基于上皮-间质表型的ARIADNE算法预测HER2阴性乳腺癌免疫治疗反应

本研究针对HER2阴性乳腺癌免疫治疗响应预测难题，通过ARIADNE算法分析基因表达数据，成功将患者分为高风险组（pCR率26%）和低风险组（pCR率62%），并发现细胞因子评分与PD-L1通路调控活性协同增强预测效能。该研究为个性化免疫治疗策略提供了新型生物标志物组合。

　　

在乳腺癌治疗领域，HER2阴性特别是三阴性乳腺癌（TNBC）患者面临严峻挑战。尽管免疫检查点抑制剂如帕博利珠单抗（pembrolizumab）联合化疗显示出前景，但仅部分患者能达到病理完全缓解（pCR）。肿瘤异质性和复杂的肿瘤微环境（TME）仍是主要障碍，尤其是上皮-间质转化（EMT）过程导致的混合表型与治疗抵抗密切相关。目前除PD-L1蛋白表达外，缺乏有效预测生物标志物，使得临床医生难以精准筛选免疫治疗获益人群。

为应对这一挑战，研究团队开发了ARIADNE算法——一种通过布尔网络模型解析EMT通路的计算工具。本研究基于I-SPY 2临床试验的248例HER2阴性乳腺癌患者基因表达数据（69例接受帕博利珠单抗+化疗，179例单独化疗），结合单细胞RNA测序数据（NCT03366844试验34例TNBC患者），系统评估了ARIADNE算法预测免疫治疗响应的能力。

关键技术方法包括：1）从GEO数据库获取批量RNA测序数据（GSE194040）和单细胞数据（GSE246613）；2）通过ARIADNE算法计算EMT表型评分；3）构建23种细胞因子的表达评分体系；4）采用PD-L1通路（KEGG hsa05235）基因互作网络分析；5）运用单细胞解析技术追踪T细胞亚群动态变化。

研究结果：

ARIADNE风险分层与免疫治疗响应

通过ARIADNE评分将患者分为低风险组和高风险组。在免疫治疗联合化疗组中，低风险组pCR率达62%，显著高于高风险组的26%（OR=4.7, 95%CI:1.68-11.32, p<0.01）。而在单纯化疗组中，两组pCR率无显著差异，表明ARIADNE特异性预测免疫治疗响应。

细胞因子评分的协同作用

研究发现细胞因子评分与ARIADNE评分存在协同效应。低ARIADNE评分合并高细胞因子评分的患者pCR率最高（72%），而高ARIADNE评分合并低细胞因子评分组pCR率最低（18%）。多变量逻辑回归证实两者均为独立预测因子。

PD-L1通路的调控机制

尽管两组间PD-L1通路基因表达无差异，但基因间调控网络呈现显著不同。低风险组显示更强的基因协同表达模式，提示其PD-L1通路处于更活跃的免疫调控状态。

单细胞水平的验证

单细胞数据分析证实：1）癌症细胞ARIADNE评分低者更易响应免疫治疗；2）响应者癌症相关成纤维细胞（CAF）中细胞因子评分更高；3）耗竭CD8⁺ T细胞（PD1⁺/HAVCR2⁺/LAG3⁺/CTLA4⁺）在响应者中比例显著更高且随时间增加；4）调节性T细胞（CD4⁺CD25⁺FOXP3⁺）在响应者中更丰富。

-

-4)；c-d 癌细胞与CAF中细胞因子评分与pCR关联；e ARIADNE低/细胞因子高组合pCR率最高'>

+ T细胞比例在响应者中更高且随时间上升；b 调节性T细胞在响应者中比例更高'>

研究结论与意义：

本研究证实ARIADNE算法能有效预测HER2阴性乳腺癌对免疫治疗而非化疗的响应。其预测机制可能与PD-L1通路的调控状态相关，而非单纯基因表达水平差异。结合细胞因子评分可进一步提高预测准确性。单细胞分析揭示响应者具有更活跃的肿瘤免疫微环境，表现为更高比例的耗竭T细胞和调节性T细胞。

该研究的创新点在于：1）首次将EMT表型分析应用于免疫治疗预测；2）发现PD-L1通路调控模式而非表达水平决定治疗响应；3）证实细胞因子环境与EMT表型的协同作用；4）通过单细胞技术动态追踪免疫细胞变化。这些发现为开发新型免疫治疗生物标志物组合提供了重要依据，有望推动乳腺癌个性化治疗的发展。

研究结果发表于《Communications Medicine》（自然合作期刊），为临床医生提供了实用的决策工具，有助于避免免疫治疗过度使用并提高治疗效率。未来需进一步验证ARIADNE与细胞因子评分在多中心临床试验中的预测价值，并探索其与其他免疫治疗方案的通用性。