IF31.7｜染色体不稳定性特征预测多种化疗耐药

一个基因组检测即可预测铂类、紫杉类和蒽环类耐药，为精准化疗提供新工具。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

化疗药物常缺乏精准生物标志物，导致患者承受毒性却未必获益。染色体不稳定性（CIN）是肿瘤的重要特征，既可能增加化疗敏感性，也可能导致耐药。此前已有研究利用CIN特征预测铂类耐药，但尚未系统扩展到多种化疗药物和多种肿瘤类型。本研究基于CIN特征框架，构建了针对铂类、紫杉类和蒽环类化疗耐药的预测生物标志物，并在真实世界队列中模拟生物标志物临床试验进行验证。

科学问题

卡在哪里： 现有化疗耐药预测方法多依赖基因表达或细胞培养，临床转化有限；同源重组缺陷检测虽可预测铂类反应，但性能不如CIN特征。缺乏能从单一基因组检测同时预测多种化疗耐药的工具。

本文要回答： 开发并验证基于CIN特征的生物标志物，预测铂类、紫杉类和蒽环类化疗耐药，并评估其在真实世界队列中的临床性能。

技术路线

作者主要用了：CIN特征、全基因组测序、靶向捕获测序、细胞游离DNA、Cox回归。

作者首先基于CIN特征框架构建三个耐药分类器：铂类耐药利用CX2>CX3比值，紫杉类耐药利用CX5活性阈值，蒽环类耐药利用CX8、CX9、CX13任一存在。随后在卵巢癌试点队列中验证可行性，再在多个真实世界队列中模拟II期和III期生物标志物试验，比较预测耐药组和敏感组的治疗失败时间，并评估靶向捕获测序和液体活检的临床转化可行性。

图 1　Fig. 1。图1展示了CIN特征作为化疗耐药生物标志物的构建流程。a显示铂类耐药分类器的工作流程；b显示在TCGA食管腺癌队列中，预测耐药组总生存期显著更差（HR>1，P<0.05）；c-e分别展示紫杉类和蒽环类耐药分类器的构建逻辑；d显示基于细胞系药物反应确定CX5活性阈值；f显示基于患者来源模型确定CX8、CX9、CX13阈值。

核心亮点

亮点 1｜铂类耐药预测在卵巢癌中显著

在352例原发性高级别浆液性卵巢癌患者中，预测为铂类耐药的患者治疗失败风险显著升高（HR=1.459，95% CI 1.121–1.899，P=0.0049）。该结果来自II期单臂模拟试验，校正了年龄和肿瘤分期，表明CIN特征可作为铂类耐药的有效预测指标。

图 2　Fig. 2。图2展示了卵巢癌试点队列中三个耐药生物标志物的表现。a显示铂类耐药预测与无进展生存期显著相关（HR=2.340，P=0.0183）；b显示紫杉类耐药预测显著（HR=6.567，P=0.013）；c显示蒽环类耐药预测显著（HR=20.020，P=0.010）。所有分析均校正了临床混杂因素。

亮点 2｜紫杉类耐药预测在多个癌种中稳健

在复发性卵巢癌（HR=7.435，P=0.0003）、转移性前列腺癌（HR=5.462，P=0.0003）和转移性乳腺癌（HR=3.976，P=0.024）的III期随机对照模拟试验中，预测为紫杉类耐药的患者接受紫杉类治疗相比标准治疗均显示显著更高的治疗失败风险，而预测敏感组无显著差异，证实了生物标志物的预测价值。

图 3　Fig. 3。图3展示了在更大真实世界队列中的验证结果。a显示原发性卵巢癌铂类耐药预测（HR=1.459，P=0.0049）；b显示复发性卵巢癌紫杉类耐药预测（HR=7.435，P=0.0003）；c显示复发性卵巢癌蒽环类耐药预测（HR=1.881，P=0.040）；d显示肉瘤蒽环类耐药预测（HR=3.591，P=0.023）。

亮点 3｜蒽环类耐药预测同样有效

在复发性卵巢癌（HR=1.881，P=0.040）、转移性乳腺癌（HR=3.685，P=0.0002）和肉瘤（HR=3.591，P=0.023）中，预测为蒽环类耐药的患者均表现出显著更高的治疗失败风险。其中乳腺癌采用富集设计，肉瘤为II期单臂设计，进一步支持了CIN特征在蒽环类耐药预测中的普适性。

图 4　Fig. 4。图4展示了转移性癌症中的验证结果。a显示转移性前列腺癌紫杉类耐药预测（HR=5.462，P=0.0003）；b显示转移性乳腺癌紫杉类耐药预测（HR=3.976，P=0.024）；c显示转移性乳腺癌蒽环类耐药预测（HR=3.685，P=0.0002）。

亮点 4｜靶向捕获测序与液体活检可行性

对8例肿瘤样本使用TSO500靶向捕获测序，与sWGS的CIN特征活性中位余弦相似度达0.92，耐药分类一致性为93%。对29例血浆样本进行sWGS，高ctDNA比例样本中特征活性中位余弦相似度为0.90，分类一致性为83.3%，表明约31%的卵巢癌患者可通过血液检测进行耐药预测。

图 5　Fig. 5。图5展示了临床转化可行性评估。a显示TSO500与sWGS的CIN特征活性高度一致（中位余弦相似度0.92）；b显示耐药分类一致性达93%；c显示血浆与组织样本特征活性一致（中位余弦相似度0.90）；d显示分类一致性为83.3%。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： CIN特征、全基因组测序、靶向捕获测序、细胞游离DNA、Cox回归
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事肿瘤基因组学、生物标志物开发和临床转化研究的科研人员及临床医生。

带走一句

CIN特征可从单一基因组数据中提取，预测多种化疗耐药，为临床精准用药提供可操作的工具。