新聞中心
三陰性乳腺癌（TNBC）是乳腺癌（BC）中侵襲性最強的亞型。TNBC 具有高轉(zhuǎn)移率、高遠處復(fù)發(fā)率、缺乏特異性治療靶點且易產(chǎn)生耐藥性的特點，這與其不同于其他乳腺癌亞型的獨特腫瘤微環(huán)境（TME）密切相關(guān)。腫瘤微環(huán)境是腫瘤細胞賴以生存和發(fā)展的復(fù)雜環(huán)境，主要由腫瘤細胞、基質(zhì)細胞及組織、微血管和各類趨化因子構(gòu)成。腫瘤微環(huán)境的存在會增強腫瘤細胞的增殖、侵襲、轉(zhuǎn)移能力及免疫逃逸能力，進而阻礙 TNBC 的抗腫瘤應(yīng)答。
建立基于微環(huán)境細胞（MCs）浸潤的預(yù)后預(yù)測模型，并探索三陰性乳腺癌（TNBC）的新治療策略，具有重要意義。
陸軍軍醫(yī)大學西南大學干細胞與再生醫(yī)學科在Journal of Translational Medicine上發(fā)表題為“The microenvironment cell index is a novel indicator for the prognosis and therapeutic regimen selection of cancers”文章。
本研究基于批量 RNA 測序數(shù)據(jù)，采用 xCell 算法對三陰性乳腺癌（TNBC）微環(huán)境中的細胞結(jié)構(gòu)進行量化分析。通過LASSO-Cox回歸分析構(gòu)建微環(huán)境細胞指數(shù)（MCI）。隨后，利用單細胞 RNA 測序（scRNA-seq）、空間轉(zhuǎn)錄組學（SRT）及多重免疫熒光（mIF）染色分析對 MCI 進行驗證，并在荷瘤小鼠中探究 MCI 的作用機制。
微環(huán)境細胞指數(shù)（MCI）由 6 種微環(huán)境細胞（MCs）構(gòu)成，該指數(shù)可精準預(yù)測三陰性乳腺癌（TNBC）患者的預(yù)后。單細胞 RNA 測序（scRNA-seq）、空間分辨轉(zhuǎn)錄組學（SRT）及多重免疫熒光（mIF）染色分析均驗證了這 6 種細胞的存在及其比例分布。此外，結(jié)合這 6 種微環(huán)境細胞的空間分布特征，研究構(gòu)建了 MCI 增強模型（MCI-e），該模型對三陰性乳腺癌患者預(yù)后的預(yù)測準確性更高。更重要的是，在微環(huán)境細胞指數(shù)高表達（MCIhigh）的三陰性乳腺癌患者中，其癌細胞內(nèi)的胰島素信號通路處于激活狀態(tài)，而抑制該通路可顯著延長荷瘤小鼠的存活時間。
本研究結(jié)果表明，微環(huán)境細胞（MCs）浸潤可作為三陰性乳腺癌（TNBC）患者預(yù)后評估及治療方案選擇的新型指標。
利用 TissueFAXS 平臺獲取65 例 TNBC 組織多重免疫熒光（mIF）染色后的組織圖像。
Panel 1: CD38, CD34, CD45RA, CD27, CD19
Panel 2: CD3, IL4, CD64, CD11c, CD4, CD8
細胞定量與分型分析
通過 StrataQuest 軟件實現(xiàn)精準的細胞識別、計數(shù)及分型：
基于 DAPI 染色的細胞核識別技術(shù)，區(qū)分單個細胞，根據(jù)不同通道蛋白的表達特性識別蛋白染色信號，并依據(jù)熒光強度與熒光面積設(shè)定陽性細胞劃分的閾值。
定量分析每個點中六種核心微環(huán)境細胞的數(shù)量及占比，驗證了 MCI 涉及細胞的存在與比例分布。
結(jié)合 HE 染色結(jié)果，通過 StrataQuest 軟件圈出感興趣區(qū)域（ROIs），量化細胞空間相關(guān)參數(shù)：分析六種細胞與腫瘤巢、三級淋巴結(jié)構(gòu)（TLS）的距離、浸潤密度等特征。為構(gòu)建 MCI 增強模型（MCI-e）提供關(guān)鍵空間參數(shù)，提升預(yù)后預(yù)測的準確性。
通過Tissue Cytometry技術(shù)獲得的蛋白水平細胞定量數(shù)據(jù)及空間特征數(shù)據(jù)，直接用于：
驗證 MCI 在蛋白層面的預(yù)后價值，確認 MCI 高表達與 TNBC 患者不良預(yù)后相關(guān)。
篩選 21 個預(yù)后相關(guān)空間特征，構(gòu)建 MCI-e1、MCI-e2、MCI-e3 模型，使預(yù)測 AUC 最高達 0.934，顯著優(yōu)于原始 MCI 模型。
Figure 4 驗證 MCI 涉及的 6 類微環(huán)境細胞（MCs）在 TNBC 組織中的存在與比例
Figure 5 解析 6 類 MCs 在 TNBC 組織中的空間分布特征
Figure 6 構(gòu)建 MCI-e1 模型并驗證其預(yù)后準確性
關(guān)于TissueGnostics
