Signal Transduction and Targeted Therapy(81.2):肿瘤引流淋巴结通过富集肿瘤反应性效应耗竭 CD8+ T 细胞重塑肿瘤微环境
✦ +
+
论文ID
原名:Tumor-draining lymph nodes shape the tumor microenvironment through enrichment of tumor-reactive effector-exhausted CD8+ T cells
译名:肿瘤引流淋巴结通过富集肿瘤反应性效应耗竭 CD8+ T 细胞重塑肿瘤微环境
期刊: Signal Transduction and Targeted Therapy
影响因子:81.2
发表时间:2026.07
DOI号: 10.1038/s41392-026-02858-3
背 景
肿瘤引流淋巴结(TdLNs)是抗原递呈和 T 细胞启动的重要场所,也是影响 ICB 疗效的关键免疫器官。已有研究提示,Tpex 可在 TdLNs 中被激活、扩增,并进一步迁移至 TME 参与抗肿瘤免疫。CRC 可分为 MSI 和 MSS,两者在免疫浸润、预后和 ICB 敏感性方面差异显著,但目前多数研究集中在肿瘤组织本身,TdLNs 如何参与塑造 MSI/MSS CRC 的免疫差异仍不清楚。另一方面,耗竭 CD8+ T 细胞并不等同于完全失功能。近期研究显示,部分具有终末耗竭表型的 CD8+ T 细胞仍可保留较强效应功能。本文围绕这一问题,系统比较 MSI 与 MSS CRC 的 TdLNs 和 TME,重点解析肿瘤反应性 CD8_Texeff 细胞的来源、功能、空间定位及其与免疫治疗反应之间的关系。
实验设计

结 果
01
MSI 和 MSS CRC 的 TdLNs 与 TME 单细胞图谱
研究团队首先从整体层面描绘 MSI 和 MSS CRC 的免疫生态。研究设计覆盖 CRT、CRN、PBMC 和非转移性 TdLNs,并结合 scRNA-seq 与 scTCR/BCR-seq 同时获取细胞组成和克隆信息,为后续追踪 T 细胞来源奠定基础(图1a)。经过质控后,研究团队共获得 195,298 个单细胞转录组数据,并根据 UMAP 聚类和代表性标志基因,将其划分为常规 alpha beta T 细胞、gamma delta T/NK 细胞、B/浆细胞、髓系细胞、肥大细胞、上皮细胞和成纤维细胞等主要群体(图1b-c)。不同组织的免疫构成呈现明显差异:TdLNs 主要由 alpha beta T 细胞和 B/浆细胞组成,PBMC 中 T/NK 细胞占比较高,而 CRT 中 CD8+ T 细胞浸润最突出(图1d)。这说明同一患者体内的外周血、引流淋巴结、正常组织和肿瘤组织并不是简单共享同一种免疫状态,而是形成了彼此关联但功能不同的免疫区室。进一步聚焦 CD8+ T 细胞后,研究团队识别出 7 个亚群,其中 CD8T_CCR7 和 CD8T_GZMK 更偏向 TdLNs,CD8T_CXCL13 和 CD8T_HSPA1A 则在肿瘤组织中富集(图1e-f)。从功能状态看,肿瘤浸润 CD8+ T 细胞同时表达效应分子和耗竭相关基因,提示 TME 中存在一类兼具效应与耗竭特征的 CD8+ T 细胞群体,也为后续锁定 CD8_Texeff 提供了入口(图1g)。

