Cancer cell 好文，10种肿瘤+7种空转平台+1400万细胞组织切片，识别4种CAF的空间亚型及其邻域结构！

文章信息

• 发表杂志 Cancer Cell
• 中文标题 单细胞空间多组学揭示癌相关成纤维细胞的保守空间亚型与细胞邻域
• 英文标题 Conserved spatial subtypes and cellular neighborhoods of cancer-associated fibroblasts revealed by single-cell spatial multi-omics
• 影响因子 44.5
• 发表日期 2025-05-12

研究概述

本研究整合癌相关成纤维细胞（CAF）空间单细胞多组学数据，分析来自10种癌种、7种空间平台、超过1,400万细胞的组织切片，系统描绘CAF的空间亚型及其邻域结构。团队首先在CosMx和MERSCOPE平台的探索队列中通过邻域向量+NMF算法鉴定出四类保守的空间CAF亚型（s1–s4），随后在Visium、Xenium、COMET、CODEX与IMC等平台多重验证，并将其与肿瘤微环境（TME）结构、免疫浸润和临床结局关联。研究强调CAF空间组织对调控免疫生态、肿瘤细胞状态及患者生存的重要性，为靶向CAF提供更具空间分辨率的思路。

核心发现

1. 构建了跨平台、跨癌种均适用的CAF邻域分型算法，稳定识别四个保守空间亚型。
2. 揭示不同空间CAF亚型特定的配体-受体网络、免疫细胞状态分布与肿瘤浸润模式。
3. 多平台验证显示s1/s4-CAF比例与T细胞免疫、TLS形成及患者生存显著相关，可作为潜在预后生物标志物。

Figure 1：四种CAF空间亚型及其转录特征

研究目标

明确CosMx NSCLC样本中CAF的空间组织、邻域构成与转录特征，探索是否存在可复现的空间亚型。

方法与目的

实验设计与结果

为什么进行这个分析？ CAF塑造肿瘤免疫生态但空间组织尚不清楚，需在具备细胞级空间解析度的CosMx平台上建立空间亚型框架，为后续跨平台扩展奠定基础。

关键发现

1. s1-CAF靠近肿瘤细胞（Fig. 1B）：邻居中44.8%为癌细胞，富集COL1A1、ACTA2、TAGLN、MMP14及TGFB1，呈现典型肌成纤维型（myCAF）特征。
2. s2-CAF位于致密间质（Fig. 1B）：邻近细胞33.9%为间质/内皮，低ACTA2但高LIF、IL6，体现炎症型免疫抑制特征。
3. s3-CAF偏向髓系富集区（Fig. 1B）：35.9%邻居为髓系细胞，表达PDGFRA/B、CXCL14、CFD及抗原呈递分子，兼具iCAF与apCAF部分特征。
4. s4-CAF共定位于TLS（Fig. 1B）：56.5%邻居为T/B细胞，STAT3、CCL19/21、CD74等高表达，更接近apCAF并具免疫启动潜力。

逻辑解读

→ 空间邻域驱动CAF分化成四类组织态 → 各亚型拥有特异分子程序与相邻细胞组合 → 这些空间-分子特征为后续跨癌种验证提供参照。

Figure 2：CAF邻域的配体-受体网络与免疫状态

研究目标

解析各CAF亚型与邻近免疫/基质细胞的通讯模式，并描绘T细胞、巨噬细胞、B/浆细胞在不同邻域中的状态差异。

方法与目的

实验设计与结果

为什么进行这个分析？ 不同CAF亚型或通过配体-受体信号塑造特定免疫生态，厘清这些通信网络是理解TME功能异质性的关键。

关键发现

1. s1-CAF驱动肿瘤免疫排斥（Fig. 2A-B）：与癌细胞通过COL/ITG、THBS1-CD47、TGFB1-TGFBR1等轴交互，富集CD4 Treg、CD8 Tex与高GNLY/PRF1的CD8 Teff，提示形成免疫抑/激并存的排斥层。
2. s2-CAF沟通血管与T细胞（Fig. 2A）：借助FN1/胶原-整合素及CD55-ADGRE5信号与内皮、浸润T细胞互动，可能调控细胞迁移与血管生态。
3. s3-CAF与髓系细胞密切互作（Fig. 2A-C）：RARRES2-CMKLR1、GAS6-MERTK、DLL1-NOTCH3、LGALS9-MRC2等通路强化免疫抑制型巨噬细胞；CXCL12-CXCR4、APP-CD74驱动中性粒细胞响应。
4. s4-CAF维护TLS生态（Fig. 2A-D）：CCL19/21-CCR7、VCAN-SELL、AXL-IL15RA、JAG1-NOTCH2/3等信号吸引并支持B、T及浆细胞，TLS外层出现CAF-浆细胞共定位。

