在《科学》杂志发表的一项研究中,来自德克萨斯大学MD Anderson癌症中心的研究团队,开发了一个跨多种癌症类型的特殊免疫结构——三级淋巴结构(tertiary lymphoid structures,TLSs)的空间图谱。这一首次建成的图谱揭示:TLSs在肿瘤内部的成熟状态、空间位置及组成,可为癌症预后和治疗反应提供具有临床意义的信息。
该研究由Linghua Wang医学博士/哲学博士领衔。她担任MD Anderson基因组医学教授、细胞语言智能中心执行主任兼负责人、James P. Allison 研究所准成员,以及肿瘤数据科学研究所的重点领域联合负责人。
在这项研究中,研究团队开发了可扩展的人工智能(AI)框架,用于从空间组学数据和常规病理切片中检测、分析并分类 TLSs。他们还创建了一个复合评分系统,能够在不同癌症类型和治疗背景下,更有效地区分患者的预后和治疗反应。
Linghua Wang 表示:“在本研究之前,大多数将 TLSs 作为生物标志物的关注点,仅仅停留在‘是否存在’TLSs,少数情况下会判断其是否‘成熟’。而现在我们发现,可以做得深入得多。肿瘤组织中的 TLSs 远比我们想象的复杂。它们的成熟状态、空间位置以及在肿瘤内的组成,能够告诉我们有关肿瘤免疫微环境、治疗反应和临床结局的关键信息。”
免疫系统对肿瘤的应答是一个高度协调的过程,发生在肿瘤微环境(tumor microenvironment)中。在某些肿瘤中,免疫细胞会聚集形成有序结构,即三级淋巴结构(TLSs)。这些结构如同局部的免疫“枢纽”,将 B 细胞、T 细胞、抗原呈递细胞及其他辅助细胞聚集在一起,协同组织抗肿瘤免疫反应。
既往研究表明,TLSs,尤其是那些更为成熟者,通常与多种癌症类型中更好的患者预后及更佳的免疫治疗反应相关。然而,仅凭 TLSs 的存在与否并不能揭示全部真相。
本研究将这一认知向前推进了数步。肿瘤可能包含具有不同组织程度、细胞组成及与肿瘤细胞空间关系的 TLSs,而研究人员证明,这些差异携带了重要的生物学和临床信息。
尽管学界普遍承认 TLSs 在癌症中具有重要意义,但对其细胞和分子异质性的理解一直有限,尤其是在天然空间背景下、大规模人类肿瘤样本队列中的情况。
本研究通过开发可扩展的计算框架,实现了从空间组学数据中精确检测、全面分析和分类 TLSs,填补了这一空白。利用该框架,团队构建了一个泛癌种 TLSs 空间图谱,涵盖 12 种癌症类型的 340 个样本。这一图谱使他们能够检视肿瘤组织中的 TLSs 景观,定义 TLSs 在关键特征上的差异,并识别与 TLS 成熟相关的转录程序。
研究发现:TLSs 在不同组织间差异显著;随着 TLSs 成熟,它们变得更加有序,并且免疫成分、基质成分和血管成分会发生协同变化;TLSs 与肿瘤细胞的接近程度,与肿瘤信号传导的空间梯度相关。
这些发现提示:TLS 的成熟状态和空间背景与不同的肿瘤信号环境相关联,并可能反映了肿瘤免疫微环境的重要特征。
为了使这些见解更具临床可及性,团队还开发了一个 AI 框架,能够从日常临床护理中常规使用的病理图像中快速识别和分类 TLSs。训练该 AI 模型使得 TLSs 分析过程更易转化到临床实践中,同时显著提高了速度和可扩展性。
借助该 AI 框架,研究人员更进一步,评估了来自 10 个独立队列的 3,000 多张全切片图像中的25,088 个 TLSs,并为单个患者的肿瘤开发了一个TLS“组成评分”。
这一组成评分不仅捕获了 TLSs 的数量,还包括它们在肿瘤内部的成熟状态。在根据预后和治疗反应对患者进行分层时,该方法显著优于传统的 TLS 测量指标。这表明,对 TLS 生物学进行更细致的观察(纳入成熟状态)可能比单纯判断 TLS 是否存在提供更有临床意义的信息。
研究结果还提出了重要的生物学和治疗学问题。一个值得注意的观察是:肿瘤组织中有许多 TLSs 保持未成熟状态,并且有些 TLSs 位于远离肿瘤区域的部位,而不是位于肿瘤细胞内或邻近肿瘤细胞。这提示:(1)未来研究应探索如何促进 TLSs 向更成熟、更功能化的状态转化;(2)如何增强 TLSs 与肿瘤细胞及更广泛的肿瘤微环境之间的空间相互作用。
这些努力可能有助于识别治疗策略,以促进有效的 TLS 形成和成熟,并增强 TLS 相关的抗肿瘤免疫反应。(生物谷Bioon.com)
参考文献:
Kyung Serk Cho et al, Pan-cancer spatial atlas of tertiary lymphoid structures, Science (2026). DOI: 10.1126/science.adz2742.