空間多組學+機器學習助力精準預測肝細胞癌復發
肝細胞癌（HCC）的高復發率是臨床治療中的重大挑戰，亟需有效的復發預測和干預策略。新研究通過整合空間轉錄組、單細胞轉錄組和蛋白質組數據，揭示了腫瘤侵襲前沿中特定NK細胞亞群在抑制復發中的核心作用，并利用機器學習構建了TIMES復發預測系統，其預測效能顯著優于傳統預測模型�？臻g多組學技術為精準解析腫瘤微環境提供了強大工具，為HCC等腫瘤疾病的個性化治療開辟了新路徑！
一. 研究背景
肝細胞癌（HCC）的高復發率是患者長期生存的主要障礙，亟需有效的預測和干預策略。腫瘤微環境（TME）中的免疫細胞，特別是自然殺傷（NK）細胞和T細胞，在抑制復發中發揮關鍵作用，但其空間分布特征和調控機制尚不明確。本研究通過整合空間轉錄組分析、單細胞RNA測序和機器學習模型，系統解析了HCC免疫微環境的空間異質性，揭示了侵襲前沿特定NK細胞亞群在抑制復發中的核心作用，并構建了基于空間免疫特征的復發預測系統（TIMES），為HCC的精準診療提供了新視角。
二. 文章詳情
文章題目：Spatial immune scoring system predicts hepatocellular carcinoma recurrence
中文題目：空間免疫評分系統預測肝細胞癌復發
發表時間：2025.03
期刊名稱：Nature
影響因子：50.5
技術平臺：蛋白質組+單細胞轉錄組+空間轉錄組檢測
DOI：10.1038/s41586-025-08668-x
三. 研究結果
1. NK細胞在侵襲前沿（IF）降低復發風險
為解析免疫細胞空間分布對HCC復發的調控作用，研究團隊通過空間轉錄組分析（10x Visium）和多重免疫組化（mlHC）對17例HCC患者組織進行解析，發現未復發（non-REC）患者的IF區域中CD3⁻CD57⁺成熟NK細胞顯著富集（P=4.3×10⁻⁴），且該細胞亞群高浸潤患者的無病生存期（DFS）延長（P=6.6×10⁻³）。這一結果表明，IF區域的特定NK細胞亞群是抑制HCC復發的關鍵免疫屏障。
Fig1. 空間多組學分析揭示NK細胞分布與肝細胞癌復發之間的關聯2. 空間基因模式預測復發
基于GeoMx DSP全轉錄組圖譜對CD3⁻CD57⁺NK細胞的空間基因表達分析，在8例HCC患者中篩選出241個差異表達基因（DEGs），其中SPON2、ZFP36L2等五個基因在預測復發中表現最優。蛋白質組學（LC-MS/MS）驗證了這些基因的蛋白表達差異，而TCGA數據庫對比顯示，僅結合基因的空間分布信息時，其預測復發的效能顯著提升，突顯空間組學在精準預測中的必要性。
Fig2. 鑒定肝細胞癌復發預測的基因表達空間分布模式3. TIMES系統分層復發風險
通過整合XGBoost機器學習模型與61例HCC患者的全切片圖像（WSI）及多區域標志物數據，研究團隊構建了TIMES評分系統。該系統在驗證隊列中區分復發與未復發患者的準確率達82.2%（AUC>0.87），且顯著優于傳統TNM/BCLC分期，尤其在早期HCC中展現出更高的臨床實用性，為個體化復發風險評估提供了新工具。
Fig3. 開發TIMES評分系統用于肝細胞癌復發風險預測4. SPON2+ NK細胞：高活性與腫瘤浸潤性
在3D腫瘤模型中進行單細胞RNA測序，研究發現SPON2⁺NK細胞高表達IFNγ、穿孔素等激活標志物（P=1.0×10⁻⁴），并具有更強的腫瘤遷移與殺傷能力。敲低SPON2抑制NK細胞功能，而過表達則顯著增強其浸潤與細胞毒性，證實SPON2是NK細胞抗腫瘤活性的核心調控因子。
5. SPON2+NK細胞與CD8+T細胞的相互作用
通過空間mIHC定位和體外共培養實驗，研究揭示了SPON2⁺NK細胞與CD8⁺T細胞在腫瘤核心（TC）區域的緊密空間關聯。直接接觸通過IFNγ信號通路顯著提升CD8⁺T細胞的效應分子（如顆粒酶B，P=1.0×10⁻⁴），而阻斷IFNγ后協同效應消失，表明兩種免疫細胞通過功能性互作協同抑制腫瘤進展。
Fig4. SPON2+NK細胞被激活并具有向肝細胞癌腫瘤核心遷移的潛力，且靠近更高豐度的IFNγ+CD8+T細胞6.NK細胞中SPON2缺失促進HCC復發
在Spon2敲除小鼠模型中，NK細胞特異性缺失SPON2導致腫瘤生長加速（P=7.8×10⁻³）及免疫細胞浸潤減少，而過繼轉移SPON2⁺NK細胞可逆轉此表型（P=3.9×10⁻³）。臨床數據分析進一步顯示，TC區域SPON2⁺NK細胞富集與患者長期生存正相關（P=9.8×10⁻³），提示靶向SPON2或可成為改善HCC預后的新策略。
Fig5. Spon2敲除對肝細胞癌小鼠模型中NK細胞功能的影響四. 主要結論
本研究對61名患者的腫瘤侵襲前沿和腫瘤中心進行NK細胞的空間分布分析，發現其與HCC復發相關�；谖宸N生物標志物（SPON2、ZFP36L2、ZFP36、VIM和HLA-DRB1）的空間表達模式，研究團隊利用極端梯度提升和逆方差加權方法開發了腫瘤免疫微環境空間（TIMES）評分系統，用于預測HCC復發風險。TIMES評分在患者風險分層方面優于當前標準工具（如TNM和BCLC系統）。我們在來自五個多中心隊列的231名患者中驗證了該模型，實際準確率達到82.2%，特異性為85.7%。這些生物標志物的預測能力源于其空間分布的整體整合，而非單個標志物的表達水平。通過體內模型（包括NK細胞特異性Spon2基因敲除小鼠），我們發現SPON2能夠增強侵襲前沿的IFNγ分泌和NK細胞浸潤。本研究提出的TIMES評分系統是一個公開可用的工具，用于預測HCC復發風險，并為早期HCC的治療決策提供潛在指導。
參考文獻
Jia, Gengjie et al. “Spatial immune scoring system predicts hepatocellular carcinoma recurrence.” Nature, 10.1038/s41586-025-08668-x. 12 Mar. 2025.
