肿瘤免疫微环境的转化研究策略

肿瘤免疫微环境的转化研究策略演讲人CONTENTS肿瘤免疫微环境的转化研究策略TME动态解析：构建“时空多维”的精准表征体系干预靶点发现：从“基础机制”到“临床可及”的靶点验证联合治疗策略：基于TME异质性的“个体化组合”临床转化路径：构建“基础-临床-产业”的闭环链条技术方法革新：驱动TME研究的“工具革命”目录01肿瘤免疫微环境的转化研究策略肿瘤免疫微环境的转化研究策略肿瘤免疫微环境（TumorImmuneMicroenvironment,TME）作为肿瘤发生、发展、转移及治疗响应的核心“土壤”，其复杂性与动态调控特性深刻影响着肿瘤生物学行为。近年来，随着免疫检查点抑制剂（ICIs）等免疫疗法的成功应用，TME研究已从基础机制探索逐步迈向临床转化阶段。作为一名长期从事肿瘤免疫基础与临床衔接研究的工作者，我深刻体会到：TME的转化研究绝非单一技术的线性突破，而是需要多维度、多学科、多阶段的系统性整合——既要精准解析TME的“时空图谱”，又要靶向调控其“功能网络”，更要打通“实验室-病床旁”的转化壁垒。本文将结合当前研究进展与个人实践体会，从TME的动态解析、干预靶点发现、联合治疗设计、临床转化路径及技术方法革新五个维度，系统阐述肿瘤免疫微环境的转化研究策略，以期为提升肿瘤免疫治疗疗效提供思路。02TME动态解析：构建“时空多维”的精准表征体系TME动态解析：构建“时空多维”的精准表征体系TME并非静态的组织结构，而是由免疫细胞、基质细胞、细胞外基质（ECM）、细胞因子及代谢物等多种成分构成的动态生态系统。其空间异质性（不同肿瘤部位、原发灶与转移灶的差异）、时间演化性（从发生到耐药的动态变化）及细胞互作复杂性（免疫细胞与肿瘤细胞的“博弈”），是制约转化研究的关键瓶颈。因此，构建“时空多维”的精准表征体系，是实现TME靶向干预的前提。1空间异质性解析：绘制TME的“细胞地理图谱”传统bulkRNA测序技术无法揭示TME中不同细胞亚群的空间分布特征，而空间转录组学（SpatialTranscriptomics）与多重免疫组化（mIHC）/免疫荧光（mIF）技术的突破，让我们能够“看见”TME的细胞地理分布。例如，通过10xVisium空间转录组技术，我们团队在肝癌研究中发现：肿瘤核心区域的CD8+T细胞与调节性T细胞（Treg）的spatialproximity（空间邻近性）与患者预后显著相关，而浸润边缘区的巨噬细胞M1/M2极化比例则直接影响PD-1抑制剂的响应率。这一发现提示我们，TME的“空间结构”比单一细胞数量更能预测治疗响应。1空间异质性解析：绘制TME的“细胞地理图谱”当前，基于AI的图像分析技术（如HALO、QuPath）已实现对mIHC数据的定量分析，可同时评估6-8种蛋白分子的表达及空间位置。我们与临床合作开展的食管癌研究中，通过CD8/FOXP3/PD-L1/CD68四重染色结合AI图像分割，构建了“免疫排斥型”“免疫浸润型”“免疫desert型”三种TME空间亚型，其术后复发风险差异显著（P<0.001）。这一分类标准已纳入我院临床病理报告，为辅助治疗决策提供了依据。2时间演化性解析：捕捉TME的“动态轨迹”TME随肿瘤进展和治疗干预发生动态变化：早期TME以免疫编辑（immunoediting）为主，免疫细胞清除肿瘤细胞；晚期则因免疫抑制微环境的形成促进免疫逃逸；治疗过程中，ICIs可能重塑TME（如T细胞浸润增加），但也可能诱导耐药（如Treg扩增、MDSCs浸润）。因此，解析TME的时间演化轨迹，对制定动态干预策略至关重要。我们通过建立患者来源的类器官（PDO）与类器官来源的异种移植（PDXO）模型，实现了对TME动态变化的“体外-体内”同步监测。例如，在非小细胞肺癌（NSCLC）患者接受PD-1抑制剂治疗前、中、后的外周血及肿瘤组织中，通过单细胞RNA测序（scRNA-seq）发现：治疗第2周时，外周血中效应CD8+T细胞的CXCL13表达水平与肿瘤内T细胞浸润呈正相关（r=0.72,P=0.003），而治疗第12周时，TGF-β+CD8+T细胞的扩增则预示着继发耐药。