滤泡性淋巴瘤的分子亚型及其预后意义
分子分类在滤泡性淋巴瘤中的新进展：基于RNA测序和免疫组化的双分型预测模型
滤泡性淋巴瘤（follicular lymphoma, FL）是一种B细胞恶性肿瘤，其临床进展较缓慢，中位总生存期可达20年。然而，FL的异质性特征使病人在治疗反应和预后上表现出显著差异。尽管传统临床-生物学参数（如FLIPI、FLIPI-2和PRIMA-PI）在指导治疗中取得了一定成效，但这些工具在个体化精确诊断和特定疗法选择中仍显不足。因此，精准医学需求愈发迫切。
过去的研究中，弥漫性大B细胞淋巴瘤（DLBCL）的分子起源分类法在ABC与GCB亚型的预后评估中表现出重要价值，但在FL中的分子分类仍未完全明确。已有的初步研究暗示FL可能具有类似于正常生发中心（germinal center, GC）B细胞和记忆（memory, MEM）B细胞的不同分子表现，但尚无完整的分类模型验证其临床意义。
在由Camille Laurent等人领导的研究中，研究团队通过RNA测序（RNA-seq）和免疫组化（immunohistochemistry, IHC）技术，在大规模临床实验RELEVANCE中对FL进行分子分型，建立了基于分子起源的预测模型。本文发表在《Blood》期刊，并为精准治疗FL开拓了新局面。
研究来源与设计
本研究的作者由一组跨越法国、美国和多国研究机构的多学科专家组成，包括Toulouse Cancer-Oncopole、Bristol Myers Squibb、Lymphoma Study Association及Marseille-Luminy免疫中心等机构的专家参与。研究的主要分析样本来源于RELEVANCE实验，该III期临床试验比较了利妥昔单抗联合化疗(R-chemo)与利妥昔单抗-来那度胺联合疗法（R2）在1030名高瘤负荷FL患者中的治疗效果。
研究主要使用了433例患者的瘤组织样本，这些样本进行了RNA测序、DNA外显子测序（WES）、免疫组化，部分样本进行了荧光原位杂交（FISH）。同时，为验证研究结果，团队还使用了其他队列的样本，包括PRIMA和BCCA研究。
研究方法：RNA测序与分子分型模型开发
1. 核心实验流程
研究团队首先通过RNA-seq技术对324例患者样本进行了独立成分分析（Independent Component Analysis, ICA），提炼出46个特征基因簇。通过无监督分群技术，其中两个基因簇cc17和cc21被识别为FL分子分型的关键，它们分别与生发中心B细胞（GC B细胞）和记忆B细胞（MEM B细胞）信号富集相关。基于这些基因簇，开发了一种包含20个基因的线性预测评分系统（Linear Predictor Score, 名称为FL20）。
FL20能够将样本细分为GC-like亚型和MEM-like亚型。此外，研究团队进一步分析了基因突变特点、外显子序列、免疫细胞浸润模式等内容，从多维度验证了分型在生物学特征和治疗预后间的关联。
2. 基因分型与突变特点
在对242例样本的WES分析中，研究发现89个显著突变基因，包括常见于FL的CREBBP、KMT2D、EZH2等。其中，GC-like亚型表现出与GCB-DLBCL类似的基因突变模式（如EZH2及STAT6频繁突变），而MEM-like亚型呈现与MTOR通路相关的基因突变特征（如ATP6AP1、RRAGC突变较高）。这种突变模式暗示了GC-like和MEM-like在肿瘤进化及治疗敏感性上的差异。
3. 临床预后与模型验证
在治疗组中，GC-like亚型接受R-chemo治疗的无进展生存期（PFS）显著优于MEM-like亚型，而两亚型在R2治疗下PFS趋于一致。进一步分析显示，与R-chemo相比，MEM-like患者在R2治疗下展现出显著的生存获益。这一结果在独立PRIMA与BCCA队列中得到了成功验证。
核心发现与免疫组化算法开发
为了简化FL20的临床应用，研究团队开发了一种基于IHC的分型算法（命名为FLCM）。使用FOX-P1、LMO2、CD22、MUM1四种抗体，FLCM能够在日常诊断实践中快速将FL患者分为GC-like或MEM-like亚型。FLCM的分型准确率与RNA-seq分型一致率高达96.6%。
此外，研究者还开发了简化版本的FLCM算法（FL-MAB和FLC-MAB），分别只使用2种或3种抗体，尽管这些简化版本增加了未分类样本的比例，但在实际应用中或可提供便捷工具。
研究价值与意义
该研究首次从转录组水平将FL分为了GC-like和MEM-like亚型，并通过高通量分析明确了其与临床预后的相关性。研究的核心价值体现在以下几个方面：
精准治疗指导： MEM-like亚型患者不适合R-chemo治疗，但可从R2治疗甚至新一代免疫调节剂（如更强效Aiolos/Ikaros降解剂）中获益。
分型普适性： FL20模型与IHC方法均可广泛应用于不同实验室和临床队列，实现肿瘤分型的转化应用。
理论突破： 研究填补了FL分子起源分类的空白，并指出DLBCL的分型方法（如ABC、GCB分类）并不能直接适用于FL。
工具创新： FLCM算法提供了一个经济、高效的工具，适用于临床病理诊断。
展望与挑战
尽管研究验证了FL20和FLCM的可靠性，但它们的适用性或仍受样本队列异质性影响。此外，在探索免疫化疗以外疗法的预后价值、非编码区基因突变的生物学意义等方面仍有待进一步探索。
该研究为FL的分子分型及精准治疗开辟了新方向，其研究成果有望在未来推动更个体化的FLT疗法选择，提高患者长期生存率。