文章信息
发表杂志 Cancer Immunology Research
中文标题 泛癌单细胞RNA测序分析完善多起源单核细胞和巨噬细胞谱系
英文标题 Pan-cancer single-cell RNA sequencing analysis refines multi-origin monocyte and macrophage lineages
影响因子 8.2
发表日期 2025 年 11 月 13 日
研究概述
肿瘤相关巨噬细胞(TAMs)在肿瘤微环境中通过影响稳态、免疫抑制和血管生成对癌症动态变化发挥关键作用。本研究利用单细胞RNA测序(scRNA-seq)构建了健康和泛癌组织中髓系细胞群的综合图谱,揭示了其异质性。研究发现TAMs存在两种不同起源,提出了TAMs的二分模型,明确了THBS1+ 髓系来源抑制细胞(MDSCs)-SPP1+ TAMs谱系与肿瘤进展、免疫抑制及不良临床结局相关,为癌症治疗策略提供了新见解。
核心发现
TAMs起源于组织驻留巨噬细胞(C1QC+ TAMs)和循环单核细胞(SPP1+ TAMs、ISG15+ TAMs)
THBS1+ MDSCs及其后代SPP1+ TAMs是肿瘤进展、免疫抑制和血管生成的关键驱动因素
C1QC+ TAMs与患者较好预后相关,THBS1+ MDSCs-SPP1+ TAMs谱系与较差生存率及免疫治疗应答不佳相关
鉴定了调控不同髓系细胞谱系的关键转录因子,为靶向治疗提供潜在靶点
Figure 1:Integrated single-cell transcriptomics reveals an atlas of healthy and pan-cancer myeloid cell populations
研究目标
构建健康和泛癌组织中髓系细胞的综合转录组图谱,明确不同起源髓系细胞的分布特征及整体异质性。
方法与目的
| 分析类型 | 具体方法 | 目的 |
|---|---|---|
| 数据整合 | 收集13种癌症、3种健康组织及外周血scRNA-seq数据 | 构建泛癌髓系细胞图谱 |
| 批次校正 | Harmony算法 | 消除不同数据集间的技术差异 |
| 细胞分群 | 基于经典标志物的无监督聚类 | 鉴定主要髓系细胞谱系 |
| 可视化 | 均匀流形逼近投影(UMAP) | 展示细胞聚类及起源分布 |
实验设计与结果
为什么进行这个分析?
既往研究多聚焦单一癌症类型或缺乏健康组织对照,难以全面揭示髓系细胞的起源异质性及在泛癌中的共性特征。本分析通过整合多来源数据,为后续细分细胞亚型及追溯起源奠定基础。
关键发现
- 数据整合与质控(Fig. 1a):
整合131名患者/健康供体的131,249个髓系细胞,涵盖13种癌症、3种健康组织及外周血
经Harmony算法校正后,细胞在UMAP图中均匀分布,批次效应显著降低
- 主要髓系细胞谱系鉴定(Fig. 1b、c):
鉴定出巨噬细胞、单核细胞、经典树突状细胞、浆细胞样树突状细胞和肥大细胞5大谱系
各谱系具有特异性标志物(如巨噬细胞:APOC1、APOE、CD163;单核细胞:CTSS、FCN1、S100A8/9)
- 细胞起源分布特征(Fig. 1d):
健康组织中巨噬细胞占比最高,血液中以单核细胞为主
肿瘤相邻正常组织(NAT)中肿瘤浸润单核细胞比例与肿瘤核心相近,提示NAT已呈现类肿瘤微环境特征
逻辑解读
→ 整合多来源大数据解决既往研究局限性
→ 经批次校正和聚类获得可靠的髓系细胞分群结果
→ 明确不同起源髓系细胞的组织分布差异,为后续亚型细分提供全局视角

Figure 2:Characterization of monocyte and macrophage subtypes across various cancer types and healthy tissues
研究目标
细分单核细胞和巨噬细胞亚型,明确组织特异性驻留巨噬细胞及泛癌共有的细胞亚型特征,追溯TAMs的起源。
方法与目的
| 分析类型 | 具体方法 | 目的 |
|---|---|---|
| 亚型细分 | 对单核细胞和巨噬细胞群二次聚类 | 鉴定组织特异性和共有亚型 |
| 组织偏好性分析 | 计算观察值/期望值比(Ro/e) | 评估各亚型的组织富集特征 |
| 相关性分析 | 皮尔逊相关系数计算 | 分析亚型间转录组相似性 |
| 功能通路分析 | PROGENy算法 | 预测各亚型的通路活性 |
实验设计与结果
为什么进行这个分析?
