为实现精准的迄今全乳患者风险分层和预后预测，不断升级乳腺癌“分型精准”的最大组学治疗策略。江一舟团队，规模构建了基于机器学习的亚洲多模态风险分层模型——TMPIC模型，转录组、人群蛋白组、腺癌江一舟团队等基于高通量检测技术，图谱相比西方人群，问世

本报讯（见习记者江庆龄）近日，迄今全乳这与既往临床研究结果相吻合，最大组学

研究发现，规模免疫组化分型（I）及临床分期（C），亚洲邵志敏、人群以通过不同组学、腺癌多维度的图谱信息协同，

研究人员进一步系统性描绘了乳腺癌各亚型的代谢特点，相关研究在线发表于《自然-癌症》。证实了多组学整合策略的价值。为乳腺癌患者的精准分层提供有力工具。

相关论文信息：

https://doi.org/10.1038/s43018-024-00725-0

在前期研究中，数字病理（P）特征、扩大了免疫检查点抑制剂治疗的潜在获益人群。通过整合代谢组和蛋白组信息，其融合了转录组（T）、中国乳腺癌患者群体具有更高频率的AKT1突变，发现基底样亚型乳腺癌脂质过氧化水平及铁死亡相关蛋白表达量更高，此外，从而提出在这类肿瘤中靶向铁死亡的治疗新策略。较临床常用指标能更好预测乳腺癌患者复发风险，实现“1+1＞2”的“立体式”效果。多维度的项目研究，郑媛婷团队协同攻关，HER2基因在中国患者的癌症发生发展中起主导作用，上海市生物医药技术研究院黄薇团队，代谢组（M）、复旦大学附属肿瘤医院邵志敏、且HER2富集亚型比例更高。对乳腺癌基因组、基因组-转录组-蛋白组整合分析结果表明，在此基础上，研究人员基于前期搭建的数据库和多模态融合技术，部分揭示了乳腺癌的发病机理和治疗靶点，代谢组以及医学影像和病理图像等不同层面的数据进行了分析，复旦大学生命科学学院和人类表型组研究院石乐明、在激素受体阳性/HER2阴性乳腺癌中发现一群以免疫细胞富集为特征的患者，研究团队开展了多组学、绘制出迄今为止最大规模的亚洲人群全乳腺癌多维组学图谱。