Mapping 胶质瘤进展：单细胞 RNA 测序揭示细胞间互作与免疫反应差异

为探究胶质瘤细胞与巨噬细胞 / 单核细胞互作，研究人员用单细胞 RNA 测序分析，揭示微环境异质性并构建预后模型。

　　胶质瘤，作为中枢神经系统中最常见的原发性脑癌，就像隐藏在大脑深处的 “定时炸弹”，严重威胁着人类的健康。它有着极高的异质性，这使得每一位患者的病情都如同独一无二的 “谜题”，难以用统一的治疗方案去应对，进而导致整体预后情况不容乐观。目前，手术切除、放疗和化疗是治疗胶质瘤的主要手段，但由于胶质瘤的侵袭性强，且生长在大脑的关键部位，想要完全切除肿瘤往往困难重重；放疗利用高能射线来抑制肿瘤细胞生长，化疗则借助药物杀死肿瘤细胞，然而这些传统治疗方法的效果都存在一定的局限性。近年来，新兴的靶向治疗、免疫治疗和基因治疗虽然带来了新的希望，但对于胶质瘤复杂的发病机制和肿瘤微环境（TME），人们的了解还远远不够。

在肿瘤微环境这个 “大舞台” 上，巨噬细胞和单核细胞扮演着极为重要的角色。巨噬细胞具有 “双面性”，既能通过吞噬肿瘤细胞、分泌促炎细胞因子发挥抗肿瘤作用，又可能被肿瘤细胞 “策反”，转化为具有免疫抑制作用的 M2 表型，分泌抗炎细胞因子促进肿瘤生长，还能通过分泌基质金属蛋白酶（MMPs）等酶类助力肿瘤的侵袭和转移。单核细胞则可以迁移到肿瘤微环境中，分化为巨噬细胞或其他免疫细胞，通过分泌细胞因子和趋化因子，影响癌细胞的行为并招募其他免疫细胞。此外，免疫调节分子进一步增加了肿瘤微环境的复杂性，它们如同 “开关”，调节着免疫细胞的激活、增殖和功能，从而影响免疫反应的强度和持续时间。因此，深入探究恶性胶质瘤细胞与巨噬细胞 / 单核细胞之间的细胞间通讯，了解其背后的功能机制，对于攻克胶质瘤这一难题至关重要。

为了揭开胶质瘤的神秘面纱，来自万宁人民医院神经外科、海南医学院第一附属医院神经外科以及遵义医科大学口腔医学院的研究人员 Xia Li、Shenbo Chen、Ming Ding 等人开展了一项深入研究。他们的研究成果发表在《Discover Oncology》杂志上。

在研究方法上，研究人员整合了来自 TCGA 和 CGGA 数据库的 RNA 测序（RNA-seq）数据，并利用了四个公共的胶质瘤单细胞 RNA 测序（scRNA-seq）数据集。通过一系列生物信息学分析方法，包括使用 Seurat R 包进行单细胞 RNA 测序分析、利用多种 R 包进行功能富集分析、借助 RunSlingshot R 软件包进行发育轨迹分析、运用 CellChat & NicheNet R 包研究细胞间通讯、采用 SCENIC R 包构建基因调控网络（GRNs），还进行了无监督共识聚类、免疫细胞浸润和免疫治疗反应分析，最终构建并验证了基于风险评分的预后模型。

