Core Framework & Diagram What Is the Tumor Immune Atlas?
7 月 23, 2026什么是免疫微环境工程？
7 月 23, 2026每一个肿瘤，都有自己的免疫"指纹"——读懂它，才能真正精准地打击它
—— 肿瘤免疫图谱（Tumor Immune Atlas）：系统性地解读癌症与免疫系统的全球关系地图
1. TCGA：建造肿瘤免疫图谱的数据基础
肿瘤免疫图谱的数据基础，很大程度上来自一个名为TCGA（The Cancer Genome Atlas，癌症基因组图谱）的大型国际合作项目。 TCGA从2006年开始，对超过33种主要癌症类型、约11000例肿瘤样本，进行了系统性的多组学分析，包括全基因组测序、全外显子组测序、RNA测序、DNA甲基化分析、蛋白质组、以及临床数据。这个数据集，是癌症研究史上规模最大、数据最完整的公开数据库之一，免费向全球研究者开放，催生了数千篇高影响力论文。其中最重要的成果之一，正是关于肿瘤免疫景观的系统性描绘。
2018年，一项利用TCGA数据的大型分析（Thorsson等，《免疫》期刊）对所有33种癌症类型的免疫特征进行了系统整合，将肿瘤的免疫景观分为六种主要的"免疫亚型"（C1-C6），每种亚型有不同的免疫细胞组成、炎症水平、DNA修复缺陷特征，以及不同的临床预后。这项分析，是肿瘤免疫图谱从概念走向系统性科学的重要里程碑。
|
TCGA是人类癌症生物学有史以来最大规模的系统性数据集。 它让"跨癌种比较免疫景观"成为可能 第一次让我们看到：不同癌症之间，免疫系统的反应模式有哪些共性，有哪些特异性。 |
2. 六种肿瘤免疫亚型：从"热"到"冷"的谱系
Thorsson等2018年的泛癌种分析，将肿瘤的免疫景观分为六种主要亚型（C1-C6），这个分类框架，目前仍然是肿瘤免疫学里应用最广泛的分类参考： C1（伤口愈合型）：富含促血管生成信号，TGF-β高表达，免疫细胞浸润中等；多见于乳腺癌、肺腺癌。预后中等，对抗血管生成治疗可能有响应 C2（IFN-γ主导型）：强烈的IFN-γ信号，高度的细胞毒性免疫激活，同时PD-L1表达也高（这是免疫系统被激活后的"刹车"）；预后相对好，对PD-1抑制剂响应可能最好 C3（炎症型）：高度的Th17炎症，但缺乏有效的细胞毒性应答；预后中等 C4（淋巴细胞耗竭型）：CD8+ T细胞的基因标签高，但这些T细胞处于耗竭状态；高度的免疫抑制微环境 C5（免疫沙漠型）：免疫细胞浸润极少，"冷肿瘤"；预后差，对免疫治疗响应差 C6（TGF-β主导型）：强TGF-β信号，免疫细胞被抑制；见于头颈癌、肺鳞癌
这六种亚型，不是随机的——它们反映了不同肿瘤在与免疫系统互动过程中，走向了不同的免疫"均衡状态"。理解一个患者的肿瘤属于哪种亚型，直接影响治疗策略的选择：C2型最可能响应PD-1抑制剂；C5型需要先把肿瘤"点热"（如联合放疗或溶瘤病毒），再上免疫治疗；C1/C6型可能对抗血管生成或TGF-β通路靶向治疗更有响应。
3. TIMER和CIBERSORT：从基因表达数据反推免疫细胞组成
肿瘤活检通常提供的是混合组织的RNA测序数据（bulk RNA-seq），包含了肿瘤细胞、免疫细胞、成纤维细胞等多种细胞类型的混合信号。 如何从这个混合信号里，推算出每种免疫细胞的比例？这是免疫反卷积（Immune Deconvolution）技术解决的问题。 CIBERSORT（Stanford大学开发）和TIMER（Tumor Immune Estimation Resource），是目前最广泛使用的免疫反卷积工具：它们利用已知的各种免疫细胞亚群的基因表达特征谱（"特征矩阵"），通过数学优化，计算出混合样本里各种细胞的相对比例。
