1. 领域背景与文献
文献英文标题：Proteomic profiling of gastric cancer with peritoneal metastasis identifies a protein signature associated with immune microenvironment and patient outcome；
发表期刊：Gastric Cancer；影响因子：未公开；研究领域：肿瘤学-胃癌分子机制与生物标志物研究
胃癌是全球第五大常见恶性肿瘤，也是第四大癌症相关死亡原因，腹膜转移是导致胃癌患者预后不良的主要原因之一。当前临床主要依据TNM分期评估腹膜转移风险，但由于胃癌的高度异质性，该方法无法精准识别具有腹膜转移倾向的患者。基因组学研究方面，癌症基因组图谱（TCGA）已将胃癌分为EB病毒型、微卫星不稳定型、染色体不稳定型和基因组稳定型四个亚型，部分研究也提出了与转移模式相关的分子分类，但原发灶与腹膜转移灶的基因组异质性问题尚未解决，难以直接用于腹膜转移风险的精准评估。蛋白质组学研究已在胃癌预后亚型鉴定、进展风险预测、治疗响应评估等方面取得进展，但针对胃癌腹膜转移的蛋白质组学特征及临床价值的研究仍较为匮乏。此外，免疫检查点抑制剂在特定胃癌亚群中显示出治疗潜力，但腹膜转移胃癌的免疫治疗疗效及相关机制尚不明确。基于上述研究空白，本研究通过整合原发灶与腹膜转移灶的蛋白质组学和全外显子测序数据，旨在揭示胃癌腹膜转移的分子特征，鉴定与腹膜转移倾向、患者预后及免疫微环境相关的蛋白标志物，为胃癌的个体化诊疗提供依据。
2. 文献综述解析
作者对领域内现有研究的分类维度主要包括技术方向（基因组学、蛋白质组学、免疫治疗）和研究目标（转移机制解析、预后标志物鉴定、治疗响应预测）。基因组学研究方面，TCGA的分子分型为胃癌的精准诊疗提供了框架，但原发与转移灶的广泛基因组异质性限制了其在腹膜转移风险评估中的应用；团队前期提出的分子分类虽关联了转移模式，但仍缺乏针对腹膜转移的特异性研究。蛋白质组学研究已成功鉴定弥漫型胃癌的预后亚型、胃癌进展的蛋白特征及化疗/靶向治疗的响应标志物，但针对腹膜转移胃癌的蛋白质组学特征研究仍处于空白状态，无法为腹膜转移风险评估提供蛋白层面的依据。免疫治疗研究方面，免疫检查点抑制剂在特定胃癌亚群中展现出疗效，但腹膜转移胃癌的免疫治疗响应率及相关机制尚未明确，缺乏可预测免疫治疗响应的生物标志物。
通过对比现有研究的未解决问题，本研究的创新价值凸显：首次同时对胃癌原发灶和腹膜转移灶进行蛋白质组学与基因组学联合分析，系统揭示了两者的分子异质性；通过机器学习整合多组学数据，鉴定出由10个蛋白组成的特征，该特征不仅与腹膜转移倾向相关，还可独立预测患者预后，同时关联肿瘤免疫微环境状态，填补了腹膜转移胃癌蛋白质组学研究的空白，为胃癌腹膜转移的风险分层、预后评估及免疫治疗响应预测提供了新的生物标志物。
3. 研究思路总结与详细解析
本研究的整体框架为：以揭示胃癌腹膜转移的分子特征、鉴定与腹膜转移倾向及预后相关的蛋白标志物为核心目标，围绕“原发灶与腹膜转移灶的分子异质性”“腹膜转移相关蛋白特征筛选”“蛋白特征的预后价值与免疫微环境关联”三大科学问题，构建了“样本收集→多组学分析→差异分子筛选→机器学习建模→外部验证→机制关联”的闭环技术路线。
3.1 患者样本收集与临床特征分析
