文献信息
【题目】SAICAR Drives T Regulatory Cell Differentiation and FOXP3 Maintenance to Promote Immunotherapy Resistance
【期刊】Cancer research
【影响因子】16.6
【doi】10.1158/0008-5472.CAN-25-4373
癌症免疫疗法通过激活机体免疫系统识别并清除肿瘤细胞，已深刻改变现代肿瘤治疗格局。其中，靶向PD-1或PD-L1的免疫检查点抑制剂（ICB）在黑色素瘤、非小细胞肺癌、胃癌和结直肠癌等多种肿瘤中取得了持久的临床疗效。然而，相当一部分患者对免疫检查点阻断治疗存在原发或获得性耐药，其机制复杂且多层面。
越来越多的研究表明，肿瘤微环境（TME）中的代谢重编程是影响抗肿瘤免疫反应的重要决定因素。肿瘤细胞在碳水化合物、脂质、氨基酸及核苷酸代谢等方面发生显著改变，这些代谢改变不仅支持肿瘤生长，还通过抑制效应T细胞功能并促进免疫抑制来重塑免疫格局。这一肿瘤代谢与免疫调控相互交织的研究领域被称为“免疫代谢”已成为解析免疫治疗耐药机制的重要理论框架。
在免疫抑制性TME中，调节性T细胞（Tregs）的大量积累是关键特征之一。Tregs能够通过抑制效应T细胞的活化、细胞因子分泌及细胞毒功能，从而削弱抗肿瘤免疫反应并促进免疫逃逸。临床研究也表明，肿瘤组织中Tregs的高丰度通常与不良预后及PD-1/PD-L1治疗应答降低密切相关。然而，在TME内驱动Treg分化和维持的代谢信号仍未被完全阐明。
近年来的研究提示，肿瘤来源的代谢物不仅是代谢过程的中间产物，还可作为信号分子调控免疫细胞命运。其中，琥珀酰氨基咪唑甲酰胺核糖-5′-磷酸（SAICAR）是嘌呤从头合成途径的重要中间体。既往研究发现，在营养受限条件下，SAICAR能够变构激活PKM2，从而促进肿瘤细胞存活。但SAICAR是否能够调控肿瘤免疫微环境并影响免疫治疗反应，此前仍缺乏研究。
2026年2月11日，华中科技大学同济医学院附属同济医院王桂华、胡俊波团队在Cancer Research（IF：16.6）在线发表题为 “SAICAR Drives T Regulatory Cell Differentiation and FOXP3 Maintenance to Promote Immunotherapy Resistance” 的研究论文。
该研究首次鉴定SAICAR是驱动Treg分化并导致抗PD-1免疫治疗耐药的关键免疫代谢因子。
机制研究表明，SAICAR可直接结合丝氨酸/苏氨酸磷酸酶PPM1A，从而抑制SMAD3的去磷酸化过程，使TGF-β-SMAD3信号通路持续激活。持续的SMAD3信号进一步增强FOXP3的转录表达并维持Treg细胞谱系稳定性，最终促进免疫抑制性微环境的形成。
在患者样本及小鼠肿瘤模型中，研究进一步发现：
肿瘤组织中SAICAR水平升高与Treg积累增加、效应T细胞功能受抑以及PD-1治疗失败显著相关。
当通过遗传学或药理学手段降低SAICAR水平时，可显著恢复抗肿瘤免疫反应，并使肿瘤重新对PD-1治疗产生敏感性。
值得注意的是，研究团队发现低剂量6-巯基嘌呤（6-MP）能够有效破坏SAICAR驱动的免疫抑制，并与抗PD-1治疗产生协同抗肿瘤效应，同时不会引发明显的系统性免疫毒性。
6-MP是一种经典的嘌呤抗代谢药物，长期用于治疗白血病及多种自身免疫疾病。研究结果提示，在精确剂量控制下调节嘌呤代谢，可能在不抑制整体免疫功能的情况下逆转肿瘤诱导的代谢性免疫抑制。