图 1. MSI 和 MSS CRC 免疫微环境的单细胞图谱。
(a) 展示样本来源和研究设计;(b-c) 注释主要细胞群及其标志基因;(d) 比较各组织主要免疫细胞比例;(e-g) 展示 CD8+ T 细胞亚群的组织分布、特征基因和耗竭相关表达。
02
CRC 中 CD8+ T 细胞呈现连续耗竭状态
为了进一步拆解 CD8+ T 细胞的耗竭谱系,研究团队没有简单按照单个标志物分群,而是综合初始状态(naive)、记忆状态(memory)、效应状态(effector)和耗竭状态(exhaustion)四类评分,先区分具有干细胞样特征的早期状态,再将更分化的细胞按效应和耗竭程度细分(图2a-c)。基于这一策略,CD8+ T 细胞被划分为 CD8_Tnaive、CD8_Ttsm、CD8_Tpex、CD8_Texint、CD8_Texterm 和 CD8_Texeff 六类,并显示出清晰的标志基因和功能评分差异(图2d-e)。从空间来源看,CD8_Tnaive、CD8_Ttsm 和 CD8_Tpex 更集中于 TdLNs,而 CD8_Texint、CD8_Texeff 和 CD8_Texterm 主要位于 TME(图2f-g)。这说明 TdLNs 更像前体细胞储存库,而肿瘤内则富集更分化的耗竭效应群体。mIF 进一步在肿瘤原位验证了 TIM-3+GzmB+CD8+ 的 CD8_Texeff 表型,并在 TdLNs 中验证了 PD-1+TCF-1+ 的 CD8_Tpex 表型(图2h-i)。拟时序分析则将这些状态连接为连续轨迹,显示 CD8+ T 细胞可能由 naive/Tpex 状态逐步进入 CD8_Texint,随后分化为 Texeff 或 Texterm 两条分支(图2j)。

图 2. CRC TdLNs 和 TME 中 CD8+ T 细胞的不同耗竭状态。
(a-c) 基于四类评分划分 CD8+ T 细胞状态;(d-e) 展示六类亚型的标志物、效应评分和耗竭评分;(f-g) 比较各亚型在 TdLNs 和肿瘤中的分布;(h-i) mIF 验证 CD8_Texeff 和 CD8_Tpex;(j) 拟时序显示 CD8+ T 细胞分化轨迹
03
CD8_Texeff 细胞具有细胞毒性、增殖能力和肿瘤特异性
在确定 CD8+ T 细胞存在多个耗竭状态后,研究团队进一步证明 CD8_Texeff 并不是普通的终末耗竭细胞,而是一类保留强效应功能的肿瘤反应性群体。差异基因分析显示,CD8_Texeff 同时高表达 GNLY、GZMB、GZMA、NKG7、PRF1 和 IFNG 等细胞毒分子,以及 PDCD1、LAG3、CTLA4、TIGIT 和 HAVCR2 等检查点分子,说明其兼具“耗竭表型”和“杀伤能力”(图3a)。通路富集结果进一步支持其活化和细胞毒功能,转录因子分析则提示 BATF 和 ZNF121 可能参与调控这一状态(图3b-c)。在组织层面,mIF 显示 CD8_Texeff 在肿瘤中心和侵袭边缘富集,提示其参与局部抗肿瘤反应(图3d)。随后,研究团队用流式细胞术定义 TCF-1-PD-1hiGzmB+CD8+ T 细胞,并验证其可产生 IL-2、TNF-alpha 和 IFN-gamma;同时约 80% 的 MKI67+CD8+ T 细胞属于 CD8_Texeff,说明该群体兼具效应和增殖潜能(图3e-h)。进一步的 TCR、克隆扩增、NeoTCR8 评分和 CXCL13 表达分析显示,CD8_Texeff 是肿瘤特异性和克隆扩增水平最高的 CD8+ T 细胞状态(图3i-o)。