实验目的是建立包含胃癌原发灶、腹膜转移灶及配对正常组织的研究队列，明确不同分组患者的生存差异。方法细节为回顾性纳入2018年1月至2022年1月在浙江大学医学院附属第一医院接受手术的25例胃癌患者，分为同步腹膜转移组（13例）、异时腹膜转移组（6例）和无腹膜转移组（6例），收集患者的原发肿瘤组织、腹膜转移组织及配对正常组织，通过电话和门诊数据库获取随访数据（末次随访时间2022年11月）。结果解读显示，腹膜转移组与无腹膜转移组的总生存期存在显著差异（文献未明确具体数值，基于图表趋势推测），队列的临床特征信息详见补充表S1。产品关联：文献未提及具体实验产品，领域常规使用组织保存试剂、样本处理耗材等。
3.2 全外显子测序与基因组特征分析
实验目的是解析胃癌原发灶与腹膜转移灶的基因组异质性，明确两者的突变特征差异。方法细节为提取组织及腹水中的基因组DNA，使用Agilent SureSelect Human All Exon V6 Kit构建全外显子文库，在Illumina Hiseq平台进行150bp双端测序，通过生物信息学分析鉴定体细胞突变、拷贝数变异及克隆结构。结果解读显示，原发灶与转移灶共享9%-62%的体细胞突变，TP53突变、ZFHX4扩增等为共享变异，而CSMD3突变、CCNE1/MYC/KRAS等拷贝数变异存在明显差异；腹膜转移灶的拷贝数变异更为频繁，亚克隆数量与原发灶也存在差异，证实了两者之间的广泛基因组异质性。产品关联：实验所用关键产品：Qiagen的QIAamp DNA Mini Kit、QIAamp DNA FFPE Tissue Kit，Invitrogen的Qubit® DNA Assay Kit，Agilent的SureSelect Human All Exon V6 Kit，Illumina的Hiseq PE Cluster Kit、Hiseq测序平台。
3.3 TMT标记定量蛋白质组学分析
实验目的是鉴定胃癌原发灶、腹膜转移灶及正常组织的蛋白表达谱，明确两者的蛋白表达差异。方法细节为提取样本蛋白，经还原、烷基化、胰酶消化后，使用TMT® Mass Tagging Kits进行标记，通过Q Exactive HF-X Hybrid Quadrupole-Orbitrap质谱仪结合EASY nLC 1200液相系统进行检测，利用Proteome Discoverer 2.4软件进行蛋白鉴定与定量。结果解读显示，共鉴定出9852个蛋白，筛选出6799个具有至少2个独特肽段的可靠蛋白；原发灶与转移灶的蛋白丰度相关性较低，转移灶富集的蛋白主要涉及RNA结合、细胞外囊泡等通路，提示转移灶的蛋白合成及细胞外信号传递更为活跃。产品关联：实验所用关键产品：Thermo Scientific的蛋白酶和磷酸酶抑制剂、TMT® Mass Tagging Kits and Reagents，Thermo Scientific的Q Exactive HF-X质谱仪、EASY nLC 1200液相系统，Thermo的Proteome Discoverer 2.4软件。
3.4 差异表达蛋白筛选与功能富集分析
实验目的是筛选与胃癌腹膜转移倾向相关的差异表达蛋白，解析其参与的生物学通路。方法细节为首先筛选肿瘤与正常组织之间的差异表达蛋白，再对比腹膜转移组与无转移组原发灶的蛋白表达，最终得到641个差异表达蛋白；通过基因本体（GO）和京都基因与基因组百科全书（KEGG）富集分析解析其功能。结果解读显示，差异表达蛋白主要富集在细胞外囊泡、黏着斑、补体激活、细胞骨架调节等通路，提示这些生物学过程在胃癌腹膜转移倾向中发挥关键作用；其中CNN1、SMTN等蛋白在腹膜转移组原发灶中上调，MZB1、CD38等蛋白下调。产品关联：文献未提及具体实验产品，领域常规使用R包samr、GFold等生物信息学分析工具。
