【原】单细胞meta分析揭示肿瘤反应性CXCL13+T细胞对免疫检查点阻断的反应

文章信息

文章标题：Single-cell meta-analyses reveal responses of tumor-reactive CXCL13⁺ T cells to immune-checkpoint blockade
期刊：Nature Cancer
日期：2022-9-22
DOI：https:///10.1038/s43018-022-00433-7

简介：

CD8⁺T细胞是识别，杀伤肿瘤的关键免疫细胞，与免疫治疗疗效息息相关。而肿瘤反应性CD8 T细胞(肿瘤反应性CD8⁺ T细胞)更是杀伤肿瘤的主要战士。但如何精确地区分肿瘤反应性CD8 T细胞与旁观CD8 T细胞（Bystander CD8⁺ T cells）仍是挑战。而肿瘤反应性CD8 T细胞中不同亚群对免疫治疗响应有怎样的差异更亟待探索。

通过scRNA-seq数据区分肿瘤反应性CD8 T细胞与旁观CD8 T细胞

如何筛选肿瘤反应性CD8 T细胞的可靠marker呢？

作者从两个既往研究中整合了进行或未进行免疫治疗的10,523个肿瘤反应性CD8 T细胞和370旁观CD8 T细胞。然后根据clone数大于3的肿瘤反应性CD8 T细胞（1,187个）；两群细胞差异分析发现CXCL13在肿瘤反应性CD8 T细胞中富集（不论使不使用免疫治疗）,且使用CXCL13表达预测肿瘤反应性CD8 T细胞精准度非常高。(fig1 a-c)前一个数据集有个问题：免疫治疗响应患者肿瘤反应性CD8 T细胞太少。作者又找了一个新的肺癌免疫治疗数据集，验证了在免疫治疗响应患者免疫治疗前后，虽然耗竭基因表达变化，但CXCL13均能很好地对T细胞进行区分（fig1d-o)

CXCL13⁺肿瘤反应性CD8 T细胞与免疫治疗疗效的关系

作者整合了5个癌种7个队列的免疫治疗单细胞数据，探究治疗前后CXCL13⁺ 肿瘤反应性CD8 T细胞丰度与免疫治疗疗效的关系。

结果表明，不管是治疗前还是治疗后，治疗响应患者的CXCL13⁺肿瘤反应性CD8 T细胞丰度都高于不响应患者(fig2a-e)

Fig2

然后作者整合两个乳腺癌数据集（因为这俩研究4组数据都很全）进一步查看CXCL13对免疫治疗疗效的预测能力（fig2f,g)

Fig2

最后，在癌种的水平，作者发现CXCL13⁺肿瘤反应性CD8 T细胞丰度与癌种的免疫治疗反应率正相关，且其相关性好于TMB

CXCL13⁺肿瘤反应性CD8 T细胞细分亚群

作者对CXCL13⁺肿瘤反应性CD8 T细胞进一步细分，分为proliferative cells ，terminally differentiated cells和两群IL7R⁺HAVCR2^- and GZMK⁺HAVCR2^- precursor-like cells，然后进一步研究了他们分化上的关系（fig3a-e）

Fig3

使用scATAC-seq数据进一步探究不同亚群表观组上的差异发现precursor-like cells中IL7R, TCF7 and CCR7基因区域可及性较高，而LAG3 and PDCD1基因区域在terminally differentiated cells中可及性较高，而CXCL13可及性基本稳定。（Fig3f,g)

Fig3

CXCL13⁺肿瘤反应性CD8 T细胞亚群在免疫治疗中的比例变化

作者发现在非小细胞肺癌中，治疗前肿瘤内的CXCL13⁺肿瘤反应性CD8 T细胞主要由terminally differentiated T cells构成，而治疗后precursor-like T cells增加。在皮肤细胞癌中terminally differentiated T cells一直占据统治地位。而在乳腺癌中现象因治疗方式而异，只用anti-PD-1的cohort 1一直是terminally differentiated T cells占主要，而使用化疗加anti-PD-1的队列治疗后precursor-like cells增加。而有淋巴结转移的乳腺癌在联合治疗后precursor-like cells增加相对明显（Fig4a-d)

Fig4

为什么不同癌种反应不同呢？作者认为可能与不同癌种间肿瘤微环境中免疫抑制分子的表达差异有关。作者在肿瘤微环境(包括了免疫和非免疫细胞)中共刺激配体表达打分（expression scores of co-inhibitory  ligands , CIL score) 来评估T细胞的免疫抑制状态。发现CIL评分越高，治疗后precursor-like cells比例越小。

Fig4

外周血T细胞动态变化与clone revival

Fig5

作者通过分析多部位取样单细胞测序发现基底细胞癌中治疗后增加的肿瘤反应性CD8⁺T细胞主要是新的clone，而对于非小细胞肺癌和鳞状细胞癌则是旧clone较多。那是什么导致了这个差异呢？作者进一步分析发现在”冷肿瘤”（以治疗前肿瘤反应性CD8⁺ T细胞数量评估）中是新clone较多，”热肿瘤”中旧clone较多。（Fig5a-c）如果您不了解什么是“clone revival”，可以看看张泽民2021年发的这篇文章：Temporal single-cell tracing reveals clonal revival and expansion of precursor exhausted T cells during anti-PD-1 therapy in lung cancer (https:///10.1038/s43018-021-00292-8)

为了进一步确认部分增加的肿瘤反应性CD8⁺T细胞来自于外周血，作者利用scTCR-seq数据，发现新，旧clone的肿瘤反应性CD8⁺T细胞都有部分来源于外周血，且外周血中的肿瘤反应性CD8⁺ T细胞比例与肿瘤内的正相关。(Fig5d-e)

外周血肿瘤反应性CD8⁺ T细胞随时间的动态变化是什么样的呢？作者发现在疗效好的患者中外周血肿瘤反应性CD8⁺ T细胞在治疗后随时间不断增加。然后作者用TCR-seq进一步验证了免疫治疗疗效越好，外周血肿瘤反应性CD8⁺ T细胞丰度越高的结论（Fig5f,g)

CD4⁺ T细胞的在治疗过程中的动态变化

CD4⁺ T细胞的分群，在T helper 细胞中分出CXCL13⁺ CD4⁺，其高表达耗竭表型相关基因如PDCD1（Fig6a,b）。进一步分析发现其在疗效好的患者的治疗后样本中丰度较高，体现了其在免疫治疗中的作用（Fig6c）。且还发现其治疗前丰度能很好预测治疗效果（Fig6d）。

Fig6

当与CD8⁺ CXCL13⁺治疗前丰度结合后对治疗疗效预测效果更好。

Fig6

最后一张图，展现了经典的CD8分化轨迹以及肿瘤反应性CD8⁺T细胞的分化轨迹。经典的分化轨迹来自于2021年张泽民刚刚在Science上发表的泛癌T细胞分群文章。本图体现了CD8⁺ CXCL13⁺ T细胞与经典分化路径的关系。

张泽民老师团队的数据挖掘仍是如此赏心悦目。他们的文章好像一张网，将星辰般庞大的数据联系起来，组成一个庞大的系统，然后从系统中发现规律。这可能就是系统生物学家最牛逼的样子吧。