学术研究报告：瘤内微生物群预测三阴性乳腺癌新辅助化疗免疫联合治疗的疗效

第一作者及研究机构
本研究由广东省人民医院（Guangdong Provincial People’s Hospital）的Yilin Chen（第一作者）、Kun Wang（通讯作者）等团队完成，发表于2025年的*Journal for Immunotherapy of Cancer*（J Immunother Cancer 2025;13:e010365）。

学术背景

研究领域：肿瘤微环境（Tumor Microenvironment, TME）与瘤内微生物群（Intratumoral Microbiota）的相互作用，及其对三阴性乳腺癌（Triple-Negative Breast Cancer, TNBC）新辅助化疗免疫联合治疗（Neoadjuvant Chemoimmunotherapy, 简称chemo-im）疗效的预测价值。

研究动机：
TNBC占乳腺癌的15%，因缺乏靶向治疗手段，预后较差。近年研究表明，新辅助chemo-im可显著提高病理完全缓解率（Pathological Complete Response, pCR），但仅部分患者获益。目前缺乏高效生物标志物筛选潜在获益人群。瘤内微生物群在多种癌症中被发现与肿瘤发生、治疗抵抗相关，但其在TNBC中的作用尚不明确。

研究目标：
1. 比较pCR与非pCR患者瘤内微生物群的差异；
2. 分析瘤内微生物群与TME的关联；
3. 构建基于瘤内微生物群的机器学习模型，预测pCR。

研究流程与方法

1. 患者队列与样本收集
- 队列设计：纳入89例早期TNBC患者（60例来自广东省人民医院，29例来自佛山市第一人民医院），均接受新辅助chemo-im（方案：白蛋白紫杉醇+卡铂+PD-1抑制剂）。
- 样本类型：
- 新鲜组织：7例（4例pCR，3例非pCR）用于单细胞转录组测序（scRNA-seq）；
- 冷冻组织：89例用于16S rRNA测序（16S-seq）和实时定量PCR（RT-qPCR）；
- 石蜡切片：用于荧光原位杂交（FISH）和免疫组化（IHC）检测脂多糖（LPS）。

2. 实验方法
- 微生物群分析：
- 16S-seq：检测瘤内细菌的多样性和丰度，去除污染序列后分析α/β多样性。
- scRNA-seq：解析TME中免疫细胞亚群（如T细胞、巨噬细胞）的分布，并与微生物群数据关联。
- FISH与IHC：定位16S rDNA和LPS在肿瘤细胞与免疫细胞中的分布。
- 功能验证：
- 体外培养：从TNBC组织中分离微生物，验证其活性；
- 流式细胞术：量化CD4+CXCL13+ T细胞和CD68+SPP1+巨噬细胞的浸润水平。

3. 数据分析与模型构建
- 机器学习模型：整合瘤内微生物群负荷（FISH/IHC数据）、临床病理特征（年龄、分级、分期、Ki67）和PD-L1 CPS评分，通过逻辑回归预测pCR。
- 验证策略：
- 训练集（n=40）、内部验证集（n=17）、外部验证集（n=29）。

主要结果

1. 瘤内微生物群与pCR的关联
- pCR组微生物群α多样性显著高于非pCR组（p=0.015），且细菌负荷更高（FISH/IHC验证，p<0.05）。
- 关键菌属：γ-变形菌纲（Gammaproteobacteria）和不动杆菌（Acinetobacter）占比最高。

2. TME特征差异
- 免疫细胞浸润：
- pCR组：CD4+CXCL13+ T细胞（p=0.02）和滤泡辅助T细胞（Follicular Helper T Cells）浸润增加；
- 非pCR组：CD68+SPP1+肿瘤相关巨噬细胞（TAMs）富集（p=0.01）。
- 空间分布：微生物群主要定位于肿瘤细胞，但亦存在于免疫细胞（如T细胞）。

3. 微生物群调控TME的机制
- 代谢通路：瘤内微生物群富集于碳水化合物和氨基酸代谢通路，可能通过代谢产物（如短链脂肪酸）激活抗肿瘤免疫。
- 细胞互作：不动杆菌（Acinetobacter）与CXCL13+ T细胞共定位，而链球菌（Streptococcus）偏好肿瘤细胞，提示菌群-宿主互作的异质性。

4. 预测模型效能
- 结合微生物群与临床特征的模型AUC达0.955（训练集），显著优于单纯临床模型（AUC=0.789）。

结论与价值

科学意义：
1. 首次证实瘤内微生物群可作为TNBC新辅助chemo-im疗效的独立预测标志物；
2. 揭示微生物群通过代谢重编程和免疫调节影响TME的新机制。

临床价值：
- 为个体化chemo-im策略提供依据，避免过度治疗；
- 潜在干预靶点：靶向特定菌群（如不动杆菌）或代谢通路以增强免疫疗效。

研究亮点

1. 多组学整合：结合16S-seq、scRNA-seq和空间技术，全面解析微生物群-TME互作；
   
2. 创新方法：开发基于微生物群的预测模型，临床转化潜力高；
   
3. 机制探索：发现菌群在肿瘤细胞与免疫细胞中的差异化分布，为后续研究提供方向。
   

局限性：样本量较小（n=89），需多中心队列验证；菌群功能机制需实验进一步阐明。

总结：本研究为TNBC的精准治疗提供了新视角，瘤内微生物群或将成为下一代“生物标志物”的重要候选。