图 3. CD8_Texeff 细胞具有强细胞毒性、增殖潜能和肿瘤特异性。
(a-b) 展示 CD8_Texeff 的细胞毒、检查点和趋化因子特征;(c-d) 分析关键转录因子并验证其肿瘤富集;(e-g) 流式验证效应细胞因子产生能力;(h) 显示 CD8_Texeff 与增殖相关;(i-l) 通过 TCR、克隆扩增和 NeoTCR8 评分验证肿瘤反应性;(m-o) 证明多数 CD8_Texeff 属于 CXCL13+CD8+ T 细胞。
04
CD8_Texeff 细胞丰度与预后和免疫治疗反应相关
作者明确 CD8_Texeff 的功能后,进一步追问:这类细胞是否解释了 MSI 与 MSS CRC 的免疫差异。结果显示,MSI CRC 的 TdLNs 中 CD8+ T 细胞更偏向 CD8_Tpex 等活化/前体耗竭状态,而 MSS CRC 的 TdLNs 中则更多保留初始状态(图4a-b)。进入 TME 后,两类肿瘤的差异更加明显:MSI CRC 中 CD8_Texeff 显著富集,而 MSS CRC 中 CD8_Texterm 比例更高,mIF 也验证了 MSI 肿瘤及其侵袭边缘存在更多 GzmB+TIM-3+CD8+ T 细胞(图4c-f)。临床分层分析显示,CD8_Texeff 在早期 CRC 中更丰富,晚期 MSS CRC 中明显减少,TCGA-COAD 中的 CD8.Texeff 评分也与分期和 MSI/MSS 状态相关(图4g-i)。进一步的生存分析和免疫治疗队列显示,CD8_Texeff 相关评分越高,患者预后和 ICB 应答越好(图4j-m)。基于 GZMK、CXCL13 和 CD8A 构建的 IP score 也能预测多癌种免疫治疗反应和无进展生存;在 MSS CRC 队列中,IHC-IP score 的预后预测能力优于单独 CXCL13(图4n-t)。这提示 CD8_Texeff 不仅是免疫活化标志,也具有潜在临床转化价值。

图 4. CD8_Texeff 细胞丰度与微卫星状态、分期、预后和免疫治疗反应相关。
(a-b) 比较 MSI/MSS TdLNs 中 CD8+ T 细胞状态;(c-f) 显示 MSI TME 中 CD8_Texeff 富集并经 mIF 验证;(g-i) 关联 CD8_Texeff 与分期和微卫星状态;(j-m) 分析 CD8.Texeff score 与生存及治疗应答;(n-r) 验证 IP score 的预测价值;(s-t) IHC-IP score 预测 MSS CRC 预后。
05
MSI CRC 中 ISG 阳性髓系细胞促进抗原递呈和 T 细胞趋化
除 T 细胞外,MSI CRC 的髓系细胞也呈现更强免疫活化状态。首先,在 TME 中,MSI DCs 高表达 HLA-A、HLA-B、CXCL9 以及 STAT1、OAS1、IRF1、IRF7、IRF8、ISG15 等 ISG,并富集细胞因子介导的细胞通讯和免疫反应通路,提示其抗原递呈和 T 细胞招募能力增强(图5a-c)。类似的差异也出现在 TdLNs:MSI 活化 DCs 表达更多抗原加工递呈和 T 细胞活化相关基因,而 MSS 活化 DCs 更高表达 CCL17、CCL22 和 CD274,更偏向 Treg 招募和免疫抑制表型(图5d-f)。随后,研究团队进一步分析巨噬细胞,发现 MSI TME 中巨噬细胞同样高表达趋化因子和抗原递呈相关分子,并富集 T 细胞趋化通路(图5g-h)。分群后,CXCL10+ 巨噬细胞(Mac_CXCL10)在 MSI TME 中显著增加(图5i-j)。细胞通讯分析显示,Mac_CXCL10 可通过 CXCL9/10/11-CXCR3 和 CXCL16-CXCR6 轴与 CD8_Texeff、CD4_Texeff 发生互作(图5k-l)。空间分析进一步显示,Mac_CXCL10 主要位于肿瘤-间质边界,并与 CD8_Texeff 高度共定位,提示其可能负责把效应耗竭 T 细胞招募进 TME(图5m-o)。

