综述：利用肿瘤DNA甲基化进行乳腺癌分型及预后预测的研究进展

这篇综述系统总结了DNA甲基化（DNA methylation）在乳腺癌分子分型（如ER+/ER-、三阴性乳腺癌TNBC）和预后预测中的应用现状。文章指出，尽管全基因组甲基化分析揭示了不同亚型间的显著差异（如RASSF1A、BRCA1等基因），但现有分型方法因技术异质性导致结果不一致。预后方面，BRCA1启动子高甲基化与不良预后显著相关（HR=2.0），而多CpG标记模型（如15-CpG签名）在独立验证中表现不稳定。作者强调需更大规模研究解决现有局限性，并探索甲基化与基因表达（如PAM50）、拷贝数变异的协同作用。

　　

背景

乳腺癌的高度异质性促使研究者寻求超越传统病理分型的分子标志物。DNA甲基化作为关键表观遗传调控机制，在肿瘤发生发展中呈现亚型特异性模式。早期基因表达分型（如PAM50）和临床检测（如Oncotype DX）虽已应用，但受限于RNA稳定性和成本。相比之下，甲基化检测具有技术稳定性和成本优势，为乳腺癌精准诊疗提供了新思路。

甲基化差异与亚型分类

大量研究通过候选基因和全基因组分析（如Illumina HM450K阵列）揭示了激素受体状态的甲基化特征：

• ER阳性肿瘤：普遍呈现高甲基化状态，如SCGB3A1、FAM124B等基因。
• ER阴性/TNBC：特征性低甲基化见于ACADL、PTGS2等基因，而BRCA1启动子高甲基化与基底样亚型相关。

全基因组研究进一步发现，ER⁺与ER^-肿瘤的甲基化差异可能由雌激素信号通路（如ERα/FOXA1结合位点）驱动。

甲基化分型的挑战

尽管聚类分析（如K-means、RPMM）尝试建立新亚型，但结果差异显著：

• 基底样亚型：多研究能稳定分离，如TCGA中基于167个高变异CpG的聚类。
• Luminal亚型：细分一致性差，可能与肿瘤纯度或免疫浸润干扰有关。
  一项跨队列分析（MCCS vs TCGA）显示，不同算法间调整Rand指数（ARI）仅0.3-0.7，凸显方法标准化的重要性。

预后预测的现状与局限

关键基因层面：

• BRCA1：启动子甲基化使死亡风险倍增（HR=2.0, 95%CI 1.3-3.0），尤其在TNBC中预测化疗敏感性。
• PITX2：甲基化水平与蒽环类药物疗效相关，已开发商用检测（therascreen?）。

多标记模型：

• 15-CpG签名在训练集（TCGA）表现优异（C-index=0.97），但外部验证（瑞典队列）效能骤降至0.64。
• 甲基化-表达联合分析（如emQTL）发现增殖相关簇在ER^-肿瘤中富集，提示通路级标记可能更稳健。

未来方向

当前瓶颈包括：

1. 技术干扰：批次效应和细胞组成（如肿瘤浸润淋巴细胞）需通过算法（如EpiDISH）校正。
2. 临床转化：仅PITX2检测进入临床，多数签名缺乏与现有临床指标（如Oncotype DX复发评分）的头对头比较。
3. 多组学整合：甲基化与突变（如TP53）、拷贝数变异的交互作用亟待探索。

结论

DNA甲基化在揭示乳腺癌生物学异质性上展现出潜力，但临床适用性仍有限。大规模队列和标准化分析流程将是推动该领域突破的关键。