憶/效應細胞

圖7–8:Nivo+Rela對腫瘤反應TIL的“重啟效應”

  • 利用CD39?LAG3?標記腫瘤反應T細胞,Nivo+Rela治療后其密度減少,而CD39?LAG3?效應T細胞上升(Figure 7C–7D)。

  • Figure 8C–8D展示Nivo+Rela特異性下,TIL從高IFN-I/耗竭狀態轉向低耗竭、高效應狀態。

圖表驅動的核心觀點與結論

為便于快速定位,以下分析按 Figure 1–8 順序展開,概述每幅圖所呈現的關鍵數據,并大致闡釋其如何支撐作者的主要結論。

圖號關鍵信息結論要點
Fig 1① Waterfall plot 展示三組患者的病理緩解深度;
② 同一患者影像學體積變化;
③–④ >50 % 病理緩解患者 DFS / OS 曲線高于低緩解組
聯合療法(Nivo+Ipi、Nivo+Rela)帶來更深病理緩解,并與長期生存趨勢相關
Fig 2單細胞 UMAP 及 DEG 熱圖揭示:
? Nivo+Ipi 響應者基線富集 TEM-ISGlow/TRM-ICRlow 基因;
? Nivo+Rela 響應者富集 IFN-I?&?耗竭 signature
不同聯合方案在 基線 即鎖定不同 CD8?T 細胞狀態——Ipi 組偏 “效應/記憶”,Rela 組偏 “IFN-I 高耗竭”
Fig 3(A–B) scRNA-seq 及配對比較:Rela 組 pTR-2 病例 CD8?TIL 數量顯著上升;
(E) CD8?TIL 增量與病理緩解呈正相關(r=0.8)
Nivo+Rela 能顯著招募/擴大 CD8?T 細胞并與腫瘤清除直接相關
Fig 412 個 CD8?TIL 亞群解析:
? Rela 組 pTR-2 中 TEM-ISG^low↑ & TEX-ISG^high↓
? Ipi 組主要擴增既存 TEM/TRM
Ipi 方案“擴增”已存在的效應/駐留群;Rela 方案“重編程” IFN-I?高耗竭群至活化記憶表型
Fig 5(A) TCR 多樣性僅在 Rela 組 pTR-2 ↑;
(B–C) TCR sharing:Rela 組出現 TEX-ISG^high → TEM-ISG^low 克隆遷移;
(D) Slingshot 軌跡指向同一路徑
Rela 誘導克隆“復活”并多樣化,驅動功能恢復;Ipi 主要保持原克隆譜
Fig 6外部 HNSCC 隊列驗證:Ipi 聯合治療響應者治療后 TEM-ISG^low & TRM 富集證實 Ipi-驅動的“數量擴增”機制具有跨隊列可重復性
Fig 7mIF 證實:Rela 組 pTR-2 中 CD39? LAG-3? 耗竭群 ↓,同時 CD39? LAG-3? 功能群 ↑蛋白水平及空間分布驗證了 Rela 的“耗竭→記憶”重編程
Fig 8選取 CXCL13? CD39? CD103? 克隆:Rela 組 pTR-2 克隆 IFN-I & 耗竭 signature 下降,效應基因上調高度說明 Rela 可直接重塑腫瘤反應性克隆,提升殺傷潛能

歸納性結論
  1. 雙路徑、同終點

    • Nivo+Ipi 通過 擴增 預先存在的 TEM/TRM 群體來提高腫瘤清除效率。
    • Nivo+Rela重編程 IFN-I 高響應且呈耗竭表型的克隆,恢復其效應/記憶功能。
  2. 克隆與功能的協同演化

    • Rela 組合不僅增加 CD8?TIL 總量,更顯著提高 TCR 多樣性,并驅動 TEX→TEM 轉變,提示深入的克隆重塑對療效關鍵。
  3. 潛在生物標志物

    • 基線 LAG-3 + PD-L1 雙陽 + IFN-I signature 高 可預測 Rela 受益;
    • 基線 TEM/TRM 富集 + 低 ICR 傾向從 Ipi 方案獲益,提示個體化組合策略的可行性。
  4. 臨床啟示

    • 深度病理緩解(>50 %)與 3 年 DFS/OS 100 % 的趨勢表明,精準聯合治療有望提升可切除 HNSCC 的長期療效。
    • 未來可探索 Nivo+Ipi+Rela 三聯或與代謝/放療結合,以進一步提升 pTR-2 比例。