逻辑解读

→ CAF亚型通过特定配体-受体组合界定“功能邻域” → 邻域内免疫细胞呈现相匹配的激活/抑制状态 → 这些局部网络可解释肿瘤免疫异质性与疗效差异。

Figure 3：MERSCOPE与Visium验证的CAF空间亚型

研究目标

评估四种CAF空间亚型在多癌种MERSCOPE数据中的保守性，并验证其在Visium spot级数据中的适用性。

方法与目的

实验设计与结果

为什么进行这个分析？ 若CAF空间亚型在不同癌种与技术中稳定存在，才能支撑后续泛癌比较与临床推广。

关键发现

1. 四亚型在MERSCOPE中重复出现（Fig. 3A-B）：跨8癌种均能检测到s1–s4，邻域构成与CosMx高度一致；相关性聚类显示亚型相似性独立于平台和组织来源。
2. 分子特征跨平台一致（Fig. 3C）：s1-CAF富ACTA2/TGFB1/MYH11，s2-CAF具COL11A1/FAP/PDPN、最高IL6，s3-CAF富PDGFRB/CXCL1/CCL8/C1QC，s4-CAF高HLA-II、IDO1与CXCL9。
3. Visium亦可重建亚型空间（Fig. 3D-E）：通过CAF富集spot及邻域聚类，在LUAD检测到四亚型，在PDAC重现s1、s3型，且iStar推断的CAF-癌细胞/髓系/TLS共定位与手工病理一致。

逻辑解读

→ 邻域向量方法具有平台无关性 → 四类CAF亚型实为跨癌保守的空间组织模式 → 该框架可支持更低分辨率数据的亚型重建与病理对照。

Figure 4：泛癌CAF频率及其与T细胞浸润的关联

研究目标

量化各CAF亚型在不同癌种的丰度，评估其与肿瘤床（tumor bed）、边缘（margin）、远离区（distant）的T细胞浸润和免疫状态关系。

方法与目的

实验设计与结果

为什么进行这个分析？ 确认CAF亚型在真实肿瘤结构中的普遍性，并判定其是否影响T细胞进入肿瘤床，对理解免疫排斥至关重要。

关键发现

1. s2-CAF最常见（Fig. 4A）：24个切片均检测到s2，s4次之（88%），s1出现于79%切片，s3仅在38%（多见于肺、肝、结直肠）。
2. 组织结构影响亚型观察（Fig. 4A）：同一肿瘤不同切片（如Lung 9）因肿瘤/间质布置差异导致s1是否显现，提示空间亚型与宏观结构密切相关。
3. s1-CAF抑制T细胞入肿瘤床（Fig. 4C-D）：s1比例高的样本在tumor bed与margin区域T细胞密度降低，但在distant区T细胞比例相对升高。
4. 亚型与免疫状态的相关性（Fig. 4E）：s1与多数T细胞及免疫群在bed/margin呈负相关；s3在distant区域与多种T细胞呈正相关；s4在bed/margin与多种免疫状态正相关。

逻辑解读

→ CAF亚型频率受肿瘤结构调控 → 不同亚型在不同空间区间与免疫生态呈正/负耦合 → 这些耦合可能决定肿瘤床免疫可及性。

Figure 5：Xenium 5K验证及CAF-肿瘤细胞互作

研究目标

在Xenium 5K高通量面板中验证CAF空间亚型，并解析s1-CAF邻域对肿瘤细胞状态与免疫逃逸信号的影响。

方法与目的

实验设计与结果

为什么进行这个分析？ Xenium数据具更丰富肿瘤信号通路信息，可用于从肿瘤端验证CAF邻域的功能后果。

关键发现

1. 四亚型在多癌种均可识别（Fig. 5A）：尽管缺少部分CAF标记，Xenium 5K仍可基于邻域构成分辨s1–s4，证实方法对基因面板要求低。
2. 肿瘤细胞存在三类状态（Fig. 5B-C）：State1富集在s1-CAF邻域、T细胞稀少区域；State2位于T细胞高浸润区域；State3集中于肿瘤高聚集且CAF/T细胞低的区域。
3. s1-CAF邻域富免疫逃逸信号（Fig. 5E-G）：State1肿瘤高表达CD47、CD44、CCL28、NT5E；靠近s1-CAF的肿瘤普遍上调CD47、PDCD1LG2、CXCL12、IFI35等基因。
4. THBS1-CD47轴最活跃（Fig. 5H）：s1-CAF与肿瘤细胞之间THBS1-CD47通信概率最高，CXCL12-CXCR4次之，指向CAF驱动的免疫排斥机制。

