“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）
 
 
（未显示同一用户的1个中间版本）
第1行： 第1行：
−
# 空间免疫学 (Spatial Immunology)
+
<div style="padding: 0 2%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff;">
  
−
**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。
+
<div style="margin-bottom: 20px; border-bottom: 1px solid #f1f5f9; padding-bottom: 15px;">
 +
    <p style="font-size: 1.1em; margin: 10px 0; color: #334155;">
 +
        <strong>空间免疫学</strong>（Spatial Immunology）是结合了[[空间生物学]]与[[免疫学]]的交叉前沿学科。该技术旨在组织原位解码[[免疫细胞]]的物理坐标、表型特征及其与周围[[肿瘤细胞]]、[[基质细胞]]的相互作用。它弥补了单细胞测序丢失“位置信息”的缺陷，通过解析[[细胞邻里]]（Cellular Neighborhoods）关系，为理解[[免疫逃逸]]及优化[[生物治疗]]方案提供全息视阈。
 +
    </p>
 +
</div>
  
−
---
+
<div class="medical-infobox mw-collapsible mw-collapsed" style="width: 100%; max-width: 360px; margin: 0 auto 30px auto; border: 1px solid #cbd5e1; border-radius: 12px; background-color: #ffffff; box-shadow: 0 10px 25px rgba(0,0,0,0.08); overflow: hidden;">
 +
   
 +
    <div style="padding: 18px 15px; color: #ffffff; background: linear-gradient(135deg, #1e3a8a 0%, #3b82f6 100%); text-align: center; cursor: pointer;">
 +
        <div style="font-size: 1.25em; font-weight: bold; letter-spacing: 1px;">空间免疫学 · 组织全息图</div>
 +
        <div style="font-size: 0.75em; opacity: 0.8; margin-top: 4px; white-space: nowrap;">Spatial Immunology (点击展开详细数据)</div>
 +
    </div>
 +
   
 +
    <div class="mw-collapsible-content">
 +
        <div style="padding: 25px; text-align: center; background-color: #f8fafc;">
 +
            <div style="display: inline-block; background: #ffffff; border: 1px solid #e2e8f0; border-radius: 8px; padding: 15px; box-shadow: 0 4px 6px rgba(0,0,0,0.02);">
 +
                [[文件:Spatial_Immunology_Architecture.png|220px|空间微环境解构]]
 +
            </div>
 +
            <div style="font-size: 0.85em; color: #64748b; margin-top: 12px; font-weight: 600;">组织原位免疫微环境解构引擎</div>
 +
        </div>
  
−
### 【 核心概览 】
+
        <table style="width: 100%; border-spacing: 0; border-collapse: collapse; font-size: 0.95em;">
 +
            <tr>
 +
                <th style="text-align: left; padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 600; width: 35%; background-color: #fcfdfe;">技术核心</th>
 +
                <td style="padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #1e293b;">[[空间转录组]]/[[多重成像]]</td>
 +
            </tr>
 +
            <tr>
 +
                <th style="text-align: left; padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 600; background-color: #fcfdfe;">关键指标</th>
 +
                <td style="padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #1e293b;">[[细胞邻里]]/[[TCR空间分布]]</td>
 +
            </tr>
 +
            <tr>
 +
                <th style="text-align: left; padding: 12px 18px; color: #64748b; font-weight: 600; background-color: #fcfdfe;">临床价值</th>
 +
                <td style="padding: 12px 18px; color: #1e293b; font-weight: bold;">[[精准免疫决策]]</td>
 +
            </tr>
 +
        </table>
 +
    </div>
 +
</div>
  
−
| 维度 | 描述 | 关键点 |
+
<h2 style="background: linear-gradient(to right, #1e3a8a, #ffffff); color: #ffffff; padding: 8px 15px; border-radius: 4px; font-size: 1.2em; margin-top: 35px;">核心技术架构与研究维度</h2>
−
| :--- | :--- | :--- |
+
<p style="margin: 15px 0;">
−
| **学科属性** | 前沿生命科学交叉学科 | 坐标 + 表型 + 功能 |
+
    空间免疫学通过高参数原位检测技术，将免疫应答的研究从“细胞列表”提升至“组织地理学”维度：
−
| **技术基石** | 空间转录组/蛋白质组/多组学 | 亚细胞级分辨率 (Subcellular) |
+
</p>
−
| **核心指标** | 细胞邻里 (Neighborhoods) | 物理距离、配体-受体互作 |
+
<ul style="padding-left: 20px; color: #475569;">
−
| **应用目标** | 精准医疗、免疫治疗评价 | 预测疗效、挖掘新靶点 |
+
    <li style="margin-bottom: 10px;"><strong>[[亚细胞分辨率]]分析：</strong> 利用 Xenium 或 CosMx 等平台，在分子水平定位 [[细胞因子]] 与受体的空间邻近性。</li>
 +
    <li style="margin-bottom: 10px;"><strong>[[空间免疫组库]]：</strong> 追踪 T/B 细胞克隆在组织内的扩增轨迹，识别抗原驱动的局部应答区。</li>
 +
    <li style="margin-bottom: 10px;"><strong>[[三级淋巴结构]]（TLS）：</strong> 定位组织内生发中心样结构，作为[[预后判断]]的重要空间生物标志物。</li>
 +
</ul>
  
