Science | 肿瘤浸润性T细胞的泛癌单细胞图谱

亮点：

本文描述了TME中T细胞异质性和动力学的泛癌景观，并为未来与癌症治疗相关的时间或空间研究建立了基线参考。通过对不同癌症类型的系统比较，揭示了不同TMEs中T细胞状态的共性和差异。对肿瘤浸润T细胞的详细特征、动态和调控将促进免疫疗法的发展，提出了可以帮助针对T细胞的治疗和诊断策略的免疫分型。

T细胞识别和消除肿瘤细胞的能力构成了免疫检查点阻断疗法活动的机制基础，这些疗法已经彻底改变了癌症治疗。有证据表明，个体T细胞对肿瘤控制的贡献差异很大，并且似乎与其细胞状态有关。具体而言，对人类肿瘤中T细胞浸润的分析表明，这些部位只有一小部分T细胞具有肿瘤反应性。在某些肿瘤类型中，功能障碍或衰竭标志的表达，包括抑制性受体的表达。此外，在肿瘤反应性T细胞区室中，T细胞传递抗肿瘤作用的能力不同。

2021年12月17日，在Science上发表了一篇名为“Pan-cancer single-cell landscape of tumor-infiltrating T cells”的文章，讲述了一个“T细胞图谱”，其中包含21种癌症类型的T细胞转录谱，解决了诸如复发性T细胞状态、细胞分化轨迹和预后价值等方面的问题。尽管有很多方法可以对这些数据进行切片，但特别感兴趣的方面是对可能在肿瘤控制中发挥积极作用的T细胞亚群的泛癌鉴定以及观察到具有不同状态的T细胞的相对丰度具有超越肿瘤类型的预后价值，这向基于免疫类型的患者分层迈出了一步。

为了构建高分辨率的泛癌T细胞图谱，研究团队对来自各种癌症类型的患者的肿瘤、癌旁组织和血液样本进行了单细胞RNA测序，并编译了21种癌症类型的T细胞单细胞转录组图谱。从优势比分析来看，幼稚T细胞和Temra细胞（CD4 和CD8 ）在血液中表现出强烈的分布偏好，而TNFRSF9 Treg细胞、TFH/TH1细胞、CD8 ISG T细胞和四种CD8 Tex细胞组似乎富含肿瘤。基于STARTRAC分析，这种富含肿瘤的元簇表现出扩张和持续增殖，表明它们响应肿瘤抗原的克隆扩张。在个体肿瘤水平上也确定了与具有高TCR信号或增殖的特定扩增TIL共享克隆型的细胞组。CD4 和CD8 区室的Temra细胞在所有组织中均表现出扩增。这些观察结果表明，这些T细胞在肿瘤外被激活和扩增，并在血液中循环。总之，出现了潜在的肿瘤反应性T细胞代表了局部抗肿瘤免疫反应——而扩增的CD8 Temra细胞也可能含有肿瘤特异性TCR，与全身免疫反应的概念一致。图1|单细胞分辨率的泛癌T细胞图谱。

研究团队解决的一个核心问题是具有假定的肿瘤反应性的T细胞库的特性如何在不同癌症类型之间进行比较。从T细胞受体测序推断，在肿瘤处富集并显示克隆扩增的CD8 T细胞主要在具有耗竭（Tex）表型的细胞库中观察到。相同的T细胞状态显示出与细胞分裂和TCR信号相关的基因表达特征增强，这可能表明即使在没有治疗的情况下，许多人类癌症中的肿瘤反应性T细胞也会对肿瘤细胞做出积极反应。在CD4 T细胞室中使用后一个标准确定了一个调节性T细胞（Treg细胞）群体，该群体表达肿瘤坏死因子（TNF）受体超家族成员9（TNFRSF9），其编码激活标记4-1BB，因为潜在的肿瘤反应性最高。这表明细胞毒性和抑制性肿瘤反应性T细胞群都可能根据它们的转录特征在癌症类型中被识别出来，这对诊断和治疗应用都有希望。

持续的抗原暴露是T细胞功能障碍的主要驱动因素，但不同抗原的存在为该过程中的潜在多样化提供了充足的机会。在泛癌数据集的基础上，Zheng等人提出一个模型，其中两种不同的分化路径导致终末功能障碍状态。对癌症中不同T细胞状态的相对丰度的分析使得根据它们的免疫组成区分八种“免疫类型”的癌症成为可能，其特征在于Tex细胞丰度更高或更低，TNFRSF9 Treg细胞，以及各种功能障碍程度较低的记忆性T细胞状态。其中两种免疫类型共享相当大的是Tex细胞群，但TNFRSF9 Treg细胞的丰度不同，这可能会影响不同免疫治疗策略的活性。此外，与显示较少T细胞功能障碍的“Tex-low”免疫类型相比，患有这些“Tex-high”免疫类型癌症中的任何一种的患者的存活率降低。同样，与Tex-high肿瘤相比，Tex-low黑色素瘤对免疫检查点阻断的反应有所改善。图2|CD8 耗竭T细胞的异质性和动力学。

