判断结直肠癌患者能否从免疫治疗中获益，MSI/MMR状态是一个重要依据。但这个标签，仍然难以完整描述肿瘤内部的免疫环境。
有些肿瘤具有较高的突变负荷，却未必形成有效的免疫反应；少量临床判为MSS的肿瘤，也可能带有值得进一步研究的免疫活跃特征。
这篇发表于 Mol. Ther. Nucleic Acids 的研究，从多组学分型切入，再用单细胞和治疗前后数据，追踪一种名为CS3的免疫活跃亚型。
研究整合了275名患者的多组学数据，并利用独立队列中的164,355个单细胞解析其细胞来源，进一步分析CS3特征与免疫治疗反应的关系。
这篇研究关注三个相连的问题：哪些肿瘤具有免疫活跃特征，这些特征来自哪些细胞，以及它们在治疗过程中如何变化。
文献信息
| 论文标题 | Multi-layer molecular profiling defines an immune-active colorectal cancer subtype with therapeutic relevance |
| 中文理解 | 研究整合结直肠癌转录表达、DNA甲基化及突变数据，识别免疫活跃的CS3亚型，并通过单细胞、纵向免疫治疗队列和预后建模，分析其细胞组成、治疗相关动态及潜在应用。 |
| 期刊 | Mol. Ther. Nucleic Acids |
| 在线发表 | 2026年3月18日 |
| 卷及文章号 | 37(2)，102907 |
| 作者 | Miao Zou、Zuxiang Wang、Wenyang Zhou等 |
| 多组学发现队列 | TCGA-COAD，275名患者 |
| 单细胞解析 | 3个独立CRC队列，共164,355个高质量细胞 |
| 主要分型 | CS1、CS2、CS3 |
| 预后模型 | 比较118种生存建模方案，最终得到11基因模型 |
| DOI | 10.1016/j.omtn.2026.102907 |
| PMID | 41971068 |
| PMCID | PMC13068838 |
这篇文章的切入点在哪里？
仅用一层表达数据进行分型，往往难以同时解释肿瘤的基因组改变、细胞状态与免疫环境。
作者因此整合四类分子信息：mRNA、lncRNA、DNA甲基化和体细胞突变，寻找能够跨层面复现的肿瘤亚型。
分型之后，研究继续向下追问：免疫活跃特征来自肿瘤上皮细胞，还是浸润的免疫细胞？治疗后评分发生变化，又对应什么样的临床反应？
这种设计让分型有了更具体的生物学解释，也为后续验证留下了明确的问题。
文章摘要
研究基于275名TCGA-COAD患者的多层分子数据，识别出CS1、CS2和CS3三种亚型，并在独立表达队列中评估其可重复性。
其中，CS3表现出较强的基因组不稳定性、抗原呈递及炎症相关特征。该亚型以MSI-H肿瘤为主，同时包含少量临床判为MSS、但具有超突变特征的病例。
单细胞分析显示，CS3特征分布于上皮、髓系和T/NK细胞，涉及炎症性髓系状态及具有细胞毒性和耗竭相关特征的CD8⁺T细胞。
在独立免疫治疗队列中，CS3评分呈现与反应类别有关的动态：影像学完全缓解患者通常具有较高基线活性，治疗后明显下降。研究还构建了11基因预后模型，并通过药物基因组数据库提出候选治疗方向。
材料与方法
| 多组学发现 | TCGA-COAD，275名患者；整合mRNA、lncRNA、甲基化及突变信息 |
| 分型评估 | 比较10种多组学聚类方法，并使用NTP、PAM等表达分类策略 |
| 独立表达队列 | GSE39582、GSE17538 |
| 功能解释 | WGCNA、GO/KEGG富集、Hallmark评分及转录调控网络推断 |
| 基因组分析 | 突变谱、TMB、TNB、MSI及肿瘤内异质性等指标 |
| 单细胞解析 | GSE132465、GSE166555、GSE200997，整合后保留164,355个细胞 |
| 细胞状态分析 | UCell、inferCNV、CopyKAT、SCENIC及CellChat等 |
| 纵向免疫治疗 | GSE236581、GSE205506，分别按原研究的影像学或病理学反应定义分析 |
| 生存建模 | 比较118种建模方案，选择RSF与plsRcox组合，得到11基因模型 |
| 药物候选筛选 | 利用GDSC、CTRP和PRISM药物敏感性资源进行分析 |
多组学发现、单细胞解析和治疗动态来自不同队列，不能将细胞数量或重复时间点相加作为独立患者数。
