《Breast Cancer: Targets and Therapy》:Development and External Validation of an M2 Macrophage–Related Prognostic Signature in Breast Cancer Using Multi-Omics Data and Machine Learning
编辑推荐:
目的:肿瘤相关巨噬细胞(tumor-associated macrophages, TAMs),尤其是M2样表型,是乳腺癌进展的核心调控因子;然而,能够捕获其功能异质性与生物学机制的临床适用模型仍然有限。
患者与方法:研究人员整合了单细胞RNA测序(singl
目的:肿瘤相关巨噬细胞(tumor-associated macrophages, TAMs),尤其是M2样表型,是乳腺癌进展的核心调控因子;然而,能够捕获其功能异质性与生物学机制的临床适用模型仍然有限。
患者与方法:研究人员整合了单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)、空间转录组学(spatial transcriptomics)和批量RNA测序(bulk RNA-seq)数据,构建了以M2巨噬细胞为中心(M2 macrophage–centered)的基因图谱。基于10折交叉验证的机器学习框架在TCGA-BRCA队列(训练集)中开发了预后标签(prognostic signature),并在独立队列GSE96058中进行了外部验证。分析了免疫浸润、基因组不稳定性、通路活性及细胞间通讯。采用qRT-PCR、Western blotting、siRNA介导的敲低及Transwell共培养系统,在乳腺癌细胞和巨噬细胞中检测了KLF4。
结果:研究人员鉴定了一个16基因的M2巨噬细胞相关预后标签(M2MMS),该标签在两个队列中均能将患者分层为具有不同生存结局的亚组。高风险肿瘤表现出M2巨噬细胞富集、免疫抑制微环境、基因组不稳定性升高以及E2F和MYC增殖程序的激活。细胞间通讯分析确定了MDK–NCL为肿瘤–微环境(tumor–TME)的主要信号轴。KLF4在乳腺癌细胞及共培养后的巨噬细胞中表达上调,沉默KLF4可减弱CD206的诱导,表明KLF4在体外参与了肿瘤细胞诱导的M2样极化。
结论:M2MMS将M2巨噬细胞驱动的免疫重塑与乳腺癌预后联系起来,为风险分层和机制研究提供了基础。KLF4在体外肿瘤–巨噬细胞相互作用中代表一个调控节点;其在体内的作用及M2MMS的临床实用性仍需进一步验证。
一、研究背景与目的
乳腺癌是全球女性中最常见的恶性肿瘤,持续构成重大公共卫生负担。目前临床预后评估主要依赖病理分期,但乳腺癌高度异质,相同分期的患者预后差异显著。尽管已有众多预后生物标志物被报道,其敏感性与特异性仍不足以实现精准预测。肿瘤微环境(tumor microenvironment, TME)在乳腺癌进展与治疗应答中发挥关键作用,其中肿瘤相关巨噬细胞(tumor-associated macrophages, TAMs)是最丰富的免疫细胞群之一,可促进肿瘤生长、侵袭与转移,同时抑制抗肿瘤免疫。尤其是极化为M2表型的TAMs,通过分泌抗炎细胞因子和免疫抑制介质,促进血管生成、细胞外基质重塑和免疫逃逸,形成促进肿瘤进展和治疗抵抗的免疫抑制微环境。然而,现有免疫相关预后模型很少区分TAM亚型,且传统生物标志物多基于单基因或单一数据模态,难以捕获肿瘤进展背后的复杂非线性相互作用。为此,研究人员整合多组学数据与机器学习方法,构建了以M2巨噬细胞为中心的预后模型M2MMS,以期改善风险分层并提供机制见解。
二、研究内容与主要发现
研究人员利用TCGA-BRCA队列(n=1060)作为训练集、GEO队列GSE96058(n=3407)作为外部验证集,结合scRNA-seq(GSE167036、GSE248288)与空间转录组学(GSE203612)数据,开发并验证了包含16个基因(EGR2、KLF4、MGLL、DAB2、GSN、BLVRA、CEBPA、ALDH1A1、TMEM127、GALC、VPS41、HSD17B11、SLC29A3、RGL1、CFD、ZEB2)的M2巨噬细胞相关预后标签。该标签在两个队列中均能将患者显著分层为不同生存结局的风险亚组,训练集1年、3年、5年总生存期(overall survival, OS)预测的曲线下面积(area under the curve, AUC)分别为0.78、0.80和0.79,验证集分别为0.73、0.62和0.63。多因素Cox回归证实M2MMS是OS的独立风险因素(风险比hazard ratio, HR=10.379,95%置信区间confidence interval, CI: 6.532–16.49,p<0.001)。