基于基因组特征与肿瘤免疫微环境的多维模型预测晚期胆道癌免疫治疗预后

针对晚期胆道癌(BTC)免疫治疗响应率低的临床难题，研究人员通过整合520基因panel测序、循环细胞因子检测及单细胞转录组分析，发现TP53/NRAS/FBXW7/APC等基因突变及CXCL信号通路介导的pDC-巨噬细胞互作与预后显著相关。所构建的EM-CXCL10模型对生存状态(AUC:0.863)和客观缓解率(AUC:0.990)展现出卓越预测性能，为BTC精准免疫治疗提供新策略。

　　晚期胆道癌(BTC)患者对免疫检查点抑制剂(如PD-1抗体)的响应率始终不尽如人意。为破解这一临床困境，研究者对60例接受抗PD-1治疗的晚期BTC患者展开多组学探索：通过520基因panel测序锁定TP53、NRAS、FBXW7和APC等关键预后基因；利用循环细胞因子图谱结合机器学习中的重复LASSO算法，发现序列熵(预测OS的C-index达0.819)和突变特征比传统肿瘤突变负荷(TMB)更具预测价值。单细胞转录组数据(GSE125449)进一步揭示，TP53/KRAS/NRAS突变在浆细胞样树突细胞(pDC)中富集，而pDC与巨噬细胞间通过CXCL化学因子家族(如CXCL10)进行"细胞对话"。最终构建的EM-CXCL10整合模型，在预测生存状态时AUC高达0.863，识别客观缓解率的AUC更达到惊人的0.990——这为BTC免疫治疗精准分型提供了"基因组特征+免疫微环境+细胞通讯"的三维评价体系，让"冷肿瘤"变"热"成为可能。