亮点
这项具有里程碑意义的研究在前瞻性随机试验中提供了肝外胆管癌（EH-CCA）的蛋白质基因组特征，并识别了预测对不同辅助化疗方案反应差异的分子生物标志物。主要亮点包括：(1) 识别出TP53、SMAD4、KRAS突变和扩增等基因组异常，这些异常与无病生存期（DFS）和化疗敏感性相关；(2) 识别出同源重组缺陷（HRD）和特定染色体改变，这些改变与吉西他滨加顺铂（GemCis）相比卡培他滨有更好的预后相关；(3) 开发了一个集成多组学数据的机器学习模型，将患者分层为从GemCis或卡培他滨中受益的群体，从而促进精准治疗。
背景：临床背景和疾病负担
胆管癌是一种起源于胆管上皮的恶性肿瘤，具有异质性的临床行为和分子谱型。肝外胆管癌（EH-CCA）包括位于肝脏实质外的肿瘤，通常预后较差。手术切除仍然是局部疾病的首选治疗方法；然而，高复发率需要有效的辅助治疗。目前，辅助化疗选择包括卡培他滨或吉西他滨联合顺铂（GemCis），但没有可靠的生物标志物可以预测哪些患者从一种方案中获益更多。深入了解EH-CCA的分子机制对于推进个性化治疗和改善预后至关重要。
研究设计
该研究利用了STAMP试验（NCT03079427）中的样本和临床数据，这是一项纳入101名切除EH-CCA患者的随机II期试验。试验比较了辅助卡培他滨单药治疗与GemCis双药化疗。在意向治疗人群中，89名患者提供了足够的肿瘤标本进行综合蛋白质基因组分析。肿瘤样本进行了全外显子测序以识别体细胞突变和拷贝数变异，并进行了蛋白质组学分析以量化蛋白质表达。分析包括预先指定的探索性生物标志物调查，将分子特征与无病生存期（DFS）和化疗方案的相互作用相关联，以识别预测性生物标志物。
主要发现
基因组景观和预后生物标志物： 突变谱分析显示63%的病例存在TP53突变，20%存在SMAD4突变，18%存在KRAS突变，与之前的胆管癌队列一致。11%的患者存在同源重组缺陷（HRD），微卫星不稳定性罕见（1%），15%的患者根据ESCAT指南存在可操作的突变。值得注意的是，PIK3CA和FBXW7突变与较差的DFS相关，而11q13.3染色体扩增与较好的DFS相关，表明这些改变可作为预后生物标志物。
预测生物标志物和治疗相互作用： 特定染色体改变与化疗方案表现出显著的相互作用。8q24.21、3q26.1和4p16.3的扩增，8p23.1的缺失以及HRD状态预测了GemCis相比卡培他滨更大的获益。这些发现强调了肿瘤分子背景对化疗敏感性的影响。
用于治疗分层的机器学习模型： 为了利用这些多组学预测特征，研究人员开发了一个计算个体水平条件平均治疗效应的机器学习模型。该模型将患者分为三组：最有可能从GemCis中获益的患者，两种方案之间没有显著预测差异的患者，以及更有可能从卡培他滨中获益的患者。这种分层显示了与实际治疗和DFS的统计显著相互作用，为个性化化疗选择提供了一种有前景的工具。
专家评论
这项研究是将蛋白质基因组数据整合到EH-CCA临床决策中的开创性范例。它展示了在随机试验中从手术标本中收集全面分子谱型的可行性和临床相关性。识别能够预测化疗获益的生物标志物解决了当前指南缺乏强有力的分子驱动建议的关键未满足需求。机器学习模型代表了一种创新的方法，可以将复杂的数据转化为临床医生可操作的信息。然而，相对较小的样本量和分析的探索性质需要在更大、独立的队列中进行验证，才能在常规临床实践中实施。此外，这些生物标志物是否能在不同种族群体或其他胆道癌症亚型中预测获益仍有待确定。从机制上讲，如PIK3CA突变等改变暗示了通路驱动的耐药性，而HRD可能增强对顺铂等DNA损伤剂的敏感性，提供了生物学上的合理性。
结论
在前瞻性随机试验背景下进行的全面蛋白质基因组谱分析推进了肝外胆管癌的个性化医学。识别与化疗方案疗效相关的预后和预测分子生物标志物，为指导辅助治疗选择和改善患者预后提供了一个框架。进一步的验证和与临床变量的整合将是确认这些发现的实用性和促进常规实践中基于生物标志物的治疗策略的关键。
资助和临床试验信息
该研究是在STAMP试验（ClinicalTrials.gov标识符：NCT03079427）的框架内进行的。提供的数据中未详细说明具体的资金来源。
参考文献
Jeong H, Oh JH, Ahn HS, Ryoo BY, Kim KP, Jeong JH, Park I, Hwang DW, Lee JH, Song KB, Lee W, Kim KH, Moon DB, Song GW, Jung DH, Hong SM, Park CW, Baek IP, Cho YS, Kim K, Sung CO, Yoo C. 蛋白质基因组谱分析预测肝外胆管癌辅助化疗的结局。J Hepatol. 2025 Aug 11:S0168-8278(25)02402-X. doi: 10.1016/j.jhep.2025.07.031. Epub ahead of print. PMID: 40803577.
