癌症，作为全球性的健康挑战，其复杂性在于肿瘤并非单一的细胞团块，而是由癌细胞、免疫细胞、基质细胞等多种成分构成的复杂生态系统——肿瘤微环境（Tumor Microenvironment, TME）。细胞间错综复杂的相互作用，而非孤立的细胞状态，往往决定了癌症的进展、异质性、转移潜力以及患者对治疗的响应。因此，深入理解并精准识别具有临床价值的微环境特征，对于推动精准治疗和靶向干预至关重要。
长期以来，科学家们致力于揭示肿瘤微环境的奥秘。近期，中山大学左春满副教授与上海交通大学陈洛南教授团队在《Nature Communications》上发表了题为“stClinic dissects clinically relevant niches by integrating spatial multi-slice multi-omics data in dynamic graphs”的最新研究成果。该研究提出了一种创新的深度学习方法——stClinic，旨在通过整合多患者的空间多组学数据与临床信息，精准解析与患者临床表型密切相关的肿瘤微环境“生态位”（niche）特征。
stClinic：深度解析肿瘤微环境的创新框架
stClinic方法的核心在于其动态演化网络框架，它能够融合来自不同患者的空间多组学数据，并结合临床信息，从而识别出肿瘤患者之间共性与特异性的微环境特征，并量化这些特征对临床表现的影响。这一突破性进展为理解癌症的个体化疾病路径提供了全新的视角。
具体而言，stClinic通过图注意力网络整合基因表达与空间邻接信息，将多患者空间组学数据嵌入到一个共享的高斯混合（GMM）流形特征空间。为了提高模型的鲁棒性，stClinic还引入了迭代剪除机制以抑制噪声干扰，并动态聚合转录相似的细胞信息，有效校正批次效应，确保生物学建模的一致性。此外，该方法还引入了六种几何统计量，量化每位患者的微环境生态位存在、比例与分布特征，并通过线性映射模块实现生态位与临床表型的可解释关联与预测，为癌症预后评估提供了有力工具。
图1: stClinic算法工作流程图
临床应用：三阴性乳腺癌与肠癌肝转移的突破性发现
三阴性乳腺癌预后预测新维度
在对43例三阴性乳腺癌（TNBC）空间转录组数据的分析中，stClinic首次成功引入生存期进行预后建模。研究识别出两种截然不同的微环境生态位：一种是与细胞增殖迁移高度相关的高风险生态位，预示着不良预后；另一种是富含B细胞/浆细胞、代表免疫激活的低风险生态位，与较好的预后相关。与低风险生态位相比，高风险生态位表现出更高水平的拷贝数变异，且两类生态位的标志基因集在TCGA数据库中呈现出相反的生存预后趋势，充分验证了其在临床预后评估中的显著价值。这对于三阴性乳腺癌这种治疗挑战性大的癌症类型，无疑提供了新的靶向干预方向。
图2: stClinic识别出三阴性乳腺癌中与预后显著相关的niche特征
揭示肠癌肝转移的关键机制
在对24例原发性肠癌与肝转移癌的空间数据分析中，stClinic成功识别出一个促进肠癌细胞适应正常肝组织的特定微环境生态位。该生态位富含SPP1⁺MTRNR2L2⁺髓系细胞与CAF（癌相关成纤维细胞），其标志基因在TCGA数据库中与患者的无病生存期显著关联，具有潜在的癌症转移指征意义。这一发现为理解肠癌肝转移的复杂机制提供了重要线索，并有望为预防和治疗转移性癌症提供新的靶向治疗策略。
图3: stClinic揭示与肠癌肝转移相关的niche特征
展望：精准医疗的未来之路
此外，研究人员还在乳腺癌数据中验证了stClinic的泛化能力，表明其共享编码器能够将未见样本零样本映射至参考空间，并能与现有组学工具协同，提升跨模态整合与标签迁移能力。这预示着stClinic在更广泛的癌症类型中也具有巨大的应用潜力。
总而言之，stClinic提供了一个强大的深度图学习框架，能够有效集成空间多组学与临床信息，精准预测关键的肿瘤微环境特征。这一创新工具为精准识别与疾病进展密切相关的微环境模式、开发更有效的靶向干预策略、以及最终实现癌症精准治疗的落地提供了坚实的新支撑。对于正在寻求海外购药或靶向药代购的癌症患者而言，这类前沿研究的不断突破，意味着未来将有更多个性化、高效的癌症用药选择，为战胜癌症带来新的希望。
