首先要说明一点。这次介绍的是一篇预印本，也就是尚未经过同行评审的论文。由于专家审查还没有完成，结论今后有可能改变。等它通过同行评审正式发表时，我会再详细介绍一次。这一次，先解读目前已经公开的内容。
主题是肿瘤内部的树突状细胞（dendritic cell, DC）。树突状细胞把肿瘤的标记（抗原）呈递给T细胞，告诉它们“去攻击这个”，相当于免疫的指挥官。然而，这位指挥官并不是均匀地散布在肿瘤里。它们聚集在特定的位置，与特定的T细胞相邻，形成一个个小小的“据点”。
这篇论文提出了3个问题。树突状细胞有哪些状态，这些状态是否跨越癌种和物种而共通？每种状态位于肿瘤的什么位置，又与谁相邻？施加免疫治疗之后，这些据点会怎样变化？答案的核心有些出人意料。治疗后，树突状细胞基因表达上可检测到的变化十分有限，而细胞的排列方式却发生了明显改变。
期刊信息
- 论文标题： Spatial immune hubs defined by conserved activated dendritic cells are remodeled by immunotherapy（由保守的活化树突状细胞所界定的空间免疫枢纽，会被免疫治疗重塑）
- 论文类型： 预印本（未经同行评审的原创论文）。正文页眉上也明确写着“未经同行评审认证”
- 发布平台： bioRxiv（2026年2月11日公开，第1版）。全文90页，主图7幅，补充图11幅，参考文献83篇
- DOI / 链接： 10.64898/2026.02.10.703136
- 作者： Tomoyuki Minowa 与 Sunita Keshari（贡献相同的共同第一作者）等共16人
- 所属机构： 得克萨斯大学MD安德森癌症中心（免疫学系等）、丹娜-法伯癌症研究所、拉根研究所、博德研究所、麻省理工学院、斯坦福大学
- Impact Factor： 没有。 bioRxiv不是同行评审的学术期刊，而是预印本服务器，因此不在 Impact Factor 这一指标的适用范围之内
- 许可协议： CC BY-NC-ND 4.0（署名—非商业性使用—禁止演绎）。因此本文既不转载也不重绘论文中的图，只用文字进行说明
- 数据与代码： 论文写明，整合后的人类与小鼠单细胞数据以及处理后的CODEX数据（AnnData文件）已登记在 Zenodo（DOI: 10.5281/zenodo.18157069），分析代码放在 GitHub 上。不过在本文核实时，Zenodo 的记录本身虽已公开，文件却设有访问限制
- 利益冲突披露： 通讯作者 Gubin 是 Merck 的有偿顾问，并以 Nature Precision Oncology 副主编的身份从 Springer Nature 领取酬金。共同作者 Garry P. Nolan 是 Akoya Biosciences 的联合创始人，是专利 US9909167 的发明人，也是该公司的科学顾问委员会成员。Akoya 是经营 CODEX（PhenoCycler）仪器的企业，而 CODEX 正是这项研究的核心技术。Linghua Wang 是 SELLAS Life Sciences 的科学顾问委员会成员
通讯作者是怎样的研究者
通讯作者有2位，都隶属于MD安德森癌症中心免疫学系。
