Quartz 5

Multiomic integration reveals subtype-specific predictors of neoadjuvant treatment response in breast cancer

Properties2
description整合临床、基因组、甲基化组、转录组、蛋白组与磷酸化组，识别乳腺癌亚型特异的新辅助治疗反应特征并开发 MOPCR 研究原型。
tagsgroup-study, breast-cancer, neoadjuvant-treatment, multi-omics, machine-learning

10 min read

原始论文：26-5-20-1-多组学整合揭示乳腺癌新辅助治疗反应的亚型特异性预测因子.pdf

多组学预测乳腺癌新辅助治疗反应

证据定位

这是单中心中国队列的多组学关联研究和机器学习原型。MOPCR 的高内部交叉验证性能不能直接视为临床可用性；外部验证依赖缺失组学特征插补，且性能明显波动。

文献信息

  • 完整标题：Multiomic integration reveals subtype-specific predictors of neoadjuvant treatment response in breast cancer
  • 作者：Zongchao Mo、Mei Yang、Zhihan Zhu、Minghao Wang、Haoyu Wang、Zhanye Zhang、Shanshan Lyu、Fangping Xu、Haixia Shang、Huan Lin、Zeyan Xu、Suyun Li、Xiaobo Chen、Kun Wang、Changhong Liang、Jiguang Wang、Zaiyi Liu
  • 年份：2025
  • 期刊：Science Advances，11，eadu1521
  • DOI：10.1126/sciadv.adu1521
  • PMID：未确认
  • 文献类型：临床队列多组学资源研究与机器学习预测模型开发
  • 主要瘤种：早期或局部晚期乳腺癌，分为 ER+HER2+、ER−HER2+、ER−HER2−
  • 证据范围：临床活检队列；基因组、表观基因组、转录组、蛋白组和磷酸化组；生物信息学；机器学习；无细胞或动物治疗验证

研究背景与问题

  • 新辅助治疗后的 病理完全缓解（pathologic complete response, pCR）与结局相关，但不同乳腺癌亚型的反应机制和可预测特征不同（PDF 第 1–2 页）。
  • 研究问题是：哪些临床与多组学特征分别关联三种受体亚型的 pCR/残余病灶（residual disease, RD），以及这些信息能否构成可外部验证的亚型特异预测模型。

研究设计与对象

  • 前瞻性收集广东省人民医院 149 名新诊断中国女性的治疗前肿瘤活检；全部接受新辅助治疗后手术（PDF 第 2–3 页，Figure 1）。
  • 亚型为 ER+HER2+ 55 例、ER−HER2+ 42 例、ER−HER2− 52 例；81 例 pCR、68 例 RD。治疗方案异质，包括 TCb、EC-T、紫杉烷加吡咯替尼及其他方案；HER2 阳性患者除 1 例外均接受抗 HER2 治疗（PDF 第 2 页；Figure S1/Table S1）。
  • WES 104 对肿瘤—血液，WGBS 145 例，RNA-seq 140 例，蛋白组/磷酸化组 137 例；89 例具备全部组学（PDF 第 2–3 页）。
  • ER−HER2− 的 CDKN2A 甲基化使用独立 FFPE 队列 75 例焦磷酸测序验证；其他候选主要依靠公开数据集或计算验证（PDF 第 6 页，Figure 3）。

关键实验与分析方法

  • WES、WGBS、RNA-seq、LC–MS/MS 蛋白组与磷酸化组；差异甲基化区域、DESeq2、GSEA/ssGSEA 和 ActivePathways 多组学整合（PDF 第 12–15 页）。
  • MOPCR 使用 LightGBM，30 次重复五折交叉验证和 SHAP 解释；独立队列缺失的组学特征由 RNA 表达训练的 LASSO 模型插补（PDF 第 11、14–15 页，Figure 6）。

