肿瘤微环境(TME)细胞相互作用，在肿瘤进展和治疗反应中起着关键作用。全面表征TME中的细胞和细胞间串扰对于了解肿瘤生物学和开发有效疗法至关重要。然而，目前的细胞浸润分析方法仅部分描述了TME的细胞景观，而忽略了细胞间串扰。

2024年11月5日，哈尔滨医科大学韩俊伟通讯在Advanced Science 在线发表题为“CITMIC: Comprehensive Estimation of Cell Infiltration in Tumor Microenvironment based on Individualized Intercellular Crosstalk”的研究论文。该研究中CITMIC方法可以通过同时测量86种不同的细胞类型、基于细胞间功能相似性构建个性化的细胞间串扰网络以及仅使用基因转录数据来推断TME的细胞浸润。

这是一种估计相对细胞浸润水平的新方法，已被证明优于当前方法。通过分析黑色素瘤数据生成的基于TME细胞的特征可有效预测预后和治疗反应。有趣的是，这些特征被发现在评估高分期患者的预后方面特别有效，并且该方法应用于多种高分期腺癌，其中也观察到更显著的预后表现。总之，CITMIC通过考虑细胞间串扰对TME细胞组成提供了更全面的描述，为发现预测生物标志物和开发新的治疗策略提供了重要参考。

肿瘤的发生发展并不是孤立事件，而是在一个由多种成分和细胞类型组成的复杂微环境中发展形成的。这个复杂的肿瘤微环境由周围的血管、信号因子、细胞外基质（ECM）以及多种细胞类型组成，这些细胞类型根据其功能状态和发育来源，除了肿瘤细胞外，还包括免疫细胞、基质细胞和干细胞。近年来，TME对肿瘤的影响越来越受到关注，尤其是免疫细胞的影响。例如，肿瘤微环境中的细胞毒性T淋巴细胞（CTL）可以抑制肿瘤发展，树突状细胞（DC）在协调抗肿瘤免疫中发挥作用，B细胞和自然杀伤（NK）细胞已被发现参与肿瘤的发展。此外，基质细胞在癌症微环境中的作用也不容忽视。例如，癌相关成纤维细胞（CAF）是基质中最丰富的细胞类型之一，在癌症进展中发挥多种作用，包括促进癌细胞生长和增殖，以及调节癌症侵袭和免疫反应。肿瘤微环境中的血小板在肿瘤进展中起着关键作用，针对性全身抗血小板治疗是提高化疗和免疫治疗疗效的有效选择。总之，肿瘤的生长、浸润和转移是通过复杂而动态的TME中非恶性细胞和恶性细胞的相互作用来促进或抑制的。因此，描绘TME中的细胞景观对于指导个性化治疗、评估预后和制定新的治疗策略至关重要。

目前，大多数描述TME的研究依赖于传统的分析技术，例如流式细胞术和免疫组织化学（IHC），这些技术通常依赖于有限数量的预选择标记基因，这限制了可以同时研究的细胞类型的范围。近年来单细胞测序数据的兴起使得从单细胞悬浮液中对数千个细胞进行转录组分析成为可能。然而，分析大样本仍然不合适，而且在检查某些细胞时准确性较低，例如稀有细胞或无法承受解离方案的细胞类型（例如中性粒细胞），这些细胞通常代表性不足。传统方法是针对液体组织设计的，因此很难分析实体肿瘤。为了克服这些困难，近年来出现了许多计算机组织解剖工具，可分为两大类：最常见的反卷积方法CIBERSORT，它估计TME的细胞成分；以及单样本基因集富集分析(ssGSEA)，它使用细胞标记基因集来推断细胞丰度。然而，随着单细胞测序技术的快速发展，TME中许多新的细胞亚型已被更详细地识别和区分。

