Xenium、Atera 空间转录组在肿瘤研究中：T细胞的核心作用及其与邻近细胞的关系

作者，Evil Genius

最近在被社会毒打中，找工作ing，有什么问题漂流瓶联系😄。

找不下还则罢了，找下了就只能分析公司的项目了，分析的费用就会有很大的提升。

目前太原这边的劳动争议还没结束，维权路漫漫。

无论发生什么恶心的事情，要保持积极的心态，各位也是一样。

今天我们来学习一下空转分析中（xenium、Atera）T细胞的核心作用及其与邻近细胞的关系。

在2026年空间转录组系列课程中已经针对xenium的分析有了系统的培训，但是大家如果看的内容比较多的话，应该明白在区分细胞亚群方面，Atera更具优势。

那么T细胞更加精细的划分，只能借助Atera。

在肿瘤微环境（Tumor Microenvironment，TME）研究中，T细胞是连接肿瘤免疫识别、免疫杀伤、免疫抑制、免疫逃逸以及治疗响应的核心细胞群。

但如果仅仅通过常规单细胞转录组或空间转录组分析，将T细胞划分为 CD4⁺ T、CD8⁺ T、Treg、耗竭T细胞等亚群，实际上还没有充分揭示T细胞在肿瘤中的作用。

更值得关注的是：

- 同样是 CD8⁺ T细胞，为什么有的位于肿瘤实质内部，有的却被限制在肿瘤边缘？

- 同样是 Treg，为什么某些区域具有明显的免疫抑制作用，而另一些区域相对不活跃？

- 同样是耗竭T细胞，为什么邻近肿瘤细胞、巨噬细胞或树突状细胞时，表现出不同的功能状态？

- 为什么某些肿瘤区域存在大量T细胞，却依然不能形成有效的抗肿瘤免疫反应？

这些问题正是 Xenium、Atera 等高分辨率空间转录组平台能够进一步研究的方向。

需要区分两个层面：

第一层：T细胞自身的转录状态。

例如，CD8⁺ T细胞是细胞毒性、耗竭、记忆还是增殖状态。

第二层：T细胞所处的空间生态位（Spatial Niche）。

例如，T细胞邻近肿瘤细胞、TAM、CAF、DC、血管内皮细胞或其他T细胞时，是否表现出不同的功能状态。

真正有价值的空间研究，是将这两个层面结合起来，分析：

一、肿瘤研究中T细胞的核心亚群及其功能

T细胞并不是一个功能单一的群体。不同亚群具有不同的抗肿瘤功能、免疫调节功能和空间分布特征。

1. CD8⁺ T细胞：直接杀伤肿瘤的核心效应细胞

CD8⁺ T细胞是肿瘤免疫研究中最重要的细胞群之一，其核心功能是识别肿瘤抗原并介导细胞毒性杀伤。

但在空间转录组中，CD8⁺ T细胞至少需要进一步区分以下亚群。

注意：上述标志基因并非绝对特异。比如 PDCD1 既可以出现在活化T细胞，也可以出现在耗竭T细胞中；不能仅凭 PDCD1 阳性就认定细胞已经耗竭。

CD8⁺ T细胞最值得研究的空间问题

同样是细胞毒性CD8⁺ T细胞，其邻近肿瘤细胞时，与邻近正常上皮细胞时，可能呈现不同的转录状态。

例如：

• 邻近肿瘤细胞：可能表现为抗原刺激、细胞毒性和耗竭相关基因增强。
• 邻近CXCL9⁺/CXCL10⁺髓系细胞：可能表现为趋化、激活及局部免疫应答增强。
• 邻近CAF：可能受到基质屏障、趋化因子或免疫抑制信号影响。
• 邻近血管内皮细胞：可能反映T细胞募集、血管周围聚集或跨内皮迁移。
• 邻近其他T细胞：可能形成免疫细胞聚集区域，但不一定代表有效杀伤。

