跳到正文
原文
梅斯医学·临床资讯·· 3 天前精选AI 评分85

Nature Cancer | 基于超250万个细胞绘制肺癌单细胞图谱,揭示转移及临床结局的细胞与分子驱动因素

Nat Cancer | 基于超250万个细胞绘制肺癌单细胞图谱,揭示转移及临床结局的细胞与分子驱动因素

AI 导读

德国癌症研究中心团队构建了包含454名NSCLC患者的单细胞图谱LuCaS+,揭示了肺癌细胞与微环境的相互作用,有助于识别潜在的药物靶点和指导治疗决策。

推荐理由

揭示了肺癌细胞与微环境的相互作用,有助于识别潜在的药物靶点和指导治疗决策。

正文

11小时前 测序中国 测序中国 发表于上海

该研究构建的肺癌单细胞图谱LuCaS+配有详尽的临床随访数据,将临床患者特征与单细胞水平的肿瘤特征联系起来。

深度解析医学证据,DeepEvidence为你支撑决策

癌症组织是由多种不同癌细胞组成,并嵌于由免疫细胞、结缔组织和血管构成的环境中。这种多样性是决定肿瘤是否发生转移以及某种疗法疗效如何的重要因素。肺癌具有显著的异质性,虽然单细胞技术为其相关研究提供了的开创性工具,但向临床实践的转化仍十分有限,主要原因在于缺乏能够将单细胞特征与临床随访数据联系起来的大规模数据集。

近日,德国癌症研究中心团队及合作者在Nature Cancer发表文章“A single-cell lung cancer atlas reveals cellular and molecular drivers of metastasis and clinical outcome”,报道了一个用于癌症研究转化的多中心肺癌单细胞图谱LuCaS+。该图谱包含454名长期随访的非小细胞肺癌(NSCLC)患者的snRNA测序数据和临床数据,涵盖超250万个细胞核和75亿个转录本,提供了NSCLC的全面单细胞转录组图谱和详细临床表征。研究将该图谱与临床治疗结果相结合,不仅能够识别对肿瘤转移形成起关键作用的肿瘤细胞类型,还能预测肿瘤细胞与微环境的相互作用,改善所有临床阶段的患者生存预测,提升预后分层效果,并超越当前的临床标准。该研究表明将单细胞转录组学与临床结局相结合,有望转变对疾病机制的理解,识别潜在的药物靶点,并指导治疗决策,加速肺癌研究的临床转化。

图片

构建肺癌单细胞图谱

研究纳入454例NSCLC患者,分为发现队列(364例患者)和验证队列(90例患者)(图1a)。利用snRNA测序分析患者的FFPE样本,研究共识别出超250万个细胞共500个细胞簇,包括136个恶性细胞簇,286个非恶性细胞簇;可分为60种细胞类型,包括33种免疫细胞、11种基质细胞、9种血管细胞和7种正常上皮细胞类型(图1b-e)。

在非恶性细胞中,研究鉴定了癌症相关成纤维细胞(CAFs)和巨噬细胞的亚型。对于额外的CAF亚型,其特征是细胞外基质相关基因(COL6A6和ELN)及黏附基因(ITGA8和NPNT)高表达。肺腺癌(LUAD)和肺鳞状细胞癌(LUSC)在非恶性细胞类型组成上存在显著差异(图1g)。例如,LUSC的基质区室富含肿瘤样、基质型和增殖型CAFs,而LUAD中结构型CAFs和炎症低表达型CAF更为丰富。

图片

图1,肺癌单细胞图谱LuCaS+。

预测癌细胞转移潜能

研究团队应用逻辑回归模型,根据LuCaS+各细胞簇的比例来预测转移的存在情况,为每个癌细胞簇赋予一个“单细胞转移潜能”(scMP)评分,scMP与肿瘤分期呈正相关。在匹配的空间转录组(ST)数据集中,与LUAD低级别或中级别形态学区域相比,高级别形态学区域具有显著更高的scMP,与组织病理学分级系统一致。

按scMP评分分层后,癌细胞簇转录谱分析显示,具有较高scMP的肿瘤细胞簇显示出关键致癌信号通路的激活,包括MAPK、TGFβ等(图2)。相比之下,scMP与TRAIL通路活性呈负相关,表明在具有较高scMP的肿瘤细胞簇中,促凋亡信号传导减弱。聚类分析将癌细胞簇划分为5种转移指纹(mFP),平均scMP从mFP 1到mFP 5逐渐降低。该分析通过确定各类肿瘤细胞的转移潜力,有助于识别出处于早期阶段,但有较高转移风险的患者。

