编辑推荐：
为解决乳腺癌预后评估及免疫特性分析难题，研究人员开展基于细胞黏附相关基因（CARGs）的研究。通过多数据库分析，构建风险模型。结果显示该模型能预测预后及免疫治疗反应。这为乳腺癌临床决策和免疫治疗提供新方向。
在女性健康的 “战场” 上，乳腺癌是当之无愧的 “劲敌”。它是绝经后女性癌症死亡的主要原因之一，在全球癌症发病率中位居第二。尽管现代医学发展迅速，手术、化疗、抗体疗法等不断推陈出新，但乳腺癌患者仍深受复发和转移的困扰，超过 90% 的患者因转移而离世 。现有基于雌激素受体（ER）、孕激素受体（PR）和人表皮生长因子受体 2（HER2）状态的分子亚型分类，虽为临床分层提供了基础，但对于高风险患者的精准风险评估仍显不足。细胞黏附分子（CAMs）作为细胞间和细胞与细胞外基质相互作用的 “桥梁”，在肿瘤的发生、发展、转移过程中扮演着关键角色，却尚未被充分挖掘用于乳腺癌的预后评估和治疗决策。因此，探索细胞黏附相关基因在乳腺癌中的作用，构建精准的预后模型，成为了医学研究领域亟待攻克的难题。
金华市妇幼保健院乳腺甲状腺外科的研究人员肩负使命，投身于这场与乳腺癌的 “智慧较量” 中。他们的研究成果发表在《World Journal of Surgical Oncology》，为乳腺癌的诊疗带来了新的曙光。
研究人员开展了一项基于细胞黏附相关基因（CARGs）的深入研究。他们从多个数据库中获取数据，通过一系列复杂而严谨的分析方法，最终构建出了一个能够精准预测乳腺癌患者预后和免疫特性的风险模型。这一模型的出现，就像在黑暗中为医生和患者点亮了一盏明灯，为临床决策和免疫治疗提供了全新的思路和方向。
研究人员在开展研究时，运用了多种关键技术方法。数据来源上，从癌症基因组图谱（TCGA）数据库获取转录组和临床数据，从基因表达综合数据库（GEO）获取微阵列数据作为验证集，从分子特征数据库（MSigDB）获取细胞黏附相关基因（CARGs）。分析方法上，利用 NMF 聚类进行分子亚型分类，通过 Cox 回归和最小绝对收缩和选择算子（LASSO）回归构建风险模型，运用 CIBERSORT 算法探索免疫细胞浸润情况 。
一、乳腺癌差异表达基因（DEGs）和细胞黏附相关基因（CARGs）的鉴定
研究人员对 TCGA - BRCA 队列中肿瘤和正常组进行差异表达分析，获得 2248 个 DEGs，其中 1060 个上调，1188 个下调。这些 DEGs 与 CARGs 交叉后，得到 267 个差异表达的细胞黏附相关基因（DECARGs）。对这些基因进行富集分析，发现其涉及离子通道相关信号通路、细胞间通讯通路等。进一步筛选，得到 39 个预后基因，这些基因在细胞黏附、免疫反应等生物学过程中发挥重要作用。部分基因如 CD24、VAV3等在肿瘤组织中表达水平显著高于正常组织。
二、细胞黏附分子亚型的鉴定
利用 39 个预后基因的表达矩阵进行 NMF 聚类分析，将乳腺癌患者分为三个亚型。生存分析表明，其中一组患者生存率较低。对不同亚型进行富集分析，发现细胞因子 - 细胞因子受体相互作用等细胞间通讯过程在三个亚型中均显著富集。不同亚型在免疫细胞浸润、免疫相关功能等方面存在明显差异，如亚型 2 的 ESTIMATE 评分和免疫评分最高，免疫浸润水平也较高。
三、独立预后因素的鉴定和预后模型的构建
通过单变量 Cox 分析得到 10 个预后相关候选基因，经 LASSO 回归和多变量 Cox 分析后，确定 8 个细胞黏附基因（CD24、SORBS1等）构建风险模型。该模型的 ROC 曲线显示，其对 1 年、3 年、5 年生存率预测的 AUC 值均大于 0.6，具有良好的预测能力。低风险组患者生存时间显著延长，高风险组生存率较低。在多个验证集中，该模型均表现出稳健性和可靠性。
四、风险组间的富集分析
对高、低风险组进行 GSEA 分析，发现高风险组主要涉及核苷酸 - 葡萄糖代谢等过程，低风险组则与免疫反应激活等过程相关。GO 和 KEGG 富集分析也表明，低风险组的生物学过程和信号通路与细胞黏附、免疫反应密切相关。这意味着低风险组患者的免疫系统可能更活跃，对肿瘤的抵抗能力更强。
五、独立预测预后的列线图构建
经单变量和多变量 Cox 回归分析，证实 8 - 细胞黏附相关基因风险特征是乳腺癌独立预后因素。基于风险评分、年龄、N 和 M 分期构建的列线图，能有效预测患者 1 年、3 年、5 年生存率。校准曲线和决策曲线分析显示，列线图预测准确性高、实用性强，为临床医生提供了一个直观且可靠的预后评估工具。
六、基于临床特征和风险模型的生存分析
对不同临床阶段高、低风险患者队列进行生存分析，发现高风险组生存率显著低于低风险组。在不同年龄、N 分期、M 分期等亚组中，该模型均能有效区分患者生存情况。此外，男性风险评分高于女性，T3+T4阶段风险评分高于 T1+T2阶段，进一步验证了模型的预测能力。
七、基于预后特征的免疫浸润和免疫治疗反应分析
通过多种算法分析发现，高、低风险组在肿瘤免疫浸润方面存在显著差异。高风险组巨噬细胞增多，而 aDCs、B 细胞等多种免疫细胞减少，免疫功能受抑制；低风险组则相反，免疫功能较强，免疫检查点因子表达较高，免疫表型评分（IPS）也更高，对免疫治疗反应更好。在接受抗 PD - L1治疗的队列中，低风险组患者生存率更高，反应率也显著高于高风险组。
八、肿瘤突变负荷（TMB）和药物反应评估
TMB 分析显示，高风险组 TP53 突变水平更高，两组 TMB 存在显著差异。药物敏感性预测发现，低风险组对 5 - 氟尿嘧啶、喜树碱、阿霉素更敏感，高风险组对多西他赛更敏感。此外，模型中的部分基因与特定药物敏感性存在相关性，为个性化用药提供了参考。
研究人员成功构建了基于细胞黏附相关基因的乳腺癌预后风险模型，该模型不仅能准确预测患者预后，还能评估免疫治疗反应、肿瘤突变负荷和药物敏感性，为乳腺癌的个性化治疗提供了有力依据。不过，研究也存在一定局限性，如数据多来自公共数据库，缺乏大规模独立临床队列验证。未来，还需进一步开展多中心、大样本的临床研究，深入探索细胞黏附相关基因的作用机制，为乳腺癌的精准诊疗提供更坚实的理论和实践基础。