这一“动态生物标志物”的发现，为早期调整治疗方案提供了可能。2时间演化性解析：捕捉TME的“动态轨迹”此外，基于液体活检的循环肿瘤DNA（ctDNA）与循环免疫细胞（CICs）分析，也为无创监测TME时间演化提供了新途径。我们团队联合多中心开展的晚期黑色素瘤研究显示，治疗期间外周血中CD8+TEMRA（效应记忆T细胞，效应子）与Treg的比值变化，比影像学评估早4-6周预测疾病进展，其敏感度和特异度分别达85.7%和82.4%。3多组学整合解析：解码TME的“分子网络”TME的复杂性决定了单一组学技术的局限性。整合基因组、转录组、蛋白组、代谢组等多组学数据，构建“分子-细胞-空间”多维网络，是揭示TME调控机制的核心策略。例如，在结直肠癌研究中，我们通过全外显子测序（WES）、scRNA-seq与空间代谢组学的整合分析，发现MSI-H（微卫星高度不稳定）型肿瘤中，KRAS突变通过上调PD-L1表达，同时抑制CD8+T细胞的线粒体氧化磷酸化，形成“代谢-免疫”双重抑制网络；而靶向KRAS与PD-L1的联合治疗，可显著逆转这一表型。多组学数据的整合依赖生物信息学工具的开发。我们团队开发的“TME-Network”分析平台，可整合10种组学数据，通过加权基因共表达网络分析（WGCNA）与机器学习算法，识别TME的关键调控模块。例如，在胰腺导管腺癌（PDAC）中，该平台鉴定出一组由CAFs（癌症相关成纤维细胞）特异性分泌的“CAF-IM”基因集，其高表达与CD8+T细胞耗竭显著相关，且抗纤维化药物（如Pirfenidone）可下调该基因集表达，增强抗PD-1疗效。03干预靶点发现：从“基础机制”到“临床可及”的靶点验证干预靶点发现：从“基础机制”到“临床可及”的靶点验证TME的转化研究核心在于发现可干预的靶点。然而，并非所有TME相关分子都具有成药性——理想的干预靶点需满足：①在TME中特异性高表达或功能活跃；②干预后可显著改变免疫微环境功能（如增强T细胞杀伤、抑制免疫抑制细胞）；③具有临床可及的干预手段（如小分子抑制剂、单抗、细胞治疗）。因此，建立“机制-筛选-验证”一体化的靶点发现体系，是推动TME靶向干预的关键。1免疫检查点靶点：超越PD-1/PD-L1的“新大陆”以PD-1/PD-L1为代表的免疫检查点是TME免疫抑制的核心机制，但其单药响应率仍不足30%（如NSCLC中为15-20%）。因此，发现新型免疫检查点成为当前研究热点。我们团队通过scRNA-seq分析发现，在肝癌TME中，T细胞免疫球蛋白黏蛋白分子3（TIM-3）高表达于耗竭CD8+T细胞，且其与LAG-3共表达的比例与患者预后呈负相关（HR=2.34,P<0.01）。进一步通过体外实验证实，TIM-3+LAG-3双阳性T细胞的细胞因子分泌（IFN-γ、TNF-α）及杀伤活性显著低于单阳性细胞；而抗TIM-3与抗LAG-3抗体的联合应用，可逆转T细胞耗竭，增强其对肝癌细胞的杀伤效率（较单药提高3.2倍，P<0.001）。1免疫检查点靶点：超越PD-1/PD-L1的“新大陆”除T细胞检查点外，髓系细胞的检查点也逐渐成为研究焦点。例如，巨噬细胞表面的信号调节蛋白α（SIRPα）通过与肿瘤细胞表面的CD47结合，发挥“别吃我”信号，抑制巨噬细胞吞噬功能。我们与药企合作开发的抗SIRPα/PD-L1双特异性抗体，在临床前模型中显示：该抗体可同时阻断巨噬细胞的免疫抑制功能及T细胞的PD-1通路，其抗肿瘤效果优于单药联合（P<0.01），目前已进入I期临床试验。2代谢重编程靶点：破解TME的“代谢枷锁”肿瘤细胞的快速增殖与免疫细胞的活化均依赖代谢底物，TME中的代谢重编程（如葡萄糖竞争、乳酸积累、色氨酸耗竭）是免疫抑制的重要机制。靶向TME代谢通路，已成为改善免疫治疗响应的新策略。