Cancer Discovery
非吸烟者肺腺癌的转录组亚型与预后标志物研究

小赛推荐：

该研究基于684例非吸烟者肺腺癌的RNA-seq数据，鉴定出三种具有不同生物学特征和预后差异的转录组亚型，并开发了一个包含60个基因的预后标志物，能够有效预测早期患者的生存风险，为临床风险分层提供了实用工具。

 

文献概述

本文《A prognostic signature for lung adenocarcinoma in patients who have never smoked》，发表于《Cancer discovery》杂志，回顾并总结了在从不吸烟者肺腺癌（NS-LUAD）中基于转录组数据进行分子分型的研究。研究团队整合了684例患者的RNA-seq数据，结合基因组、组织病理和临床信息，系统性地定义了三种具有显著不同表型、细胞组成和预后特征的转录组亚型，并进一步开发了一个仅包含60个基因的分类标志物，能够在独立队列中准确预测患者生存。该研究强调了转录组特征在识别高风险早期肿瘤中的价值，尤其适用于缺乏明确驱动基因突变的患者群体。研究还揭示了肿瘤微环境与免疫逃逸机制的差异，为个体化治疗策略提供了理论依据。

背景知识

肺腺癌是肺癌中最常见的组织学类型，其中约10–25%发生在从不吸烟者中，尤其在亚洲女性人群中更为常见。这类肿瘤在分子特征、临床行为和治疗反应上与吸烟相关肺腺癌存在显著差异。尽管部分患者携带EGFR或ALK等驱动突变，但仍有相当比例缺乏明确的致病基因改变，且对免疫检查点抑制剂（ICB）的响应率较低，提示现有分子分型体系在该人群中的局限性。近年来，单细胞和空间转录组技术揭示了肿瘤细胞可塑性、谱系不稳定性以及肿瘤微环境（TME）异质性在肿瘤进展和耐药中的关键作用。然而，针对非吸烟者肺腺癌的大规模转录组系统性分型仍不充分。此前研究基于吸烟人群定义了TRU、PP和PI等亚型，但这些分类在非吸烟者中判别能力有限。因此，建立适用于非吸烟者肺腺癌的分子分型体系，整合肿瘤细胞状态、谱系特征与微环境信息，对于改善预后评估、指导辅助治疗决策具有重要意义。本研究正是在此背景下，通过大样本转录组分析，提出了一种新的、具有临床实用价值的分类框架。

 

针对阿尔茨海默病、脊髓性肌萎缩、视网膜色素变性等罕见病，可提供HUGO-GT®全基因组人源化模型，搭载了更高效的大片段载体融合技术，可以作为万能模板进行针对性的突变定制服务，是更贴近真实世界生物机制的药物临床前研究模型，我们期待与你共同开发新型全基因组人源化小鼠，加速基因治疗研究

了解更多

 

研究方法与实验

研究纳入了来自Sherlock-Lung和TCGA-LUAD队列共684例未经治疗的非吸烟者肺腺癌患者的RNA-seq数据，结合配对正常组织和多组学数据（WGS、病理图像、临床信息）。采用非负矩阵分解（NMF）方法对基因表达谱进行无监督聚类，确定最优分类数。通过差异表达分析、GSEA和IPA通路富集分析，解析各亚型的生物学特征。使用CIBERSORTx和Bisque等算法对肿瘤微环境中的细胞类型进行反卷积分析，评估上皮细胞亚群和成纤维细胞亚型的组成。整合WGS数据，分析驱动基因突变、融合事件与亚型的关联。通过多变量Cox回归模型评估亚型对总生存期的独立预后价值，并在Stage I亚组中进一步验证。基于NMF结果，使用最近质心分类法（ClaNC）筛选出一个包含60个基因的分类标志物，并在独立的GIS队列中验证其分类准确性和预后能力。同时，使用TIDE算法预测各亚型对免疫检查点阻断（ICB）的响应。

