不只是识别细胞：超多重蛋白成像技术如何把TNBC单细胞分型带到蛋白状态观察？

在组织微环境研究中，“细胞类型”与“细胞状态”并不是同一个问题。单细胞测序可以把细胞分成T细胞、B细胞、巨噬细胞、树突状细胞等群体，也可以进一步根据转录特征描述效应、耗竭、抗原呈递、炎症或增殖等状态。但这些转录状态是否在组织中形成蛋白层面的局部特征，还需要回到组织原位观察。PCF作为组织原位空间蛋白组学方法，能够通过多个蛋白标志物组合，让细胞分型从“它是谁”进一步走向“它正在呈现什么状态”。

近期，《Cancer Cell》发表的“Single-cell and spatial profiling identify three response trajectories to pembrolizumab and radiation therapy in triple negative breast cancer”这篇文献，在scRNA-seq中识别出多个值得关注的免疫状态。例如，T/NK细胞中包括Treg、Tfh样细胞、终末分化或GZMK相关的效应/耗竭样CD8 T细胞；髓系细胞中包括多类巨噬细胞和树突状细胞，其中部分亚群与抗原呈递相关转录特征相联系。单细胞测序为这些状态提供了候选marker和转录线索，但如果研究只停留在细胞悬液层面，就难以说明这些状态在组织中的空间分布。

PCF(CODEX)在文献中的作用，是将这些状态转化为组织切片中的蛋白组合和区域结构。研究者不仅标注细胞类型，还识别出T细胞富集、B细胞富集、浆细胞相关、髓系细胞相关和上皮细胞主导的空间districts。尤其是d9髓系区域与抗原处理和呈递相关标志物相关，d3/d6等T细胞区域与T细胞扩增、邻近关系和免疫细胞空间分布相联系。对PCF来说，这类分析说明多蛋白Panel可以帮助研究者在组织原位观察细胞状态，而不仅是统计细胞数量。

如果将该思路迁移到其他PCF课题中，可以围绕T细胞杀伤/耗竭状态、Tfh与B细胞空间关联、巨噬细胞抗原呈递状态、DC活化状态、肿瘤细胞增殖状态、基质细胞参与的免疫排布等方向设计Panel。相比只看一个marker，PCF更强调多个蛋白共同定义细胞身份和功能状态，并进一步观察这些细胞是否聚集、是否靠近肿瘤上皮区域、是否处在TLS样结构或基质区域中。

因此，PCF对单细胞分型的价值，不是替代单细胞测序，而是让分型结果更接近组织原位功能观察。单细胞测序提供候选状态，PCF提供蛋白层位置和邻域信息；空间转录组可以提供基因表达空间图谱，但当问题聚焦蛋白状态和细胞邻近关系时，PCF具有更直接的科研分析价值。

【说明】

本文仅为科研技术方法介绍，不涉及疾病诊断、治疗建议、疗效预测、用药指导或临床决策。文中提及研究发现均来自学术文献，相关分析结果需结合更多实验和研究进一步观察与复核，不构成任何医疗意见。

【参考文献】

Shiao SL, Gouin KH 3rd, Ing N, Ho A, Basho R, Shah A, Mebane RH, Zitser D, Martinez A, Mevises NY, Ben-Cheikh B, Henson R, Mita M, McAndrew P, Karlan S, Giuliano A, Chung A, Amersi F, Dang C, Richardson H, Shon W, Dadmanesh F, Burnison M, Mirhadi A, Zumsteg ZS, Choi R, Davis M, Lee J, Rollins D, Martin C, Khameneh NH, McArthur H, Knott SRV. Single-cell and spatial profiling identify three response trajectories to pembrolizumab and radiation therapy in triple negative breast cancer. Cancer Cell. 2024 Jan 8;42(1):70-84.e8. doi: 10.1016/j.ccell.2023.12.012. PMID: 38194915.