这让研究者能从任何已有的肿瘤RNA测序数据里，推算出CD8+ T细胞、CD4+ T细胞、NK细胞、巨噬细胞（M1/M2）、树突状细胞、中性粒细胞、B细胞的相对浸润程度——不需要额外的实验，只需要基于已有的转录组数据重新分析。 用这些工具对TCGA里的所有肿瘤样本进行分析，就得到了大规模的免疫细胞浸润图谱。这个图谱显示： 不同癌症类型之间，免疫细胞浸润的模式差异极大——肾细胞癌和黑色素瘤通常有高度的T细胞浸润，而胶质母细胞瘤和卵巢癌通常免疫浸润较低 在同一种癌症里，免疫细胞浸润程度与预后显著相关——CD8+ T细胞浸润高与更好的预后相关，M2型巨噬细胞浸润高与更差的预后相关 某些免疫细胞的比例，是独立的预后预测因子，甚至比传统的肿瘤分期更有预测价值
4. TIMER2.0：让所有人都能查询肿瘤免疫图谱
TIMER（Tumor Immune Estimation Resource），是目前最重要的肿瘤免疫图谱公开访问平台之一，由哈佛大学刘小乐团队开发维护。 TIMER2.0（timer.cistrome.org），整合了来自TCGA、ICGB等多个来源的11000多个肿瘤样本的免疫反卷积数据，允许任何人在线查询： 特定基因的表达与免疫细胞浸润的相关性——比如查询"PD-L1的表达，在肺腺癌里，与哪种免疫细胞的浸润程度最相关？" 不同癌种之间的免疫细胞浸润分布比较 特定基因突变（如KRAS、TP53）对肿瘤免疫微环境的影响 免疫细胞浸润与患者生存期的生存分析 这个平台，把原来需要专业生物信息学能力才能完成的分析，变成了任何研究者甚至临床医生都能快速访问的交互式工具。它是肿瘤免疫图谱数据的"公共图书馆"，也是理解肿瘤免疫生物学最直接的数据访问窗口。 TIMER2.0让"查阅肿瘤免疫图谱"变得像查字典一样简单。肿瘤免疫学的洞见，不再只属于有能力处理大型数据集的研究机构，而是对所有人开放。
5. 肿瘤免疫图谱与NK细胞：被低估的关键
在肿瘤免疫图谱的分析里，NK细胞的浸润和活性是一个长期被低估、近年来受到越来越多重视的关键变量。 TIMER和CIBERSORT的分析显示：在多种肿瘤类型里（包括肺癌、结直肠癌、胃癌），更高的NK细胞浸润估计，与更好的总体生存率相关。Imai等（2000年，《柳叶刀》）的11年追踪研究已经从流行病学角度证明了NK细胞活性与癌症风险的关系。而在肿瘤免疫图谱的层面，这个关联在肿瘤内部同样成立：肿瘤里有更多NK细胞，预后往往更好。 更重要的是：在被归类为"免疫沙漠"（C5型）的肿瘤里，NK细胞的缺失往往比T细胞的缺失更为突出——有些肿瘤虽然T细胞浸润有限，但NK细胞的早期入侵尝试也被肿瘤的物理和代谢屏障阻挡。这些分析，为NK细胞疗法在"冷肿瘤"里的应用提供了生物学依据——对T细胞响应差的肿瘤，NK细胞可能是另一条进攻路线。 随着单细胞技术在肿瘤免疫图谱分析里的应用，NK细胞的细分（适应性NK细胞、组织驻留NK细胞、衰老NK细胞等亚群），正在被整合进更精细的肿瘤免疫图谱版本，进一步揭示NK细胞在不同肿瘤类型里的保护性或无效性的机制。
6. 未来：动态肿瘤免疫图谱与AI驱动的实时预测
目前的肿瘤免疫图谱，大多基于单时间点的静态数据。未来最有价值的升级方向，是动态的、纵向的免疫图谱： 治疗前-中-后的连续采样，追踪肿瘤免疫微环境如何响应治疗（液体活检+免疫组学的结合） AI驱动的图谱导航——输入患者的多维免疫数据，AI推荐最匹配的肿瘤免疫亚型，以及对应的最优治疗方案 单细胞空间分辨率的实时更新图谱——把第124和125篇讲的单细胞和空间技术整合进图谱，提供更精细的分辨率 肿瘤免疫图谱的终极形态，是一个活的、实时更新的、整合了全球数百万例肿瘤患者数据的动态知识库——当你的患者的肿瘤数据上传，系统立刻找到全球数据库里最相似的案例，呈现它们的治疗历史和结局，帮助做出最有依据的治疗决策。这不是科幻，而是现在临床决策支持系统正在努力的方向。
问答专区