编辑推荐：
胶质母细胞瘤（GBM）预后差，现有免疫治疗效果不佳，且缺乏有效的基于肿瘤免疫微环境（TIME）的免疫预后模型。研究人员用 TCGA 数据经单样本基因集富集分析（ssGSEA）构建模型，该模型可评估预后和免疫特征，为治疗提供指导。
在医学研究的舞台上，胶质母细胞瘤（Glioblastoma，GBM）犹如一个难以攻克的 “堡垒”，让无数患者和科研人员为之困扰。GBM 是成人中最具侵袭性且最为常见的原发性恶性脑肿瘤，它在恶性中枢神经系统（CNS）肿瘤中占比高达 48.6%，在所有肿瘤里也占到了 14.5%。即便采用了标准的治疗方案，像最大限度的手术切除，术后再配合替莫唑胺进行放化疗，治疗效果依旧差强人意。被诊断为 GBM 的患者，中位总生存期（OS）仅约 14.6 个月，5 年生存率更是低至 7.2% 。近年来新兴的肿瘤治疗电场（Tumor-treating fields，TTFields）虽然带来了一丝希望，能干扰细胞分裂和细胞器组装，展现出一定的治疗效果，但它也无法彻底根除 GBM。与此同时，针对 GBM 的新药和新策略的临床试验不断增加，尤其是免疫疗法和靶向疗法领域，不过患者对免疫疗法的抵抗现象较为严重，这与 GBM 的免疫抑制性肿瘤免疫微环境（Tumor immune microenvironment，TIME）密切相关。而且，目前基于 TIME 的有效免疫预后模型少之又少，因此，构建一个可靠的免疫预后模型迫在眉睫。
为了解决这些难题，来自国外（文中未明确具体机构名称）的研究人员展开了深入研究。他们通过全面分析肿瘤中富集的生物学过程和通路，成功构建了 GBM 的免疫预后模型。这一研究成果发表在《Cancer Genetics》杂志上，为 GBM 的治疗和预后评估开辟了新的方向。
研究人员在此次研究中运用了多种关键技术方法。他们从加州大学圣克鲁兹分校的 Xena 浏览器，下载了 GBM 患者的基因表达 RNA 测序（RNA-seq）数据、体细胞突变数据以及表型信息，筛选出 141 例异柠檬酸脱氢酶（IDH）野生型 GBM 患者的数据用于模型构建。验证阶段，则从特定数据库获取了 GBM 样本的 RNA-seq 数据和临床信息。研究的核心技术是单样本基因集富集分析（single-sample gene set enrichment analysis，ssGSEA），基于此对来自分子特征数据库的基因集进行全面分析，筛选出与预后相关的基因集构建模型。
下面让我们详细了解一下具体的研究结果。
- 免疫预后模型的构建：研究人员运用 LASSO Cox 回归分析，从 18 个基因集中精心挑选出 4 个用于模型构建。随后，基于这些参数建立了 Cox 回归模型，并构建了列线图（nomogram）。他们将列线图的总得分定义为肿瘤免疫评分（tumor-immune score，T-I score） ，基因集 4 的得分定义为 I 评分，同时计算了各基因集的 ssGSEA 评分与总得分之间的相关系数。这一模型的构建，为后续评估患者预后和免疫特征奠定了坚实基础。
- 模型的预后验证：研究人员分别在训练队列（TCGA 数据集）和验证队列（CGGA 数据集）中对模型进行验证。通过绘制 Kaplan-Meier 曲线发现，高风险组患者的总生存期明显比低风险组更差，在 TCGA 队列中，二者差异显著（p < 0.001） ，在 CGGA 队列中同样差异明显（p = 0.04）。这充分表明，该模型能够有效区分不同风险等级的患者，对预后评估具有重要价值。
- 免疫浸润分析：借助计算机模拟细胞术（in silico cytometry），研究人员对 TCGA、CGGA 和爱知县癌症中心（Aichi Cancer Center，ACC）队列中的高低风险患者进行免疫浸润分析。结果发现，高风险组中具有免疫抑制特性的巨噬细胞和具有效应功能的 T 细胞显著增加（p < 0.01）。这一发现揭示了高低风险组患者免疫微环境的差异，有助于进一步理解 GBM 的免疫机制。
综合上述研究结果，研究人员得出结论：基于 ssGSEA 评估 TIME 构建的免疫预后模型，在预测 GBM 患者的预后和免疫特征方面表现出色。通过筛选和分析预后较差且免疫细胞浸润较高的病例，能够为开发抗原特异性免疫疗法提供重要依据。尽管目前开发抗原特异性免疫疗法仍是 GBM 治疗领域的一大挑战，但此项研究无疑为后续探索指明了方向。
在讨论部分，研究人员再次强调 GBM 的恶性程度极高，对现有标准治疗手段具有很强的抗性，长期以来治疗效果难以取得明显突破。而免疫疗法虽然前景广阔，但 GBM 患者对其存在抵抗现象，这与肿瘤的免疫微环境密切相关。此次构建的免疫预后模型，为深入了解 GBM 患者的免疫微环境和预后情况提供了有力工具，有望助力开发更有效的免疫治疗策略。这项研究成果为 GBM 的临床治疗和科研探索带来了新的曙光，激励着更多科研人员朝着攻克 GBM 这一目标继续前行。