Matthew M. Gubin 是该系的副教授。他于2012年在密苏里大学哥伦比亚分校获得微生物学与免疫学博士学位，2012年至2017年在华盛顿大学（圣路易斯）Robert Schreiber 的实验室做博士后。他的研究主轴是针对新抗原（由癌细胞基因突变产生的标记）的T细胞应答、新抗原疫苗与免疫检查点治疗的比较和联用，以及肿瘤内免疫细胞的高维分析。这次使用的小鼠恶性黑色素瘤模型 Y1.7LI，是作者们此前建立的细胞系。致谢中提到 Schreiber 的名字，他在CODEX抗体面板的设计上提供了协助。
Stephanie S. Watowich 是该系的教授兼副系主任。她以研究由细胞因子激活的转录因子 STAT，尤其是 STAT3 在髓系细胞和树突状细胞中的作用而知名，同时也在推进利用1型经典树突状细胞（cDC1）的疫苗开发。把它看作树突状细胞生物学专家与免疫治疗模型专家联手的研究，就容易把握全貌了。
第一作者 Minowa 获得了日本皮肤科学会和上原纪念生命科学财团的海外留学资助。
说到底，此前究竟有什么是不清楚的？
树突状细胞并非铁板一块。经典树突状细胞（conventional DC, cDC）大致分为2类。一般的归纳是：cDC1 擅长向CD8 T细胞（直接破坏癌细胞的细胞）呈递抗原，而 cDC2 主要面向CD4 T细胞（调节整体免疫的细胞）。这不是这篇论文的结果，而是教科书式的前提。
然而在肿瘤内部，其上还叠加了一层“活化状态”。这篇论文关注的有2种。
第1种是 CCR7⁺ DC。这是已经成熟、做好迁移准备的树突状细胞，表达 LAMP3、FSCN1、CD40、CD83，同时也表达 PD-L1、PD-L2、CD200 这类抑制免疫的分子。不同的研究团队曾分别用“DC3”“mregDC”“LAMP3⁺ DC”等不同的名字来称呼它。
第2种是 ISG⁺ DC。这是强烈表达干扰素诱导基因群（interferon-stimulated gene, ISG）的树突状细胞。在小鼠中已有报道，它能强力促进T细胞介导的抗肿瘤免疫，并且是对免疫检查点阻断产生最佳应答所必需的。
👦 学生：名字有3个、4个之多，不会造成混乱吗？
🧬 艾克索太郎：会的。这就像同一座车站，被不同的铁路公司叫成不同的名字。不把地图整合成1张，就连“A公司的车站”和“B公司的车站”是不是同一个地方都无从讨论。这篇论文的前半部分，做的正是这项整合工作。
尚未解决的问题有3个。这些活化状态是否跨越癌种、甚至在人与小鼠之间也是保守的？它们位于肿瘤内的什么位置？又如何参与对免疫检查点治疗（immune checkpoint therapy, ICT）的应答？
尤其是第2点，存在技术上的壁垒。单细胞RNA测序（scRNA-seq）是把组织打散、每次读取1个细胞的方法。细胞的种类和状态可以了解得很详细，但在打散的那一刻，“它曾在谁的旁边”这一信息就丢失了。
👦 学生：知道细胞的种类，不就足够了吗？
🧬 艾克索太郎：那就像只凭球员名册来谈足球。知道场上有谁，却不知道阵型。指挥官处在能把球传给谁的位置上，没有站位图是看不出来的。这篇论文，是一项想把名册和站位图两样都做出来的研究。
这篇论文，究竟弄清了什么？
研究叠加了3种方法。下面依次来看。
方法① 整合单细胞数据，编制“名册”
作者们首先收集了28个已公开的人类实体瘤scRNA-seq数据集，其中包含12种癌症和正常组织。为了不漏掉树突状细胞，他们不仅纳入了被自动注释工具 ScType 判定为髓系树突状细胞的细胞，还纳入了被判定为巨噬细胞、单核细胞、表达ISG的免疫细胞的那些，在人类中构建了 276,163个细胞 的整合数据。再从中只抽取表达树突状细胞标记（FLT3、ZBTB46、ITGAX）的簇，剔除混入的T细胞和B细胞，然后重新整合了一次。浆细胞样树突状细胞（pDC）被排除在这次的研究对象之外。
