Baidu
map

TILs在肿瘤组织中的空间分布特点

2023-09-23 阎影 阎影 发表于上海

肿瘤浸润淋巴细胞(tumor-infiltrating lymphocytes,TILs)临床级别的体外培养扩增的成功与否,在很大程度上取决于能否有效地从肿瘤组织中分离出足够数量和良好质量的起始TIL

肿瘤浸润淋巴细胞(tumor-infiltrating lymphocytes,TILs)临床级别的体外培养扩增的成功与否,在很大程度上取决于能否有效地从肿瘤组织中分离出足够数量和良好质量的起始TILs细胞。而TILs在肿瘤组织中的含量和立体分布特点,则决定了能否有效地分离获得充足的起始量TILs。

以我们最近在卵巢肿瘤组织中分离TILs的实际操作为例。可以知道了解TILs在肿瘤组织中的含量及立体分布特点,对有效分离起始量TILs的重要性。

15bbe3ee9a3c8a93900415f736c8bc1.jpg

这个卵巢肿瘤病理诊断还没有出来,请教广州药科大学附属医院妇瘤科主任冯忻教授,考虑像是卵泡膜肿瘤,属于卵巢性索间质肿瘤,少数是恶性的。不论是良性还是恶性肿瘤,先看看TILs的产率如何吧。采集并处理的肿瘤组织体积有2x8x4cm大小,用机械方法,切剪成2-3mm小块,在无菌塑料滤网上碾压滤过单细胞悬液,过滤比较难,筛孔很快堵住,用了好些个滤网,效率很低。这种情况以后可能需要筛孔大些的不锈钢滤网才行。最终回收细胞量很少。采用Ficoll梯度离心也很难将肿瘤细胞和TILs分开。采集和处理的肿瘤组织标本应该是白色的肿瘤核心组织(上图黑框内),根据回收细胞结果,可能基本没有TILs 存在。回收细胞在高浓度IL-2条件培养近一周,仍没有T细胞激活和增殖迹象。

几乎同期,分离的半个花生粒大小的肺癌组织,采用Ficoll梯度离心,有少量TILs回收,同时分离出来肺癌细胞层。在12孔培养版的一个well里激活培养TILs 3-4天,几乎长满了淋巴细胞,转移到T25培养瓶后,再次转移至T75培养瓶,TILs保持长势良好, 显示从肺癌组织中,成功地分离和获得了起始量的TILs细胞。看来不同肿瘤类型,以及相同肿瘤类型之间的个体差异,都可能是影响TILs回收产率的具体因素。从另一个角度来说,手术获得肿瘤组织块大,不等于就可以回收TILs的数量多,获得的组织块小也不等于不能获得足够的初始量的TILs。

T2.jpg

文献记载的资料还没见TILs在卵巢肿瘤中空间分布的描述。一项报告研究了胆道癌患者(n=52)的TILs亚群在肿瘤组织中的空间分布特点。对肿瘤组织进行多重免疫组化染色,分析了肿瘤基质区(tumor stroma),边缘区(tumor margin)(上图绿框内)和核心区(tumor core)TILs的浸润密度。结果显示肿瘤边缘区CD8+杀伤性T细胞,FoxP3-CD4+辅助性T细胞,和FoxP3+CD4+调节性T细胞的密度明显高于基质和核心区。肿瘤边缘区域的LAG3-CD8+T或TIM3-CD8+T细胞和FoxP3-CD4+辅助性T细胞浸润密度也较高。在肝外胆管癌中,肿瘤核心区的T细胞亚群密度较高,调节性T细胞密度在所有区域也都较高。在肿瘤边缘区内存在高密度FoxP3-CD4+辅助性T细胞的患者,显示了有较好的无进展生存期(PFS)和显著较好的总生存期(OS)的趋势。       

综合而言,TILs在肿瘤组织中的立体分布,可能根据具体肿瘤类型和相同肿瘤类型间的个体差异而不同。一般认为,TILs会在肿瘤边缘区域比较密集,因为这个区域更容易被免疫细胞识别和进入,侵入肿瘤的核心部位对TILs来说可能更为困难。而在另一些肿瘤中,TILs也可以分布在肿瘤的核心内部,如肿瘤内部的淋巴管、血管周围等区域。TILs的立体分布不仅与免疫细胞的浸润能力和肿瘤的免疫特征有关,还可能受到肿瘤内部环境、细胞因子的影响。了解TILs在肿瘤组织中的立体分布特点,对有效分离起始量TILs至关重要,也有助于推测免疫治疗的效果和预后评估也具有重要意义。

附:患者病理报告出来了,是个胃癌来源的转移性卵巢癌,见分化差的癌细胞浸润,可见印戒样细胞,符合Krukenberg瘤。看来临床上的癌症表现还是很复杂的。如果采集到边缘区域的癌组织,有可能获得足够数量的起始量TILs。

Spatial Distribution and Prognostic Implications of Tumor-Infiltrating FoxP3- CD4+ T Cells in Biliary Tract Cancer. Cancer Res Treat, 53(1):162-171, 2021

Spatial Distribution and Densities of CD103+ and FoxP3+ Tumor Infiltrating Lymphocytes by Digital Analysis for Outcome Prediction in Breast Cancer.  The Oncologist, 25 July 2023

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (0)
#插入话题
Baidu
map
Baidu
map
Baidu
map