基于免疫-代谢特征的乳腺癌预后分层及其肿瘤微环境特征解析

《Cancer Medicine》：An Immune-Metabolic Signature Reveals Prognostic Stratification and Tumor Microenvironment Features in Breast Cancer

乳腺癌的进展反映了免疫与代谢重编程的耦联过程，但能够捕获这种相互作用并在常规临床病理评估之外提供额外预后信息的生物标志物仍然有限。研究人员在TCGA-BRCA（n=1099）中通过整合C7免疫特征和KEGG代谢通路，并结合Cox及LASSO-Cox建模，开发了一个11基因免疫-代谢风险评分（immune–metabolic risk Score）。该固定模型在不进行重新训练的情况下应用于三个公共队列和一个来自哈尔滨医科大学附属肿瘤医院的146例患者独立机构队列。该评分在多个独立队列中一致地对总生存期（overall survival, OS）进行分层，并在常规临床病理变量之外提供了额外的预后信息。整合分析显示，高风险肿瘤的特征是细胞周期和代谢活化增强、淋巴细胞相关免疫特征减少以及单核细胞谱系富集。在单细胞分辨率下，高评分癌症相关成纤维细胞（cancer-associated fibroblasts, CAFs）表现出增强的细胞外基质重塑、炎症性iCAF活性以及TGF-β相关的免疫抑制程序。在一个探索性含帕博利珠单抗（pembrolizumab）的队列中，较低的预处理评分与病理学完全缓解（pathological complete response, pCR）及免疫活化转录程序相关；然而，这些发现并不能将该评分确立为免疫治疗获益的预测性生物标志物。11基因免疫-代谢风险评分在常规临床变量之外提供了互补的预后分层，并刻画了一种与乳腺癌不良结局相关的基质重塑型免疫-代谢状态。

一种基于免疫-代谢特征的乳腺癌预后分层及肿瘤微环境特征解读

乳腺癌是一种高度异质性的恶性肿瘤，不同患者在分子特征、临床病理表现、治疗反应和总生存期方面存在显著差异。当前临床分类与治疗决策主要依赖TNM分期、雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体2（HER2）和Ki67等常规指标，但这些变量无法完全解释同一临床亚组内患者预后的显著差异。大规模分子分型研究进一步表明，乳腺癌包含多种分子状态和亚型内异质性，提示需要补充标准临床病理指标的分子工具以改进预后风险分层。肿瘤进展不仅受肿瘤细胞内在改变驱动，还受到肿瘤微环境（tumor microenvironment, TME）的深刻影响，其中免疫细胞、癌症相关成纤维细胞（CAFs）、内皮细胞、基质成分和细胞外基质结构共同调控肿瘤生长、侵袭、免疫逃逸和治疗敏感性。与此同时，代谢重编程不仅调控肿瘤细胞增殖和应激适应，也通过营养竞争、代谢物积累、氧化还原失衡和代谢串扰影响免疫细胞功能及基质通讯。免疫失调与代谢重塑在功能上耦联，共同决定乳腺癌临床相关的肿瘤状态。

尽管已有70基因签名、21基因复发评分和PAM50/ROR等转录组多基因工具用于改善风险评估，但多数方法仍侧重于单一生物学维度，难以全面捕获肿瘤细胞、免疫成分、基质要素和代谢状态之间的相互作用。近年来多组学技术进展强调乳腺癌应被视为一个生物学互连系统，但模型复杂度的增加可能限制生物学可解释性和临床转化可行性。因此，有必要聚焦于免疫调节和代谢重塑这两个紧密耦联的生物学过程，构建能够捕获单一维度难以反映的临床相关变异的新型预后工具。

研究人员以TCGA-BRCA为发现队列，整合MSigDB C7免疫特征基因集和KEGG代谢相关通路基因集，通过单因素Cox回归和LASSO-Cox回归筛选预后相关基因，并取两套候选基因空间的交集，最终构建了包含CEL、PGK1、APOA5、PLA2G1B、FABP7、QPRT、CYP2D6、ST6GALNAC6、GUCY2D、ST6GALNAC4和CYP3A43共11个基因的免疫-代谢风险评分（riskScore）模型。该模型的系数、标准化参数均在TCGA-BRCA中固定，并直接应用于METABRIC、GSE96058、GSE20685三个公共外部验证队列以及来自哈尔滨医科大学附属肿瘤医院的146例独立机构队列，无需重新训练或系数估计。研究人员还利用人类蛋白质图谱（HPA）免疫组化数据、GSE194040帕博利珠单抗相关队列以及GSE176078单细胞RNA测序数据，对该评分的生物学特征和细胞定位进行了探索。

