Development of T-Cell-Associated Signatures Based on Machine Learning Integration for Predicting Breast Cancer Prognosis

ملخص تقني: تطوير بصمات مرتبطة بالخلايا التائية بناءً على دمج التعلم الآلي للتنبؤ بإنذار سرطان الثدي

بيان المشكلة
لا يزال سرطان الثدي هو السرطان الأكثر انتشارًا على مستوى العالم، مع تدهور الإنذار بشكل كبير عند حدوث النقائل، لا سيما إلى العظام. وبينما أوضحت تسلسل الحمض النووي الريبوزي أحادي الخلية (single-cell sequencing) عدم التجانس الورمي والبيئة الدقيقة للورم (TME)، إلا أن الدور المحدد لديناميكيات الخلايا التائية في تطور سرطان الثدي وإنذاره لا يزال غير مفهوم بشكل كامل. علاوة على ذلك، غالبًا ما تفشل مراحل التصنيف السريري والأنماط الجزيئية الحالية في استيعاب تعقيد التفاعلات بين الورم والمناعة بشكل كامل، مما يستدعي وجود مؤشرات حيوية أكثر قوة للتنبؤ بالإنذار وتقييم الاستجابة للعلاج المناعي.

المنهجية
استخدمت الدراسة استراتيجية دمج متعددة الأوميكس (multi-omics) تجمع بين تسلسل الحمض النووي الريبوزي أحادي الخلية (scRNA-seq) وبيانات الحمض النووي الريبوزي الكلي (bulk RNA-seq)، والتي تم تحليلها من خلال مسارات متقدمة للتعلم الآلي:

1. الحصول على البيانات والمعالجة المسبقة:

   • scRNA-seq: تم تحليل مجموعتي بيانات (GSE180286 و GSE158399) تحتوي على أنسجة سرطان الثدي الأولية والنقائل المترافقة في العقد اللمفاوية باستخدام حزمة Selet. تمت إزالة تأثيرات الدفعات (batch effects) عبر SCTransform، وأجري تقليل الأبعاد (PCA, t-SNE).
   • Bulk RNA-seq: تم استرداد بيانات النسخ الجيني والبيانات السريرية من أرشيف (TCGA-BRCA) وست مجموعات مستقلة من (GEO) وهي (GSE1456, GSE20685, GSE24450, GSE42568, GSE58812, GSE7390).
   • مجموعات العلاج المناعي: تم إجراء التحقق باستخدام ثلاث مجموعات بيانات للعلاج المناعي: GSE78220 (الميلانوما)، GSE135222 (سرطان الرئة صغير الخلايا)، و IMvigor210 (سرطان الخلايا البولية).

2. بناء البصمة:

   • توصيف الخلايا والتحليل التفاضلي: حددت بيانات scRNA-seq ثلاثة عشر عنقودًا خلويًا. أظهرت مجموعات الخلايا التائية تباينًا كبيرًا في الوفرة بين الأنسجة الورمية والأنسجة النقيلية. تم استخراج الجينات التفاضلية (logFC > 0.5, p < 0.05) بين هذه الحالات من الخلايا التائية.
   • التنميط الفرعي: قسم التجميع التوافقي (Consensus clustering) القائم على جينات الخلايا التائية التفاضلية عينات TCGA-BRCA إلى نوعين فرعيين (C1 و C2).
   • دمج التعلم الآلي: من مجموعة TCGA، تم فحص 419 جينًا تفاضليًا عبر انحدار كوكس أحادي المتغير لتحديد 52 جينًا إنذاريًا. خضعت هذه الجينات لـ 101 توليفة من 10 خوارزميات للتعلم الآلي (بما في ذلك Random Survival Forest, Elastic Net, Lasso, Ridge, Stepwise Cox, CoxBoost، إلخ).
   • اختيار النموذج الأمثل: تم اختيار النموذج الذي حقق أعلى متوسط لمؤشر هاريل للاتساق (C-index) عبر مجموعات البيانات. تم تحديد التوليفة المثلى كـ StepCox (forward) + Ridge regression.

3. التحقق والتحليل:

   • القيمة الإنذارية: تم تصنيف المرضى إلى مجموعات عالية المخاطر ومنخفضة المخاطر بناءً على وسيط درجة الخطورة. تم إجراء تحليل البقاء (Kaplan-Meier)، ومنحنيات ROC، ومقارنات C-index عبر جميع مجموعات البيانات.
   • البيئة الدقيقة للورم (TME) والأوميكس المتعددة: تم تقييم الارتشاح المناعي باستخدام ssGSEA و ESTIMATE و CIBERSORT. تم تحليل الطفرات الجسدية عبر maftools لحساب عبء الطفرات الورمية (TMB). كما تم حساب درجة (TIDE) للتنبؤ بالاستجابة للعلاج المناعي.