研究结果
多层分子数据识别出三种具有不同特征的CRC亚型
作者首先整合TCGA-COAD的四类分子信息，通过聚类稳定性与多方法一致性分析，确定CS1、CS2、CS3三种亚型。
三类肿瘤具有不同的表达、甲基化和突变特征，整体生存也存在差异。
随后，研究将TCGA中得到的亚型特征投射到GSE39582和GSE17538，检查表达层面能否恢复相应分类。
多组学用于发现，表达分类器用于跨队列恢复。这为分型的可重复性提供了支持，也让后续研究可以在只有表达数据的队列中继续开展。
CS3的主要特点，是炎症与免疫相关程序增强
作者通过共表达网络、功能富集和免疫评分，进一步解释三类肿瘤的生物学差异。
三个亚型呈现不同的功能侧重：
| CS1 | 代谢相关程序较突出 |
| CS2 | 转录、RNA加工及增殖相关特征较突出 |
| CS3 | 细胞因子、干扰素及炎症相关程序增强 |
CS3还表现出较丰富的免疫浸润相关信号。
这些分析为“免疫活跃”提供了表达层面的依据。不过，免疫细胞较多、炎症评分较高，仍需要进一步结合细胞状态和临床结局解释。
CS3以MSI-H为主，也包含少量超突变MSS病例
研究继续比较突变负荷、免疫检查点、HLA和炎症特征，检查CS3是否具有相互呼应的基因组与免疫表现。
CS3整体具有较高TMB、TNB及MSI评分，同时伴随较高的HLA、免疫检查点和T细胞炎症特征。SubMap分析也显示，它与已知免疫治疗应答者具有表达相似性。
但理解这一结果，需要保留样本构成：
文中可评估的45例CS3中，40例为MSI-H；CS3还包含4例临床MSS病例，其中3例具有超突变特征。
因此，这项研究提示CS3可能补充MSI/CMS分型，帮助研究免疫活跃疾病的边界。它并未证明广泛的MSS结直肠癌都能从免疫治疗中获益。
这里值得继续研究的是少量具有特殊分子特征的MSS病例。CS3与治疗应答者相似，属于候选分层依据，仍需在相应患者中验证。
16.4万单细胞显示，CS3信号来自多个细胞群体
作者整合3个独立CRC单细胞队列，将bulk中得到的亚型特征投射到细胞层面。
分析保留164,355个高质量细胞，覆盖上皮、T/NK、髓系、成纤维、内皮和B细胞等主要谱系。
CS1和CS2特征更多集中于不同上皮状态，而CS3特征分布于上皮、髓系及T/NK细胞，在髓系群体中尤其突出。
进一步的上皮细胞分析发现，CS3富集群体具有抗原呈递、炎症及屏障相关程序。患者层面的伪bulk分析也支持相应功能差异。
这意味着，CS3反映了肿瘤细胞状态与微环境共同贡献的表达特征，解释时需要同时考虑两者。
CS3相关髓系细胞具有炎症与免疫调控特征
研究进一步细分髓系细胞，比较CS3特征较高与较低的群体，并分析相关调控和通讯信号。
作者识别出16个髓系亚群，观察到CS3相关群体的炎症和免疫通路活跃，并通过SCENIC分析关注STAT1、NFKB1等调控因子。
CellChat分析则提出了可能增强的配体—受体联系。
这些结果为CS3的细胞来源和调控假说提供了线索。调控网络与配体—受体推断仍属于计算证据，具体作用需要通过细胞定位和扰动实验检验。
CS3治疗后是否下降，与反应类别有关
作者使用两个独立的免疫治疗单细胞队列，分析CS3评分在治疗前、治疗中和治疗后的变化。
在GSE236581中，达到影像学完全缓解（CR）的患者，通常具有较高的基线CS3活性，治疗后明显下降。
相比之下，PR或SD患者基线活性较低，治疗过程中出现上升趋势。这个结果提示，评分变化需要放在治疗阶段和反应背景下解释。
这里有两个容易混淆的细节：
- 图中的主要比较是CR与PR/SD。 PR仍然代表部分缓解，不能直接称为“治疗无效”。
- 两个队列的终点不同。 GSE236581采用影像学CR、PR、SD；GSE205506采用病理学pCR与非pCR，不宜直接合并标签。
进一步的T/NK亚群分析显示，CS3特征涉及同时表达细胞毒分子和抑制性受体的CD8⁺T细胞，提示其可能处于具有杀伤潜力、同时受到检查点约束的状态。
高基线与治疗后下降，可以出现在同一类完全缓解患者中；评分的意义需要结合时间点判断。
11基因模型进一步描述CS3相关特征所对应的预后差异
作者基于CS3相关基因比较118种生存建模方案，最终选择RSF与plsRcox组合，形成11基因模型。
模型在TCGA-COAD及两个独立表达队列中进行评估，风险分组与生存差异相关。
