1. 应用领域与背景
文献英文标题：Integrative proteogenomic profiling identifies predictive biomarkers and therapeutic targets for neoadjuvant chemotherapy response in triple-negative breast cancer；发表期刊：Genome Biology；影响因子：17.906；研究领域：三阴性乳腺癌精准医学、肿瘤蛋白质基因组学。
三阴性乳腺癌（TNBC）是一类缺乏雌激素受体（ER）、孕激素受体（PR）及人表皮生长因子受体2（HER2）表达的乳腺癌亚型，占所有乳腺癌的10%~15%，具有侵袭性强、预后差、化疗耐药率高的特点。领域共识：由于缺乏靶向治疗靶点，以蒽环类和紫杉类为基础的新辅助化疗是目前II-III期TNBC的标准治疗方案，但仅约30%~40%的患者能达到病理完全缓解（pCR），且现有基于转录组的分子分型（如Lehmann分类）对化疗反应的预测效能有限，临床仍缺乏可靠的预测生物标志物。近年来，蛋白质基因组学技术的发展为TNBC的研究提供了新视角，蛋白及翻译后修饰（PTM）作为功能执行层面的分子特征，能补充转录组数据的局限性，但针对亚洲TNBC队列的整合蛋白质基因组学研究仍较为匮乏，尤其是聚焦蒽环+紫杉类新辅助化疗反应的研究存在空白。因此，本研究前瞻性纳入韩国TNBC患者队列，通过整合全外显子测序（WES）、转录组测序（RNA-seq）、串联质谱标签（TMT）蛋白组及磷酸化组数据，旨在识别预测化疗反应的蛋白质基因组学生物标志物，并挖掘潜在的治疗靶点。
2. 文献综述解析
作者从研究技术维度（基因组、转录组、蛋白质组）、人群维度（西方、亚洲队列）及治疗方案维度（不同化疗组合）对现有TNBC化疗反应研究进行分类，指出当前研究的局限性及本研究的创新价值。
基于基因组和转录组的研究已证实，免疫相关分子特征与TNBC化疗反应正相关，而上皮间质转化（EMT）、肌生成通路特征与耐药负相关，但这些研究多基于西方人群，且仅关注核酸层面的分子变化，忽略了蛋白及PTM层面的调控机制；部分蛋白质组学研究虽揭示了TNBC的蛋白亚型，但未聚焦新辅助化疗反应的预测，也缺乏配对基线与治疗后样本的纵向分析；此外，现有针对TNBC新辅助化疗的研究多包含卡铂方案，而针对亚洲人群中蒽环+紫杉标准方案的研究数据有限，且临床实践中仍缺乏能精准预测pCR的生物标志物。本研究的创新点在于，首次在亚洲TNBC队列中开展整合蛋白质基因组学分析，聚焦蒽环+紫杉新辅助化疗反应，不仅识别了5个与转录组分型不重叠的蛋白质基因组亚型，还发现了蛋白水平雌激素反应特征、GRK2磷酸化特征、ITGB8拷贝数变异等新的耐药标志物，构建了效能优于转录组模型的预测模型，同时挖掘出AURKB作为残留病灶的潜在治疗靶点，填补了亚洲TNBC蛋白质基因组学研究的空白。
3. 研究思路总结与详细解析
本研究的整体目标是识别TNBC新辅助化疗反应的蛋白质基因组学生物标志物，构建精准预测模型并挖掘治疗靶点；核心科学问题是TNBC在蛋白及PTM层面的分子特征如何调控化疗反应，以及这些特征能否转化为临床可用的预测工具和治疗靶点；技术路线遵循“队列构建→多组学测序→分子分型→标志物筛选→功能验证→模型构建”的闭环逻辑，通过前瞻性配对样本的整合分析，系统解析化疗反应的分子机制。
3.1 患者队列与多组学样本制备
实验目的：建立具有完整临床随访信息的TNBC患者队列，获取高质量的基因组、转录组、蛋白组及磷酸化组数据，为后续分析奠定基础。
方法细节：前瞻性纳入50例2020年9月至2021年7月在韩国Severance医院就诊的II-III期TNBC患者，所有患者接受蒽环+紫杉类新辅助化疗方案，收集基线肿瘤活检样本及治疗后手术残留病灶样本；采用Covaris cryoPREP Tissue Disruption系统处理冷冻组织，分别用MagNA Pure 24系统提取基因组DNA，RNeasy Mini Kit提取总RNA，提取蛋白后用TMT 11-plex试剂标记，随后进行WES、RNA-seq、TMT蛋白组及磷酸化组测序。
