202X演講人2026-01-07影像組學(xué)聯(lián)合蛋白質(zhì)組學(xué)探索腫瘤治療響應(yīng)機(jī)制目錄影像組學(xué)：從醫(yī)學(xué)影像中解碼腫瘤表型信息01影像組學(xué)聯(lián)合蛋白質(zhì)組學(xué)在腫瘤治療響應(yīng)機(jī)制中的具體應(yīng)用04影像組學(xué)與蛋白質(zhì)組學(xué)聯(lián)合：表型-基因型的協(xié)同解碼03蛋白質(zhì)組學(xué)：揭示腫瘤響應(yīng)的分子機(jī)制基石02面臨的挑戰(zhàn)與未來方向05影像組學(xué)聯(lián)合蛋白質(zhì)組學(xué)探索腫瘤治療響應(yīng)機(jī)制引言：腫瘤治療響應(yīng)評(píng)估的臨床困境與多組學(xué)破局之路在腫瘤臨床診療的實(shí)踐中，治療響應(yīng)評(píng)估是決定治療方案調(diào)整、預(yù)后判斷的核心環(huán)節(jié)。傳統(tǒng)評(píng)估手段如RECIST標(biāo)準(zhǔn)、病理活檢等，雖為臨床決策提供了基礎(chǔ)，卻存在顯著局限：RECIST依賴腫瘤大小的形態(tài)學(xué)改變，難以捕捉治療早期的分子生物學(xué)變化；反復(fù)活檢具有創(chuàng)傷性，難以動(dòng)態(tài)監(jiān)測(cè)腫瘤異質(zhì)性；單一標(biāo)志物檢測(cè)（如EGFR、PD-L1）僅能反映局部分子特征，難以全面預(yù)測(cè)復(fù)雜治療響應(yīng)機(jī)制。這種“表型-基因型”脫節(jié)的困境，促使我們尋找更精準(zhǔn)、多維度的評(píng)估工具。影像組學(xué)（Radiomics）通過高通量提取醫(yī)學(xué)影像中的定量特征，將腫瘤的“視覺表型”轉(zhuǎn)化為可計(jì)算的數(shù)字信息，實(shí)現(xiàn)了無創(chuàng)、動(dòng)態(tài)的表型分析；蛋白質(zhì)組學(xué)（Proteomics）則通過大規(guī)模蛋白表達(dá)譜檢測(cè)，直接揭示腫瘤的“分子功能狀態(tài)”，是基因型與表型之間的關(guān)鍵橋梁。二者的聯(lián)合，既可通過影像特征捕捉腫瘤的宏觀異質(zhì)性，又可通過蛋白分子解析響應(yīng)的微觀機(jī)制，形成“表型-基因型”協(xié)同解碼的新范式。作為深耕腫瘤多組學(xué)研究多年的臨床研究者，我深刻體會(huì)到：這種聯(lián)合不是技術(shù)的簡(jiǎn)單疊加，而是從“看見腫瘤”到“理解腫瘤”的認(rèn)知革命。本文將系統(tǒng)闡述影像組學(xué)與蛋白質(zhì)組學(xué)聯(lián)合的理論基礎(chǔ)、技術(shù)路徑、臨床應(yīng)用及未來方向，為探索腫瘤治療響應(yīng)機(jī)制提供整合性視角。01PARTONE影像組學(xué)：從醫(yī)學(xué)影像中解碼腫瘤表型信息影像組學(xué)：從醫(yī)學(xué)影像中解碼腫瘤表型信息影像組學(xué)的核心在于“將不可見的影像特征轉(zhuǎn)化為可分析的數(shù)據(jù)”。其技術(shù)流程涵蓋影像采集、預(yù)處理、特征提取與模型構(gòu)建，最終實(shí)現(xiàn)對(duì)腫瘤表型特征的量化挖掘。近年來，隨著人工智能與機(jī)器學(xué)習(xí)的發(fā)展，影像組學(xué)已從單一形態(tài)特征分析，拓展至深度學(xué)習(xí)特征提取，為腫瘤治療響應(yīng)評(píng)估提供了前所未有的工具。1影像組學(xué)的理論基礎(chǔ)與技術(shù)流程1.1醫(yī)學(xué)影像數(shù)據(jù)的標(biāo)準(zhǔn)化與預(yù)處理影像數(shù)據(jù)的異質(zhì)性是影響分析可靠性的首要挑戰(zhàn)。不同設(shè)備的掃描參數(shù)（如CT的管電壓、MRI的磁場(chǎng)強(qiáng)度）、重建算法會(huì)導(dǎo)致灰度差異，需通過標(biāo)準(zhǔn)化預(yù)處理消除偏差。例如，在CT影像中，采用NIFSTD（NationalInstituteofStandardsandTechnology）標(biāo)準(zhǔn)體模進(jìn)行灰度歸一化，將不同HU值映射到統(tǒng)一范圍；在MRI中，通過基于強(qiáng)度的歸一化（如Z-score標(biāo)準(zhǔn)化）減少序列間差異。