局限期小细胞肺癌多组学空间图谱 · CODEX 揭示肿瘤异质性、空间转变轨迹与免疫生态位
案例来源：发表于 Cancer Cell 的 SCLC 多组学空间图谱论文（Chen et al., 2025）—— 左为论文标题与作者署名，右为 Graphical abstract
本研究由复旦大学团队完成，首次利用 CODEX 多重免疫荧光成像技术（35-plex 抗体 panel），对 165 例局限期小细胞肺癌（SCLC）患者的肿瘤组织进行了单细胞分辨率的空间蛋白质组学分析，生成 267 张高维图像，解析超过 930 万个细胞，并整合全外显子测序（WES）、空间转录组和 bulk RNA-seq 数据，构建了 SCLC 多组学空间图谱。
研究采用 35 标 CODEX 抗体 panel，覆盖上皮（PanCK、E-cadherin）、间质（CD31、αSMA、Vimentin）、免疫检查点（CTLA4、LAG3、PD-1、PD-L1、TIM3、VISTA）、功能性标志（BCL2、BTK、DLL3、KI67、SLFN11、p53）、SCLC 经典分型（ASCL1、NEUROD1、POU2F3、YAP1、CgA、NSE、Synaptophysin）、淋巴与髓系免疫细胞（CD3、CD4、CD8、CD56、FOXP3、GZMB、CD45RO、CD11c、CD15、CD68）等关键标志物；整合 WES、bulk RNA-seq 与 IHC 验证，实现从基因型到表型再到空间结构的全景刻画。
1. 揭示 SCLC 肿瘤内分子异质性
CODEX 鉴定出 ASCL1⁺（SCLC-A，占肿瘤细胞 50% 以上）、NEUROD1⁺（SCLC-N）、POU2F3⁺（SCLC-P）、YAP1⁺（SCLC-Y）四类亚型肿瘤细胞，并发现超过 10% 的肿瘤细胞为多阳性肿瘤细胞（MPTCs），最常见 ASCL1 与 NEUROD1 共表达，揭示了传统批量测序无法捕捉的肿瘤内异质性。
2. 定义细胞邻域（CN）与空间转变轨迹
通过 CODEX 空间数据建立 20 个细胞邻域，发现在 SCLC-A 为主的肿瘤中，CN9（MPTC 富集邻域）与不良预后显著相关。CN9 呈同心圆「虫食」模式排列，高表达 vimentin（EMT 标志物）和 Ki67（增殖标志物），提示高转移和增殖潜能。伪时间分析揭示了从 CN3→CN9→CN10 的去分化轨迹，且 SLFN11（PARP 抑制剂疗效预测因子）表达随去分化进程升高，为 PARPi 临床试验患者筛选提供了空间标志物。
3. 连接空间结构与基因组改变
CODEX 空间邻域与 WES 数据整合，发现 CN9 富集 RBBP6 突变（促 EMT 和转移），CN10（NEUROD1⁺富集）关联 CREBBP 改变（化疗后复发），CN3 富集 B2M 缺失（免疫逃逸），首次将特定空间结构与基因组改变一一对应。
4. 开发 ColonyMap 算法发现预后免疫生态位
基于 CODEX 数据，研究团队开发了 ColonyMap 算法，从细胞集落（colony）层面分析空间组织和集落间相互作用（CCI）。该算法准确识别肿瘤边界、三级淋巴样结构和血管，并发现 ASCL1⁺ 肿瘤与血管的低相互作用比例与较好的无复发生存和总生存显著相关。更重要的是，ColonyMap 揭示了一个由 抗肿瘤巨噬细胞、CD8⁺ T 细胞和 NKT 细胞组成的 MT2 免疫生态位，其空间聚集与更高生存率高度相关，并能在独立队列中预测免疫治疗反应。
研究意义
本研究是 SCLC 领域首个大规模 CODEX 空间蛋白质组学研究，证明了空间分辨分析在解析 SCLC 肿瘤内异质性、定义预后相关空间结构、连接基因组与微环境、发现免疫治疗预测标志物方面的不可替代价值。CODEX 不仅提供了单细胞分辨率的空间图谱，更直接催生了 ColonyMap 分析框架和 MT2 免疫生态位这一临床可转化的发现，为 SCLC 从「均质疾病」走向空间精准医学奠定了数据和方法学基础。