研究结果显示，在TCGA-BRCA队列中，高风险组患者的总生存期显著差于低风险组，1年、3年和5年时间依赖性ROC曲线下面积分别达到0.839、0.757和0.751。多因素Cox回归分析在调整年龄、病理分期、ER状态和HER2状态后，风险评分仍为独立的不良预后因素（调整后HR=3.019, 95% CI: 2.172–4.195, p=4.69×10?11），且将风险评分加入临床模型后C指数从0.821提升至0.895（似然比检验p<0.001）。在三个公共外部队列中，连续风险评分与较差OS的关联在调整可用临床病理变量后仍然显著（METABRIC调整后HR=4.413, p=0.010；GSE96058调整后HR=1.523, p=0.001；GSE20685调整后HR=1.469, p=0.015）。在独立机构队列中，高风险组OS显著较差（p=0.00011），多因素调整后HR=2.00（95% CI: 1.34–2.90, p<0.001），且临床+风险评分模型的C指数从0.676提升至0.741（LRT p<0.001）。

在生物学特征方面，差异表达分析和Hallmark基因集富集分析显示，高风险组主要富集细胞周期进展、增殖和代谢重编程相关通路（如E2F靶点、G2M检查点、mTORC1信号、MYC靶点、氧化磷酸化、蛋白分泌和有丝分裂纺锤体），而低风险组相对富集顶端连接、凝血、同种异体排斥、上皮-间质转化、TNFα/NFκB信号和肌生成等通路。MCPcounter分析显示，高风险评分与单核细胞谱系丰度估计呈正相关，而与CD8 T细胞、总T细胞、细胞毒性淋巴细胞、B细胞谱系、髓样树突状细胞和内皮细胞丰度呈负相关。免疫检查点基因分析中，风险评分与HAVCR2呈正相关，与PDCD1和SIGLEC15呈负相关。

在帕博利珠单抗探索性分析中，GSE194040队列内接受紫杉醇联合帕博利珠单抗治疗的患者中，达到病理学完全缓解（pCR）者的预处理风险评分显著低于未达到pCR者（p=0.014），且pCR率随风险评分三分位升高而下降（60.9%、52.2%、21.7%）。然而，连续风险评分与pCR的 logistic 回归关联未达统计学显著性（OR=0.747, p=0.365），治疗-风险交互分析提示潜在交互作用（交互OR=0.511, p=0.048）。研究人员明确指出这些结果仅为探索性发现，不能将风险评分视为帕博利珠单抗获益的预测性生物标志物。

单细胞分析表明，11个模型基因并非局限于恶性上皮细胞，而是分布于免疫、上皮、内皮和基质等多个细胞区室，说明体块肿瘤风险评分反映了多细胞来源的复合信号。在CAFs中，高评分细胞表现出显著更高的细胞外基质重塑、炎症性iCAF和TGF-β免疫抑制程序评分，而myCAF活化程序无显著差异，这为高风险肿瘤的基质重塑和免疫抑制特征提供了细胞学基础。

讨论部分指出，该签名的重要特征是预后关联在独立队列中的可重复性。固定11基因签名在不同临床构成和转录组平台的数据集中仍保持信息性，表明其捕获的是相对稳健的生物学信号而非队列特异统计模式。单细胞结果提示该签名反映的是多细胞肿瘤生态系统，而非纯粹肿瘤细胞内在表型。高评分CAFs与基质重塑和免疫调节程序的关联，提示成纤维细胞相关过程是该免疫-代谢状态的重要组成部分。帕博利珠单抗相关分析仅作为预后模型的探索性延伸，不能作为治疗预测证据。研究局限包括基于回顾性转录组数据、跨平台表达分布差异、比例风险假设偏离、HPA和单细胞分析仅提供支持性生物学背景、帕博利珠单抗分析样本量有限等。未来需进行前瞻性验证、标准化测量、模型开发策略优化及关键基因和CAF相关机制的实验研究。

研究结论部分指出，该研究建立了一个11基因免疫-代谢签名，其在独立乳腺癌队列中具有可重复的预后价值，并在常规临床病理变量之外提供额外预后信息。整合分析表明，该签名捕获了涉及代谢、免疫和基质改变的复合肿瘤状态，单细胞发现进一步提示CAF相关重塑是该生物学背景的一个组成部分。这些发现支持免疫-代谢整合在乳腺癌风险分层中的潜在应用，但临床转化前仍需前瞻性验证、标准化测量和机制研究。