顶刊分享----空间免疫评分系统预测肝癌复发

作者，Evil Genius

2025的一季度马上就要过去了，大家的项目有进展吗？

作为生信从业者，希望大家能尽早分析结束，发表一篇高质量的文章。

项目的结束无论从哪方面来讲，都是有利的。

很多人联系，总是说到了需要的时候再去做，我个人其实不推荐，如果已经确定有单细胞空间的项目，提前准备才是可取的，不要自己的数据下来了0经验分析，那需要踩的坑、时间成本以及分析错误的代价都是无可估量的。

当然了，自己的事情要自己决定。

今日参考文献

看作者介绍，应该是国内多个单位联合发表的。

我们来学习一下

HCC是全球癌症相关死亡的第三大原因，切除术后复发率约为70%。

研究肿瘤复发需要充分考虑肿瘤微环境（TME）内的空间异质性和相互作用。

HCC中的TME的特征在于显著的空间异质性，不同肿瘤区域的免疫细胞组成不同。先天免疫系统的NK细胞已成为早期HCC的潜在预后指标。NK细胞活性和浸润（特别是肿瘤内）的增加与生存结局的改善相关。

肿瘤内免疫细胞的空间分布与转移性复发有关，表明免疫细胞在肿瘤区域的定位可能影响HCC复发。

NK cells at the IF lowers recurrence

分析免疫细胞的空间异质性是否影响HCC复发（10X visium）

聚类分析将整个组织分成三个组织区域：相邻间质（AS）、IF和TC。

通过基于各自的基因标志物计算富集分数来表征NK细胞、T细胞、B细胞和骨髓细胞的丰度。

REC和非REC HCC之间最显著的差异是非REC HCC IF中NK细胞的富集评分显著高于REC HCC（P = 4.3 × 10-4），表明IF中NK细胞浸润增加的患者复发风险较低。

与REC HCC相比，非REC HCC的IF中显著富集三种不同的NK细胞群：CD3-CD56+ ordinary NK（P = 3.5 × 10-2）、CD3-CD16+CD56+细胞毒性NK（P = 3.0 × 10-3）和CD3-CD57+ mature NK（P = 8.0 × 10-4）。

为了确定哪种NK细胞亚群与HCC预后密切相关，比较了三种NK细胞群与无病生存期（DFS）的关系，研究表明IF中的CD3-CD57+NK细胞是与HCC复发风险最密切相关的NK细胞亚群。

空间基因模式预测复发

为了识别非REC和REC HCC中CD3-CD57+NK细胞之间的差异表达基因（DEG），这可以作为复发风险的预测指标，使用GeoMx数字空间分析仪（DSP）全转录组图谱来评估AS中CD3-CD57+NK细胞富集区的18677个蛋白编码人类基因，来自队列的八个HCC组织的IF和TC区域。

空间分析显示，241个DEG在非REC患者与REC患者的AS、IF和TC隔室中具有不同的空间模式。

基于独立的单细胞RNA测序（scRNA-seq）数据，在这241个DEG中，23个在NK细胞中与其他免疫细胞相比差异表达。

对来自癌症基因组图谱（TCGA）数据库的HCC患者的分析显示，五个DEG的DFS和基因表达水平（仅来自TC）在非REC和REC HCC之间没有显著差异，强调了五个DEG（生物标志物）的空间信息在准确预测HCC复发中的重要性。

TIMES系统对复发风险进行分层

建立基于5个DEG空间信息的预测模型。

在模型开发阶段，利用这61名患者的全切片mIHC数据，构建并验证了一个基于极端梯度提升（XGBoost）的机器学习模型。预测HCC复发风险的算法。

为了进一步增强该模型的潜在临床实用性，设计了一个基于训练的XGBoost模型的两步评分系统，以整合来自空间上不同的组织切片和多种生物标志物的信息。这种方法产生了一个综合评分（称为TIMES评分），范围从0到1，评分越高表明HCC复发风险越大REC组织的TIMES评分显著高于非REC组织的TIMES评分，中值评分差异为0.375. TIMES评分系统以82.2%的准确性和85.7%的特异性区分非REC和REC组织。

