哥伦比亚大学研究人员及其合作者近日开发出一种基于拓扑学的计算方法，可将乳腺癌组织样本的空间结构特征转化为连续的定量评分，在预测患者生存率和治疗反应方面优于多种传统生物标志物，且在不同种族和族裔群体中表现出更一致的预测效果。相关成果已发表于《癌症研究》。
癌症的一大特征是正常组织结构的丧失：健康组织形成规则的腺体样结构，而恶性组织则趋于混乱无序。传统上，病理学家通过肿瘤分级系统对这些变化进行定性评估，但这种主观判断存在一定的观察者间差异。
此次研究利用拓扑学——数学中专注于形状和空间关系的分支——来量化这种结构差异。研究团队采用多重免疫荧光成像技术，精确绘制了来自北卡罗来纳州一个种族多元化队列中逾550名乳腺癌患者肿瘤样本中肿瘤细胞、免疫细胞及PD-L1表达的精确坐标，随后应用持续同调方法，分析肿瘤细胞与免疫细胞的空间组织方式，生成一套能够在连续尺度上量化组织结构的拓扑生物标志物。
研究结果显示，拓扑评分越高——表明组织结构越有序——患者生存期越长、预后越好。这些拓扑生物标志物在预测生存率方面超过了多种传统生物标志物，且在非西班牙裔黑人和非西班牙裔白人患者群体中均保持高度预测准确性，显示出较好的跨种族一致性。研究团队还将拓扑测量与基因表达数据整合，构建出拓扑衍生基因特征，这些特征在独立的乳腺癌临床试验数据集中同样成功预测了治疗反应。
研究通讯作者、哥伦比亚大学欧文医学中心病理学与细胞生物学系主任Kevin Gardner表示："病理学家多年来一直在观察这种组织结构的无序化，而拓扑学让我们得以从主观判断转向定量测量。"他还指出，一旦能够对图像进行数值化表达，就可以将其与基因组学、临床信息及其他数据流整合，构建更具预测力的模型。
除预测功能外，研究还发现了与肿瘤结构无序化相关的生物学通路，包括代谢、免疫抑制以及上皮-间充质转化——一个与癌症侵袭和转移相关的过程。其中一个值得关注的发现涉及代谢酶IL4I1，该酶与芳香烃受体信号通路相关，此前已被证实参与肿瘤进展和免疫调节，提示肿瘤内部的结构变化可能与肿瘤微环境中的代谢和免疫过程密切相连。
研究人员表示，目前这项研究依赖多重免疫荧光成像，但团队已在推进将类似方法应用于全球临床机构普遍使用的标准病理切片。由于这类染色方法成本低廉且已被广泛采用，这一方法有望将先进的癌症诊断能力扩展至大型学术医疗中心以外的地区。在进入常规临床应用之前，还需要开展更多验证和临床研究。
参考文献：Sandeep Singhal et al, Topology-Based Biomarkers Accurately Predict Breast Cancer Outcome and Survival, Cancer Research (2026). DOI: 10.1158/0008-5472.can-25-1216
编辑：王洪
排版：李丽
评论 (0)