结果解读：最终获得41例患者的完整基线多组学数据，22例患者的配对治疗后样本数据；患者中位年龄为48岁，92%为临床T2期，58%为淋巴结阴性（N0），38%的患者达到pCR；RNA与蛋白表达水平呈中度相关，其中糖代谢、氨基酸代谢等通路的基因表达相关性较高，而核糖体、氧化磷酸化等通路的基因表达存在显著差异，提示蛋白组数据能补充转录组的信息缺口。
产品关联：实验所用关键产品：Covaris cryoPREP Tissue Disruption system（CP02）、MagNA Pure 24系统（Roche）、RNeasy Mini Kit（Qiagen）、TMT 11-plex标记试剂、ATCC来源的MDA-MB-231、MDA-MB-468、HCC1937细胞系。
3.2 NMF聚类分析TNBC蛋白质基因组亚型
实验目的：基于整合多组学数据划分TNBC分子亚型，分析各亚型与化疗反应的关联及临床预后价值。
方法细节：整合拷贝数变异（CNA）、RNA表达、蛋白表达及磷酸化蛋白表达数据，采用Consensus NMF聚类方法（k=5）对41例基线样本进行分型；比较该蛋白质基因组亚型与经典Lehmann转录组分型的一致性，分析各亚型的pCR率、通路富集特征、胚系BRCA1/2突变情况，并在METABRIC独立队列中验证亚型的预后价值。
结果解读：共识别出5个具有独特分子特征的亚型，分别为免疫富集型（n=9）、异生物质代谢型（n=2）、EMT型（n=7）、MYC依赖型（n=12）、间质伴雌激素特征型（n=11）；其中免疫富集型的pCR率最高（55.6%），而异生物质代谢型和EMT型的pCR率为0；该蛋白质基因组亚型与Lehmann转录组分型无明显重叠，蛋白组水平的基因集变异分析（GSVA）显示组间变异度显著高于转录组水平（SD=0.2449 vs SD=0.1162，P=7.77×10⁻¹⁶）；在METABRIC队列验证中，免疫富集型预后最优，间质伴雌激素特征型预后最差，提示该分型具有临床应用价值。
产品关联：文献未提及具体实验产品，领域常规使用NMF R包、GENE-E分析软件、GraphPad Prism绘图软件等。
3.3 化疗反应相关通路与生物标志物筛选
实验目的：从蛋白及PTM层面识别与pCR相关的分子通路及生物标志物，解析其调控化疗反应的机制。
方法细节：采用基因集富集分析（GSEA）、GSVA比较pCR与非pCR样本的通路差异；通过PTM集富集分析（PTM-SEA）筛选与化疗反应相关的磷酸化通路；采用细胞实验验证雌激素-GRK2通路的功能；通过染色体区带富集分析识别与化疗反应相关的拷贝数变异区域。
结果解读：非pCR样本在蛋白水平显著富集雌激素早期反应通路，该通路的GSVA评分与pCR率负相关（高评分组pCR率14.3% vs 低评分组48.1%，n=50，P=0.0328），且与ESTIMATE免疫评分呈负相关（R²=0.17，P=0.002）；PTM层面，非pCR样本富集GRK2/5磷酸化通路，细胞实验显示雌二醇处理MDA-MB468细胞后GRK2蛋白表达上调，GRK2抑制剂（βARK inhibitor）与紫杉醇联用可显著增强MDA-MB-231细胞的敏感性，Bliss协同评分为8.08；拷贝数分析显示，ITGB8纯合缺失与pCR率正相关（纯合缺失组pCR率80%，单拷贝增益组pCR率0%，n=41，P=0.036），且在TCGA TNBC队列中，ITGB8缺失组的总生存期显著更长（n=154，P=0.042）。
产品关联：实验所用关键产品：雌二醇（Sigma-Aldrich，E2257）、βARK inhibitor（Sigma-Aldrich，24269–96-3）、MTT细胞增殖检测试剂、GraphPad Prism绘图软件。
3.4 耐药机制与残留病灶治疗靶点挖掘
实验目的：解析免疫调节（IM）亚型TNBC的耐药机制，以及治疗后残留病灶的分子特征，挖掘潜在的治疗靶点。
方法细节：比较Lehmann IM亚型中pCR与非pCR样本的基因表达差异；采用GSEA、PTM-SEA分析基线与治疗后残留病灶的通路差异；通过细胞实验及患者来源类器官（PDO）实验验证AURKB的治疗潜力。
