👋 欢迎关注我的生信学习专栏~ 如果觉得文章有帮助，别忘了点赞、关注、评论！
📌一、研究背景：CDK4/6i 是不是“万无一失”？
HR+/HER2- 是最常见的乳腺癌亚型，占比超过70%。近年来，随着 CDK4/6 抑制剂（CDK4/6i）联合内分泌治疗（如芳香化酶抑制剂、fulvestrant）的广泛应用，显著延长了这类患者的无进展生存期（PFS），成为临床一线标准。
但现实不够理想——约 1/3 患者初始无效（原发耐药），几乎所有患者最终都会进展（获得性耐药）。目前缺乏能有效预测疗效的分子标志物，这成为精准用药的瓶颈。
这篇发表于 Molecular Cancer（2025）的文章Single-cell RNA sequencing identifies molecular biomarkers predicting late progression to CDK4/6 inhibition in patients with HR+/HER2- metastatic breast cancer， 聚焦于 CDK4/6i 在 HR+/HER2- 转移性乳腺癌（mBC）中的耐药机制，运用单细胞RNA测序系统解析免疫微环境与肿瘤细胞的转录特征，构建并验证了预测 signature，具有重要的临床指导价值。
🧪二、CDK4/6 抑制剂（CDK4/6i）科普小贴士
🔬原理简述
CDK4/6 是驱动细胞周期 G1→S 转化的关键激酶，作用机制如下：
CDK4/6 + Cyclin D → 磷酸化 Rb → 释放 E2F → 启动 DNA 复制
而 CDK4/6 抑制剂（如 palbociclib、abemaciclib）可阻断该过程，使细胞停滞在 G1 期，抑制增殖。同时还有助于调控免疫微环境，如增加 TILs、抑制 Treg 功能。
💊临床使用背景
- 适应症：HR+/HER2– 转移性乳腺癌，联合 ET 用于一线或二线治疗；
- 代表药物：palbociclib、ribociclib、abemaciclib；
- 问题挑战：
- 原发耐药与获得性耐药；
- 缺乏精准预测工具；
- 不同患者间疗效差异显著。
🔍三、本研究如何应用并突破 CDK4/6i 治疗难题？
作者采集了 HR+/HER2– mBC 患者在 CDK4/6i 治疗前（BL） 和 进展期样本，并将其分为：
- EP（Early Progressor，PFS ≈ 3个月）
- LP（Late Progressor，PFS ≈ 11个月）
采用单细胞 RNA 测序（scRNA-seq）分析肿瘤细胞及免疫细胞亚群，探索以下关键问题：
- EP vs LP 的分子机制是否不同？
- 能否发现预测疗效的标志物？
- 治疗过程中的免疫环境如何动态变化？
🔍 四、Figure 解读：数据图谱中的核心发现
本研究的一大亮点是图文结合严谨，通过单细胞数据可视化（UMAP、热图、GSEA等）深入揭示了 CDK4/6i 治疗反应性与耐药过程的分子特征，以下从关键图（Figure 1–5）提炼几个重点发现。
✅ 1）肿瘤细胞状态：从治疗敏感到耐药的转录变迁（Figure 1 & 2）
- Figure 1G & 1H：BL（治疗前）肿瘤细胞高表达一组预后良好的基因，包括 TFF3、MGP、AGR2、FGFR1 等，形成作者后续构建的13基因 signature。
- EP 样本（早期进展）则表现出炎症、应激相关基因上调，如 LY6E、S100A9、LGALS3，提示可能存在免疫相关原发耐药。
- LP 样本（晚期进展）高表达 TIMP1、VIM、S100A8、LDHA、RPS/TUBB 等，提示 EMT、代谢重编程与增殖程序激活。
- Figure 2H & 2J（GSEA分析）：LP 肿瘤细胞富集多种恶性通路，如：
- Myc、PI3K、KRAS、TNF-α、G2M checkpoint、EMT 等；
- 同时伴随 estrogen response 下调，提示对内分泌治疗的敏感性下降。
📌 结论：EP 和 LP 分别代表原发与获得性耐药机制，前者偏炎症型，后者偏增殖与免疫逃逸型。
✅ 2）免疫细胞数量 vs 功能：高浸润不等于高效能（Figure 3 & 4）
- Figure 3D：CD8⁺ T 细胞与 NK 细胞在 BL 与 LP 中显著高于 EP，提示这两类细胞的浸润与治疗敏感性相关；
- 然而，Figure 4F–H & 4J–L 展示的应激评分表明：
- 尽管 BL 中 T 细胞数量多，但表达高水平 HSP90AA1、HSP90AB1、HSPA8；
- 提示这些细胞处于高度应激与代谢活跃状态，功能可能受损；
- 表达 TIGIT、LAG3 等耗竭标志物（Figure 4M），进一步说明免疫抑制状态显著。
📌 结论：BL 虽有较多 CD8⁺/NK 细胞，但功能抑制明显，联合免疫治疗（如anti-TIGIT）或许更具潜力。
✅ 3）免疫抑制通讯通路重塑（Figure 3F）
- 利用 CellChat 进行配体–受体分析发现：
- EP 中显著增强 SPP1–CD44 以及 ITGA4–ITGB1 通路 → 抑制 T 细胞持续增殖；
- LP 中则出现增强的 MDK–NCL、MDK–syndecan、LGALS9–CD44 通路 → 激活调节性 T 细胞功能，形成免疫抑制网络。
📌 结论：从原发耐药到获得性耐药，免疫逃逸的网络结构由“局部紊乱”演变为“系统抑制”。
✅ 4）13基因 signature 可预测疗效（Figure 1H & 正文 Figure 7）
- 作者从 BL 样本肿瘤细胞中筛选出上调的 13 个核心基因；
- 应用 CIBERSORTx 将其在 bulk RNA-seq 中还原，并在两个独立队列验证（MD Anderson 队列 n=89，韩国队列 n=61）；
- Signature-high 群体的 PFS 明显优于 signature-low，具有明确分层预测能力。
📌 结论：这一 signature 可作为后续临床分型工具，辅助 CDK4/6i 使用决策，甚至指导免疫联合策略设计。
📌 小结
通过图示解读，我们可以看出本研究逻辑严密、数据表达清晰，不仅揭示了 CDK4/6i 相关的分子机制，也建立了从细胞状态 → 通路富集 → 免疫通讯 → 临床预测的全链条分析框架，是值得深入学习与借鉴的经典范例。
💡五、我们可以学习与借鉴的亮点
| 借鉴点 | 内容 |
|---|---|
| 分组设计 | 采用 PFS 界定 EP/LP，逻辑严谨、临床相关性强 |
| 方法多样 | 整合 inferCNV、Monocle3、CellChat、CIBERSORTx 等，系统分析 TME |
| Signature 构建思路 | 从单细胞差异出发 → bulk 队列验证，思路值得借鉴 |
📣 欢迎点赞、评论、关注！如果你也关注单细胞分析、免疫微环境重塑等话题，欢迎一起探讨
