來勢兇猛的乳腺癌,已經(jīng)成為女性中最常見的惡性腫瘤。在這其中,又以三陰性乳腺癌最為令人膽寒,被稱為乳腺癌之王。
三陰性乳腺癌(TNBC)是一種高度異質(zhì)性腫瘤,由于雌激素受體(ER)、孕激素受體(PR)和人表皮生長因子(Her-2)均為陰性,意味著內(nèi)分泌治療和靶向治療對這種癌癥都不管用;且有分化差、侵襲性強、更早且更易發(fā)生復發(fā)轉(zhuǎn)移的特點,超過1/3的三陰性乳腺癌患者會發(fā)生復發(fā)或遠處轉(zhuǎn)移。復發(fā)或轉(zhuǎn)移性三陰性乳腺癌通常預后較差,5年生存率不足15%,顯著低于乳腺癌患者整體5年生存率(31%)。
(圖片來源于網(wǎng)絡)
今年年初,上海交通大學醫(yī)學院附屬瑞金醫(yī)院乳腺疾病診治中心沈坤煒教授團隊聯(lián)合上海市第六人民醫(yī)院,上海交通大學生物醫(yī)學工程學院研究人員報道了基于三陰性乳腺癌患者外泌體的相關基因集,利用機器學習算法篩選的構(gòu)建了9基因風險評分模型,并篩選了最具價值的核心基因。該研究可能有助于三陰性乳腺癌患者制定個性化治療決策并改善其預后。相關成果以“An exosome-based specific transcriptomic signature for profiling regulation patterns and modifying tumor immune microenvironment infiltration in triple-negative breast cancer”為題發(fā)表于 Frontiers in Immunology 。
(圖片來源于網(wǎng)絡)
該研究首先針對 ExoCarta 數(shù)據(jù)庫中的外泌體相關基因,分析了外泌體基因在腫瘤組織和正常組織中的表達情況。隨后,基于 LOOCV 機器學習方法擬合了87種預測模型用于評分系統(tǒng)的構(gòu)建,并篩選了最高的C指數(shù)結(jié)果,最終確定了9個外泌體相關基因。隨后基于9個外泌體相關基因構(gòu)建風險評分模型,將三陰性乳腺癌患者分為高危組與低危組,高危組與低危組顯示出了OS的顯著差異。
(圖片來源于網(wǎng)絡)
隨后,該研究基于低危組與高危組的不同預后,先后分析了兩組生物過程及通路的激活狀態(tài)差異,免疫浸潤差異,突變差異,藥物敏感性差異。
最后,該研究基于隨機森林算法,篩選了與三陰性乳腺癌患者預后最相關的外泌體相關基因:CLDN7,并進行了相關的實驗驗證。結(jié)果顯示,CLDN7 高表達外泌體促進了三陰性乳腺癌細胞的遷移與侵襲性;同時,109位三陰性乳腺癌患者的組織微陣列結(jié)果顯示,CLDN7 高表達的 TNBC 患者 RFS 較差。
總之,該研究基于外泌體相關基因集構(gòu)建了 TNBC 的風險評分模型,將患者分為高風險組和低風險組。檢測患者的外泌體相關基因可能成為未來預測 TNBC 預后的方法。CLDN7 可以作為 TNBC 人群的預后生物標志物。該研究有助于更好地理解外泌體相關基因與 TNBC 預后的關系,為 TNBC 的臨床診斷和治療提供新思路。
(圖片來源于網(wǎng)絡)
如需了解更多關于“腫瘤”信息
請與我們進一步聯(lián)系