1. 领域背景与文献
文献英文标题：Deep molecular profiling of lung neuroendocrine tumours and supra-carcinoids。
发表期刊：未明确；影响因子：未公开；研究领域：肺神经内分泌肿瘤分子分型。
领域共识：肺神经内分泌肿瘤全球发病率呈快速上升趋势，但其病因尚不明确，手术以外的治疗选择十分有限。当前世界卫生组织基于核分裂计数和坏死存在与否，将肺神经内分泌肿瘤分为1级典型肿瘤和2级不典型肿瘤，该二分法分类沿用至今，是临床诊断的基础框架。
当前领域研究热点聚焦于肺神经内分泌肿瘤的分子分型，试图弥补形态学分型的局限性，已有研究证实形态学分型无法覆盖新发现的分子实体，对临床管理的指导价值不足，同时诊断结果存在显著的观察者间差异，影响诊断准确性。此前研究已经发现肺神经内分泌肿瘤存在三个不同的转录组分组，每个分组都同时包含1级和2级肿瘤，该结论已经得到独立研究验证，开始应用于临床研究，但该分类体系尚未纳入此前报道的超类癌这一新实体，此前仅报道了6例超类癌病例，样本量有限，缺乏足够的分子数据，无法明确其诊断特征、可靶向特征，也未能阐明其分子机制和演化轨迹，更无法明确其与高级别肺神经内分泌癌的关系，超类癌的存在也进一步挑战了肺神经内分泌肿瘤与神经内分泌癌是完全无关疾病的传统观点。本研究基于大样本多组学队列开展整合分析，明确肺神经内分泌肿瘤的分子分类体系，解析超类癌的分子特征和演化规律，建立可临床转化的分类方案，填补了该领域的研究空白。
2. 文献综述解析
核心信息段：本文对现有肺神经内分泌肿瘤分类研究的评述逻辑围绕“形态学分型-现有分子分型-新实体超类癌”的层级展开，对比不同分类体系的优势与局限性，明确当前未解决的核心问题，引出本研究的研究方向。
现有世界卫生组织形态学分型的优势在于仅需常规病理染色即可完成判读，操作简单，是当前临床诊断的金标准，但其局限性十分明显，该分型对治疗反应的预测价值有限，预后评估价值受限于显著的观察者间差异，且形态学分型与分子分型不匹配，给临床实践中的分类应用带来困境。此前的分子分型研究已经明确肺神经内分泌肿瘤存在三个独立的转录组分子分组，该结论已经得到多项独立研究验证，开始指导临床研究方向，但是这些研究都没有对超类癌这一新实体进行系统解析，仅有的少量病例报道样本量小，分子数据不足，无法明确其诊断和治疗相关特征，也未能阐明超类癌的演化轨迹，以及其与神经内分泌癌的分子关联。
本研究的创新价值十分明确，相较于此前研究仅发现三个分子分组、仅少量报道超类癌，本研究基于包含319例样本的大样本队列，整合全基因组测序、转录组分析、DNA甲基化芯片、空间转录组、蛋白质组和深度学习分析多种技术，首次明确超类癌是肺神经内分泌肿瘤的第四个独立分子分组，系统解析了四个分子分组的临床特征、基因组特征、肿瘤微环境特征和演化轨迹，证实超类癌可能是肺神经内分泌肿瘤向神经内分泌癌进展的中间阶段，统一了此前提出的多种分子分类体系，建立了结合免疫组化和形态学的可临床转化分类方案，还开发了公开可用的生物信息学工具，为肺神经内分泌肿瘤的基础研究和临床诊疗提供了新的框架。
3. 研究思路总结与详细解析
核心信息段：本研究的研究目标是明确肺神经内分泌肿瘤的分子分型，解析超类癌的生物学特征和演化轨迹，建立可临床应用的形态分子分型体系，核心科学问题是超类癌是否为独立的分子分组，不同分子分组的起源和演化轨迹是什么，超类癌与神经内分泌癌的关系是什么，技术路线为大样本队列收集→多组学测序→整合分析明确分子分组→空间转录组和多区域组学解析演化轨迹→验证超类癌与神经内分泌癌的关联→深度学习结合病理分析明确形态特征→建立可临床应用的分类方法并验证准确性，形成了完整的研究闭环。
3.1 队列收集与多组学测序
实验目的：获得大样本肺神经内分泌肿瘤的多组学数据，为分子分型研究提供数据基础。方法细节：纳入319例新鲜冷冻肺神经内分泌肿瘤样本，搭配匹配正常组织，队列富集更具侵袭性的2级肿瘤（n=79），配套完整的组织病理学注释和全切片图像，对样本分别进行全基因组测序、转录组测序、DNA甲基化芯片检测。结果解读：最终获得273例样本的基因表达数据、247例样本的DNA甲基化数据、102例样本的全基因组变异数据，数据质量满足后续整合分析要求，为大样本分子分型研究提供了高质量基础。文献未提及具体实验产品，领域常规使用高通量测序试剂、芯片检测试剂。
