023
Intro
A Pan-Cancer Single-Cell Transcriptional Atlas of Tumor Infiltrating Myeloid Cells 是 Cheng et al. 2021 年发表于 Cell 的 pan-cancer myeloid atlas。
这篇文章不是完整 TME atlas，也不是 malignant-cell heterogeneity 论文。它专门聚焦 tumor-infiltrating myeloid cells (TIMs)，把肿瘤微环境里的髓系细胞单独拎出来做 pan-cancer 比较。作者整合自己新生成和公开的 scRNA-seq 数据，最终分析 15 个癌种、194 位患者、338 个样本中的 138,161 个 myeloid cells。
这篇最适合当 reference atlas 来读。它的信息量很大，没必要一次性背下所有 cluster；真正重要的是建立髓系细胞的几条主线：mast cells 的 TNF/VEGFA 功能轴，LAMP3+ cDC/mregDC 的泛癌存在和可能来源，cDC2 的复杂亚群，以及 TAM 中 SPP1+、C1QC+、ISG15+ 等状态的区别。后面读到具体概念时，再回来查图和段落更有效。
Why I Read It
前面读 Patel 2014、Tirosh 2016、Puram 2017 时，myeloid cells 往往只是 TME 里的一个粗略 compartment：macrophages、DCs 或 myeloid cells。Cheng 2021 的价值在于，它把 myeloid compartment 作为主角，展示肿瘤髓系细胞内部的巨大异质性。
这篇尤其适合补三个概念缺口：
- macrophage/TAM 不能再简单写成 M1/M2；
- dendritic cells 需要区分 cDC1、cDC2、pDC 和
LAMP3+ cDC/mregDC； - mast cells 在肿瘤中不是固定 pro-tumor 或 anti-tumor，而可能随癌种和功能状态改变。
我读这篇不是为了逐图记住所有癌种，而是为了给后续 TME、TAM、DC、mast cell 和 myeloid-targeted therapy 建立基础语言。
What It Says
作者的分析对象是 myeloid cells，而不是所有细胞。数据来自两部分：一部分是作者新采集的 82 位 treatment-naive patients，覆盖 10 个癌种；另一部分是公开 scRNA-seq 数据。质控后，形成 15 个癌种的 pan-cancer TIM atlas。
为了减少 batch effect，作者没有一开始把所有癌种所有数据强行合并，而是先在每个 dataset 内独立做 clustering 和 marker annotation。第一层是 major lineages：mast cells、pDCs、cDCs、monocytes/macrophages。这里 monocytes 和 macrophages 在粗分层面先放在同一个 compartment，因为二者同属 mononuclear phagocyte system，且存在连续过渡。
在 major lineage 之后，作者再做细分。cDCs 被分为 CLEC9A+ cDC1、CD1C+ cDC2 和 LAMP3+ cDC。monocytes/macrophages 在 ESCA 中进一步分出 classical monocytes、non-classical monocytes 和多个 macrophage subpopulations；CRC 和 myeloma 中还能看到 intermediate CD14hi CD16+ monocytes。ESCA 是 esophageal carcinoma，食管癌，作者用它作为展示分群流程的例子。
一个基本结论是：在 major lineage 层面，细胞类型信号强于癌种来源信号。也就是说，ESCA 的 mast cells 和 CRC 的 mast cells，会比 ESCA 的 mast cells 和 ESCA 的 cDCs 更像。作者把 15 个癌种的 myeloid cells 整合后，看到同一 major lineage 的细胞混在一起；又用每个癌种每个 lineage 的 average transcriptome 做相关性，发现同类 lineage 跨癌种聚在一起。
但这个结论只适用于大类。到了更细的状态层面，尤其是 macrophage/TAM，tissue 和 tumor ecosystem 的影响就变得很强。
