非侵入性肿瘤微环境空间生态分析

美国斯坦福大学Zhang等，结合海量空间转录组学数据、单细胞测序与深度学习算法，识别了跨10个癌种的9种保守的肿瘤空间生态位，首次证实了实体瘤内部存在高度保守的空间生态型，特定空间生态位与患者预后和免疫治疗反应密切相关。这种原本深藏于组织三维空间中的微环境密码，竟可通过血液中的游离DNA甲基化信号被精准破译。研究发现打破了空间生物学与液体活检之间的技术壁垒，为未来的个体化抗肿瘤治疗提供了全新的指引。（Nature. 2026年5月6日在线版）

研究者开发了名为Spatial EcoTyper的深度学习框架，通过对肿瘤空间转录组数据的整合，系统性解析肿瘤空间细胞生态，精准识别肿瘤微环境内部的细胞组成与空间分布规律。Spatial EcoTyper机器学习框架核心逻辑在于寻找跨越不同患者、不同瘤种之间普遍存在的空间共变规律。

研究数据来自10个不同癌种的132个原发肿瘤样本，包括超过1000万个转录组学数据点，还纳入包含144个肿瘤样本的单细胞RNA测序图谱。

数据表明，即使同一种免疫细胞，处于肿瘤核心区与肿瘤边缘的基质区，其基因表达模式显著不同。在紧邻肿瘤的基质区域，细胞普遍上调FOS和EGR1等早期响应基因；在肿瘤的缺氧核心区，糖酵解酶PKM的表达显著升高。提示决定细胞命运的不仅是其固有的细胞谱系，更是其在肿瘤微环境中所处的地理坐标。

海量数据运算结果显示，尽管瘤种繁多，但肿瘤微环境在空间组织上遵循一套高度保守的法则。研究者定义了9种特征鲜明的空间生态型，这些生态型根据其距离肿瘤边缘的远近，呈现规律的阶梯状分布，从主要存在于肿瘤临近的基质区域的SE1，到深藏在肿瘤核心的SE9。

这九大生态型各自承载着独特的生物学功能与多细胞网络。处于最外围的SE1生态型主要由表达FOS和EGR1等基因的细胞组成，代表了组织对肿瘤扩张的早期压力响应。扎根于肿瘤核心的SE9生态型，是一个以血管生成为核心使命的生态位，这里聚集了大量表达TREM2的巨噬细胞及处于增殖活跃期的内皮细胞，为肿瘤的生长输送养分。

9种空间生态型在分子层面具有不同的作用路径，如SE4与伤口愈合相关，具备胶原蛋白产生成纤维细胞和缺氧特征，充满表达MYH11的肌纤维母细胞和与缺氧相关的内皮细胞。SE5则富含免疫抑制性FAP⁺成纤维细胞和M2型巨噬细胞，与免疫抑制高度相关。SE7和SE8中富含STAT1信号和干扰素响应基因，能积极进行抗原递呈并激活代谢活性，是免疫系统攻击肿瘤的活跃阵地；SE9积极参与血管生成，充满了促进血管生长的TREM2⁺巨噬细胞，为肿瘤的扩张输送氧气和养分。

组织水平的空间生态型显示出巨大的临床潜力，但真实临床场景中，获取晚期转移性肿瘤患者的完整肿瘤组织异常困难，传统的单次穿刺活检无法用于患者治疗过程中的动态监测，研究者将目光转向血液中的游离DNA（cfDNA），这些DNA碎片携带甲基化修饰，不仅记录了细胞的谱系来源，还深刻反映了细胞在死亡前的表观遗传状态，处于肿瘤核心缺氧区的细胞与边缘富氧区的细胞DNA甲基化图谱必存在差异。

研究者开发了一个名为Liquid EcoTyper的深度学习框架，将复杂的肿瘤微环境检测拓展至液体活检，仅需外周血即可实现无创、便捷、实时的微环境解析。整合单细胞转录组和空间转录组数据，系统地识别和分析肿瘤微环境中跨组织、跨癌种重复出现的细胞邻里结构即空间生态位，Liquid EcoTyper可通过血液cfDNA识别空间生态位类型，从而实现无创评估，这是首个能非侵入性评估肿瘤微环境空间组织结构的方法。

研究者对Liquid EcoTyper模型进行了训练，通过量化cfDNA的CpG特征来反推肿瘤内部细胞状态和空间组织关系。对黑色素瘤患者样本的测试结果显示，Liquid EcoTyper从血浆中测得的空间生态型水平与直接通过组织活检测得的结果高度吻合。

为了检验这套血液解码系统的效力，研究者收集了78例接受免疫治疗的晚期黑色素瘤患者治疗前血浆样本，在极为严苛的临床常规DNA微量提取条件下进行了全基因组甲基化测序。分析发现，这些仅仅从血液中推演出的空间生态型丰度，与患者实际的免疫治疗结局呈现出极其强烈的相关性，其准确度甚至与直接分析肿瘤组织的测序数据高度吻合。分析结果显示，Liquid EcoTyper展现出较高的预测能力，通过血检测得的SE7/8与转移性黑色素瘤患者免疫治疗预后显著相关，更高的SE7/8意味着更长的PFS和OS，较高的SE4水平意味着对免疫治疗更强的耐药性。

Liquid EcoTyper预测表现显著优于TMB、ctDNA和PD-L1等临床常用指标，在较低的测序深度时也能保证稳健的预测性能。研究主要在黑色素瘤中进行了测试，但初步分析该模型可扩展至肺癌、乳腺癌等13个常见瘤种，具备广阔的临床应用前景。

Liquid EcoTyper深度学习框架并非简单的线性分类器，而是基于CpG集二值网络的高级架构。该模型首先在大样本训练集中学习，从38 431个候选候选CpG位点中，提炼出400个高度浓缩且极具区分度的CpG特征集。这些特征集巧妙过滤掉血液中正常细胞DNA的背景噪音，像雷达一样精准锁定了来源于特定空间生态型的甲基化信号。

这种极具前瞻性的技术跨越，通过算法的降维与重构，将原本需要依赖物理切片和昂贵空间测序技术方可获取的微环境三维结构信息，折叠压缩进一滴外周血表观遗传密码中，空间生物学与液体活检实现了深度交汇。

（编译 李允熙）