整合M2MMS与临床变量的列线图(nomogram)在1年、3年和5年OS预测中分别达到0.909、0.833和0.809的AUC,其C-index和决策曲线分析(decision curve analysis, DCA)均优于单独使用传统临床因素。机制层面,高风险肿瘤表现出M2巨噬细胞富集、免疫抑制微环境、基因组不稳定性升高以及E2F和MYC增殖程序激活;细胞间通讯分析确定MDK–NCL为肿瘤–TME的主要信号轴。体外功能实验证实KLF4在乳腺癌细胞及共培养后的巨噬细胞中表达上调,沉默KLF4可减弱CD206的诱导,表明KLF4在肿瘤细胞诱导的M2样极化中发挥功能作用。该研究的意义在于提供了亚型分辨的预后工具,并绘制了将M2偏斜巨噬细胞状态与乳腺癌不良结局联系起来的细胞、基因组和通讯特征图谱。
三、关键技术方法
研究人员整合了多个来源的公开数据:TCGA-BRCA队列(n=1060)作为训练集,GEO队列GSE96058(n=3407)作为外部验证集,scRNA-seq数据来自GSE167036(8个样本)和GSE248288(4个样本),空间转录组学数据来自GSE203612。主要技术方法包括:利用Seurat进行单细胞数据处理与聚类分析,Harmony进行批次校正;采用加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)鉴定与M2巨噬细胞浸润相关的基因模块;基于Mime1包评估10种机器学习算法(Lasso、Ridge、CoxBoost、RSF、Elastic Net、plsRcox、SuperPC、GBM、survival-SVM、stepwise Cox)及其101种组合,在10折交叉验证框架下筛选最优模型;采用CIBERSORT、ESTIMATE和ssGSEA评估免疫浸润;利用CellChat进行细胞间通讯分析,Monocle进行拟时间轨迹分析;通过Transwell共培养体系、qRT-PCR、Western blotting和免疫荧光进行体外功能验证。
四、主要研究结果
单细胞分析鉴定乳腺癌中M2巨噬细胞及通路富集:从GSE167036数据集中获得49,133个细胞,注释出7种主要细胞类型。对单核细胞样群体进一步亚聚类,鉴定出单核细胞、树突状细胞和TAMs三个亚群。TAMs进一步分为M1和M2表型,M2巨噬细胞高表达TGFB1、MS4A4A、FCGR3A、FOLR2和CD163。GO和KEGG富集分析显示M2标记基因主要参与免疫相关激活过程,富集于结核病、吞噬体、金黄色葡萄球菌感染和类风湿关节炎等通路。
差异表达基因筛选与M2巨噬细胞相关模块鉴定:TCGA-BRCA数据集中鉴定出6882个差异表达基因(differentially expressed genes, DEGs),其中2998个上调、3884个下调。通过WGCNA鉴定出与M2巨噬细胞水平最相关的基因模块,提取1545个枢纽基因。
整合机器学习预后标签的构建:将单细胞分析鉴定的1347个M2巨噬细胞标记基因与TCGA-BRCA转录组分析得到的1545个M2相关枢纽基因取交集,获得54个共同基因。基于101种机器学习算法组合的10折交叉验证评估,最终选择Stepwise Cox结合梯度提升机(Gradient Boosting Machine, GBM)模型作为最优方案,包含16个基因。该模型在训练集和验证集中均表现稳健。
M2MMS的临床预后评估与列线图构建:ROC曲线分析表明M2MMS具有良好的判别能力。M2MMS风险评分在T2–T4分期、M1转移分期、III–IV期及年龄≥60岁的患者中显著升高。多因素Cox回归证实M2MMS是OS的独立风险因素。整合M2MMS与临床变量的列线图表现出高预测准确性,C-index和DCA显示其长期预后性能和净临床获益优于单独使用传统临床因素。
M2MMS分子机制的转录组学洞察:基因集富集分析(gene set enrichment analysis, GSEA)显示低风险组富集于干扰素-γ应答、上皮间质转化、同种异体移植排斥、肿瘤坏死因子信号和炎症应答等通路;高风险组显著富集于细胞周期进展相关通路,如E2F靶点、G2/M检查点控制、有丝分裂纺锤体组装和MYC靶点。基因集变异分析(gene set variation analysis, GSVA)进一步证实高风险组增殖相关特征活性升高,低风险组免疫和凋亡相关通路活性较高。与M2MMS正相关的通路(如MYC_TARGETS_V1/V2)与显著较差预后相关,负相关的通路(如CHOLESTEROL_HOMEOSTASIS和BILE_ACID_METABOLISM)与较好预后相关。
不同M2MMS亚组的基因组景观与瘤内异质性:高风险组突变等位基因肿瘤异质性(mutant-allele tumor heterogeneity, MATH)评分更高。高风险组TP53突变率(37%)高于低风险组(31%),KMT2C和MAP3K1突变也略为频繁。拷贝数变异(copy number variation, CNV)分析显示RYR2、PIK3CA、SPTA1、HMCN1、GATA3、MUC16和TTN主要呈现拷贝数增加,而SYNE1、KMT2C、CDH1、MAP3K1和TP53主要呈现拷贝数缺失。