关键结论与观点

• 研究鉴定出三种非吸烟者肺腺癌的转录组亚型：‘Steady’、‘Proliferative’和‘Chaotic’，它们在基因表达谱、细胞组成、基因组改变和临床预后上存在显著差异
• ‘Steady’亚型表现为低增殖活性、高肺泡上皮细胞比例、高分化程度、TP53和ALK突变频率低，与较长的总生存期相关，且表现出较低的免疫逃逸特征
• ‘Proliferative’亚型以高增殖标志物表达、TP53突变富集以及ALK等基因融合事件增多为特征，提示其具有活跃的细胞周期和基因组不稳定性
• ‘Chaotic’亚型显示上皮-间质转化（EMT）标志物高表达、谱系不稳定性增加、癌相关成纤维细胞（CAF）浸润显著，且与最差的预后相关，即使在I期肿瘤中也如此，该亚型缺乏典型驱动突变，仅能通过转录组数据识别
• 一个包含60个基因的分类标志物能够准确重现NMF分型结果，在训练和独立验证队列中均显示出强大的预后预测能力，且在调整肿瘤分期、TP53状态等已知因素后仍具有独立预后价值
• ‘Steady’亚型预测对免疫检查点抑制剂（ICB）有更好的响应，可能与其较低的TIDE评分、较少的免疫抑制性细胞（如MDSC和CAF）浸润有关，提示该亚型可能从免疫治疗中获益
• 整合转录组亚型信息显著提高了基于肿瘤分期或驱动基因突变的传统预后模型的预测准确性，表明该分类系统具有重要的临床应用潜力

研究意义与展望

该研究首次在大样本非吸烟者肺腺癌队列中建立了基于转录组的分子分型体系，揭示了肿瘤细胞状态与微环境互作在决定预后中的核心作用。‘Chaotic’亚型的发现尤其重要，它代表了一类具有高度侵袭性但缺乏典型驱动突变的肿瘤，传统分子检测可能遗漏其高风险特征，而转录组分类可有效识别此类患者，提示需要更积极的治疗策略。

开发的60基因标志物具有良好的临床转化前景，可通过靶向RNA-seq或NanoString平台在常规病理样本中实现，有助于对早期患者进行风险分层，指导辅助治疗决策。此外，对ICB响应的预测为免疫治疗的患者选择提供了新思路，特别是对于‘Steady’亚型患者，值得在前瞻性临床试验中验证。

未来研究应进一步在更大规模、多中心的前瞻性队列中验证该分类系统的临床实用性。探索各亚型的潜在治疗靶点，如‘Proliferative’亚型中的XPO1或‘Chaotic’亚型中的MMPs和CAF相关通路，将有助于开发针对性的治疗策略。同时，结合单细胞测序技术深入解析各亚型内部的细胞异质性，将为理解肿瘤进化轨迹和耐药机制提供更精细的图谱。

 

专业的眼科药效学分析平台可提供从眼部注射给药、眼部活体检测、眼部组织取材、病理学分析和基因与蛋白表达分子检测等全流程的眼科药效学分析服务

了解更多

 

结语

本研究通过对684例非吸烟者肺腺癌患者的转录组分析，确立了三种具有不同生物学行为和临床预后的分子亚型——‘Steady’、‘Proliferative’和‘Chaotic’。这些亚型不仅反映了肿瘤细胞的增殖状态、谱系特征和基因组改变，还揭示了肿瘤微环境的显著差异。特别是‘Chaotic’亚型，尽管缺乏典型驱动突变，但表现出高度间质化和谱系不稳定性，预示着极差的生存，凸显了转录组分析在识别高风险早期肿瘤中的独特价值。研究开发的60基因预后标志物在独立队列中表现出优异的预测性能，为临床风险分层提供了实用且可推广的工具。此外，该研究提示‘Steady’亚型可能对免疫治疗更敏感，为个体化治疗策略提供了新方向。总体而言，该工作不仅深化了对非吸烟者肺腺癌异质性的理解，也为改善该人群的预后评估和治疗决策提供了重要的分子框架，具有显著的临床转化潜力。

 

Wei Zhao, Tongwu Zhang, Xing Hua, Jianxin Shi, and Maria Teresa Landi. A prognostic signature for lung adenocarcinoma in patients who have never smoked. Cancer discovery.