在研究结果方面：

• 深入的单细胞 RNA 测序分析：研究人员整合了四个独立数据集，对胶质瘤样本进行了全面的单细胞 RNA 测序分析。经过严格的标准化和质量控制流程，成功识别出 28 个不同的亚群，进一步注释得到 14 种主要细胞类型，包括恶性细胞、神经元、少突胶质细胞、星形胶质细胞等，并通过小提琴图验证了细胞类型注释的准确性。
• 恶性细胞和巨噬细胞 / 单核细胞的异质性及发育轨迹分析：详细研究发现恶性细胞并非均一，而是包含多个具有不同发育轨迹的亚群，其中 NB 样恶性细胞可能是其他亚群的起源。同时，鉴定出四种不同的巨噬细胞和单核细胞亚型，MacroMono_1 可能是其他亚型的祖细胞，并且确定了各亚群的特征基因。
• 细胞通讯及关键通路分析：研究揭示了胶质瘤微环境中巨噬细胞 / 单核细胞与恶性细胞之间存在复杂的细胞间信号通路网络。关键的配体 - 受体相互作用包括巨噬细胞迁移抑制因子（MIF）与 CD74 + CXCR4 或 CD74 + CD44 的结合，以及分泌型磷蛋白 1（SPP1）与 CD44 或 ITGAV + ITGB1 的结合。MIF 和 SPP1 信号通路在不同细胞亚群中表达水平存在差异，对肿瘤进展和治疗反应可能有重要影响。
• 肿瘤微环境中的配体 - 受体 - 靶网络和基因调控网络分析：利用 NicheNet 工具分析发现，巨噬细胞和单核细胞分泌的一些配体，如 TGFB1、TGAM 等，与肿瘤细胞行为密切相关。基因调控网络分析还发现了多个在不同细胞类型中具有不同活性和功能的调控模块。
• 肿瘤微环境的亚组分层及其预后和生物学特征分析：基于鉴定出的亚群特征，研究人员通过无监督共识聚类将胶质瘤分为两个亚群。生存分析表明，其中一个亚群（C2）患者的总生存期（OS）较差，且该亚群免疫细胞浸润数量更多，对免疫治疗的反应更明显。
• 肿瘤微环境的亚组分层及其不同的肿瘤微环境特征分析：通过多种算法评估两个亚群中免疫细胞亚群的浸润丰度，发现巨噬细胞等在 C2 亚群中浸润水平较高，而自然杀伤（NK）细胞在 C1 亚群中更显著。此外，两个亚群在抗癌免疫周期和免疫治疗相关通路的活性、免疫调节因子的表达以及多种癌症相关通路的活性方面都存在显著差异。
• 胶质瘤预后模型的准确性和稳健性分析：研究人员利用 LASSO 回归分析构建了胶质瘤预后模型，该模型包含 29 个相关基因。基于风险评分将患者分为高低风险组，生存分析显示低风险组生存结局更好。该模型在多个独立队列中进行验证，其 1 年、3 年和 5 年的受试者工作特征曲线（ROC）值均大于 0.9，展现出高准确性和稳健性。
• 风险评分与免疫检查点、免疫细胞浸润水平及相关通路的关联分析：高风险评分与抑制性免疫检查点以及免疫细胞浸润丰度呈负相关。在高风险胶质瘤患者中，金黄色葡萄球菌感染、系统性红斑狼疮和 ECM - 受体相互作用等通路上调，而尼古丁成瘾、谷氨酸能突触和 GABA 能突触等通路下调。

在研究结论与讨论部分，此次研究通过单细胞 RNA 测序深入分析了胶质瘤的复杂性，尤其是肿瘤微环境中恶性细胞与巨噬细胞 / 单核细胞的情况。研究结果再次证实了胶质瘤微环境中免疫细胞的多样性，为恶性细胞的起源和分化途径提供了新的见解。研究还发现了 MIF 和 SPP1 信号通路等潜在的治疗靶点，以及一些可能在胶质瘤发展中起关键作用的转录因子。通过聚类分析将胶质瘤分为不同亚群，有助于了解不同亚群对免疫治疗的反应差异。构建的预后模型为临床管理提供了有价值的工具，也为未来研究和药物开发指明了潜在的靶点。然而，该研究也存在一些局限性，如样本量相对有限、缺乏外部验证等。未来需要在更大规模的队列和更广泛的人群中进行验证，并进一步深入研究恶性细胞亚群与巨噬细胞 / 单核细胞亚型之间的相互作用。但总体而言，这项研究为胶质瘤的个性化治疗提供了新的策略，加深了人们对胶质瘤异质性的理解，为未来的研究和治疗方法的改进提供了重要的参考依据。