已有 Xenium 研究在头颈部肿瘤中观察到，靠近肿瘤及髓系细胞的T细胞，耗竭、效应和活化相关基因表达更高；靠近正常上皮细胞的T细胞则具有不同的转录特征。

这说明，空间邻近关系不仅仅影响T细胞的位置，也可能与T细胞的功能状态相关。

2. CD4⁺ T细胞：决定肿瘤免疫反应的调控与协同细胞

CD4⁺ T细胞并不只是辅助CD8⁺ T细胞，它们还参与抗原呈递、B细胞活化、免疫抑制和肿瘤相关炎症。

Treg：空间研究中非常值得深入的亚群

Treg 的关键问题并不是简单判断其数量是否增加，而是研究：

Treg 是否在特定的肿瘤区域形成免疫抑制生态位？

例如：

• Treg + CD8⁺ T细胞：可能直接抑制CD8⁺ T细胞的功能。
• Treg + DC：可能通过CTLA4相关机制影响抗原呈递和共刺激。
• Treg + TAM：可能与髓系免疫抑制形成协同。
• Treg + CAF：可能共同出现在免疫抑制性基质区域。
• Treg + 血管内皮细胞：可能反映血管周围免疫调控。

Treg的功能还取决于其活化状态、局部细胞因子和肿瘤类型，不能将所有 FOXP3⁺ T细胞视为完全相同的细胞群。

3. γδ T细胞：具有双重功能的特殊T细胞群

γδ T细胞在不同肿瘤中可能具有抗肿瘤或促肿瘤作用。

空间研究中，可以关注 γδ T 细胞是否靠近：

• 肿瘤细胞；
• 肿瘤相关巨噬细胞；
• CAF；
• 血管内皮细胞；
• CD8⁺ T细胞。

特别是某些肿瘤中，γδ T细胞可能与其他T细胞形成局部免疫调控网络。

二、真正重要的问题：T细胞与不同邻近细胞的差异

这是 Xenium 和 Atera 空间转录组研究最有潜力的方向之一。

如果将T细胞作为分析主体，可以构建如下研究框架：

image.png

首先，将每个T细胞作为一个分析单元。

其次，识别其周围一定范围内的细胞组成。

最后，比较相同T细胞亚群在不同邻近细胞环境中的转录状态。

例如：

这些并不是不同的T细胞亚群，而是相同T细胞亚群处于不同空间生态位时的状态差异。

1. CD8⁺ T细胞 + 肿瘤细胞：直接抗肿瘤免疫生态位

这是最直接、最重要的空间研究方向。

需要回答的问题

1. CD8⁺ T细胞是否真正进入肿瘤实质？
2. CD8⁺ T细胞是否聚集在肿瘤边缘？
3. 与肿瘤细胞邻近的CD8⁺ T细胞是否具有更高的细胞毒性？
4. 肿瘤细胞邻近的CD8⁺ T细胞是否同时出现耗竭特征？
5. 不同肿瘤区域中的CD8⁺ T细胞是否表现出不同的免疫状态？

可分析的基因

需要强调，HLA相关基因在T细胞中的表达不能直接等同于肿瘤细胞抗原呈递能力。应分别分析肿瘤细胞和T细胞的表达来源。

可以形成的研究结论

例如：

Tumor-adjacent CD8⁺ T cells exhibited enhanced cytotoxic and exhaustion-associated transcriptional programs compared with CD8⁺ T cells located in non-tumor-associated niches.

但是，这只是一个需要数据验证的研究假设，不能在没有数据的情况下预设结论。

已有研究也表明，肿瘤内部与肿瘤边缘的细胞组成和空间组织结构存在明显差异，且CD8⁺ T细胞的空间分布与肿瘤核心及边缘结构相关。

2. CD8⁺ T细胞 + TAM：抗肿瘤免疫与免疫抑制的交界面

TAM（Tumor-associated macrophages）是肿瘤微环境中非常重要的髓系细胞。

不同TAM亚群与T细胞的关系可能完全不同。

最值得做的对比

不是简单比较TAM数量，而是比较：

• CD8⁺ T细胞邻近CXCL9⁺ TAM时的转录状态；
• CD8⁺ T细胞邻近SPP1⁺ TAM时的转录状态；
• CD8⁺ T细胞邻近C1QC⁺ TAM时的转录状态。

例如：

可以分析：

• Cytotoxicity score；
• Exhaustion score；
• IFN-response score；
• T-cell activation score；
• Antigen-stimulation-associated score。

