空間多組學助力預測非小細胞肺癌的免疫治療反應
題目：Spatial signatures for predicting immunotherapy outcomes using multi-omics in non-small cell lung cancer
期刊：Nature Genetics
IF：29
DOI：10.1038/s41588-025-02351-7
01 研究背景
非小細胞肺癌（NSCLC）是肺癌的主要類型，晚期患者通常預后較差。免疫治療已成為晚期NSCLC的標準一線治療方案，通過抑制PD-1/PD-L1通路激活患者免疫系統攻擊腫瘤細胞。然而，在臨床實踐中，只有約20-40%的患者能從中獲得長期益處。即使腫瘤細胞表面PD-L1蛋白表達水平較高，也有相當數量的患者會出現初始耐藥，表明僅用單一分子標志物來預測治療效果是不足夠的。
為了應對這一問題，研究團隊利用空間蛋白組平臺（PCF-CODEX）結合空間轉錄組平臺（GeoMx DSP），對234名接受PD-1/PD-L1免疫治療的晚期NSCLC患者進行了分析。通過空間多組學方法探討免疫治療的效果，以及腫瘤免疫微環境（TIME）中細胞和基因的空間分布關系。該研究建立了從空間細胞類型到基因特征的預測模型，并在獨立隊列中證實其可以有效預測患者的無進展生存期（PFS）。
02 實驗設計與技術手段
本研究納入了234例晚期NSCLC患者的樣本，患者均接受了PD-1/PD-L1免疫治療。
67例患者樣本采用PCF-CODEX空間蛋白組平臺進行多重抗體染色，解析多種主要細胞類型的空間分布和相互作用，以及腫瘤微環境的空間組織模式；
131例患者樣本采用GeoMx DSP Whole Transcriptome Atlas空間轉錄組學平臺進行空間轉錄組測序，利用熒光標記定義細胞，每個患者選取1-4個AOI，從而實現對腫瘤區與基質區的的特異性捕獲和空間全轉錄組分析。
再利用空間多組學數據構建預測模型，實現對NSCLC患者無進展生存期（PFS）的精準分層與預后評估。
03 主要發現
1、免疫反應的雙重細胞特征
利用空間蛋白組數據，研究團隊對患者腫瘤組織中的多種細胞類型進行分析，識別出兩類與免疫治療結局密切相關的空間細胞組合。一種是“抗藥性生態位”，主要由增殖型腫瘤細胞、粒細胞及血管內皮細胞構成，集中分布于腫瘤區域，該組合的高比例與患者較短的無進展生存期（PFS）顯著相關，提示腫瘤的高增殖狀態和炎性血管化微環境共同促進免疫逃逸。另一種是“應答性生態位”，主要由M1/M2型巨噬細胞與CD4⁺ T細胞構成，富集于基質區，其增加與更長的PFS顯著相關，表明免疫支持性基質有助于激發有效的抗腫瘤反應。
腫瘤區與基質區細胞類型組成及與PFS的相關性2、免疫微環境中的細胞分布規律
進一步分析患者在不同免疫狀態下的細胞互作規律。結果顯示，在進展患者中，“抗藥性生態位”更常見，其中B細胞和樹突狀細胞（DC）的富集交互與疾病進展顯著相關，提示促腫瘤微環境；而在非進展患者中“應答性生態位”占主導地位，M2巨噬細胞與CD4⁺/CD8⁺ T細胞的交互顯著增強，支持其免疫調控的作用。該發現進一步證實，免疫治療反應不僅取決于細胞類型比例，還與腫瘤微環境中特定細胞生態位的形成及其交互強度密切相關。
細胞定位與交互：抵抗 vs 響應生態位3、PD-L1的空間分布對治療反應的預測意義
研究者利用空間蛋白組平臺評估了PD-L1在不同細胞類型上的表達價值。結果顯示，巨噬細胞上的PD-L1表達水平與患者獲得長期臨床獲益的相關性更強，而腫瘤細胞上的PD-L1則未顯示穩定的預測作用。說明免疫細胞表達的PD-L1可能參與抗原呈遞與免疫調節，其存在與免疫治療反應的改善密切相關。
巨噬細胞PD-L1表達與PFS正相關4、空間轉錄組揭示細胞到基因的功能對應
在GeoMx DSP平臺上，研究者對患者的腫瘤區與基質區進行了分區測序，結合解卷積算法建立cell-to-gene映射模型。分析發現，抗藥性細胞群對應的基因集合（如KRT7、KRT18、FZD6、CD24）顯著富集于上皮——間質轉化和細胞遷移相關通路，提示其與腫瘤侵襲性增強有關；而應答性細胞群對應的基因集合（如SIGLEC1、CXCL9、CCL8、MRC1）富集于免疫活化與趨化信號通路，代表更強的免疫反應能力。這兩類cell-to-gene模型在獨立隊列中均獲得驗證，證實了該模型的穩健性與預測潛力。
cell-to-gene模型的構建及跨隊列驗證04 總結
本研究利用 PCF-CODEX 空間蛋白組平臺 與 GeoMx DSP 空間轉錄組平臺，構建了非小細胞肺癌（NSCLC）對免疫治療反應的系統性空間模型，揭示了腫瘤免疫微環境在療效差異中的關鍵作用。空間多組學平臺協同作用，不僅在空間維度上構建了cell-to-gene關聯網絡，揭示免疫反應的分子驅動機制，還為精準預測患者反應、優化免疫治療決策提供了新的思路與技術路徑。
