该研究构建了一种基于细胞结构和邻域的虚拟AI空间分析平台CANVAS(cellular architecture and neighborhood-informed virtual AI-driven spatial profiling)。CANVAS利用PCF(CODEX)空间单细胞蛋白组定义的“细胞邻域（Cellular Neighborhoods, CNs）”作为标尺，首次实现了仅从常规病理切片中直接推断高精度的肿瘤空间生态结构，并将其转化为可应用于数千例患者的临床预后与免疫治疗预测工具。

研究利用PCF(CODEX)空间单细胞蛋白组在457例非小细胞肺癌（NSCLC）样本中（2张TMA和10张组织大片），通过检测41种抗体，构建了肿瘤微环境的“黄金标准”图谱。

PCF（CODEX）注释超1800万个单细胞，系统解析了NSCLC的TME空间规律。研究发现了肺鳞癌（LUSC）中髓系细胞浸润更高，肺腺癌（LUAD）中适应性免疫细胞更丰富。高级别LUAD的T/B/Treg细胞显著增加，高级别LUSC的非角化亚型存在更强的M2巨噬细胞和淋巴细胞免疫抑制互作。

细胞互作分析鉴定出24种具有预后意义的“3细胞”拓扑基序（triplet motifs）。高危基序多为“肿瘤-M2巨噬/CAF-中性粒细胞”组合，保护性基序多为“肿瘤-T/B/浆细胞-内皮细胞”组合。

研究开发了CAF介导的肿瘤-T细胞屏障评分，可量化基质对免疫细胞的阻隔程度，该评分升高与早期NSCLC患者更差的无进展生存期相关。

研究定义了10种可重复出现的细胞邻域（CNs），涵盖肿瘤核心、巨噬细胞富集区、B细胞富集区、T细胞区、肿瘤-免疫界面、血管富集区等。这些CNs可稳定区分预后，例如中性粒细胞富集的CN06、纤维化基质富集的CN04与不良预后强相关，而B/T细胞相关的CN与良好预后相关。

研究团队通过CANVAS，无需额外空间组学检测，仅通过常规H&E切片即可预测PCF(CODEX)定义的CNs，实现了临床可及的空间肿瘤分析。简言之，CANVAS采用预训练病理数基模型MUSK提取H&E形态学特征，结合多尺度空间分析构建分类模型。性能表现上，patch级分类准确率>0.83、F1分数>0.79、Kappa系数>0.80，显著优于现有病理数基模型与传统卷积神经网络。在20×/40×分辨率、不同切片步长下性能稳定，且在12种肿瘤的配对样本、空间转录组样本中验证了跨癌种适用性。

最后，研究在超5000例、9种癌症的患者队列中验证了CANVAS的应用价值。在TCGA、PLCO、NLST三个NSCLC队列（共1693例）中，CANVAS预测的CN预后关联与PCF(CODEX)结果完全一致。基于CN组成可以将NSCLC分为4种独立空间生态型：①C-I髓系炎症型（中性粒细胞富集，预后差）；②C-II纤维化型（基质主导，免疫排斥）；③C-III肿瘤富集型（EGFR突变为主，免疫荒漠）；④C-IV免疫激活型（T/B细胞富集，高免疫检查点表达，适合免疫治疗），各生态型对应独特的拷贝数变异、突变谱、通路激活特征。

在149例免疫治疗队列中提取262种多维度空间特征（涵盖生态位组成、空间分布、互作、多样性等），筛选出13个核心特征构建空间签名，预测6/12/24个月无进展生存期的AUC分别达0.75/0.73/0.71，显著优于PD-L1、TMB、三级淋巴结构等传统生物标志物，且在PD-L1阴性、EGFR/KRAS突变等现有标志物失效的亚组中仍可稳定分层；外部40例Cancer Moonshot Biobank队列验证显示性能一致（AUC均>0.75）。

总之，该研究首次实现了从常规H&E切片到高精度空间生态位的映射，突破了空间组学临床转化的成本与技术壁垒。研究为NSCLC的预后分层、免疫治疗获益人群筛选提供了可落地的工具，同时提示了靶向中性粒细胞、CAF、LAG3/VISTA通路的联合治疗策略。

PCF-80（空间单细胞蛋白组旗舰产品）

更大Panel，更深洞察

PCF-80全面覆盖免疫细胞谱系、肿瘤细胞表型、T细胞功能状态、B细胞/TLS相关反应、髓系细胞异质性、免疫检查点、CAF与基质重塑、血管/淋巴管结构、细胞增殖、缺氧、代谢重编程及细胞命运调控等多个生物学维度。该panel可在组织中实现高维蛋白标志物的原位空间检测，用于系统解析组织微环境中的细胞组成、功能状态、空间邻域及细胞互作关系，为肿瘤免疫微环境、免疫治疗响应/耐药、TLS形成、TAM功能分型、CAF屏障、血管重塑和空间生物标志物挖掘等研究提供多维度空间蛋白组学分析框架。

| 参考文献

Li Y, Li Z, Quinton R, et al. Cellular architecture and neighborhood-informed virtual spatial tumor profiling from histopathology. Cell, 2026.