肾透明细胞癌患者的免疫细胞浸润特征与临床病理参数具有相关性

Correlations of immune cell infiltration characteristics with clinicopathological parameters in patients with clear cell renal cell carcinoma

摘要

目的 考察中国人群肾透明细胞癌患者肿瘤样本中免疫细胞浸润特征，并分析免疫细胞浸润与疾病分期及免疫治疗应答的相关性。 方法 收集南方医科大学南方医院2020年10月~2023年10月154例肾透明细胞癌患者的肿瘤样本和临床病理信息，通过免疫组织化学、免疫荧光等方法鉴定肿瘤组织中浸润免疫细胞类型，并同患者临床病理特征进行相关性分析。对其中22例患者的肿瘤组织构建了患者来源的肿瘤组织片段（PDTF）模型，利用PD-1单抗处理，后使用流式细胞术检测了T细胞活化情况，评估患者免疫治疗应答。 结果 我国肾透明细胞癌患者中，CD8⁺ T细胞、CD4⁺ T细胞和CD3⁺ T细胞浸润最丰富。病例相关分析表明，CD3⁺ T细胞（P=0.004）、PD-1⁺ T细胞（P=0.020）、CD68⁺ T细胞（P=0.049）、CD79⁺ T细胞（P=0.049）以及Tryptase⁺细胞（P=0.049）的浸润与更大的肿瘤体积（≥5 cm）呈正相关；CD4⁺ T细胞浸润程与肿瘤分期成负相关（P=0.026）。高ISUP分级患者CD3⁺ T细胞（P=0.023）、CD8⁺ T细胞（P=0.045）、PD-1⁺ T细胞（P=0.014）、CD20⁺ B细胞（P=0.020）、CD79⁺ B细胞（P=0.004）浸润浸润水平较高，但具有较低的Traptase⁺细胞浸润（P=0.001）。具有丰富免疫细胞浸润的患者也倾向更好的免疫治疗应答。 结论 本研究揭示了中国人群肾透明细胞癌患者免疫细胞浸润特征，发现不同患者免疫细胞浸润存在显著异质性，证实免疫细胞浸润程度与临床病理参数存在密切关联。

Abstract

Objective To investigate the characteristics of immune cell infiltration in tumor samples from Chinese patients with clear cell renal cell carcinoma (ccRCC) and the correlation of immune cell infiltration with tumor stage and response to immunotherapy. Methods Tumor samples and clinicopathological data were collected from 154 ccRCC patients treated in Nanfang Hospital, Southern Medical University from October, 2020 to October, 2023. The immune cell types infiltrating the tumor tissues were identified using immunohistochemistry and immunofluorescence staining, and their correlations with the patients' clinicopathological characteristics were analyzed. Patient-derived tumor tissue fragment models (PDTF) models, constructed using tumor tissues from 22 patients, were treated with PD-1 monoclonal antibody, and T cell activation was detected using flow cytometry to assess the patients' responses to immunotherapy. Results In Chinese ccRCC patients included in this study, CD8⁺ T cells, CD4⁺ T cells, and CD3⁺ T cells were the most abundant in the tumor tissues. Higher infiltration levels of CD3⁺ T cells (P=0.004), PD-1⁺ T cells (P=0.020), CD68⁺ T cells (P=0.049), CD79⁺ T cells (P=0.049), and Tryptase⁺ cells (P=0.049) were all positively correlated with a larger tumor size (≥5 cm). A higher infiltration level of CD4⁺ T cells was associated with a lower tumor stage. Patients with higher International Society of Urological Pathology (ISUP) grades had higher infiltration levels of CD3⁺ T cells (P=0.023), CD8⁺ T cells (P=0.045), PD-1⁺ T cells (P=0.014), CD20⁺ B cells (P=0.020) and CD79⁺ B cells (P=0.049), and lower levels of Tryptase⁺ cells (P=0.001). Patients with abundant infiltrating immune cells tended to have better responses to immunotherapy. Conclusion The infiltrating immune cells are heterogeneous in Chinese ccRCC patients, and immune cell infiltration characteristics are closely correlated with clinicopathological parameters of the patients.