這篇文章能登上 Cancer Cell啟示

近期cancer cell社論Bridging the gap: The future of cancer research and clinical oncology in Cancer Cell(Steve Mao, Editor-in-Chief)明確指出,Cancer Cell 將重點刊發能夠“從基礎機理直達臨床應用”、關注“癌癥系統性研究”和“前沿技術驅動”的跨學科作品。

這篇文章中也體現了這些傾向性:

  • 轉化與反向轉化并重:本文直面新輔助臨床試驗樣本,提出從耗竭到效應記憶的重編程路徑,具有明確的臨床指導意義。
  • 多組學深度整合:創新性地將scRNA-seq、scTCR-seq、CITE-seq與mIF空間蛋白組學聯合,構建“克隆→轉錄→空間”一體化免疫圖譜。
  • 系統性與機制性結合:通過偽時序、TCR共享、GSEA等多重分析,從細胞命運軌跡到基因程序演變進行全方位闡釋。
  • 技術驅動創新:充分運用了單細胞和空間組學前沿技術,契合社論中對AI、空間轉錄組、單細胞多組學的關注。

結語

Li et al. 的這項研究,不僅以空前數據量和多維度技術深度解析了新輔助免疫組合的雙機制,更緊密對接了Cancer Cell倡導的“系統性、轉化性、前沿技術”出版方向,為未來的免疫療法優化和精準患者篩選提供了范式。其中的一些臨床+組學的研究思維,可以學習借鑒。


如果正在研究免疫治療、生信分析、腫瘤TME、單細胞測序等相關方向,這篇文章可以作為參考。

👋 歡迎關注我的生信學習專欄~ 如果覺得文章有幫助,別忘了點贊、關注、評論,一起學習

僅為個人整理,如果有解讀學習紕漏,請隨時指出

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/77091.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/77091.shtml
英文地址,請注明出處:http://en.pswp.cn/web/77091.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Python編程的真諦:超越語法,理解編程本質

你是否也曾陷入這樣的誤區:學了無數的 Python 語法、刷了幾十套題,寫起代碼卻仍然卡頓、舉步維艱?這時候你才發現,真正阻礙進步的,從不是語法,而是你對“編程本質”的理解。 如果你只是死記硬背Python的語…

Go協程的調用與原理

Goroutine Go不需要像C或者Java那樣手動管理線程,Go語言的goroutine機制自動幫你管理線程。 使用goroutine、 Go語言中使用goroutine非常簡單,只需要在調用函數的時候在前面加上go關鍵字,就可以為一個函數創建一個goroutine。 一個gorout…

自然語言處理(9)—— 共現詞矩陣及Python實現

共現詞矩陣 1. 概述2. 構建步驟3. 代碼實現(Python)結語 共現詞矩陣(Co-occurrence Matrix)是自然語言處理(NLP)中用于捕捉詞語間語義關系的重要工具。共現矩陣通過統計詞語在特定上下文窗口內的共現頻率&a…

Spark SQL核心解析:大數據時代的結構化處理利器

在大數據處理領域,Spark以其強大的分布式計算能力脫穎而出,而Spark SQL作為Spark生態系統的重要組成部分,為結構化和半結構化數據處理提供了高效便捷的解決方案。它不僅整合了傳統SQL的強大查詢功能,還深度集成到Spark的計算框架中…

多態以及多態底層的實現原理

本章目標 1.多態的概念 2.多態的定義實現 3.虛函數 4.多態的原理 1.多態的概念 多態作為面對三大特性之一,它所指代的和它的名字一樣,多種形態.但是這個多種形態更多的指代是函數的多種形態. 多態分為靜態多態和動態多態. 靜態多態在前面已經學習過了,就是函數重載以及模板,…

linux下開發NFC讀寫器

linux下使用NFC讀卡器,基于QT5開發 創建工程,引入lib開始編寫代碼 創建工程,引入lib 創建一個QT工程,如果是控制臺程序,則去掉gui QT - gui引入lib庫 LIBS -L$$PWD/lib -lyw60x這里需要將libyw60x.so庫文件放在工程…

Linux基礎使用-筆記

1. 文件和目錄操作 查看當前目錄:pwd 命令用于顯示當前工作目錄的完整路徑。 pwd切換目錄:cd 命令用于切換工作目錄。 # 切換到指定目錄 cd /home/user/Documents # 切換到上一級目錄 cd .. # 切換到用戶主目錄 cd ~列出目錄內容:ls 命令用…

DAG(有向無環圖)計算模型面試內容整理-拓撲排序(Topological Sort)和節點依賴與并行度

拓撲排序(Topological Sort) 拓撲排序(Topological Sort): 拓撲排序是針對有向無環圖(DAG)的一種線性排序方法。這種排序方法的特點是,對于DAG中的每一條有向邊 (A → B),在拓撲排序中節點A總是排在節點B之前。

23種設計模式-結構型模式之享元模式(Java版本)

Java 享元模式(Flyweight Pattern)詳解 🦋 什么是享元模式? 享元模式是一種結構型模式,它通過共享相同的對象來減少內存消耗,適用于大量細粒度對象的場景。關鍵思想是緩存重復出現的對象,避免…

瀏覽器訪問背后的秘密:從加載到關閉,數據是否會丟失?