高风险组具有较强的增殖、EMT、缺氧及免疫逃逸相关特征。研究据此提出，即使肿瘤具有免疫浸润，也可能同时存在妨碍有效清除的程序。
这一结果也说明：免疫活跃亚型与低风险预后，不能直接画等号。
药物基因组分析进一步提出多激酶、PI3K/AKT/mTOR、MEK及表观遗传调节等候选方向。这些属于数据库支持的药物研究线索，尚不能作为CS3或高风险患者的用药结论。
从这篇研究能迁移什么？
分型之后，继续追问信号来自哪里。
bulk分析中的“免疫活跃”，可能同时受到细胞比例和细胞内状态影响。单细胞定位、患者层面伪bulk与跨队列检验，可以帮助拆解这两部分贡献。
对做课题的人，从亚型到细胞来源，再到可测功能，是一条值得借鉴的研究路径。
动态标志物，需要明确时间点和临床终点。
治疗前高分、治疗后低分，在不同情境下可以对应同一类获益过程。分析纵向数据时，需要先核对配对关系、治疗阶段，以及CR、PR、pCR等标签的定义。
某一亚组中的变化方向，需要在相同治疗阶段和终点下检验。不能直接推广为所有患者的共同规律。
预后模型与疗效标志物，需要分别验证。
本文的11基因模型主要服务于生存风险分层。它能否预测免疫治疗获益，需要相应治疗队列检验；药物候选则需要进一步实验和临床研究。
多模型择优也可能带来偏乐观估计，后续应锁定模型及参数，在未参与选择的数据中继续评估。
总结
这篇研究通过多组学定义CS3，再用单细胞和纵向治疗数据，逐步解释其免疫活性、细胞来源与临床关联。
值得记住的结果包括：CS3主要富集MSI-H肿瘤，同时包含少量特殊MSS病例；CS3评分的治疗后变化具有反应类别差异；CS3相关的预后风险也并不完全相同。
分型的价值，需要通过细胞来源、时间变化和明确临床终点逐步解释。把这些层面连接起来，才能为后续验证提出更具体的问题。
参考文献
Zou M, Wang Z, Zhou W, et al. Multi-layer molecular profiling defines an immune-active colorectal cancer subtype with therapeutic relevance. Mol. Ther. Nucleic Acids. 2026;37(2):102907. doi:10.1016/j.omtn.2026.102907.
- PubMed论文记录： https://pubmed.ncbi.nlm.nih.gov/41971068/
- 期刊正式发表版本： https://www.sciencedirect.com/science/article/pii/S2162253126000788
- PMC开放全文： https://pmc.ncbi.nlm.nih.gov/articles/PMC13068838/
- DOI链接： https://doi.org/10.1016/j.omtn.2026.102907
- UCSC Xena数据平台： https://xenabrowser.net/datapages/
- 表达验证队列GSE17538： https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE17538
- 表达验证队列GSE39582： https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE39582
- 单细胞队列GSE132465： https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE132465
- 单细胞队列GSE166555： https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE166555
- 单细胞队列GSE200997： https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE200997
- 免疫治疗队列GSE236581： https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE236581
- 免疫治疗队列GSE205506： https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE205506