−
---
+
<h2 style="background: linear-gradient(to right, #1e3a8a, #ffffff); color: #ffffff; padding: 8px 15px; border-radius: 4px; font-size: 1.2em; margin-top: 35px;">在生物治疗中的转化应用</h2>
  
−
### 1. 定义与背景
+
<h3 style="color: #1e40af; border-bottom: 2px solid #dbeafe; display: inline-block; padding-bottom: 3px; margin-top: 20px;">1. 肿瘤免疫微环境（TME）的精准分型</h3>
−
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。
+
<p style="margin: 10px 0;">
 +
    基于细胞分布格局，空间免疫学将[[实体瘤]]分为三种核心表型，直接引导[[免疫决策]]：
 +
</p>
 +
<ul style="padding-left: 20px; color: #475569;">
 +
    <li style="margin-bottom: 10px;"><strong>[[免疫浸润型]]（Hot）：</strong> 淋巴细胞均匀分布，通常对[[PD-1抑制剂]]响应良好。</li>
 +
    <li style="margin-bottom: 10px;"><strong>[[免疫排除型]]（Excluded）：</strong> 免疫细胞被挡在基质外围，需联合[[抗血管生成]]或[[间质重塑]]药物。</li>
 +
    <li style="margin-bottom: 10px;"><strong>[[免疫沙漠型]]（Cold）：</strong> 缺乏免疫细胞归巢，需考虑[[肿瘤疫苗]]或[[细胞治疗]]介入。</li>
 +
</ul>
  
−
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。
+
<h3 style="color: #1e40af; border-bottom: 2px solid #dbeafe; display: inline-block; padding-bottom: 3px; margin-top: 20px;">2. 细胞治疗的归巢与动态监测</h3>
 +
<ul style="padding-left: 20px; color: #475569;">
 +
    <li style="margin-bottom: 8px;"><strong>[[CAR-T]] 浸润评价：</strong> 评估修饰 T 细胞是否成功穿透[[肿瘤基质]]屏障并到达靶点核心。</li>
 +
    <li style="margin-bottom: 8px;"><strong>原位[[耗竭]]分析：</strong> 识别在组织内部诱导 [[T细胞]] 耗竭的空间触发因子，辅助设计下一代装甲型 CAR-T。</li>
 +
</ul>
  
−
### 2. 2025年主流技术路径
+
<div style="overflow-x: auto; margin: 30px 0;">
−
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**。
+
    <table style="width: 100%; border-collapse: collapse; border: 1px solid #e2e8f0; font-size: 0.95em; text-align: left;">
 +
        <tr style="background-color: #f8fafc; border-bottom: 2px solid #1e3a8a;">
 +
            <th style="padding: 15px; border: 1px solid #e2e8f0; color: #1e3a8a;">研究维度</th>
 +
            <th style="padding: 15px; border: 1px solid #e2e8f0; color: #1e3a8a;">空间免疫学的核心贡献</th>
 +
        </tr>
 +
        <tr>
 +
            <td style="padding: 12px; border: 1px solid #e2e8f0; background: #fcfdfe; font-weight: bold;">疗效预测</td>
 +
            <td style="padding: 12px; border: 1px solid #e2e8f0;">超越单纯 [[PD-L1]] 检测，通过 PD-1/PD-L1 空间邻近性预测获益。</td>
 +
        </tr>
 +
        <tr>
 +
            <td style="padding: 12px; border: 1px solid #e2e8f0; background: #fcfdfe; font-weight: bold;">[[新靶点挖掘]]</td>
 +
            <td style="padding: 12px; border: 1px solid #e2e8f0;">识别特定空间生态位（Niche）中的抑制性配体对。</td>
 +
        </tr>
 +
    </table>
 +
</div>
  