要把各项研究实验条件不同的数据整合在一起，就需要校正批次效应。这里使用的是 Seurat V5 的 RPCA（reciprocal PCA）。这相当于把不同测量队绘制的地图，依靠共同的地标叠合起来。如果换一种校正方法结论就变了，那就麻烦了，所以他们用 Harmony、FastMNN、scVI 这另外3种方法也确认了cDC2的异质性簇能够重现。簇的数目，是用 SC3 stability 这一指标决定的，它衡量的是改变分辨率后细胞的划分是否仍然稳定。
最终得到了一个图谱：来自353个样本、12种组织的29,554个细胞，其中浸润肿瘤的树突状细胞为 17,092个细胞。经无监督聚类，它们分成 8个簇。
- C2_cDC1（XCR1、CADM1、CLEC9A、BATF3）
- C4_CCR7⁺ DC（LAMP3、CCR7、FSCN1、CD40、CD274）
- cDC2/DC2样的6个簇（CD1C、CLEC10A、SIRPA）。其中 C0、C1、C6、C7 是强烈表达 IL1B 的“炎症性DC2”，C3 是未活化的状态，而 C5 就是 ISG⁺ DC
在 C5_ISG⁺ DC 中，IFN-α 与 IFN-γ 信号通路富集，JAK-STAT通路的活性也升高。它被解读为受到干扰素作用的 cDC2 的一种活化状态。
跨癌种比较可见，cDC1、ISG⁺ DC、CCR7⁺ DC 的基因表达模式保守得很好。 另一方面，cDC2/DC2样的群体数量最多，异质性也最高（依据ROGUE评分的评估），其中包含面貌随癌种而变的细胞。
性别差异也做了考察。有性别信息的患者占 63.2%（男性38.6%，女性61.4%），没有发现某一性别特有的簇。剔除乳腺癌、子宫癌、卵巢癌、肾癌这类性别比例严重偏斜的癌症之后，cDC1、ISG⁺ DC、CCR7⁺ DC 中存在差异的基因只有极少数，而且全都位于X染色体或Y染色体上。
在小鼠中也走了同样的流程。从已发表与未发表合计 12个 数据集（整合时为101,161个细胞）中，得到了肿瘤浸润树突状细胞 6,592个细胞、11个簇。把人类的基因特征替换为小鼠的同源基因后加以套用，cDC1 和 CCR7⁺ DC 跨物种保守得很好，ISG⁺ DC 也呈现出保守的模式。先前的研究分别以 LAMP3⁺ DC、mregDC、迁移性DC 等不同名字称呼的群体，与本研究的 C4_CCR7⁺ DC 在转录谱上有很大的重叠。
2种活化状态是否相互连通
把 CCR7⁺ DC 进一步细分，发现了同时表达 CCR7 和 ISG15 的细胞。它们有2种：保留cDC1标记 CADM1 的 CCR7⁺ISG15hiCADM1⁺，以及表达cDC2标记 CD1C 的 CCR7⁺ISG15hiCD1C⁺。
用 Monocle3 这种轨迹推断方法分析后显示，这些细胞可能处于由 cDC1 或 cDC2 向 CCR7⁺ DC 成熟的路径的早期阶段。用 SingleR 这种方法推断来源时，C5_ISG⁺ DC 最可能的起源是 C0 和 C7 的炎症性DC2。在小鼠中，同样描绘出了 cDC2 经由 ISG⁺ DC 状态走向 CCR7⁺ DC 的轨迹。
不过作者们很谨慎。ISG⁺ DC 也许是通往 CCR7⁺ DC 的中途站，但既然它作为一个相当大的群体存在，也可能有一部分细胞保持ISG状态停留在肿瘤内。他们写道，两种情况都说得通。
所表达的细胞因子与趋化因子基因不同
