正文
空间转录组（
Stereo-seq）、单细胞组学和组织病理学
的方法，系统性地解析肝细胞癌中肿瘤内三级淋巴结构的发育状态与功能差异。作者
首先利用空间转录组在近单细胞分辨率下全面识别
TLS
，并基于
B细胞从naive向生发中心B细胞（GC-B）转化的轨迹，
建立
TLS发育成熟的参考模型
，
将未成熟
TLS进一步分类为“conforming”与“deviating”两种状态
。
随后，作者发现
deviating TLS中B细胞呈现异常的色氨酸代谢活性，进一步分析表明该代谢失衡源自肿瘤细胞，并受到表观遗传调控。
通过小鼠模型验证
，限制色氨酸代谢可促进
TLS成熟、增强抗肿瘤免疫并与PD-1抑制剂形成协同效应。整篇研究逻辑清晰、方法多维，
成功揭示了色氨酸代谢在
TLS发育障碍中的关键作用，并提出了调控TLS成熟的新型治疗策略
。
研究思路
三、主要结果
1、利用空间转录组数据实现TLS的原位识别
作者
利用高分辨率空间转录组技术
Stereo-seq，在肝细胞癌样本中实现了对TLS的
原位精准识别
。
研究共采集来自
22名未接受治疗的患者和7名接受抗PD-1治疗患者的46份新鲜冷冻组织
，
通过组织连续切片、
HE染色与空间转录组联合分析，将表达矩阵划分为25×25μm，达到近单细胞分辨率。
随后
开发了一套基于空间转录特征的
无监督
TLS识别策略
，有效区分
TLS与周围免疫浸润区域，并通过mIHC验证了91.8%的TLS具有高内皮小静脉标记物PNAd，
最终在
38个样本中成功识别出共838个TLS结构
，
为后续研究
TLS发育状态和功能奠定了基础。
图
1 对TLS进行识别和表征
2、解析TLS的发育轨迹与分化状态
作者首先在
69个高CR2表达的成熟TLS中提取naive B和GC-B细胞，
建立了
TLS成熟的参考发育轨迹
（图
2A
,
B），并发现关键过渡阶段CXCL13表达达到峰值，提示该阶段可能为GC形成的起始窗口。随后，研究团队将385个含有naive B或GC-B细胞的未成熟TLS
根据其与参考轨迹的拟合程度分为
“conforming TLSs”（204个）和“deviating TLSs”（181个）
（图
2C）；对另外384个不含B细胞发育轨迹的TLS，作者
进一步建立深度学习模型进行分类
，并验证其准确性。后续通过细胞轨迹比对（
cellAlign）进一步证实，conforming TLS与成熟TLS在发育路径上具有高度相似性，而deviating TLS则在GC-B分化晚期明显偏离（图2D），为TLS发育状态的分类提供了明确的分子依据和空间结构支持。
图
2 利用空间转录组学对TLS发育状态进行分类和特征分析
3、TLS发育状态决定其对免疫检查点治疗的应答能力
作者
发现，
conforming TLSs在接受免疫检查点抑制治疗后表现出显著增强的抗肿瘤免疫反应。在PD-1治疗队列中，
conforming TLSs在治疗后T细胞比例显著上升
，
伴随
T细胞活化、效应记忆形成（Tpex）和滤泡辅助T细胞（Tfh）功能增强（图3A–C），并在空间上促进Tfh与naive B细胞之间的关键免疫互作，推动B细胞向GC-B细胞分化（图3E–F）。单细胞RNA测序
