Growing evidence supports the importance of understanding tumor-immune spatial relationship in the tumor microenvironment in order to achieve precision cancer therapy. However, existing methods, based on oversimplistic cell-to-cell proximity, are largely confounded by immune cell density and are ineffective in capturing tumor-immune spatial patterns. Here we developed a novel computational algorithm, termed Tumor-Immune Partitioning and Clustering (TIPC), to offer an effective solution for spatially informed tumor subtyping. Our method could measure the extent of immune cell partitioning between tumor epithelial and stromal areas as well as the degree of immune cell clustering. Using a U.S. nation-wide colorectal cancer database, we showed that TIPC could determine tumor subtypes with unique tumor-immune spatial patterns that were significantly associated with patient survival and key tumor molecular features. We also demonstrated that TIPC was robust to parameter settings and readily applicable to different immune cell types. The capability of TIPC in delineating clinically relevant patient subtypes that encapsulate tumor-immune spatial relationship, immune density, and tumor morphology is expected to shed light on underlying immune mechanisms. Hence, TIPC can be a useful bioinformatics tool for effective characterization of the spatial composition of the tumor-immune microenvironment to inform precision immunotherapy.

中文翻译：

---

肿瘤免疫分区和聚类（TIPC）算法揭示了肿瘤微环境中肿瘤免疫细胞相互作用的独特特征

越来越多的证据支持了解肿瘤微环境中肿瘤与免疫空间关系的重要性，以实现精确的癌症治疗。然而，基于过于简单的细胞间接近性的现有方法在很大程度上被免疫细胞密度所迷惑，并且在捕获肿瘤免疫空间模式方面无效。在这里，我们开发了一种新颖的计算算法，称为肿瘤免疫分区和聚类（TIPC），为空间知悉的肿瘤亚型提供有效的解决方案。我们的方法可以测量免疫细胞在肿瘤上皮和基质区域之间的分配程度以及免疫细胞聚集的程度。使用美国全国性结直肠癌数据库，我们发现TIPC可以确定具有独特的肿瘤免疫空间模式的肿瘤亚型，这些模式与患者生存率和关键肿瘤分子特征显着相关。我们还证明了TIPC对参数设置具有鲁棒性，可轻松应用于不同的免疫细胞类型。TIPC在描绘临床相关的患者亚型中的能力，这些亚型封装了肿瘤与免疫的空间关系，免疫密度和肿瘤形态，有望揭示潜在的免疫机制。因此，TIPC可以成为有用的生物信息学工具，用于有效表征肿瘤免疫微环境的空间组成，从而为精密免疫治疗提供依据。我们还证明了TIPC对参数设置具有鲁棒性，可轻松应用于不同的免疫细胞类型。TIPC在描绘临床相关的患者亚型中的能力，这些亚型封装了肿瘤与免疫的空间关系，免疫密度和肿瘤形态，有望揭示潜在的免疫机制。因此，TIPC可以成为有用的生物信息学工具，用于有效表征肿瘤免疫微环境的空间组成，从而为精密免疫治疗提供依据。我们还证明了TIPC对参数设置具有鲁棒性，可轻松应用于不同的免疫细胞类型。TIPC在描绘临床相关的患者亚型中的能力，这些亚型封装了肿瘤与免疫的空间关系，免疫密度和肿瘤形态，有望揭示潜在的免疫机制。因此，TIPC可以成为有用的生物信息学工具，用于有效表征肿瘤免疫微环境的空间组成，从而为精密免疫治疗提供依据。