Mast cell 部分的核心是 TNF+ / VEGFA+ 轴。作者发现 mast cells 在不同癌种中的比例差异很大：多数肿瘤中 monocytes/macrophages 占 TIMs 最大比例，pDCs 很少，cDCs 相对稳定，而 mast cells 的跨癌种差异最明显。UCEC 和 HCC 中 mast cells 很少，NPC 中比例较高。UCEC 特殊的是 adjacent normal uterus 中 mast cells 更多，这可能和子宫正常生殖过程有关；这里真正特殊的是 mast cell 数量分布，不是 TNF 方向。
作者把 TNF 和 VEGFA 作为 mast cell 功能倾向的两个 proxy。TNF+ mast cells 被理解为更可能支持 DC function 和 T cell priming，偏 anti-tumor；VEGFA+ mast cells 被理解为更偏 angiogenesis 和 pro-tumor。多数癌种中 VEGFA+ mast cells 多于 TNF+ mast cells，提示 mast cells 常偏 pro-angiogenic。NPC 是例外，TNF+ / VEGFA+ ratio 高，且 mast cell marker expression 与较好预后相关，因此作者提出 NPC 中 mast cells 可能更偏 anti-tumor。
这个观点很清楚，但也要读窄一点：TNF+ / VEGFA+ 是一个 functional tendency proxy，不是完整机制。TNF+ 不等于一定抗肿瘤，VEGFA+ 也不等于一定促肿瘤；它只是一个可跨癌种比较的简化轴。
随后作者追问 NPC 中为什么 TNF+ mast cells 多。他们比较 TNF+ 与 TNF- mast cells 的转录差异，用 NicheNet 预测上游 ligands，发现 SPP1 和 IL1B 可能驱动 TNF+ mast cell phenotype，而这些 ligands 主要由 TAMs/macrophages 产生。CellPhoneDB 又提示 NPC 中 mast cells 更可能与 macrophages 互作，其中一个 enriched pair 是 IL1B-ADRB2。此外，IL1B+ macrophages 与 TNF+ mast cells 在 tumor tissues 中正相关，NPC 也有最高比例的 IL1B+ macrophages。
这条链提示 IL1B+ macrophages 可能促进 NPC 中 TNF+ mast cell 状态，但证据主要是 NicheNet、CellPhoneDB 和 abundance correlation，不是因果实验证明。
DC 部分的核心是 LAMP3+ cDCs。作者在所有 15 个癌种中都发现 LAMP3+ cDCs，认为它们类似 mature/migratory/regulatory cDC state，也可和 mregDC 概念联系起来。它们在肿瘤组织中常更丰富，并且 tumor-derived LAMP3+ cDCs 普遍上调 PD-L1。IHC 在 CRC 中验证了 DC-LAMP/LAMP3+ DCs 与 CD4、CD8 和 FOXP3 T cells 的空间邻近。
作者进一步用 Monocle2、CytoTRACE、SingleR 和 signature scoring 推断 LAMP3+ cDCs 可能来自 cDC1 或 cDC2。多数癌种中 cDC1-derived LAMP3+ cDCs 更多，但 PAAD 和 NPC 中 cDC2-derived 比例更高。cDC1-derived LAMP3+ cDCs 更高表达 IL12B 和 BTLA；cDC2-derived LAMP3+ cDCs 保留 cDC2 marker，如 CD1E，并表达 CCL17，提示可能与 Treg recruitment 和 immunosuppression 有关。
这里同样要注意证据层级。Monocle、CytoTRACE 和 SingleR 可以支持状态连续性和相似性，但不是 lineage tracing。cDC1-derived 和 cDC2-derived 是合理计算推断，不是直接发育证明。
作者还细分了 cDC2。在新生成的 8 个癌种数据中，cDC2 被分成 6 个 clusters：C01_cDC2_CXCR4、C02_cDC2_CD1A、C03_cDC2_IL1B、C04_cDC2_FCN1、C05_cDC2_ISG15、C06_cDC2_CXCL9。其中 IL1B+ cDC2 偏 pro-inflammatory，表达 IL1B、TNF、CCL3、CCL4；ISG15+ cDC2 偏 interferon response；CXCL9+ cDC2 富集于 tumor tissues，并被推断为 cDC2-derived LAMP3+ cDCs 的主要来源之一。作者还观察到从 CXCL9+ cDC2 到 LAMP3+ cDC 的过程中 CXCL9 下降、IDO1 上升，提示可能获得更强 immunosuppressive function。