主要结果：来源明确报告

  1. 临床反应具有亚型差异。 pCR 率为 ER+HER2+ 47.3%、ER−HER2+ 76%、ER−HER2− 44%；更大肿瘤和淋巴结转移关联较低 pCR，ER−HER2− 中较高 Ki67 关联 pCR（PDF 第 2–3 页，Figure 1）。
  2. 常见突变未形成稳健的 pCR/RD 区分。 多重校正后未发现明确关联反应的 SNV/INDEL；ER−HER2− RD 中 6q27 拷贝数较低属于亚型特异观察（PDF 第 3–5 页，Figure 2）。
  3. 甲基化候选具有亚型特异性。 ER−HER2− RD 中 CDKN2A 启动子高甲基化并伴较低表达；独立 75 例队列的一个选定 CpG 位点得到统计支持。KIT 和 MAP4K1 分别在其他亚型形成候选，但验证强度不一致（PDF 第 5–7 页，Figure 3）。
  4. 增殖与蛋白层信号关联 ER−HER2− 的 pCR。 E2F/G2M、TOP2A 蛋白及磷酸化相关特征在该亚型 pCR 中较高；其他亚型显示不同、较弱的转录或蛋白模式（PDF 第 7–10 页，Figures 4–5）。
  5. MOPCR 内部表现优于单组学，但外部性能下降。 内部重复交叉验证尤其在 ER−HER2− 中可达很高 AUC；外部队列 AUC 约 0.589–0.768，随亚型、队列和插补而变（PDF 第 10–11 页，Figure 6）。
  6. 模型可作研究分层，不可选择治疗方案。 作者把 MOPCR 定位为研究原型；异质方案、样本量、特征筛选和非完全独立验证均限制临床解释（PDF 第 11–12 页）。

作者的机制解释

作者认为乳腺癌新辅助治疗反应不是由单一组学统一决定，而是呈亚型特异：ER−HER2− 的增殖与 CDKN2A 甲基化、HER2 阳性亚型的受体及通路背景分别影响敏感性。多组学整合可提高预测，但本文没有证明这些候选是疗效差异的因果驱动因素。

优点

  • 同一治疗前活检覆盖六类分子层级，并明确报告各平台实际样本数。
  • 以受体亚型分层，避免把不同生物学背景强行合并。
  • 对 CDKN2A 甲基化提供独立临床样本验证，并对模型做外部队列测试。

局限与证据边界

  • 单中心、样本量有限且治疗方案异质；亚型进一步分层后统计能力下降。
  • 模型特征筛选和超参数调优使用研究队列；外部缺失组学依赖表达插补，可能引入额外偏差。
  • 外部验证并非所有环节完全独立，且外部 AUC 远低于部分内部结果；不能据此进行临床决策或方案选择。
  • 生存分析事件数和随访成熟度有限；pCR 不能在所有亚型中等同于长期获益。
  • 正文声明 PDF 包括 Figures S1–S17，但当前本地文件实际为 18 页主文与参考文献，未提供独立 Supplement；补图、补表和部分验证细节无法离线核验。

阅读、组会与导师讨论问题

  1. 在异质新辅助方案下，模型预测的是肿瘤固有敏感性、方案敏感性，还是二者混合？
  2. 以 RNA 插补甲基化、蛋白和磷酸化特征后，外部验证还保留多少“多组学”增益？
  3. CDKN2A 单个 CpG 的验证是否足以支持可转化标志物，下一步应采用何种预设阈值与队列？
  4. ER−HER2− 内部 AUC 接近 1 是否提示小样本过拟合，如何用锁定模型和前瞻性盲法验证？
  5. pCR 与长期结局在三个受体亚型中的代理终点强度是否相同？

优先精读位置

  1. PDF 第 2–3 页，Figure 1：队列、方案、pCR 与组学覆盖。
  2. PDF 第 5–7 页，Figure 3：CDKN2A、KIT、MAP4K1 甲基化候选与验证。
  3. PDF 第 7–10 页，Figures 4–5：转录组、蛋白组和磷酸化组的亚型差异。
  4. PDF 第 10–12 页，Figure 6：MOPCR、外部性能与明确局限。
  5. PDF 第 13–15 页：多组学处理、模型训练与缺失特征插补。

材料完整性

  • PDF：18 页、未加密；文字层和关键图版均可读，未发现零文本页、乱码、缺页或多栏顺序异常。
  • PPT：不存在；未创建组会讲解笔记。
  • extracted Markdown：不存在；无 PPT，故不建议补做 PPT 提取副本。
  • Supplement：正文引用 Figures S1–S17 和 Tables S1–S6，但单元中未提供独立附件，部分补充结果未能离线复核。
  • 已有实体：乳腺癌
  • 实体候选：CDKN2A；KIT；MAP4K1；MOPCR
  • 达到阈值并晋升：新辅助治疗反应预测
  • 达到阈值并晋升：病理完全缓解
  • 概念候选：多组学整合；DNA 甲基化标志物
  • 对比候选：乳腺癌亚型特异性新辅助治疗反应预测

HUMAN-NOTE

人工阅读与组会记录

请在此补充模型复算、Supplement 核验、导师意见和临床可转化性判断；Codex 后续更新时保留本区域。

Graph View

Backlinks