现有工具存在显著缺陷，主要问题如下：首先，当前工具存在局限性，因为它们往往侧重于狭窄范围的细胞，主要是免疫细胞和单核细胞，而忽略了TME中也存在的基质细胞和干细胞。xCell能够分析64种不同的细胞和分子成分。然而，随着当今细胞类型的精细化，需要更全面的工具来分析TME的成分。其次，现有算法（无论是反卷积算法还是基于细胞标记基因集的算法）都难以区分密切相关的细胞。特别是，在使用细胞标记基因集推断细胞丰度时，每个基因特征都是独立考虑的，因此很难区分密切相关的细胞类型。此外，基于基因特征的算法仅提供富集分数，无法进行跨细胞类型的比较或提供对混合物中细胞类型丰度的洞察。第三，反卷积算法严重依赖于阵列的结构，这限制了其对用于开发阵列的特定资源的适用性。例如，CIBERSORT列举了22种免疫细胞类型，并在各种Affymetrix微阵列研究中显示出良好的估计结果，但由于其依赖于标记基因，而标记基因可能在不同样本中存在差异表达，因此在应用于下一代测序技术时存在很大局限性。CIBERSORT推出了CIBERSORTX，在一定程度上解决了这个问题。然而，它需要伴随单细胞测序数据来测量标记基因，这增加了绘制免疫微环境的成本。

图1 CITMIC 方法示意图（图源自Advanced Science ）

此外，多细胞生命依赖于细胞活动的协调，而细胞活动的协调依赖于生物体不同细胞类型和组织中的细胞间串扰。在肿瘤微环境中，细胞之间的功能大多相似，往往是一种许多细胞参与的生理活动。例如，在肺腺癌中，存在相当多的细胞间通讯，特别是成纤维细胞、上皮细胞、髓样细胞和内皮细胞之间的通讯。这些细胞通过细胞间通讯共同影响癌症的发生和进展。因此，细胞间串扰在多细胞生命中非常常见。本研究从细胞间串扰的水平出发，基于细胞间功能的相似性构建细胞间连接。通过这样做，它推断出肿瘤微环境中存在的细胞成分。这一创新理念可以帮助作者更好地理解肿瘤微环境中的细胞异质性，并改进现有的治疗方法。

在这里，作者开发了基于个体化细胞间串扰(CITMIC)的肿瘤微环境中的细胞浸润，它利用一种新颖的计算方法来全面表征TME。具体而言，CITMIC构建了针对每个样本的转录组背景量身定制的个体化细胞间串扰网络。对于每个个体化细胞网络，它通过基于共享生物功能的数量对连接进行建模来捕获细胞之间的功能相似性。然后通过网络传播计算此串扰网络内的细胞中心分数来表示TME。作者的方法允许同时测量86种不同的细胞类型，提供前所未有的细胞覆盖范围，不仅包括免疫细胞，还包括现有方法经常忽略的基质和干细胞群。至关重要的是，通过计算串扰网络内的细胞中心性分数来表示TME使得在评估细胞浸润程度时能够整合单个细胞类型及其功能相互作用，从而提供比单独考虑细胞的方法更全面的视图。

为了验证作者的方法，作者评估了来自不同来源的原代细胞类型样本的RNA测序和微阵列数据，以了解作者的方法对组织分析的影响，并将其与细胞免疫表型分析方法进行了比较。作者将作者的推断与现有方法进行了比较，并证明CITMIC得出的分数在混合组织数据分析中更可靠。随后，将CITMIC应用于TCGA-皮肤黑色素瘤(SKCM)数据集，以识别预后相关的细胞特征，然后利用这些特征创建细胞浸润风险模型来衡量患者预后。结果表明预后效果良好，当作者的评分应用于III期和IV期患者时，这种效果更加明显。据推测，随着癌症的进展，TME变得越来越复杂，而作者从细胞相互作用水平开始的方法在高期癌症中会更有效。通过将其应用于以快速转移而闻名的腺癌来测试这一假设。结果表明，作者的预后模型对高分期腺癌具有预后效果。此外，作者还开发了一个R包，可在CRAN（https://CRAN.R-project.org/package=CITMIC）上获取。

参考消息：

https://onlinelibrary.wiley.com/doi/10.1002/advs.202408007