图 5. MSI CRC TME 中 ISG 阳性髓系细胞富集,并具有更强趋化和抗原递呈能力。
(a-c) 显示 MSI TME 中 DCs 的干扰素和抗原递呈特征;(d-f) 比较 MSI/MSS TdLNs 中 DCs 功能状态;(g-h) 证明 MSI 巨噬细胞具有 T 细胞趋化特征;(i-j) 识别 MSI TME 中增加的 Mac_CXCL10;(k-l) 展示 Mac_CXCL10 与 T 细胞通讯轴;(m-o) 验证 Mac_CXCL10 与 CD8_Texeff 空间邻近。
06
MSI CRC 肿瘤细胞呈现干扰素驱动特征
最后,研究团队从肿瘤细胞本身出发,分析 MSI 和 MSS CRC 是否具有不同的内在免疫调控程序。NMF 将肿瘤细胞分为 9 个亚群和 8 个转录程序,其中 MSI 肿瘤细胞主要富集 T 细胞活化、IFN-gamma 和 TNF-alpha 反应相关程序,而 MSS 肿瘤细胞更偏向应激反应和增殖程序(图6a-d)。进一步分析差异基因发现,MSI 肿瘤细胞上调 MHC-II 分子、CXCL10 等干扰素响应相关基因,提示其不仅是被免疫细胞浸润的对象,也可能主动参与抗原递呈和 T 细胞趋化(图6e-f)。对应地,MSI 肿瘤细胞具有更高的干扰素响应评分和 cGAS-STING 活化评分,IHC 也验证 MSI CRC 中 STING 蛋白表达更高,说明 cGAS-STING-IFN 轴可能是 MSI TME 免疫活化的重要来源(图6g-j)。与之相反,MSS 肿瘤细胞更高表达 HSPA1A 和 PLA2G10,其中 PLA2G10 与 T 细胞排斥相关(图6e-f)。IHC 进一步显示 PLA2G10 在 MSS CRC 中表达更高,并且 PLA2G10 高表达患者的 CD8+ T 细胞浸润更低(图6k-m)。因此,MSI 肿瘤细胞通过 cGAS-STING-IFN 程序强化免疫活化,而 MSS 肿瘤细胞则更偏向低炎症、低 T 细胞浸润的免疫排斥状态。

图 6. MSI CRC 肿瘤细胞呈现干扰素驱动特征并促进适应性抗肿瘤免疫。
(a-b) 定义肿瘤细胞亚群和转录程序;(c-d) 比较 MSI/MSS 肿瘤细胞程序差异;(e-f) 展示 MSI 干扰素响应基因和 MSS PLA2G10 等基因特征;(g-h) 比较干扰素响应和 cGAS-STING 活化评分;(i-j) IHC 验证 STING 高表达;(k-m) IHC 验证 PLA2G10 高表达及其与低 CD8+ T 细胞浸润相关。
+ + + + + + + + + + +
结 论
本研究系统比较了 MSI 和 MSS CRC 的 TdLNs 与 TME,发现 MSI CRC 中富集一类肿瘤反应性 CD8_Texeff 细胞。该细胞群虽然具有耗竭表型,却保留细胞毒性、增殖能力和肿瘤特异性,并与 TLS 形成、良好预后和免疫治疗反应相关。机制上,MSI CRC 的 TdLNs 提供了更有利的免疫基础,包括更多 CD8_Tpex/CD4_Tpex、更少 Treg 和更强 DC 抗原递呈能力。进入 TME 后,CD4_Texeff 细胞、Mac_CXCL10、ISG 阳性 DCs、TLS 结构和肿瘤细胞 cGAS-STING-IFN 程序共同支持 CD8_Texeff 的募集、分化和维持。相反,MSS CRC 的 TdLNs 和 TME 更偏免疫抑制,肿瘤细胞还更高表达 PLA2G10 等与 T 细胞排斥相关的分子,可能限制 CD8_Texeff 形成。总体而言,本文提出 TdLNs-TME 协同调控模型,强调 TdLNs 不是单纯的转移评估结构,而是塑造肿瘤免疫生态和免疫治疗反应的重要节点。
+ + + + +



English