3.5 机器学习构建与验证10蛋白特征模型
实验目的是构建可预测胃癌腹膜转移倾向及患者预后的蛋白特征模型，并验证其可靠性。方法细节为使用团队开发的MATTE工具筛选腹膜转移相关的蛋白模块，结合外部转录组数据进一步筛选，通过Xgboost和scikit-learn机器学习算法构建模型，最终筛选出10个蛋白组成的特征；在Ge-2018（n=82）和Li-2022（n=86）两个外部弥漫型/混合型胃癌队列中验证模型的预后价值。结果解读显示，该10蛋白特征在内部队列预测腹膜转移的ROC曲线下面积（AUC）为0.83；在外部队列中，高风险组患者的总生存期显著短于低风险组（Ge-2018：P=0.013；Li-2022：P=0.025），多因素Cox回归分析显示该特征是独立预后因素（Ge-2018：风险比HR=6.555，95%置信区间CI 1.424–30.177，P=0.016；Li-2022：HR=3.686，95%CI 1.324–10.257，P=0.012）。产品关联：文献未提及具体实验产品，领域常规使用Xgboost、scikit-learn等机器学习软件。
3.6 免疫微环境关联分析
实验目的是解析10蛋白特征与肿瘤免疫微环境的关联，探索其在免疫治疗响应预测中的价值。方法细节为使用CIBERSORT算法分析高、低风险组患者的免疫细胞浸润情况，结合临床案例分析蛋白特征与治疗响应及预后的关系。结果解读显示，高风险组患者的M2巨噬细胞、调节性T细胞、静息CD4+记忆T细胞浸润水平更高，呈现免疫抑制性微环境；低风险组患者的浆细胞、CD4+初始T细胞、嗜酸性粒细胞浸润水平更高，免疫活性更强。临床案例显示，低风险组患者接受化疗联合免疫治疗后获得了更长的生存期，而高风险组患者术后短期内出现腹膜复发，预后较差，提示该蛋白特征可能与免疫治疗响应相关。产品关联：文献未提及具体实验产品，领域常规使用CIBERSORT在线分析工具。
4. Biomarker研究及发现成果解析
Biomarker定位
本研究鉴定的生物标志物为包含DUOXA2、ITGA7、LIMS1、MSRB3、PLCB1、RAB6B、SEMA3C、SMTN、TADA1、TBC1D14的10蛋白特征。其筛选与验证逻辑为：首先筛选胃癌原发灶与正常组织的差异表达蛋白，再对比腹膜转移组与无转移组原发灶的蛋白表达，得到641个与腹膜转移倾向相关的差异表达蛋白；通过MATTE工具聚类筛选出腹膜转移相关的蛋白模块，结合外部转录组数据进一步缩小范围；最后通过Xgboost和scikit-learn机器学习算法筛选出10个蛋白组成的特征，并在两个外部弥漫型/混合型胃癌队列中验证其预后价值。
研究过程详述
该蛋白特征的样本来源为胃癌原发灶组织，验证方法采用TMT标记定量蛋白质组学技术，在Ge-2018和Li-2022两个外部队列的蛋白组数据中进行预后价值验证。特异性与敏感性方面，内部队列中该特征预测腹膜转移的AUC为0.83（文献未明确样本量，基于图表趋势推测）；在外部队列中，高风险组与低风险组的总生存期存在显著差异，证实了该特征的预后区分能力。
核心成果提炼
该10蛋白特征的核心功能关联为：可作为弥漫型/混合型胃癌患者的独立预后标志物，高风险组患者的总生存期显著短于低风险组；同时该特征与肿瘤免疫微环境状态相关，高风险组呈现免疫抑制性微环境，可能对免疫治疗响应较差，低风险组免疫活性更强，免疫治疗响应更好。其创新性在于首次鉴定出与胃癌腹膜转移倾向、预后及免疫微环境均相关的蛋白特征，填补了腹膜转移胃癌蛋白质组学研究的空白，为胃癌的腹膜转移风险分层、预后评估及免疫治疗响应预测提供了新的生物标志物。