Graphical abstract

关键词

肾透明细胞癌 / 肿瘤免疫细胞浸润 / 患者来源的肿瘤组织片段模型

Key words

clear cell renal cell carcinoma / tumor-infiltrating lymphocytes / patient-derived tumor tissue fragment models

肾透明细胞癌（ccRCC）起源于近端肾小管的上皮细胞，是成人中最常见的肾细胞癌（RCC）类型，约占所有肾细胞癌病例的80%^{［1， 2］}。针对此类癌症，肾部分切除术与根治性肾切除术被认为是有效的治疗手段^［3］，但仍然有30%的肾透明细胞癌患者最终会出现转移，此时系统性的治疗就成为了必要的措施^［4-7］。目前，靶向药物和免疫检查点抑制剂（ICIs）治疗已成为转移性肾透明细胞癌的一线临床治疗方案^{［8， 9］}。尽管免疫治疗的引入显著改善了这些患者的预后，但仍有很大一部分部分患者会对免疫治疗产生耐药性，只有少数患者从中获益^［10］。

肿瘤免疫微环境是一个复杂的系统，其中不仅包含肿瘤细胞，还有多种被募集而来的细胞与组分，其中，肿瘤浸润淋巴细胞（TILs）在微环境中扮演重要角色，是抗肿瘤免疫应答的主要执行者。ICIs即通过阻断TILs上的抑制分子或肿瘤细胞上的相应配体，解除接触抑制，进而激活抗肿瘤免疫应答^{［11， 12］}。研究发现，在包括结肠癌、卵巢癌、肺癌、胃癌和乳腺癌的多种恶性肿瘤中，TILs还能够反映患者对免疫治疗的应答状况，与患者的预后结果相关联^［13-17］。然而，目前有关肾细胞癌中TILs的浸润特征及其与患者临床病理特征、免疫治疗应答之间关联性的研究仍相对匮乏。大多数研究仅关注单一免疫细胞浸润与临床预后之间的联系，缺乏系统的阐述，并且多基于癌症基因组图谱数据库分析，缺乏真实的临床病例的验证^{［18， 19］}。

患者来源的肿瘤组织片段（PDTF）模型已被证实可以反映患者接受ICIs治疗后肿瘤组织内免疫反应的早期特点，并与患者对ICIs治疗的应答具有高度一致性^［20］。该模型通过将切除的新鲜肿瘤组织包被在人工合成的基质中，可在保留肿瘤组织的细胞活性和组织结构完整性的同时减少免疫细胞的逃逸。在本研究中，该模型被用于评估肿瘤接受抗程序性细胞死亡蛋白（PD-1）治疗后肿瘤免疫特征的早期变化。

目前针对肾透明细胞癌肿瘤免疫微环境的研究仍存在一些不足，且关于肾细胞癌整体免疫特征的综合性报告以及专门针对中国人群的肾细胞癌数据也较为匮乏。本研究通过收集中国肾透明细胞癌患者的肿瘤组织来构建组织芯片和PDTF模型并评估其免疫特性来填补这些空白；同时利用流式细胞术分析ICIs治疗后PDTF模型的反应程度与TILs浸润密度之间的关系，以期为临床实践提供参考。

1 材料和方法

1.1 实验材料与试剂

组织固定液、无水乙醇（广州亿涛生物科技有限公司）；二甲苯、盐酸、甲醇、盐酸（天津市百世化工有限公司）；柠檬酸三钠、柠檬酸、乙二胺四乙酸二钠、醇溶性伊红、30%过氧化氢溶液、磷酸氢二钠（国药集团化学试剂有限公司）；苏木素染色液（珠海贝索生物技术有限公司）；磷酸氢二钠（福州迈新生物技术开发有限公司）；红色显色试剂盒（上海茹创生物科技有限公司）；TBS 缓冲盐粉剂、EDTA 抗原修复液（湖北百奥斯生物科技有限公司）；山羊血清（武汉博士德生物工程有限公司）；25 cm²细胞培养瓶、细胞培养板以及离心管（无锡耐思生命科技股份有限公司）；高浓度不含酚红基质胶（BD Biosciences）；I型鼠尾胶原蛋白、RPMI 1640培养基、DMEM培养基（康宁）；anti-PD-1抗体（百时美施贵宝公司）；anti-β-Gal-hIgG4 抗体（InvivoGen）；胎牛血清、胰蛋白酶消化液（无EDTA，赛默飞世尔科技公司）；青霉素-链霉素混合液、PBS 溶液（杭州弗德生物科技有限公司）。