M2MMS相关基因的单细胞与空间动态:单细胞转录组分析显示M2MMS相关基因主要在巨噬细胞中表达。ssGSEA和空间转录组分析表明M2MMS标签与M2巨噬细胞标记物CD163和MRC1在TME中高度共定位。细胞间通讯分析显示高风险组肿瘤细胞与更广泛的TME细胞类型发生相互作用,通过MK(midkine)和PTN(pleiotrophin)信号通路施加更强的调控影响,其中MDK–NCL和PTN–NCL是主要驱动轴。拟时间轨迹分析描绘了单核细胞向M1/M2巨噬细胞和树突状细胞的分化过程,KLF4和ZEB2在单核细胞分化早期高表达并沿轨迹逐渐下调。
免疫微环境及免疫特征与M2MMS的关系:高风险组免疫评分和ESTIMATE评分显著较低,但肿瘤纯度较高。ssGSEA显示低风险组呈现广泛免疫激活特征。CIBERSORT和ssGSEA分析表明高风险组M2巨噬细胞显著富集,低风险组富集B细胞、浆细胞、CD8?T细胞和M1巨噬细胞等抗肿瘤效应免疫细胞。M2MMS中7个关键基因(MGLL、DAB2、BLVRA、TMEM127、GALC、VPS41、SLC29A3)与M2巨噬细胞浸润正相关。韦恩图分析突出M2巨噬细胞为与M2MMS相关的核心免疫细胞群。
M2MMS与免疫治疗应答及药物敏感性:高风险组大多数免疫检查点分子表达水平显著较低,免疫表型评分(immunophenoscore, IPS)在四种免疫治疗场景下均较低,但肿瘤免疫功能障碍与排斥(Tumor Immune Dysfunction and Exclusion, TIDE)评分显著较低。高风险组对紫杉醇和多西他赛等常规化疗药物表现出更高的估计半数抑制浓度(half-maximal inhibitory concentration, IC50),但对S6K1抑制剂PF-4708671更敏感。分子对接显示PF-4708671与16个候选基因编码蛋白中的8个强结合,其中RGL1结合亲和力最强(Vina score=?10.06)。
KLF4在乳腺癌细胞和TAMs中的实验验证:KLF4 mRNA和蛋白在乳腺癌细胞中显著升高,尤其在MCF-7细胞中。M0巨噬细胞与MCF-7或MDA-MB-231细胞共培养后KLF4表达显著增加,同时M2标记物CD206显著上调。沉默M0巨噬细胞中KLF4可显著减弱共培养过程中CD206的诱导,免疫荧光进一步证实当同时在MCF-7细胞和M0巨噬细胞中沉默KLF4时CD206染色最低,表明肿瘤细胞和巨噬细胞中的KLF4在此过程中协同作用。
五、讨论与结论
讨论部分指出,M2MMS的组成在生物学上与巨噬细胞驱动的肿瘤进展一致:EGR2与M2极化相关,CEBPA抑制M2极化,ZEB2促进上皮间质转化相关的免疫抑制,KLF4是乳腺癌进展和单核细胞向M2极化的背景依赖性调节因子;代谢和信号基因(MGLL、BLVRA、ALDH1A1、HSD17B11、GALC)将脂质、雌激素和鞘磷脂代谢与侵袭、干性和免疫调节联系起来;细胞骨架、囊泡运输和免疫调节基因(DAB2、GSN、VPS41、TMEM127、SLC29A3、RGL1、CFD)将标签与促转移TAM活性、抗原呈递缺陷和微环境重塑联系起来。多组学分析为M2MMS分层提供了连贯解释:高风险肿瘤呈现M2巨噬细胞富集、免疫评分降低、肿瘤纯度升高、瘤内异质性增大以及TP53、KMT2C和MAP3K1改变频率升高,同时E2F/MYC增殖程序激活;低风险肿瘤则呈现广泛的先天性和适应性免疫激活。MDK–NCL被确定为高风险肿瘤免疫抑制微环境的候选介导因子。治疗相关发现应视为假设生成性的:高风险组“低IPS–低TIDE”特征缺乏直接的临床解释,且两项指标均为计算预测而无匹配治疗应答数据,不应等同于免疫检查点阻断获益的预测;PF-4708671对高风险肿瘤的预测敏感性及其与RGL1的强对接亲和力提示但并未确立可靶向的S6K1/RGL1轴。研究局限性包括:验证队列中远期(3年和5年AUC分别为0.62和0.63)判别能力有限,缺乏前瞻性多队列临床验证,药物敏感性、免疫治疗应答和对接分析均为计算推断,功能实验仅限于体外KLF4研究。
研究结论:研究人员开发并外部验证了M2MMS——一个以M2巨噬细胞为中心的16基因标签,可独立于临床病理因素对乳腺癌预后进行分层。多组学分析将该标签与M2巨噬细胞浸润、免疫抑制微环境、基因组不稳定性和MDK–NCL介导的肿瘤–TME通讯联系起来。体外功能缺失实验进一步表明KLF4在肿瘤细胞诱导的M2样极化中发挥功能作用,而其在体内的作用及计算提名的S6K1/RGL1轴的治疗相关性仍是需要进一步验证的假设。M2MMS因此将M2巨噬细胞生物学与乳腺癌预后联系起来,为未来的功能性和临床研究提供了基础。