在人类和小鼠中比较区分 CCR7⁺ DC 与 ISG⁺ DC 的基因，排名靠前的差异表达基因大多在两个物种中朝同一方向变动（同向的象限中有120个基因和148个基因，反向的象限中有50个基因和38个基因）。
其中就包含细胞因子和趋化因子（招募细胞的物质）的基因。以下是比较RNA表达的结果，并没有测定蛋白质的分泌量。
- C4_CCR7⁺ DC： IL15、IL32、CCL17、CCL19、CCL22
- C5_ISG⁺ DC： CXCL9、CXCL10
此外，IL12B 特异性地表达于被认为来源于cDC1的 CCR7⁺ISG15hiCADM1⁺ 群体，IL27 在同一群体中也高表达。还有这样的差别：CXCL9 广泛见于 cDC1、CCR7⁺ DC、ISG⁺ DC，而 CXCL10 在 ISG⁺ DC 和来源于cDC2的 CCR7⁺ DC 中更高。
👦 学生：招募用的物质不同，是不是意味着聚集过来的对象也不同？
🧬 艾克索太郎：这正是下一个问题。如果是用不同的频率在呼唤，聚拢来的听众也应该不同。不过，仅凭基因表达，只能说到“似乎在呼唤”这一步。实际上谁在旁边，需要在组织上去看。
方法② 用空间转录组学描绘“站位图”
这里用到的是人类结直肠癌 3例 的数据。作者们重新分析了一个已发表的数据集，它从同一个FFPE（福尔马林固定石蜡包埋）组织块的连续切片上，同时获取了scRNA-seq和空间转录组学（Visium HD）两种数据。
Visium HD 是一种在组织切片上按细小的分区读取“哪个位置表达了哪个基因”的技术。分析以 8 µm 的分区进行。由于1个分区里可能混有多个细胞的信息，他们使用了名为 RCTD 的反卷积（把混合的信号分离开）方法，以同一样本的scRNA-seq为范本来推断各分区的细胞类型。距离分析使用了 bin2cell，它依据H&E染色图像中的细胞核，把2 µm的分区重组为以细胞为单位；细胞间相互作用的推断则使用了 CellChat。
弄清的事情有3点。
第一，CCR7⁺ DC 与 ISG⁺ DC 都密集地聚在一起。 这与 cDC1 和 cDC2 稀疏散布的情形形成对照。而且两者聚集的位置虽有部分重叠，却是各自分开的。
第二，两类据点各自处在不同的信号环境中。 CCR7⁺ DC 位于富含 CCL19 和 CCL21（CCR7 的配体）的区域。癌相关成纤维细胞和内皮细胞广泛分布于整个肿瘤，但在患者2的样本中以50 µm为界比较近端与远端，表达 CCL19 或 CCL21 的细胞偏向分布在 CCR7⁺ DC 附近。另一方面，ISG⁺ DC 所在的是干扰素信号活跃的区域，周围的细胞也显示出干扰素应答的特征。CellChat 的分析提示，干扰素的来源并非某1种细胞，而是广泛分布于免疫细胞和非免疫细胞两方。
第三，相邻的T细胞不同。 两类据点都是T细胞丰富的区域，但阵容不一样。
- CCR7⁺ DC 的周围： 幼稚样CD4 T细胞、滤泡辅助性T细胞（Tfh）、Th17细胞、调节性T细胞（Treg）等各种各样的 CD4 T细胞。结果提示，来源于 CCR7⁺ DC 的 CCL22 可能经由 CCR4 把它们招募过来
- ISG⁺ DC 的周围： 表达耗竭相关转录本的 CD8 T细胞（CD8.EX）。CXCL9 和 CXCL10 的聚集与这一区域重叠，提示存在经由 CXCR3 的相互作用
增殖中的免疫细胞，在两类据点里都很多。
方法③ 用多重成像观察治疗带来的变化
