16种癌症类型、超30万个细胞！新泛癌T细胞图谱揭示肿瘤浸润T细胞“罢工”新方式：Nat Med

肿瘤浸润性T细胞（TIL）是肿瘤免疫微环境（TIME）的重要组成部分，并显示出抗癌功效，例如嵌合抗原受体（CAR）T细胞疗法、TIL疗法和免疫检查点阻断（ICB）疗法，为癌症治疗提供了一个有前景的途径。TIL在表型和功能上极具多样性，其在免疫微环境中的表型特征和细胞组成成分决定了抗癌疗法的有效性和潜在的副作用。鉴于TIL具有显著的异质性，并且目前以T细胞为主的疗法或联合治疗已迅速扩展到不同癌症类型中，因此对TIL进行全面、深入的分析是必要的。

近日，美国MD安德森癌症中心的研究团队在Nature Medicine上发表了题为“Pan-cancer T cell atlas links a cellular stress response state to immunotherapy resistance”的文章。该研究构建了基于16种癌症类型308,048个肿瘤浸润T细胞转录组数据的T细胞单细胞图谱，揭示了以前未描述的T细胞状态、滤泡辅助T细胞、调节性和增殖性T细胞的异质亚群，并发现了一种独特的应激反应状态——T_STR，以热休克基因表达为特征。此外，研究团队还创建了注释良好的T细胞参考图谱、交互式门户网站和自动校准/注释工具，为T细胞治疗优化和生物标志物的发现提供了宝贵资源。

文章发表在Nature Medicine

研究团队分析了来自27个单细胞RNA测序数据集的T细胞，包括9个独特的MD安德森数据集，共涵盖16种癌症类型。研究团队绘制了新的泛癌T细胞图谱，这是迄今为止对TIME中存在的T细胞异质性表征最详细的图谱。新的泛癌T细胞图谱共识别出32种不同的T细胞亚群，揭示了T细胞表型状态以及每种状态的相对比例如何在决定免疫治疗有效性和潜在不良反应方面发挥关键作用。

“这种大型数据集和全面的泛癌症分析为我们提供了一个机会，可以观察到在研究单一癌症类型甚至少数癌症类型时无法发现的信息，”文章通讯作者Linghua Wang博士说道，“我们希望这些高分辨率图谱，包括彻底表征的T细胞状态，能够促进未来T细胞研究和生物标志物发现。”

图1. T细胞的泛癌分析：数据收集和主要T细胞类型

值得注意的是，该研究发现了一个先前未被描述的T细胞应激反应状态“T_STR”（T cell stress response state），揭示了肿瘤浸润T细胞的“罢工”新方式。在以往的单细胞研究中，这些T细胞经常被忽视或被认为是与组织分离过程相关的人工产物。但目前基于大量可用的数据，研究人员发现T_STR细胞是一个独特的群体，与其他CD4或CD8 T细胞亚群存在明显区别，并通过多种空间分析方法在多种不同癌症类型的TIME中原位检测到其存在（图2）。结果显示，T_STR细胞主要存在于淋巴细胞聚集物、肿瘤床或周围肿瘤边缘潜在的三级淋巴样结构中。

图2. 使用多种不同的空间分析方法原位检测T_STR细胞

T_STR细胞可以被认为是“压力过大”的T细胞，就像一个压力大的人工作效率较低一样，其在对抗癌症方面效果较差。在TIME中，T_STR细胞和耗竭性T细胞（exhausted T cells）都可能出现功能受损，但T_STR细胞似乎遵循了一条独特的、与耗竭性T细胞轨迹不同的分化途径（图3）。

图3. T细胞分群及细胞分化

T_STR细胞的特征是高热休克基因表达（图3c）。研究团队分析了来自23个队列的375例患者，其中171例患者接受了免疫检查点抑制剂治疗，对T细胞状态进行了研究。结果显示，所有患者的T细胞状态/组成与基因组、病理和临床特征相关。值得注意的是，在进行免疫检查点抑制剂治疗后，CD4和CD8 T细胞中T_STR细胞的比例显著提高、热休克基因表达显著上调，特别是在无应答患者中。上述结果表明，T_STR细胞可能在免疫治疗抗性中发挥作用。综上，这种新的T细胞状态加深了人们对癌症复杂生物学的理解，并为未来的治疗提供了潜在的靶点。

“T_STR细胞存在于许多不同类型的肿瘤中，这为我们开辟了一个充满可能性的全新世界。”Linghua Wang博士表示，“研究T细胞应激反应的机制原因、了解这些应激T细胞如何在TIME中被诱导以及学习如何停止或逆转这种T_STR状态，可以促进更有效的治疗策略的发展，为更多的癌症患者带来免疫治疗益处。

该研究还强调了大型综合数据集在肿瘤学中的价值，全面的泛癌T细胞图谱展示了大数据分析的力量，并揭示了肿瘤内T细胞的复杂性。“但目前还有很多问题有待探究，”Linghua Wang博士说道，“这项研究的局限性之一是大多数分析数据集没有相应的T细胞受体数据。我们不确定是什么触发了T_STR状态，也不知道其起源于哪个T细胞亚群。这些T_STR细胞是否对肿瘤细胞有特异性、其如何影响TIME中的其他细胞等目前仍不清楚。”

研究团队通过单细胞研究门户网站（一个用户友好的交互式门户网站）分享了这一T细胞图谱，该网站允许内部和外部用户在不具备生物信息学技能的情况下可视化和查询图谱。此外，研究团队还开发了一种名为TCellMap的工具，通过与该研究生成的高分辨率T细胞图谱进行比对，研究人员可在其数据集中自动注释T细胞。

综上所述，该研究提供了一个高分辨率的T细胞图谱，其中包含明确的细胞状态和基因特征。研究团队共表征了32种T细胞状态，并进一步确定了CD4调节亚群中的七个亚群、CD4滤泡辅助性T细胞群中的五个亚群以及增殖T细胞中的8个状态。这些发现强调了肿瘤微环境中T细胞状态的广泛异质性，以及进一步了解这些状态如何促进疾病进展和免疫治疗反应的必要性。该研究结果可帮助科研人员对T细胞进行深入分析，促进开发能够强化T细胞治疗的策略。

参考文献：

1.Chu, Y., Dai, E., Li, Y. et al. Pan-cancer T cell atlas links a cellular stress response state to immunotherapy resistance. Nat Med (2023). https://doi.org/10.1038/s41591-023-02371-y

2.https://medicalxpress.com/news/2023-05-pan-cancer-cell-atlas-reveals-tumor.html