1. 领域背景与文献
文献英文标题：A gene signature derived from leukemia associated macrophages provides a compelling risk stratification for human AML patients；
发表期刊：文献未明确提供；影响因子：文献未明确提供；研究领域：血液肿瘤学（急性髓系白血病）
急性髓系白血病（AML）是一类异质性极高的血液系统恶性肿瘤，当前临床风险分层主要基于细胞遗传学和分子遗传学特征（如欧洲白血病网络（ELN）2022分型），但仍存在部分患者分层不准确、预后预测效能不足的问题。近年来，肿瘤免疫微环境在AML进展中的调控作用逐渐成为研究热点，其中白血病相关巨噬细胞（LAMs）通过免疫抑制功能促进白血病细胞增殖与耐药，但此前缺乏将LAMs特征转化为临床可应用的预后分层工具的研究，这一空白限制了免疫微环境信息在AML精准诊疗中的应用。本研究针对这一核心问题，基于小鼠模型发现的LAMs基因特征构建人类AML的风险评分系统，为AML的精准预后分层提供了新的免疫维度工具。
2. 文献综述解析
作者首先从干细胞白血病/淋巴瘤综合征（SCLL）进展为AML的独特病理特征切入，引出自身小鼠模型中发现的LAMs转录重编程现象，随后围绕AML现有风险分层体系的局限性展开评述，明确现有研究未整合免疫微环境信息的核心不足。现有研究的核心结论显示，免疫微环境尤其是巨噬细胞在AML的免疫抑制和疾病进展中发挥关键作用，部分研究已证实LAMs可通过分泌细胞因子、调控T细胞功能等方式促进白血病进展；现有技术方法的优势在于小鼠模型能精准模拟白血病的发生发展过程，为机制研究提供可靠的体内模型，但局限性在于小鼠模型的结果需经过转化验证才能应用于人类临床，且当前AML风险分层工具未纳入免疫微环境相关指标，导致部分患者的预后判断不够精准。通过对比现有研究的未解决问题，本研究的创新价值凸显：首次将小鼠模型中发现的LAMs基因特征转化为人类AML的32基因风险评分，实现了免疫微环境信息与传统风险分层体系的结合，显著提升了AML患者预后预测的精准性，为AML的免疫靶向治疗和风险分层提供了新的学术依据。
3. 研究思路总结与详细解析
本研究的研究目标是构建基于LAMs基因特征的AML患者风险分层工具，核心科学问题是LAMs相关基因特征是否能独立于传统指标预测AML患者的预后，技术路线遵循“小鼠模型筛选差异基因→人类同源基因转化→机器学习构建评分模型→大样本临床队列验证→整合传统分型验证独立价值”的闭环逻辑，确保研究结果的科学性和临床转化价值。
3.1 小鼠模型LAMs差异基因筛选与人类同源基因转化
实验目的是从FGFR1驱动的白血病小鼠模型中获取LAMs的特异性上调基因，并将其转化为人类同源基因，为后续构建人类AML风险评分提供基础。方法细节是通过单细胞转录组分析白血病小鼠模型外周血中的循环巨噬细胞，筛选出50个在LAMs中上调最显著的基因，随后使用nichenetr生物信息学包及NCBI基因数据库进行人工查询，将小鼠基因转化为人类同源基因，其中1个基因（AW112010）因未找到合适的人类同源基因被排除。结果解读最终得到49个具有人类同源基因的LAMs差异基因，为后续的预后基因筛选提供了候选集。产品关联：文献未提及具体实验产品，领域常规使用单细胞转录组测序平台、生物信息学分析软件（如R语言、nichenetr包）。
3.2 LAM风险评分模型构建
