肿瘤微环境概述
大家好，我是你们这门课的第一个领路人。
今天咱们聊一个核心概念——肿瘤微环境，英文叫 Tumor Microenvironment，简称 TME。
你可能听过一句话：“肿瘤不是一座孤岛”。
这句话什么意思？说白了，一个肿瘤块儿，它不只是癌细胞的集合体。它里面还混着大量的免疫细胞、成纤维细胞、血管、淋巴管，还有一堆乱七八糟的细胞外基质。这些东西跟癌细胞搅合在一起，形成一个复杂的生态系统。
我刚开始做这个方向时，有同事只看癌细胞基因组，觉得“搞定突变就搞定癌症”。结果呢？免疫治疗一上，完全不灵。为什么？因为他忽略了 TME。
嗯，这里要注意，TME 才是决定肿瘤行为的关键战场。
1.1 什么是肿瘤微环境
官方定义：肿瘤微环境是肿瘤细胞存在的细胞环境，包括周围的血管、免疫细胞、成纤维细胞、信号分子和细胞外基质。
但我觉得更形象的比喻是——一个失控的城中村生态。
- 癌细胞是那些违规加盖的违章建筑
- 免疫细胞是试图维稳的城管，但经常被收买
- 成纤维细胞像是被腐蚀的物业，帮着扩建
- 血管就像私拉乱接的电线，给违建供电
你想想看，要拆掉这个违建，光盯着癌细胞是不够的。你必须搞懂整个生态。
TME vs. 正常组织微环境：核心差异
| 维度 | 正常微环境 | 肿瘤微环境 |
|---|---|---|
| 血管 | 规则、功能完整 | 扭曲、渗漏、缺氧 |
| 免疫细胞 | 抗肿瘤活性正常 | 被抑制、重编程 |
| 基质细胞 | 组织稳态支持 | 促癌、促纤维化 |
| 细胞外基质 | 有序、动态平衡 | 僵硬、重构、促迁移 |
1.2 TME 的核心组成成分
为了把这锅“杂烩汤”理清楚，我习惯把它分成四大类。
1.2.1 细胞组分
这是最活跃的部分。你拆开一个肿瘤样本，里面什么细胞都有。
- 免疫细胞：T 细胞（CD8+ 杀手、CD4+ 辅助）、B 细胞、NK 细胞、巨噬细胞（M1 抗肿瘤 / M2 促肿瘤）、树突状细胞、髓系抑制细胞 MDSC。
- 基质细胞：癌症相关成纤维细胞 CAF（分泌生长因子、重塑 ECM）、周细胞、间充质干细胞。
- 内皮细胞：构成肿瘤血管，异常且功能不全。
- 肿瘤细胞自身：异质性极大，不同区域基因表达不同。
1.2.2 非细胞组分
- 细胞外基质 ECM：胶原、纤连蛋白、层粘连蛋白、蛋白聚糖。说白了，就是肿瘤生长的“脚手架”和“跑道”。
- 可溶性因子：细胞因子（TGF-β、IL-10）、趋化因子、生长因子（VEGF）。这些是细胞间的“喊话器”。
- 物理化学特征：缺氧（hypoxia）、酸性 pH、高间质压。这些东西直接决定了治疗药物能不能渗透进去。
我的习惯
在空间分析项目中，我会先做一个“细胞组成快照表”。用多重免疫荧光或空间转录组，把每个 spot / cell 的群落成分标出来。这张表能帮你快速定位：哪里是免疫“热区”，哪里是免疫“冷区”。
避坑指南
我做过一次，把 CAF 简单地归类为“促癌”就完了。后来发现不对——CAF 有亚群，有些是抑癌的。如果你只用粗粒度的细胞类型去建空间模型，结果会严重偏差。
| 阵营 | 典型角色 | 空间分布特征 | 治疗意义 |
|---|---|---|---|
| 免疫阵营 | CD8+ T 细胞、巨噬细胞 | 浸润前沿 / 三级淋巴结构 | 免疫检查点抑制剂的靶点 |
| 基质阵营 | CAF、周细胞 | 环绕肿瘤巢、间质区 | 药物渗透屏障、促纤维化 |
| 脉管阵营 | 内皮细胞 | 不规则网状分布 | 抗血管生成治疗的战场 |
1.3 为什么研究 TME 这么重要？临床意义
聊到这里，你可能会问：搞清这些细胞和分泌物，到底能帮临床做什么？
