基于单细胞转录组学与深度学习的TNBC巨噬细胞极化调控机制及协同药物策略研究

针对三阴性乳腺癌(TNBC)免疫抑制微环境中巨噬细胞极化失衡的临床难题，研究人员通过整合scRNA-seq、机器学习及计算药理学技术，构建了M1/M2巨噬细胞分化特征评分系统(MMDCSS)，发现ZBTB20是调控巨噬细胞极化的关键转录因子，并证实临床药物非那雄胺(Finasteride)可通过靶向ZBTB20逆转M2极化，与阿霉素(ADR)产生协同抗肿瘤效应，为TNBC免疫微环境重塑提供了创新治疗策略。

　　

三阴性乳腺癌（TNBC）因其缺乏雌激素受体、孕激素受体和HER2表达，成为乳腺癌中最具侵袭性的亚型，约占所有乳腺癌病例的10%，却导致不成比例的高死亡率。传统化疗效果有限，5年生存率显著低于其他亚型，这主要归因于其独特的免疫抑制性肿瘤微环境（TME）。其中，肿瘤相关巨噬细胞（TAMs）的异常极化——即从具有抗肿瘤活性的M1型向促肿瘤生长的M2型转化——被认为是驱动免疫逃逸和治疗抵抗的关键因素。尽管巨噬细胞极化在TNBC进展中的重要性已被广泛认可，但调控这一过程的分子机制仍不明确，且缺乏精准靶向干预策略。

为破解这一难题，来自昆明理工大学的研究团队在《Translational Oncology》发表了一项创新性研究。他们通过整合24例TNBC患者的单细胞RNA测序（scRNA-seq）数据，结合机器学习算法和伪时间轨迹分析，首次系统解析了巨噬细胞极化的动态特征，并开发出具有临床转化价值的治疗新策略。

研究采用多组学整合分析方法，关键技术包括：1) 基于GSE143423等4个scRNA-seq队列的细胞图谱构建（Harmony算法去批次效应）；2) Monocle伪时间轨迹分析揭示M1-M2转化动态；3) 弹性网络算法构建M1/M2巨噬细胞分化特征评分系统(MMDCSS)；4) Autodock虚拟分子对接筛选ZBTB20靶向药物；5) 深度学习模型预测药物协同效应；6) 体内外实验验证（4T1小鼠模型、THP-1/RAW264.7巨噬细胞模型）。

巨噬细胞极化失衡的单细胞图谱特征
通过整合90,472个细胞的转录组数据，研究团队绘制了TNBC微环境的高分辨率细胞图谱。免疫细胞亚群分析显示，M2型巨噬细胞在多数TNBC患者中显著富集，且与M1型比例严重失衡。伪时间轨迹分析揭示，M1表型位于分化早期，而M2表型聚集于终末分化阶段，暗示TNBC微环境驱动巨噬细胞向M2方向的单向极化。

MMDCSS模型的构建与验证
研究团队从229个极化相关差异基因中筛选出3个核心标志物（CD93、CHI3L1、ZBTB20），建立预后模型MMDCSS = 1.078CD93 - 1.084ZBTB20 - 0.570*CHI3L1。该模型在训练队列中展现出卓越的预测性能（C-index: 0.929，3年AUC: 0.907），且被证实是独立预后因素（HR=11.31）。机制研究表明，ZBTB20作为M1表型维持的关键转录因子，在TNBC组织中表达显著下调，其缺失通过NF-κB通路促进M2极化。

药物重定位与协同治疗策略
通过计算药理学筛选，非那雄胺（Finasteride）被鉴定为ZBTB20的有效调节剂（结合能-7.7 kcal/mol）。体外实验证实，10 μM非那雄胺可显著上调THP-1巨噬细胞中ZBTB20表达（2.1倍），同时降低M2标志物CD206（0.4倍）并提升M1因子TNF-α（3.8倍）。在4T1小鼠模型中，非那雄胺（0.5 mg/kg）与阿霉素（2 mg/kg）联用使肿瘤体积减少58%，流式细胞术显示肿瘤内CD45⁺CD11b⁺CD206⁺ M2巨噬细胞比例下降42%，血清IL-6等促炎因子水平显著升高。

研究启示与临床价值
该研究创新性地将计算生物学与实验验证相结合，首次揭示ZBTB20是调控巨噬细胞极化的"分子开关"，并证实临床常用药非那雄胺可通过靶向该分子重塑免疫微环境。这种"老药新用"策略具有显著的临床转化优势：1) 非那雄胺已通过FDA认证，安全性有保障；2) 与标准化疗药阿霉素联用可产生协同效应，可能降低化疗剂量需求；3) 为TNBC免疫治疗提供新靶点。研究建立的MMDCSS评分系统不仅能精准预测患者预后和免疫治疗响应，更为开发针对肿瘤微环境的组合疗法提供了理论框架。未来需通过更大样本的临床研究验证这一策略，并深入探索ZBTB20下游调控网络，以优化靶向干预方案。