5.4 免疫研究核心技术

5.4 免疫研究核心技术

本节摘要：现代免疫学研究依赖于多种核心技术——从经典的基因工程抗体到前沿的单细胞测序和 CRISPR 基因编辑。本节介绍这些技术的原理及其在免疫学研究中的应用。

本节目标

阅读完本节，你应当能够：

1. 描述杂交瘤技术和噬菌体展示技术在抗体开发中的应用
2. 解释单细胞测序如何揭示免疫细胞的异质性
3. 阐述 CRISPR-Cas9 在免疫基因功能研究中的应用
4. 了解空间转录组学在免疫微环境研究中的独特价值

基因工程抗体技术

杂交瘤技术

1975 年 Kohler 和 Milstein 发明的杂交瘤技术是单克隆抗体时代的起点。将免疫小鼠的脾细胞（B 细胞）与骨髓瘤细胞（永生化）融合，筛选出既分泌特异性抗体又能无限增殖的杂交瘤细胞。这个技术至今仍是开发鼠源抗体的金标准。

噬菌体展示技术

噬菌体展示将抗体基因片段展示在噬菌体表面，通过"淘选"（panning）过程从巨大的文库（10¹⁰ 个克隆）中筛选出特异性结合目标抗原的抗体。这项技术的优势是可以直接获得全人源抗体序列，不需要免疫动物。

亲和力成熟

在体外通过随机突变和筛选，模拟体内的亲和力成熟过程，进一步提高抗体的亲和力。这在治疗性抗体开发中常用于将候选抗体优化到临床级别。

抗体人源化的工程路径

从鼠源抗体到临床可用抗体，人源化有两条主流路径。CDR 移植是把鼠源抗体的六个互补决定区（CDR）搬到人源抗体骨架上，保留鼠源的抗原结合位点、替换掉大部分鼠源框架；但直接移植常导致亲和力下降，需要返回关键框架残基或对 CDR 周边做定点突变补偿。表面重塑则只替换鼠源抗体表面暴露的残基，让免疫系统"看不出"这是外源蛋白，保留更多鼠源内部结构。两条路径的目标一致：降低人抗鼠抗体（HAMA）反应，同时尽量保住亲和力和特异性。实际工程中还要考虑抗体稳定性、聚集倾向、糖基化位点等"可开发性"指标——一个在实验室里亲和力很高的抗体，可能在生产中聚集或降解，这就是为什么抗体工程团队会同时用表达筛选、热稳定性分析和分子模拟来评估候选分子。

免疫学实验的底层方法

除了高通量技术，免疫学研究离不开一批"老而弥坚"的经典方法：

细胞分选：流式分选（FACS）按荧光信号把特定细胞群分出来，纯度可达 95% 以上，用于后续培养或测序；磁珠分选（MACS）通过抗体偶联磁珠富集目标细胞，操作简单、对细胞活性影响小，适合大批量分选。选哪种取决于下游需求：要单细胞测序通常用 FACS 精确到单细胞，要快速富集 CD4 阳性 T 细胞用 MACS 更划算。

免疫沉淀与免疫印迹：免疫沉淀（IP）用抗体"钓"出目标蛋白及其互作伙伴，用于验证蛋白质-蛋白质相互作用；免疫印迹（Western blot）用抗体检测变性蛋白的分子量和表达量。两者组合是验证"某蛋白是否参与某通路"的标准动作，也是很多免疫学论文补充材料的常客。

功能实验：杀伤实验（51Cr 释放法或流式替代法）定量 CTL 和 NK 的杀伤活性；增殖实验（CFSE 稀释或 BrdU 掺入）测量淋巴细胞的增殖能力；趋化实验（Transwell）评价细胞因子和趋化因子对细胞迁移的影响。

单细胞数据分析的基本流程

拿到单细胞测序数据后，分析流程通常包括六个步骤，每一步都有需要警惕的坑：

1. 质控：按每个细胞的基因数、UMI 数和线粒体基因比例过滤——线粒体比例过高提示细胞正在死亡。
2. 标准化与批次校正：不同样本的表达量不能直接比较，需要标准化；整合多批数据时必须用批次校正算法，否则聚类结果会被批次效应主导而不是生物学差异主导。
3. 降维：主成分分析（PCA）压缩维度，再进一步用 UMAP 或 t-SNE 把细胞映射到二维空间用于可视化。
4. 聚类：基于图聚类的算法（如 Leiden 算法）把表达谱相似的细胞归为一群。
5. 注释：用已知的标记基因（如 CD3E 标记 T 细胞、MS4A1 标记 B 细胞、LYZ 标记髓系细胞）给每个聚类命名。
6. 差异分析：比较不同条件下同一细胞群的基因表达变化，或做拟时序分析推断分化轨迹。

最常见的分析错误是把"聚类数"当成客观事实——实际上聚类分辨率参数可以大幅改变分群数量，必须结合标记基因的生物学合理性来判断分群是否可信，而不是盲目相信算法输出的数字。

单细胞测序：免疫学的"显微镜"

