肺癌是全球死亡率排名第一的癌癥，其發(fā)病率及死亡率仍在逐年上升，已成為對人類健康威脅最大的癌癥之一[1]。

非小細胞肺癌占所有肺癌的70%-80%，是最常見的肺癌亞型，其最重要的特征為具有很高的異質(zhì)性[2,3]。

腫瘤異質(zhì)性與其發(fā)生、轉(zhuǎn)移、進展及治療反應密切相關(guān)，腫瘤免疫微環(huán)境是非小細胞肺癌異質(zhì)性的主要來源[4,5]。因此，深入解析非小細胞肺癌免疫微環(huán)境的空間景觀，對于探明其發(fā)病機制、篩選疾病標志物及開發(fā)新型治療策略至關(guān)重要。

單細胞測序技術(shù)的發(fā)展為揭示腫瘤分子異質(zhì)性開辟了新的道路，對于解析腫瘤免疫微環(huán)境中的復雜分子特征極其有利[6]，那可否通過高分辨率單細胞測序揭示非小細胞肺癌的免疫微環(huán)境特征，預測疾病進展并輔助臨床決策呢？

近日，由麥吉爾大學Logan A. Walsh教授領(lǐng)銜的研究團隊，在《自然》雜志發(fā)表了一項重要研究成果。這項研究利用高度多重成像質(zhì)譜細胞術(shù)（IMC），表征了416例非小細胞肺癌樣本的免疫微環(huán)境特征，深入解析了160萬個細胞，分析了細胞免疫譜系和激活狀態(tài)與患者臨床結(jié)局的相關(guān)性。

更重要的是，他們還基于上述數(shù)據(jù)構(gòu)建了可以指導非小細胞肺癌患者術(shù)后管理的神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)了僅以1m㎡腫瘤組織的測序結(jié)果預測患者疾病進展的目的[7]。

總之，這項研究解析了非小細胞肺癌復雜的免疫微環(huán)境特征，并基于此構(gòu)建模型來預測疾病進展，輔助臨床決策。

文章封面截圖

為解析非小細胞肺癌免疫微環(huán)境的特征，Walsh團隊使用IMC技術(shù)對416例腫瘤樣本進行了檢測（圖1），共計檢測到1644178個細胞，并對腫瘤細胞、內(nèi)皮細胞、免疫細胞進行標記分類。

圖1. 使用IMC技術(shù)解析非小細胞肺癌免疫微環(huán)境特征

分析結(jié)果表明，高級別實體瘤中的免疫浸潤率較高（44.6%），且?guī)追N組織亞型（高級別實體瘤、微乳頭組織、腺泡組織、乳頭組織和附壁結(jié)構(gòu)）中總淋巴細胞的數(shù)目沒有顯著差異，而髓系細胞變化較大。

在髓系細胞中，巨噬細胞是免疫微環(huán)境中最常見的細胞群，且實體瘤中CD163陽性（M2型巨噬細胞標志）的巨噬細胞富集程度最高。此外，CD163陽性的巨噬細胞與Treg及CD8陽性T細胞都有較強的相關(guān)性，表明巨噬細胞和T細胞群在非小細胞肺癌免疫微環(huán)境中存在潛在相互作用。

隨后，他們分析了這些免疫細胞與臨床病理變量之間的相關(guān)性，并發(fā)現(xiàn)CD163巨噬細胞頻率與實體瘤臨床預后負相關(guān)，而B細胞頻率與患者生存預后正相關(guān)。

此外，他們還發(fā)現(xiàn)與低級別組織亞型相比，高級別腫瘤中中性粒細胞和內(nèi)皮細胞與癌細胞相互作用顯著增強（圖2），且這種特征與腫瘤的轉(zhuǎn)移行為密切相關(guān)；且高級別腫瘤中內(nèi)皮細胞與CD163陽性巨噬細胞等免疫細胞的相互作用更為明顯，表明腫瘤免疫微環(huán)境中，免疫細胞與腫瘤細胞存在明顯的相互作用。

圖2.五種組織學亞型中腫瘤免疫微環(huán)境中細胞間的相互作用

為進一步揭示免疫微環(huán)境特征的臨床意義，Walsh團隊分析了微環(huán)境中細胞表型與生存結(jié)局的相關(guān)性，發(fā)現(xiàn)增殖性內(nèi)皮細胞群（Ki67陽性）的高頻率預示著更差的生存結(jié)局（圖3a）。

