热点综述 | 空间多组学技术在肿瘤免疫微环境研究中的应用

目前空间多组学技术已用于研究几种类型癌症中肿瘤免疫微环境的转录组、蛋白质组和代谢组，从这些方法获得的数据已与免疫组化和多参数分析相结合，以产生癌症进展的标记物。2022年《Journal of Biomedical Science 》发表了一篇综述文章，回顾了前沿空间组学技术、它们在肿瘤免疫微环境研究中的应用，以及存在的技术挑战。

在过去十年中，单细胞技术揭示了肿瘤免疫微环境在基因组、转录组和蛋白质组水平上的异质性，加深了我们对肿瘤发展机制的理解。单细胞技术也被用于识别潜在的生物标志物。然而，这些方法丢失了有关肿瘤免疫微环境的空间信息，例如细胞位置和细胞间相互作用组。

早在空间组学发展之前，人们就知道肿瘤内的某些组织学模式与患者预后高度相关。例如，结直肠癌患者的瘤周T细胞和B细胞浸润与阳性预后相关，而肿瘤核心中淋巴细胞的耗竭是预后不良的指标。此外，T细胞的间质浸润与特定类型乳腺癌的良好预后有关。为了更好地了解与预后的空间相关性，研究人员使用多重免疫组织化学 (IHC)、免疫荧光 (IF) 和基于激光捕获显微切割的IHC/IF以及辅助工具来选择肿瘤区域，以分析蛋白质和RNA转录物的表达模式。这些类型的组织学分析受到分辨率和样本选择偏差相关问题的限制。最近在固相测序和多重成像方面的技术进步使得能够在高分辨率图像中多重检测转录本、蛋白质和代谢物。

空间多组学技术

空间转录组技术

空间蛋白组技术

空间代谢组技术

空间多组学技术在肿瘤研究中的应用进展

研究人员使用空间组学来放大癌症，揭示 TIME的各种特征。对正常组织和癌变组织的基因组、转录组、蛋白质组和代谢组的研究揭示了不同区域中细胞组成的差异、肿瘤免疫细胞相互作用组和肿瘤进展的相关性。

空间成像显示肿瘤和免疫细胞的分区

乳腺癌具有很好的组织病理学特征，是空间细胞分析的良好模型。已经使用空间转录组学和基于高维抗体的组织分析对其进行了研究，例如Wu 等人分析了乳腺癌组织细胞类型和肿瘤相关免疫细胞和基质细胞的空间定位；Andersson等人使用空间转录组学分析HER2+乳腺癌组织；Keren等人利用MIBI进行基于抗体的单细胞蛋白表达扩增，分析了三阴性乳腺癌(TNBC)患者标本中36种蛋白的位置。

空间蛋白质组学研究也揭示了其他几种癌症中肿瘤和免疫细胞的这种分区化。Sheng等人使用IMC研究了肝细胞癌（HCC）标本中免疫细胞的拓扑分布；Chan等人使用MIBI平台研究了小细胞肺癌（SCLC）样本；church等人使用CODEX研究了两种亚型CRC样本中免疫细胞的拓扑结构。

免疫细胞分布在肿瘤实质时，显示出更多的衰竭标记

在胆管癌患者肿瘤的空间分辨转录组分析中，Wu等人观察到肿瘤核心的T细胞表达的耗竭标记物水平高于肿瘤边界或肿瘤周围正常组织的T细胞。作者在最近未发表的B细胞淋巴瘤小鼠模型CODEX分析中检测到了相同的模式。

空间多组学方法揭示了侵袭前沿活跃的肿瘤-免疫相互作用

肿瘤细胞与免疫细胞交界的侵袭前沿通常是免疫反应活跃的区域。Andersen等人报道的一项乳腺癌空间转录组学分层分析及Keren等人对TNBC的空间蛋白质组学分析均发现肿瘤免疫边界的免疫细胞浸润与更好的预后相关。

Stereo-seq技术对HCC和肝内胆管癌（ICC）肿瘤的研究中发现在侵袭性肿瘤前沿有一个独特的微环境，例如NK细胞、T细胞和巨噬细胞聚集在肿瘤和正常组织之间的边界附近等。

肿瘤相关基质细胞和成纤维细胞的行为在空间上相关

肿瘤相关基质细胞和纤维细胞成分是异质的，在肿瘤组织中具有相关的空间分布。结合scRNA-seq和空间转录组学，Moncada等人研究了胰腺导管腺癌组织切片中这些细胞类型的细胞分布和功能状态，确定了一个与成纤维细胞高度相关的癌细胞簇。空间转录组学数据还表明，M1免疫巨噬细胞与癌细胞亚群相关，该亚群富含应激反应基因并与免疫成纤维细胞相关。

在乳腺癌中，已使用空间转录组学方法和scRNA-seq绘制了癌相关成纤维细胞（CAF）的图谱。CAF长期以来被认为是对抗肿瘤抗原的免疫调节细胞。对空间转录组数据的分析揭示了炎症 CAF和相邻T细胞之间强烈的趋化因子、补体途径和TGFβ介导的串扰。

