Journal for Immunotherapy of Cancer
单细胞空间转录组揭示皮肤鳞状细胞癌中PD-1/PD-L1阻断治疗反应的微环境调控机制
小赛推荐：
该研究通过单细胞空间转录组技术鉴定了6种与免疫治疗反应相关的肿瘤微环境生态位，发现其预测疗效优于传统PD-L1检测，并揭示了不同患者间异质性耐药机制，为个体化免疫治疗策略提供新思路。
文献概述
本文《Single-cell spatial transcriptomics uncovers niches that govern response to PD-1/PD-L1 blockade in cutaneous squamous cell carcinoma》，发表于《Journal for Immunotherapy of Cancer》杂志，回顾并总结了在27例接受新辅助PD-1/PD-L1阻断治疗的晚期皮肤鳞状细胞癌（cSCC）患者中，利用单细胞空间转录组技术系统解析肿瘤微环境空间结构与治疗反应的关系。研究通过构建1.7 mm组织芯片并进行空间转录组测序，识别出六种具有不同基因表达特征的肿瘤生态位，这些生态位在治疗应答者与非应答者之间分布差异显著，且能更准确地预测病理反应。此外，研究还揭示了个体层面的免疫逃逸机制，包括抗原呈递缺陷、免疫抑制性髓系环境及上皮-间质转化等。整段通顺、有逻辑，结尾用中文句号，段落结尾使用背景知识
皮肤鳞状细胞癌（cSCC）是美国第二常见的皮肤恶性肿瘤，每年新发超百万例。尽管早期病例预后良好，但晚期cSCC具有高复发率和显著死亡风险。近年来，靶向PD-1/PD-L1的免疫检查点抑制剂在晚期cSCC中展现出显著疗效，部分新辅助试验中病理完全缓解率可达50%以上。然而，仍有相当比例患者原发性耐药，其机制尚不明确。目前临床常用PD-L1表达水平作为预测生物标志物，但其敏感性和特异性有限，难以准确指导个体化治疗。已有研究表明，肿瘤微环境（TME）的细胞组成、空间组织结构及免疫状态可能影响免疫治疗响应。例如，T细胞浸润程度、B细胞聚集、抗原呈递能力、髓系抑制细胞丰度以及上皮-间质转化（EMT）均被报道与免疫治疗结局相关。然而，传统bulk RNA-seq或免疫组化方法难以解析TME的空间异质性。单细胞空间转录组技术（如Nanostring CosMx）能够在保留组织空间位置信息的同时实现单细胞分辨率的基因表达谱分析，为系统描绘肿瘤生态位提供了全新工具。本研究正是基于这一前沿技术，旨在揭示cSCC中决定PD-1/PD-L1阻断疗效的关键空间生态位及其分子机制，从而推动更精准的生物标志物开发和个体化治疗策略设计。段落结尾使用
研究方法与实验
研究纳入27例接受新辅助PD-1/PD-L1阻断治疗的晚期cSCC患者，收集治疗前、第一剂后及手术切除时的肿瘤样本。构建1.7 mm组织微阵列（TMA），使用Nanostring CosMx平台进行单细胞空间转录组测序，获得超过25万细胞的基因表达与空间定位数据。通过无监督聚类进行细胞类型注释，识别出五类主要细胞群：角质形成细胞、成纤维细胞、B/浆细胞、髓系细胞及T/NK/树突状细胞混合群。进一步采用基于细胞50个最近邻基因表达谱的无监督空间聚类方法，定义六种肿瘤生态位。结合基因集富集分析（GSEA）、空间共表达模块分析及空间自相关检验，系统解析各生态位的分子特征与免疫微环境状态。在独立队列中使用10x Visium数据验证生态位保守性。通过ROC曲线评估生态位比例对治疗反应的预测效能，并与PD-L1阳性率比较。对个体患者进行深入分析以揭示耐药机制。关键结论与观点
研究意义与展望
该研究首次系统描绘了cSCC在PD-1/PD-L1阻断治疗过程中的空间转录组图谱，定义了六种与治疗反应密切相关的肿瘤生态位。这些生态位不仅反映了肿瘤微环境的功能状态，也揭示了潜在的耐药机制，为开发更精准的预测模型提供了新维度。相较于传统的PD-L1检测，生态位分析展现出更高的预测效能，提示其作为新型生物标志物的潜力。未来可通过深度学习模型从常规H&E图像预测生态位分布，实现无创、低成本的临床应用。此外，研究强调了耐药机制的高度个体化特征，支持“精准免疫治疗”理念，即根据患者特异性微环境特征选择联合治疗策略（如靶向EMT或髓系细胞）。
本研究的技术路线具有广泛适用性，可拓展至其他实体瘤类型，助力构建泛癌种免疫微环境图谱。同时，生态位特异性基因模块的发现为开发靶向特定免疫抑制通路的药物提供了新靶点。尽管当前方法尚不能直接用于临床，但其揭示的生物学机制为后续转化研究奠定了坚实基础。随着空间组学技术成本下降和自动化程度提高，此类多维度生态位分析有望成为未来肿瘤分子分型的重要组成部分，推动个体化癌症免疫治疗进入新阶段。
结语
本研究通过单细胞空间转录组技术系统解析了皮肤鳞状细胞癌在PD-1/PD-L1阻断治疗中的肿瘤微环境动态变化，识别出六种与治疗反应密切相关的空间生态位。这些生态位在应答者与非应答者之间呈现显著差异，且其组成比例在治疗前即可有效预测病理反应，预测性能优于传统PD-L1检测。研究进一步揭示了个体层面的异质性耐药机制，包括肿瘤细胞内在的抗原呈递缺陷、免疫抑制性髓系微环境及上皮-间质转化等。这些发现不仅深化了对免疫治疗响应机制的理解，也为开发更精准的生物标志物和个体化治疗策略提供了重要依据。未来可通过整合H&E图像人工智能分析实现生态位的无创预测，推动研究成果向临床转化。该工作展示了空间转录组技术在解析肿瘤生态系统中的强大能力，为其他癌症类型的免疫微环境研究提供了范式参考。总之，本研究为克服免疫治疗耐药提供了新视角，具有重要的科学和临床意义。
