动态尿液蛋白质组学整合单细胞和空间转录组学揭示胆道癌肿瘤微环境并预测免疫治疗反应

背景：大多数胆道癌（BTC）患者无法从免疫检查点抑制剂（ICIs）中获得持久的临床获益（DCB），这凸显了对预测性生物标志物的迫切需求。虽然尿液蛋白质组学代表了一种用于生物标志物发现和机制探索的非侵入性方法，但其在ICI治疗的癌症患者中的应用仍未得到探索。目的：我们旨在将尿液蛋白质组学确立为预测ICI反应性的工具，并阐明其与胆道癌肿瘤动力学和肿瘤微环境（TME）重塑的关系。设计：我们在来自97例接受ICI治疗的未经治疗的BTC患者的211份尿液样本中，采用基于质谱（MS）的分阶段发现-验证蛋白质组学工作流程。基于基线蛋白质组学特征开发了机器学习模型用于预测ICI反应。整合了11例治疗前肿瘤活检样本的单细胞转录组学和空间转录组学，以探索尿液蛋白质组学与TME之间的联系。结果：获得DCB的患者表现出免疫激活和全身炎症通路的富集，而持久获益不足则与促肿瘤发生过程相关。纵向尿液蛋白质组学动态可以反映TME重塑和肿瘤演变。机器学习衍生的4-尿液蛋白组合（蛋白酪氨酸磷酸酶非受体13（PTPN13）、SUB1、MICAL-L1、VARS1）稳健地预测了DCB和早期反应。随后在独立队列中（n=24）使用平行反应监测-质谱法进行的外部验证进一步证实了其普适性。PTPN13+恶性细胞被确定为促凋亡TME状态的关键调节因子，有助于持续的ICI反应性。结论：这项研究开创了尿液蛋白质组学在免疫肿瘤学中的应用，提供了一种非侵入性方法来预测和监测ICI反应性，同时为BTC的TME动态提供了机制见解。