三阴性乳腺癌对化疗的不同反应类型

三阴性乳腺癌（TNBC）是一种缺乏雌激素受体、孕激素受体和HER2受体的侵袭性乳腺癌亚型，目前主要依靠化疗，但仅约一半患者能获得良好疗效。本研究针对这一难题，利用单细胞RNA测序（scRNA-seq）和空间转录组技术，系统解析了101名未经治疗的早期TNBC患者肿瘤组织（共427,857个细胞）及44名患者的组织空间信息。研究首先基于纯癌细胞的基因表达，将TNBC患者分为4种‘肿瘤原型’（ARC1–ARC4）：ARC1类似分泌型腔面细胞，ARC2类似基底样细胞，ARC3以干扰素应答为特征，ARC4则富集雄激素受体相关通路。这些原型并非以往基于混合组织的分型，而是真正反映癌细胞自身内在特性的分类，其中ARC3与化疗完全缓解（pCR）显著相关，而ARC2则与残留病灶（RD）相关，具有明确的临床预测价值。

进一步，研究在单细胞水平识别出13种癌细胞‘元程序’（如细胞周期、干扰素响应、内质网应激等）和49种肿瘤微环境（TME）中的免疫与基质细胞状态。尤为关键的是，研究突破性地定义了8种‘细胞生态型’（ecotypes），即癌细胞特定元程序与特定免疫/基质细胞状态在患者体内协同出现的稳定组合。例如，‘生态型-8’包含干扰素响应的T细胞、B细胞、巨噬细胞及相应癌细胞，与良好化疗反应强相关；而‘生态型-3’则关联血管生成和癌细胞迁移，多见于治疗失败患者。

与既往聚焦T细胞的研究不同，本研究发现巨噬细胞亚型（如Mac-IFN、Mac-lip-C1Q）的丰度变化比T细胞更能区分疗效好坏，凸显了巨噬细胞在化疗响应中的核心地位。此外，研究还对比了TNBC与正常乳腺组织，发现大量免疫细胞状态（包括通常认为‘抗肿瘤’和‘促肿瘤’的类型）在癌组织中均显著增多，表明肿瘤微环境的免疫调控远比想象中复杂。

最后，研究团队基于上述发现，构建了两种预测模型：一种是基于细胞频率的机器学习模型（AUC=0.84），另一种是仅需检测13个基因的简易临床检测面板。该面板在多个外部独立队列中成功验证，不仅能准确预测新辅助化疗疗效，其风险评分还与患者总生存期显著相关。综上，本研究不仅深化了对TNBC生物学本质的理解，更直接为临床个体化治疗、疗效预测及靶向新策略（如靶向特定巨噬细胞亚群）提供了坚实、可转化的科学基础。