在外部snRNA数据集验证中,与原发性肿瘤相比,转移瘤中的scMP评分显著更高,所有脑转移瘤中归属于高scMP特征指纹mFP 1的簇比例均更高,而分化较好的mFP 5簇则相对耗竭。(图2g)

图片

图2.scMP的功能与临床特征。

scMP还能预测LUAD患者的肿瘤复发和生存情况。I期LUAD中,scMP对复发和总生存期具有强预测能力(图2h),可在临床特征显现之前发现具有高转移倾向的侵袭性癌细胞;在III–IV期中,scMP持续处于高水平。

肿瘤细胞与微环境相互作用的影响

肿瘤细胞与肿瘤微环境(TME)之间的相互作用对预后和治疗效果具有重要影响。研究团队利用LuCaS+发现数据集中的snRNA测序数据构建分子模型,加入UICC分期临床数据形成完整模型,针对未接受辅助治疗患者进行了单细胞表达的预后分析。在LUAD中,该分子模型展现出对患者生存率的强大预测能力,完整模型进一步提升了这一性能,且预后准确性显著优于仅使用UICC分期的结果。(图3)

图片

图3.结合临床数据与snRNA测序数据,能够提高生存率预测的准确性,并有助于深入理解肿瘤微环境中的各种相互作用机制。

基于完整模型对患者定义了四个风险层级(FM1–4),最低风险组FM1和FM2的患者5年生存率分别为93.3%和70.1%,表现良好;较高风险组FM3和FM4的患者5年生存率则明显降低,分别为30.8%和0.0%。

同时,研究识别了多种与预后相关的肿瘤-微环境互作模式:

预后良好表型:即"免疫许可型"微环境,其中一类表型的肿瘤细胞高表达免疫和抗原呈递相关基因(CXCL17, C3, C2和LAMP3),并与MARCO高表达/LAMP2高表达的巨噬细胞及肥大细胞相关;另一类表型是肿瘤存在丰富的多样化T细胞亚群,富含上皮内T淋巴细胞。

预后不良表型:包括TP53缺陷型、WNT激活型、TNF激活型、血管生成型等多种亚型。这些表型各自具有独特的免疫抑制微环境特征。例如,在TP53缺陷型肿瘤中,MAPK信号通路高度激活,同时存在免疫排斥的微环境。

图片

图4.LUAD中预后不良TME表型的特征分析与空间验证。

在LUSC中,预后不良的表型高度一致,大多数肿瘤细胞簇表现为TGFβ信号激活(“血管生成性,TGFβ激活”)。空间转录组学分析显示,这些肿瘤中存在着显著的新生血管结构,血管内皮细胞表达TGFβ配体和受体,而SPP1高表达巨噬细胞则优先定位于血管周围。这种基质CAFs、巨噬细胞、周细胞和内皮细胞之间的复杂互作,构成了一个自我维持的促血管生成生态位。

结 语

该研究构建的肺癌单细胞图谱LuCaS+配有详尽的临床随访数据,将临床患者特征与单细胞水平的肿瘤特征联系起来。研究利用LuCaS+识别了具有不同转移潜能(scMP)评分的肿瘤细胞簇,并预测了所有临床阶段肺癌患者的生存情况。此外,基于LuCaS+的AI模型还揭示了肿瘤与微环境之间的哪些相互作用会影响疾病发展。

研究团队认为,LuCaS+可作为转化癌症研究的宝贵平台,促进具有临床意义的转录组亚型和分子驱动因素的发现。通过将高分辨率肿瘤生物信息与真实世界临床数据结合,可为更精准、更有效的肺癌诊疗铺平道路。

目前,LuCaS+免费提供给科研人员使用。研究团队后续将对其进行细胞培养和动物模型验证,最终用于开发新的治疗方法和治疗策略。

原文信息:

Jurmeister, P., Keyl, P., Mochmann, L.H. et al. A single-cell lung cancer atlas reveals cellular and molecular drivers of metastasis and clinical outcome. Nat Cancer (2026). https://doi.org/10.1038/s43018-026-01260-w

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言

来源:梅斯医学·临床资讯 · news.medsci.cn