患者随机分组与MBT-T干预
评估MBT-T对乳腺癌患者炎症基因表达的影响。
将完成 primary treatments 的乳腺癌患者随机分为CTL组（标准随访）和MBT-T组（标准随访加双周MBT-T，为期4个月，共8次，每次90-120分钟），采集血样。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
乳腺癌身心转化疗法的转录组特征：干扰素信号通路下调
Transcriptomic signatures of mind-body transformations therapy in breast cancer: Downregulation of the interferon signaling pathway
实验完整度
中随机对照试验，全血RNA的NanoString炎症基因 panel 分析，通路评分与ORA验证，但无体外或动物模型功能验证。
主要模型
乳腺癌患者全血样本（CTL组 n=7，MBT-T组 n=14）
重点核对
随机分组：CTL组接受标准随访，MBT-T组接受标准随访加双周MBT-T，为期4个月（8次） 血样采集时间点：治疗前（T0）、首次干预后1小时（T1）、2个月后（T2）、治疗结束（Tt） 基因表达分析：nCounter® Human Inflammation Panel（249个基因），比较T0与Tt 差异表达阈值：BH校正p<0.05，低表达基因（均值标准化计数<20）被排除 通路富集分析：ORA使用clusterProfiler，基因集来自MSigDB（Hallmark和Reactome），背景为panel基因（n=185），FDR<0.05
摘要
背景：越来越多的证据表明，身心转化疗法（MBT-T）能够调节慢性炎症，而慢性炎症是癌症进展和耐药性的已知驱动因素。在我们之前的工作中，我们表明一种特定的MBT-T方案能够减少完成辅助化疗的乳腺癌患者血清中多种促炎细胞因子和趋化因子的释放。尽管有这些临床观察，但该疗法发挥作用的潜在分子通路仍不清楚。本研究旨在通过表征接受新型MBT-T方案患者的全基因组转录谱来填补这一空白。方法：在这项概念验证研究中，乳腺癌患者被随机分为两组：第1组（CTL），接受标准随访护理；第2组（MBT-T），接受标准随访加为期4个月的双周MBT-T。在治疗期间的不同时间点采集血样。从全血中提取RNA后，使用nCounter® Human Inflammation Panel（249个基因）对21名患者（CTL，n=7；MBT-T，n=14）进行基因表达分析。结果：与对照组相比，接受MBT-T的患者表现出炎症基因表达的显著全局下调。分析显示，干扰素（IFN）信号通路被最显著抑制，MBT-T组中IFIT1、IFIT3、IFI44、MX1和OASL等关键基因下调。结论：MBT-T作为一种生物调节剂，能够在转录水平下调关键炎症通路。这些发现为身心干预在肿瘤学中的临床益处提供了基因组基础。
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
- 身心转化疗法（MBT-T）在乳腺癌患者中调节慢性炎症的潜在分子通路是什么？
- 核心机制
- MBT-T在转录水平下调干扰素信号通路，特别是IFIT1、IFIT3、IFI44、MX1和OASL等干扰素刺激基因的表达。
- 主要证据
- 对21名乳腺癌患者（CTL n=7，MBT-T n=14）全血RNA进行nCounter® Human Inflammation Panel分析，发现MBT-T组炎症基因全局下调，干扰素信号通路评分显著降低（p<0.05），关键ISGs（IFIT1、IFIT3、IFI44、MX1、OASL）在Tt vs T0显著下调（BH校正p<0.05），而CTL组无类似变化。
- 研究意义
- 研究结果为身心干预在肿瘤学中的临床益处提供了基因组基础，支持将MBT-T作为生物反应调节剂纳入 integrative oncological care，以改善癌症幸存者的生物学轨迹和心理健康。
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。
血样采集与RNA提取
获取用于转录组分析的高质量RNA。
在T0、T1（首次干预后1小时）、T2（2个月后）和Tt（治疗结束）采集6-8 mL血样，从2 mL全血中使用QIAamp RNA Blood Mini Kit提取总RNA，并通过Nanodrop确保RNA完整性和纯度。
nCounter基因表达分析
量化炎症相关基因表达，识别差异表达基因。
使用nCounter® Human Inflammation Panel（249个基因）对21名患者（CTL n=7，MBT-T n=14）的RNA进行表达谱分析，比较T0和Tt。
差异表达与通路富集分析
鉴定差异表达基因并确定受影响的生物学通路。
使用nSolver软件进行数据标准化和差异表达分析，计算log2FC和p值，使用Benjamini-Hochberg校正，然后使用R的clusterProfiler进行过表达分析（ORA），基因集来自MSigDB（Hallmark和Reactome）。
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。
验证样本或模型特征
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| RNA提取 | QIAamp RNA血液迷你试剂盒 | -- | 52304 |
| 基因表达分析 | nCounter®人类炎症Panel | NanoString Technologies | -- |
| 数据分析 | nSolver™分析软件 | -- | -- |
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 |
|---|---|
| 患者分组与干预 | 随机分组方法、MBT-T干预的具体内容（治疗性催眠、积极期望、集中注意力）、干预频率（双周，4个月，8次）、每次时长（90-120分钟） 阅读提示：Methods 2.1和2.2节 |
| 血样采集与RNA提取 | 采血时间点（T0、T1、T2、Tt）、血样体积（6-8 mL）、RNA提取试剂盒（QIAamp RNA Blood Mini Kit，Cat no./ID. 52304）、RNA质量控制方法（Nanodrop） 阅读提示：Methods 2.3节 |
| 基因表达谱分析 | nCounter® Human Inflammation Panel（249个基因）、样本量（CTL n=7，MBT-T n=14）、RNA质量排除标准（MBT-T组2例因质量不足排除） 阅读提示：Methods 2.4节和Fig. 1 |
| 数据标准化与差异表达分析 | 标准化方法（内部阳性对照和管家基因）、低表达过滤阈值（均值标准化计数<20）、差异表达统计模型（负二项线性模型或对数线性模型）、多重检验校正方法（Benjamini-Hochberg）、显著性阈值（BH校正p<0.05） 阅读提示：Methods 2.5和2.6节 |
| 通路富集分析 | ORA方法（clusterProfiler）、基因集来源（MSigDB Hallmark和Reactome）、背景基因（panel基因，n=185）、显著性阈值（FDR<0.05） 阅读提示：Methods 2.7节 |