1.2 患者和组织样本

本研究从南方医科大学南方医院2020年10月~2023年10月的肾癌患者中获取肿瘤样本和临床病理信息，最终纳入了154例肾透明细胞癌的病例。纳入标准：肾癌的诊断需要临床组织学的确认。排除标准：患者在术前接受过系统性治疗；患者在术前有同步或异时性肿瘤病史。本研究中使用的临床肿瘤样本主要用于2个用途：固定并包埋的样本用于构建组织芯片，而活体冷冻组织样本则用于构建体外患者来源的PDTF模型。其中，从154例患者中随机选取22例用于构建PDTF模型。本研究经南方医科大学南方医院伦理委员会批准（伦理批号：NFEC-2022-299），在研究样本采集前所有参与者均已签署知情同意书。

1.3 组织芯片的构建

临床肿瘤样本经妥善保存后，选取部分特征明显的肿瘤组织进行固定、包埋、切片，并进行苏木精-伊红（HE）染色以制备HE玻片。由资深病理学家在光学显微镜下观察HE切片以确认组织性质，并选取具有代表性的典型肿瘤组织区域。根据所选区域的位置，在相应的蜡块上进行标记，并使用针头在该位置钻取直径为2 mm的孔。从孔中提取的组织芯成为供体蜡块的组织芯。使用针头在空白蜡块上钻取数量与微阵列容量相对应的直径为2 mm的孔。钻孔完成后，将供体蜡块中的组织芯依次插入空白蜡块中，并进行切片，制作出组织芯片。

1.4 石蜡切片免疫组化（IHC）及结果分析

首先，将石蜡切片于65 ℃下孵育60 min，依次浸入二甲苯、无水乙醇、90%乙醇和75%乙醇溶液中。之后，加入抗原修复液（10 mmol/L柠檬酸修复缓冲液，pH=6.0），将切片置于高压锅中煮沸并孵育2 min，再将切片于室温下在3%过氧化氢溶液中孵育30 min。待自然风干后，在组织区域加入5%山羊或兔血清，并在室温下孵育1 h。孵育结束后，洗涤切片并于4 ℃下与一抗（表1）孵育过夜。之后，加入与一抗对应的二抗（所用二抗类型包括山羊抗兔或兔抗山羊两种，选择由一抗种属决定，应选择能结合所使用一抗种属的类型），并于37℃下孵育40 min，孵育后，切片以二氨基联苯胺进行染色，用苏木精复染细胞核。脱水、透明并封片，在光学显微镜下观察IHC染色质量。标记后，使用玻片扫描仪（SQF-120Pro，深圳盛强科技有限公司）扫描并存档切片。

在本研究中涉及的免疫特征分析中，若细胞显示出任何强度的染色，则可将其视为阳性。使用ImageJ软件观察微阵列中每个组织芯的至少3个高倍视野。计算每个高倍视中的阳性细胞数，并取3个高倍视野的平均值。用于衡量每种免疫标志物的指数则为阳性细胞密度。细胞密度=阳性细胞数/视野面积（mm²）。使用R软件包“Maxstat”确定每种免疫特征的最佳细胞密度阈值，每种细胞均根据该阈值被划分为高密度和低密度。

1.5 免疫荧光（IF）及分析结果

先将组织切片加入二甲苯、乙醇及蒸馏水依次浸泡以实现脱蜡与水化，随后置于抗原修复液（乙二胺四乙酸，pH=9.0）中，并使用高压锅加热。切片在高温高压下煮沸并在高温高压环境中孵育90 s，之后将切片在4 ℃条件下，与一抗—抗CD68抗体（Abcam，C68/684，1∶100）和抗CD163抗体（Abcam，EPR19518，1∶500）共同孵育。随后，在37 ℃下与AF594二抗（Alexa Fluor 594 donkey anti-rabbit lgG，1∶500）以及AF488二抗（Alexa Fluor 488 驴抗小鼠 lgG，1∶500）共同孵育1 h。接下来，使用二氨基联苯胺对细胞核进行复染，并通过平板封片获取电子图像，最后在荧光显微镜下进行观察。

