单细胞基因组学推动癌症免疫疗法的研究

来源：生物通

单细胞基因组学、公开访问的数据库以及全球化科学合作正在大大推动癌症免疫疗法的研究。

从传统意义上说，癌症的治疗手段包括手术、放疗和化疗。近年来，癌症的免疫疗法作为一种新兴疗法，在对抗癌症的斗争中取得了长足的进步。这些疗法有望提高免疫系统抗击癌症的能力，或限制肿瘤逃避天然免疫反应的能力。

癌症的免疫疗法通常分为两类：主动和被动。主动免疫疗法的目标是通过患者自身的免疫系统产生肿瘤特异性的免疫应答。通过诱导免疫记忆，成功的主动免疫疗法能够产生持久的反应。嵌合抗原受体疗法是一种主动免疫疗法。它收集T细胞，开展遗传改变并回输体内，旨在教育患者的免疫系统识别和攻击癌细胞。

相比之下，被动免疫疗法依赖免疫系统改造因子的不断输入。与主动疗法不同，被动疗法是立即见效的，不需要等待患者产生免疫应答。不过，不断给药才能产生持续的效果。靶向各种肿瘤相关抗原的单克隆抗体疗法是被动免疫疗法。检查点抑制剂也是，不过它们靶向的是PD-1、PD-L1和CTLA-4等检查点蛋白。

在被动免疫疗法的开发过程中，人们需要准确了解肿瘤微环境的细胞组分，以及细胞之间的复杂相互作用。然而，研究人员在分析过程中受到异质性问题的困扰。肿瘤是由恶性细胞、正常宿主细胞、基质细胞（作为肿瘤支架）、血管系统、多种免疫细胞及其他细胞组成的。这么复杂的成分表，让研究人员头疼不已。

于是，单细胞基因组学以及其他单细胞分析技术应运而生，为分析肿瘤异质性提供了一个很好的解决方案。新一代测序系统如今能够对单个细胞的DNA或RNA进行测序。人们开发出各种核酸标记和添加条形码的策略，让测序仪产生的数据能够准确分配回原始细胞。

鉴定异质性

目前，单细胞RNA测序（scRNA-seq）已产生了大量的数据，可以实现“干货”研究。今年2月，中美两国的研究人员就利用这项技术合作探索了肺癌的遗传异质性，并在《JCI insight》杂志上发表了研究成果1。

由于现有的免疫疗法仅在一部分肺腺癌患者中有效，研究人员分析了大量scRNA-seq数据，以鉴定免疫应答基因的瘤内异质性。研究表明IFN-γ信号通路基因在癌细胞中的表达呈异质性，并与某些基因（包括MHC II类基因）共同调节。此外，IFN-γ信号通路中基因的下调与获得性耐药相对应。他们还发现了新抗原和癌症/睾丸抗原（CTA）的表达异质性。

这些发现对于癌症免疫疗法的研究具有重要意义。IFN-γ表达的异质性可能是治疗效果不佳的原因之一。这些结果也能帮助解释新抗原和CTA疫苗的临床试验为什么会失败。作者认为，单细胞基因表达分析具有预后价值，这些结果为组合疗法提供了依据。

预测受益者

对接受检查点抑制剂治疗的患者进行转录组分析，可鉴定出新的预后指标、分子机制以及免疫疗法的靶点。2018年11月，研究人员以接受检查点抑制剂治疗的黑色素瘤患者作为研究对象，对48个肿瘤样本的16,291个免疫细胞的转录组进行分析2。

他们指出，尽管约40％的黑色素瘤患者对PD-1免疫检查点疗法有响应，但是大多数患者要么没有响应，要么在治疗后会复发。他们利用scRNA-seq来分析免疫细胞，并将细胞转录组与患者治疗史和临床状况相关联。

研究鉴定出与黑色素瘤病变相关的几种CD8+ T细胞的状态。他们发现CD8+细胞中TCF7蛋白的存在可预测患者是否响应检查点抑制剂疗法，并与较好的预后相关。这些信息有助于预测哪些患者可能受益于检查点阻断疗法。

分析肿瘤微环境

如今，研究人员正试图将单细胞基因组学与单细胞蛋白质组学、相互作用组学、表观基因组学以及代谢组学结合起来，更全面地观察肿瘤微环境中发生的复杂相互作用。

在去年11月发表在《Cell》上的一项研究中，美国、俄罗斯、新加坡等国的研究人员利用scRNA-seq和CyTOF质谱流式技术来研究免疫检查点治疗期间小鼠肿瘤的微环境3。尽管之前的许多研究都集中在瘤内T细胞及其蛋白靶点上，但这一次他们研究了免疫检查点治疗期间淋巴细胞和髓系细胞的变化。

研究人员观察到多个单核/巨噬细胞亚群（可通过生物标志物CD206、CX3CR1、CD1d和iNOS来区分）在治疗过程中不断发生变化，且这些变化在某种程度上部分依赖于IFN-γ。研究数据还表明，巨噬细胞极化/激活是受到循环单核细胞和早期巨噬细胞进入肿瘤的影响，而非受到预极化的成熟瘤内巨噬细胞的影响。

展望未来

单细胞基因组学、公开访问的数据库以及全球化科学合作正在大大推动癌症免疫疗法的研究。随着单细胞数据的比例不断增加，这些资源将变得非常有价值。凭借丰富的合作资源、可行的多组学方法以及实用的单细胞分析方案，肿瘤异质性的问题将有望解决，而癌症免疫疗法的研究也有望快速推进。

参考文献：

1. Ma KY et al. Single-cell RNA sequencing of lung adenocarcinoma reveals heterogeneity of immune response-related genes. JCI Insight. 2019 Feb 21;4(4). pii: 121387.

2. Sade-Feldman M et al. Defining T Cell States Associated with Response to Checkpoint Immunotherapy in Melanoma. Cell. 2018 Nov 1;175(4):998-1013.e20.

3. Gubin MM et al. High-Dimensional Analysis Delineates Myeloid and Lymphoid Compartment Remodeling during Successful Immune-Checkpoint Cancer Therapy. Cell. 2018 Nov 1;175(4):1014-1030.e19.