在癌症治疗领域，细胞免疫疗法的兴起为攻克肿瘤带来了新的希望。这种疗法的核心在于利用人体自身的免疫系统，特别是T细胞，来识别和攻击癌细胞。然而，T细胞与癌细胞之间的相互作用极为复杂，其动态行为和分子机制一直是研究的难点。
本文介绍了一种创新的研究方法——Behavior-Guided Transcriptomics（BGT），它将活体成像技术与单细胞转录组学相结合，为深入解析T细胞在肿瘤靶向过程中的行为及其分子驱动因素提供了强大的工具。
细胞免疫疗法在癌症治疗中的兴起促使人们利用免疫肿瘤共培养技术来模拟T细胞与癌细胞之间的相互作用，以评估其抗肿瘤反应。通过改造T细胞，使其能够更有效地识别和攻击癌细胞，这种疗法已经在多种癌症类型中显示出显著的疗效。然而，T细胞与癌细胞之间的相互作用是一个复杂的动态过程，涉及多种细胞行为和分子机制。
此前，研究团队开发了BEHAV3D，这是一个三维活体成像平台，用于患者来源的肿瘤类器官（PDO）和工程T细胞的共培养，通过分析T细胞的动态行为，深入了解其在肿瘤靶向过程中的行为。然而，活体成像本身无法确定这些行为背后的分子驱动因素。相反，单细胞RNA测序（scRNA-seq）允许研究人员分析单个细胞的转录组特征，但缺乏时空分辨率。在此，本文提出的行为引导转录组学（BGT）方法是对BEHAV3D平台的扩展。BEHAV3D是一种三维活体成像平台，用于模拟患者来源的肿瘤类器官（PDO）与工程化T细胞的共培养系统，通过分析T细胞的动态行为，为肿瘤靶向过程中的细胞行为提供关键见解。然而，仅靠活体成像无法确定这些行为背后的分子驱动因素。BGT方法的核心在于将活体成像数据与单细胞转录组学相结合，通过以下步骤实现：
活体成像数据处理：利用BEHAV3D平台处理活体成像数据，根据T细胞与PDO的相互作用程度对细胞进行分类。
细胞分离与排序：基于活体成像数据，对T细胞进行分离，根据其与PDO的相互作用水平进行分组，随后通过荧光激活细胞分选（FACS）技术进行单细胞分离。
单细胞转录组测序：对分离的单细胞进行scRNA-seq，分析其转录组特征。
计算模拟与数据整合：通过计算模拟实验过程，将活体成像数据与转录组数据进行整合，推断T细胞行为与基因表达之间的关联。
实验结果表明，BGT方法能够有效地将T细胞的动态行为与其转录组特征联系起来。通过这种方法，研究人员能够发现与T细胞功能状态相关的基因表达模式，从而揭示T细胞行为的分子基础。例如，BGT方法揭示了与高效能T细胞和低效T细胞相关的生物标志物，这些标志物可能成为优化细胞免疫疗法的关键靶点。
此外，BGT方法还具有高度的适应性。该协议设计用于具备基础细胞培养、成像和编程技能的研究人员，适用于多种共培养设置，并且整个实验过程可在一个月内完成。这使得BGT方法不仅能够为细胞免疫疗法的研究提供有力支持，还能够广泛应用于其他涉及细胞相互作用和动态行为的研究领域。
