最新7.5分纯生信，针对SPP1+TAM的分析，思路清晰逻辑合理，值得学习！

影响因子：7.50

研究概述：胶质瘤是一种高度异质性的脑肿瘤 (分为1-4级)。虽然胶质瘤的抑制性免疫微环境(TME)是导致患者预后不良的重要因素，但目前对其TME及相关预后标志物仍不清楚。在这项研究中，作者利用胶质瘤样本的单细胞转录图谱 (GSE182109, GSE200984) 揭示了肿瘤相关巨噬细胞(TAMs)的免疫抑制作用，并对TAMs进行了新的分子分类。其中，SPP1+的 TAMs亚群和表皮生长因子受体(EGFR)扩增被证实与患者不良的生存结果显著相关。最后，作者利用TCGA和CGGA等转录组数据库建立了一个基于TAMs的预后模型。该模型可用于预测胶质瘤患者的抗肿瘤免疫反应和预后，为针对胶质瘤的预后预测提供了新的见解。具体研究流程如下：

研究结果：

分析胶质瘤的细胞互作和TAMs亚群

作者收集了公共数据库的2名低级别胶质瘤患者单细胞测序数据（17,687细胞和2,628基因）。UMAP降维以后得到C0-6不同的细胞亚群及其各自差异基因marker（图1a-c），其中40%细胞被聚类到含有巨噬细胞markers（CD11b, CD68 and CD14）的C0细胞亚群中。接下来进行细胞通讯分析，观察到从胶质瘤细胞（C1、C2和C4簇）到TAMs (C0簇) 之间存在CD11C/CD18相互作用、血管生成素样2和PDGF受体的参与，提示了TAM细胞与肿瘤细胞相互作用并促进胶质瘤的生长（图1d-j）。此外，作者观察到了TAMs的糖蛋白SPP1与T细胞表面受体CD44存在相互作用，这可能抑制了T细胞的活化增殖，并促进肿瘤免疫逃逸（图1d；图2a-d）。

不同TAMs亚群的鉴定和特征描述

为了进一步研究TAMs的作用，作者对其进行了亚群鉴定，图 2e-f全面展示了三个亚群TAMCCL3, TAM-AIF1, and TAM-SPP1的特征。其中，TAM-SPP1在血管生成、分解代谢和合成代谢途径中富集。这表明TAM-SPP1通过激活代谢途径利用TME中有限的营养物质，可能在调节胶质瘤TME内的代谢和血管生成中发挥重要作用（图2g-h）。最后作者利用507低级别胶质瘤患者的转录组测序数据，证实了TAM-AIF1和TAM-SPP1相关的标记物与患者生存结果较差相关，而在TAM-CCL3亚群中表达高水平标记物的患者生存结果较好（图2i）。

TAMs亚群与抑制性TME关系

作者为了探究为什么TAMs亚群会对TME起到抑制的作用（图3），分析了免疫检查点相关的基因。结果发现包括CTLA4, LAG3, PDCD1, TIGIT 在内的免疫检查点与TAM-AIF1和TAM-SPP1 亚群的marker高度相关，并高度表达。因此，TAM-SPP1+的患者更容易产生免疫治疗耐药。这背后的原因是什么呢？进一步分析发现在TAM-SPP1亚群中，SREBF1调控子的高表达以及前文提及的脂质代谢途径富集表明，TAM-SPP1亚群可能经历了代谢重编程。这些变化表明TAM-SPP1偏向于能量利用，而增强的代谢水平会促进巨噬细胞的抗炎功能。