本研究中CD68阳性细胞发出绿色荧光，而CD163阳性细胞则发出红色荧光。若细胞同时表达CD68和CD163，则发出的荧光会融合形成黄色。阳性细胞密度的计算方法以及最佳阈值的确定方法，与IHC技术相同。

1.6 PDTF模型的构建

本研究按照文献^［20］方案构建PDTF模型，将组织片段嵌入由多种成分构成的人工细胞外基质中（在DMEM培养基加入1 mmol/L丙酮酸钠、1×MEM非必需氨基酸、2 mmol/L左旋谷氨酰胺、1.1%碳酸氢钠、10%胎牛血清和1%青霉素-链霉素，然后加入I型鼠尾胶原，其中Ⅰ型鼠尾胶原培养基中需加入Matrigel）。向96孔板的每个孔中加入40 μL的细胞外基质，并在每孔中置入1个PDTF片段，再添加40 μL的细胞外基质。将96孔板置于培养箱中使胞外基质凝固，凝固后在基质顶部加入120 μL的肿瘤培养基。为探究不同免疫细胞浸润情况下，PDTF模型经免疫治疗后的免疫应答情况，将每个PDTF模型选取相邻2个位点，将其中一个位点设置为实验组，另一个位点设置为对照组：实验组添加10 μg/mL的抗程序性死亡受体-1（PD-1）单克隆抗体；对照组补充了相同浓度的抗β-半乳糖苷酶人源化免疫球蛋白G4（hIgG4）抗体。将PDTF培养物在37 ℃下孵育48 h，后续通过流式细胞检测评估免疫应答情况。

1.7 PDTF模型的流式细胞学检测

配置组织消化液（将RPMI 1640基础培养基在冰上加入终浓度为1 mg/mL的Ⅳ型胶原酶、200 μg/mL的DNase Ⅰ、1%的青霉素-链霉素）并将PDTF加入含有组织消化液的EP管中，通过研磨、过滤及在磷酸盐缓冲液（PBS）中重新悬浮，制备成单细胞悬液。将制备好的单细胞悬液于4 ℃条件下以438×g的离心力离心5 min，弃去上清液。选择3个T细胞标志物（CD3、CD4和CD8）和4个T细胞活化标志物（CD137、ICOS、CD25、OX40）作为检测指标，以抗体封闭液稀释IgG抗体（1：500）并将封闭液加入细胞悬液进行孵育，而后加入5 μLFVS、CD3、CD4、CD8、CD137、CD25、ICOS、OX40到细胞悬液中进行孵育和离心。通过流式细胞仪对PD-1阻断的效果进行特征分析。将每个含有沉淀物的试管用100 μL流式细胞术染色缓冲液重新悬浮，并在冰上孵育30 min。孵育后，以438×g的离心力离心5 min。将每个沉淀物用200 μL PBS溶液重新悬浮，并置于冰上避光，随后立即进行分析。本实验中使用的抗体列于下表（表2）。

1.8 统计学分析

统计分析采用GraphPad Prism10.3.1和R4.4.1软件进行。计数资料以n（%）表示，组间差异的比较采用卡方检验或Fisher确切概率法；符合正态分布的计量资料以均数±标准差表示，组间比较采用独立样本t检验。以P<0.05为差异有统计学意义。

2 结果

2.1 中国肾透明细胞癌患者的免疫浸润特征

本研究患者的整体临床特征（表3）和微环境中浸润淋巴细胞分型（表4）结果表明，不同患者免疫细胞浸润类型（图1A）和分布（图1B）存在差异，在9种免疫细胞中，CD8⁺、CD4⁺和CD3⁺T细胞最为丰富。PD-1及PD-L1的定量分布结果表明，中国人群肾透明细胞癌患者PD-1（0.96%）和PD-L1（0.07%）的表达水平均相对较低。

