基于转录组与单细胞测序的三阴性乳腺癌免疫微环境特征及预后基因标志物研究

本研究针对三阴性乳腺癌(TNBC)缺乏有效预后标志物的问题，通过整合TCGA和GEO数据库的RNA测序数据与单细胞测序(scRNA-seq)数据，筛选出BPI、GPHA2等6个关键免疫相关基因(IRGs)，构建了随机生存森林(RSF)预后模型。研究发现RASGRP1通过上皮细胞、成纤维细胞和T细胞发挥作用，为TNBC的免疫治疗提供了新靶点。论文发表于《Scientific Reports》，对改善TNBC患者分层和个性化治疗具有重要临床价值。

　　

三阴性乳腺癌(TNBC)作为乳腺癌中最具侵袭性的亚型，因其雌激素受体(ER)、孕激素受体(PR)和人表皮生长因子受体2(HER2)的缺失，治疗选择极为有限。这类肿瘤不仅复发风险高、转移早，而且对传统化疗易产生耐药性，五年生存率显著低于其他乳腺癌亚型。更棘手的是，TNBC肿瘤微环境(TME)中复杂的免疫细胞互作网络，使得现有的免疫检查点抑制剂(ICI)疗效参差不齐。如何破解TNBC的免疫逃逸机制、寻找可靠的预后标志物，成为临床亟待解决的难题。

福建医科大学省立临床医学院乳腺外科的研究团队在《Scientific Reports》发表了一项突破性研究。通过整合多组学数据和人工智能算法，研究人员首次系统揭示了TNBC免疫微环境的细胞图谱，并鉴定出6个具有临床转化价值的免疫相关基因(IRGs)标志物。这项研究不仅为TNBC的精准分型提供了分子基础，更开辟了联合靶向治疗的新思路。

研究采用TCGA数据库中121例TNBC样本和112例对照样本的RNA-seq数据作为训练集，GSE65194和GSE148673数据集作为验证集。关键技术包括：1)通过DESeq2进行差异表达分析和ImmPort数据库筛选获得572个候选IRGs；2)采用LASSO回归和随机生存森林(RSF)算法构建预后模型；3)利用CIBERSORT分析免疫细胞浸润特征；4)基于GSE148673单细胞数据集解析关键细胞亚群；5)通过药物敏感性预测筛选潜在治疗药物。

在"候选基因筛选与分析"部分，研究鉴定出572个差异表达的IRGs，富集分析显示这些基因显著参与细胞因子-细胞因子受体相互作用等免疫相关通路。蛋白互作网络揭示CCL5等基因处于调控网络的核心节点。

"预后风险模型构建"章节显示，通过机器学习筛选出的BPI、RASGRP1等6个基因中，BPI(HR=0.362)和RASGRP1(HR=0.399)是显著的保护因素。RSF模型在训练集和验证集的AUC均>0.6，3年生存预测准确率达70%以上。列线图分析证实该模型具有良好的临床适用性。

"临床特征与功能通路差异"研究发现，TNM III-IV期和N2-3期患者风险评分显著升高。GSEA分析揭示高风险组富集在趋化因子信号通路等免疫相关通路，而GSVA显示低风险组"原发性免疫缺陷"通路活跃。

"免疫机制与潜在药物"部分有三项重要发现：1)静息树突状细胞和M2型巨噬细胞在高风险组显著增多；2)免疫检查点CTLA4和LAG3表达存在组间差异；3)DNA-PK抑制剂NU-7441对低风险组效果显著。单细胞分析鉴定出内皮细胞、T细胞和成纤维细胞是RASGRP1作用的关键载体。

研究最后通过伪时序分析描绘了关键细胞的发育轨迹：上皮细胞亚型1处于分化早期，而BPI、RASGRP1等基因在晚期分化阶段高表达。细胞通讯分析发现成纤维细胞通过MIF-(CD74+CD44)信号轴与巨噬细胞密切互作。

这项研究的创新价值体现在三个方面：首先，RSF模型突破了传统预后标志物的局限性，首次整合多组学数据实现TNBC精准分层；其次，发现RASGRP1通过调控记忆性CD4⁺T细胞影响肿瘤免疫循环，为联合免疫治疗提供新靶点；最后，鉴定NU-7441等潜在治疗药物，为克服化疗耐药提供转化方向。研究存在的局限性是缺乏体内外实验验证，未来需要进一步阐明IRGs调控免疫微环境的具体分子机制。

该成果不仅为TNBC预后评估建立了新的标准，更重要的是，通过揭示免疫微环境与关键基因的互作网络，为开发"免疫治疗+靶向药物"的联合策略奠定了理论基础。随着个性化医疗时代的到来，这种基于人工智能的多组学分析方法，有望成为攻克难治性肿瘤的重要研究范式。