总体而言，本研究首次揭示SAICAR通过PPM1A–SMAD3–FOXP3信号轴驱动Treg分化并促进免疫逃逸，从而导致PD-1免疫治疗耐药。
这一发现不仅建立了嘌呤代谢与免疫逃逸之间的重要机制联系，同时也提示：
靶向SAICAR相关代谢通路，并联合免疫检查点抑制剂，可能成为克服代谢驱动型免疫治疗耐药的潜在新策略。
Results
主要研究结果
图1. SAICAR 诱导癌症 ICB 耐药性。a. 从胃癌（GC）或结直肠癌（CRC）患者中交叉采集肿瘤样本与正常样本，用于单细胞及批量多组学分析。括号内数字表示患者数量。由BioRender创建。Li，M. (2026) https://BioRender.com/2xj4ycq。b-c. 对8例院内(b)和16例GSEA126044(c)接受抗PD-1抗体治疗的肺癌患者，从 KEGG 数据库中选取40个代谢基因集进行单样本 GSEA 。院内患者按病理 TRG 分级分组，耐药性按 TRG >2分组，敏感性按 TRG ≤2分组。统计学显著性通过Wilcoxon检验评估，通路按adjP值排序。d. 按嘌呤从头合成ssGSEA评分分组的胃癌患者总生存期（OS）比较。e. 采用上述 UPLC -MS/MS技术检测8例胃癌患者肿瘤组织中嘌呤从头合成代谢物浓度。统计数据显示七种嘌呤从头合成代谢物的浓度。f. 按肿瘤中 SAICAR 浓度分组的胃癌患者总生存期（OS）比较。g，j. 小鼠模型中植入MFC Adsl KD(g)、Paics KD(j)或对照肿瘤后（n=7），每3天测量肿瘤体积。h-i，k-l. 肿瘤荷瘤小鼠注射5mg/kg在MFCAdslKD（h-i）、PaicsKD（k-l）或对照组肿瘤植入后第5、8、11天检测PD-1抗体。每3天测量一次肿瘤体积（h、k、n=7）。显示小鼠生存曲线（i、l、n=20）。
图2. TME 中影响调节性T细胞（Treg）的 SAICAR 。a-b，通过单细胞RNA测序（scRNA）分析18个样本中主要细胞类型及免疫亚群的比例。a. 18个样本中150498个单细胞的 UMAP 图。b. 纯嘌呤从头生物合成高分与低分样本间T细胞与 NK 细胞比例的差异。c-i. 采用流式细胞术和 UPLC -MS/MS分析16例胃癌患者与19例未接受免疫治疗的结直肠癌（CRC）患者的样本。c、g. 散点图显示胃癌(c)与CRC(g)中CD4+ T细胞内Treg细胞百分比与肿瘤 SAICAR 水平的相关性。d-e、h-i. 统计分析胃癌(d)与CRC(h)中Treg细胞与CD8+ T细胞的比值，以及胃癌(e)与CRC(i)中Treg细胞PD-1+与CD8+ PD-1+ T细胞的比值。f. 直方图显示 SAICAR 积聚型CRC（下）与 SAICAR 非积聚型CRC（上）中CD45+细胞内不同免疫细胞的百分比。 SAICAR 浓度以ng/g（纳克/克组织）表示。j-k. 统计分析野生型（WT）小鼠MC38 Adsl敲除(k)、Paics敲除(l)或对照肿瘤（n=7）中Treg细胞的百分比。误差线表示均值±标准差。统计学显著性采用双尾t检验评估。l-n. 肿瘤荷瘤小鼠在MC38 Adsl-KD或对照肿瘤植入后第5、8、11天注射10mg/kg抗 CTLA -4抗体。每3天测量肿瘤体积，并展示生长曲线（m，n=8）与小鼠生存率（n，n=20）。