人小细胞肺癌CODEX 35-plex
| 类别 | 标志物 | 表达的细胞或意义 |
|---|---|---|
| 上皮 | PanCK、E-cadherin | 上皮与肿瘤 |
| SCLC 分型 | ASCL1 | SCLC-A |
| NEUROD1 | SCLC-N | |
| POU2F3 / YAP1 | SCLC-P / SCLC-Y | |
| 神经内分泌 | CgA、NSE、Synaptophysin | 神经内分泌分化 |
| 淋巴免疫 | CD3 / CD4 / CD8 / CD56 / FOXP3 | T 细胞与亚群、NK |
| GZMB、CD45RO | 细胞毒性与记忆 T | |
| CD20+ B | B 细胞 | |
| 髓系免疫 | CD11c / CD68 / CD15 | DC、巨噬细胞、中性粒细胞 |
| CD11b⁺ Macrophage | CD11b 阳性巨噬细胞 | |
| 免疫检查点 | CTLA4、LAG3、PD-1、PD-L1、TIM3、VISTA | 免疫激活/抑制 |
| 功能性标志 | BCL2、BTK、DLL3、KI67、SLFN11、p53 | 凋亡/治疗靶点/增殖/PARPi 预测 |
| 间质/血管 | CD31、αSMA、Vimentin | 血管、间质、EMT |
NSCLC TMA 各蛋白标志物的代表性 CODEX 染色图（免疫谱系 / 免疫状态 / 代谢等）
空间蛋白组技术对肿瘤—免疫互作的代谢表征 · 揭示肺癌免疫治疗响应的空间新机制
澳大利亚 Queensland 大学团队在 Nature Communications 上发表研究，利用 CODEX 多重免疫荧光技术分析非小细胞肺癌（NSCLC）患者免疫治疗前的活检组织，结合深度学习模型进行细胞表型分类，系统评估肿瘤微环境中细胞功能、代谢状态及空间关系，最终构建了可预测 24 个月无进展生存期（PFS）的模型，提示特定代谢背景下的细胞间邻近特征可能是影响免疫检查点抑制剂（ICI）疗效的关键因素。
研究背景
肺癌是全球癌症死亡的首要原因，约 40% 初诊已为晚期，5 年生存率不足 9%。ICI 虽改善部分晚期 NSCLC 患者预后，但耐药仍常见。肿瘤细胞组成及其空间生态位对疗效具有重要预测价值，空间图谱分析有望为个体化治疗提供生物标志物指导。
患者队列
本研究基于组织微阵列（TMA），最终纳入 55 例 NSCLC 患者（含腺癌、鳞癌等，分期 II–IV 期）。以治疗 6 个月后是否达到客观缓解或疾病稳定为临床获益标准，将患者分为临床获益组（CB）与疾病进展组（PD）。
CODEX 研究方法 · 18 标志物 Panel
TMA 切片经并行处理后进行组织 CODEX 多重免疫荧光染色，使用覆盖免疫谱系、免疫状态、组织结构、增殖与代谢状态的 18 种标志物组合：
| 类别 | 标志物 | 表达的细胞或意义 |
|---|---|---|
| 免疫谱系标志物 | CD45 | 所有白细胞 |
| CD3e / CD8 / CD4 | T 细胞 | |
| CD20 / CD21 | B 细胞 | |
| CD14 / CD68 / CD11b | 髓系细胞 | |
| CD57 | NK 细胞 | |
| 免疫谱系类共 9 项 | ||
| 免疫状态标志物 | CD44 / CD45RO / FoxP3 / Granzyme B / HLA-A | 免疫活化 / 抑制 |
| LAG3 / ICOS / IDO1 / PD-L1 / PD-1 | 免疫检查点 | |
