IF31.7｜微环境驱动的风险连续谱重塑脑膜瘤分子分型

非肿瘤细胞信号深度参与甲基化分类，脑膜瘤并非离散亚型而是风险连续谱。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

脑膜瘤是最常见的成人原发性颅内肿瘤，其分子分型目前主要依赖DNA甲基化谱和机器学习分类器。2021年WHO分类将CDKN2A/B纯合缺失和TERT启动子突变纳入3级标准。多个研究团队提出了不同的甲基化分类方案，但仅三个亚型在各方案中重叠：NF2野生型、NF2突变低级别和NF2突变高级别。此前我们提出并验证了包含六个亚类的分类系统，其他方案则包含二至四个亚型，导致形态、分子和临床特征重叠不一致。理解DNA甲基化谱中相关信号差异的背景，是达成脑膜瘤分子分型全球共识的基础。

科学问题

卡在哪里： 现有脑膜瘤分子分型方案数量不一、亚型间界限模糊，且机器学习分类器所依赖的甲基化探针的生物学意义尚不清楚。肿瘤微环境（TME）中的非肿瘤细胞是否以及如何影响甲基化分类和临床结局，此前缺乏系统研究。

本文要回答： 阐明肿瘤微环境在脑膜瘤甲基化分类和临床结局中的作用，并基于此提出更精准、可推广的风险分层方法。

技术路线

作者主要用了：snRNA-seq、空间转录组、DNA甲基化、免疫组化、MIBI、NMF、GNN。

作者首先对26例涵盖所有WHO级别和共识亚型的脑膜瘤进行单核RNA测序，解析细胞组成和亚克隆结构。随后利用空间转录组和多重离子束成像验证微环境细胞的空间分布和表型差异。接着对4502例甲基化数据进行非负矩阵分解，分离肿瘤与基质信号，并评估其对分类器的影响。最后在多个独立临床队列中验证免疫细胞丰度的预后价值，并开发基于免疫组化的简化风险分层方案。

图 1　Fig. 1。图1展示了脑膜瘤分子分型现状和研究设计。a部分显示基于NF2状态的分型及多种分类方案的覆盖范围；b部分列出26例进行snRNA-seq的样本，包括不同WHO级别和甲基化类别，原发/复发对用线连接；c部分说明全文四个部分的结构，每部分包含探索性和验证性实验。

核心亮点

亮点 1｜TAM丰度随风险升高而下降

单核RNA测序显示，肿瘤相关巨噬细胞（TAM）是仅次于肿瘤细胞的第二大细胞群，且其丰度在低风险MC ben-1中最高，随WHO级别和甲基化等级升高而降低。CD68免疫组化在120例样本中验证了这一趋势。多重离子束成像进一步揭示，低级别脑膜瘤中TAM多为小胶质细胞样（P2RY12+TMEM119+），而高级别中则富集髓系来源的浸润性巨噬细胞（CD68强阳性但无小胶质标志物）。空间转录组和GNN模型也证实微环境细胞组成与甲基化等级相关。

图 2　Fig. 2。图2呈现了脑膜瘤单细胞图谱和微环境特征。a部分UMAP显示44,266个细胞核分为多个簇，肿瘤细胞（SSTR2A+）和TAM（CD68+）是主要群体；b部分展示一个代表性病例的CNV分析，识别出五个CNV簇，其中簇A具有额外的10q缺失；c部分显示不同WHO级别和MC的细胞分布；d-g部分通过多种方法验证TAM丰度随风险升高而降低；h-j部分展示空间转录组和GNN模型对微环境的解析。

亮点 2｜基质信号驱动甲基化分类

对4502例甲基化数据进行NMF分解，得到6个肿瘤特征和7个基质特征。仅用基质特征即可较好区分良性甲基化类别，而恶性类别则更依赖肿瘤特征。分类器中用于区分MC ben-1的探针与CD68蛋白丰度负相关，且这些探针在TAM中低甲基化；而区分MC mal的探针则与CD68正相关。这表明机器学习分类器可能部分依赖于微环境来源的甲基化信号，而非纯粹的肿瘤内在特征。

图 3　Fig. 3。图3展示了甲基化特征分解和分类器探针分析。a部分说明对4502例甲基化数据进行NMF和NNLS反卷积；b部分将得到的6个肿瘤特征和7个基质特征与已知细胞类型匹配；c部分UMAP显示仅用基质特征即可较好区分良性类别；d-e部分展示不同特征对应的CNV谱；f部分显示各MC中特征组成差异。

亮点 3｜NF2突变脑膜瘤呈连续谱而非离散亚型

UMAP和层次聚类显示，NF2突变脑膜瘤的甲基化类别之间界限模糊，而NF2野生型（MC ben-2）和透明细胞脑膜瘤则形成独立簇。与髓母细胞瘤和室管膜瘤的离散亚型不同，NF2突变脑膜瘤在肿瘤内在信号上仅能模糊区分。此外，原发与复发配对样本中存在甲基化类别转换，且同一肿瘤内可存在不同甲基化评分的区域，提示肿瘤内异质性。

图 4　Fig. 4。图4比较了脑膜瘤与其他CNS肿瘤的亚型离散度，并展示肿瘤内异质性。a部分UMAP显示髓母细胞瘤和室管膜瘤亚型各自成簇，而脑膜瘤MC相互融合；b部分显示高置信度（≥0.99）样本的CNV谱差异更明显；c部分展示970例临床队列中MC评分的分布，显示NF2突变类别间存在重叠；d-e部分展示同一肿瘤内CD68高/低区域的甲基化评分差异；f-h部分展示空间转录组揭示的亚克隆异质性。

亮点 4｜免疫细胞丰度独立预测复发风险

在三个临床队列（n=970）中，免疫细胞高浸润与更长的无进展生存期显著相关，且独立于WHO分级。在组织芯片队列（n=1378）中，PU.1阳性细胞比例高于22%的WHO 1级和2级脑膜瘤患者复发风险显著降低（WHO 2级HR=2.91，P<0.001）。将PU.1评分加入WHO分级可显著提高预后预测准确性（c-index 0.66 vs 0.63，P=0.0003）。

图 5　Fig. 5。图5展示了免疫细胞丰度的临床预后价值。a部分说明三个临床队列的构成；b部分显示免疫细胞丰度随WHO级别和MC升高而降低；c-d部分Kaplan-Meier曲线显示高免疫浸润与更长无进展生存期相关；e-f部分显示在WHO 1级和2级中，免疫细胞丰度可进一步分层风险。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： snRNA-seq、空间转录组、DNA甲基化、免疫组化、MIBI、NMF、GNN
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 关注脑膜瘤分子分型、肿瘤微环境和机器学习可解释性的研究者。

带走一句

做甲基化分类时，别忽视微环境信号；反卷积和免疫组化能帮你识别真正的高风险病例。