Macrophage/TAM 部分是这篇对我最有用的地方。作者强调 macrophage subsets 跨癌种更异质，不能简单把不同癌种中同名或类似 marker 的 macrophages 直接合并。SPP1 和 C1QC 在 CRC 和 BRCA 中趋于互斥，但在 UCEC 中可以共表达。更重要的是，多数 macrophage subsets 同时带有 M1 和 M2 signatures，说明 M1/M2 二分法不能描述真实体内 TAM states。
作者用 tissue enrichment 区分 non-cancer-enriched 和 tumor-enriched macrophages。LYVE1+ macrophages 更偏 non-cancer tissues，类似 resident/interstitial macrophages。Tumor-enriched TAMs 包括 SPP1+ TAMs、C1QC+ TAMs、ISG15+ TAMs、FN1+ TAMs。SPP1+ TAMs 在多个癌种中更偏 angiogenesis；C1QC+ TAMs 更高 phagocytosis score；ISG15+ TAMs 是 interferon-induced state。在一些没有明显 SPP1+ TAMs 的癌种中，作者发现替代性 pro-angiogenic macrophage states，例如 VCAN+、INHBA+、FN1+ TAMs。
最后，作者探索 TIM composition 和 tumor genetics / tumor expression 的相关性。比如 LAMP3+ cDCs 与 MUC4 mutation 负相关，也和 apoptosis/inflammatory pathway mutation 相关；THCA 中 PYCR1 表达与 SPP1+ macrophages 比例正相关。这部分更像探索性关联，不能读成突变或肿瘤表达直接塑造 TIM composition 的因果证明。
What I Take From It
这篇我不会逐图精读，而会当成 pan-cancer myeloid reference atlas。它最该记住的是几条“后面遇到就回来查”的轴：
myeloid cells
-> mast cells: TNF+ vs VEGFA+ functional tendency
-> cDCs: cDC1 / cDC2 / LAMP3+ cDC
-> cDC2: IL1B+, FCN1+, ISG15+, CXCL9+ states
-> monocytes/macrophages: CD14/CD16 monocytes and TAM states
-> TAMs: SPP1+ angiogenic, C1QC+ phagocytic, ISG15+ interferon, cancer-specific alternatives它最好的读法不是“记住所有 cluster”，而是先建立髓系细胞阅读语言。后面如果在某篇文章中遇到 SPP1+ TAM、LAMP3+ cDC、TNF+ mast cell、CXCL9+ cDC2，再回到这篇查对应的图和段落。
这篇也帮助校正几个常见误读：
TAM不是 M2 macrophage 的同义词。LAMP3+ DC不是普通 DC marker 阳性，而是 mature/migratory/regulatory cDC state。TNF+ / VEGFA+ mast cell ratio是功能倾向指标，不是直接机制证明。- Myeloid atlas 中，major lineage 可以跨癌种稳定，但 finer macrophage/TAM state 会强烈依赖 tissue 和 tumor context。
证据边界也要记住。Cheng 2021 的强项是大规模 atlas、跨癌种比较和细胞状态整理；弱项是机制多来自 NicheNet、CellPhoneDB、trajectory、signature score、TCGA survival/bulk association。它能提出很好的假说，但很多结论不是功能因果闭环。
Note
TIMs= tumor-infiltrating myeloid cells。ESCA= esophageal carcinoma，食管癌。UCEC= uterine corpus endometrial carcinoma，子宫内膜癌。NPC= nasopharyngeal cancer，鼻咽癌。THCA= thyroid carcinoma，甲状腺癌。PAAD= pancreatic adenocarcinoma，胰腺癌。HCC= hepatocellular carcinoma，肝细胞癌。CD16在人类 scRNA-seq gene-level 语境里通常对应FCGR3A。M1/M2只能作为 macrophage activation 的参考轴，不应用作体内 TAM 分类终点。