用于多重免疫荧光数据的知情空间感知模式

为何肿瘤细胞的“邻里”很重要

胰腺癌是最致命的癌症之一，部分原因在于肿瘤处于由免疫细胞和支持细胞构成的复杂“邻里”中，这些细胞要么对抗肿瘤，要么帮助其隐匿。该研究引入了一种读取显微图像中这些细胞空间布局的新方法，揭示了免疫系统在侵袭性胰腺导管腺癌（PDAC）与其癌前病变—导管内乳头状粘液性肿瘤（IPMN）之间的不同表现。理解这些隐藏模式可能有助于改进诊断并指向更智能、更具针对性的治疗策略。

把组织当成地图，而不仅仅是图片

研究者没有把肿瘤切片当作平面图片来看，而是把它当作充满点的地图。利用多重免疫荧光成像，他们对119例PDAC和53例IPMN患者的组织样本进行染色，使不同类型的细胞以不同颜色显现。专门的软件将每个可见细胞转为带有坐标和标签的点：肿瘤（上皮）细胞、可攻击或调节免疫反应的多类T细胞，以及向T细胞展示肿瘤片段的抗原呈递细胞。关键问题不仅在于每类细胞的数量，还在于它们在组织中彼此的相对位置。

将肿瘤划分为若干分区

为了刻画肿瘤从中心向外的变化，每个组织样本根据肿瘤细胞的密集程度被划分为五个分区，范围从“非常低”到“非常高”的肿瘤强度。这些分区代表病理学家在显微镜下常见但很少量化的肿瘤负担和细胞拥挤度梯度。在每个分区内，团队为每种细胞类型估计平滑的“强度图”，本质上是将离散点转成连续的热图，显示每种细胞趋于聚集的位置。这样的分区方法使他们不仅能比较细胞间总体的相互作用，还能比较这些相互作用如何随肿瘤稀疏到致密区域而变化。

将细胞邻里转化为网络

接下来，研究者将空间模式翻译为网络：每种细胞类型为一个节点，连接表示在控制其他类型影响后两种细胞类型共同出现的强度。他们使用一个称为ISPat（知情空间感知模式）的贝叶斯统计框架，将跨所有分区共享的特征与分区特异的特征分离开来。ISPat还可以在有先验生物学知识时将其纳入模型，有助于在复杂数据中稳定估计。模拟实验证明ISPat能可靠恢复已知模式，而且比传统方法快得多，使其可用于大规模成像研究。

两种疾病，两种免疫构型

将ISPat应用于真实患者数据时，在PDAC与IPMN之间出现了鲜明对比。PDAC呈现出一种僵化且一致的免疫构型：几乎在所有分区中，肿瘤细胞、辅助T细胞、杀伤（细胞毒性）T细胞、调节性T细胞和抗原呈递细胞之间保持几乎相同的关系模式。这表明一种稳定且根深蒂固的免疫抑制环境，难以打破。相比之下，IPMN在分区之间的变异要大得多，特别是在调节性T细胞与其他免疫细胞的连接方式上。在IPMN中，中等密度分区——既不是完全被肿瘤细胞填满也不是几乎无肿瘤的区域——展示了免疫相互作用最显著的重塑。

免疫逃逸与治疗的热点区域

深入分析发现，研究识别出若干细胞类型配对，其相互作用在PDAC与IPMN间持续性差异尤为显著，尤其体现在那些中等密度分区。许多差异涉及调节性T细胞（其可抑制免疫攻击）、抗原呈递细胞与杀伤性T细胞（负责发起并执行抗肿瘤反应）。值得注意的是，推动抗原呈递和直接肿瘤杀伤的相互作用，以及执行免疫抑制的相互作用，在这些中间梯度区域的差异最为明显，而不是在极端的肿瘤区域。这一模式表明，免疫控制的关键战场位于肿瘤与免疫系统仍在积极博弈的过渡地带。

这对患者意味着什么

对非专业读者而言，结论是肿瘤中细胞所在的位置与细胞类型同样重要。PDAC似乎固化为一种稳定的、抑制性的免疫“布局”，而IPMN的免疫景观则更具灵活性并依赖区域。这样的空间指纹可能成为区分危险性肿瘤与癌前病变的生物标志，帮助预测哪些患者可能从特定免疫治疗中受益。ISPat框架提供了一种通用工具来解读多种疾病中的此类空间编码，支持一种未来景象：癌症治疗不仅由遗传学和细胞类型驱动，还由每位患者肿瘤内部细胞的细致地理结构所引导。

引用: Bhadury, S., Peruzzi, M., Acharyya, S. et al. Informed spatially aware patterns for multiplexed immunofluorescence data. Sci Rep 16, 5015 (2026). https://doi.org/10.1038/s41598-026-35341-8

关键词: 胰腺癌, 肿瘤微环境, 空间成像, 免疫相互作用, 精准肿瘤学