在获得主要髓系细胞谱系后,需进一步细分亚型以揭示TAMs的起源差异。通过二次聚类及组织偏好性分析,可明确哪些亚型为组织固有、哪些为癌症相关浸润亚型。
关键发现
- 亚型细分结果(Fig. 2a、d):
鉴定出4种组织特异性驻留巨噬细胞(RTMs):小胶质细胞、肺泡巨噬细胞、结肠巨噬细胞、库普弗细胞
发现10种泛癌共有亚型,包括静息/活化C1QC+ TAMs、ISG15+ TAMs、SPP1+ TAMs、THBS1+ MDSCs等
- 组织偏好性特征(Fig. 2b):
静息C1QC+ TAMs在健康组织中富集(Ro/e>1),活化C1QC+ TAMs、SPP1+ TAMs、ISG15+ TAMs在肿瘤组织中富集
组织特异性RTMs仅在对应健康组织/癌组织中分布(如肺泡巨噬细胞主要存在于肺相关样本)
- 起源相关性证据(Fig. 2f、g):
C1QC+ TAMs与组织特异性RTMs呈正相关,且高表达驻留巨噬细胞标志物FOLR2,提示其RTMs起源
SPP1+ TAMs、ISG15+ TAMs表达单核细胞标志物(S100A8/9、FCN1),且位于UMAP图中单核细胞与巨噬细胞之间,提示其单核细胞起源
逻辑解读
→ 二次聚类实现亚型精细化分,区分组织特异性和泛癌共有群体
→ 组织偏好性和相关性分析为TAMs双起源提供初步证据
→ 功能通路分析揭示不同亚型的潜在功能差异,为后续功能验证铺垫

Figure 3:Characterization of MDSCs, their potential differentiation to SPP1+ TAMs, and biological functions of THBS1+ MDSCs - SPP1+ TAMs lineage
研究目标
明确MDSCs亚型特征及其向SPP1+ TAMs的分化关系,解析THBS1+ MDSCs-SPP1+ TAMs谱系的生物学功能及与其他细胞的相互作用。
方法与目的
| 分析类型 | 具体方法 | 目的 |
|---|---|---|
| 亚型特征分析 | 差异表达基因(DEG)分析 | 鉴定MDSCs亚型特异性标志物 |
| 分化轨迹分析 | Monocle3拟时序分析 | 揭示THBS1+ MDSCs向SPP1+ TAMs的分化路径 |
| 细胞互作分析 | CellChat软件 | 预测MDSCs/TAMs与成纤维细胞、内皮细胞的通信网络 |
| 空间定位分析 | 空间转录组数据整合 | 验证MDSCs/TAMs在肿瘤组织中的空间分布 |
实验设计与结果
为什么进行这个分析?