2.2 TILs的密度与肾透明细胞癌的临床病理特征的相关性

本研究共定位9种TILs（图2），相关性分析结果表明，在肿瘤大小≥5 cm的病例中，CD3⁺（P=0.004）、PD-1⁺（P=0.020）、CD68⁺（P=0.049）、CD79⁺（P=0.049）和Tryptase⁺（P=0.049）细胞的浸润程度显著增加。相反，CD4⁺T在高度浸润患者中的肿瘤T分期则较低（P=0.026）。在ISUP分级中，3~4级肿瘤中的CD3⁺（P=0.023）、CD8⁺（P=0.045）、PD-1⁺（P=0.014）、CD20⁺（P=0.020）和CD79⁺（P=0.004）细胞浸润程度更高，同时，Tryptase⁺细胞占比较低（P=0.001，表5）。

2.3 PDTF模型对体外PD-1阻断的早期免疫反应

根据对PD-1处理后T细胞激活情况，所检测病例样本可分为两类：一类在体外PD-1阻断后免疫活性显著增强，即PDTF应答者（PDTF-Rs，8/22）；另一类仅表现出轻微的治疗诱导变化，即PDTF无应答者（PDTF-NRs，14/22）。同步分析检测病例对应的TILs，结果提示微环境中存在丰富免疫细胞浸润的患者，更倾向于能够从ICIs治疗中应答，在PD-1单抗处理后具有更高的T细胞活性（图3）。

3 讨论

作为免疫微环境的关键组成部分，TILs的密度和分布与患者对免疫治疗的反应以及肿瘤的恶性程度密切相关^{［21， 22］}。为探究不同TILs的浸润与肾细胞癌病理特征之间的关系，本研究对154例肾细胞癌患者肿瘤组织中的12个免疫靶标进行了染色分析，基于此完成对微环境中免疫细胞的定量及定位。目前，有关肾细胞癌中TILs的浸润特征及其与患者临床病理特征、免疫治疗应答之间关联性的研究大多仅仅关注单一免疫细胞浸润与临床预后之间的关系，缺乏系统性的阐述，这些研究大多数也是基于癌症基因组图谱数据库进行分析，缺乏真实的临床病例验证与系统性的阐述。本研究采用真实临床样本并进行精确的计数定量分析，绘制了中国人群肾透明细胞癌不同免疫细胞浸润的特征图谱，在此基础上结合临床病例进行回顾性分析，发现免疫细胞浸润程度与包括肿瘤大小、ISUP分级等关键病理参数具有密切相关性，结果更为准确且具备说服力；本研究还进一步通过构建PDTF模型，该模型可以有效反映患者在接受免疫检查点抑制治疗后，肿瘤组织内早期免疫应答的特征，在体外给予PD-1单抗处理模拟患者对ICIs治疗的应答，发现具有高丰度免疫细胞浸润的患者更能够从免疫治疗中获益。上述研究揭示了免疫细胞浸润在肾细胞癌发展中的重要作用，同时为后续进一步阐释肾透明细胞癌患者中免疫治疗应答差异提供了数据样本支持。

本研究表明了以下几种细胞的浸润程度与肿瘤的发展与分期相关，其中CD8⁺ T细胞浸润水平与较高的肿瘤病理分期相关。作为抗肿瘤免疫的直接执行者，CD8⁺ T被认为是ICIs临床应答的先决因素，肿瘤内部CD8⁺ T浸润程度能够预测ICIs治疗效果^［23-25］；但也有研究指出，CD8⁺T细胞浸润度的程度越高，患者的生存期往往越短^［26］，这与本研究结果相符合，可能是因为相较于免疫细胞的浸润水平，免疫细胞的增殖活性才是抗肿瘤反应有效性的关键因素^［27］，随着疾病的进展，CD8⁺T细胞的活性也在逐渐丧失，导致出现免疫耗竭^［28］，因此，尽管部分肾细胞癌患者存在较高水平的CD8⁺ T细胞浸润，但整体对ICIs治疗应答欠佳。

本研究同时证实，M1型巨噬细胞高浸润的患者肿瘤级别较低，而M2型巨噬细胞高浸润的患者肿瘤更具侵袭性。肿瘤相关巨噬细胞（TAMs）是癌症相关炎症的关键促进因素^［29］，根据其活化状态和功能，巨噬细胞可被分为M1型巨噬细胞和M2型巨噬细胞两大种类^［30］。有研究发现，在低级别肾透明细胞癌中，促炎性的M1型巨噬细胞占据主导地位，而在高级别以及转移性的RCC中，M2型巨噬细胞则更为富集^{［28， 31］}，这与本研究结果相一致，可能是由于M1巨噬细胞可分泌抑炎因子，而M2巨噬细胞则可以分泌促炎因子，更能促进肿瘤进展^［31］。

