五度妙笔
API商城
数据库Cell：稀有Spark T细胞决定肿瘤免疫治疗成败
发布时间：2026-04-02来源：bioart
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
Spark
T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CD5
low
CD11a
high
。
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CD5
low
CD11a
high
T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T
proto-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
转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。
