编辑推荐：
卵巢癌死亡率高，缺乏有效预后评估工具。研究人员构建巨噬细胞 M2 相关特征（MRS）预测卵巢癌预后及免疫治疗反应。结果显示 MRS 可作独立预后因子，低风险评分患者免疫治疗效果更佳。该研究为卵巢癌诊疗提供新方向。
在女性健康的 “战场” 上，卵巢癌可谓是一个极其危险的 “敌人”。它在全球女性癌症相关死亡原因中排名第五，虽然发病率不及乳腺癌，但其死亡率却高达乳腺癌的三倍。更为严峻的是，预计到 2040 年，卵巢癌的死亡率还会大幅上升。这主要是因为目前缺乏有效的筛查技术和精准的预后评估工具，导致很多患者确诊时已处于晚期，治疗难度极大。同时，在肿瘤免疫治疗蓬勃发展的当下，对于卵巢癌免疫治疗的研究却相对滞后，医生们难以准确判断哪些患者能从免疫治疗中获益。因此，探寻能够精准预测卵巢癌预后和免疫治疗反应的生物标志物，成为了医学领域亟待解决的重要问题。
为了攻克这一难题，南昌大学江西医学院第二附属医院生殖医学中心的研究人员 Yifei Xiong 和 Yan Tong 开展了一项极具意义的研究。他们构建了一种巨噬细胞 M2 相关特征（MRS），并深入评估了其在预测卵巢癌临床结局和免疫治疗反应方面的潜力。该研究成果发表在《Discover Oncology》杂志上，为卵巢癌的诊疗带来了新的曙光。
研究人员在此次研究中运用了多种关键技术方法。首先，从多个数据库获取数据，包括从癌症基因组图谱数据库（TCGA）获取卵巢癌批量 RNA 测序数据及临床信息，从 GEO 数据库下载验证集 GSE14764 和 GSE140082，从 TISCH2 数据库获取单细胞数据集 GSE158722 。利用 R 包 “sva” 进行批次效应校正，确保数据的可靠性。之后，运用 CIBERSORT 算法分析细胞类型和基因表达，结合加权基因共表达网络分析（WGCNA）筛选巨噬细胞 M2 相关基因。再通过 10 种机器学习算法，如随机生存森林、弹性网络等构建 MRS，并在多个队列中进行验证。最后，采用 ESTIMATE 算法评估肿瘤免疫微环境，借助多种评分系统评估 MRS 预测免疫治疗反应的能力。
研究结果
- 筛选巨噬细胞 M2 相关基因：通过设置 β 值为 0.9，确定最佳软阈值功率为 6，进而筛选出黑色和黄色两个关键模块，共包含 1543 个巨噬细胞 M2 相关基因（MRGs）。与单细胞数据集交叉分析后，得到 311 个 MRGs 用于后续研究。
- 构建并验证 MRS：经单变量 Cox 分析确定 26 个潜在预后生物标志物，运用 10 种机器学习算法构建 52 个预后模型。综合评估发现，基于 Lasso 方法构建的模型平均 C-index 最高（0.78），被确定为最佳 MRS，其中包含 13 个巨噬细胞相关基因。
- MRS 性能评估：在多个数据集中，高风险评分的卵巢癌患者总生存率（OS）较低。MRS 预测 OS 的 C-index 和 ROC 曲线下面积（AUC）均高于肿瘤分级和临床分期。多变量 Cox 回归分析证实，MRS 风险评分是卵巢癌的独立预后因素。构建的生存预测列线图对 1、3、5 年 OS 率的预测准确性良好。
- 肿瘤免疫微环境差异：风险评分与免疫细胞浸润存在显著相关性，低风险评分患者的免疫激活细胞水平、免疫相关功能及 ESTIMATE 评分更高，且 M2/M1 巨噬细胞比例更低。
- 预测免疫治疗反应：低风险评分患者的免疫检查点和 HLA 相关基因表达更高，CTLA4&PD1 免疫表型评分和肿瘤突变负荷（TMB）评分也更高，同时 TIDE 评分、T 细胞功能障碍和排除评分以及免疫逃逸评分更低，提示其对免疫治疗的反应更好。在 IMvigor210 和 GSE91061 队列中，也进一步验证了 MRS 风险评分可作为预测免疫治疗获益的生物标志物。
研究结论与讨论
研究人员成功构建了卵巢癌的 MRS，它能作为独立的预后因素，精准预测卵巢癌患者的生存结局。同时，MRS 风险评分还可有效预测卵巢癌患者对免疫治疗的反应，低风险评分患者更有可能从免疫治疗中获益。这一研究成果为卵巢癌的临床诊疗提供了新的生物标志物和潜在治疗靶点，有助于医生为患者制定更精准的治疗方案。
然而，该研究也存在一定局限性。一方面，MRS 相关基因的功能尚未在更多细胞系中进行实验验证；另一方面，研究未采用前瞻性研究设计，且数据可能存在批次效应。尽管如此，这项研究依然为卵巢癌领域的研究开辟了新方向。未来研究可进一步深入探索 MRS 基因在卵巢癌中的具体作用机制，开展前瞻性研究验证 MRS 的可靠性，从而推动卵巢癌诊疗技术的进一步发展，为广大卵巢癌患者带来更多生存希望。
