编辑推荐：
为探寻乳腺癌骨转移机制，研究人员构建 PABMS 模型，可预测预后，为个性化治疗提供依据。
乳腺癌，这个女性健康的 “头号杀手”，每年在全球范围内都夺走无数生命。而乳腺癌一旦发生骨转移，更是让患者的生存质量急剧下降，预后情况堪忧。传统的治疗手段，像化疗、放疗以及一些针对骨头的药物，在面对乳腺癌骨转移时，效果往往差强人意，主要原因是癌细胞会对这些治疗产生耐药性。因此，深入了解乳腺癌骨转移的分子机制，找到新的生物标志物，就成了医学领域亟待攻克的难题。
为了解开这些谜团，郑州大学第一附属医院骨科以及郑州大学医学科学院河南医药科学研究所的研究人员，开展了一项极具意义的研究。他们的研究成果发表在《Heliyon》杂志上，为乳腺癌骨转移的诊疗带来了新的曙光。
在研究过程中，研究人员用到了几个关键的技术方法。首先，他们从公共数据库 TCGA（The Cancer Genome Atlas）和 GEO（Gene Expression Omnibus）获取了大量的基因表达数据。然后，对这些数据进行了一系列处理，包括数据标准化、差异基因筛选等。利用这些处理后的数据，通过构建不同的回归模型，筛选出与乳腺癌骨转移预后相关的基因。此外，运用 CIBERSORT 算法，对免疫细胞浸润情况进行分析，以探究免疫反应与骨转移之间的关系。
下面来看看具体的研究结果：
- 筛选差异表达基因：研究人员对比了从 GSE14776 数据集收集的 6 个转移性肿瘤细胞（MTCs）和 8 个播散性肿瘤细胞（DTCs）的基因表达模式，发现 3373 个基因上调，4677 个基因下调。同时，在 TCGA 数据库中，他们还找到了 4221 个在乳腺癌肿瘤和癌旁组织中存在差异表达的基因。通过韦恩图分析，进一步确定了与乳腺癌骨转移相关的差异表达基因12。
- 构建预后骨转移特征模型（PABMS）：研究人员利用来自 TCGA 数据库的 1070 个乳腺癌样本作为训练集，通过单变量 Cox 比例风险回归分析，确定了 610 个与骨转移相关的基因中，有 80 个与总生存期相关。接着，运用 LASSO Cox 比例风险回归模型，筛选出 43 个最具预测能力的基因。最后，通过多变量 Cox 回归分析，构建了包含 EZR、SBK1、L1CAM 和 CXCL1 这 4 个基因的 PABMS 模型。该模型能有效预测乳腺癌患者的总生存期，高风险评分的患者总体生存率明显较差34。
- PABMS 与免疫反应的关联：研究人员将乳腺癌样本分为低风险组（907 个样本）和高风险组（163 个样本），进行基因集富集分析（GSEA）。结果显示，高风险组患者与免疫系统途径激活密切相关，特别是 TNFA 通过 NF-κB 信号通路、趋化因子信号通路以及 TH17 细胞富集。进一步研究发现，风险评分与干扰素反应通路、STAT1 信号转导通路以及造血细胞激酶途径显著相关，表明免疫反应与风险评分之间存在密切联系56。
- 免疫检查点与 PABMS 的关系：通过 CIBERSORT 技术分析肿瘤内免疫细胞分布，发现高风险组患者样本中活化的自然杀伤（NK）细胞和 M2 巨噬细胞数量较多，而 T 滤泡辅助细胞、中性粒细胞、单核细胞和 CD8? T 细胞数量较少。同时，研究人员还分析了 16 种免疫检查点分子，发现高风险患者中 FGL-1、PD-1、B7-H4 和 galectin-9 的表达水平存在差异78。
综合研究结果和讨论部分，这项研究意义重大。研究人员成功构建了 PABMS 模型，该模型可以预测乳腺癌患者骨转移的风险和预后情况，为临床医生制定个性化治疗方案提供了有力依据。通过对免疫反应的研究，揭示了高风险和低风险患者之间免疫状态的差异，为免疫治疗在乳腺癌骨转移中的应用提供了新的思路。不过，该研究也存在一定局限性，如未进行体外实验和动物模型的功能验证，数据来源于公共数据库，可能影响结果的普适性。未来，研究人员计划通过体外实验和动物模型进一步验证关键基因的功能，并结合更多前瞻性临床样本，增强模型的可靠性和实用性，推动其在精准医学中的应用。
