弥漫性大B细胞淋巴瘤（DLBCL）是全球最常见的侵袭性淋巴瘤，约占所有非霍奇金淋巴瘤的三分之一。面对这种疾病，医生们长期面临一个困惑：同样被诊断为DLBCL、接受相同化疗方案的患者，有些人能获得长期缓解，另一些人却迅速复发甚至不治。
过去二十多年的研究逐步揭示了其中的原因——看似同一种疾病的DLBCL，实际上可以根据基因突变特征被细分为MCD、BN2、N1、A53、EZB和ST2等多个遗传亚型，每种亚型对治疗的反应截然不同。例如，MCD亚型对BTK抑制剂伊布替尼响应良好，而在R-CHOP化疗联合伊布替尼的临床试验中，MCD和N1亚型患者的生存期显著延长，其他亚型则获益有限。
然而，这些分类主要依赖于对整块肿瘤组织的"批量"分析，无法揭示单个肿瘤细胞层面的真实面貌。一个肿瘤内部是否存在不同的恶性细胞群体？不同遗传亚型的肿瘤细胞究竟在分子层面有何独特之处？这些问题一直悬而未解。
近日，美国国立卫生研究院（NIH）国家癌症研究所的Louis M. Staudt团队在Cancer Cell上发表了一项里程碑式的研究，他们对103例DLBCL患者的肿瘤活检样本进行了大规模单细胞测序，逐个解读了超过50万个细胞的基因活动和染色质状态，首次构建了这种侵袭性癌症的高分辨率单细胞图谱。
肿瘤组织并非只有癌细胞，其中还混杂着T细胞、巨噬细胞、基质细胞等多种正常细胞，统称为肿瘤微环境（TME）。要真正理解淋巴瘤的生物学特征，首先需要从这个复杂的混合物中准确地"挑出"恶性B细胞。
如图[1]所示，研究团队构建了一套多层次分析流程：对103例DLBCL活检标本同时进行单细胞RNA测序和单细胞ATAC测序，前者检测每个细胞正在表达哪些基因，后者检测每个细胞的染色质哪些区域处于"开放"状态——这决定了基因能否被读取。此外，还对配对的肿瘤组织进行了全外显子组测序和批量RNA测序，最终获得了504,444个细胞的转录组数据。
研究团队利用一个巧妙的方法来区分恶性与正常B细胞：癌细胞的DNA拷贝数通常是异常的（某些染色体片段多了或少了），而正常B细胞的DNA拷贝数是正常的。通过从单细胞RNA数据中推断DNA拷贝数变异，再与配对的全外显子组测序结果交叉验证，研究者精确地将恶性B细胞从正常B细胞中分离了出来。
分离出各类细胞后，研究者发现不同遗传亚型的DLBCL，其肿瘤微环境的"居民构成"有着显著差异。
EZB-DH亚型（同时携带BCL2和MYC基因易位的"双打击"型）的肿瘤微环境中免疫细胞最少，T细胞尤其稀缺；而EZB-nonDH亚型则恰恰相反，拥有最丰富的T细胞浸润。这一发现揭示了即便同属EZB大家族，"双打击"和"非双打击"的肿瘤在免疫微环境上也截然不同。
MCD亚型的肿瘤中T细胞被"排斥"在外，但巨噬细胞却大量聚集——而且是一种与促进肿瘤血管生成和缺氧相关的特殊巨噬细胞亚群（Angio-Mac），它们高表达VEGF等促血管生成基因。N1亚型同样富含巨噬细胞，但招募的却是另一种完全不同的类型——干扰素激活型巨噬细胞（IFN-Mac），它们表达PD-L1等免疫调节分子。
这些发现意味着，不同亚型的DLBCL不仅癌细胞本身不同，它们与周围免疫细胞的"对话方式"也截然不同，这对未来的免疫治疗策略有着重要的指导意义。
一个长期存在的争议是：不同遗传亚型的DLBCL究竟只是基因突变不同，还是在基因表达层面也有本质差异？换句话说，不同的突变组合是否会通向相似的"终点"？
为了回答这个问题，研究团队开发了一套基因表达"亚型特征"评分系统，如图[2]所示。他们利用两个独立的发现队列筛选出每种亚型特有的差异表达基因，再用第三个包含574例患者的独立验证队列来检验这些特征的可靠性。结果令人印象深刻：每种亚型特征都能高精度地识别出相应的遗传亚型，ROC曲线下面积（AUC）从0.68到0.93不等，且筛选出的808个亚型特征基因中有89%（719个）在验证队列中同样显著。