最后是为这篇论文新采集的数据。CODEX（也称为 PhenoCycler）是一种在1张组织切片上同时分色标记数十种蛋白质的技术。先给抗体加上DNA条形码，再反复进行“加上与之对应的荧光标记并拍摄、洗脱后再加下一批”的操作。
材料是名为 Y1.7LI 的小鼠恶性黑色素瘤模型。这是在 BrafV600E Pten−/− Cdkn2a−/− 的 YUMM1.7 细胞系中表达了MHC I类和II类新抗原的细胞系，对抗PD-1抗体、抗CTLA-4抗体、两者联用以及新抗原疫苗都有反应。因此，可以在不受“有效与无效”这一差别干扰的情况下比较各种疗法。
实验条件如下。
- 在8〜12周龄的雄性 C57BL/6J 小鼠的侧腹部皮下移植 5 × 10⁵ 个细胞
- 抗PD-1抗体（克隆 RMP1-14）和抗CTLA-4抗体（克隆 9D9）以 200 μg 在移植后第7、10、13天腹腔内给药
- 新抗原疫苗（NeoVAX）是将 mLama4 的合成长肽 10 μg 与 polyI:C 50 μg 在第7天和第13天皮下给药
- 对照有2种：对照抗体，以及使用无关肽（mAlg8）的对照疫苗
- 第15天取出肿瘤，制成冰冻切片（8 µm厚）后成像
6个治疗组，3次独立实验，肿瘤切片合计20张。用超过30种标记物，分析了超过140万个细胞。
确定细胞类型的方法也有巧思。由于同一模型、同一治疗条件下的scRNA-seq数据已经存在，他们用 MaxFuse 算法把“RNA的名册”与“蛋白质的图像”对应起来，把名册上的标签转移到图像一侧的细胞上。只给匹配度评分在0.4以上的细胞加上标签，达不到的细胞则记为“未分配”。由此鉴定出10种主要免疫细胞，以及树突状细胞和T细胞的精细亚型。
相邻关系的评估使用了置换检验。方法是：统计每个细胞半径 20 µm 以内的细胞，保持细胞位置不变、只把标签打乱1,000次，得到“若纯属偶然会有多少相邻”的分布，再求出它与实测值之比。
首先，在未治疗（对照抗体）的肿瘤中，确认了与人类结直肠癌相同的格局。ISG⁺ DC 和 CCR7⁺ DC 虽有部分重叠却占据不同的位置，相邻的T细胞也不同。CCR7⁺ DC 位于 Treg 附近。
在此基础上，来看治疗带来的变化。
抗PD-1抗体下，CCR7⁺ DC 彼此聚集的倾向显著增强。用基于密度的聚类（DBSCAN）定义的 CCR7⁺ DC 团块比对照更大，并且更靠近效应／耗竭型CD8 T细胞（EffExh_CD8）和增殖中的CD8 T细胞。ISG⁺ DC 也有同样的倾向，与 EffExh_CD8 和效应CD4 T细胞（Eff_CD4）的邻近增加了。
这里是核心。 即使按治疗条件比较同一模型的scRNA-seq，以及整合后的人类和小鼠数据，树突状细胞的构成比例和转录状态的变化也微乎其微。在可检测的范围内，细胞的转录状态几乎没有变，排列方式却变了。如果只看名册，这种变化就会被漏掉。
新抗原疫苗下，cDC2 与 ISG⁺ DC 相邻的倾向，表现得比各ICT条件还要强。这一相邻区域位于 EffExh_CD8 丰富的地方。作者们提出了一种可能：对新抗原产生反应的CD8 T细胞所分泌的 IFN-γ，把当地的 cDC2 推向了 ISG⁺ DC 的状态。
抗CTLA-4抗体与抗PD-1抗体联用，并没有成为把单药的“看起来不错的特征”简单相加的结果。
- 抗PD-1单药下所见的 CCR7⁺ DC 团块扩大，在联用时没有出现
- 抗CTLA-4单药使 Treg 无论在整体上还是在树突状细胞周围都减少了，但联用时与抗CTLA-4单药相比，两种树突状细胞周围的 Treg 都增多了，在 CCR7⁺ DC 周围尤为显著
