Tissue Cytometry技术解码三阴性乳腺癌微环境细胞空间分布，为精准诊疗注入新动力

三阴性乳腺癌（TNBC）是乳腺癌（BC）中侵袭性最强的亚型。TNBC 具有高转移率、高远处复发率、缺乏特异性治疗靶点且易产生耐药性的特点，这与其不同于其他乳腺癌亚型的独特肿瘤微环境（TME）密切相关。

肿瘤微环境是肿瘤细胞赖以生存和发展的复杂环境，主要由肿瘤细胞、基质细胞及组织、微血管和各类趋化因子构成。肿瘤微环境的存在会增强肿瘤细胞的增殖、侵袭、转移能力及免疫逃逸能力，进而阻碍 TNBC 的抗肿瘤应答。

建立基于微环境细胞（MCs）浸润的预后预测模型，并探索三阴性乳腺癌（TNBC）的新治疗策略，具有重要意义。

陆军军医大学西南大学干细胞与再生医学科在Journal of Translational Medicine上发表题为“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 测序数据，采用 xCell 算法对三阴性乳腺癌（TNBC）微环境中的细胞结构进行量化分析。通过LASSO-Cox回归分析构建微环境细胞指数（MCI）。随后，利用单细胞 RNA 测序（scRNA-seq）、空间转录组学（SRT）及多重免疫荧光（mIF）染色分析对 MCI 进行验证，并在荷瘤小鼠中探究 MCI 的作用机制。

微环境细胞指数（MCI）由 6 种微环境细胞（MCs）构成，该指数可精准预测三阴性乳腺癌（TNBC）患者的预后。单细胞 RNA 测序（scRNA-seq）、空间分辨转录组学（SRT）及多重免疫荧光（mIF）染色分析均验证了这 6 种细胞的存在及其比例分布。此外，结合这 6 种微环境细胞的空间分布特征，研究构建了 MCI 增强模型（MCI-e），该模型对三阴性乳腺癌患者预后的预测准确性更高。更重要的是，在微环境细胞指数高表达（MCIhigh）的三阴性乳腺癌患者中，其癌细胞内的胰岛素信号通路处于激活状态，而抑制该通路可显著延长荷瘤小鼠的存活时间。

本研究结果表明，微环境细胞（MCs）浸润可作为三阴性乳腺癌（TNBC）患者预后评估及治疗方案选择的新型指标。

 

实验部分

 

Tissue Cytometry技术为研究提供多维度的组织成像与定量分析支持，助力验证微环境细胞指数（MCI）及优化预后模型。

1. 组织成像数据采集

利用 TissueFAXS 平台获取65 例 TNBC 组织多重免疫荧光（mIF）染色后的组织图像。

Panel 1: CD38, CD34, CD45RA, CD27, CD19

Panel 2: CD3, IL4, CD64, CD11c, CD4, CD8

2 细胞定量与分型分析

通过 StrataQuest 软件实现精准的细胞识别、计数及分型：

基于 DAPI 染色的细胞核识别技术，区分单个细胞，根据不同通道蛋白的表达特性识别蛋白染色信号，并依据荧光强度与荧光面积设定阳性细胞划分的阈值。

定量分析每个点中六种核心微环境细胞的数量及占比，验证了 MCI 涉及细胞的存在与比例分布。

3. 空间分布特征解析

结合 HE 染色结果，通过 StrataQuest 软件圈出感兴趣区域（ROIs），量化细胞空间相关参数：

分析六种细胞与肿瘤巢、三级淋巴结构（TLS）的距离、浸润密度等特征。

为构建 MCI 增强模型（MCI-e）提供关键空间参数，提升预后预测的准确性。

4. 预后模型验证支撑

通过Tissue Cytometry技术获得的蛋白水平细胞定量数据及空间特征数据，直接用于：

验证 MCI 在蛋白层面的预后价值，确认 MCI 高表达与 TNBC 患者不良预后相关。

筛选 21 个预后相关空间特征，构建 MCI-e1、MCI-e2、MCI-e3 模型，使预测 AUC 最高达 0.934，显著优于原始 MCI 模型。

Figure 4 验证 MCI 涉及的 6 类微环境细胞（MCs）在 TNBC 组织中的存在与比例

 

Figure 5 解析 6 类 MCs 在 TNBC 组织中的空间分布特征

 

Figure 6 构建 MCI-e1 模型并验证其预后准确性