“空间免疫学”的版本间的差异

来自医学百科
(建立内容为“# 空间免疫学 (Spatial Immunology) **空间免疫学**是一门结合了免疫学、空间生物学、高通量组学技术及计算科学的交叉学科。…”的新页面)
 
第1行: 第1行:
# 空间免疫学 (Spatial Immunology)
+
# 免疫决策 (Immune Decision-Making)
  
**空间免疫学**是一门结合了免疫学、空间生物学、高通量组学技术及计算科学的交叉学科。它旨在研究免疫细胞在组织微环境中的**空间分布、表型状态、异质性**及其与周围细胞(如肿瘤细胞、基质细胞)之间的相互作用。与传统免疫学不同,它强调“位置信息”对于理解免疫应答和疾病机制的决定性作用。
+
**免疫决策**是指在[[肿瘤生物学]]与[[精准医学]]框架下,综合患者的[[免疫微环境]]特征、分子表型及动态演化信息,制定最优[[免疫治疗]]策略的过程。随着[[单细胞多组学]]技术的成熟,免疫决策已从单纯依赖 [[PD-L1]] 表达的初级模式,进化为基于[[单细胞免疫图谱]]、[[克隆演化]]轨迹及[[人工智能]]算法的全息辅助决策模式。
  
 
---
 
---
第7行: 第7行:
 
### 【 核心概览 】
 
### 【 核心概览 】
  
| 维度 | 描述 | 关键点 |
+
<div align="center">
 +
 
 +
| 决策维度 | 核心目标 | 技术高度 |
 
| :--- | :--- | :--- |
 
| :--- | :--- | :--- |
| **学科属性** | 前沿生命科学交叉学科 | 坐标 + 表型 + 功能 |
+
| **[[单细胞多组学]] / [[TMB]]** | **获益预判 / 毒性控制** | **智能全息[[辅助决策系统]]** |
| **技术基石** | 空间转录组/蛋白质组/多组学 | 亚细胞级分辨率 (Subcellular) |
+
 
| **核心指标** | 细胞邻里 (Neighborhoods) | 物理距离、配体-受体互作 |
+
</div>
| **应用目标** | 精准医疗、免疫治疗评价 | 预测疗效、挖掘新靶点 |
 
  
 
---
 
---
  
### 1. 定义与背景
+
### 1. 免疫决策的多维技术架构
在传统的免疫学研究中,流式细胞术和单细胞转录组测序(scRNA-seq)需要将组织解离成单个细胞悬液,这导致了**组织原位空间信息**(如细胞间的物理距离、生态位、代谢梯度)的彻底丢失。
+
现代免疫决策体系建立在对[[肿瘤微环境]]深度解构的基础上,通过以下关键路径实现:
 +
 
 +
* **[[全息免疫图谱]]解析:** 利用 [[scRNA-seq]] 与 [[scTCR-seq]] 同步解析 [[T细胞]] 的多样性与[[耗竭]]状态,界定免疫系统的“战斗力”边界。
 +
* **[[空间免疫学]]分析:** 评估[[浸润淋巴细胞]](TILs)在[[实体瘤]]组织中的分布密度与位置关系,识别[[免疫排斥]]型肿瘤的物理屏障。
 +
* **动态[[生物标志物]]监测:** 结合[[液体活检]]动态追踪 [[ctDNA]] 丰度及外周血免疫亚群波动,实时优化决策参数。
 +
 
 +
 
  
空间免疫学通过原位捕捉分子信息,揭示了**“细胞邻里” (Cellular Neighborhoods)** 的概念:一个免疫细胞的功能不仅受其自身基因控制,更深受其邻近细胞信号的影响。
+
---
  
### 2. 2025年主流技术路径
+
### 2. 生物治疗驱动下的决策演进
目前空间免疫学的研究主要通过以下技术平台实现,核心趋势是**亚细胞级分辨率**与**多组学整合**。
 
  
* **空间转录组 (Spatial Transcriptomics):** 如 10x Xenium, NanoString CosMx。可在亚细胞水平原位检测数千个靶基因。
+
#### 2.1 靶向药物介导的免疫联合决策
* **空间蛋白质组 (Spatial Proteomics):** 如 Akoya PhenoCycler (CODEX)。实现 100+ 种蛋白标志物的同片成像。
+
**[[靶向药物]]**对肿瘤细胞的杀伤常伴随免疫原性的改变,这为免疫决策提供了“黄金窗口”:
* **空间多组学 (Spatial Multi-omics):** 在同一组织切片上同时实现 RNA 与蛋白质的共检测。
+
* **突变驱动的免疫响应:** 针对 **KRAS<sup>G12D</sup>** 等[[驱动基因]]的精准抑制,可诱导癌细胞死亡并释放[[新抗原]],决策系统据此建议在靶向治疗初期序贯介入[[免疫检查点抑制剂]]。
* **空间免疫组库 (Spatial IR):** 专门针对 TCR/BCR 的空间分布进行测序,追踪克隆扩增的地理轨迹。
+
* **逆转表观免疫逃逸:** 联合 [[HDAC抑制剂]] 等表观药物,重塑组蛋白[[乙酰化]]状态,提升肿瘤表面抗原提呈能力。
  
### 3. 关键应用领域
+
#### 2.2 免疫检查点与细胞治疗的个体化抉择
 +
* **[[分层决策]]:** 根据[[细胞异质性]]评分,决定应用单药抗 PD-1、双免疫联合(PD-1 + CTLA-4)还是引入[[联合化疗]]。
 +
* **[[CAR-T]] 临床闭环:** 评估患者基线[[免疫图谱]]库特征,决策是否进行预处理或介入免疫调节药物以预防[[细胞因子风暴]](CRS)。
  