技术突破

传统转录组学分析的是一群细胞的"平均值"，丢失了细胞间的差异信息。单细胞测序技术可以在单个细胞水平上同时测量数千个基因的表达，揭示免疫细胞群体中隐藏的异质性。

在免疫学中的关键发现

单细胞测序彻底改变了我们对免疫系统的理解：

• T 细胞亚群的重新定义：发现传统 Th1/Th2 分类过于简化，实际上存在大量"混合表型"和之前未被认识的亚群
• 肿瘤微环境图谱：揭示了肿瘤浸润免疫细胞的复杂组成——不仅有效应 T 细胞，还有 Treg、MDSC、耗竭 T 细胞等抑制性群体
• 免疫发育轨迹：通过 RNA velocity 等算法，可以推断细胞的分化路径和动态变化

技术发展方向

• 多组学整合：同时测量转录组、蛋白质组（CITE-seq）、TCR 序列、ATAC-seq（染色质可及性）
• 空间转录组学：保留细胞的空间位置信息，理解免疫细胞在组织中的分布和相互作用
• 高通量：从每次检测数千个细胞到数十万个细胞

CRISPR-Cas9 在免疫学中的应用

基因功能研究

CRISPR-Cas9 可以精确敲除或敲入免疫细胞的特定基因，快速评估该基因在免疫应答中的功能。相比传统的基因敲除小鼠，CRISPR 的优势在于速度快（数周 vs 数月）、成本低、可以在原代细胞中操作。

免疫治疗中的应用

CRISPR 已被用于改进免疫治疗：

• CAR-T 改造：用 CRISPR 替代病毒载体进行 CAR 基因的定点整合
• 多基因编辑：同时敲除 PD-1 和 TCR，减少移植物抗宿主病（GVHD）
• 通用型 CAR-T：敲除 TCR 和 HLA，产生可用于任何患者的"现货型"CAR-T

全基因组筛选

CRISPR-Cas9 文库可以同时敲除细胞中的每个基因，筛选在特定条件下（如肿瘤细胞逃避免疫）必需的基因。这种功能基因组学方法可以发现新的免疫治疗靶点。

空间转录组学

空间转录组学将基因表达信息与细胞在组织中的空间位置结合起来，这对于理解免疫细胞在组织微环境中的功能至关重要。

传统单细胞测序需要先消化组织为单细胞悬液——这意味着空间信息完全丢失。空间转录组学在完整组织切片上直接进行基因表达分析，保留了细胞的精确位置。

在免疫学中的典型应用：

• 肿瘤免疫微环境：理解效应 T 细胞、Treg 和肿瘤细胞之间的空间关系
• 感染部位：分析病原体入侵后局部免疫细胞的动态分布
• 次级淋巴器官：解析淋巴结中 T 细胞区和 B 细胞区的功能分区

技术选型速查

三个真实研究案例

案例一：单细胞测序如何改写 T 细胞亚群认知

2020 年前后，多个研究团队用单细胞测序分析肿瘤浸润 T 细胞，发现"耗竭 T 细胞"并不是一个同质群体，而是存在连续的过渡状态：从早期耗竭（仍保留部分杀伤功能，高表达 TCF7）到终末耗竭（功能丧失，高表达 TOX 和 PD-1）。这个发现直接改变了免疫治疗的设计思路——人们意识到，把终末耗竭的 T 细胞"唤醒"很难，但在早期耗竭阶段干预可能更有效。后续研究据此找到了 TCF7 阳性"干细胞样" T 细胞作为响应免疫治疗的关键亚群。这就是单细胞分辨率为治疗策略带来的实质性改变。

案例二：CRISPR 文库筛选找到"免疫逃逸开关"

一个经典实验设计是：用覆盖全基因组的 CRISPR 敲除文库处理肿瘤细胞，然后把它们接种到免疫功能正常的小鼠体内。肿瘤要长起来，就必须逃过免疫系统——能存活下来的肿瘤克隆，敲除的基因很可能就是"逃逸所必需"的基因。这类筛选识别出了 IFN-γ 信号通路成分（如 JAK1、STAT1）和抗原呈递相关基因（如 B2M）。这些结果与临床观察高度吻合——携带 B2M 或 JAK 突变的人类肿瘤确实对免疫检查点抑制剂耐药。全基因组无偏筛选的价值在于：它不依赖研究者的预设假设。

案例三：空间转录组学揭示"三级淋巴结构"

在多种实体瘤中，空间转录组学观察到肿瘤间质中会自发形成类似淋巴结的结构——含 T 细胞区、B 细胞滤泡和高内皮小静脉的"三级淋巴结构"（TLS）。有 TLS 的肿瘤患者对免疫检查点抑制剂响应更好。空间技术第一次把"肿瘤内部是否真的存在组织化的免疫应答场所"变成可观测的定量指标，甚至可以作为治疗分层的生物标志物。

实验设计中的常见坑

• 单细胞测序的批次效应：不同时间、不同试剂盒处理的样本不能直接比较表达量，需要用整合算法校正批次，否则"发现"的差异可能只是实验噪声。
• 噬菌体展示的淘选陷阱：淘选轮数太少，得到的抗体亲和力不足；轮数太多，文库多样性会坍缩到少数几个克隆。通常 3-4 轮淘选加 1 轮亲和力成熟是常用平衡点。
• CRISPR 脱靶：sgRNA 设计要打分评估脱靶风险，关键实验要用多个独立 sgRNA 或回补实验验证表型确实由目标基因缺失导致。
• 空间转录组的点分辨率：当前主流平台每个"点"包含约 5-10 个细胞的混合信号，解释表达模式时要考虑这个分辨率限制，不能把它当成真正的单细胞空间数据。

下一节：5.5 动物模型与免疫组学。