Adv Sci | 李亦学/刘俊伟团队开发单细胞多组学可解释框架TSTScope，精准识别肿瘤特异性T细胞功能状态，助力免疫治疗疗效预测|免疫治疗|刘俊伟|广州|新适应症|李亦学|特异性|细胞|肿瘤

近日，广州国家实验室李亦学、刘俊伟团队联合浙江大学医学院附属第一医院团队在国际期刊Advanced Science发表题为TSTScopeUnifies Single-Cell Multi-Omics to Identify Functional T Cell States Predictive of Immunotherapy Response的研究成果，开发了具备高度生物学可解释性的单细胞多组学深度学习框架TSTScope。该研究立足 T 细胞抗原特异性与功能状态的内在生物学耦合关系，整合单细胞 RNA 测序（ scRNA-seq ）与单细胞 TCR 测序（ scTCR-seq ）双组学数据，通过基因程序约束的变分自编码器架构与克隆型引导的多模态对齐策略，构建了统一且维度可解释的 CD8⁺ T 细胞表征体系，实现肿瘤特异性 T 细胞的高精度识别与功能异质性的精细解析。研究团队跳出 “ 以细胞丰度预测疗效 ” 的传统思路，提出主要病理缓解评分（ MPR score ），从功能潜力维度定量刻画 TST 对 ICB 治疗的响应能力。在 221 例非小细胞肺癌（ NSCLC ）独立验证队列中，该评分区分病理缓解状态的 AUC 达 0.753 ，且与患者无复发生存期显著相关，为免疫治疗患者分层、新型生物标志物开发提供了兼具机制性与实用性的新工具。

免疫检查点阻断（ ICB ）治疗已重塑肿瘤临床治疗格局，可为部分患者带来持久缓解乃至长期生存，但绝大多数患者难以从中获益，可靠的疗效预测标志物与精准的患者分层工具始终是领域亟待突破的核心需求。 CD8⁺ 肿瘤特异性 T 细胞（ TSTs ）是介导 ICB 抗肿瘤效应的核心细胞群体，其抗原特异性由 T 细胞受体（ TCR ）序列决定，功能状态由转录组图谱刻画。现有技术难以在生物学可解释的框架下深度整合两类模态信息，既无法精准锚定真正的肿瘤反应性 T 细胞群体，也难以定量评估其效应潜能与功能异质性，成为掣肘免疫治疗标志物开发与机制解析的关键瓶颈。

尽管 CD8⁺ TST 介导 ICB 疗效的核心地位已形成学界共识，但将其转化为临床可用的预测工具仍面临多重技术短板。多模态整合层面，现有方法多依赖特征拼接或对比学习实现对齐，难以捕捉抗原识别与转录功能程序的内在生物学关联；同时，原始 TCR 嵌入易受胚系 V/J 基因偏好干扰，决定抗原识别的 CDR3 区信号常被掩盖，无法精准捕捉肿瘤反应性克隆特征。 TST 鉴定层面，基于 CXCL13 、 ENTPD1 等已知基因标签的策略对批次效应敏感，跨队列泛化能力不足，难以形成通用稳定的鉴定标准。此外，现有模型普遍可解释性不足，无法明确预测结果的功能驱动程序；而作为 TST 功能异质性核心的干细胞样前体耗竭 T 细胞（ Tpex ）仍缺乏统一定量定义，进一步制约了临床转化。针对上述挑战， TSTScope 以 “ 生物学先验驱动多模态深度融合 ” 为核心理念，通过三项关键设计构建从单细胞表征到临床结局预测的完整框架。其一，采用基因程序（ GP ）约束的变分自编码器架构，将转录组映射至由 50 个经文献验证的 T 细胞基因程序构成的可解释潜空间，覆盖 T 细胞亚群、核心功能、共功能转录因子模块与肿瘤特异性四大维度，确保每个潜在维度对应明确生物学概念，从底层解决模型可解释性问题。其二，创新性引入克隆型引导的双模态对齐机制：基于 “ 同克隆型 T 细胞功能状态趋同 ” 的生物学原理，以 TCR 克隆型为桥梁，通过原型对齐、余弦约束与对比学习的联合优化，使转录组功能表征与 TCR 特异性表征在潜空间中实现深度生物学耦合，而非表层特征拼接；该设计有效捕捉跨模态交互信息，显著削弱胚系 J 基因偏倚对 TCR 嵌入的干扰，强化抗原特异性信号分辨能力。其三，搭建细胞到患者的层级化应用体系：通过基因程序活性差值定义 TST 评分，结合双高斯混合模型自适应阈值识别潜在肿瘤特异性 T 细胞（ pTSTs ）；再基于应答相关程序构建 MPR 评分，将细胞功能状态定量转化为患者级疗效预测指标，实现机制研究与临床应用的有机衔接。