图3. SAICAR 直接促进调节性T细胞（Treg）分化。a-e. 骨髓移植与肿瘤植入。骨髓与肿瘤植入示意图(a)。将Adslf/f–CagCre或Adslf/f小鼠骨髓移植至野生型（WT）小鼠体内。显示移植小鼠肿瘤的生长情况（b，n=9）及肿瘤中CD4+ T细胞内Treg细胞的百分比（c，n=9）。统计学显著性采用Student双尾非配对t检验评估。将Paicsf/f–CagCre或Paicsf/f小鼠骨髓移植至WT小鼠体内。显示移植小鼠肿瘤的生长情况（d，n=8）及肿瘤中CD4+ T细胞内Treg细胞的百分比（e，n=8）。统计学显著性采用Student双尾非配对t检验评估。f-h. 将CD45.1+ Adslf/f或Paicsf/f小鼠与CD45.1+CD45.2+ Adslf/f Cd4Cre或Paicsf/f Cd4Cre小鼠的混合骨髓移植至WT小鼠体内。骨髓嵌合小鼠与肿瘤植入示意图(f)。显示移植小鼠肿瘤中CD4+ T细胞内Treg细胞的百分比（左）及代表性分布图（右）。线条表示配对样本（n=5）（g-h）。i. 在不同浓度 SAICAR 存在的Treg分化条件下，初始CD4+ T细胞的存在情况。分析CD4+ T细胞中Treg细胞的百分比。j. 用或不用 SAICAR（1μM）诱导初始CD4+ T细胞分化为Treg细胞。随后在分化Treg细胞存在的情况下，用抗CD3/CD28抗体刺激 CFSE 标记的CD8+ T细胞72小时。图中标注的比例（0:1、1:4、1:2、1:1）分别代表调节性T细胞（Treg）与CD8+ T细胞的数量比。k-l. 在Treg分化条件下，使用指定MC38肿瘤细胞的条件培养基培养的初始CD4+ T细胞中，分析了CD4+ T细胞中Treg细胞的百分比。实验重复三次(k)或五次(l)。m-n. 从指定小鼠分离的初始CD4+ T细胞在Treg分化条件下培养，分析了CD4+ T细胞中Treg细胞的百分比。实验重复三次。o-p. 从指定小鼠分离的初始CD4+ T细胞在混合培养条件下进行Treg分化(o)，并分析了CD4+ T细胞中Treg细胞的百分比(p)。
图4. SAICAR 通过结合PPM1A促进 TGF - β -SMAD3信号通路。a. 野生型（WT）小鼠在Treg分化条件下培养48小时（含或不含 SAICAR）的初始CD4+ T细胞RNA测序数据，总结 TGF - β -SMAD3信号通路与Jak-STAT5信号通路相关的基因表达（n=3）。b-c. qPCR检测显示Adslf/f–Cd4Cre或Adslf/f(b)、Paicsf/f–Cd4Cre或Paicsf/f(c)小鼠Treg分化条件下初始CD4+ T细胞中Foxp3 mRNA的表达情况。实验重复四次。d-e. CHIP实验检测Treg分化条件下Adslf/f–Cd4Cre或Adslf/f(d)、Paicsf/f–Cd4Cre或Paicsf/f(e)小鼠初始CD4+ T细胞中SMAD3与Foxp3增强子的共定位情况。实验重复四次。同源IgG及Adslf/f(d)或Paicsf/f(e)小鼠初始CD4+ T细胞作为阴性对照。f. 统计分析初始CD4+ T细胞在Treg分化条件下（含或不含 SAICAR）Th17细胞的百分比。实验重复五次。g. 统计分析初始CD4+ T细胞在SIS（SMAD3抑制剂）、STAT5-IN-1（STAT5抑制剂）条件下（含或不含 SAICAR）Treg分化时Treg细胞的百分比。实验重复三次。h. 分析指定小鼠初始CD4+ T细胞在Treg分化条件下的Treg细胞比例。实验重复三次。i-j.将MC38肿瘤细胞植入指定小鼠体内，结果显示肿瘤生长曲线（i，n=5）及CD4+T细胞中调节性T细胞（Treg）的百分比（j，n=5）。