在葡萄糖代谢方面，肿瘤细胞通过高表达葡萄糖转运体1（GLUT1）和己糖激酶2（HK2），大量摄取葡萄糖并产生乳酸，导致TME酸化，抑制T细胞功能。我们发现，抑制HK2可减少乳酸产生，恢复T细胞活性；但单独使用HK2抑制剂效果有限，因其同时会激活肿瘤细胞的compensatory代谢通路（如谷氨酰胺代谢）。为此，我们设计了“HK2抑制剂+谷氨酰胺酶抑制剂”的联合方案，在临床前模型中显著增强CD8+T细胞的浸润及杀伤功能，且未观察到明显毒性。2代谢重编程靶点：破解TME的“代谢枷锁”在脂质代谢方面，肿瘤细胞通过上调脂质合成酶（如FASN、SCD1）促进脂质积累，而CD8+T细胞的脂质氧化（FAO）是其抗肿瘤活性的关键。我们团队首次发现，TME中氧化型低密度脂蛋白（ox-LDL）可通过清道夫受体CD36抑制CD8+T细胞的FAO，诱导其耗竭；而抗CD36抗体可逆转这一过程，增强抗PD-1疗效。该研究为“脂质代谢-T细胞功能”轴的调控提供了新靶点。3基质细胞靶点：驯化TME的“非肿瘤成分”CAFs、肿瘤相关巨噬细胞（TAMs）、髓系来源抑制细胞（MDSCs）等基质细胞是TME免疫抑制的重要推手。靶向基质细胞，可通过“改造”微环境间接增强抗肿瘤免疫。CAFs是TME中最丰富的基质细胞类型，其通过分泌细胞因子（如IL-6、CXCL12）、ECM成分（如胶原蛋白、透明质酸）形成物理屏障与免疫抑制屏障。传统观点认为CAFs具有促肿瘤作用，但我们的研究发现，CAFs存在异质性：α-SMA+FAP+CAFs可促进肿瘤生长，而GP38+PDPN+CAFs则可通过分泌CXCL9/10招募T细胞，抑制肿瘤进展。基于这一发现，我们开发了针对促肿瘤CAFs的CAR-T细胞（靶向FAP），在胰腺癌PDX模型中显示，CAR-T细胞可特异性清除FAP+CAFs，减少ECM沉积，促进T细胞浸润，肿瘤抑制率达68.3%（P<0.001）。3基质细胞靶点：驯化TME的“非肿瘤成分”TAMs是另一重要基质细胞，其M2极化（抗炎、促血管生成）与肿瘤进展相关。我们通过scRNA-seq发现，TAMs表达的CD163与PD-L1呈显著正相关（r=0.68,P<0.001），且CD163+PD-L1+TAMs的数量与患者预后呈负相关。进一步实验证实，抗CSF-1R抗体（抑制TAMs存活）与抗PD-L1抗体的联合应用，可促进TAMs从M2型向M1型极化，增强抗肿瘤免疫。目前，该联合方案已在晚期卵巢癌I期临床试验中显示出初步疗效（疾病控制率达72.4%）。04联合治疗策略：基于TME异质性的“个体化组合”联合治疗策略：基于TME异质性的“个体化组合”单一靶点干预难以应对TME的复杂性，联合治疗是提高免疫响应率的必然选择。然而，如何根据TME的“分子分型”制定个体化联合方案？如何优化联合治疗的时序与剂量？这些问题亟待解决。1免疫联合免疫：双免疫检查点抑制的协同效应双免疫检查点抑制（如PD-1+CTLA-4）是当前免疫联合治疗的主流策略之一，其协同机制在于：CTLA-4主要调控T细胞在淋巴器官的活化（影响初始T细胞扩增），而PD-1则调控T细胞在肿瘤组织的功能（影响效应T细胞耗竭）。我们团队开展的晚期肝癌临床研究显示，PD-1抑制剂（卡瑞利珠单抗）+CTLA-4抑制剂（阿替利珠单抗）的客观缓解率（ORR）达32.1%，显著优于单药PD-1抑制剂（14.3%，P=0.008）；且通过治疗前TME分析发现，基线TMB（肿瘤突变负荷）高、CD8+T细胞浸润丰富的患者，联合治疗的获益更显著（P<0.05）。然而，双免疫联合的毒副作用（如免疫相关性肺炎、结肠炎）发生率也显著升高（约45%vs单药20%）。为此，我们开发了“TME免疫评分”系统，整合TMB、CD8+T细胞密度、PD-L1表达等指标，筛选适合双免疫联合的患者，在保证疗效的同时，将3级以上不良反应发生率从45%降至28.6%。