不同数据库验证TAMs 亚型并探究其与耗竭型T细胞的关系

为了验证从2个低级别胶质瘤患者中发现的TAMs亚群，作者利用了更大样本量的胶质瘤单细胞测序数据去分析这三个分群是否可以运用于高级别胶质瘤患者（15名患者；122,626个细胞）（图4a-c）。细胞通讯分析发现SPP1和GALECTIN信号传导主要负责TAMs与淋巴细胞之间的通信途径（图4d-f）。与2-3级的低级别胶质瘤相比，4级胶质瘤的TAMs表达更高水平的SPP1（图4g）。并且，在低级别胶质瘤鉴定出来的三个亚群，在高级别胶质瘤中同样适用（图4h-j）。为了更好地了解淋巴细胞亚型，作者整合了全部的17名患者胶质瘤患者，结果发现TAMs与耗竭的T细胞之间的互作信号活跃，耗竭的T细胞更是SPP1和GALECTIN信号的最主要受体。其中的SPP1信号主要来自TAM-SPP1亚群，而GALECTIN信号主要来自TAM-AIF1亚群（图4k-m）。

基于单细胞结果在转录组中验证

接着作者转战转录组的分析，利用TCGA和CGGA分析发现TAM-SPP1在预后较差的原发/复发胶质瘤患者中含量较高，并且与较差的总生存率显著相关；而更高水平TAM-CCL3的患者则具有更好的预后（图5a-g）。作者进一步使用三种不同TAMs亚群的前15个标记物对TCGA胶质瘤患者进行分群，得到Cluster 1和Cluster 2。结果表明，Cluster 2患者具有高水平的TAM-SPP1/AIF1亚群，抑制性免疫分子（CTLA4、LAG3、IL10）和低水平的TAM-CCL3亚群，并且Cluster 2患者与较差的生存预后和免疫细胞浸润相关（图5h-k）。

构建基于TAMs特征的预后模型

因为Cluster 1和2显示出了不同的预后和免疫细胞浸润差异，作者利用LASSO回归和随机森林对Cluster 1和2的差异基因进行建模。构建出了包含四个基因（APOBEC3C, EMP3, IGF2BP2 and TGIF1）的signature评分风险模型，并显示出了不错的预后效能（图6a-c）。因为是基于TAMs特征构建的预后模型，所以高评分的患者具有较高水平的TAM-SPP1/AIF1亚群和低水平的TAM-CCL3亚群（图6d-n）。这一结论在基于CGGA胶质瘤患者当中得到了一样的验证结果（图6o-t）。

EGFR扩增与抑制性的TAM亚群相关

最后， 作者使用GISTIC2评估了体细胞拷贝数变异(CNV)。结果发现，cluster 2组的患者在携带EGFR的7p11.2扩增中表现出更高的评分（图7a-b）。根据已有的基础研究报道，靶向CCL2/CCR2轴已被证明可以减少肿瘤浸润性巨噬细胞。而在这篇研究中，作者观察到EGFR扩增的胶质瘤患者的CCL2水平较高（图7c）。与没有EGFR扩增的胶质瘤患者相比，EGFR扩增患者有着更高水平的TAM-SPP1和较低水平的TAM-CCL3，以及更差的预后（图7d-j）。另一方面，大多数EGFR未扩增的患者携带IDH突变（IDH突变是胶质瘤常见的一种突变），可以进一步分层为低风险组和高风险组 (图7k-l)。

研究总结：

这项研究通过单细胞分析，揭示了胶质瘤肿瘤微环境中全面的相互作用网络，其中TAMs通过与肿瘤和耗竭型T细胞的相互作用在肿瘤进展中发挥关键作用。随后，作者进一步给TAMs分了三个不同的亚群，其中TAM-SPP1亚群与耗竭型T细胞和患者预后较差显著相关。这些分析阐明了TAM-SPP1如何通过细胞相互作用来抵抗肿瘤免疫应答和逃逸免疫监视，为预防胶质瘤的进展提供了合理性。重要的是，基于TAMs构建的四基因预后模型在TCGA和CGGA队列中展现了卓越的生存预后和免疫治疗应答的预测能力。此外，作者发现EGFR扩增与TAM-SPP1水平之间存在显著关联，暗示了EGFR扩增与免疫重塑之间的潜在联系。总而言之，本文作者利用胶质瘤单细胞数据，描绘出了TAMs在胶质瘤TME中的作用，并构建出了一套预测模型，提供了潜在的靶点和预后价值。