复旦大学生命曹志伟教授与复旦附属肿瘤医院陈海泉教授等，系统性构建了小细胞肺癌的空间单细胞图谱，创新算法ColonyMap进一步揭示了肿瘤内部的高度分子异质性，并发现了与免疫疗效及患者预后密切相关的新型亚组织结构。（Cancer Cell. 2025, 43: 519.）

该研究基于165例经手术切除的小细胞肺癌组织样本队列，研究者运用35-plex空间单细胞蛋白组（CODEX）及转录组（CosMx SMI）测序技术，解析跨越683万个上皮细胞及249万个间质细胞，全面绘制小细胞肺癌肿瘤分子分型及免疫微环境空间图谱。

据悉，这是目前最大的小细胞肺癌空间组学研究，队列包含10年随访数据。该队列为探索小细胞肺癌的细胞空间位置、细胞互作、邻域结构及抗肿瘤免疫细胞互作提供了关键数据资源。

研究者进而从细胞互作生态学视角创新地开发了ColonyMap算法。集落（colony）指同种生物在空间中聚集生活，通过信息交换协调集体行动，共享资源，增强个体的适应性和逆境抵抗力。研究者开发的ColonyMap算法可识别相同细胞类型组成的空间集落结构，并识别集落之间的互作。这一算法可成功识别肿瘤、血管和三级淋巴结构等。

研究者利用ColonyMap在小细胞肺癌中发现了巨噬细胞、CD8+ T细胞及NKT细胞集落组成的新型亚组织结构（称为MT²）。其富集程度与更好的生存预后显著相关，且不受整体免疫浸润影响。进一步通过CosMx技术，研究者发现MT²内部的巨噬细胞呈现抗原呈递功能增强及T细胞激活特征，而T细胞耗竭状态更低，提示MT²结构可能有抗肿瘤免疫功能。

利用独立免疫队列，研究者发现由M1-like巨噬细胞所组成的MT²丰度可有效预测小细胞肺癌免疫治疗疗效。通过多色免疫荧光技术结合计算判别MT²丰度具备临床潜在应用价值。目前基于该成果设计的前瞻性临床试验已在开展中。

该研究不仅构建了新的空间组学数据分析框架，更为后续基于新型生物标志物的小细胞肺癌精准治疗策略提供了关键理论依据与数据资源。 （编译 王悦宁）