CD20⁺和CD79⁺B细胞的高度浸润是多种肿瘤预后不良的独立标志^［32］。在肾癌、胰腺癌等多种肿瘤中，B细胞的浸润也同样与不良的预后相关联^{［15， 33］}。在本回顾性研究中，CD79⁺浸润水平高的肾癌患者，其肿瘤直径较大，ISUP分级较高，支持B细胞浸润是肾细胞癌不良预后的重要标志。此前有研究表明，具有大量肿瘤浸润肥大细胞的患者，往往表现出显著延长的生存期^［34］，这可能是与肥大细胞通过释放IL-6而抑制肿瘤的生长有关^［35］。本研究同样发现，Tryptase⁺的表达水平与肿瘤的直径与ISUP分级呈负相关，肥大细胞的高度浸润预示着良好的预后。

建立能够反映患者分子特征、保留肿瘤异质性和肿瘤微环境的模型，是肿瘤研究的一大难点。相较于2D模型和动物模型，PDTF模型的优势在于其能够维持肿瘤的细胞活力和组织结构，同时最大限度地减少免疫细胞的逃逸，从而更精确地模拟肿瘤与其微环境之间的相互作用。该模型被证实能够反映患者在接受免疫检查点抑制剂治疗后，肿瘤组织内早期免疫应答的特征。这与患者对ICIs的应答情况高度一致，并且在预测免疫疗法对患者预后的效果方面有着更优的表现^［20］。在本研究中，该模型被用于评估肾细胞癌患者接受抗PD-1治疗后肿瘤免疫微环境的变化，以判断其对ICIs的临床应答情况。结果发现，PDTF模型中的PDTF应答水平与免疫浸润程度呈相关性。然而，由于样本量较小，这一趋势并未达到统计学显著性，因此无法分析在PDTF模型中判断何种类型的TILs与ICIs治疗的应答最为相关。尽管如此，本研究结果揭示了TILs的存在与肿瘤内T细胞经PD-1阻断后重新激活的能力之间存在关联，这可能为肾癌的免疫治疗提供了新的思路。

本研究存在一些局限性：首先，本研究为单中心研究，因此其研究结果可能无法推广至其他中心或更广泛的人群；其次，随访时间较短，限制了长期预后的评估。因此，未来的研究将进一步扩大样本量并延长随访时间，提高研究结果的普遍性和可靠性。

综上，本研究通过收集临床患者病例样本，利用免疫组化及免疫荧光技术检测肿瘤微环境中免疫细胞分布情况，构建PDTF模型预测患者对免疫治疗的应答，从多维度描绘肾透明细胞癌患者的免疫特征，证实了患者之间免疫细胞浸润的差异及其与临床病理特征的密切关联，从而为后续研究提供了潜在方向。同时，本研究所收集的组织标本以及所获取的免疫特征数据，也将为后续免疫基础研究提供有力的临床数据支撑。

参考文献

[1] Muglia VF, Prando A. Renal cell carcinoma: histological classification and correlation with imaging findings[J]. Radiol Bras, 2015, 48(3): 166-74. doi：10.1590/0100-3984.2013.1927

[2] Schödel J, Grampp S, Maher ER, et al. Hypoxia, hypoxia-inducible transcription factors, and renal cancer[J]. Eur Urol, 2016, 69(4): 646-57. doi：10.1016/j.eururo.2015.08.007

[3] Ljungberg B, Bensalah K, Canfield S, et al. EAU guidelines on renal cell carcinoma: 2014 update[J]. Eur Urol, 2015, 67(5): 913-24. doi：10.1016/j.eururo.2015.01.005

[4] Frank I, Blute ML, Cheville JC, et al. An outcome prediction model for patients with clear cell renal cell carcinoma treated with radical nephrectomy based on tumor stage, size, grade and necrosis: the SSIGN score[J]. J Urol, 2002, 168(6): 2395-400. doi：10.1016/s0022-5347(05)64153-5