| 组织结构 | Vimentin / SMA | 间质、成纤维细胞 |
| CD31 / CD34 | 血管内皮 | |
| E-cadherin / PanCK | 上皮及肿瘤 | |
| COL4 | 细胞外基质 | |
| 增殖标志物 | Ki67 | 细胞增殖 |
| 代谢状态标志物 | ATPA5 / CS / IDH2 / SDHA | 能量代谢（OXPHOS / TCA） |
| G6PD / GLUT1 / HK1 / Na⁺/K⁺ ATPase | 糖代谢 | |
| CPT1A | 脂肪酸氧化 | |
| ASCT2 | 氨基酸代谢 | |
| 氧化应激 | pNRF2 | 氧化应激响应 |
细胞邻域（K=2/3）聚类与跨区域代谢活跃度热图（NSCLC TMA）
研究结果 · 从细胞表型到生存预测的空间解析
细胞表型解析
基于 Nucleai 深度学习细胞表型分型平台，对各细胞谱系进行功能表型评估。结果显示代谢表达模式在免疫细胞和肿瘤细胞中均占主导地位：肿瘤细胞占 10%–90%，免疫细胞中以巨噬细胞和 CD4⁺ T 细胞为主；巨噬细胞与肿瘤细胞在 ATPA5、柠檬酸合酶、Glut1、IDH2 及 SDHA 等标志物上均高阳性，提示二者均存在高 OXPHOS 活性以及独特的活化代谢表型。
功能表达与临床结局关联
经多重检验校正后对所有标志物阳性特征进行筛查，发现仅 Granzyme B⁺ 巨噬细胞与 ICI 治疗后较差结局呈显著相关性；针对 PFS 的评估进一步证实，其较高水平伴随更差的无进展生存结局。
组织区域解析
采用无偏的细胞邻域分析方法，通过 K 均值聚类将组织划分为肿瘤、基质及交界区域（K=2 或 3）。结果显示：浆细胞增多与临床获益相关，而粒细胞和 CD4⁺ Treg 浸润则与较差应答有关；肿瘤区域内表达 G6PD 和 GLUT1 的代谢活跃 B 细胞及粒细胞预示不良结局；肿瘤—基质交界区中较低的炎症微环境则可能带来临床获益；早期复发患者中肿瘤局部 Granzyme B⁺ 巨噬细胞明显富集。
代谢邻域分析
基于细胞邻域的代谢密度聚类，共界定出 4 种代谢活性簇（最低、低、中等/调节、高）。粒细胞高表达 OXPHOS 通路，肿瘤细胞具有较高 ATP 合成活性；应答组中肿瘤和交界区的能量生成通路水平较低，符合 Warburg 效应特征。高活性代谢邻域中肿瘤细胞增多与不良结局相关，而未分类免疫细胞的富集则与临床获益有关，提示淋巴细胞浸润具有积极作用。
筛选临床获益相关空间特征
作者进一步构建大量工程化空间度量特征，利用 Stabl 工具筛选出 87 个稳健特征。与较差临床获益相关的特征包括：肿瘤细胞—成纤维细胞邻近性、PD-1⁺ CD8⁺ T 细胞与 PD-1⁺ 巨噬细胞邻近性，以及 CD4⁺/CD8⁺ T 细胞与其他免疫细胞的邻近性；与临床获益相关的特征则包括：免疫细胞—成纤维细胞邻近性、Granzyme B⁺ 未分类免疫细胞—成纤维细胞邻近性，以及 CD4⁺ Treg 细胞与免疫细胞在肿瘤/交界区的邻近性。
生存预测建模
基于筛选出的空间特征构建预测模型。关键进展相关特征为肿瘤细胞—巨噬细胞的 G-Cross 互作及低代谢邻域中 Granzyme B⁺ 巨噬细胞频率。该模型预测总生存期的 AUC 约 0.7，预测 24 个月无进展生存期的 AUC 可达约 0.8。
研究总结
本研究将稳健的计算方法与具有生物学意义的统计推理相结合，解析了通过定制化 CODEX Panel 获取的生物学相关指标，并验证了以代谢特征和细胞相互作用为主导的多变量模型在预测 NSCLC ICI 治疗后 24 个月 PFS 方面的高准确度，为基于空间代谢图谱的免疫治疗决策提供了新范式。