整合单细胞与机器学习框架揭示预后相关的成纤维细胞亚型并构建肺腺癌成纤维细胞相关风险特征

为何肺肿瘤周围的“辅助”细胞重要

肺腺癌是最常见且致死率较高的肺癌类型之一，但表面上相似的肿瘤患者却可能出现截然不同的结局和治疗反应。本研究并非只关注癌细胞本身，而是着眼于称为成纤维细胞的周围“辅助”细胞——它们参与组织构建与重塑。通过对这些细胞逐一放大观察并结合先进的计算模型，研究人员显示成纤维细胞存在不同的“类型”，这些类型可以预测患者预后以及肿瘤对现代免疫疗法的可能反应。

细察肿瘤的“邻里”环境

研究团队使用前沿的单细胞RNA测序技术，分析了来自未经治疗的肺腺癌样本中超过14万个单细胞。该技术可读取每个细胞中活跃的基因，从而将肿瘤划分为主要“居民”：免疫细胞、癌细胞、血管细胞和成纤维细胞。他们发现肿瘤在各类细胞的组成上差异很大：有的肿瘤充斥免疫细胞，而有的则以成纤维细胞和结构性组织为主。后续分析显示，这些细胞类型各司其职，从协调免疫反应到构建肿瘤的结构支架，均承担专门功能。

成纤维细胞并非全然相同

当研究人员聚焦成纤维细胞时，他们在肺肿瘤中发现了七种不同的成纤维细胞亚群。通过重建这些细胞随时间的演进轨迹，观察到两条主要的发展路径。一条路径上，成纤维细胞逐渐表现出收缩和使组织变硬的特性，从而重塑肿瘤周围环境；另一条路径上，成纤维细胞更多参与与免疫系统的相互作用，或吸引、或抑制免疫细胞。每个亚群都呈现独特的基因表达模式，并与不同的生物学功能相关联，如类肌肉收缩、迁移或免疫调节。重要的是，某些成纤维细胞亚型富集的肿瘤患者通常存活期更长，说明成纤维细胞状态的组合不仅是学术上的有趣现象——它与真实的临床结局相关联。

从成纤维信号构建风险评分

为了将这些生物学发现转化为临床可用的工具，研究团队将单细胞数据中鉴定的成纤维细胞标志基因与来自公共大型数据库中数百例患者的整体肿瘤数据相结合。他们随后应用了10种不同的机器学习方法，测试了101种模型组合，以找出哪种成纤维相关基因组合最能预测患者生存。最终获胜的模型称为成纤维细胞相关特征（fibroblast-related signature，FRS），由29个基因构成，用以给每位患者分配一个风险评分。在主要数据集及六个独立患者队列中，高FRS评分者的生存显著差于低评分者。即使在考虑年龄、性别与肿瘤分期后，FRS仍然是一个强有力的预测因子，并且与标准TNM分期系统联合时能进一步提高预测能力。

关于免疫逃逸与治疗反应的线索

鉴于许多患者目前接受免疫治疗，作者探讨了成纤维细胞基础评分是否反映肿瘤免疫环境的特征。他们发现低FRS评分的肿瘤更富含诸如CD8 T细胞和自然杀伤细胞等抗癌免疫细胞，且具有更高的肿瘤抗原呈递相关基因表达。相比之下，高FRS肿瘤则显示出有益免疫细胞较少、肿瘤细胞比例更高、基因组不稳定性更强以及免疫排斥的迹象，即免疫细胞被排斥在外。对免疫检查点抑制剂响应的模拟评估表明，低FRS患者可能更易从这些疗法中获益，而高FRS患者可能更具耐药性。

聚焦一个有前景的靶基因

在构成FRS的基因中，研究团队将名为TIMP1的基因突出为与不良预后高度相关的标志物。TIMP1在多种癌症类型中表达升高，在肺腺癌组织中相比邻近正常肺组织尤其明显。体外实验显示，降低肺癌细胞系中TIMP1水平会削弱细胞穿越基质的侵袭能力和形成新集落的能力，提示TIMP1可能推动肿瘤生长与转移。这些结果将TIMP1指向未来旨在削弱肿瘤结构与免疫塑造功能的药物开发中的潜在靶点。

对患者意味着什么

这项工作表明，肿瘤周围的“配角”细胞，尤其是成纤维细胞，蕴含关于疾病行为和治疗反应的重要信息。通过将单细胞测量与机器学习相结合，作者构建了一个基于成纤维细胞的风险评分，能够将患者分为高风险与低风险组，并提供关于哪些肿瘤更可能对免疫治疗产生抵抗的线索。尽管在将该评分用于日常临床之前仍需更多验证，这项研究强调了有效治疗肺癌不仅需要针对癌细胞本身，还需要控制那些助力肿瘤生长与隐匿的周围成纤维细胞。

引用: Cheng, S., Zhang, H., Mu, Q. et al. Integrative single-cell and machine learning framework reveals prognostic fibroblast subtypes and constructs a fibroblast-related risk signature in lung adenocarcinoma. Sci Rep 16, 7965 (2026). https://doi.org/10.1038/s41598-026-35830-w

关键词: 肺腺癌, 癌症相关成纤维细胞, 单细胞测序, 肿瘤微环境, 免疫治疗反应