图一： TSTScope 多模态整合框架与可解释基因程序潜空间

在包含 16 例患者、 18.8 万个 CD8⁺ T 细胞的 NSCLC 发现队列中， TSTScope 将近 85% 的实验验证 TST 映射至同一 GZMB⁺ 耗竭 T 细胞亚群，聚类与真实标签的一致性（ ARI=0.661 ， ASW=0.285 ）优于多种转录组基线方法，证实 TCR 信息可提升肿瘤特异性 T 细胞的刻画精度。基于可解释潜空间定义的 TST 评分，留一患者交叉验证区分肿瘤与病毒特异性 T 细胞的 AUC 达 0.969 ，精确率与特异性均超 93% ，性能优于 MANAscore 、 NeoTCR 等现有标志物。推断的 pTSTs 呈现克隆扩增增强、组织驻留与细胞毒性基因上调等典型 TST 特征，差异表达谱与实验验证 TST 高度一致，验证了方法的可靠性。

进一步分析发现，免疫治疗疗效与 pTST 的功能状态而非细胞丰度相关。发现队列中，肿瘤内 pTST 比例及平均 TST 评分均与主要病理缓解（ MPR ）无正相关； MPR 患者的 pTST 富集干性与早期活化程序，非 MPR 患者的 pTST 则呈现终末耗竭特征。基于此，研究团队利用 5 个应答相关基因程序构建 MPR 评分，量化 pTST 的 ICB 响应功能潜力。在 221 例患者的独立 NSCLC 验证队列中， MPR 评分预测病理缓解的 AUC 达 0.753 ，优于 Tpex 比例与已报道的 Tpex 特征评分；校正年龄、性别、病理类型与分期后关联依然稳健（每升高 1 标准差， OR=3.00 ， 95% CI 2.08 – 4.33 ）。生存分析显示，高 MPR 评分患者无复发生存期显著延长（ HR=0.611 ， p=0.00186 ），而 Tpex 相关指标的预后价值较弱。此外，该评分在空间转录组数据中与应答相关的干性免疫枢纽、三级淋巴样结构生态位显著相关，提示其反映了具有空间组织特征的免疫功能模式。

综上， TSTScope 通过基因程序约束的多模态联合建模，在统一可解释的潜空间中整合 TCR 抗原特异性与转录组功能信息，实现了肿瘤特异性 T 细胞的精准识别、功能异质性解析与患者级疗效定量。该研究明确了 pTST 功能状态而非细胞数量与免疫治疗获益的关联，构建的 MPR 评分可为免疫治疗患者分层、疗效预测与标志物开发提供新的技术路径，也展示了生物学先验引导的单细胞多组学深度学习在肿瘤精准免疫治疗中的应用价值。

广州国家实验室李亦学研究员、刘俊伟副研究员与浙江大学医学院附属第一医院刘璐璐博士为本文共同通讯作者，广州国家实验室联培博士研究生曹世薇、程瑾瑜为共同第一作者。 TSTScope 代码已开源发布于 GitHub （ https://github.com/YUZIXD/TSTScope ）。

文章链接：https://doi.org/10.1002/advs.76983

制版人：十一

学术合作组织

（*排名不分先后）