Cell | 稀有Spark T细胞决定肿瘤免疫治疗成败，为克服耐药开辟全新道路|t细胞|亚群|免疫性疾病|免疫治疗|特异性|肿瘤细胞

撰文|细胞工程师

肿瘤免疫治疗，尤其是过继性T细胞疗法和免疫检查点阻断疗法，已在部分患者中取得巨大成功。然而，疗效的高度不可预测性一直是临床实践与基础研究中的未解之谜，为何有些患者响应良好而另一些则完全无效。传统观点将这种差异归因于肿瘤遗传或表观遗传差异、抑制性微环境或T细胞耗竭等确定性因素【 1，2 】。但是，在高度可控的动物模型中观察到的巨大反应差异提示，免疫反应本身可能具有内在的随机性（Stochasticity）【 3，4 】。这种随机性的源头是什么？它能否被识别并用于预测和改善肿瘤免疫治疗的疗效？

近日，美国国家癌症研究所的 Gr égoire Altan-Bonnet 领导的研究团队在 Cell 杂志上发表题为 Stochasticity in cancer immunotherapy stems from rare but functionally critical Spark T cells 的研究论文。该研究通过数千次高度可控的体外免疫实验，结合创新的数学模型与机器学习分析流程，首次揭示了一种极为罕见但功能关键的CD8 + T细胞亚群——Spark T细胞，正是其随机激活驱动了肿瘤免疫治疗宏观反应的巨大变异性。研究进一步在人类T细胞及患者数据中验证了这类细胞的存在，证明其丰度可预测免疫检查点抑制剂疗效，并指出其作为克服免疫治疗耐药新靶点的巨大潜力。

研究人员首先设计了一套巧妙的体外免疫测定系统，在微孔中培养遗传背景完全相同的抗原特异性幼稚CD8 + T细胞与表达抗原的黑色素瘤细胞，并通过大量技术重复来量化免疫反应的变异性。研究结果发现，尽管这些技术重复的初始条件一致，但T细胞介导的肿瘤杀伤、 T细胞激活程度、干扰素-γ（IFN-γ）分泌量等关键指标在重复实验间存在巨大差异，变异系数（CV）极高。相比之下，化疗药物或细胞因子直接杀伤肿瘤的效果则高度可重复。重要的是，这一现象排除了肿瘤细胞遗传或表观遗传异质性的主导作用，将变异的源头指向T细胞自身。

进一步的定量分析显示，被激活的T细胞数量变异遵循一个“平移”的泊松分布规律。这强烈暗示存在一个稀有的T细胞亚群，其数量本身服从泊松分布，而它们的随机激活能够通过某种机制“引燃”周围大量旁观者T细胞，从而决定整个免疫反应的命运。因此，研究人员将此稀有亚群命名为SparkT细胞（T spark ）。

进一步的机制研究表明， IFN-γ则是关键的“引燃”介质。少数被激活的 Spark T细胞迅速产生大量IFN-γ ，一方面上调肿瘤细胞表面的MHC-I类分子表达，增强抗原呈递；另一方面以旁分泌方式强烈激活旁观者T细胞，形成正反馈循环，最终放大免疫反应。阻断IFN-γ信号可大幅降低整体T细胞激活的变异性，而预先用IFN-γ处理肿瘤细胞（模拟MHC上调）则能减少变异。研究人员为此建立了一个整合了 Spark T细胞偶然激活与细胞因子正反馈作用（细胞因子对旁观者 T细胞的带动作用）的随机数学模型，完美复现了实验中观察到的“平移泊松”依赖关系，进一步提示免疫治疗反应因人而异的根源，很可能在于一种稀有的 Spark T细胞，且其数量波动具有随机性。

