研究目的:紫杉醇和蒽环类新辅助化疗广泛用于乳腺癌的治疗,但临床上仍然难以对治疗的敏感性进行预测。材料与方法:在本研究中,我们应用LASSO逻辑回归方法开发了一个基因标签分类器,用于预测乳腺癌新辅助化疗的病理完全缓解(pCR)。进一步使用另外四个独立的测试集进一步评估分类器的预测准确率。同时对基因标签中的基因进行功能Community infection富集分析,并探讨分类器预测得分与免疫特征之间的相关性。结果:我们通过建模找到了一个由25个基因组成的签名分类器,可以有效预测乳腺癌新辅助化疗的pCR。对于基于T/FAC的训练集和测试集,分类期预测评分的AUC可以达到0.9以上,对于T/AC的测试集,AUC也可以达到0.7以上,因此该签名分类器对T/FAC和T/AC方案都具有良好的预测能力。多变量模型显示分类器预GSK1120212纯度测分值作为独立预测因子远优于其他Compound C研究购买临床参数。生物学功能富集分析表明,分类器所包含的基因标签主要富集于免疫相关的生物学过程。分类器预测评分与免疫评分呈显著正相关。pCR和RD样本的免疫细胞类型也有显著差异。结论:总之,我们构建了一个基于25个基因表达值的分类器,可以有效预测乳腺癌紫杉醇和蒽环类新辅助化疗的pCR。同时,我们也发现免疫生态系统积极参与调节新辅助化疗的临床反应,有利于患者的预后。