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

技术摘要：基于机器学习集成开发用于预测乳腺癌预后的 T 细胞相关特征

问题陈述
乳腺癌仍是全球最常见的癌症，其预后在发生转移（尤其是骨转移）时会显著恶化。虽然单细胞测序阐明了肿瘤异质性和肿瘤微环境（TME），但 T 细胞动态在乳腺癌进展和预后中的具体作用仍未得到充分理解。此外，现有的临床分期和分子分型往往无法完全捕捉肿瘤-免疫相互作用的复杂性，因此需要更强大的生物标志物来进行预后预测和免疫治疗反应评估。

方法论
本研究采用了一种结合单细胞 RNA 测序（scRNA-seq）和批量 RNA-seq 数据的多组学集成策略，并通过先进的机器学习流水线进行分析：

1. 数据获取与预处理：

   • scRNA-seq： 分析了包含原发性乳腺癌组织和配对淋巴结转移组织的两个数据集（GSE180286 和 GSE158399），使用 R 包 Seurat 进行处理。通过 SCTransform 去除批次效应，并进行了降维（PCA、t-SNE）。
   • Bulk RNA-seq： 从 The Cancer Genome Atlas (TCGA-BRCA) 和六个独立的 GEO 数据集（GSE1456, GSE20685, GSE24450, GSE42568, GSE58812, GSE7390）中检索转录组和临床数据。
   • 免疫治疗队列： 使用三个免疫治疗数据集进行验证：GSE78220（黑色素瘤）、GSE135222（小细胞肺癌）和 IMvigor210（尿路上皮癌）。

2. 特征构建：

   • 细胞注释与差异分析： scRNA-seq 数据识别出 13 个细胞簇。T 细胞群体在肿瘤组织和转移组织之间表现出显著的丰度差异。提取了这些 T 细胞状态之间的差异基因（logFC > 0.5, p < 0.05）。
   • 亚型分类： 基于 T 细胞差异基因的共识聚类将 TCGA-BRCA 样本分为两个亚型（C1 和 C2）。
   • 机器学习集成： 从 TCGA 队列中，通过单变量 Cox 回归筛选出 419 个差异基因，进而确定了 52 个预后基因。这些基因接受了 101 种 10 种机器学习算法（包括 Random Survival Forest, Elastic Net, Lasso, Ridge, Stepwise Cox, CoxBoost 等）的组合测试。
   • 最优模型选择： 选择在多个数据集中具有最高平均 Harrell's 一致性指数（C-index）的模型。确定的最优组合为 StepCox (forward) + Ridge 回归。

3. 验证与分析：

   • 预后价值： 根据中位风险评分将患者分为高风险组和低风险组。在所有数据集中进行了生存分析（Kapмер-Meier）、ROC 曲线和 C-index 比较。
   • TME 与多组学： 使用 ssGSEA、ESTIMATE 和 CIBERSORT 评估免疫浸润。通过 maftools 分析体细胞突变以计算肿瘤突变负荷（TMB）。计算了肿瘤免疫功能障碍和排除（TIDE）评分，以预测免疫治疗反应。

主要结果

• T 细胞亚型的识别： 识别出两个共识簇（C1 和 C2）。C2 表现出“热”肿瘤表型，与 C1 相比，其免疫细胞浸润（包括激活的 CD8+ T 细胞、NK 细胞和巨噬细胞）显著更高，且总生存率显著更好。
• TRS 模型的稳健性： 由 StepCox+Ridge 模型衍生的 T 细胞相关特征（TRS）在七个独立数据集中表现出优于传统临床特征（年龄、性别、T/N/M 分期及分子亚型）的预后准确性。该模型在各种队列中保持了高准确性，C-index 值范围为 0.682 至 0.769。
• 与 TME 和基因组学的关联：
  • 低-TRS 组： 特点是免疫细胞浸润丰富，MHC 分子、趋化因子和免疫检查点（PD-1, PD-L1, CTLA-4）表达较高，且在癌症免疫循环的所有七个步骤中活性均较高。
  • 高-TRS 组： 与较高的肿瘤纯度、较低的免疫浸润以及较高的肿瘤突变负荷（TMB）相关。值得注意的是，高-TRS 组显示出更高的 TP53 突变频率（49% vs. 20% 在低-TRS 组中）和更高的 TIDE 评分，表明存在免疫功能障碍和排除现象。
• 免疫治疗预测： 在三个独立的免疫治疗队列中，与高-TRS 患者相比，低-TRS 得分的患者表现出显著更好的总生存期和更高的 PD-1/PD-L1 阻断反应率（完全缓解/部分缓解）。低-TRS 与“免疫炎症型”（炎性）肿瘤表型强相关。

意义与主张
作者声称，本研究成功开发了一种稳健的、基于机器学习的 T 细胞相关特征（TRS），该特征可作为乳腺癌的独立预后因子。其工作的意义在于：

1. 卓越的预测能力： TRS 在预测患者生存方面优于传统的临床分期和分子分型。
2. 免疫治疗指导： 该特征能有效对可能从免疫检查点抑制剂中获益的患者进行分层，识别出具有“热”肿瘤微环境和有利免疫治疗反应的“低-TRS”人群。
3. 机制见解： 研究将特定的 T 细胞相关基因表达模式与免疫浸润、TMB 和免疫检查点表达联系起来，为观察到的预后差异提供了生物学基础。

局限性
作者承认存在以下局限性：

• 回顾性性质： 所有数据均源自公共回顾性队列，可能引入选择偏倚。
• 样本量： 部分免疫治疗验证队列的样本量相对较小（例如 n=27, n=28）。
• 机制验证： 该特征中所含特定基因的具体生物学功能尚未通过 in vitro 或 in vivo 模型进行实验验证。
• 缺乏前瞻性数据： 该模型尚未在前瞻性临床试验中得到验证。

结论
研究结论认为，TRS 模型是乳腺癌个性化预后预测和临床决策的有力工具，特别是对于识别可能从免疫治疗中获益的患者。未来的工作需要在前瞻性多中心研究中验证这些发现，并阐明其潜在的分子机制。