在CD4 区室中，主要的潜在肿瘤反应性元簇是IFNG TFH/TH1和TNFRSF9 Treg细胞。全局扩散图和RNA速度分析显示CD4 T细胞可以从初始T细胞分别发育为Temra细胞、TFH/TH1细胞或TNFRSF9 Treg细胞。为了获得更精细的发展轨迹分辨率，对每个方向进行了轨迹推断。两个与TFH细胞相关的元簇显示出从经典IL21 TFH细胞到IFNG TFH/TH1细胞的逐渐转变过程。在这个转变过程中，I型反应相关的细胞因子和细胞毒性效应分子显著增加。这些观察结果表明在获取和维持TFH/TH1细胞表型方面存在其他关键参与者。对于Treg细胞，出现了从TNFRSF9^-Treg细胞到TNFRSF9 Treg细胞的轨迹，表明从静息状态（TNFRSF9^-）逐渐过渡到激活状态（TNFRSF9 ）。ISG Treg细胞位于轨迹的中心，表明一部分Treg细胞在激活期间对TME中的I型干扰素有反应，这种Treg细胞发育轨迹在癌症类型中很常见。在泛癌水平上没有观察到从非Treg细胞常规TH细胞明显诱导Treg细胞，但TNFRSF9 Treg细胞在一些癌症类型中与非Treg细胞表现出一定的状态转换电位。因此，各种传统的CD4 T细胞群与Treg细胞存在转化关系，但这种转化模式是多种多样的，并且因癌症类型而异。HIVEP1被推断为靶基因，其中大部分也是TNFRSF9 Treg细胞的特征基因。HIVEP1在Treg细胞轨迹的后期加速其表达，这与其他已知Treg细胞TF的模式不同。图3|潜在肿瘤反应性CD4 T细胞的特性。

研究团队分析了与肿瘤中不同T细胞组成相关的外在因素。没有发现每个元簇的频率与年龄、性别或临床分期之间存在紧密关联，但检测到IL21 TFH细胞的频率与体重指数方差比例。同时观察到不同癌症类型的不同T细胞分布模式，表明癌症类型对T细胞群的频率产生广泛影响。尽管TNFRSF9 Treg细胞的中位频率在所有癌症类型中都很高，但癌症类型之间的变异性仍然很高，食管癌和头和颈癌的发生率大约是乳腺癌和胃癌的两倍。肿瘤突变负荷与ICB的疗效有关，因此对细胞亚型的治疗策略应考虑不同癌症类型的变异性。另外还确定了FAT1突变与TNFRSF9 Treg细胞之间为正相关，因此肿瘤中的T细胞组成不仅受TMB反映的潜在新抗原数量的影响，还受癌细胞的特定体细胞突变的影响。

为了揭示不同癌症类型的T细胞组成的整体模式，他们检查了肿瘤中元簇之间的频率相关性，并确定了几个高度相关的元簇模块。正相关的元簇通常在特征基因之间有显著的重叠，表明相同的调节因子在不同的T细胞群中诱导了相似的转录程序。此外，IFNB1被推断为诱导TNFRSF9 Treg细胞和末端Tex或TFH/TH1细胞之间共享特征基因的顶级潜在配体之一。这些观察结果表明，TGF带干扰素可能会影响潜在的肿瘤反应性T细胞的转录程序和丰度。图4|TME形成肿瘤浸润T细胞的形态。

接下来，使用这些相关元簇的频率可以发现肿瘤样本可以分为八组（C1-C8）。C1和C2具有高频率的终末Tex细胞，C1也具有最高频率的TNFRSF9 Treg细胞。C3到C8的肿瘤具有低频率的末端Tex细胞和高频率的CD8 ZNF683 CXCR6 Trm细胞。在线性模型分析的基础上，发现分组可以解释比其他因素更多的肿瘤T细胞组成的变异性，某些癌症类型表现出明显的偏好。基于T细胞的免疫类型为了解肿瘤浸润性T细胞的整体特性提供了参考，这可能有助于指导新疗法的开发和患者分层，而不是传统的癌症类型指标。这种免疫类型分类可能具有临床意义。使用免疫类型特征对TCGA癌症患者进行分层，发现TexloTrmhi（C3至C8）肿瘤在跨癌症类型或多种个体癌症类型中的总体生存率优于TexhiTrmlo肿瘤（C1和C2）、腺癌、肝细胞癌和肾乳头状细胞癌。由于T细胞是许多免疫疗法的直接目标，因此基于T细胞的免疫类型在逻辑上可能与治疗效果相关。对黑色素瘤PD-1抗体治疗数据的重新分析表明，响应性肿瘤具有较低频率的终末Tex细胞和较高频率的初始T细胞，应答者的治疗前肿瘤也具有更高的Tc17频率，暗示Tc17在ICB治疗中的重要作用。图5|由T细胞组成确定的泛癌免疫类型。

研究团队描绘了TME中T细胞异质性和动态的泛癌景观，并为未来与癌症治疗相关的时间或空间研究建立了基线参考。不同癌症类型的系统比较揭示了不同TME中T细胞状态的共性和差异。对肿瘤浸润性T细胞的详细特征、动力学和调节将促进免疫疗法的发展，尤其是提出的免疫分型可以帮助针对T细胞的治疗和诊断策略。

教授介绍

张泽民，北京大学生命科学学院讲席教授，北京大学生物医学前沿创新中心（BIOPIC）与未来基因诊断高精尖创新中心研究员，北大-清华生命联合中心高级研究员。在2014年加入北大以前，曾长期就任基因泰克/罗氏公司（Genentech/Roche），担任癌症基因组学和生物信息学首席科学家，致力于应用机器学习和高通量测序等高新技术进行抗癌药靶和生物标记物的发现。他在计算癌症生物学和癌症基因组学的多个方向上都是开拓者、引领者，包括世界首例肿瘤全基因组测序, 同时也是CellSystems和GenomeMedicine的编委。张泽民教授是60个专利的发明者，并在多项癌症治疗药物的分子靶标的原创发现中做出了直接贡献。目前承担了国家自然科学基金重点项目，任国家精准医学重大专项首席科学家。

参考文献

Zheng L, Qin S, Si W, et al. Pan-cancersingle-cell landscape of tumor-infiltrating T cells. Science. 2021 Dec17;374(6574):abe6474. doi: 10.1126/science.abe6474. Epub 2021 Dec 17. PMID:34914499.