由于內(nèi)皮增殖是腫瘤微環(huán)境缺氧反應的基礎(chǔ)，缺氧又是腫瘤侵襲性強的主要特征，且內(nèi)皮細胞又與中性粒細胞具有明顯的相互作用，因此缺氧標志物HIF-1α陽性的中性粒細胞比例與患者生存預后負相關(guān)（圖3b）。

此外，淋巴細胞群表型分析顯示，CD4陽性T細胞亞群內(nèi)的活性ERK信號傳導預示著更好的生存預后（圖3c）。

圖3. 微環(huán)境中細胞亞型與患者生存預后的相關(guān)性

由于不同的細胞會相對集中的分布于腫瘤組織的不同區(qū)域，他們根據(jù)空間定義的細胞鄰域（CN），將腫瘤組織劃分為編號為CN1-CN10的10個區(qū)域，并發(fā)現(xiàn)CN3、CN4及CN9的高比例與患者生存期延長顯著相關(guān)（圖4）。

圖4. 不同腫瘤區(qū)域比例與患者生存預后的相關(guān)性

從上述結(jié)果來看，腫瘤免疫微環(huán)境中的很多特征可有效預測患者生存預后。因此，他們基于免疫微環(huán)境的空間特征構(gòu)建了神經(jīng)網(wǎng)絡(luò)模型（圖5），以期預測非小細胞肺癌患者生存預后。

圖5. 基于免疫微環(huán)境特征構(gòu)建神經(jīng)網(wǎng)絡(luò)模型

隨后，Walsh團隊擬利用該模型解決一個臨床難題：利用1m㎡（小于肺癌活檢穿刺面積）腫瘤組織的測序結(jié)果，預測IA-IB期肺癌患者術(shù)后進展。

最后發(fā)現(xiàn)，以CD14、CD16、CD94、αSMA和CD117這五種標志物的組合進行預測時，其準確率可達90.8%，在此基礎(chǔ)上加入CD20后，準確率進一步提高至93.3%（圖6）。

以上結(jié)果表明，這種基于腫瘤免疫微環(huán)境的深度學習模型可有效預測IA-IB非小細胞肺癌的疾病進展，輔助其臨床決策。

圖6. 神經(jīng)網(wǎng)絡(luò)模型的預測準確率

總之，這項研究通過一種新穎的空間組學技術(shù)對非小細胞肺癌的免疫微環(huán)境做了深度解析，確定了與患者生存相關(guān)的分子特征及空間特征，并以此為基礎(chǔ)構(gòu)建了可預測非小細胞肺癌術(shù)后疾病進展的模型，對非小細胞肺癌的臨床決策有重要指導意義。

參考文獻

[1] Siegel RL, Miller KD, Wagle NS, et al. Cancer statistics, 2023. CA Cancer J Clin. 2023 Jan;73(1):17-48.

[2] Ettinger DS, Wood DE, Aisner DL, et al. Non-Small Cell Lung Cancer, Version 3.2022, NCCN Clinical Practice Guidelines in Oncology. J Natl Compr Canc Netw. 2022 May;20(5):497-530.

[3] Marjanovic ND, Hofree M, Chan JE, et al. Emergence of a High-Plasticity Cell State during Lung Cancer Evolution. Cancer Cell. 2020 Aug 10;38(2):229-246.e13.

[4] Leader AM, Grout JA, Maier BB, et al. Single-cell analysis of human non-small cell lung cancer lesions refines tumor classification and patient stratification. Cancer Cell. 2021 Dec 13;39(12):1594-1609.e12.

[5] Gridelli C, Rossi A, Carbone DP, et al. Non-small-cell lung cancer. Nat Rev Dis Primers. 2015 May 21;1:15009.

[6] Liu B, Hu X, Feng K, et al. Temporal single-cell tracing reveals clonal revival and expansion of precursor exhausted T cells during anti-PD-1 therapy in lung cancer. Nat Cancer. 2022 Jan;3(1):108-121.

[7] Sorin M, Rezanejad M, Karimi E, et al. Single-cell spatial landscapes of the lung tumour immune microenvironment. Nature. 2023 Feb 1.