النتائج الرئيسية

• تحديد الأنواع الفرعية للخلايا التائية: تم تحديد عنقودين توافقيين (C1 و C2). أظهرت المجموعة C2 نمط ورم "ساخن" (hot tumor) مع ارتفاع ملحوظ في ارتشاح الخلايا المناعية (بما في ذلك خلايا CD8+ T النشطة، والخلايا القاتلة الطبيعية NK، والبلعميات) ومعدل بقاء إجمالي أفضل بكثير مقارنة بالمجموعة C1.
• متانة نموذج TRS: أظهرت البصمة المرتبطة بالخلايا التائية (TRS)، المستمدة من نموذج StepCox+Ridge، دقة إنذارية فائقة مقارنة بالسمات السريرية التقليدية (العمر، الجنس، تصنيف T/N/M، والنمط الجزيئي) عبر سبع مجموعات بيانات مستقلة. حافظ النموذج على دقة عالية بقيم C-index تتراوح بين 0.682 و 0.769 في مختلف المجموعات.
• الارتباط بالبيئة الدقيقة للورم والجينوميات:
  • مجموعة TRS المنخفضة: تميزت بوفرة في الارتشاح الخلوي المناعي، وارتفاع في تعبير جزيئات MHC، والكيموكينات، ونقاط التفتيش المناعية (PD-1, PD-L1, CTLA-4)، ونشاط مرتفع عبر جميع الخطوات السبع لدورة السرطان المناعية.
  • مجموعة TRS العالية: ارتبطت بنقاء ورمي أعلى، وارتشاح مناعي أقل، وعبء طفرات ورمية (TMB) أعلى. والجدير بالذكر أن مجموعة TRS العالية أظهرت تكرارًا أعلى لطفرات TP53 (49% مقابل 20% في مجموعة TRS المنخفضة) ودرجة TIDE أعلى، مما يشير إلى خلل وظيفي مناعي واستبعاد مناعي.
• التنبؤ بالعلاج المناعي: في ثلاث مجموعات مستقلة للعلاج المناعي، أظهر المرضى الذين لديهم درجات TRS منخفضة معدلات بقاء إجمالية أفضل بكثير ومعدلات استجابة أعلى (استجابة كاملة/جزئية) لحصار PD-1/PD-L1 مقارنة بمرضى TRS العالية. ارتبط الـ TRS المنخفض بقوة بالنمط الورمي "المناعي الالتهابي" (المشتعل).

الأهمية والادعاءات
يزعم المؤلفون أن هذه الدراسة نجحت في تطوير بصمة قوية مرتبطة بالخلايا التائية (TRS) مشتقة من التعلم الآلي، وتعمل كعامل إنذاري مستقل لسرطان الثدي. تكمن أهمية العمل في:

1. قدرة تنبؤية فائقة: يتفوق نموذج TRS على التصنيف السريري التقليدي والأنماط الجزيئية في التنبؤ ببقاء المرضى على قيد الحياة.
2. توجيه العلاج المناعي: تعمل البصمة بفعالية على تصنيف المرضى الذين من المرجح أن يستفيدوا من مثبطات نقاط التفتيش المناعية، حيث تحدد مجتمع "الـ TRS المنخفض" ذو البيئة الدقيقة للورم "الساخنة" والاستجابة المواتية للعلاج المناعي.
3. رؤية ميكانيكية: تربط الدراسة بين أنماط تعبير جينات محددة مرتبطة بالخلايا التائية وبين الارتشاح المناعي، وTMB، وتعبير نقاط التفتيش المناعية، مما يوفر أساسًا بيولوجيًا للاختلافات الإنذارية الملحوظة.

القصور
يقر المؤلفون بعدة قيود:

• الطبيعة الاسترجاعية: جميع البيانات مستمدة من مجموعات عامة استرجاعية، مما قد يؤدي إلى تحيز في الاختيار.
• حجم العينة: بعض مجموعات التحقق الخاصة بالعلاج المناعي كانت ذات أحجام عينات صغيرة نسبيًا (على سبيل المثال، n=27، n=28).
• التحقق الميكانيكي: لم يتم التحقق تجريبيًا من الوظائف البيولوجية المحددة للجينات المدرجة في البصمة عبر نماذج in vitro أو in vivo.
• نقص البيانات الاستباقية: لم يتم التحقق من النموذج في تجارب سريرية استباقية.

الخلاصة
تخلص الدراسة إلى أن نموذج TRS يعد أداة قوية للتنبؤ الإنذاري الشخصي واتخاذ القرار السريري في سرطان الثدي، وخاصة لتحديد المرضى الذين قد يستفيدون من العلاج المناعي. ويتطلب العمل المستقبلي التحقق من هذه النتائج في دراسات استباقية متعددة المراكز وتوضيح الآليات الجزيئية الكامنة.