[5] Patard JJ, Kim HL, Lam JS, et al. Use of the University of California Los Angeles integrated staging system to predict survival in renal cell carcinoma: an international multicenter study[J]. J Clin Oncol, 2004, 22(16): 3316-22. doi：10.1200/jco.2004.09.104

[6] Wolff I, May M, Hoschke B, et al. Do we need new high-risk criteria for surgically treated renal cancer patients to improve the outcome of future clinical trials in the adjuvant setting? Results of a comprehensive analysis based on the multicenter CORONA database[J]. Eur J Surg Oncol EJSO, 2016, 42(5): 744-50. doi：10.1016/j.ejso.2016.01.009

[7] Meskawi M, Sun M, Trinh QD, et al. A review of integrated staging systems for renal cell carcinoma[J]. Eur Urol, 2012, 62(2): 303-14. doi：10.1016/j.eururo.2012.04.049

[8] Sánchez-Gastaldo A, Kempf E, González del Alba A, et al. Systemic treatment of renal cell cancer: a comprehensive review[J]. Cancer Treat Rev, 2017, 60: 77-89. doi：10.1016/j.ctrv.2017.08.010

[9] Porta C, Cosmai L, Leibovich BC, et al. The adjuvant treatment of kidney cancer: a multidisciplinary outlook[J]. Nat Rev Nephrol, 2019, 15(7): 423-33. doi：10.1038/s41581-019-0131-x

[10] Pons-Tostivint E, Latouche A, Vaflard P, et al. Comparative analysis of durable responses on immune checkpoint inhibitors versus other systemic therapies: a pooled analysis of phase III trials[J]. JCO Precis Oncol, 2019, 3: 1-10. doi：10.1200/po.18.00114

[11] Borgeaud M, Sandoval J, Obeid M, et al. Novel targets for immune-checkpoint inhibition in cancer[J]. Cancer Treat Rev, 2023, 120: 102614. doi：10.1016/j.ctrv.2023.102614

[12] Bruni D, Angell HK, Galon J. The immune contexture and Immunoscore in cancer prognosis and therapeutic efficacy[J]. Nat Rev Cancer, 2020, 20(11): 662-80. doi：10.1038/s41568-020-0285-7

[13] Fortis SP, Sofopoulos M, Sotiriadou NN, et al. Differential intratumoral distributions of CD8 and CD163 immune cells as prognostic biomarkers in breast cancer[J]. J Immunother Cancer, 2017, 5: 39. doi：10.1186/s40425-017-0240-7

[14] Jiang YM, Zhang Q, Hu YF, et al. ImmunoScore signature: a prognostic and predictive tool in gastric cancer[J]. Ann Surg, 2018, 267(3): 504-13. doi：10.1097/sla.0000000000002116

[15] Sjöberg E, Frödin M, Lövrot J, et al. A minority-group of renal cell cancer patients with high infiltration of CD20⁺B-cells is associated with poor prognosis[J]. Br J Cancer, 2018, 119(7): 840-6. doi：10.1038/s41416-018-0266-8

[16] Zhang JW, Li SW, Liu FK, et al. Role of CD68 in tumor immunity and prognosis prediction in pan-cancer[J]. Sci Rep, 2022, 12(1): 7844. doi：10.1038/s41598-022-11503-2

[17] Pagès F, Mlecnik B, Marliot F, et al. International validation of the consensus Immunoscore for the classification of colon cancer: a prognostic and accuracy study[J]. Lancet, 2018, 391(10135): 2128-39.

[18] Fridman WH, Pagès F, Sautès-Fridman C, et al. The immune contexture in human tumours: impact on clinical outcome[J]. Nat Rev Cancer, 2012, 12(4): 298-306. doi：10.1038/nrc3245

[19] Cros J, Sbidian E, Posseme K, et al. Nestin expression on tumour vessels and tumour-infiltrating macrophages define a poor prognosis subgroup of Pt1 clear cell renal cell carcinoma[J]. Virchows Arch, 2016, 469(3): 331-7. doi：10.1007/s00428-016-1973-2

[20] Voabil P, de Bruijn M, Roelofsen LM, et al. An ex vivo tumor fragment platform to dissect response to PD-1 blockade in cancer[J]. Nat Med, 2021, 27(7): 1250-61. doi：10.1038/s41591-021-01398-3

