Molecular Cancer
HER2阳性乳腺癌患者新辅助治疗前后动态免疫表型研究
小赛推荐：
本研究通过数字空间分析技术，首次系统性揭示了HER2阳性乳腺癌患者在接受新辅助化疗联合曲妥珠单抗治疗前后的肿瘤微环境动态变化，提出了一种可预测治疗效果的免疫表型分类体系，为精准免疫治疗策略提供依据。
文献概述
本文《The landscape of dynamic tumor immunophenotyping on neoadjuvant chemotherapy combined with trastuzumab for the treatment of HER2-positive breast cancer》，发表于Molecular Cancer杂志，回顾并总结了HER2阳性乳腺癌在接受新辅助化疗联合靶向治疗过程中，肿瘤微环境（TME）的动态免疫表型变化。研究通过GeoMx DSP技术对28例患者的基线和术后样本进行空间转录组分析，识别出四种免疫表型（IM1, IM2, TM1, TM2），并发现IM1向TM1转化的患者pCR率达到100%，而IM2向TM2转化的患者pCR率仅为10%。研究进一步在TCGA和单细胞数据中验证了该免疫分类的稳定性，为个体化治疗决策提供了理论基础。
背景知识
HER2阳性乳腺癌约占所有乳腺癌的15–20%，具有高度侵袭性和复发风险。随着抗HER2靶向治疗（如曲妥珠单抗和帕妥珠单抗）与新辅助化疗（NAC）的联合应用，pCR率显著提高，但仍约50%的患者对治疗无反应。因此，寻找可靠的生物标志物以预测治疗反应成为研究重点。肿瘤浸润淋巴细胞（TILs）已被证实与pCR和生存预后相关，但其单独使用不足以全面反映TME的复杂性。近年来，空间转录组学和多组学分析技术的发展使得对TME的深入解析成为可能，特别是肿瘤-免疫界面的分子特征，已被证明在免疫监视、治疗响应和免疫逃逸中发挥关键作用。本研究利用GeoMx DSP技术，结合多细胞类型分析，构建了基于基线和术后样本的免疫分类模型，揭示了不同免疫表型与治疗效果的显著关联，为后续精准免疫治疗方案的制定提供了新视角。
研究方法与实验
研究纳入30例HER2阳性乳腺癌患者，收集其治疗前（基线）和术后FFPE样本，使用GeoMx DSP进行空间转录组分析，筛选出94个ROI（47个基线，47个术后）用于免疫表型分析。利用xCell和单细胞RNA测序技术评估免疫细胞组成，并通过非负矩阵分解（NMF）和一致性分析筛选出最优免疫分类模型。研究进一步在TCGA和单细胞数据中验证免疫表型的生物学稳定性。
关键结论与观点
研究意义与展望
本研究首次系统性分析了HER2阳性乳腺癌患者新辅助治疗前后免疫微环境的动态变化，提出了一种基于空间转录组和免疫细胞组成预测治疗反应的模型。该模型有望指导治疗策略调整，提高患者预后。未来可结合更多纵向数据，开发实时动态免疫监测体系，进一步优化个体化治疗方案。
结语
本研究通过数字空间分析技术揭示了HER2阳性乳腺癌患者在接受新辅助化疗联合曲妥珠单抗治疗过程中，其肿瘤微环境的动态免疫表型变化。研究识别出IM1和IM2、TM1和TM2四种免疫表型，并发现基线IM1转化为术后TM1的患者pCR率高达100%，而IM2转化为TM2的患者pCR率仅10%。通过分析不同免疫表型中基因表达和通路富集情况，研究发现免疫相关基因（如HLA类分子、IGH系列、CD3E）和信号通路（如T细胞受体、B细胞受体、PD-L1检查点）在TM1中显著激活，而TM2则与代谢和细胞迁移相关基因上调有关。研究进一步在TCGA和单细胞RNA-seq数据中验证了该免疫分类的适用性。这些结果表明，动态免疫表型分析有助于预测新辅助治疗效果，并为后续治疗方案的选择提供依据。未来研究可结合多组学数据，探索更精细的免疫分型体系，以实现真正意义上的个体化免疫治疗策略。