更重要的是，这些亚型特征揭示了每种亚型背后独特的生物学机制：
| 遗传亚型 | 主要特征 | 生物学含义 |
|---|---|---|
| MCD | 高表达IRF4、SPIB、TCF4等转录因子及其靶基因 | 类似浆细胞分化方向，依赖慢性活化的B细胞受体信号 |
| BN2 | 高表达NOTCH2及其靶基因 | NOTCH2信号通路持续激活 |
| N1 | 高表达记忆B细胞标志基因（PLAC8、SIGLEC6） | 类似记忆B细胞的分化状态 |
| EZB | 高表达生发中心B细胞标志基因（CD10、LMO2） | 保留生发中心B细胞特征 |
| ST2 | 低表达BCL2，高表达FAS | 源于生发中心但缺乏典型标志，可能解释其对化疗敏感 |
| A53 | 与MCD共享部分特征 | 两者均利用自身反应性B细胞受体，但A53不伴CDKN2A缺失 |
值得关注的是，约37%的DLBCL患者因基因证据不足而无法被LymphGen算法归入某一亚型（即"未分类"病例）。研究发现，这些患者中许多人的基因表达特征与某一特定亚型高度重叠，提示亚型特征评分可以弥补遗传分型的不足，帮助更多患者获得精准的分子诊断。
如图[3]所示，亚型特征评分还成功复现了已知的化疗预后关系：MCD特征高表达的患者预后较差（p=3.5×10⁻⁶），而BN2特征高表达的患者预后相对较好——这与此前基于遗传分型的生存分析结果一致。
传统观念通常将一个肿瘤视为一个基因均一的整体。然而，这项研究的单细胞分析带来了一个出乎意料的发现：79%的DLBCL肿瘤内部存在2到5个遗传上不同的亚克隆——也就是说，同一个肿瘤中的癌细胞并非"铁板一块"，而是分化出了多个携带不同DNA拷贝数变异的"小团伙"。
如图[4]所示，研究者通过分析单细胞RNA数据推断出每个细胞的DNA拷贝数谱型，从而在103例样本中识别出242个遗传亚克隆。更关键的是，这些遗传上不同的亚克隆在基因表达层面也呈现出截然不同的"性格"。
研究团队将亚克隆之间的基因表达差异归纳为六个反复出现的"基因表达主题"：
这些主题并非随机分布。研究者在正常扁桃体B细胞中验证了这一框架的合理性：生发中心B细胞主题准确标记了生发中心细胞，记忆B细胞主题标记了记忆B细胞，浆细胞主题标记了浆细胞——说明恶性B细胞的表型多样性，很大程度上反映了正常B细胞分化过程中的状态差异。
在同一肿瘤中，不同亚克隆常常沿着这些主题呈现出不同的"分化轨迹"。例如，一些肿瘤中有的亚克隆高表达浆细胞主题（趋向浆细胞分化），而另一些亚克隆则高表达细胞周期主题（处于活跃增殖状态）。如图[5]所示，研究者通过多色免疫荧光染色在组织切片中直接观察到了这种亚克隆的空间分布：浆细胞标志物Blimp-1阳性的细胞群与增殖标志物Ki-67阳性的细胞群确实彼此分离，从而在蛋白质水平验证了单细胞测序的发现。
在六大主题中，细胞周期主题和细胞生长主题虽然表达模式有一定相关性（相关系数R=0.80），但对患者预后的影响却截然不同。如图[6]中的生存曲线所示，细胞生长主题高表达与患者化疗后的不良生存显著相关（p=1.55×10⁻²），而细胞周期主题则与生存无显著关联（p=0.15）。
这个发现具有深远的生物学意义。细胞周期主题代表的是"细胞分裂有多快"，而细胞生长主题代表的是"细胞长得有多大"——后者包含了大量调控糖酵解、有氧代谢和蛋白质合成的基因，其中24%是由癌基因MYC直接驱动的靶基因。换言之，真正让DLBCL患者预后变差的，不是肿瘤细胞分裂的速度，而是MYC驱动的异常代谢状态。
在追踪哪些基因变异驱动了亚克隆间的表型差异时，研究团队有了一个意外发现：编码NF-κB家族成员c-Rel蛋白的REL基因扩增，与记忆B细胞主题的低表达密切相关。
