基于肿瘤微环境(TME)的乳腺癌预后模型构建及免疫治疗响应预测研究

编辑推荐：本研究针对乳腺癌异质性高、免疫治疗响应预测难的问题，通过整合TCGA/GEO数据库的转录组和单细胞测序(scRNA-seq)数据，运用WGCNA、Cox/Lasso回归构建了包含EMP1等12个基因的预后模型，发现内皮细胞(ECs与预后显著相关，并验证了模型对免疫检查点抑制剂(ICIs)疗效的预测价值，为个体化治疗提供新策略。

乳腺癌作为女性发病率最高的恶性肿瘤，其高度异质性和复杂的肿瘤微环境(TME)一直是临床治疗的重大挑战。尽管免疫检查点抑制剂(ICIs)在多种癌症中展现出革命性疗效，但乳腺癌患者响应率差异显著，现有预测标志物如PD-L1表达、肿瘤突变负荷(TMB)等仍存在局限性。这种"预测困境"使得精准筛选免疫治疗获益人群成为亟待解决的科学问题。与此同时，TME中内皮细胞(ECs)、巨噬细胞等基质细胞的动态变化如何影响肿瘤进展和药物抵抗，也成为近年来研究的热点盲区。

针对这些关键问题，华中科技大学同济医学院附属武汉市第一医院甲状腺乳腺外科与输血科的研究团队开展了一项多组学整合研究。通过系统分析TCGA和GEO数据库中1217例乳腺癌样本的转录组数据及单细胞测序构建了具有临床转化价值的预后预测体系，相关成果发表在《Scientific Reports》期刊。

研究采用的关键技术方法包括：从TCGA和GEO数据库获取1217例乳腺癌样本的RNA-seq数据及临床信息；使用xCell算法进行64种免疫/基质细胞浸润评分；通过ConsensusClusterPlus进行亚型分型；应用WGCNA识别共表达模块；采用Cox/Lasso回归筛选预后基因；利用TIDE算法预测免疫治疗响应；整合scRNA-seq数据(GSE158399)解析细胞异质性；采用MuSiC算法反卷积计算TCGA样本的细胞比例；基于DREEP方法预测单细胞药物敏感性。

研究结果部分显示：

1. 基于免疫浸润的共识聚类：通过xCell评分将TCGA样本分为C1(972例)和C2(245例)两个亚型，C2组PD-1(PDCD1)/PD-L1(CD274)表达更高且预后更差，提示免疫检查点分子过表达可能导致免疫逃逸。
2. WGCNA共表达网络：在C1/C2差异表达的5840个基因中，鉴定出与亚型最相关的turquoise模块(1752个基因)，功能富集显示其显著参与AMPK信号通路和血管生成过程。
3. 预后模型构建与验证：通过多步回归筛选出EMP1、ABCB5、ADH4等12个独立预后基因，风险评分公式为：0.034×EMP1表达量 - 0.214×RP11-100L22.1表达量 + ... +1.153×FAM71A表达量。模型在TCGA训练集和GSE58812/GSE23428验证集中均能有效区分高低风险组(HR=2.21, P<0.001)。
4. 免疫治疗预测价值：高风险组CD274、CTLA4等免疫检查点表达显著升高，但TIDE评分更高(P<0.0001)，提示该组患者更可能发生免疫逃逸。单细胞分析揭示ECs中EMP1高表达，且ECs比例与风险评分呈正相关(r=0.38)。
5. 治疗策略探索：药物敏感性分析显示癌症干细胞对拉帕替尼(Lapatinib)敏感，而ECs对替西罗莫司(Temsirolimus)耐药，为联合用药提供线索。

在讨论部分，作者强调该研究首次将TME异质性与免疫治疗响应预测相结合，具有三重创新价值：一是构建的12基因标志物较传统TMB或PD-L1具有更高预测精度；二是发现ECs通过上皮间质转化(EMT)通路影响预后，为抗血管生成治疗提供新靶点；三是提出"免疫靶向药物"的联合策略，如对模型预测的免疫治疗低响应者，可考虑联合PARP抑制剂奥拉帕利(Olaparib)。局限性在于需更多前瞻性临床数据验证，且ECs调控免疫微环境的具体机制有待深入探究。

这项研究为乳腺癌精准医疗提供了重要工具，其构建的预后模型不仅可预测患者生存结局，还能指导免疫治疗临床决策。未来通过整合循环肿瘤DNA(ctDNA)动态监测和空间转录组技术，有望进一步优化该预测体系，推动乳腺癌个体化治疗的发展。