Nature | 空间多组学+机器学习：精准预测肝细胞癌复发的“新武器”

肝细胞癌（HCC）的高复发率是患者长期生存的主要障碍，亟需有效的预测和干预策略。肿瘤微环境（TME）中的免疫细胞，特别是自然杀伤（NK）细胞和T细胞，在抑制复发中发挥关键作用，但其空间分布特征和调控机制尚不明确。本研究通过整合空间转录组分析、单细胞RNA测序和机器学习模型，系统解析了HCC免疫微环境的空间异质性，揭示了侵袭前沿特定NK细胞亚群在抑制复发中的核心作用，并构建了基于空间免疫特征的复发预测系统（TIMES），为HCC的精准诊疗提供了新视角。

文章题目：Spatial immune scoring system predicts hepatocellular carcinoma recurrence

中文题目：空间免疫评分系统预测肝细胞癌复发

发表时间：2025.03

期刊名称：Nature

影响因子：50.5

技术平台：蛋白质组+单细胞转录组+空间转录组检测

DOI：10.1038/s41586-025-08668-x

为解析免疫细胞空间分布对HCC复发的调控作用，研究团队通过空间转录组分析（10x Visium）和多重免疫组化（mlHC）对17例HCC患者组织进行解析，发现未复发（non-REC）患者的IF区域中CD3⁻CD57⁺成熟NK细胞显著富集（P=4.3×10⁻⁴），且该细胞亚群高浸润患者的无病生存期（DFS）延长（P=6.6×10⁻³）。这一结果表明，IF区域的特定NK细胞亚群是抑制HCC复发的关键免疫屏障。

基于GeoMx DSP全转录组图谱对CD3⁻CD57⁺NK细胞的空间基因表达分析，在8例HCC患者中筛选出241个差异表达基因（DEGs），其中SPON2、ZFP36L2等五个基因在预测复发中表现最优。蛋白质组学（LC-MS/MS）验证了这些基因的蛋白表达差异，而TCGA数据库对比显示，仅结合基因的空间分布信息时，其预测复发的效能显著提升，突显空间组学在精准预测中的必要性。

通过整合XGBoost机器学习模型与61例HCC患者的全切片图像（WSI）及多区域标志物数据，研究团队构建了TIMES评分系统。该系统在验证队列中区分复发与未复发患者的准确率达82.2%（AUC>0.87），且显著优于传统TNM/BCLC分期，尤其在早期HCC中展现出更高的临床实用性，为个体化复发风险评估提供了新工具。

在3D肿瘤模型中进行单细胞RNA测序，研究发现SPON2⁺NK细胞高表达IFNγ、穿孔素等激活标志物（P=1.0×10⁻⁴），并具有更强的肿瘤迁移与杀伤能力。敲低SPON2抑制NK细胞功能，而过表达则显著增强其浸润与细胞毒性，证实SPON2是NK细胞抗肿瘤活性的核心调控因子。

通过空间mIHC定位和体外共培养实验，研究揭示了SPON2⁺NK细胞与CD8⁺T细胞在肿瘤核心（TC）区域的紧密空间关联。直接接触通过IFNγ信号通路显著提升CD8⁺T细胞的效应分子（如颗粒酶B，P=1.0×10⁻⁴），而阻断IFNγ后协同效应消失，表明两种免疫细胞通过功能性互作协同抑制肿瘤进展。

在Spon2敲除小鼠模型中，NK细胞特异性缺失SPON2导致肿瘤生长加速（P=7.8×10⁻³）及免疫细胞浸润减少，而过继转移SPON2⁺NK细胞可逆转此表型（P=3.9×10⁻³）。临床数据分析进一步显示，TC区域SPON2⁺NK细胞富集与患者长期生存正相关（P=9.8×10⁻³），提示靶向SPON2或可成为改善HCC预后的新策略。

本研究对61名患者的肿瘤侵袭前沿和肿瘤中心进行NK细胞的空间分布分析，发现其与HCC复发相关。基于五种生物标志物（SPON2、ZFP36L2、ZFP36、VIM和HLA-DRB1）的空间表达模式，研究团队利用极端梯度提升和逆方差加权方法开发了肿瘤免疫微环境空间（TIMES）评分系统，用于预测HCC复发风险。TIMES评分在患者风险分层方面优于当前标准工具（如TNM和BCLC系统）。我们在来自五个多中心队列的231名患者中验证了该模型，实际准确率达到82.2%，特异性为85.7%。这些生物标志物的预测能力源于其空间分布的整体整合，而非单个标志物的表达水平。通过体内模型（包括NK细胞特异性Spon2基因敲除小鼠），我们发现SPON2能够增强侵袭前沿的IFNγ分泌和NK细胞浸润。本研究提出的TIMES评分系统是一个公开可用的工具，用于预测HCC复发风险，并为早期HCC的治疗决策提供潜在指导。