结果解读：IM亚型中，非pCR样本的AKR1C2（阿霉素代谢相关基因）和ABCA13（药物外排相关基因）RNA表达显著上调，在METABRIC队列中，AKR1C2高表达组的无复发生存期（RFS）显著更短（n=58，P=0.0033）；治疗后残留病灶在蛋白层面富集EMT、异生物质代谢通路，PTM层面富集Aurora激酶B（AURKB）通路；细胞实验显示，AURKB抑制剂（Barasertib）与紫杉醇联用可显著增强MDA-MB-468细胞的敏感性，PDO实验也证实该联合方案能有效抑制TNBC类器官的增殖。
产品关联：实验所用关键产品：Barasertib（Selleckchem，S1147）、紫杉醇、TNBC患者来源类器官（SBO-72）、CellTiter-Glo® 3D ATP检测试剂。
3.5 整合标志物构建化疗反应预测模型
实验目的：整合筛选得到的蛋白质基因组学生物标志物，构建TNBC新辅助化疗反应的预测模型，并评估其效能。
方法细节：纳入5个耐药相关因子（蛋白水平雌激素早期反应signature GSVA评分、GRK2 PTM-SEA标准化富集得分（NES）>2、无ITGB8拷贝数缺失、AKR1C2 RNA表达、ABCA13 RNA表达），采用逻辑回归方法构建预测模型；通过受试者工作特征（ROC）曲线比较该模型与Lehmann转录组模型、Lehmann+ESTIMATE免疫评分模型的预测效能。
结果解读：该整合蛋白质基因组学模型的ROC曲线下面积（AUC）为0.946，显著优于Lehmann模型（AUC=0.781）及Lehmann+免疫评分模型（AUC=0.818）；80.7%的非pCR患者至少携带1个耐药因子，而仅26.7%的pCR患者携带1个耐药因子，提示该模型能有效区分化疗敏感与耐药患者。
产品关联：文献未提及具体实验产品，领域常规使用R语言glm函数构建模型、pROC包绘制ROC曲线。
4. Biomarker研究及发现成果解析
本研究识别的生物标志物涵盖蛋白通路特征、PTM特征、拷贝数变异及基因表达特征，筛选逻辑为“整合多组学关联分析→独立队列验证→功能实验验证”，共获得5类具有临床价值的生物标志物，包括蛋白水平雌激素反应signature、GRK2 PTM signature、ITGB8拷贝数变异、AKR1C2/ABCA13基因表达及AURKB磷酸化特征。
研究过程详述
蛋白水平雌激素反应signature来源于基线肿瘤蛋白组数据，通过GSVA方法计算评分，在本队列中高评分组pCR率显著低于低评分组（14.3% vs 48.1%，n=50，P=0.0328），且在Gong and Jiang等的TNBC队列中，高评分组的RFS显著更短（P=0.0438）；GRK2 PTM signature来源于磷酸化组数据，通过PTM-SEA筛选得到，细胞实验证实雌二醇可上调GRK2表达，GRK2抑制剂与紫杉醇联用具有协同抗肿瘤作用（Bliss评分8.08）；ITGB8拷贝数变异来源于WES数据，通过GISTIC分析识别，纯合缺失组pCR率为80%，单拷贝增益组pCR率为0%（n=41，P=0.036），TCGA队列验证显示缺失组总生存期更长（n=154，P=0.042）；AKR1C2/ABCA13基因表达来源于RNA-seq数据，在IM亚型非pCR样本中显著上调，METABRIC队列验证显示AKR1C2高表达组RFS更短（n=58，P=0.0033）；AURKB磷酸化特征来源于治疗后残留病灶的磷酸化组数据，细胞及PDO实验证实其抑制剂与紫杉醇联用可增强抗肿瘤活性。
核心成果提炼
这些生物标志物的功能关联明确，雌激素反应signature通过抑制肿瘤免疫微环境介导耐药，GRK2通过雌激素通路激活调控化疗敏感性，ITGB8通过TGF-β通路抑制抗肿瘤免疫，AKR1C2/ABCA13通过药物代谢与外排降低化疗疗效，AURKB则是残留病灶的潜在治疗靶点；本研究的创新性在于首次在亚洲TNBC队列中发现蛋白水平雌激素反应特征与化疗耐药的关联，首次将ITGB8拷贝数变异作为pCR的预测标志物，构建了目前效能最优的TNBC新辅助化疗反应预测模型；所有生物标志物均经过统计学验证，其中雌激素反应signature与pCR的关联（P=0.0328）、ITGB8拷贝数与pCR的关联（P=0.036）、AKR1C2表达与RFS的关联（P=0.0033）均具有显著统计学意义。