小叶性乳腺癌生物学与患者结局的转录组学见解:MINDACT临床试验分析

Transcriptomic Insights into Lobular Breast Cancer Biology and Patient Outcomes: Analysis of the MINDACT Clinical Trial

作者信息Christine Desmedt, Ha-Linh Nguyen, François Richard, Sabine Linn, Otto Metzger Fihlo, Coralie Poncet, Jelle Wesseling, Kim Aalders, Mauro Delorenzi, Suzette Delaloge, Jean-Yves Pierga, Etienne Brain, Suzan Vrijaldenhoven, Karen Van Baelen, Marion Maetens, Emiel Rutgers, Martine Piccart, Laura Van 't Veer, Giuseppe Viale, Fatima Cardoso
PMID41995722
发布时间2026-08-03
DOI10.1158/1078-0432.CCR-25-3808

实验完整度

基于临床试验样本的回顾性转录组分析,包含差异表达、基因集富集和生存分析,但缺乏功能验证或机制实验。

主要模型

464例ER+/HER2− ILC肿瘤样本 3,798例ER+/HER2− IBC-NST肿瘤样本

重点核对

中心病理复核确认组织学亚型:ILC vs IBC-NST ILC分为经典型和非经典型,并进一步细分psILC和oILC 风险分组:cL/gL(n=221)和cH/gL(n=173) 差异表达分析校正年龄和肿瘤分级 生存分析终点:DFS和DRFS,中位随访8.7-9.25年

摘要

目的:浸润性小叶癌(ILC)是继无特殊类型浸润性乳腺癌(IBC-NST)之后的第二常见乳腺癌亚型。这项对MINDACT试验的回顾性分析研究了雌激素受体(ER)阳性/HER2阴性ILC与ER+/HER2− IBC-NST、经典型和非经典型ER+/HER2− ILC以及复发和非复发ER+/HER2− ILC之间在低基因组风险且临床低/基因组低(cL/gL)或临床高/基因组低(cH/gL)风险患者中的转录组差异。实验设计:我们分析了4,262例经中心病理复核的ER+/HER2−肿瘤(63.7%;464例ILC和3,798例IBC-NST)。差异基因表达分析经年龄和分级校正,随后进行基因集富集分析。校正回归模型评估了转录组谱与无病生存期和远处复发无生存期的关联。结果:观察到IBC-NST与ILC相比CDH1(E-cadherin)表达增加。ILC显示出更多摄取细胞外脂质来源(LPL、CD36、LEP和LEPR),而IBC-NST则倾向于脂质合成(FASN)。在ILC中还观察到ER信号传导降低、PI3K/Akt信号传导增加以及与细胞外基质相关的差异。经典型和非经典型ILC差异细微,尤其在细胞周期调控方面。在cL/gL风险的ER+/HER2− ILC患者中,凋亡、炎症反应、缺氧和致癌信号传导(PI3K/Akt、Ras和c-Myc)的富集与较差的生存期相关。相反,在cH/gL组中,ILC转录组特征与生存期的关联更为细微。结论:这是来自具有中心组织学复核的临床试验的最大的ILC转录组数据集。这些发现可能为改善ILC患者的治疗策略和复发风险评估提供见解。转化相关性:尽管浸润性小叶癌(ILC)是第二常见的乳腺癌亚型,且比许多其他癌症更常见,但针对ILC生物学特定特征的治疗策略仍然很少。多个研究小组已经一致强调了雌激素受体阳性/HER2− ILC与无特殊类型浸润性乳腺癌(IBC-NST)之间的生物学差异。然而,迄今为止发表的大多数研究要么受限于样本量、缺乏中心病理复核,和/或相关的临床数据有限。在此,我们研究了MINDACT试验中ILC的转录组谱。我们确认并细化了先前报道的与IBC-NST的生物学差异,并表征了经典型和非经典型ILC之间的差异。此外,我们强调了在那些被预测为低基因组复发风险的ILC患者中与无病生存期相关的生物学特征。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
ER+/HER2− ILC与IBC-NST之间、经典型与非经典型ILC之间以及不同风险组中复发与非复发ILC之间的转录组差异是什么?
核心机制
ILC可能优先摄取细胞外脂质(LPL、CD36、LEP/LEPR),而IBC-NST倾向脂质合成(FASN);ILC中ER信号降低、PI3K/Akt信号增强;在cL/gL风险的ILC中,凋亡、炎症、缺氧及PI3K/Akt、Ras和c-Myc信号富集与较差生存相关。
主要证据
基于MINDACT试验4,262例ER+/HER2−肿瘤的转录组数据,通过差异表达分析、GSEA/GSVA和Cox/Fine-Gray回归模型,识别了ILC与IBC-NST、经典型与非经典型ILC的转录组差异及与生存相关的特征。
研究意义
提供了来自临床试验中心组织学复核的最大ILC转录组数据集,可能为改善ILC患者的治疗策略和复发风险评估提供见解,例如扩展PI3K/Akt通路靶向治疗和探索靶向脂质摄取的新方法。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

患者队列与中心病理复核

确定ER+/HER2− ILC和IBC-NST患者亚组,并进行中心病理复核以确保组织学亚型准确。

从MINDACT试验中筛选出4,262例ER+/HER2−肿瘤,其中464例ILC和3,798例IBC-NST,所有病例均经中心病理复核确认组织学亚型、分级和Ki-67。

2

ILC与IBC-NST的差异表达分析

识别ER+/HER2− ILC与IBC-NST之间的转录组差异。

使用limma包进行差异基因表达分析,并经年龄和肿瘤分级校正,随后进行GSEA和GSVA以识别差异富集的Hallmark基因集和基因签名。

3

经典型与非经典型ILC的比较

阐明经典型和非经典型ILC之间在临床病理和转录组水平上的差异。

将ILC分为经典型和非经典型,并进一步细分为psILC和oILC,比较其临床病理特征和转录组谱。

4

不同风险组ILC的转录组比较

比较cL/gL和cH/gL风险组中ILC的转录组特征。

比较cL/gL(n=221)和cH/gL(n=173)风险组ILC的基因表达谱。

5

转录组特征与生存的关联分析

评估转录组特征与ILC患者无病生存期和远处复发无生存期的关联。

在cL/gL和cH/gL风险组中,使用Cox回归和Fine-Gray竞争风险模型评估Hallmark和基因签名富集分数与DFS和DRFS的关联。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Agilent微阵列Agilent--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
患者队列与病理复核
中心病理复核确认组织学亚型(ILC vs IBC-NST)、肿瘤分级和Ki-67指数
阅读提示:Materials and Methods - Patients and data
差异表达分析
校正变量:年龄(>50岁 vs ≤50岁)和肿瘤分级(G3或G2 vs G1)
阅读提示:Materials and Methods - Differential expression analyses
基因集富集分析
GSEA版本4.1.0,GSVA版本1.40.1,MSigDB Hallmark基因集v7.5.1
阅读提示:Materials and Methods - Gene set enrichment and gene signature analyses
生存分析
风险分组:cL/gL(n=221)和cH/gL(n=173);多变量模型校正变量包括年龄、肿瘤分级、肿瘤大小、淋巴结状态、辅助治疗
阅读提示:Materials and Methods - Statistical analyses; Results - Association of transcriptomic profiles with survival
ILC亚型分类
经典型ILC(n=253)与非经典型(n=211)的区分标准,以及psILC(n=48)和oILC(n=163)的进一步细分
阅读提示:Results - Clinicopathologic differences between classic and nonclassic ER+/HER2− ILC