? 一次瀏覽器訪問 www.xxx.com 背后發生了什么? —— 以及“我點了 ,數據會不會丟?”的深度剖析 適讀人群:Web 開發者、運維工程師、性能調優/安全從業者 1?? 打開瀏覽器敲下網址:鏈路是如何啟動的? 階…

【HDFS入門】深入解析DistCp:Hadoop分布式拷貝工具的原理與實踐

目錄 1 DistCp概述與應用場景 2 DistCp架構設計解析 2.1 系統架構圖 2.2 執行流程圖 3 DistCp核心技術原理 3.1 并行拷貝機制 3.2 斷點續傳實現原理 4 DistCp實戰指南 4.1 常用命令示例 4.2 性能優化策略 5 異常處理與監控 5.1 常見錯誤處理流程 5.2 監控指標建議…

hbuilderx云打包生成的ipa文件如何上架

使用hbuilderx打包,會遇到一個問題。開發的ios應用,需要上架到app store,因此,就需要APP store的簽名證書,并且還需要一個像xcode那樣的工具來上架app store。 我們這篇文章說明下,如何在windows電腦&…

第十五屆藍橋杯 2024 C/C++組 拼正方形

目錄 題目: 題目描述: 題目鏈接: 思路: 思路詳解: 易錯點: 代碼: 代碼詳解: 題目: 題目描述: 題目鏈接: P10898 [藍橋杯 2024 省 C] 拼正…

華為云獲取IAM用戶Token的方式及適用分析

🧠 一、為什么要獲取 IAM 用戶 Token? 我們用一個生活中的比喻來解釋👇: 🏢 比喻場景: 你要去一個 高級寫字樓(華為云物聯網平臺) 辦事(調用接口管理設備)&…

樂聚機器人與地瓜機器人達成戰略合作,聯合發布Aelos Embodied具身智能

要聞 4月19日,在CCF人形機器人與人工智能技術巡回研討會(武漢站)上,樂聚機器人與地瓜機器人達成戰略合作,雙方將基于RDK X5、RDK S100以及更高性能的國產大算力平臺,就夸父(KUAVO)、…

Web3架構下的數據隱私與保護

在這個信息爆炸的時代,Web3的概念如同一股清流,以其去中心化的特性,為數據隱私與保護帶來了新的希望。Web3,也被稱作下一代互聯網,它通過區塊鏈技術實現數據的去中心化存儲和處理,旨在提高數據的安全性和隱…

【OceanBase相關】02-OceanBase數據庫NFS備份實踐

文章目錄 一、前言1、概述2、備份方式3、備份流程4、恢復流程二、NFS備份1、注意事項2、服務端配置3、客戶端配置4、備份策略配置三、常用操作四、Q&A1、數據備份任務執行失敗,提示`start log archive backup when not STOP is not supported`1.1、問題說明1.2、解決措施2…

一行命令打開iOS模擬器

要在 Mac 命令行打開 iPhone 15 Pro 模擬器,需滿足已安裝 Xcode 這一前提條件,以下是具體操作步驟: 步驟一:列出所有可用模擬器設備 打開終端(Terminal),輸入并執行以下命令,用于列…

Java虛擬機(JVM)家族發展史及版本對比

Java虛擬機(JVM)家族發展史及版本對比 一、JVM家族發展史 1. 早期階段(1996-2000) Classic VM(Java 1.0-1.1): 廠商:Sun Microsystems(Oracle前身)。特點&…

嘻游電玩三端客戶端部署實戰:PC + Android + iOS 環境全覆蓋教程

本篇文章將針對“網狐系列嘻游電玩組件”的三端客戶端(PC端、安卓端、iOS端)進行詳細部署實操講解。文章將以實測部署為核心,提供資源結構說明、平臺適配調整、打包配置、常見問題修復,并輔以必要的關鍵配置代碼。 一、客戶端資源…