经过5年的努力，复旦大学附属肿瘤医院邵志敏教授和江一舟教授团队、上海生物医学技术研究所黄伟教授团队、复旦大学生命科学学院和人类表型研究所石和郑团队通力合作，共同攻关，绘制出了迄今为止亚洲人群中最大的全乳腺癌多维组学图谱。该图谱深度整合了以往乳腺癌研究的多维生物学信息，以寻找对新兴治疗方法敏感的乳腺癌群体；然后利用多模态融合优化乳腺癌患者复发风险分层，形成“三维”精准诊疗策略，为乳腺癌精准诊疗提供了新思路。
日前，国际肿瘤学顶级期刊《自然·癌症》在线发表了最新研究成果。这是研究团队在此前三阴性乳腺癌队列基础上的进一步突破。
该论文的共同第一作者是复旦大学附属肿瘤医院的姜一舟、马丁、金和，复旦大学生命科学学院和人类表型研究所的于迎庆副研究员和上海生物医学技术研究所的史锦秀研究员。
不同乳腺癌患者的特征差异显著，多维生物信息整合亟待新突破。
据世界卫生组织国际癌症研究机构2023年发布的数据显示，乳腺癌已成为最常见的恶性肿瘤类型，严重危害人们的生命健康。
“越来越多的研究表明，乳腺癌是一种具有复杂特征的恶性肿瘤。不同的乳腺癌患者具有不同的肿瘤特征和不同的治疗效果。‘量体裁衣’已成为乳腺癌精准诊疗的标准方案，这就要求我们从多角度、多层面系统分析肿瘤的特点，以便进行更精准的个体化治疗。”肿瘤医院乳腺外科主任、大外科主任邵志敏教授说。
在之前的研究中，邵志敏教授和江一舟教授团队基于高通数量检测技术分析了乳腺癌基因组、转录组、蛋白质组、代谢组、医学图像和病理图像的数据，部分揭示了乳腺癌的发病机制和治疗靶点，升级了乳腺癌“精准分类”的治疗策略。例如，基于全球最大的三阴性乳腺癌多学科数据库提出的“复旦分型”，精准治疗策略使难治性三阴性乳腺癌患者的疗效提高了3倍。
不同水平的研究为乳腺癌患者的精准诊断和治疗带来了更多的曙光。那么，能否整合前期各个层面的研究成果，通过不同组学和多维度的信息协同，充分实现“1+1大于2”的“三维”效应，让乳腺癌患者更多获益呢？
然而，不同组学维度提供的生物学信息难以深度整合，如何利用这些复杂数据指导患者的临床诊疗亟待探索。
多组学整合“三维”策略扩大乳腺癌精准诊疗受益人群
据此，研究团队开展了多组、多维度的项目研究，成果显著。
例如，针对特定靶点的精准治疗已成为当前癌症治疗的主旋律。起初，研究人员将重点放在可用作治疗靶点的基因组变异上，发现中国乳腺癌患者群体的AKT1突变频率高于西方人群，这表明这些患者可能受益于新的AKT抑制剂。
此外，中国乳腺癌患者中HER2富集亚型的比例更高。基因组-转录组-蛋白质组整合分析证实HER2基因在该组患者癌症的发生和发展中起主导作用，这与既往临床研究中抗HER2靶向治疗在亚洲患者中的较好治疗效果一致，证实了多组学整合策略的价值。
代谢重编程是肿瘤的重要生物学标志物，深入分析肿瘤代谢特征有助于针对靶向代谢提出精准治疗策略。研究人员系统描述了乳腺癌亚型的代谢特征，并通过整合代谢组学和蛋白质组学的信息，发现基底样乳腺癌的脂质过氧化水平和铁死亡相关蛋白的表达更高，并提出了该类肿瘤铁死亡的新治疗策略。
既往研究证实，针对肿瘤微环境的免疫检查点抑制剂治疗可显著改善恶性肿瘤患者的预后，并已在三阴性乳腺癌的治疗中占据一席之地。研究人员整合了基因组、转录组和蛋白质组的数据，在激素受体阳性/HER2阴性乳腺癌中发现了一组免疫细胞富集的患者，进一步扩大了免疫检查点抑制剂治疗的潜在受益者。
多模态融合优化患者风险分层，准确预测患者复发风险。
如何实现准确的患者风险分层和预后预测是乳腺癌临床管理和转化研究中一个迫切而重要的问题。研究人员在前期数据库构建和多模态融合技术的基础上，实现了从微观到宏观多维信息的有机整合，成功构建了基于机器学习的多模态风险分层模型。
肿瘤医院副院长江一舟教授表示，研究结果表明，融合了转录组（T）、代谢组（M）、数字病理（P）、免疫组化分类（I）和临床分期（C）特征的TMPIC模型比常用的临床指标更能预测乳腺癌患者的复发风险，为乳腺癌患者的精准分层提供了有力工具。
“该研究面向临床应用，通过对大规模乳腺癌队列分子特征的系统描述和整合分析，为乳腺癌患者的管理提供更准确的策略。”邵志敏教授说。
该研究是复旦大学附属肿瘤医院与复旦大学生命科学学院表型研究所共同完成的又一重要成果，展现了高水平研究型大学跨院系紧密合作，实现“资源整合-优势互补-共同推进创新成果”的良性循环。
文:唐
图:受访者提供
编辑:唐
责任编辑:姜鹏
转载本文请注明出处。