REL扩增在GCB型DLBCL中相当常见，发生率约为20%–25%。在5个携带REL扩增的病例中，10个含有REL扩增的亚克隆比7个未扩增的亚克隆表现出显著更低的记忆B细胞特征（p=0.02）。这意味着REL基因的多拷贝可能阻止了生发中心B细胞向记忆B细胞的正常分化。
为了验证这一假说，研究者在细胞系模型中进行了功能实验。他们通过导入一种"超级抑制因子"来封锁NF-κB信号通路，结果发现：携带REL扩增的GCB细胞系对这种封锁高度敏感，大量死亡（p=4.9×10⁻⁵）；同时，存活细胞中记忆B细胞相关基因的表达被重新激活。而没有REL扩增的GCB细胞系则几乎不受影响。
这一发现的生物学含义非常直观：正常的生发中心B细胞在完成抗体亲和力成熟后，可以选择分化为记忆B细胞（进入"静默待命"状态）或浆细胞（大量分泌抗体）。REL基因的扩增相当于给细胞发出了一个持续的"继续生长"信号，阻断了它们走向安静的记忆B细胞命运的退路，从而促进了淋巴瘤的发生。
为了从更深层次理解不同亚型DLBCL的表型差异从何而来，研究团队整合了单细胞RNA和ATAC数据，利用SCENIC+算法推断了转录因子调控网络。如图[7]中的模型所示，研究最终揭示了一个核心结论：DLBCL各遗传亚型的表型差异，在很大程度上是因为它们"借用"了正常B细胞分化过程中不同阶段的基因调控程序。
具体而言，DLBCL的遗传亚型沿着三条主要的分化轴分布：
这一发现解答了一个长期疑问：为什么同样都激活了NF-κB通路的ABC亚型DLBCL（MCD、A53、BN2、N1），却表现出截然不同的基因表达特征和治疗反应？答案在于，它们虽然共享某些信号通路的活化，但各自"定格"在了B细胞分化的不同阶段，使用着不同的转录因子组合来维持自己的恶性表型。
这项研究的临床意义是多层面的。亚型基因表达特征可以帮助对那些遗传证据不足、无法被现有算法归类的约37%的DLBCL患者进行分子分型，从而指导治疗决策。例如，对于被识别为MCD或N1特征的患者，可以考虑在化疗基础上加用BTK抑制剂；对于MCD和EZB-DH特征的患者，可以考虑使用ViPOR联合靶向方案。
同时，"细胞生长"而非"细胞周期"与不良预后相关的发现，提示未来的治疗策略或许应更多关注MYC驱动的代谢重编程，而不仅仅是抑制细胞分裂。
不过，这项研究也留下了许多值得深思的问题：肿瘤内部多个亚克隆在化疗压力下如何演变？治疗是否会选择性地"淘汰"某些亚克隆而保留另一些？随着单细胞技术被纳入前瞻性临床试验，这些问题的答案或许不会太远。
本文由超能文献“资讯AI智能体”基于4000万篇Pubmed文献自主选题与撰写，并经AI核查及编辑团队二次人工审校。内容仅供学术交流参考，不代表任何医学建议。
分享
STTT顶刊揭示：陆军军医大学吴玉章教授团队研究发现，脂肪细胞并非炎症受害者，而是幕后黑手。肥胖时，脂肪细胞过量表达B2M蛋白，既激活CD8+ T细胞，又引发自身“铁死亡”，双重机制引爆全身慢性炎症。靶向B2M有望逆转肥胖及代谢并发症。
DeepSeek新研究mHC，通过流形约束驯服超连接技术，解决了大模型训练中的信号爆炸与内存效率低下问题，提升了模型的稳定性和智能水平，为未来大模型发展奠定基础。
最新研究揭示，狂吃不胖的秘密可能藏在大脑中一个名为Otp的“发育开关”。关掉它，能让大脑里的“饱腹”神经元增多、“饥饿”神经元减少，即便高脂饮食也不易发胖。此发现为肥胖治疗带来新思路。
全球1500例数据揭示，部分乳腺癌患者在化疗后淋巴结有微转移时，或可避免腋窝淋巴结清扫术，不影响复发率。然而，三阴性乳腺癌患者则不适用，盲目减少手术范围恐致复发风险激增。文章强调个体化治疗的重要性。
一项大规模系统性回顾研究揭示，乳腺癌康复者在健康干预项目结束后，多数好习惯难以长期坚持，尤其在运动、体重和睡眠方面。文章分析了成功率低的原因，并探讨了未来个性化健康管理的需求。
