在NSCLC肿瘤微环境研究中，免疫细胞分型只是第一步，更关键的是判断这些细胞处于怎样的功能状态，并与哪些细胞形成空间邻域。一个样本中即使存在T细胞或巨噬细胞，也不代表它们一定参与有效抗肿瘤反应；它们可能被阻隔在基质区，也可能靠近肿瘤细胞但呈现耗竭、调节性或代谢受限状态。PCF80基于80抗体Panel进行空间单细胞蛋白组分析，可以在组织原位同时识别细胞身份、功能状态、空间位置和邻近关系。对于NSCLC免疫治疗研究，这种方法适合将"细胞组成""细胞状态""细胞互作"整合到同一个研究框架中。
近期，《Nature Communications》发表了一项题为"Metabolic characterization of tumor-immune interactions by multiplexed immunofluorescence reveals spatial mechanisms of immunotherapy response in non-small cell lung carcinoma(NSCLC)"的论文，该研究以免疫检查点抑制剂治疗前NSCLC样本为研究对象，使用PCF空间单细胞蛋白组技术分析肿瘤免疫微环境。研究基于CD45、PanCK等谱系指标和PD-1、Granzyme B等功能指标进行细胞分型，最终识别14类主要细胞类型，包括肿瘤细胞、巨噬细胞和T细胞亚群等。进一步分析显示，不同功能表型与治疗获益或非获益相关，例如Na/K ATPase+巨噬细胞、CPT1A+内皮细胞在受益组富集，而Granzyme B+巨噬细胞、HK1+肿瘤细胞在非受益组富集。研究还发现，肿瘤细胞与成纤维细胞邻近、PD-1+ T细胞与肿瘤细胞空间重叠与耐药相关，ICOS+ Tregs与成纤维细胞互作与治疗受益相关。
在PCF80应用中，免疫细胞分型可以按照"谱系-亚群-状态"逐层展开。首先使用CD45等泛免疫标志区分免疫细胞与肿瘤/基质细胞，再使用T细胞、B细胞、巨噬细胞、树突状细胞、粒细胞等谱系指标完成主要细胞类型识别。其次，通过CD4、CD8、FOXP3、PD-1、Granzyme B、ICOS、PD-L1等功能相关指标，进一步判断T细胞和免疫调节细胞状态。再次，结合巨噬细胞状态、肿瘤上皮标志、内皮和成纤维细胞指标，分析免疫细胞是否进入肿瘤区域，是否停留在基质边缘，是否靠近血管或成纤维细胞富集区。这样一来，免疫细胞就不再只是一个比例，而是具有明确位置和功能背景的空间单元。
PCF80在NSCLC课题中可以形成多种应用场景。第一，免疫浸润分型：比较不同样本中T细胞、巨噬细胞、Tregs、浆细胞和粒细胞在肿瘤区、交界区、基质区的分布。第二，功能状态评估：观察PD-1+ T细胞、Granzyme B+免疫细胞、PD-L1+细胞等是否在特定区域富集。第三，空间邻域分析：计算肿瘤细胞与成纤维细胞、PD-1+ T细胞与肿瘤细胞、Tregs与成纤维细胞之间的邻近频率。第四，代谢背景关联：参考文献中的代谢邻域思路，将免疫细胞放入低、中、高代谢活性区域中比较其状态。第五，空间特征建模：将细胞密度、距离、共定位、邻域组成和区域富集转化为可量化变量，用于后续机制验证或预测模型研究。
总结来说，PCF80用于NSCLC免疫细胞分型、状态与空间邻域分析时，重点不是把所有marker简单堆叠在一起，而是围绕明确科学问题组织Panel和分析流程。上诉研究展示了空间单细胞蛋白组如何在NSCLC中同时捕捉免疫细胞、肿瘤细胞、成纤维细胞、代谢状态和空间互作，并将这些特征与ICI治疗反应相关联。PCF80可在类似研究中提供更高维度的80抗体Panel，帮助研究者系统比较不同免疫生态位的细胞组成与功能状态。对于关注NSCLC免疫耐药、肿瘤-基质互作、T细胞状态、巨噬细胞功能和代谢微环境的课题，PCF80可作为空间蛋白组科研分析的重要补充。
【说明】本文仅为科研技术方法介绍，不涉及疾病诊断、治疗建议或用药指导。文中提及的研究发现均来自学术文献，不构成任何医疗意见。如有健康问题，请咨询专业医疗机构。
【参考文献】Monkman J, Kilgallon A, Lawler C, Tubelleza R, Aung TN, Warrell JH et al. Metabolic characterization of tumor-immune interactions by multiplexed immunofluorescence reveals spatial mechanisms of immunotherapy response in non-small cell lung carcinoma (NSCLC). Nature Communications. 2026;17(1):837.