Science：王凌华团队绘制泛癌三级淋巴结构空间图谱，AI赋能癌症预后和治疗响应标志物

撰文丨王聪

编辑丨王多鱼

排版丨水成文

三级淋巴结构（Tertiary lymphoid structure，TLS）是肿瘤内部形成的异位免疫聚集体，可调控抗肿瘤免疫反应。尽管在多种情况下 TLS 的存在与增强的免疫活性及改善的临床预后相关，但其成熟状态、相对于肿瘤的空间位置以及依赖于特定背景的关联性，尚未在泛癌水平上得到系统性表征，这限制了对 TLS 生物学和临床应用的统一认识。

2026 年 5 月 28 日，德克萨斯大学 MD 安德森癌症中心王凌华团队等在国际顶尖学术期刊Science上发表了题为：Pan-cancer spatial atlas of tertiary lymphoid structures 的研究论文。

该研究分析了涵盖 12 种癌症类型的单细胞空间转录组数据，构建了泛癌 TLS 图谱，并对 TLS 的空间结构和成熟状态进行了表征。TLS 的成熟伴随着不同微环境细胞群的协调重塑以及肿瘤相关基因表达程序的距离依赖性梯度变化，这一发现得到了超高通量单细胞空间分析的独立验证。为实现可扩展的 TLS 特征分析，研究团队训练了一种人工智能（AI）框架，可直接从 H&E 染色图像中预测 TLS 的成熟状态，并在 TCGA数 据集及独立治疗队列中进行了评估。此外，研究团队还开发了一种基于成熟状态的综合评分系统，用于反映肿瘤内 TLS 的组成状态，该评分在多种癌症类型和治疗背景下均能有效分层患者，优于传统的 TLS 评估指标。

总的来说，该研究通过结合先进的人工智能（AI）框架、空间多组学技术以及传统病理学方法，解析了肿瘤内 TLS 复杂的组织结构、组成成分和异质性，推动了我们对肿瘤-免疫相互作用界面的理解，为 TLS 生物学提供了新见解，有望为将来将 TLS 特征整合到临床试验中开辟了新道路。

在这项最新研究中，研究团队在 12 种癌症类型中对 TLS 进行了分析，包括通过空间转录组学（ST）解析的 TLS 以及从全切片图像（WSI）中识别出的 TLS。不同癌症类型的 TLS 在出现频率、成熟度和空间分布上差异显著。TLS 呈现出一个连续的成熟谱系——早期 TLS（E-TLS）、初级滤泡样 TLS（P-TLS）和次级滤泡样 TLS（S-TLS，并相对于肿瘤占据不同的空间微环境。成熟过程与协调的免疫组织化相关：B 细胞和 T 细胞的分区与活化、滤泡树突状细胞网络、细胞因子和趋化因子信号传导，以及干扰素（IFN）相关反应。围绕肿瘤内 TLS（IT-TLS）的空间分析揭示了距离依赖性的肿瘤通路梯度：免疫激活和抗原呈递程序（例如 IFN-α 和 IFN-γ 反应以及 MHC II 类分子特征）在最靠近 TLS 的肿瘤区域富集，并随距离增加而减弱；而增殖和侵袭性程序（例如 MYC 靶标、G2/M 细胞周期程序、上皮-间质转化及相关致癌通路）在远离 TLS 的肿瘤区域相对更高，凸显了 TLS 微环境与肿瘤程序之间的空间耦合。这些发现得到了单细胞分辨率的空间多模态分析的支持。

研究团队进一步训练了一个人工智能框架，可直接从 H&E 全切片图像中检测 TLS 并预测其成熟状态，并在额外的癌症基因组图谱（TCGA）数据集和独立治疗队列中进行了评估。

该研究将 TLS 的这些空间特征提炼为一个具有成熟度感知的复合评分，该评分可捕捉肿瘤内 TLS 状态的组成情况，并在多种癌症和治疗背景下稳健地对患者进行生存期和治疗反应的分层。

泛癌 TLS 图谱及 AI 驱动的患者分层

总的来说，该研究通过将标准全切片图像（WSI）上的空间转录组学（ST）与人工智能（AI）技术相结合，不仅构建了涵盖多种癌症类型的三级淋巴结构（TLS）多样性全景图谱，还提供了一种可扩展且适用于组织病理学场景的 TLS 分析实用路径。基于组成成分的 TLS 综合评分有望在免疫肿瘤学临床试验中作为分层指标或终点指标进行前瞻性评估，并可能有助于指导促进有益 TLS 状态的治疗策略。未来的研究应纳入治疗过程中的纵向取样，在平台成熟后采用更精细的亚类或同种型分辨抗体分析，并结合功能干预手段以验证因果机制，进一步优化基于TLS信息的临床决策。

肿瘤微环境中 TLS 的空间分布，图像中包含 T 细胞（绿色）、B 细胞（粉色）和滤泡树突状细胞（青色）的 TLS，周围环绕着肿瘤细胞（红色）和基质细胞（黄色）

论文链接：

https://www.science.org/doi/10.1126/science.adz2742