3.2 多组学整合分析明确四个分子分组
实验目的：通过整合多组学数据明确肺神经内分泌肿瘤的分子分组，解析超类癌的分子与临床特征。方法细节：采用多组学因子分析整合不同组学数据，应用原型分析对变异因子进行聚类，进一步分析不同分组的临床特征、基因组特征、转录组特征和肿瘤微环境特征。结果解读：原型分析明确存在四个不同的分子原型，其中三个对应此前报道的Ca A1、Ca A2、Ca B分组，第四个分子原型富集了14/16例超类癌，命名为sc-enriched分组；四个分组都同时包含1级和2级肿瘤，sc-enriched组中2级肿瘤占比为63%，显著高于Ca A1的21%和Ca A2的18%；sc-enriched组更易发生胸膜侵犯，总生存期显著差于其他分组（P=0.021，Log-rank检验，n=319）；基因组层面sc-enriched组的突变、结构变异和缺失负荷都显著高于其他分组（P<0.05，n=102），突变特征更具多样性，更多癌症特征相关基因受突变影响；转录组层面sc-enriched组核心上调基因数量最多，且显著富集癌症特征通路，增殖指数显著高于其他分组（P<0.01，n=273）；去卷积分析显示sc-enriched组免疫浸润水平更高，以经典活化M1巨噬细胞为主，癌症相关成纤维细胞水平也更高，属于免疫基质丰富型，区别于其他三组的免疫荒漠型，差异均具有统计学意义（P<0.05，n=273）。分析证实四分组分类解释的患者间分子差异比例显著高于现有世界卫生组织分类，更能反映肺神经内分泌肿瘤的生物学异质性。图1为四个分子分组的特征分析结果：
。文献未提及具体实验产品，领域常规使用生物信息学分析软件工具。
3.3 细胞状态与演化轨迹分析
实验目的：解析不同分子分组的细胞起源和演化轨迹，明确超类癌的发生发展模式。方法细节：结合单细胞参考表达谱对批量转录组进行去卷积，分析不同分组的细胞组成；对超类癌样本进行空间转录组分析，解析细胞空间分布与互作；对41例患者的90个多区域样本进行多组学整合分析，解析肿瘤内异质性和组间转换可能性；进一步分析驱动变异的发生顺序，明确不同分组的演化轨迹。结果解读：去卷积结果显示Ca A1组分化神经内分泌细胞比例最高，Ca B组棒状细胞比例最高，Ca A2为混合表型，而下气道祖细胞在sc-enriched组比例最高，且比例与大细胞神经内分泌癌接近；空间转录组显示超类癌中下气气道祖细胞和分化神经内分泌细胞占据不同空间区域，sc-enriched区域与巨噬细胞和成纤维细胞共定位，存在下气气道祖细胞标记ICAM1与巨噬细胞标记ITGAX、ITGB2的特异性相互作用，提示肿瘤-巨噬细胞互作参与超类癌发生；多区域分析显示41例患者中仅1例超类癌存在不同区域分属不同分子分组（Ca A1和sc-enriched），提示分子分组整体空间稳定，但超类癌可发生组间转换；驱动变异分析显示大多数驱动突变为克隆性，且几乎仅存在于单一分子分组，提示分子分组在肿瘤发生早期就由基因组事件决定；系统发育分析显示大多数分组相关改变是肿瘤起始事件，而sc-enriched可通过多种源自其他分组的演化路径产生，更易发生继发驱动事件。图2为超类癌细胞状态和演化分析结果：
，图3为分子驱动和演化轨迹分析结果：
。文献未提及具体实验产品，领域常规使用空间转录组测序试剂和生物信息学分析工具。
3.4 超类癌与神经内分泌癌的关联验证