实验目的是从49个候选基因中筛选出具有稳定预后预测价值的基因，构建稳健的LAM风险评分模型，避免过拟合问题。方法细节是采用最小绝对收缩和选择算子（LASSO）惩罚的Cox比例风险模型，使用R语言glmnet包中的cv.glmnet函数进行分析，为确保模型稳定性和避免过拟合，执行了1000次10折交叉验证，在迭代过程中LASSO惩罚将预后预测能力较弱的基因系数收缩为0，最终筛选出在至少900次迭代中系数不为0的32个基因，以1000次迭代的平均系数为权重计算每个基因的加权平均，得到LAM评分。结果解读构建的32基因LAM评分模型具有良好的稳定性，能够有效反映AML患者的免疫微环境状态与预后关联。产品关联：文献未提及具体实验产品，领域常规使用R语言glmnet包、统计分析软件等生物信息学工具。
3.3 大样本AML患者队列的LAM评分预后验证
实验目的是验证LAM评分在人类AML患者中的预后预测价值，明确高、低LAM评分组的生存差异。方法细节是纳入838例接受阿糖胞苷联合柔红霉素标准化疗的初诊AML患者，通过CALGB系列数据库获取患者的转录组数据和临床信息，计算每个患者的LAM评分并分为高、低评分组，采用Kaplan-Meier法分析总生存期（OS）、无病生存期（DFS）、无事件生存期（EFS），使用log-rank检验比较组间生存差异。结果解读显示，高LAM评分组的3年OS为23%，低评分组为64%（n=838，P<0.001）；3年DFS为23%，低评分组为52%（n=838，P<0.001）；3年EFS为14%，低评分组为47%（n=838，P<0.001），高LAM评分组患者的各项生存指标均显著差于低评分组，证实LAM评分具有良好的预后预测效能。
产品关联：文献未提及具体实验产品，领域常规使用临床数据库（如CALGB系列数据库）、生存分析软件（如SAS 9.4、R语言）。
3.4 LAM评分与ELN分型的联合预后分析
实验目的是验证LAM评分是否具有独立于传统ELN风险分层的预后价值，明确其对现有分层体系的补充作用。方法细节是将LAM评分与ELN 2022风险分层体系结合，分析不同ELN风险亚组中高、低LAM评分患者的生存差异，采用Kaplan-Meier法和log-rank检验进行统计分析。结果解读显示，即使在ELN favorable（良好风险）亚组中，高LAM评分患者的3年OS为49%，低评分组为72%（P=0.002），提示LAM评分可进一步细化传统风险分层的预后判断，具有独立的预后预测意义。产品关联：文献未提及具体实验产品，领域常规使用临床分子分型标准（ELN 2022）、统计分析软件。
4. Biomarker研究及发现成果解析
本研究发现的核心Biomarker是由32个基因组成的LAM基因特征，属于免疫微环境类Biomarker，其筛选与验证逻辑完整覆盖了基础研究到临床转化的全流程，为AML的预后分层提供了新的免疫维度指标。
Biomarker定位：该Biomarker为32个基因组成的LAM基因特征，筛选逻辑为通过白血病小鼠模型获取LAMs的差异上调基因→转化为人类同源基因→LASSO-Cox模型筛选具有预后预测价值的基因→交叉验证构建稳定的LAM评分；验证逻辑为在838例人类AML患者队列中验证其预后预测能力，并与传统ELN分型结合验证独立预后意义。
研究过程详述：该Biomarker的来源为FGFR1驱动的白血病小鼠模型中LAMs的转录组数据，验证方法为在人类AML患者队列中通过转录组数据计算LAM评分，比较高、低评分组的生存差异；特异性与敏感性方面，文献未明确提供ROC曲线的AUC值及敏感性、特异性数据，但生存分析结果显示其能显著区分不同预后的AML患者（P<0.001）。
核心成果：该LAM基因特征可独立预测AML患者的总生存期、无病生存期和无事件生存期，与ELN 2022分型结合可细化各风险亚组的预后判断，其中ELN良好风险亚组中高LAM评分患者的预后显著更差（3年OS 49% vs 72%，P=0.002）；创新性在于首次将小鼠模型中发现的LAMs基因特征转化为人类AML的临床预后分层工具，填补了免疫微环境信息在AML风险分层中的应用空白，为AML的精准诊疗提供了新的学术方向。