Cancer Research
大规模T细胞受体库分析揭示肺结节良恶性诊断新方法
小赛推荐：
本研究通过大规模TCR测序建立LungTCR数据库，并开发TCRnodseek plus诊断模型，显著提高肺结节良恶性诊断准确性，具有重要临床应用潜力。
文献概述
本文《Large-Scale T-cell Receptor Repertoire Profiling Unveils Tumor-Specific Signals for Diagnosing Indeterminate Pulmonary Nodules》，发表于Cancer Research杂志，回顾并总结了利用T细胞受体（TCR）库分析进行肺结节良恶性诊断的最新研究进展。研究基于大规模TCR测序数据，构建了首个全面的肺结节TCR数据库，并整合临床与影像数据开发诊断模型，旨在解决肺结节鉴别诊断中过度治疗与资源浪费问题。
背景知识
肺结节（尤其是不确定型）的良恶性鉴别一直是肺癌早期诊断中的关键挑战。尽管低剂量CT广泛用于筛查，但假阳性率高，导致大量患者接受不必要的随访或手术。近年来，研究聚焦于利用免疫系统变化（如TCR克隆扩增）作为肿瘤相关信号。然而，现有方法受限于单中心研究、样本量小及缺乏健康对照，诊断模型的可重复性与适用性不足。本研究通过构建大规模TCR数据库并开发多中心验证的机器学习模型，为肺结节精准诊断提供了新框架。
研究方法与实验
研究团队整合了7,047份样本（包括2,699份健康个体血液样本、3,360份肺癌患者血液样本及279份新鲜组织样本）构建LungTCR数据库。随后，基于TCR库特征（多样性、V/J基因使用、CDR3长度分布等）与临床数据（如年龄、性别、吸烟史）开发TCRnodseek plus模型，并在1,107例独立前瞻性队列中验证其诊断效能。
关键结论与观点
研究意义与展望
本研究不仅提供了首个大规模肺结节TCR库资源，还开发了结合临床、影像与免疫特征的诊断模型，为肺结节管理优化与个体化治疗提供重要依据。未来可拓展至多癌种TCR特征分析，进一步提升模型泛化能力。
结语
本研究通过大规模TCR测序与多中心验证，建立了肺结节良恶性诊断新框架。LungTCR数据库与TCRnodseek plus模型在临床实践中具有显著优势，尤其在降低良性结节患者的手术率方面。研究结果强调了免疫系统在肿瘤早期识别中的关键作用，为肺结节管理提供了精准、非侵入性诊断工具。此外，TCRFeature工具的开发为后续多组学整合分析奠定基础。该研究为免疫组库分析在肿瘤液体活检中的应用提供了高质量数据支持，具有广泛转化医学价值与临床应用前景。
