基于五长链非编码RNA特征的早期浸润性乳腺癌预后模型构建及临床验证

本研究针对现有分期方法对早期乳腺癌(EBC)术后复发风险预测不足的临床难题，通过分析转移性乳腺癌差异表达的12个lncRNA，利用LASSO Cox回归构建了包含CBR3-AS1、HNF4A-AS1等5个关键lncRNA的预后标志物。该标志物在400例患者队列中验证显示，高风险组5年无病生存率(DFS)显著低于低风险组(训练组61.1% vs 92.2%，验证组72.9% vs 85.4%)，且独立于传统临床病理因素。研究创新性地将分子标志与临床参数整合为列线图模型，为EBC个体化治疗决策提供了新工具。

　　

乳腺癌作为女性最常见的恶性肿瘤，早期诊断率虽高，但约20-30%的早期乳腺癌(EBC)患者术后仍会出现复发转移。目前临床主要依赖肿瘤分期、淋巴结转移等传统指标进行风险评估，但这些方法对生物学异质性显著的乳腺癌往往力不从心，既难以精准区分复发风险层级，也无法识别需要强化治疗的特殊亚群。这种临床困境呼唤着新型分子标志物的出现，而近年来备受关注的长链非编码RNA(lncRNA)因其在肿瘤进展中的调控作用，成为突破现有预后评估瓶颈的新希望。

云南肿瘤医院乳腺外科团队在《Cancer Cell International》发表的研究中，通过系统分析乳腺癌原发灶与肝转移组织的lncRNA表达谱，首次构建并验证了一个基于5个lncRNA的预后预测模型。这项研究创新性地将分子特征与传统临床参数整合，开发出具有显著临床转化价值的预后评估工具，为EBC患者的个体化治疗决策提供了重要依据。

研究采用多阶段设计，关键技术包括：(1)通过RNA-seq技术筛选3对原发灶-转移灶差异表达的12个lncRNA；(2)使用LASSO Cox回归从400例EBC患者(训练/验证队列各200例)中筛选出5个关键lncRNA；(3)qRT-PCR验证标志物表达；(4)构建包含临床病理因素的列线图模型。所有患者样本均来自2019年接受手术的EBC患者，严格排除转移病例。

研究结果

Construction of a tumor tissue LncRNA signature
通过RNA-seq分析发现12个在转移灶中差异表达的lncRNA(6个上调和6个下调)，LASSO回归最终筛选出CBR3-AS1、HNF4A-AS1、LINC00622、LINC00993和LINC00342这5个最具预后价值的lncRNA。风险评分(RS)公式为：RS=(2.286×HNF4A-AS1)-(0.690×LINC00622)+(2.813×CBR3-AS1)-(3.329×LINC00993)-(0.136×LINC00342)。

Evaluation of the RS formula
以0.91为cut-off值，训练队列高风险组5年DFS显著低于低风险组(61.1% vs 92.2%，HR=6.329)，验证队列同样显示高风险组预后更差(72.9% vs 85.4%，HR=2.565)。多因素分析证实该标志物是独立预后因素(HR=3.584)。

Nomogram combined LncRNAs signature and clinical-related factors
整合5-lncRNA标志物与临床参数构建的列线图预测性能优异，训练组和验证组的AUC分别达0.79和0.81，显著优于单一临床指标。

结论与意义
该研究突破性地建立了首个基于5-lncRNA特征的EBC预后预测系统，其创新价值体现在：(1)首次报道LINC00622和LINC00342在乳腺癌预后中的价值；(2)验证了LINC00993的保护性作用；(3)通过LASSO回归解决了高维数据建模难题；(4)开发的列线图工具直观易用。尽管存在缺乏外部验证的局限，但这一融合分子与临床信息的预测模型，为克服当前EBC治疗决策中的"过度治疗"或"治疗不足"困境提供了新思路，有望指导临床制定更精准的辅助治疗方案。