k.收集初始CD4+T细胞的全细胞提取物（WCE），并进行共免疫沉淀（co-IP）实验。l. SAICAR 与 PPIMA 的对接模型（左）及 SAICAR 与其口袋中PPM1A的相互作用（右）。相互作用中涉及的分子力与Arg33、Asp66和Ala192形成氢键，与His62、Lys165和Arg186形成离子键。 SAICAR 与纯化PPM1A的结合通过表面等离子体共振（SPR）分析，表观解离常数Kd为244μmol/L。通过慢病毒构建PPM1A KD初始CD4+T细胞。通过qPCR和流式细胞术检测Treg分化条件下Foxp3 mRNA表达（n，n=3）及CD4+T细胞中调节性T细胞（Treg）比例（o，n=3）。
图5. 在抗PD-1治疗前给予抗 CTLA -4可降低 SAICAR 诱导的 ICB 耐药性。a-g. MC38 Adsl KD组或对照组荷瘤小鼠分别于第5天注射抗 CTLA -4，第8、11、14天注射抗PD-1。每3天测量一次肿瘤体积，并展示肿瘤生长曲线（b-c，n=8或9）及小鼠生存率（d-e，n=20）。肿瘤生长抑制值（TGI）通过以下公式计算：（平均体积shAdsl+抗 CTLA -4（up）/shAdsl（down）-平均体积shAdsl+抗PD-1+抗 CTLA -4）/平均体积shAdsl+抗 CTLA -4（up）/shAdsl（down）。流式细胞术显示CD8+ T细胞中CD8+ IFN +细胞百分比(f)及调节性T细胞与CD8+ T细胞比值(g)。h-i. MC38 Adsl KD组或对照组荷瘤小鼠分别于第5天注射抗CCR8，第8、11、14天注射抗PD-1。每3天测量一次肿瘤体积，并展示肿瘤生长曲线（i，n=8）。肿瘤生长抑制值（TGI）通过以下公式计算：（平均体积shAdsl+抗CCR8-4（up）/shAdsl（down）-平均体积shAdsl+抗PD-1+抗CCR8）/平均体积shAdsl+抗CCR8-4（up）/shAdsl（down）。
图6. 6-MP是一种潜在的肿瘤代谢-免疫调节剂。a. Adsl KD或对照MC38细胞系经6-MP处理或未处理。通过 UPLC -MS/MS检测细胞内 SAICAR 水平。b. Adsl敲除或对照MC38细胞经 TGF - β（5ng/ml）处理30分钟后，经 TGF - β 洗脱并加入6-MP处理1小时。收集全细胞提取物用于免疫印迹分析。c-d. 代表性流式细胞术直方图(c)及统计分析(d)，显示在肿瘤条件培养基（经6-MP预处理或未处理的肿瘤细胞）中培养的野生型小鼠CD4+ T细胞经Treg分化条件处理后，CD4+ T细胞中Treg细胞的百分比。e. 示意图显示6-MP与抗PD-1抗体的处理时间线。f-h. 代表性流式细胞术直方图(f)及统计分析（g-h），显示经6-MP处理或未处理的Adsl敲除小鼠MC38对照组或Adsl敲除肿瘤中CD4+ T细胞内Treg细胞的百分比及Treg细胞数量。i-l. Adsl敲除肿瘤经6-MP和/或抗PD-1抗体处理。显示肿瘤生长曲线。（i. n=8）。统计分析显示CD8+ T细胞中 IFN + CD8+ T细胞的百分比(j)、 IFN + CD8+ T细胞数量(k)、肿瘤中Treg/Teff比值(l)。m. 统计分析显示经6-MP处理或未处理的Adsl敲除或对照小鼠肺组织HE染色后转移结节数量。n. 统计分析显示经6-MP处理或未处理的Adsl敲除或对照小鼠荷瘤小鼠的体重。o.SAICAR 、免疫抑制微环境形成与肿瘤转移关系示意图。
