In Vivo Functional Antibody (2)｜细胞耗竭：利用体内功能干预解析免疫机制的研究策略

在当代生命科学研究中，单细胞RNA测序（scRNA‑seq）、高参数流式细胞术（High‑parameter Flow Cytometry）以及空间转录组学（Spatial Transcriptomics）等技术的普及，赋予了我们前所未有的微观视角。可以精细地绘制出肿瘤微环境（TME）、感染病灶或自性免疫病变器官中几十种免疫细胞亚群的丰度、分化状态与空间分布特征。

然而，在获得海量“细胞表达图谱”的同时，科研人员也面临着一个经典且严峻的方法论困境：描述性观察数据的积累，并不自动等同于功能因果关系的确立。

在生理或病理模型中，某种免疫细胞在病灶局部的显著富集或耗竭，可能存在三种截然不同的生物学逻辑：

• •  核心执行者（Primary Driver）：该细胞直接驱动病理进程或介导免疫保护；
• •  旁观者（Bystander）：该细胞仅是对局部炎症信号产生被动应答，并不对关键表型产生实质性影响；
• •  负向代偿调控者（Compensatory Regulator）：该细胞是宿主为维持组织稳态、限制过度炎症而建立的反馈调控机制。

仅凭细胞数量、比例变化或表型标志物的空间共定位，无法区分上述三种角色。为了从“现象描述”跨越至“机制解析”，必须依赖于功能干预（Functional Intervention）实验。通过特异性去除或功能阻断特定的免疫细胞群，再观察整体生物学表型及免疫网络的连带效应，才能建立起强有力的因果链条（Causal Inference）。其中，抗体介导的体内免疫细胞耗竭（Antibody‑mediated in vivo immune cell depletion）作为一种高选择性、动态可控的功能干预手段，成为了连接临床观察与机制探索的关键桥梁。

图1. 慢性肝病中免疫微环境的研究流程（DOI: 10.3389/fimmu.2026.1743439）

二、 抗体介导体内免疫细胞耗竭：连接表型观察与功能验证的关键工具

1. Fc效应机制驱动的靶细胞清除模式

体内抗体耗竭技术利用针对免疫细胞表面特定谱系分子（Lineage Markers）的高特异性单克隆抗体（mAb），将其注入小鼠等实验动物体内。抗体结合靶细胞表面抗原后，主要通过以下三种效应子机制促使靶细胞在体内清除：

• •  细胞抗体依赖的细胞介导的细胞毒作用（ADCC）：单克隆抗体的Fc段与NK细胞或巨噬细胞表面的Fcγ接收器（FcγRs）结合，触发效应细胞释放穿孔素、颗粒酶或活性氧，诱导靶细胞凋亡；
• •  抗体依赖的细胞介导的吞噬作用（ADCP）：网状内皮系统（如脾脏和肝脏中的巨噬细胞）通过FcγR识别结合了抗体的细胞，并将其直接吞噬降解；
• •  补体依赖的细胞毒作用（CDC）：抗体结合后激活经典补体途径，形成膜攻击复合物（MAC）导致靶细胞裂解。

图2. 抗体介导体内免疫细胞耗竭的主要效应机制（DOI: 10.3389/fimmu.2022.953649）

2. 与基因操作模型互补的功能干预优势

相较于基因敲除模型（如Knockout或Cre‑LoxP基因重组系统），抗体介导的体内耗竭具有以下的实验优势：

三、靶向不同免疫细胞群体：从功能验证到免疫网络解析

免疫细胞耗竭实验的本质不是简单地去除某一种细胞，而是一种基于功能假设的定向干预。选择耗竭哪一类细胞群体，本质上是在提出一个科学假设：如果去除这一细胞群体，目标生物学过程是否仍然存在？

图3. 功能性和耗竭T细胞的特征（DOI: 10.1016/j.trecan.2022.12.008）

在抗肿瘤和抗感染研究中，经常观察到CD8+T细胞在病灶区域富集，或其数量与治疗效果、疾病预后之间存在相关性。但这些观察只能建立关联，无法回答细胞毒性T细胞是否为产生该表型的必要因素。此时，CD8+T细胞耗竭提供了直接的功能验证手段：通过在体移除CD8+T细胞，观察特定治疗策略的抗肿瘤效应是否减弱、病毒控制能力是否下降。如果移除后效应显著消退，则支持该效应依赖细胞毒性T细胞介导的假设；如果效应不受影响，则提示可能存在其他效应机制（如NK细胞、抗体等）的代偿或主导作用。

并非所有免疫细胞都直接执行效应功能，部分细胞通过调节其他免疫群体来影响整体反应的方向和强度。当观察到CD4+T细胞在疾病组织中比例改变，或怀疑某一免疫应答的启动依赖辅助信号时，CD4+T细胞耗竭可以帮助解析这些调控关系。通过移除CD4+T细胞，可以检验：免疫反应的启动是否依赖该细胞群体？CD8+T细胞的完全活化和记忆形成是否受到影响？整个免疫网络在缺失辅助信号后如何重新平衡？

图4. T细胞耗竭机制（DOI: 10.1038/nri3862）

在感染、炎症和肿瘤研究中，髓系细胞（尤其是中性粒细胞）的大量浸润是常见的组织学特征。但细胞数量的增加并不必然意味着该细胞促进了疾病发展——它们可能是炎症反应的被动招募者，也可能是疾病进程的主动驱动者。Ly‑6G介导的中性粒细胞耗竭为区分这两种可能性提供了实验手段：通过选择性移除中性粒细胞，观察疾病表型是否发生改变，可以判断该细胞群体是否真正参与了疾病过程。需要特别指出的是，不同表面标记的选择会直接影响耗竭的细胞范围：1A8抗体特异性识别Ly‑6G，主要靶向中性粒细胞；而RB6‑8C5抗体同时识别Ly‑6G和Ly‑6C，会额外影响单核细胞和部分CD8+T细胞。因此，需要根据具体科学问题选择合适的靶标，并在解释结果时充分考虑标记表达谱与细胞身份之间的差异。