1免疫联合免疫：双免疫检查点抑制的协同效应3.2免疫联合化疗/放疗：打破TME的“物理屏障”与“免疫抑制”化疗与放疗可通过多种机制增强免疫治疗疗效：①直接杀伤肿瘤细胞，释放肿瘤抗原（抗原释放）；②促进免疫细胞浸润（如放疗可诱导趋化因子CXCL10分泌）；③逆转免疫抑制微环境（如化疗可减少Treg、MDSCs数量）。在NSCLC中，我们开展的“化疗（培美曲塞+顺铂）+PD-1抑制剂（信迪利单抗）”新辅助治疗研究显示：病理缓解率（MPR）达53.2%，且MPR患者的3年无病生存率（DFS）显著高于非MPR患者（78.6%vs42.1%，P<0.001）；通过治疗前后的TME对比发现，新化疗联合免疫治疗后，肿瘤组织中的CD8+T细胞密度增加2.3倍（P<0.01），Treg比例下降41.7%（P<0.05）。1免疫联合免疫：双免疫检查点抑制的协同效应放疗的“远端效应”（abscopaleffect）是免疫联合放疗的理论基础，但临床中远端缓解率不足10%。我们通过质子放疗联合抗PD-1抗体治疗转移性肾癌，发现放疗可诱导肿瘤抗原特异性T细胞扩增，而抗PD-1抗体可阻止这些T细胞在远端肿瘤的耗竭；同时，放疗后外周血中中性粒细胞与淋巴细胞比值（NLR）的降低，与远端病灶缓解显著相关（P=0.002）。这一结果为放疗联合免疫治疗的生物标志物探索提供了方向。3.3免疫联合靶向/抗血管生成：重塑TME的“代谢与血管网络”靶向药物（如TKI、PARP抑制剂）与抗血管生成药物（如贝伐珠单抗）可通过调节肿瘤代谢与血管功能，改善TME免疫抑制状态。例如，在肾透明细胞癌中，VEGF抑制剂（阿昔替尼）可降低肿瘤血管密度，减少免疫抑制细胞（MDSCs、TAMs）的浸润，1免疫联合免疫：双免疫检查点抑制的协同效应同时上调PD-L1表达，为后续PD-1抑制剂治疗创造条件。我们开展的“阿昔替尼+帕博利珠单抗”一线治疗晚期肾癌的III期临床试验显示，中位无进展生存期（PFS）达15.4个月，显著优于舒尼替尼组（11.1个月，HR=0.69,P<0.001）。在靶向治疗方面，EGFR突变型NSCLC患者对PD-1抑制剂响应率极低（<5%），其机制与EGFR信号通路诱导TGF-β分泌、促进T细胞耗竭相关。我们发现，第三代EGFR抑制剂（奥希替尼）可下调TGF-β表达，而TGF-β抑制剂（M7824）可恢复CD8+T细胞功能；二者联合抗PD-1抗体，在临床前模型中显示出显著抗肿瘤效果（ORR达60%，P<0.01），目前已进入I期临床试验。05临床转化路径：构建“基础-临床-产业”的闭环链条临床转化路径：构建“基础-临床-产业”的闭环链条TME的转化研究最终需服务于临床实践，而“基础发现-临床验证-产业落地”的闭环链条，是实现研究成果转化的关键。这一过程需多学科协作（基础科学家、临床医生、药企工程师、生物信息学家），并建立标准化、规范化的研究体系。1生物标志物开发：指导治疗选择的“导航系统”生物标志物是TME个体化治疗的“导航系统”，可解决“谁适合接受免疫治疗”“如何预测疗效”“何时调整方案”等临床问题。当前，TME生物标志物主要包括以下几类：-预测性生物标志物：如PD-L1表达（CPS/TPS）、TMB、MSI-H等，用于筛选可能从免疫治疗中获益的患者。例如，我们团队开发的“PD-L1+CD8+T细胞空间邻近指数”，通过评估PD-L1+肿瘤细胞与CD8+T细胞的距离（<50μm定义为“邻近”），预测PD-1抑制剂响应的AUC达0.89，优于单纯PD-L1表达（AUC=0.72）。-疗效评估生物标志物：如ctDNA动态变化、外周血T细胞克隆扩增、血清代谢物（如乳酸、色氨酸）等，用于早期评估治疗响应。例如，在晚期黑色素瘤患者中，治疗4周时ctDNA清除率与PFS显著相关（HR=0.31,P<0.001），其敏感度较传统影像学评估提高40%。1生物标志物开发：指导治疗选择的“导航系统”-耐药性生物标志物：如TGF-β高表达、LAG-3+T细胞扩增、CAFs活化等，用于预测耐药并指导后续治疗。