如果发现CXCL9⁺ TAM邻近的CD8⁺ T细胞具有更高的细胞毒性，而SPP1⁺ TAM邻近的CD8⁺ T细胞具有更高的免疫抑制或耗竭相关评分，就可以进一步提出不同髓系生态位与T细胞功能状态相关的假设。

但要注意：耗竭标志升高也可能反映更强的抗原刺激，不能直接等同于免疫杀伤能力下降。

3. CD8⁺ T细胞 + CAF：为什么有T细胞，却无法进入肿瘤？

CAF（Cancer-associated fibroblasts）是肿瘤免疫排斥的重要研究对象。

在某些肿瘤中，CAF及其相关基质结构可能形成物理或信号屏障，使T细胞无法有效进入肿瘤实质。

CAF亚群与T细胞的潜在关系

具体分析设计

将CD8⁺ T细胞分为：

• CAF邻近型；
• 非CAF邻近型；
• 肿瘤邻近型；
• CAF与肿瘤双邻近型。

然后比较：

特别值得关注：

CAF邻近的CD8⁺ T细胞，是不是仍然保持细胞毒性，但无法进入肿瘤？

这与“CD8⁺ T细胞本身功能耗竭”是两种不同的机制。

前者可能是空间排斥，后者可能是细胞功能状态改变。

4. CD8⁺ T细胞 + DC：抗原呈递与T细胞激活生态位

DC（Dendritic cells）是连接先天免疫与适应性免疫的重要细胞。

在肿瘤研究中，尤其值得关注：

可以深入研究的方向

例如：

分析：

• CD8⁺ T细胞活化程度；
• 细胞毒性基因表达；
• IFN响应；
• 耗竭相关状态；
• 局部免疫细胞组成。

如果cDC1邻近的CD8⁺ T细胞表现出更强的细胞毒性或活化状态，可能提示局部抗原呈递与T细胞效应反应之间存在关联。

不过，单纯空间邻近无法直接证明抗原呈递或TCR识别，需要结合TCR测序、抗原呈递分析或实验验证。

5. Treg + CD8⁺ T细胞：免疫抑制生态位

Treg与CD8⁺ T细胞之间的空间关系，适合用于研究肿瘤免疫逃逸。

但要注意，Treg邻近CD8⁺ T细胞并不意味着一定存在直接抑制。

更合理的研究方式是：

一个值得检验的假设是：

Treg-rich niches may be associated with altered cytotoxic and exhaustion-related programs in neighboring CD8⁺ T cells.

如果进一步发现Treg、SPP1⁺ TAM和CAF共同富集，可能形成一个更加复杂的免疫抑制性生态位。

三、进一步扩展：T细胞邻近其他细胞时的功能差异

除了上述核心组合，还有几个容易被忽略、但很值得空间研究的方向。

特别值得关注：T细胞与B细胞形成的TLS

TLS（Tertiary lymphoid structures，三级淋巴结构）是肿瘤空间免疫研究中非常重要的方向。

TLS不是简单的T细胞和B细胞聚集，而是具有一定组织结构的局部免疫区域。

其典型组成可能包括：

• B细胞滤泡；
• T细胞区域；
• Tfh细胞；
• 成熟DC；
• HEV相关血管；
• 基质细胞。

空间转录组可以进一步分析：

1. CD8⁺ T细胞是否位于TLS内部或周边；
2. CD4⁺ T细胞是否具有Tfh特征；
3. B细胞与T细胞是否形成空间组织化结构；
4. TLS内部T细胞与肿瘤实质中的T细胞是否具有不同状态；
5. TLS是否与肿瘤免疫治疗响应相关。