免疫系统是由先天免疫和适应性免疫共同构成的复杂网络，一个疾病表型往往由多种细胞群体协同作用。当需要分离某一细胞群的独立贡献，或理解先天免疫与适应性免疫之间的功能关系时，NK细胞耗竭提供了一种有效的解析手段。NK细胞作为先天免疫的核心效应细胞，在肿瘤监视和转移控制中发挥作用，但其功能状态高度依赖组织微环境。通过耗竭NK细胞，可以判断：在特定肿瘤阶段或转移过程中，先天免疫是否做出了独立的功能性贡献？当适应性免疫功能受限时，NK细胞是否能够代偿性地发挥抗肿瘤作用？

图5. TME中NK细胞耗竭的主要机制（DOI: 10.3389/fimmu.2023.1303605）

四、实验结果解读中的关键挑战：避免耗竭实验中的认知陷阱

免疫细胞耗竭实验结果的解释必须保持高度的科研严谨性。简单地将“耗竭某细胞导致表型改变”直接推导为“该细胞是唯一直接原因”，往往会导致错误的科研结论。在分析数据时需审慎评估。

1. 组织异质性导致的耗竭效率差异

许多研究仅通过采血分析外周血（Peripheral Blood）中靶细胞的清除率，便假设体内所有器官中的靶细胞均被完全去除。然而，由于血管穿透性、组织微环境屏障以及巨噬细胞分布密度的差异，不同组织器官中的细胞耗竭效率存在显著异质性。例如，在脾脏和血液中可能达到95%以上的CD8+T细胞耗竭，但在深部淋巴结、中枢神经系统或实体肿瘤核心区域，细胞耗竭率可能不足70%。如果不验证靶器官局部的耗竭程度，未被清除的残存细胞可能足以介导显著的生物学效应，导致对“该细胞无功能”的错误判断。

2. 表位竞争导致的检测假象：如何正确评估细胞清除效果

在利用流式细胞术评估耗竭效率时，若流式染色所使用的荧光标记抗体与体内注射的耗竭抗体识别完全相同的表位（Epitope），体内残存抗体会竞争性阻断染色抗体的结合，导致流式图上显示“荧光信号消失”，进而被误判为“细胞已被完全去除”。因此，在进行流式验证时，可以使用针对非竞争性表位（Non‑competing Clone）的检测抗体，或者结合其他谱系标志物（如通过CD3+CD4‑细胞门来间接评估CD8+T细胞的清除比例），确保验证数据的真实客观。

3. 免疫网络重塑：细胞耗竭后的代偿性效应

免疫系统是一个高度互联的动态网络，去除某一个关键节点细胞，往往会引发剧烈的代偿性粒细胞生成（Rebound Granulopoiesis）或微环境细胞因子重新分配（Homeostatic Cytokine Redistribution）。

例如，消耗大量T细胞会导致体内的IL‑7和IL‑15等稳态细胞因子空间被释放，从而刺激残留的NK细胞或γδ T细胞发生非特异性的代偿性扩增。因此，在观测到耗竭后的生物学表型时，必须通过细胞因子检测和多参数流式分析，排除这种“网络重构”带来的间接影响。

五、从细胞去除到系统扰动：体内耗竭推动免疫网络机制研究

在现代免疫学研究的视野中，免疫细胞耗竭实验的最终目标，不仅仅是回答“某个细胞有没有作用”这一二元对立的简单问题。更重要的是，将depletion视为一种系统扰动（Systemic Perturbation）工具，用于探究不同免疫细胞亚群之间的跨细胞通讯与协同网络。结合单细胞多组学检测技术，在耗竭特定细胞群后观察全免疫微环境的分子与细胞演变，够构建出高维度的免疫调控网络因果图谱。

abinScience Related Immune Cell Depletion InVivo Antibodies

为满足免疫机制研究中体内功能验证的核心需求，abinScience提供覆盖多靶点的高品质细胞耗竭相关InVivo抗体。

点击查看InVivo 抗体产品和InVivo Plus抗体产品

参考文献

1. [1] Liu, Q., Wang, C., Ye, C., Zhang, H., Li, T., Wei, W., Wang, S., & Zhang, H. (2026). Integrated multi‑omics, spatial profiling and organoid modeling drive transformative advances in chronic liver disease and hepatocellular carcinoma immunomicroenvironment research. Frontiers in immunology, 17, 1743439. https://doi.org/10.3389/fimmu.2026.1743439.
2. [2] Mariottini, A., Muraro, P. A., & Lünemann, J. D. (2022). Antibody‑mediated cell depletion therapies in multiple sclerosis. Frontiers in immunology, 13, 953649. https://doi.org/10.3389/fimmu.2022.953649.
3. [3] Watowich, M. B., Gilbert, M. R., & Larion, M. (2023). T cell exhaustion in malignant gliomas. Trends in cancer, 9(4), 270–292. https://doi.org/10.1016/j.trecan.2022.12.008.
4. [4] Jia, H., Yang, H., Xiong, H., & Luo, K. Q. (2023). NK cell exhaustion in the tumor microenvironment. Frontiers in immunology, 14, 1303605. https://doi.org/10.3389/fimmu.2023.1303605.
5. [5] Wherry, E. J., & Kurachi, M. (2015). Molecular and cellular insights into T cell exhaustion. Nature reviews. Immunology, 15(8), 486–499. https://doi.org/10.1038/nri3862.