逻辑解读

→ 即便在不同面板，CAF空间亚型仍稳定 → s1-CAF与特定肿瘤状态空间共存 → CAF-肿瘤的THBS1-CD47等信号可能促成免疫逃逸与T细胞缺席。

Figure 6：COMET seqIF确认CAF亚型的形态特征

研究目标

利用高通量seqIF（COMET）在LUAD与PDAC中直观验证四类CAF的形态位置及与邻域细胞的空间关系。

方法与目的

实验设计与结果

为什么进行这个分析？ 需要从蛋白与形态层面验证基于转录数据推断的CAF亚型，并评估其在传统病理中的可识别性。

关键发现

1. 四亚型在蛋白层面可辨识（Fig. 6A-E）：s1围绕肿瘤床呈围栏状分布，s2高FAP、位于深部间质并伴免疫细胞，s3散布在髓系富集区且PDGFRB高表达，s4与B/T聚集、TLS紧密交织。
2. 亚型彼此可邻接常见s1与s2或s1与s4在同一区域相邻，提示CAF亚型形成复杂的空间拼图。

逻辑解读

→ COMET验证了转录推断并赋予形态语境 → 传统病理可借助特定标记识别这些空间亚型，为临床转化打下基础。

Figure 7：CODEX与IMC揭示临床关联

研究目标

在拥有临床随访的CODEX CRC与IMC NSCLC队列中评估CAF空间亚型的免疫特征与预后价值。

方法与目的

实验设计与结果

为什么进行这个分析？ 若CAF空间亚型能预测免疫结构和患者结局，便可转化为可操作的临床指标。

关键发现

1. s4-CAF与TLS共现并改善CRC生存（Fig. 7D-E）：CLR组s4占比9%（DII为2%），s1较低；高s4显著关联更长生存（p=0.018），高s1呈缩短趋势，低s1+高s4组合预后最佳。
2. IMC重构四亚型并与分子CAF映射（Fig. 7F-H）：s1与mCAF/SMA CAF重叠，s2与PDPN/collagen/tCAF匹配，s3对应iCAF/hypoxic CAF，s4对应分裂型/干扰素型/vCAF，证实空间-分子亚型互补。
3. 亚型组成反映组织学差异（Fig. 7I-K）：LUAD与LUSC的s1/s3占比不同；各亚型邻域的T细胞状态存在系统性差异；病理分期越高，s1比例上升、s4下降。
4. 预后关联 (Fig. 7L-N)：s3（尤其LUSC）和s4（NSCLC整体）比例高与更长生存相关；基于亚型构成的G1–G4分组显示s1主导的G1生存最短，s4富集的G4最佳。

逻辑解读

→ CAF空间亚型可映射到免疫结构（TLS）与既有分子分型 → 其定量比值预测患者生存 → 提供潜在的CAF空间生物标志物。

研究总结

本研究通过单细胞空间多组学整合与邻域向量算法，系统解析了肿瘤微环境（TME）内CAF的空间组织，揭示四种保守亚型及其与免疫细胞、肿瘤细胞的互作模式，提出CAF空间构型与免疫浸润、临床预后之间的关联。

核心创新点

1. 邻域向量+NMF框架

• 不依赖经典标记即可在多平台重建CAF空间亚型，适配从CosMx到Visium/COMET/IMC的多尺度数据。

3. 跨癌多平台验证

• 结合转录、蛋白空间组学与临床队列，证明s1–s4亚型在不同癌种、采样策略与技术条件下的保守性及临床意义。

临床意义

1. 早期诊断标志物 基于s1/s4比例可辅助判断肿瘤床免疫可达性与TLS形成潜力。
2. 治疗靶点 s1-CAF与THBS1-CD47、CXCL12-CXCR4等轴提示可联合阻断CAF-肿瘤免疫逃逸通路。
3. 治疗策略 CAF空间构型可作为免疫治疗或CAF靶向方案（如FAP或TGF-β抑制）的分层依据。

研究局限与展望

1. 面板基因/蛋白覆盖受限，部分关键CAF标记（如FAP、CD74、ACTA2等）在不同平台缺失，限制了亚型的全面分子刻画。
2. 需要更大样本与纵向队列以监测治疗过程中CAF空间亚型的动态变化并验证其作为预测/监测指标的可行性。

未来可结合全转录覆盖空间组学与功能实验模型，解析CAF空间亚型在免疫治疗反应、转移及复发中的动态演化，并开发可在病理及影像层面实施的空间诊断方案。