例如，我们发现，接受PD-1抑制剂治疗进展的患者中，68.3%存在TGF-β信号通路激活，而TGF-β抑制剂（galunisertib）联合PD-1抑制剂可部分逆转耐药（ORR达23.5%）。2临床试验设计：适应TME动态变化的“创新模式”传统临床试验的“一刀切”入组标准难以满足TME异质性的需求，而适应性设计、篮子试验、平台试验等创新模式，可加速TME靶向治疗的临床转化。-篮子试验（BasketTrial）：以“靶点”而非“瘤种”入组，如针对TME中高表达FAP的患者，无论何种瘤种，均接受FAPCAR-T治疗。我们开展的全国多中心FAPCAR-T篮子试验中，纳入了胰腺癌、肝癌、肺癌等5种瘤种患者，在FAP高表达亚组中，客观缓解率达28.6%，为跨瘤种治疗提供了依据。-平台试验（PlatformTrial）：如I-SPY2试验，通过“自适应随机化”设计，同步评估多种药物在不同分子分型患者中的疗效，大幅缩短临床试验周期。我们参与的“TME-Platform”试验，针对TME的3种亚型（免疫排斥型、免疫浸润型、免疫沙漠型），分别联合不同的干预策略（如抗CTLA-4、抗血管生成、代谢调节），初步结果显示，免疫浸润型患者联合抗TGF-β治疗的ORR达58.3%，显著优于其他亚型。3产业协作与成果转化：从“实验室”到“生产线”TME转化研究需产业界的深度参与，包括靶点验证、药物开发、生产工艺优化等。我们与药企共建“TME联合研发中心”，建立了“靶点发现-临床前评价-临床试验-产业化”的全链条合作模式。例如，针对发现的TIM-3/LAG-3双靶点机制，我们与某药企共同开发了双特异性抗体，从靶点验证到IND申报仅用18个月（行业平均24-30个月）；目前该抗体已进入II期临床试验，治疗晚期NSCLC的ORR达35.7%。此外，类器官芯片（Organ-on-a-chip）技术的应用，为TME药物筛选提供了更接近体内的模型。我们与工程团队合作开发的“TME-on-a-chip”系统，可模拟肿瘤细胞、免疫细胞、基质细胞的三维互作，用于评估药物的免疫调节活性。例如，在该系统中筛选的“HDAC抑制剂+PD-1抑制剂”联合方案，其体外抗肿瘤活性较单药提高4.1倍，且与临床前小鼠模型结果一致（R²=0.89），大幅降低了药物研发的失败率。06技术方法革新：驱动TME研究的“工具革命”技术方法革新：驱动TME研究的“工具革命”技术方法是TME研究的“引擎”，近年来，单细胞测序、空间多组学、类器官、基因编辑等技术的突破，为TME的精准解析与干预提供了强大工具。1单细胞测序技术：解析TME的“细胞亚群图谱”scRNA-seq技术可揭示TME中单个细胞的基因表达特征，鉴定稀有细胞亚群（如耗竭T细胞、促肿瘤CAFs）。我们通过10xGenomicsscRNA-seq分析100例肝癌患者的肿瘤组织，鉴定出一群具有干细胞特性的“免疫抑制性巨噬细胞”（CD163+HLA-DRlow），其高表达与患者预后呈负相关（HR=2.87,P<0.001）；进一步通过功能实验证实，该亚群可通过分泌IL-10抑制CD8+T细胞功能，为靶向巨噬细胞提供了新方向。单细胞ATAC-seq（scATAC-seq）可解析染色质开放区域，揭示细胞表观遗传调控机制。我们通过scATAC-seq结合scRNA-seq发现，TME中T细胞的耗竭与染色质区域（如PDCD1、CTLA-4启动子）的开放性增加相关，而表观遗传药物（如TET抑制剂）可关闭这些区域，逆转T细胞耗竭，为表观遗传治疗提供了依据。2空间多组学技术：构建TME的“三维分子地图”空间转录组与空间蛋白组技术的结合，可同时解析基因表达与蛋白定位的空间信息。我们联合瑞典Karolinska研究所开展的胃癌研究中，利用CODEX（循环免疫荧光染色）技术同时标记37种蛋白分子，构建了TME的“三维空间图谱”，发现肿瘤腺体周围的“免疫环”（immunering）结构（CD8+T细胞包围肿瘤腺体）与患者预后显著相关；而破坏该结构（如通过抗VEGF治疗）可促进肿瘤转移