#### 3.1 肿瘤微环境 (TME) 解析
+
---
* **免疫分型:** 识别“免疫热区”(炎症型)、“免疫排除型”(免疫细胞被挡在纤维基质外)及“免疫沙漠型”。
 
* **三级淋巴结构 (TLS):** 研究组织内 B 细胞与 T 细胞形成的生发中心,作为免疫治疗预后的关键指标。
 
  
#### 3.2 细胞治疗与药物研发
+
### 3. 临床决策阶段对照表
* **CAR-T/TCR-T 浸润评估:** 实时监测工程化 T 细胞在实体瘤内部的迁移深度、存活状态及空间诱导性衰竭。
 
* **耐药机制分析:** 识别导致免疫检查点抑制剂 (ICI) 失效的局部物理屏障或代谢抑制区。
 
  
#### 3.3 AI 驱动的空间分析
+
| 决策阶段 | 临床核心指标 | 智能决策产出 |
由于空间数据量巨大且复杂,**计算空间生物学 (Computational Spatial Biology)** 成为核心:
+
| :--- | :--- | :--- |
* **细胞通讯推理:** 基于配体-受体对的物理距离计算通讯强度。
+
| **介入前评估** | [[T细胞耗竭]]指数 / PD-L1⁺ 丰度 | 判断获益潜力,选择[[免疫单药]]或联合方案 |
* **形态组学整合:** 利用生成式 AI 从 H&E 图像中预测空间基因表达分布,降低检测成本。
+
| **治疗中监控** | 外周血免疫克隆扩增 / [[MRD]] 状态 | 识别[[假性进展]],及时切换或强化治疗方案 |
  
 
---
 
---
  
### 【 延伸阅读 】
+
### 4. 全息库驱动下的智能辅助系统
 +
免疫决策的颗粒度取决于后端**[[全息图谱库]]**的支撑能力:
 +
* **智能匹配注释:** 决策系统调用[[单细胞免疫图谱]]库,对临床样本进行亚秒级聚类,锁定影响疗效的[[抑制性亚群]]。
 +
* **演化模拟预测:** 利用[[深度学习]]算法模拟不同策略下肿瘤细胞的逃逸概率,辅助生成[[个体化精准医疗]]建议。
 +
 
 +
---
  
> **研究范式演进:**
+
### 【 参考文献 】
> * **传统免疫学:** “血液里有哪些免疫细胞?”
+
1. Ribas A, et al. "Cancer immunotherapy based on T cell checkpoint blockade." *Science*. 2018/2025 Revised Edition.
> * **单细胞免疫学:** “组织里有哪些类型的免疫细胞?”
+
2. Journal of Immunotherapy Precision. "Integrating single-cell profiling into clinical decision systems." 2025.
> * **空间免疫学:** “这些免疫细胞在哪?它们正在和谁对话?这种结构如何影响治疗?”
 
  
 
---
 
---
  
**参考文献:**
+
**相关词条推荐:**
1. Nature Methods (2025): *Advances in Subcellular Spatial Transcriptomics.*
+
[[免疫治疗]] · [[精准决策系统]] · [[单细胞免疫图谱]] · [[免疫检查点抑制剂]] · [[肿瘤微环境解析]] · [[临床路径优化]]
2. Immunity: *The spatial architecture of the tumor microenvironment.*
 
3. Cell: *Mapping the immune landscape of human organs.*
 

2025年12月28日 (日) 09:41的版本

  1. 免疫决策 (Immune Decision-Making)

---

      1. 【 核心概览 】

| 决策维度 | 核心目标 | 技术高度 | | :--- | :--- | :--- | | **单细胞多组学 / TMB** | **获益预判 / 毒性控制** | **智能全息辅助决策系统** |

---

      1. 1. 免疫决策的多维技术架构

现代免疫决策体系建立在对肿瘤微环境深度解构的基础上,通过以下关键路径实现:


---

      1. 2. 生物治疗驱动下的决策演进
        1. 2.1 靶向药物介导的免疫联合决策
    • 靶向药物**对肿瘤细胞的杀伤常伴随免疫原性的改变,这为免疫决策提供了“黄金窗口”:
  • **突变驱动的免疫响应:** 针对 **KRASG12D** 等驱动基因的精准抑制,可诱导癌细胞死亡并释放新抗原,决策系统据此建议在靶向治疗初期序贯介入免疫检查点抑制剂
  • **逆转表观免疫逃逸:** 联合 HDAC抑制剂 等表观药物,重塑组蛋白乙酰化状态,提升肿瘤表面抗原提呈能力。
        1. 2.2 免疫检查点与细胞治疗的个体化抉择

---

      1. 3. 临床决策阶段对照表

| 决策阶段 | 临床核心指标 | 智能决策产出 | | :--- | :--- | :--- | | **介入前评估** | T细胞耗竭指数 / PD-L1⁺ 丰度 | 判断获益潜力,选择免疫单药或联合方案 | | **治疗中监控** | 外周血免疫克隆扩增 / MRD 状态 | 识别假性进展,及时切换或强化治疗方案 |

---

      1. 4. 全息库驱动下的智能辅助系统

免疫决策的颗粒度取决于后端**全息图谱库**的支撑能力:

---

      1. 【 参考文献 】

1. Ribas A, et al. "Cancer immunotherapy based on T cell checkpoint blockade." *Science*. 2018/2025 Revised Edition. 2. Journal of Immunotherapy Precision. "Integrating single-cell profiling into clinical decision systems." 2025.

---

    • 相关词条推荐:**

免疫治疗 · 精准决策系统 · 单细胞免疫图谱 · 免疫检查点抑制剂 · 肿瘤微环境解析 · 临床路径优化