骨髓细胞是免疫系统的重要组成部分，了解它们在肿瘤微环境中的功能以及它们与肿瘤浸润淋巴细胞的相互作用对癌症免疫治疗具有重要意义。今天，小编要和大家分享一篇2024年7月发表在Nature Communications（IF：14.7）上的文章，通过使用单细胞转录组学对八种不同癌症类型（包括来自129名患者的总共192个肿瘤样本）进行泛癌分析来探索肿瘤浸润性骨髓细胞（TIM）。
添加微信
一、研究背景
免疫检查点阻断（ICB）免疫疗法的发展标志着癌症治疗领域的重大突破，T淋巴细胞一直是ICB研究的主要焦点，但骨髓细胞在肿瘤微环境（TME）中同样丰富且具有多功能性，但尚未受到同等关注。
目前，骨髓细胞大致分为巨噬细胞、单核细胞、经典树突状细胞（cDC）和浆细胞样DC（pDC）等亚组。然而，这种传统的分类往往过于简单化了TIM 的异质性。在TME中已鉴定出许多骨髓亚类，例如，肿瘤相关巨噬细胞（TAM），传统上将其分为M1和M2巨噬细胞，前者通常抑制肿瘤生长，后者往往促进肿瘤发生。这种广泛的分类无法体现TIM的全部复杂性。因此，当代单细胞研究不是将骨髓细胞识别为简单的分类，而是将其功能状态视为异质性模式。
二、研究主要结果
1.TIM 景观在癌症类型和治疗组之间存在显着差异
作者对129名患者的肿瘤样本进行scRNA-seq，涉及八种不同的癌症类型：基底细胞癌（BCC）、乳腺癌、透明细胞肾细胞癌（ccRCC）、结直肠癌（CRC）、肝细胞癌（HCC）、头颈鳞状细胞癌（HNSCC）、肝内胆管癌（iCCA）和黑色素瘤。其中，五种癌症类型（BCC、ccRCC、CRC、HNSCC 和黑色素瘤）具有有关治疗反应状态的可用临床信息（图1a）。经过质控后，总共包括47,750个骨髓细胞用于后续分析。
首先，在八种癌症类型中，鉴定了12 种巨噬细胞和单核细胞亚型、四种cDC 亚型以及一组不同的肥大细胞，并表征了这17种已识别细胞类型的功能（图1b-c）。随后，将八种癌症类型的样本根据其治疗状态进行分类，包括未接受治疗（Pre）、治疗后（Post）、治疗无反应者（NR）和治疗反应者（R），然后比较了每对分层组之间的细胞类型分布差异（图1d-e）。这些分析描述了不同癌症类型之间 TIM 组成的显着差异，强调了这些细胞在不同癌症、治疗状态和反应组中的异质性。
图1. 泛癌骨髓细胞图谱概述
2.治疗和反应状态与不同的 TIM 动力学曲线相关
为了研究TIM内的时间变化和发育模式，作者通过检查每种细胞类型的伪时间轨迹，在泛癌水平上对它们的动力学特征进行了全面分析，主要比较了Pre与 Post，以及NR与R样本（图2a-c）。发现在R组和NR组中观察到比Pre组和Post组中有更多具有较大动力学变化的细胞类型，这表明不同疾病状态下稳态和非稳态分化之间存在潜在的过渡差异。
下一个目标是阐明分层疾病队列中普遍存在的生物学状态，这是通过根据细胞的动力学状态对细胞进行分类，并建立这些聚类动力学曲线中差异表达基因与分子特征数据库（MSigDB）中的标志基因集之间的相关性来实现的（图2c-d）。
图2. TIM的伪时间转换
3.不同的 TIM 监管状态具有特定癌症的特征
随后，作者分析了基因调控网络，以识别R和NR组TIM中的活性调控元件（RE）。通过评估每种细胞类型中转录因子（TF）的转录活性，发现了TIM中RE与免疫治疗反应相关的高度癌症特异性，以及所鉴定的转录因子主要与巨噬细胞相关（图3a-d）。
图3. 细胞类型特异性调节因子活性特征
4.ICB反应中细胞间相互作用的预测靶标
接下来，作者检查了TIM之间，以及TIM和CD4/CD8 T细胞之间的相互作用（图4a-d）。具体来说，分析包括了治疗后样本中的272,017个T细胞，并注释了12种 CD4 T细胞亚型和15种CD8 T细胞亚型。
然后，采用严格的标准来选择配体-受体相互作用（图4a-b）。随后，研究TIM和特定CD4/CD8 T细胞亚群之间的相互作用（图4c-d）。
图4. 治疗反应组中不同细胞类型的细胞间相互作用模式
5.高度交互的 TIM 表现出癌症特异性的调控模式
接下来，作者检查了R 组和 NR 组之间表现出差异细胞间相互作用的细胞类型的调控模式，且重点是高度交互的TIM的TF 特征。这包括观察到特定细胞类型中不同调节子模块的差异表达（图5a）和在比较R组和NR组时以相同方向调节的跨癌症类型的常见TF（图5b）。
随后，为了评估个体分层细胞类型对患者预后的影响，作者使用免疫治疗后队列进行了生存分析，包括 IMvigor210尿路上皮癌 （UC）、ccRCC和皮肤黑色素瘤（SKCM）。根据高度交互的TIM特征标记的表达对患者进行分类，发现部分标志物具有预测免疫治疗后生存结果的潜力，而某些细胞类型在不同的癌症类型中表现出相反的生存关系，强调了观察到的与生存结果相关的癌症特异性和巨噬细胞异质性（图5c）。
最后，作者开发了一个专门用于预测ICB治疗反应的指数，该指数基于不同反应条件下每种细胞类型的富集途径以及每种癌症类型在这些条件下每种细胞类型的比例（图5d）。
图5. 高度相互作用的TIM的靶向分析
三、研究小结
到这里文章的主要内容就介绍完了。总的来说，作者使用来自八种不同癌症类型的192个样本对骨髓细胞进行了全面的泛癌scRNA-seq分析，阐明了初治和治疗后患者的TIM表型和功能谱。更重要的是，作者还获得了其中五种癌症类型的治疗后临床反应数据，为临床上ICB提供了宝贵的资源。
参考文献
Li, W., Pan, L., Hong, W. et al. A single-cell pan-cancer analysis to show the variability of tumor-infiltrating myeloid cells in immune checkpoint blockade. Nat Commun 15, 6142 (2024). https://doi.org/10.1038/s41467-024-50478-8.
添加微信
概普生物 让科研丰富