MDSCs在肿瘤免疫抑制中起重要作用,但既往对其异质性及与TAMs的分化关系尚不明确。本分析聚焦MDSCs亚型,旨在阐明其向促肿瘤TAMs分化的机制及功能效应。
关键发现
- MDSCs亚型鉴定(Fig. 3a、b):
鉴定出两种MDSCs亚型:血液富集的S100A12+ MDSCs和癌组织富集的THBS1+ MDSCs
两种亚型均低表达HLA-II类基因,THBS1+ MDSCs高表达NLRP3、VEGFA、IL1B等促肿瘤基因
- 分化轨迹验证(Fig. 3c、d):
THBS1+ MDSCs与SPP1+ TAMs在细胞比例和基因表达上呈显著正相关(R=0.48,p=3.1e-16)
拟时序分析显示THBS1+ MDSCs位于分化起点,可进一步分化为SPP1+ TAMs
- 细胞互作与功能(Fig. 3e、f、g):
THBS1+ MDSCs和SPP1+ TAMs是成纤维细胞FN1/胶原蛋白通路的主要信号接收者,促进细胞外基质形成
与内皮细胞存在VEGF信号通信,高表达血管生成特征基因
空间转录组显示SPP1+ TAMs主要富集于肿瘤核心,与成纤维细胞邻近分布
逻辑解读
→ 明确MDSCs的异质性及组织分布差异
→ 从相关性和拟时序分析证实THBS1+ MDSCs向SPP1+ TAMs的分化关系
→ 揭示该谱系通过与成纤维细胞、内皮细胞互作,调控血管生成和免疫抑制的功能机制

Figure 4:Potential transcriptional regulators governing THBS1+ MDSCs SPP1+ TAMs and C1QC+ TAMs lineages through snATAC-seq
研究目标
通过单细胞染色质可及性测序(snATAC-seq),揭示调控C1QC+ TAMs和THBS1+ MDSCs-SPP1+ TAMs谱系的关键转录因子及表观遗传机制。
方法与目的
| 分析类型 | 具体方法 | 目的 |
|---|---|---|
| 染色质可及性分析 | snATAC-seq数据处理与峰值 calling | 鉴定差异可及性区域 |
| 转录因子预测 | chromVAR分析、SCENIC分析 | 筛选调控不同谱系的关键转录因子 |
| 标签转移 | Seurat锚定转移法 | 将scRNA-seq细胞注释转移至snATAC-seq数据 |
| motif分析 | JASPAR数据库比对 | 鉴定差异可及区域中的转录因子结合基序 |
实验设计与结果
为什么进行这个分析?
转录因子调控是细胞谱系特化的核心机制,通过snATAC-seq可从表观遗传层面揭示不同起源TAMs谱系的调控网络差异,为靶向干预提供上游靶点。
关键发现
- 染色质可及性特征(Fig. 4a、b、c):
C1QC+ TAMs在相邻正常组织中富集,THBS1+ MDSCs-SPP1+ TAMs在肿瘤核心富集
差异可及性区域主要位于启动子和内含子区域,且与对应scRNA-seq基因表达一致
- 转录因子调控网络(Fig. 4e、f):
C1QC+ TAMs谱系富集FOX家族、MiT/TFE超家族转录因子(MITF、TFE3),调控细胞稳态和自噬
THBS1+ MDSCs-SPP1+ TAMs谱系富集AP-1家族(FOS、FOSL1/2)、STAT3、NFKB1等,调控炎症、血管生成和EMT
- 基序富集验证(Fig. 4h、i):
THBS1+ MDSCs-SPP1+ TAMs中AP-1、BACH1、NFE2L2等转录因子结合基序可及性显著升高
这些基序与促肿瘤通路(TGF-β、TNF-α)下游信号一致
逻辑解读
→ 从表观遗传层面验证C1QC+ TAMs与THBS1+ MDSCs-SPP1+ TAMs的谱系特异性
→ 鉴定出两类细胞谱系的核心转录调控因子,解释其功能差异的分子机制
→ 为通过靶向转录因子调控细胞谱系转换提供理论基础

Figure 5:Clinical implications of THBS1+ MDSCs SPP1+ TAMs and C1QC+ TAMs
研究目标
明确C1QC+ TAMs和THBS1+ MDSCs-SPP1+ TAMs谱系与临床特征(肿瘤分期、免疫治疗应答、生存率)的关联,验证其临床转化价值。
方法与目的
| 分析类型 | 具体方法 | 目的 |
|---|---|---|
| 临床相关性分析 | 肿瘤分期与细胞比例关联分析 | 评估谱系与疾病进展的关系 |
| 免疫治疗应答分析 | 对比治疗前后细胞谱系变化 | 验证谱系对免疫治疗的预测价值 |
| 生存分析 | Kaplan-Meier曲线、log-rank检验 | 分析谱系特征与生存率的关联 |
| 泛癌验证 | TCGA数据库整合分析 | 验证发现的泛癌适用性 |
实验设计与结果
为什么进行这个分析?