一项利用MIBI来分析从早期DCIS到浸润性乳腺癌的基质成分演变的研究，发现没有进展的DCIS的特征是较少的成纤维细胞和不连续的肌上皮细胞。在进展为侵袭性癌症的肿瘤样本中，DCIS与活跃的成纤维细胞、纤维形成和肌上皮细胞缺失相关。此外，肌上皮的 E-Cadherin表达及其在肿瘤周围的连续性与肿瘤恶性程度高度相关。

空间细胞分析识别肿瘤相关的三级淋巴结构

三级淋巴结构（TLS）是将肿瘤抗原呈递给 T 细胞的位置。由于淋巴结构的异质性组成，如果没有多重免疫染色和转录组学信息的技术，肿瘤相关TLS的鉴定可能很困难。TLS 包含多种具有不同功能的免疫细胞。空间分析可以识别具有这些结构特征的B细胞、T细胞和树突状细胞的聚集体。

肿瘤组织拓扑扩展识别新的肿瘤生物标志物

与其他多组学方法一样，空间转录组学和scRNA-seq方法有可能导致发现新的肿瘤生物标志物。作为这一潜力的一个例子，Gouin等人使用scRNA-seq、空间转录组学方法和CODEX研究了从25名肌肉浸润性膀胱癌患者收集的样本。从单细胞聚类数据中，发现了一种新的生物标志物N-Cadherin 2（由CDH12编码），提示癌上皮细胞簇与干细胞样特征和不良预后相关。来自空间转录组学和 CODEX 的细胞邻域分析均表明，表达 CDH12 的癌细胞附近的T细胞表达了更多的衰竭标记。这些发现得到其他类型癌症数据的支持，表明具有更多去分化、更多增殖和更具侵袭性特征的肿瘤细胞通常与耗竭的T细胞原位相关。

转移性肿瘤的免疫景观

转移性肿瘤细胞和免疫细胞的空间相互作用也已被探索。Wu等人使用空间转录组学和多重IHC研究了CRC的肝转移；Sudmeier等人研究了实体瘤脑转移的T细胞景观等。

肿瘤与免疫细胞代谢

通过对ICC样本的空间分辨转录组学数据和食管鳞状细胞癌的空间分辨代谢分析的富集分析，已经确定了肿瘤特异性代谢途径。前一项研究通过通过三羧酸循环以及脂肪酸代谢成分的上调、高增殖能力和高凋亡水平确定了缺氧相关通路和代谢的激活，这可能反映了肿瘤细胞更高的增殖能力、受损状态和能量需求。空间代谢平台揭示了肿瘤中精氨酸和脯氨酸代谢、脂肪酸生物合成以及丙氨酸、天冬氨酸、谷氨酸、嘧啶和组氨酸代谢的上调。四种途径中的六种关键代谢酶在肿瘤区室中的水平高于正常组织。

scRNA-seq和空间转录组学也被应用于最近开发的人类神经母细胞瘤小鼠模型，揭示 CD4+和CCR2+巨噬细胞的空间关系通过精氨酸代谢途径发挥促肿瘤作用，单细胞代谢分析还鉴定了一种肿瘤特异性代谢表型。

肿瘤内细胞拓扑结构与患者预后相关

为了理解组织中的拓扑细胞相互作用模式，对高维多组学数据进行了计算分析，以确定特定类型细胞位置之间的相关性。某些细胞协调模式与各种癌症患者的生存或预后有关。 

TIME的空间拓扑也与总体生存相关，肿瘤免疫结构的分区通常与更好的生存呈正相关。Colombo等人的研究表明，与分散亚型相比，更结构化的生发中心B细胞亚型与更好的总体生存率相关。在CRC中，CLR亚型的肿瘤比DII亚型患者的肿瘤具有更多的分区，分区的存在与患者预后具有统计学相关性。在乳腺癌肿瘤中也观察到这种现象，其中分区评分与总生存率高度相关。在另一个例子中，Andersson等人根据B细胞和T细胞的共定位程度定义了乳腺癌标本的TLS评分，并发现较高的TLS评分也与更好的总体生存率相关。

在肿瘤进展过程中发生区室化变化

空间组学技术的发展使得在癌症进展过程中评估细胞亚群的空间分布、细胞特征和肿瘤不同区域间的代谢成为可能。例如在HCC患者中，Sheng等人的研究发现去分化、增殖和免疫检查点标记物的水平和位置在肿瘤发生过程中发生了变化。在CRC组织中，Hartmann等人观察到免疫细胞向肿瘤免疫边界的代谢极化，CD98和ASCT2的表达增加。CD98和ASCT2是在人类癌症中具有预后价值的转运蛋白。

此外，通过对空间结构数据集的多维解构，可以识别肿瘤进展中的关键基因。Risom等人的研究获得了DCIS和浸润性乳腺癌（IBC）样本以及正常乳腺组织的MIBI数据，并提取了从DCIS到IBC过程中的前20个最重要特征，空间分析表明侵袭性进展取决于多种细胞类型的空间分布演变，而不是单个细胞亚群水平或分布的改变。

由于篇幅有限，更多技术/研究细节可参考文献原文：https://doi.org/10.1186/s12929-022-00879-y

参考文献Hsieh, WC., Budiarto, B.R., Wang, YF. et al. Spatial multi-omics analyses of the tumor immune microenvironment. J Biomed Sci 29, 96 (2022).