[21] Klemm F, Joyce JA. Microenvironmental regulation of therapeutic response in cancer[J]. Trends Cell Biol, 2015, 25(4): 198-213. doi：10.1016/j.tcb.2014.11.006

[22] Joyce JA, Pollard JW. Microenvironmental regulation of metastasis[J]. Nat Rev Cancer, 2009, 9(4): 239-52. doi：10.1038/nrc2618

[23] Krishna C, DiNatale RG, Kuo FS, et al. Single-cell sequencing links multiregional immune landscapes and tissue-resident T cells in ccRCC to tumor topology and therapy efficacy[J]. Cancer Cell, 2021, 39(5): 662-77.e6. doi：10.1016/j.ccell.2021.03.007

[24] Giraldo NA, Becht E, Pagès F, et al. Orchestration and prognostic significance of immune checkpoints in the microenvironment of primary and metastatic renal cell cancer[J]. Clin Cancer Res, 2015, 21(13): 3031-40. doi：10.1158/1078-0432.ccr-14-2926

[25] Lu ZW, Yin Y, Rao T, et al. Interaction of immune cells with renal cancer development: Mendelian randomization (MR) study[J]. BMC Cancer, 2024, 24(1): 439. doi：10.1186/s12885-024-12196-8

[26] Fridman WH, Zitvogel L, Sautès-Fridman C, et al. The immune contexture in cancer prognosis and treatment[J]. Nat Rev Clin Oncol, 2017, 14(12): 717-34. doi：10.1038/nrclinonc.2017.101

[27] Yao JX, Xi W, Zhu YJ, et al. Checkpoint molecule PD-1-assisted CD8⁺ T lymphocyte count in tumor microenvironment predicts overall survival of patients with metastatic renal cell carcinoma treated with tyrosine kinase inhibitors[J]. Cancer Manag Res, 2018, 10: 3419-31. doi：10.2147/cmar.s172039

[28] Braun DA, Street K, Burke KP, et al. Progressive immune dysfunction with advancing disease stage in renal cell carcinoma[J]. Cancer Cell, 2021, 39(5): 632-48.e8. doi：10.1016/j.ccell.2021.02.013

[29] Germano G, Frapolli R, Belgiovine C, et al. Role of macrophage targeting in the antitumor activity of trabectedin[J]. Cancer Cell, 2013, 23(2): 249-62. doi：10.1016/j.ccr.2013.01.008

[30] Mosser DM, Edwards JP. Exploring the full spectrum of macrophage activation[J]. Nat Rev Immunol, 2008, 8(12): 958-69. doi：10.1038/nri2448

[31] Chen YN, Hu MR, Wang L, et al. Macrophage M1/M2 polarization[J]. Eur J Pharmacol, 2020, 877: 173090. doi：10.1016/j.ejphar.2020.173090

[32] Luo L, Zhou HY, Su H. Identification of 4-genes model in papillary renal cell tumor microenvironment based on comprehensive analysis[J]. BMC Cancer, 2021, 21(1): 553. doi：10.1186/s12885-021-08319-0

[33] Yue YW, Cai XY, Lu CH, et al. Unraveling the prognostic significance and molecular characteristics of tumor-infiltrating B lymphocytes in clear cell renal cell carcinoma through a comprehensive bioinformatics analysis[J]. Front Immunol, 2023, 14: 1238312. doi：10.3389/fimmu.2023.1238312

[34] Fu HC, Zhu Y, Wang YW, et al. Tumor infiltrating mast cells (TIMs) confers a marked survival advantage in nonmetastatic clear-cell renal cell carcinoma[J]. Ann Surg Oncol, 2017, 24(5): 1435-42. doi：10.1245/s10434-016-5702-5

[35] Oldford SA, Haidl ID, Howatt MA, et al. A critical role for mast cells and mast cell-derived IL-6 in TLR2-mediated inhibition of tumor growth[J]. J Immunol, 2010, 185(11): 7067-76. doi：10.4049/jimmunol.1001137

基金资助

广东省自然科学基金(2024A1515010331)

南方医科大学南方医院院长基金(2019B006)

RIGHTS & PERMISSIONS

版权所有©《南方医科大学学报》编辑部2021