基于以下内容构建了三个多变量模型：(1)TIMES评分系统的敏感性和特异性显著高于其他17个临床因素，（2）肿瘤大小测量，（3）血管浸润因素（AUC = 0.82）此外，TIMES评分系统优于仅基于NK细胞亚群的预测模型，如使用单独的mIHC染色数据集所证明的。这些发现强调了TIMES综合方法的上级预后价值，与依赖于任何单一临床因素或生物标志物相比，TIMES综合方法结合了来自五种生物标志物的空间信息。

为了探索TIMES评分系统在指导HCC患者个性化治疗策略中的临床实用性，临床医生应用TIMES对25例HCC患者的试点队列中的患者进行分层，这些患者在手术后接受了辅助抗PD 1治疗。

SPON2+ NK：活性和肿瘤浸润

为了揭示TIMES预测能力的免疫学基础，研究了这些生物标志物在形成TME中的功能作用。在五种生物标志物中，SPON2在TIMES评分系统中是最具预测性的，引导探索其免疫调节作用和对HCC复发的潜在影响。REC HCC揭示SPON 2特别富集在NK细胞中，与SPON2-NK细胞相比，SPON2+NK细胞表达更高水平的活化标志物（例如，TNF、PRF1、IFNG、KLRC2、KLRK1、NCR 3和NCR1）和较低水平的抑制性受体（例如，CD96、TIGIT、KLRC1、CTLA 4和TGFB1）。人外周血的流式细胞术分析进一步证明，SPON2+NK细胞比SPON2-NK细胞表达显著更高水平的IFNγ（P = 1.0 × 10-4）和穿孔素（P = 2.0 × 10-4）。基于单细胞RNA-seq数据集发现了类似的结果。基因GO分析显示在SPON2+ NK细胞中促进抗肿瘤NK细胞功能的途径富集。DSP转录组学数据显示，SPON2highCD57high区域（ROI）比SPON2lowCD57highROI具有显著更高的IFNγ受体基因表达。

接下来研究了肿瘤内SPON2表达与NK细胞区域分布之间的关系，Visium空间数据显示SPON2+NK细胞在非REC组织的TC和REC组织的IF中富集。

TC中SPON2+NKhigh富集在与免疫激活、细胞运动、白细胞迁移和白细胞介导的免疫相关的途径中。

从TC的DSP ROI的基因集富集分析显示，SPON2highCD57highROI富集在与白细胞趋化、细胞粘附、天然免疫应答以及对IFNγ、IL-12和IL-18的免疫应答相关的途径中，表明SPON2+NK细胞的迁移潜力。

这些发现表明SPON2有助于NK细胞迁移和对肿瘤细胞的细胞毒性。

SPON2+NK和CD8+T细胞相互作用

为了研究SPON2+NK细胞是否在抗肿瘤免疫应答中与CD8+T细胞相互作用，使用mIHC和单细胞RNA-seq数据进行了进一步分析。

在28个HCC组织中的mIHC空间定位表明，SPON2+NK细胞是CD3-CD68-CD163-CD16+CD56+CD57+，证实了它们是NK细胞而不是T细胞或巨噬细胞。

HCC单细胞RNA-seq数据28的配体-受体网络分析揭示了II型IFN（IFNγ）途径是区分SPON2+与SPON2-NK细胞的主要免疫相关信号,预测CD8+T细胞是作用于SPON2+NK细胞的IFNγ的主要来源。

空间相关性表明SPON2+NK细胞和CD8+T细胞之间可能存在相互作用，这可能有助于抗肿瘤免疫。

为了确定CD8+T细胞和SPON2+NK细胞之间的直接接触是否是CD8+T细胞抗肿瘤活性所必需的，使用HepG 2细胞、SPON2敲除的NK细胞和未敲除的NK细胞进行共培养实验。

研究表明，SPON2+NK细胞和CD8+T细胞之间的直接接触对于它们的抗肿瘤活性是必需的，由IFNγ信号传导介导。

NK细胞中的SPON2缺失增加HCC复发

小鼠模型。

使用多种HCC小鼠模型的体内研究，结合对患者样品的分析，为SPON2+NKNK细胞在HCC中的抗肿瘤作用提供了证据。

最后，关注一下分析方法

空间转录组的分析与可视化

DSP分析

分析代码还挺全面的，在https://codeocean.com/capsule/3972922/tree/v1

生活很好，有你更好