科研人员通过大规模整合生物信息分析揭示泛癌种自然杀伤细胞异质性

北京大学生物医学前沿创新中心（BIOPIC）张泽民教授课题组联合中国科学技术大学彭慧教授课题组，在国际期刊Cell上发表题为“A Pan-Cancer Single Cell Panorama of Human Natural Killer Cells”的研究论文。该研究以生物信息学数据整合为支撑，通过收集大规模单细胞转录组测序数据，系统刻画了自然杀伤（NK）细胞在不同癌症类型和组织之间的异质性，发现了肿瘤微环境（TME）特异富集、杀伤功能异常的NK细胞亚类，揭示了NK细胞与微环境中其他组分的潜在调控关系（图1）。

图1. NK细胞单细胞图谱的图

近些年来，通过生物信息学方法赋能新技术、解读复杂现象，已经成为探索和解决重要科学问题的强大助力。与此同时，国内外研究团队已积累了海量的TME单细胞转录组测序数据，系统性整合这些数据资源从而充分挖掘有价值的信息是当前阶段研究的重要问题1。但是这些数据的质量参差不齐，来源复杂，测序平台多样，因此如何利用数据发现新规律是生物信息遇到的重要挑战。结合单细胞测序和先进的生物信息数据分析策略，张泽民课题组揭示了多种肿瘤特异的细胞类型2—4。张泽民前期的研究证明了在癌细胞之外，不同肿瘤的免疫微环境存在与患者预后和治疗响应相关的稳定的差异，提出了新的肿瘤异质性研究方向。不同的癌症类型是否有共同的免疫功能异常特征？相同的免疫组分是否在不同组织和条件下保持功能的一致？不同类型的癌症、不同的患者为什么会对免疫治疗产生差异的响应？这些问题的解决将会极大推动肿瘤免疫治疗的发展。

本研究聚焦TME中与T细胞功能相似、但具有更直接的识别和杀伤癌细胞能力的NK细胞5。由于肿瘤浸润的NK细胞在TME的免疫细胞组分中占比稀少，先前的单一研究对其类群分布、功能特性等均缺乏深入、系统性分析。通过生物信息学整合建立大规模NK细胞组学数据资源是突破这一难点的关键技术手段。研究者收集整理了大量公开的单细胞转录组数据，涉及24种癌症类型，包括来自716名患者和47名健康对照的1223个样本的NK细胞单细胞表达谱数据。研究者克服数据整合的多项难点，包括高精度分离NK细胞、去除复杂的批次效应等，首次在泛癌水平系统地鉴定到5类CD56brightCD16lo和9类CD56dimCD16hiNK细胞亚群，并详细地刻画了各类群的表型和功能多样性（图2）。

图2. 课题设计及数据处理主要框架

基于整合的数据资源，研究人员发现NK细胞的亚群组成在不同癌症类型间表现出明显的偏好性，肿瘤、癌旁组织和外周血中的NK细胞亚类分布也具有明显的差异。通过转录组定量分析，敏感性和特异性检验等生物信息技术筛选，研究者发现RGS1特异高表达在非血液来源的NK细胞上。相比于经典的组织驻留特征基因，RGS1在转录组水平表现出更高的特异性和灵敏度，并且在泛癌种水平上都具有优秀的性能。该发现为后续进一步研究NK细胞的组织浸润提供了新的研究方向，也进一步突显了通过整合数据分析研究关键生物学问题的可行性。

进一步关注肿瘤微环境，研究者发现肿瘤组织中高度富集一群DNAJB1+CD56dimCD16hiNK细胞。数据分析发现，该群细胞具有功能失调的表型，包括杀伤性下降、抑制受体上升、高表达应激反应相关蛋白等，因此研究者将这一群细胞命名为肿瘤相关NK细胞（Tumor-associated NK cells, TaNK cells）。与经典认知的NK细胞的更高丰度有益于肿瘤患者的生存状态不同，研究者发现TaNK细胞的富集与多种癌症类型的不良预后及免疫治疗的耐药显著相关。这些发现表明，TaNK细胞具有重要的生物学和临床应用价值，为后续开发NK细胞相关的免疫治疗方法提供了新的思路。除此之外，研究者发现髓系细胞尤其是LAMP3+ DCs是NK细胞的重要调控因子。进一步的生物信息分析结合空间分布定量发现，靠近LAMP3+ DCs的NK细胞表现出更低的杀伤活性，这说明LAMP3+ DCs在肿瘤免疫微环境中对NK细胞功能有着潜在的异常调节作用。

图3. 研究的主要发现

综上所述，这一工作创新性地整合利用大规模单细胞数据，揭示了NK细胞中的基因表达模式转变，捕捉了肿瘤免疫微环境的NK细胞亚群组分变化，为未来通过更全面的整合分析手段探索新的生物标志物和治疗靶点提供了助力，也为药物研发提供更准确、更全面的数据支持。

北京大学前沿交叉学科研究院PTN项目博士生唐非、北京大学BIOPIC/生命科学学院博士生李金虎为该论文的并列第一作者，张泽民、北京大学BIOPIC助理研究员王东方、彭慧、北京大学BIOPIC副研究员朱琳楠为该论文的共同通讯作者。昌平实验室博士研究生亓璐及张泽民实验室其他成员为本研究作出了重要贡献。中国科学技术大学田志刚院士为本研究提供了重要帮助。研究得到了国家自然科学基金和北京市科学技术委员会的资助。

参考文献：

1.Stuart, T., and Satija, R. (2019). Integrative single-cell analysis. Nature Reviews Genetics 20, 257-272. 10.1038/s41576-019-0093-7.

2.Zhang, Q., He, Y., Luo, N., Patel, S.J., Han, Y., Gao, R., Modak, M., Carotta, S., Haslinger, C., Kind, D., et al. (2019). Landscape and Dynamics of Single Immune Cells in Hepatocellular Carcinoma. Cell 179, 829-845.e820. https://doi.org/10.1016/j.cell.2019.10.003.

3.Zheng, L., Qin, S., Si, W., Wang, A., Xing, B., Gao, R., Ren, X., Wang, L., Wu, X., Zhang, J., et al. (2021). Pan-cancer single-cell landscape of tumor-infiltrating T cells. Science 374, abe6474. 10.1126/science.abe6474.

4.Zhang, Y., Chen, H., Mo, H., Hu, X., Gao, R., Zhao, Y., Liu, B., Niu, L., Sun, X., Yu, X., et al. (2021). Single-cell analyses reveal key immune cell subsets associated with response to PD-L1 blockade in triple-negative breast cancer. Cancer Cell 39, 1578-1593.e1578. https://doi.org/10.1016/j.ccell.2021.09.010.

5.Myers, J.A., and Miller, J.S. (2021). Exploring the NK cell platform for cancer immunotherapy. Nature Reviews Clinical Oncology 18, 85-100. 10.1038/s41571-020-0426-7.