- 另一方面，Eff_CD4（包含Th1细胞的群体）在抗CTLA-4单药下并没有在树突状细胞附近增多，联用时却在 CCR7⁺ DC 附近增多了
关于第1点，作者们参照了一项最近的报道——Treg 在淋巴管周围形成的微环境妨碍了 CCR7⁺ DC 向淋巴结迁移——并据此推测：抗CTLA-4抗体也许解除了这一限制，把 CCR7⁺ DC 送往引流淋巴结，于是肿瘤内不易留下大的团块。不过论文明确写道，这种重塑对抗肿瘤免疫意味着什么，“有待今后阐明”。
未来会怎样改变？（通往临床之路）
有必要先说清楚：这项研究还没有到能直接通向临床的阶段。人类的数据是对已发表数据的再分析，而观察治疗所致变化的只是小鼠的1个模型。在此前提下，它在思路上有3点启示。
第1点，是用“排布”来解读免疫治疗如何起效的视角。 当治疗前后清点肿瘤内细胞的种类和数量却看不出差别时，看排布也许就能看出差别。病理标本的多重染色和空间分析，将来有可能加入到疗效预测之中。
第2点，是2类据点可能承担不同的角色。 CCR7⁺ DC 周围多见多种CD4 T细胞群体和 Treg，ISG⁺ DC 周围则多见带有耗竭相关转录本的CD8 T细胞。假如确实是各自的树突状细胞把它们招募来的，那么强化哪一类据点，就可能改变治疗的设计。先前的研究报道，ISG⁺ DC 即使在缺乏 cDC1 的 Batf3−/− 小鼠中也能促进CD8 T细胞介导的抗肿瘤免疫，作者们很重视这一点。
第3点，是一个提醒：“联用就会是加法”并不一定成立。 联用组与抗CTLA-4单药组相比，树突状细胞周围的 Treg 更多，这一观察在考虑联合治疗时值得留意。不过这只是小鼠1个模型、1个时间点的观察，其临床意义尚不清楚。
👦 学生：那么，患者的治疗并不会马上改变，对吧？
🧬 艾克索太郎：不会改变。这是一项绘制地图的研究。地图并不是已经抵达目的地的证明。但是，没有好的地图，就连下一步该往哪里挖都无法决定。作者们也把这份图谱定位为今后研究的“资源”。
如何批判性地阅读这项研究（局限，以及进一步提高质量的路）
先说优点。人类28个、小鼠12个数据集这一规模的整合，更换校正方法对稳健性的确认，在同一模型、同一治疗条件下把RNA与图像对应起来的设计，以及公开数据和代码的方针（不过如前所述，在核实时Zenodo的文件设有访问限制）。就这类研究而言，每一项都做得很细致。作者们自己也列出了3点局限：分析大多基于转录本；轨迹分析是计算上的预测，而非谱系示踪；人类空间分析的规模较小。
在此基础上，列出把它当作未经同行评审的论文来读时需要留意的几点。
① 人类的空间数据只有3例，而且只有结直肠癌。 图谱涵盖12种癌症，但支撑“2类据点虽有部分重叠却偏向不同位置”这一空间结论的人类数据，只是结直肠癌3例。在其他癌种中是否也是同样的排布，目前还不清楚。
② 没有证明因果关系。 观察到的是“在旁边”“一起增多”这样的关联。论文中没有这样的实验：选择性地清除 CCR7⁺ DC 或 ISG⁺ DC，或者阻断 CCL22–CCR4、CXCL9/10–CXCR3 通路，以确认据点是否瓦解、治疗效果是否下降。配体与受体之间的相互作用，是 CellChat 的推断。
③ 新开展的成像实验范围较窄。 小鼠的单细胞图谱整合了12个数据集，但观察治疗所致排布变化的CODEX实验只用了雄性小鼠，肿瘤模型只有1种，取材只有第15天这1个时间点。正因为在人类数据中特意考察了性别差异，小鼠一侧只有雄性这一点就显得很突出。