实验目的：验证超类癌是否是肺神经内分泌肿瘤和神经内分泌癌之间的过渡阶段。方法细节：对1例超类癌患者建立患者来源肿瘤类器官，跟踪其临床演化过程；整合已报道的非典型小细胞肺癌转录组数据，与本研究sc-enriched组进行聚类分析，分析分子关联；邀请六位病理医生对队列样本进行评估，明确超类癌与现有3级肺神经内分泌肿瘤的对应关系。结果解读：该患者初始诊断为不典型类癌，建立类器官后1年发生皮肤淋巴结转移，使用BRAF和MEK抑制剂治疗后出现肝转移，肝转移活检诊断修正为大细胞神经内分泌癌，该患者的类器官生长速度显著快于其他肺神经内分泌肿瘤类器官，随传代突变负荷和MKI67表达升高，细胞组成从神经内分泌肿瘤样向神经内分泌癌样转变，提示超类癌可进展为高级别神经内分泌癌；聚类分析显示所有携带染色体碎裂的非典型小细胞肺癌的转录组特征更接近超类癌而非传统小细胞肺癌，支持其为超类癌的不同演化阶段；病理评估显示仅1例超类癌符合现有3级肺神经内分泌肿瘤诊断标准，提示超类癌并不等同于3级神经内分泌肿瘤，可发生于1级和2级肿瘤中。图4为超类癌作为中间阶段的验证结果：
。文献未提及具体实验产品，领域常规使用类器官培养试剂和高通量测序试剂。
3.5 深度学习结合免疫组化建立临床可应用的分类方案
实验目的：建立可推广到临床的肺神经内分泌肿瘤分子分组诊断方法。方法细节：使用深度学习模型对全切片苏木精-伊红染色图像进行分析，识别不同分子分组的特异性形态特征；结合已报道的转录因子标记组合，在临床样本中验证免疫组化分类的准确性；开发公开可用的R包PACMOS，用于基于组学数据的分子分类，验证其准确性。结果解读：深度学习模型仅基于形态特征预测分子分组的准确性优于预测组织学分级，识别出Ca A1以梭形细胞、巢状结构、椒盐样染色质为特征，Ca A2以嗜酸细胞改变、器官样结构为特征，Ca B以无纤维化组织为特征，不同特征的富集差异均具有统计学显著性（P<0.05）；使用ASCL1、HNF1A、OTP组成的免疫组化标记panel对90例样本进行检测，可对77%的样本进行分组预测，其中99%预测正确；结合深度学习识别的形态特征可额外纠正9例未分类/错分类样本，总体正确分类率达到85.6%（77/90，n=90）；开发的R包PACMOS在本队列交叉验证中，同时使用转录组和甲基化数据准确率达100%，仅用转录组准确率98.9%，仅用甲基化准确率98.8%，在外部公开数据集验证中，与原有分类的一致性达到100%，可直接用于研究和临床场景。图5和图6为分子分组特征和分类方案展示：
，
。文献未提及具体实验产品，领域常规使用免疫组化试剂和生物信息学分析工具。
4. Biomarker研究及发现成果
核心信息段：本研究筛选得到了可用于肺神经内分泌肿瘤分子分型的诊断标志物panel，同时明确了不同分子分组的治疗靶点相关标志物，为临床分型和个体化治疗提供了依据。
本研究涉及的生物标志物为肺神经内分泌肿瘤分子分型的三蛋白诊断panel（ASCL1、HNF1A、OTP），以及不同分子分组的治疗靶点标志物，筛选验证逻辑为大样本多组学差异表达分析→批量样本验证→临床样本免疫组化验证，逻辑链条完整。标志物的来源为319例肺神经内分泌肿瘤的转录组差异分析，随后在90例独立临床样本中通过免疫组化检测蛋白表达验证分类准确性，对于治疗靶点标志物通过转录组定量分析明确不同分组的表达差异。验证结果显示，三蛋白免疫组化panel对可评估样本的预测准确率达到99%（n=77，P<0.001），结合形态学特征后总体准确率达到85.6%（n=90）；治疗靶点标志物层面，DLL3在Ca A1组表达最高（P<0.05，n=273），EGFR在Ca A1和sc-enriched组表达最高（P<0.05，n=273），FGFR4在Ca A2组表达最高（P<0.05，n=273），SSTR2在Ca A2和Ca B组表达最高（P<0.05，n=273），PD-1抑制剂帕博利珠单抗响应相关的T细胞炎症基因特征平均表达在sc-enriched组比其他分组高5-7倍（P<0.001，n=273）。
本研究的核心成果为首次在大样本队列中明确了肺神经内分泌肿瘤四个分子分组的特异性诊断标志物，建立了可直接应用于临床的三蛋白免疫组化分型方案，同时明确了不同分组的治疗靶点表达差异，为分组特异性个体化治疗提供了依据。该研究首次证实超类癌富集的sc-enriched组具有高免疫浸润特征，PD-1抑制剂响应相关基因特征显著高表达，为这类侵袭性肿瘤的免疫治疗提供了理论依据，所有结果都经过大样本临床验证，可直接转化应用于临床实践。