−
* **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。
+
<h2 style="background: linear-gradient(to right, #1e3a8a, #ffffff); color: #ffffff; padding: 8px 15px; border-radius: 4px; font-size: 1.2em; margin-top: 35px;">AI 驱动的空间决策系统</h2>
−
* **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。
+
<p style="margin: 15px 0;">
−
* **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。
+
    海量的空间坐标数据需依赖[[辅助决策系统]]进行模式识别：
−
* **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。
+
</p>
 +
<ul style="padding-left: 20px; color: #475569;">
 +
    <li style="margin-bottom: 10px;"><strong>空间通讯模拟：</strong> 计算[[配体-受体]]在物理距离上的交互概率，模拟免疫攻击演化趋势。</li>
 +
    <li style="margin-bottom: 10px;"><strong>[[病理智能组学]]：</strong> 利用深度学习从标准 H&E 切片中回溯空间免疫特征。</li>
 +
</ul>
  
−
### 3. 关键应用领域
+
<div style="font-size: 0.85em; line-height: 1.8; color: #94a3b8; margin-top: 40px; border-top: 2px solid #f1f5f9; padding-top: 15px;">
 +
    [1] Lewis S M, et al. "Spatial omics and multiplexed imaging to explore cancer biology." <em>Nature Methods</em>. 2021/2025 Revised. <br>
 +
    [2] Keren L, et al. "A Structured Tumor-Immune Microenvironment in Triple-Negative Breast Cancer." <em>Cell</em>. 2024.
 +
</div>
  
−
#### 3.1 肿瘤微环境 (TME) 解析
+
<div style="margin: 40px 0; border: 1px solid #1e3a8a; border-radius: 8px; overflow: hidden; font-size: 0.9em;">
−
* **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”。
+
    <div style="background-color: #1e3a8a; color: #ffffff; text-align: center; font-weight: bold; padding: 12px;">空间免疫学导航</div>
−
* **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。
+
    <div style="padding: 15px; background: #ffffff; line-height: 2; text-align: center;">
 +
        [[空间转录组]] • [[多重免疫荧光]] • [[三级淋巴结构]] • [[细胞邻里分析]] • [[免疫微环境全息图]]
 +
    </div>
 +
</div>
  
−
#### 3.2 细胞治疗与药物研发
+
</div>
−
* **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
 
−
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。
 
−
* **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。
 
−
 
 
−
---
 
−
 
 
−
### 【 延伸阅读 】
 
−
 
 
−
> **研究范式演进：**
 
−
> * **传统免疫学：** “血液里有哪些免疫细胞？”
 
−
> * **单细胞免疫学：** “组织里有哪些类型的免疫细胞？”
 
−
> * **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：**
 
−
1. Nature Methods (2025): *Advances in Subcellular Spatial Transcriptomics.*
 
−
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) 09:44的最新版本

空间免疫学（Spatial Immunology）是结合了空间生物学与免疫学的交叉前沿学科。该技术旨在组织原位解码免疫细胞的物理坐标、表型特征及其与周围肿瘤细胞、基质细胞的相互作用。它弥补了单细胞测序丢失“位置信息”的缺陷，通过解析细胞邻里（Cellular Neighborhoods）关系，为理解免疫逃逸及优化生物治疗方案提供全息视阈。

空间免疫学 · 组织全息图
Spatial Immunology (点击展开详细数据)
组织原位免疫微环境解构引擎
技术核心 空间转录组/多重成像
关键指标 细胞邻里/TCR空间分布
临床价值 精准免疫决策

核心技术架构与研究维度

空间免疫学通过高参数原位检测技术，将免疫应答的研究从“细胞列表”提升至“组织地理学”维度：

在生物治疗中的转化应用

1. 肿瘤免疫微环境（TME）的精准分型

基于细胞分布格局，空间免疫学将实体瘤分为三种核心表型，直接引导免疫决策：

2. 细胞治疗的归巢与动态监测

  • CAR-T 浸润评价： 评估修饰 T 细胞是否成功穿透肿瘤基质屏障并到达靶点核心。
  • 原位耗竭分析： 识别在组织内部诱导 T细胞 耗竭的空间触发因子，辅助设计下一代装甲型 CAR-T。
研究维度 空间免疫学的核心贡献
疗效预测 超越单纯 PD-L1 检测，通过 PD-1/PD-L1 空间邻近性预测获益。
新靶点挖掘 识别特定空间生态位（Niche）中的抑制性配体对。

AI 驱动的空间决策系统

海量的空间坐标数据需依赖辅助决策系统进行模式识别：

  • 空间通讯模拟： 计算配体-受体在物理距离上的交互概率，模拟免疫攻击演化趋势。
  • 病理智能组学： 利用深度学习从标准 H&E 切片中回溯空间免疫特征。
   [1] Lewis S M, et al. "Spatial omics and multiplexed imaging to explore cancer biology." Nature Methods. 2021/2025 Revised. 

   [2] Keren L, et al. "A Structured Tumor-Immune Microenvironment in Triple-Negative Breast Cancer." Cell. 2024.
取自“https://www.yiliao.com/index.php?title=空间免疫学&oldid=311126”