④ 统计单位。 6个组共20张切片，因此平均每1组的肿瘤切片只有几张。在比较 CCR7⁺ DC 团块大小的图中，1个点代表1个“团块”，用单因素方差分析和 Tukey 多重比较进行检验。取自同一肿瘤的团块彼此并不独立，所以若以团块为单位，样本量会显得比实际更多，有可能更容易得出差异。
⑤ “变化十分有限”该怎么读。 转录状态变化很小这一结论，说的是scRNA-seq可检测范围之内的事。摘要中用的也是“可检测到的变化十分有限”这样的说法。是否具备足以捕捉微小变化的细胞数量和检验效能，仅凭论文的记述无法判断。
⑥ “耗竭”这一标签的宽度。 人类的 CD8.EX 是以 TOX、PDCD1、LAG3、TIGIT、HAVCR2 这5个标记物的表达来定义的。作者们自己也说明，其中可能混有已活化的细胞和仍能发挥功能的细胞。
⑦ 利益冲突。 关于核心技术 CODEX，论文披露了共同作者中有开发企业的联合创始人。这一点已经披露，可作为读者评价结果时的背景信息。
在细节上，正文有一处引用了“Supplemental Figure 17A”，但补充图只到11幅为止。这大概是会在同行评审过程中得到纠正的那类笔误。
怎样才能成为质量更高的研究。 具体如下。
- 把人类的空间分析扩展到多个癌种，以及免疫治疗治疗前后配对的样本
- 把统计单位统一为肿瘤（小鼠个体），或者使用把肿瘤作为随机效应的混合效应模型
- 在雌性小鼠以及至少另外1个肿瘤模型中重复验证
- 通过选择性清除树突状细胞状态的实验，或阻断趋化因子通路，来确认因果关系
- 用遗传学的谱系示踪来印证计算上的轨迹推断
- 在多个时间点取材，追踪据点何时形成、何时瓦解
- 把据点的大小和排布，与肿瘤缩小和生存的关联逐个个体地对应起来
艾克索太郎的视角
坦率地说，这篇论文离我自己的研究领域比较远。我所从事的，是利用间充质干细胞（mesenchymal stem cell, MSC）及其细胞外囊泡（extracellular vesicle, EV）治疗以脊髓损伤为代表的神经疾病。这篇论文里既没有出现MSC，也没有出现EV，肿瘤免疫也不是我的专业。我也没有亲手做过CODEX。所以，对于肿瘤免疫学的细节，我是和读者站在同一侧来阅读的。
尽管如此仍然要介绍它，是因为这项研究核心的主张能够跨越领域引起共鸣。即使基因表达上可检测到的变化很小，细胞的排布也可能改变。 这种排布的变化在功能上意味着什么，这篇论文也还没有给出答案。即便如此，我认为“只测量‘内容’就会有看不见的变化”这一指出，分量很重。
在神经的损伤部位，也会提出类似的问题。给入的细胞或EV运送了什么，我们也经常研究。可是，在损伤部位巨噬细胞和小胶质细胞聚集在哪里、与谁相邻、治疗之后这种排布怎样改变，却一直很难看清。把组织打散再清点细胞种类的方法，从原理上就会漏掉这篇论文所展示的那种变化。我认为，在保留空间信息的同时读取大量分子的技术，对于研究再生医学的疗效机制，今后也将变得不可或缺。不过这只是我个人的判断，并不是这篇论文所证明的内容。
还有一点，我想从这篇论文学习的是写法。关于 ISG⁺ DC 究竟是中途站还是稳定的状态，作者们写的是“两种情况都说得通”。关于联合治疗下据点的扩大消失的原因，他们也是在提出假说之后，以“功能上的意义有待今后阐明”作结。面对大规模的数据，人总想把它归纳成一条漂亮的完整故事。他们在这里止步，这一点让我信赖。
再重复一遍，这是一篇未经同行评审的论文。同行评审中也许会追加分析，结论的表述也许会改变。等它正式发表，我会连同什么变了、什么留下来了一并再详细介绍一次。
※本文在人工智能的协助下撰写。