CD8签名预测布鲁氏菌病分期，但黑色素瘤应答由TLS空间结构决定
外周血和肿瘤切片，同一套单细胞测序技术，给出了两个本质不同的答案。布鲁氏菌病的研究证明，从外周血单个核细胞（PBMCs）的转录签名训练机器学习模型，CD8+ T细胞特征就能以0.98的准确率区分急性、亚急性和慢性三期（PMID: 42764522）。黑色素瘤新辅助免疫治疗的研究则发现，细胞组成本身不足以分辨应答者和抵抗者，必须量化肿瘤里三级淋巴结构（TLS）的空间形态才能分层预后（PMID: 42779625）。第三项研究换了一条路，不观察空间结构，而是在活体里直接扰动它（PMID: 42779810）。
三篇合看是同一个问题的三个角度。细胞类型的身份信息何时已经足够，何时仅有它还不够，必须知道细胞在哪里？
外周血CD8特征与布鲁氏菌病三期分类
Yang等人对急性期（AC）、亚急性期（SA）和慢性期（CH）患者的PBMCs做了scRNA-seq，识别出9个免疫细胞亚群，随后在各亚群的基因签名上训练机器学习模型（PMID: 42764522）。LASSO回归表现最好，在CD8+ T细胞签名上的分类准确率为0.98（95% CI: 0.98–0.99），AUC为0.99（95% CI: 0.99–1.00）；NK细胞签名的准确率为0.96（95% CI: 0.94–0.97），AUC为0.97（95% CI: 0.99–1.00）。
转录动态的形状清晰。从健康到急性期基因上调，从急性到亚急性期下调，亚急性到慢性期部分恢复，这条三相轨迹在适应性免疫和先天免疫细胞里都能观察到，干扰素信号（interferon signaling）贯穿始终。14个核心基因构成紧密模块，IFI44L、ISG15、MX1彼此的相互作用评分超过0.7，把慢性感染与免疫失调串在一起。
研究有几处限制直接影响外推价值。模型在同一批数据上训练和评估，独立队列的性能未知，样本量在摘要里也没有明确报告。研究用的是外周血，没有任何组织空间信息。这个设定本身就在暗示一件事：布鲁氏菌病是全身性感染，分期状态在循环免疫细胞的转录里已经充分编码，不需要回到组织切片里找。
黑色素瘤NICB应答与TLS生发中心的空间定量
Liu等人组建了迄今最大的新辅助免疫检查点阻断（neoadjuvant ICB, NICB）空间多组学队列，对三种黑色素瘤ICB方案用MERFISH空间转录组学、多重免疫荧光和scRNA-seq联合分析，在单细胞分辨率下覆盖超过1.12亿个细胞（PMID: 42779625）。
他们的发现核心是空间结构，而不是细胞丰度比例。带有生发中心（germinal center, GC）的成熟TLS是区分应答者和非应答者的关键。除了成熟TLS，研究还识别出TCF7+干样T细胞（stem-like T cells）和以独特空间聚集方式组织的髓系细胞，以及一类此前未被认识的CCL19/CCL21高表达成纤维细胞，它们充当了支撑这些免疫中枢的基质支架。
研究配套开发了三个计算工具，SCIRA用于全切片单细胞配体-受体定量，GCSCAN在分子层面勾画TLS和GC边界，PathNet-TLS在H&E切片上自动检测TLS结构。用GCSCAN定量的TLS密度和GC密度，各自都能分层无病生存期，缺乏生发中心的应答患者复发风险升高（PMID: 42779625）。IPI-NIVO比NIVO-RELA产生了更强的成熟TLS/GC应答，这种方案特异的差异在纯细胞组成统计里难以看清，需要空间分辨才能浮现。研究还用开顶光片成像（open-top light-sheet imaging）和3D重建发现了生发中心与TLS之间相互连接的隧道结构，在标准2D病理切片里不可见。
这是一项观察队列研究，发表在bioRxiv尚未经同行评审，空间结构与预后的关联不代表因果关系。MERFISH目前的成本限制了直接进入常规临床。但PathNet-TLS直接在H&E切片上运行，落地门槛低得多。
match-seq将细胞近邻关系转化为遗传扰动筛选
Du等人换了一个思路，既然空间近邻关系决定免疫结局，为什么不直接在遗传层面去扰动它（PMID: 42779810）？他们开发了match-seq，用病毒样颗粒在相邻细胞间传递条形码mRNA，组织解离后通过条形码共现关系在测序层面重建空间近邻。整套流程无需成像、无需蛋白标签，纯靠测序。在同系小鼠肿瘤模型里，系统稳健地标记了所有免疫细胞谱系，重建出的细胞类型生态位与已知的肿瘤空间生物学吻合。
与CRISPR扰动和scRNA-seq结合后，就可以问敲掉癌细胞里的哪个基因会改变它周围的免疫细胞状态。筛选出三个效应方向各异的靶点，Tgfb1缺失主要调动CD8 T细胞和巨噬细胞，Traf7缺失激活CD4 T细胞应答，Nectin3缺失促进NK细胞介导的免疫（PMID: 42779810）。
一个值得单独说的结果：Tgfb1和Nectin3缺失在混合筛选里对癌细胞增殖几乎没有影响，但在全肿瘤范围内删除时却抑制了肿瘤生长。这说明这两个基因的核心效应在于重塑局部微环境，不是直接影响癌细胞存活。传统的细胞自主筛选会遗漏这类靶点，因为它们在没有微环境背景的条件下几乎不显表型。
这套系统目前只在小鼠模型里验证，人体肿瘤里的表现尚待确认，这篇同样是bioRxiv预印本。
全身感染与实体瘤对信息层次的不同需求
布鲁氏菌病和黑色素瘤两组数据合在一起，勾出了一道界线。全身性感染的免疫反应往往能在外周血里留下足够清晰的印记，细胞类型的转录签名已经足以分期；实体瘤里的免疫反应本质上是局部事件，TLS有没有形成生发中心、密度高不高，这部分信息在外周血测序时丢失了，回到组织切片才找得回来。
match-seq在这幅图里加了功能维度，把“谁挨着谁”转化成可扰动的遗传读出，从表型描述推进到机制追问。三篇代表的是单细胞技术往功能性分析走的三条路径，走哪条取决于你研究的疾病情境里哪种信息才是真正的瓶颈。
- Single-Cell Transcriptomic Profiling and Machine Learning Reveal Stage-Specific Gene Dynamics in Brucellosis.，Vector borne and zoonotic diseases (Larchmont, N.Y.)（PMID: 42764522）
- Spatially resolved multimodal hallmarks of response to neoadjuvant immunotherapies in the melanoma ecosystem in 2D and 3D.，bioRxiv : the preprint server for biology（PMID: 42779625）
- In vivo intercellular CRISPR screens using viral proximity barcoding reveal regulators of tumor-immune interactions.，bioRxiv : the preprint server for biology（PMID: 42779810）