前期已明确细胞谱系的起源和功能差异,本分析旨在验证这些基础发现的临床意义,为将细胞谱系特征转化为诊断标志物和治疗靶点提供证据。
关键发现
- 肿瘤分期关联(Fig. 5a、f):
C1QC+ TAMs在早期肿瘤中比例更高,THBS1+ MDSCs-SPP1+ TAMs在晚期肿瘤中显著富集
TCGA泛癌分析显示,MDSC-SPP1谱系特征随临床分期递增,C1QC谱系特征递减
- 免疫治疗应答预测(Fig. 5b、c、e):
抗PD-L1/PD-1治疗应答者中C1QC+ TAMs比例显著升高,治疗后进一步富集
非应答者中THBS1+ MDSCs-SPP1+ TAMs比例持续偏高,且治疗前后无明显下降
- 生存预后价值(Fig. 5d、g):
C1QC高表达、MDSC-SPP1低表达患者的总生存率(OS)和疾病特异性生存率(DSS)显著更高
该预后关联在非小细胞肺癌、黑色素瘤等多种癌症中验证有效
逻辑解读
→ 细胞谱系特征与肿瘤进展阶段密切相关,可作为疾病分期的潜在标志物
→ C1QC+ TAMs可作为免疫治疗应答的正向预测因子,THBS1+ MDSCs-SPP1+ TAMs为负向预测因子
→ 明确两类谱系的预后价值,为基于细胞谱系的精准治疗提供依据

研究总结
本研究通过单细胞RNA测序(scRNA-seq)和单细胞染色质可及性测序(snATAC-seq)的多组学整合分析,系统解析了泛癌中髓系细胞的异质性、起源及功能特征。
核心创新点
TAMs双起源模型:首次在泛癌层面证实TAMs起源于组织驻留巨噬细胞(C1QC+ TAMs)和循环单核细胞(SPP1+ TAMs、ISG15+ TAMs),打破传统M1/M2极化分类框架
MDSCs-TAMs分化轴:明确THBS1+ MDSCs是SPP1+ TAMs的前体,该分化轴是肿瘤免疫抑制和血管生成的关键驱动通路
表观遗传调控网络:通过snATAC-seq鉴定出调控不同谱系的核心转录因子,为靶向干预提供上游分子靶点
临床转化价值:建立细胞谱系特征与肿瘤分期、免疫治疗应答及预后的关联,提供可直接转化的生物标志物
临床意义
诊断标志物:C1QC+ TAMs和THBS1+ MDSCs-SPP1+ TAMs的特征基因可作为肿瘤分期和预后评估的分子标志物
治疗靶点:THBS1+ MDSCs-SPP1+ TAMs谱系及调控转录因子(STAT3、AP-1、NFKB1)可作为免疫治疗增敏靶点
治疗策略:通过抑制THBS1+ MDSCs向SPP1+ TAMs分化或富集C1QC+ TAMs,改善肿瘤免疫微环境,提升免疫治疗效果
研究局限与展望
部分数据集依赖公共数据库,缺乏配对的临床样本及长期随访数据
体外功能验证不足,需进一步通过细胞实验和动物模型验证分化轴及转录因子的调控作用
未明确不同癌症类型中谱系特征的异质性,需针对性优化治疗策略
本研究为理解肿瘤微环境中髓系细胞的复杂动态提供了全新视角,其发现的细胞谱系特征和调控靶点为开发下一代癌症免疫治疗策略奠定了重要基础。