需要注意，T、B细胞同时富集并不一定构成TLS。需要结合细胞组织结构、相关标志以及病理形态进行判断。

四、Xenium与Atera：如何将T细胞亚群与空间生态位结合？

先明确一个重要区别：

Xenium与Atera都可以用于研究空间细胞状态和邻近细胞差异，但其数据类型、检测覆盖度和分析流程不能简单视为相同。

对于T细胞研究，建议将分析拆成四个层次。

Level 1：T细胞亚群注释

CD8 / CD4 / Treg / Tfh / γδ T / Exhausted T

Level 2：细胞邻近关系

T细胞邻近肿瘤、TAM、CAF、DC、B细胞、血管

Level 3：局部Niche识别

CD8-TAM niche / Treg-CAF niche / T-B niche

Level 4：功能状态差异

Cytotoxicity / Exhaustion / Activation / IFN response

1. Xenium：更适合单细胞空间定位与细胞状态分析

Xenium的一个优势是能够在组织中对单细胞进行空间定位，并结合细胞分割、细胞注释和基因表达分析。

例如，Xenium可以用于：

• 识别CD8⁺ T细胞与肿瘤细胞的邻近关系；
• 计算T细胞与CAF、TAM的空间距离；
• 区分肿瘤核心、肿瘤边缘和非肿瘤区域；
• 分析不同T细胞亚群的局部空间分布；
• 对比不同邻近环境下的T细胞表达状态。

已有结直肠癌 Xenium 研究通过空间定位识别出克隆扩增的CD8⁺ T细胞，并观察到其与肿瘤细胞、CXCL9/CXCL10/CXCL11相关区域之间的空间关联。

但要注意，Xenium的实际基因检测范围取决于所使用的panel。若研究T细胞耗竭、TCR相关信号、特定趋化因子或特殊T细胞亚群，需要提前确认相关基因是否在panel中。

2. Atera：更适合从较广泛的表达信息中识别T细胞状态与生态位

如果使用的是Atera全探针或全转录组覆盖方案，那么在分析设计上，可以进一步关注：

• T细胞亚群的精细注释；
• 未预设的T细胞状态识别；
• 邻近细胞相关的差异表达；
• T细胞状态与空间niche的联合聚类；
• 免疫细胞与基质细胞的局部表达关联。

例如，Xenium可能重点研究预设panel中的细胞毒性、耗竭和免疫调节相关基因；更广泛的转录组覆盖则有机会发现panel之外的状态相关基因。

但这里需要严格区分：

基因覆盖范围更广，不代表一定能够识别更多真实T细胞亚群，也不代表一定能够得到更准确的空间niche。

最终结果仍然取决于细胞分割质量、表达检测深度、样本质量、细胞注释以及统计分析。

五、最值得实施的分析：相同T细胞亚群在不同Niche中的差异

这是我认为最值得优先开展的分析设计。

假设在肿瘤组织中识别出一个CD8⁺ T细胞亚群。

传统分析可能只进行：

空间分析可以进一步扩展为：

1. 设计一个具体的研究示例

假设将CD8⁺ T细胞分成四种邻近环境：

Niche A：Tumor-adjacent

CD8⁺ T细胞邻近肿瘤细胞

Niche B：TAM-adjacent

CD8⁺ T细胞邻近TAM

Niche C：CAF-adjacent

CD8⁺ T细胞邻近CAF

Niche D：DC-adjacent

CD8⁺ T细胞邻近DC

随后，比较这四种生态位中的CD8⁺ T细胞。

这些指标应结合细胞类型和研究背景解释，而不是将单个基因作为绝对判断标准。

2. 最终可以形成什么样的研究结果？

例如，假设数据分析得到以下结果：

真正有意义的发现是：

同一种CD8⁺ T细胞亚群，在不同邻近细胞环境下，表现出不同的转录状态和潜在功能。

这比单纯展示CD8⁺ T细胞的UMAP聚类，更接近肿瘤免疫微环境的机制研究。

六、从分析角度看，建议重点使用哪些方法？

这里建议将细胞注释、空间niche识别和功能分析分开，而不是全部依赖一个算法。

BANKSY在这个研究中的作用

BANKSY可以利用细胞自身表达与邻域表达信息进行联合分析。

对于T细胞研究，可以尝试：

• 以细胞自身表达为主进行亚群注释；
• 将邻域表达纳入BANKSY空间聚类；
• 识别T细胞相关的局部生态位；
• 比较同一T细胞亚群在不同niche中的状态。

需要强调：BANKSY的空间聚类结果不应直接被解释为新的T细胞亚群。

更合理的做法是：

先识别T细胞亚群，再识别其空间生态位，最后研究亚群在不同生态位中的功能差异。

生活很好，有你更好。