当前位置：首页 > news >正文

npj Digital Medicine｜单细胞 × 空间 × 去卷积：乳腺癌基质-免疫生态的图谱分析与ICB 悖论

news 2025/11/4 9:03:45

文献来源：npj Digital Medicine 2025年9月，“Machine learning analysis reveals tumor heterogeneity and stromal-immune niches in breast cancer”，DOI: 10.1038/s41746-025-01967-7。

首先解释一下我拟定的题目中ICB悖论：主要基于该文献，低分级乳腺癌里，出现协同富集的“基质-免疫三联体”（CXCR4⁺成纤维、IGKC⁺髓系、CLU⁺内皮），临床表型更“温和”；但这些标志（CXCR4、CLU）在 TIDE 计算里却倾向 ICB 不应答——也就是“临床分级较好 ≠ 免疫治疗更敏感”。

文章概览

多模态整合：单细胞转录组（scRNA-seq）→ 空间转录组（ST）→ TCGA 批量 RNA-seq 去卷积，互相印证同一生态学结论。
关键发现：低分级肿瘤出现“基质-免疫三联体”（CXCR4⁺ 成纤维、IGKC⁺ 髓系、CLU⁺ 内皮）；但其标志（CXCR4、CLU）在 TIDE 计算中 指向 ICB 不敏感，形成“良性分级 ≠ 免疫治疗更敏感”的悖论。
可解释的 ML 分析流程：Harmony/聚类/UMAP、Monocle 拟时、SCENIC/GRNBoost 调控网络、NicheNet/CellChat 通信网络、inferCNV+CARD 空间去卷积、RNA去卷积、TIDE ICB 预测——技术各司其职、相互支撑。

背景：为什么要看“肿瘤—基质—免疫”的组合拳？

乳腺癌负担沉重：2020 年约 230 万新发、68.5 万死亡。尽管依据 ER/PR/HER2/Ki-67 的分子分型指导治疗，但复发、转移与耐药仍然突出。越来越多证据表明，肿瘤微环境（TME）——由基质、免疫、血管等细胞构成——通过细胞因子/趋化因子重塑生态，深刻影响肿瘤行为与疗效。这篇研究据此将多组学 + 机器学习用于描绘“分级-生态-疗效”的整体图景。

方法框架：多模态 + 机器学习的一条龙

单细胞层面：汇聚 59 例样本，Harmony 去批次，UMAP/聚类识别 15 个主要细胞簇与亚群；Monocle 拟时刻画上皮发育状态；SCENIC/GRNBoost 推断 TF-靶基因网络。
空间层面：9 例 ST，inferCNV 判别肿瘤/非肿瘤区，CARD 去卷积得到细胞组成面板，并以 CellTrek 把单细胞标签投射到空间坐标。
群体层面：对 TCGA-BRCA 做 BisqueRNA 去卷积和无监督分群，生存分析评估预后；以 TIDE 评估 ICB 反应倾向（见“Figure 6–8 ”中对应数据）。

主要发现与亮点（按图解读）

图 1｜单细胞总体图谱与分级基线

识别 15 个转录异质簇，UMAP 清晰分离上皮、成纤维、内皮、髓系、淋巴等细胞；以 canonical markers 验证注释可信。
同时给出肿瘤分级在各细胞类型中的分布、不同患者对各簇的贡献、细胞丰度与转录本数，奠定后续“分级↔细胞生态”分析的基线。

要点：这一步是全局地图——证明“样本/队列足够异质”，为后面做二级细分与空间锚定提供坐标。

图 2｜基质与髓系的功能异质性与分级偏好

二级聚类得到 8 个内皮、10 个成纤维、10 个髓系亚群；功能富集展现它们的分工协作（如 VSMC、CAF 等）。
CAF 等成纤维亚群在低分级中富集，提示它们参与早期肿瘤生态塑形。

要点：为“低分级的基质特征更突出”提供实证，埋下“三联体”的伏笔。

图 3｜空间生态：肿瘤区/非肿瘤区的细胞隔室化与分级差异

9 例 ST：通过 inferCNV + CARD 构建每个切片的 “H&E-CNV-细胞组成-聚类”全套面板，清晰区分肿瘤/非肿瘤区块。
空间映射显示：高分级肿瘤肿瘤细胞密度更高；中/低分级样本免疫细胞含量更高，体现组织层面的生态差异。

要点：把“分级-细胞谱系差异”落到空间坐标上，说明这些差异并非仅在转录层面。

图 4 + 图 5｜肿瘤上皮的发育状态与脂代谢生态位

图 4：识别 7 个上皮亚群；SCGB2A2⁺ 细胞在低/中分级富集、偏分泌/腔面分化特征；拟时表明其处于较早分化阶段。

图 5：SCGB2A2⁺ 细胞在低分级显著富集，脂肪酸代谢签名升高；HOXB2 与脂代谢在 ST 中呈局部富集，提示特定代谢生态位。

要点：上皮“早分化 + 脂代谢加强”的组合，更像“低分级—早期生态”的代谢指纹。

图 6｜T/B 淋巴谱系：低分级的“更锋利”CD8⁺T 与预后关联

聚类得到 19 个免疫亚群；低分级样本富集 C5（IL7R⁺ CD8⁺ T），其细胞毒性更强、耗竭更低；TCGA 中 C5 低浸润 → 预后更差。

要点：低分级并非“免疫弱”，而是免疫质量（功能状态）更优；这与后面的“ICB 反应悖论”形成对照。

图 7｜髓系程序与极化：高分级的免疫抑制底色

髓系重新聚类出 12 个亚群，富集分析显示免疫调节/炎症路径的多样性；拟时与极化揭示分叉走向：部分亚群在高分级中偏向 M2 极化。

要点：高分级的髓系-抑制背景呼应“通信网络被放大”的结论（见下）。

图 8｜基质重聚类 + 空间锚定：“基质-免疫三联体”坐实

基质细胞重聚类得到 14 个亚群（CAF、iCAF、myoCAF、多类内皮），分级相关的分布与独特基因特征明确。
空间整合显示隔室化分布；F3（CXCR4⁺ 成纤维）- M1（IGKC⁺ 髓系）- E4（CLU⁺ 内皮）在低分级中协同富集，构成作者提出的**“基质-免疫三联体”**。
但在 ICB 预测（TIDE）中，CXCR4、CLU 高表达 ↔ 预测不应答，由此出现“良性分级 ≠ ICB 敏感”的悖论（与前述 C5/IL7R⁺CD8⁺T 更优的现象一起，提示生态构成而非单一免疫量主导 ICB 反应差异）。

要点：提出“看协同生态单元，而非只看单一细胞比例”的新视角；三联体既是低分级标志，又可能与ICB 不敏感相关，值得在临床分层/联合治疗中关注。

作者提及的局限性与展望

计算为主、实验欠缺：关键通路与生态单元（如 HOXB2-脂代谢、LGALS9–CD44）仍需体内外功能学与真实 ICB 队列验证。（似乎成为了这种组学类文章一个标准的局限性）
空间样本量有限：仅 9 例 ST，跨队列异质性可能影响可推广性。
去卷积与预测的先验依赖：ST 点位混合信号 + 参考依赖的 CARD/BisqueRNA + 基于表达的 TIDE 预测，均可能引入偏差，需要多中心队列与实验干预来“定因果”。