Nature Neuroscience |100例胶质母细胞瘤多组学图谱|母细胞瘤|神经元|肿瘤细胞|血管

认知神经科学前沿文献分享

基本信息

Title:Spatial and single-cell characterization of human glioblastoma tumor microenvironment reveals malignant cellular communities

发表时间:2026-04-16

发表期刊:Nature Neuroscience

获取原文:

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

引言

胶质母细胞瘤（glioblastoma, GBM）之所以难治，关键不只在于增殖快，更在于肿瘤内部与周围微环境高度异质。既往单细胞研究已经提出GBM中常见的四类恶性细胞状态，即间质样（MES-like）、星形胶质样（AC-like）、少突前体样（OPC-like）和神经前体样（NPC-like）；空间转录组研究也提示，肿瘤内同时存在缺氧、血管生成和神经发育相关区域。但仍有几个核心问题没有被系统回答：这些细胞状态与免疫、血管、神经成分究竟是随机混杂，还是会反复组织成某些稳定的空间单元；MES-like肿瘤细胞内部是否还存在功能不同的亚群；肿瘤相关巨噬细胞（tumor-associated macrophages, TAMs）如何在局部生态位中被重塑；以及究竟是哪类肿瘤细胞更倾向与神经元建立功能性连接。

这篇文章的推进之处，在于把研究重心从“列出有哪些细胞”转向“这些细胞如何在空间上结成群落并发生互作”。作者整合100例患者的121个数据谱系，联合空间转录组、单细胞RNA测序、单细胞染色质可及性测序、原位杂交（ISH）、多重蛋白成像和Patch-seq，试图在跨患者尺度上找出可重复的组织原则，再回到单细胞和功能层面进行验证。这样一种设计，使论文不只是补充GBM细胞图谱，而是在更高一层上追问：肿瘤恶性进展是否依赖若干反复出现的“细胞群落（cellular communities, CCs）”，以及这些群落中哪些细胞邻近关系和配体-受体轴最值得关注。全文后续关于MES亚群、髓系极化和神经突触连接的结论，都建立在这个空间框架之上。

实验设计与方法逻辑

研究共纳入100例GBM患者的121个数据谱系，覆盖118,639个scRNA-seq/snRNA-seq细胞、20,650个scATAC-seq细胞、78,944个Visium spots、340,568个ISH细胞和21个Patch-seq细胞。作者先以单细胞转录组建立25类主要细胞群参考图谱，并据此对32张空间转录组切片做cell2location去卷积，再结合空间坐标与推断CNV，用SPACEL识别可重复空间域，归纳为4类恶性细胞群落。随后以ISH提升到单细胞分辨率验证共定位模式，再对MES-like肿瘤细胞精细分群并映射回空间切片。

核心发现

发现一：GBM中存在跨患者可重复的4类恶性细胞群落，而非完全无序的细胞混杂

全文的基础框架来自Figure 1c-f。作者在32张空间转录组切片中识别出10个可重复空间域，并将肿瘤核心区域进一步归并为4类恶性细胞群落。Figure 1d显示，这些群落在不同患者中具有相近的细胞组成与表达模式：CC-1富集MES-like肿瘤细胞、单核细胞和TAM5-GPNMB，呈现缺氧特征；CC-2富集内皮细胞、周细胞和血管平滑肌细胞，代表血管相关区域；CC-3富集NPC-like、OPC-like、部分AC-like肿瘤细胞及神经元，并上调突触信号和细胞周期相关程序；CC-4则以AC-like肿瘤细胞为主。

Figure 1. Identification and cellular composition of four CCs

发现二：MES-like肿瘤细胞可分为MES-Hyp与MES-Ast两个亚群，并分别嵌入不同空间生态位

Figure 2a-e把“MES-like”这个粗粒度状态进一步拆开。作者在18,139个MES-like肿瘤细胞中识别出两个稳定亚群：MES-Hyp富集缺氧相关程序，MES-Ast富集整合素与细胞外基质组织相关程序。Figure 2b显示，MES-Hyp与既往研究中的MES-Hyp/MES2状态更接近，而MES-Ast与MES-Ast/MES1状态更相似。

Figure 2. Identification and spatial distribution of two MES-like subpopulations

发现三：CC-1是单核细胞向TAM5-GPNMB极化最活跃的生态位，并伴随候选转录调控程序

在免疫重塑层面，Figure 4a-d提供了从空间现象到调控线索的连续证据。Figure 4a显示，无论在空间ATAC还是空间RNA映射中，TAM5-GPNMB与单核细胞都在CC-1显著富集。随后，Figure 4b的RNA与ATAC双重伪时序分析都观察到单核细胞向TAM5-GPNMB的连续转变轨迹，说明CC-1不仅是髓系细胞聚集区，更可能是其重编程活跃区域。

Figure 4. Transcriptional regulation driving monocyte polarization

发现四：神经元与肿瘤细胞的突触样连接主要指向OPC-like肿瘤细胞，并集中于CC-3相关区域

关于神经-胶瘤互作，文章给出了空间、分子和功能三层证据。Figure 5g-h首先显示，在CC-3中，神经元与OPC-like肿瘤细胞之间的互作最为突出，候选分子轴包括NRXN1-3_NLGN1-3和EFNB3_EPHB1-3；PhenoCycler成像进一步证实NRXN1阳性神经元与NLGN3表达的OPC-like肿瘤细胞共定位。Extended Data Fig. 10a,b也显示，神经元与OPC-like细胞的空间共定位最强，且CC-3中突触囊泡和突触后信号相关基因表达高于其他群落。

Figure 5. Conserved intercellular interactions within CCs

归纳总结和点评

这篇论文的真正贡献，不只是把GBM做成一张更大的多组学图谱，而是提出了一个更有解释力的观察框架：GBM中的恶性行为并不只取决于单个肿瘤细胞状态，还取决于这些状态如何与髓系细胞、血管细胞和神经元组织成可重复出现的空间群落。Figure 1定义的4类细胞群落构成了整篇文章的结构支点，Figure 2把MES-like进一步拆解为对应不同邻域的MES-Hyp与MES-Ast，Figure 4则把CC-1中的髓系富集现象推进到候选转录调控程序，Figure 5及Extended Data Fig. 10进一步把CC-3中的神经邻域与OPC-like肿瘤细胞的突触样连接联系起来。其意义在于，它将“肿瘤细胞状态—空间生态位—细胞通讯”三者放进同一逻辑中理解GBM进展；其边界也同样明确，部分状态转变、候选转录因子和配体-受体轴线仍主要依赖整合推断与有限功能验证，距离严格的体内因果证明还有一步。整体而言，这是一项在空间组织层级上重写GBM微环境认知框架的重要研究。