那么，如何在浩如烟海的T细胞中找到这些稀有的 Spark T细胞？研究人员进一步开发了一套名为 StoICS （Stochasticity- based i dentification of cell s ubsets）的机器学习分析流程。该流程将上述随机数学模型与高维单细胞数据相结合，以精准定位稀有的 Spark T细胞。研究人员利用该流程，首先在小鼠初始CD8 + T细胞中成功鉴定出 Spark T细胞的前体细胞（T proto-spark ）。这群细胞仅占初始T细胞的不到2%，其最显著的表面标志物特征是CD5lowCD11ahigh。单细胞ATAC-seq检测分析结果显示，与其他幼稚T细胞相比， T proto-spark 细胞在Ifng基因座具有更高的染色质开放性，这解释了它们为何能更快速地启动IFN-γ的产生。功能实验进一步证实，分选富集出的CD5lowCD11ahighT细胞在激活后能快速产生大量的IFN-γ、CCL5、TNF和IL-2。

研究人员进一步探究了在人体临床前实验环境中，肿瘤治疗反应是否也存在类似的随机现象，即使用了经过体外扩增、且携带针对肿瘤细胞特异性 TCR的T细胞进行验证。研究人员使用工程化表达NY-ESO-1特异性TCR（ 1G4 ）的人CD8 + T细胞母细胞与神经母细胞瘤细胞共培养，同样观察到了高度的反应随机性。 StoICS 流程再次成功地在人类T细胞中识别出一个稀有的细胞簇，其表型为CCR7 low CD45RO high ，属于效应记忆T细胞亚群。分选富集实验证实，正是这群细胞具备快速产生IFN-γ的能力，是人类T细胞中的T proto-spark 细胞。

更为重要的是，在8名健康供者来源的TCR-T细胞产品中， CCR7 low CD45RO high T细胞的比例存在巨大的个体差异，且该比例与T细胞在非依赖TCR刺激下快速产生IFN-γ的能力、以及与肿瘤细胞共培养时的免疫激活强度显著正相关。这提示，临床T细胞产品中Tproto-spark前体细胞的丰度，可能是决定过继细胞疗法效力的关键变量之一。

此外，研究人员进一步利用肿瘤免疫大数据引擎（CIDE）数据库中13个患者队列的活检转录组数据和临床信息进行分析。他们发现，在肿瘤MHC-I表达水平较低（即免疫逃逸风险较高）的患者中， T proto-spark 基因特征（ENTPD1 high CD2 high ）能够高精度地预测患者对抗CTLA-4疗法的客观缓解反应，其预测能力优于现有标志物。尤为关键的是，该基因标签在大多数未接受抗CTLA-4治疗（仅接受抗PD-1/PD-L1）的队列中预测能力不佳，从而揭示了这两种疗法作用机制的差异。生存分析进一步表明，在抗CTLA-4治疗队列中， T proto-spark 基因特征高的MHC-I低表达患者拥有更长的总生存期。

综上所述，本研究通过融合定量实验、理论建模与机器学习，将肿瘤免疫治疗疗效的巨大不确定性，溯源至一群稀有但功能强大的 Spark T细胞的随机激活。这些细胞如同免疫系统的“火花塞” ，其随机点火通过IFN-γ介导的正反馈环路，决定了整个抗肿瘤免疫反应能否成功引爆。该发现不仅为理解免疫反应的内在随机性提供了全新研究范式，更鉴定出了可预测临床疗效的生物标志物和潜在治疗干预靶点。未来，通过富集或体外扩增患者自身 Spark T细胞、或开发药物特异性增强该亚群功能，有望为克服当前免疫治疗耐药难题开辟全新的道路。

原文链接：https://doi.org/10.1016/j.cell.2025.12.026

制版人：十一

参考文献

1. Gao J, Shi LZ, Zhao H, et al. Loss of IFN-γ Pathway Genes in Tumor Cells as a Mechanism of Resistance to Anti-CTLA-4 Therapy.Cell.2016; 167(2):397-404.e9.

2. Davar D, Dzutsev AK, McCulloch JA, et al. Fecal microbiota transplant overcomes resistance to anti-PD-1 therapy in melanoma patients.Science. 2021; 371(6529):595-602.

3. Zemek RM, Fear VS, Forbes C, et al. Bilateral murine tumor models for characterizing the response to immune checkpoint blockade.Nat Protoc.2020; 15(5):1628-1648.

4. Ortiz-Muñoz G, Brown M, Carbone CB, et al. In situ tumour arrays reveal early environmental control of cancer immunity.Nature. 2023; 618(7966):827-833.

学术合作组织

（*排名不分先后）