三个字：定策略。
- 诊断分层：通过 TME 分型（免疫沙漠型、免疫排除型、免疫炎症型），判断患者预后。我在项目中见过，同样是肺癌，免疫炎症型患者的总生存期比其他型多出 18 个月。
- 治疗响应预测：PD-L1 的表达水平 + TIL 密度 + 空间分布，能准确预测免疫治疗是否有效。
- 耐药机制解读：为什么化疗不灵？很可能是 CAF 分泌的 IL-6 激活了旁分泌通路。空间分析能帮你看到“谁”刺激了“谁”。
- 新靶点发现：比如靶向 CAF 上的 FAP、调控 M2 型巨噬细胞极化。
我记得有一次项目里，帮临床团队分析一批三阴性乳腺癌样本。只看基因突变，全是“TMB-H”（高肿瘤突变负荷），按理说免疫治疗有效。但一分析 TME——免疫细胞根本进不去，被致密的基质包裹着。这就是典型的免疫排除型。最后改了治方案，加上了基质降解药物。
1.4 研究现状与空间分析概览
传统方法怎么研究 TME？
- 流式细胞术：解离组织，但丢掉空间位置
- 大块 RNA 测序：平均化，看不到异质性
- 常规 IHC：一次看 1-2 个标记，通量低
问题很明显——这些方法都缺少空间信息。
你想想看，CD8+ T 细胞离癌细胞是 10 µm 还是 500 µm，这两个情况的生物学意义完全不同。前者能直接杀伤，后者只能干瞪眼。
所以最近几年，空间分析方法飞速发展。
我这里列几个主流技术，都是你们以后会用到工具集里的常客：
| 技术 | 分辨率 | 通量 | 核心输出 | 典型平台 |
|---|---|---|---|---|
| 空间转录组学 | ~50 µm (spot) | 全转录组 | 基因 vs 空间坐标 | 10x Visium, Slide-seq |
| 多重免疫荧光 | 单细胞级 | 30~60 个标记 | 细胞类型 + 邻域关系 | CODEX, CyCIF, MIBI |
| 空间蛋白质组学 | 亚细胞级 | 几十个蛋白 | 蛋白活性空间映射 | GeoMx DSP, MIBI-TOF |
| 原位测序 | 单分子级 | 靶向数百基因 | RNA 分子精确位置 | MERFISH, seqFISH+ |
面对这些数据，我一般遵循一套分析流程，伪代码大概这样：
# 伪代码：TME 空间分析核心流程
1. 加载空间数据 matrix + 组织图像
2. 质控：过滤低质量 spot/cell，图像配准
3. 降维聚类 (PCA + UMAP) --> 识别细胞群落
4. 细胞类型注释 (使用参考标记基因或单细胞映射)
5. 空间邻域分析：
- 计算细胞类型共定位 (Neighborhood Enrichment)
- 细胞-细胞距离分布
- 空间梯度分析
6. 生态型/微环境分区 (Community Detection)
7. 与临床关联验证 (生存分析、治疗响应建模)这个流程看起来简单，但每个步骤都有坑。比如细胞类型注释，空间数据的分辨率不如单细胞，容易出现信号混叠。我刚开始处理 Visium 数据时，一个 spot 里掺了好几类细胞，结果把 CAF 和 T 细胞混在一起分析了。所以现在做空间分析，我必用反卷积法（如 cell2location、SPOTlight）拆解亚群。
好了，这一章我们把 TME 的面纱掀开了一角。你知道它是什么、里面有什么、为什么重要，以及我们打算用什么样的“空间视角”去解剖它。这张图可以帮你把知识点串起来：
看到这个结构，你会发现 TME 分析不是孤立的技术堆叠。它需要你把生物学理解（细胞组分、非细胞组分）、实验技术（多重染色、测序）和计算分析（空间统计、邻域分析）三个层面串起来。