033
Intro
Non-Invasive Profiling of the Tumour Microenvironment with Spatial Ecotypes 是 Wubing Zhang 等人在 2026 年发表于 Nature 的研究文章。它做的是一件很有野心的事：先用 spatial transcriptomics 定义跨癌种保守的 tumour microenvironment spatial ecotypes，再尝试从血浆 cfDNA 甲基化里把这些空间生态状态读出来。
这篇和同一期的 TNBC ecotype 文章互相呼应，但定位不同。TNBC 那篇是 disease-specific therapy-response atlas；这篇更像平台型文章，核心卖点是把 ecotype 从组织图谱推进到 bulk RNA、cfDNA methylation 和免疫治疗反应预测。
Why I Read It
我读这篇主要是为了看 “ecotype” 这个概念在 2026 年被怎么继续包装。单细胞和空间图谱本身已经不新了，但这篇加了一层转化叙事：如果 TME spatial ecotype 真能通过 cfDNA methylation 非侵入性恢复，那么它就不只是 tissue atlas 里的漂亮结构，而可能成为纵向监测和免疫治疗分层的 biomarker。
另一条线是 EMT/TME 和免疫治疗耐受。文章里的 SE4、SE5 都很像基质、缺氧、伤口愈合、EMT/TGF-beta 相关生态；SE7/SE8 则是不同空间位置的炎症生态。这比单纯讲 immune-hot 或 T cell-inflamed score 更细。
What It Says
作者首先整合了 132 个 primary tumour spatial transcriptomics samples，覆盖 carcinoma 和 melanoma、10 种肿瘤、6 种空间平台，包括 Visium、legacy ST、MERSCOPE、Xenium 和 Visium HD。同时他们整理了 144 个对应肿瘤类型的 scRNA-seq samples，用 CytoSPACE 等方法把 spot-level ST 和 single-cell reference 连接起来。
Spatial EcoTyper 的核心做法，是把空间邻域里的不同 cell type expression profiles 当成 spatial meta-cells，然后用 similarity network fusion 把不同细胞类型的空间协变模式融合到同一个 embedding 里。作者在 5 个 MERSCOPE FFPE discovery samples 中定义了 9 个 spatial ecotypes，SE1 到 SE9 按照离 tumour margin 的平均距离编号。
这些 SE 不是简单的细胞类型比例。SE1 偏 adjacent stroma，带 FOS/EGR1 early response；SE9 偏 tumour core，包含 TREM2+ macrophage 和 tip endothelial cell；多数 SE 则集中在 tumour-stroma margin 附近。临床解释中最重要的是几类：SE4 是 wound-healing、MYH11+ myofibroblast 和 hypoxia-associated endothelial cell 相关；SE5 是 immunosuppression、EMT/TGF-beta、FAP+ CAF 和 APOE+ M2-like macrophage 相关；SE7 是 margin-associated antigen processing/presentation ecology；SE8 是 intratumoural GZMB+ T cell 和代谢活跃生态。
作者随后做了大量验证。90 个 held-out ST samples、MERSCOPE/Xenium/Visium HD、Xenium Prime de novo discovery、144 个 scRNA-seq tumours、64 个 brain metastases，都用于证明这些 SE 的 cell-state colocalization、spatial coherence、distance-to-margin 和可恢复性不是单一平台或单一样本的产物。
为了做临床规模分析，作者又训练了 bulk RNA-seq deconvolution model，从普通 bulk expression 中推断 SE levels。在 7,076 个 TCGA tumours 中，6/9 个 SE 与 overall survival 相关。SE5 关联较差生存，SE7 和 SE8 关联较好生存。在 1,249 个 ICI-treated pretreatment tumour RNA-seq profiles 中，SE8 和 SE7 预测 ICI benefit，SE4 是 ICI resistance 的强相关信号；在有 TMB 和 CD274/PD-L1 surrogate 的 465 例中，SE7/SE8 在 multivariable models 里优于 TMB 和 CD274。
最后是文章最有转化包装的部分：Liquid EcoTyper。作者用 melanoma TCGA methylation 和 RNA-seq-derived SE ground truth 训练一个 binary neural network，让它从 CpG methylation 中推断 SE levels、non-SE tumour content 和 healthy cfDNA background。训练时还混入 healthy cfDNA EM-seq 以模拟 plasma cfDNA。
真实血浆验证主要在 melanoma。23 名患者有 matched plasma cfDNA 和 tumour ST/EM-seq，plasma-derived SE 与 tumour-derived SE 一致，而与 PBMC methylation 推断的 SE 不相关。随后在 78 名 metastatic melanoma ICI 患者的 pretreatment plasma cfDNA 中，高 SE7/SE8 关联 durable clinical benefit、较长 PFS 和 OS；高 SE4 关联 ICI resistance、较短 PFS 和 OS。这个信号还在 10 名另一机构患者中做了小规模补充验证。
What I Take From It
这篇最关键的贡献，是把 spatial ecotype 变成了一个跨模态对象。它先在空间转录组中定义，再在 scRNA-seq 和 bulk RNA-seq 中恢复，最后尝试从 cfDNA methylation 中读出。这个链条非常适合 Nature 叙事：机制图谱、机器学习、液体活检、免疫治疗分层全都接上了。
从生物学上看，文章有意思的地方是把 immune-hot 拆细了。CE9 这种旧的 carcinoma ecotype 被拆成 SE7 和 SE8：一个更偏 tumour margin、antigen processing/presentation；一个更偏 intratumoural、GZMB+ T cell 和 metabolic program。也就是说，炎症生态的空间位置本身可能影响它对 ICI response 的解释力。
对 EMT/TME 来说，SE4 和 SE5 是值得保存的线索。SE4 是 wound healing、myofibroblast、hypoxia-associated endothelial cell，并和 ICI resistance 相关；SE5 是 EMT/TGF-beta、FAP+ CAF、APOE+ M2-like macrophage，并和较差生存相关。这给“基质-缺氧-伤口愈合样生态限制免疫治疗”提供了一个跨癌种图谱框架。
Note
这篇要读成强平台展示，而不是已经成熟的临床诊断。Spatial EcoTyper 的 tissue-side evidence 很厚：跨平台、跨癌种、跨数据类型验证都做了。但 Liquid EcoTyper 的真正临床证据主要在 melanoma ICI，而且样本量不大：主要 Yale cohort 78 例，外部补充 cohort 10 例。
cfDNA methylation 推断 TME spatial ecotype 这个想法很漂亮，但它是一条很长的模型链：bulk RNA-derived SE ground truth、tumour methylation、healthy cfDNA background、simulated plasma、binary network、真实 plasma validation。任何一层都可能受 tumour fraction、metastatic burden、治疗影响、坏死/释放机制和背景 cfDNA composition 影响。
还有一个边界是因果性。SE4、SE7、SE8 和 ICI response 的关系很强，但现在仍然主要是预测和关联。SE4 是否真的驱动 ICI resistance，SE7/SE8 是否真的增强 anti-tumour immunity，还需要实验扰动和前瞻性临床验证。
所以我会把这篇放在 “spatial ecotype to liquid biopsy” 的关键位置。它不是单纯图谱，而是把图谱、deconvolution、cfDNA methylation 和 immunotherapy biomarker 组合成一个完整平台故事。真正能不能变成临床 assay，要看后续跨癌种、前瞻性、统一 protocol 的验证。