三阴性乳腺癌(triple-negative breast cancer,TNBC)明显的肿瘤异质性和多样的肿瘤微环境(tumor microenvironment,TME)特征加大了其研究和治疗的难度。化疗是TNBC治疗的重要手段之一,治疗后疗效预测及化疗耐药仍是临床亟待解决的难题,...三阴性乳腺癌(triple-negative breast cancer,TNBC)明显的肿瘤异质性和多样的肿瘤微环境(tumor microenvironment,TME)特征加大了其研究和治疗的难度。化疗是TNBC治疗的重要手段之一,治疗后疗效预测及化疗耐药仍是临床亟待解决的难题,其中TME的变化是一个主要的原因。了解肿瘤微环境在其中起到的促进作用对这一困境的突破至关重要。本文综合多组学研究的结论,探讨了TNBC临床疗效及化疗耐药与肿瘤微环境相关性的研究进展,为该问题的解决提供可能的方向。展开更多
为了探讨5-甲基胞嘧啶(5-methylcytosine,m5C)相关基因在三阴性乳腺癌(triple negative breast cancer,TNBC)患者治疗及预后中的潜在价值,构建了基于m5C相关基因的预后预测模型,用于评估TNBC患者的预后和生存状况。从基因表达总库(gene ...为了探讨5-甲基胞嘧啶(5-methylcytosine,m5C)相关基因在三阴性乳腺癌(triple negative breast cancer,TNBC)患者治疗及预后中的潜在价值,构建了基于m5C相关基因的预后预测模型,用于评估TNBC患者的预后和生存状况。从基因表达总库(gene expression omnibus,GEO)数据库和癌症基因组图谱(the cancer genome atlas,TCGA)数据库中下载TNBC基因表达谱和相应的临床数据。通过Pearson分析确定了99个m5C相关基因,进一步采用单因素Cox分析鉴定出5个与预后有关的m5C相关基因(SLC6A14、BCL11A、UGT8、LMO4、PSAT1)并构建了风险评分(risk score)预测模型,根据风险评分中位值将患者划分为高风险组和低风险组。使用Kaplan-Meier(K-M)生存分析、受试者工作特征(receiver operating characteristic,ROC)曲线、多变量Cox回归分析、构建列线图和校准曲线评估了模型的预测效能。训练集和验证集的K-M生存曲线、受试者工作特征曲线下面积(area under the curve,AUC)分析均验证了模型具有良好的预测能力。多变量Cox回归分析显示,风险评分可作为独立的预后生物标志物。使用ssGSEA、免疫评分分析和化疗药物对高低风险组患者的半最大抑制浓度(half maximal inhibitory concentration,IC50)值差异分析显示,免疫细胞和免疫检查点基因以及大多数化疗药物的IC50值在不同风险组之间的表达存在显著差异。研究结果构建了基于5个m5C相关基因的风险评分预后预测模型,这将有助于阐明TNBC中m5C相关基因的作用机制,进而提供更有价值的预后及诊断的生物标志物和潜在的治疗靶点,为TNBC患者临床个性化治疗提供理论指导。展开更多
文摘三阴性乳腺癌(triple-negative breast cancer,TNBC)明显的肿瘤异质性和多样的肿瘤微环境(tumor microenvironment,TME)特征加大了其研究和治疗的难度。化疗是TNBC治疗的重要手段之一,治疗后疗效预测及化疗耐药仍是临床亟待解决的难题,其中TME的变化是一个主要的原因。了解肿瘤微环境在其中起到的促进作用对这一困境的突破至关重要。本文综合多组学研究的结论,探讨了TNBC临床疗效及化疗耐药与肿瘤微环境相关性的研究进展,为该问题的解决提供可能的方向。
文摘为了探讨5-甲基胞嘧啶(5-methylcytosine,m5C)相关基因在三阴性乳腺癌(triple negative breast cancer,TNBC)患者治疗及预后中的潜在价值,构建了基于m5C相关基因的预后预测模型,用于评估TNBC患者的预后和生存状况。从基因表达总库(gene expression omnibus,GEO)数据库和癌症基因组图谱(the cancer genome atlas,TCGA)数据库中下载TNBC基因表达谱和相应的临床数据。通过Pearson分析确定了99个m5C相关基因,进一步采用单因素Cox分析鉴定出5个与预后有关的m5C相关基因(SLC6A14、BCL11A、UGT8、LMO4、PSAT1)并构建了风险评分(risk score)预测模型,根据风险评分中位值将患者划分为高风险组和低风险组。使用Kaplan-Meier(K-M)生存分析、受试者工作特征(receiver operating characteristic,ROC)曲线、多变量Cox回归分析、构建列线图和校准曲线评估了模型的预测效能。训练集和验证集的K-M生存曲线、受试者工作特征曲线下面积(area under the curve,AUC)分析均验证了模型具有良好的预测能力。多变量Cox回归分析显示,风险评分可作为独立的预后生物标志物。使用ssGSEA、免疫评分分析和化疗药物对高低风险组患者的半最大抑制浓度(half maximal inhibitory concentration,IC50)值差异分析显示,免疫细胞和免疫检查点基因以及大多数化疗药物的IC50值在不同风险组之间的表达存在显著差异。研究结果构建了基于5个m5C相关基因的风险评分预后预测模型,这将有助于阐明TNBC中m5C相关基因的作用机制,进而提供更有价值的预后及诊断的生物标志物和潜在的治疗靶点,为TNBC患者临床个性化治疗提供理论指导。