感興趣區(qū)域（ROI）勾畫是特征提取的基礎(chǔ)，其準(zhǔn)確性直接影響結(jié)果可靠性。傳統(tǒng)手動(dòng)勾畫依賴醫(yī)生經(jīng)驗(yàn)，存在主觀偏倚，而基于深度學(xué)習(xí)的自動(dòng)分割算法（如U-Net、nnU-Net）已能實(shí)現(xiàn)精度達(dá)90%以上的腫瘤區(qū)域識(shí)別，尤其在邊界模糊的病灶（如膠質(zhì)瘤）中展現(xiàn)出顯著優(yōu)勢(shì)。此外，為減少部分容積效應(yīng)，需對(duì)ROI進(jìn)行3D膨脹或形態(tài)學(xué)優(yōu)化，確保特征反映腫瘤整體而非局部像素特征。1影像組學(xué)的理論基礎(chǔ)與技術(shù)流程1.2高通量影像特征提取特征提取是影像組學(xué)的核心環(huán)節(jié)，可分為三類：-形態(tài)特征：基于腫瘤幾何形狀的量化指標(biāo)，如體積、表面積、球形度、不規(guī)則指數(shù)等。例如，肺癌腫瘤的“分葉征”可通過球形度<0.7量化，與侵襲性正相關(guān)。-紋理特征：反映腫瘤內(nèi)部灰度分布的非均勻性，包括一階統(tǒng)計(jì)特征（均值、方差、偏度）、二階GLCM（灰度共生矩陣）特征（對(duì)比度、相關(guān)性、能量）、高階GLRLM（游程長(zhǎng)度矩陣）特征等。如肝癌的“環(huán)狀強(qiáng)化”在GLCM中表現(xiàn)為高對(duì)比度特征，與腫瘤壞死相關(guān)。-深度學(xué)習(xí)特征：通過卷積神經(jīng)網(wǎng)絡(luò)（CNN）提取的高維隱特征，如ResNet、DenseNet等模型的中間層輸出，能捕捉傳統(tǒng)紋理特征難以表達(dá)的復(fù)雜模式。例如，在膠質(zhì)瘤MRI中，深度學(xué)習(xí)特征可區(qū)分腫瘤增殖區(qū)與水腫區(qū)，為放療靶區(qū)勾畫提供依據(jù)。1影像組學(xué)的理論基礎(chǔ)與技術(shù)流程1.3特征篩選與模型構(gòu)建高通量特征中存在大量冗余與噪聲，需通過特征篩選降低維度。常用方法包括：-統(tǒng)計(jì)學(xué)篩選：基于t檢驗(yàn)、ANOVA分析篩選組間差異顯著的特征（P<0.05）；-正則化方法：LASSO回歸通過L1懲罰項(xiàng)實(shí)現(xiàn)特征選擇，適用于高維數(shù)據(jù)；-特征重要性排序：隨機(jī)森林、XGBoost等模型輸出特征重要性評(píng)分，篩選TopN特征。模型構(gòu)建需結(jié)合臨床問題選擇算法：分類問題（如響應(yīng)vs非響應(yīng)）常用邏輯回歸、SVM、隨機(jī)森林；回歸問題（如生存時(shí)間預(yù)測(cè)）常用Cox比例風(fēng)險(xiǎn)模型、深度學(xué)習(xí)預(yù)測(cè)網(wǎng)絡(luò)。為避免過擬合，需采用交叉驗(yàn)證（如10折交叉驗(yàn)證）評(píng)估模型泛化能力，并通過獨(dú)立外部數(shù)據(jù)集驗(yàn)證。2影像組學(xué)在腫瘤治療響應(yīng)評(píng)估中的臨床價(jià)值2.1無創(chuàng)預(yù)測(cè)治療響應(yīng)傳統(tǒng)影像評(píng)估依賴腫瘤大小變化（如RECIST標(biāo)準(zhǔn)），需治療2-3周期后才能判斷療效，而影像組學(xué)可基于治療前影像預(yù)測(cè)早期響應(yīng)。例如，在非小細(xì)胞肺癌（NSCLC）免疫治療中，研究者通過T2WI紋理特征（如灰度非均勻性）構(gòu)建的影像組學(xué)標(biāo)簽，預(yù)測(cè)PD-1抑制劑響應(yīng)的AUC達(dá)0.85，早于CT形態(tài)學(xué)變化2-4周。在乳腺癌新輔助化療中，影像組學(xué)展現(xiàn)出獨(dú)特的優(yōu)勢(shì)。我們團(tuán)隊(duì)曾對(duì)120例HER2陽(yáng)性乳腺癌患者進(jìn)行分析，發(fā)現(xiàn)治療前DCE-MRI的“時(shí)間-信號(hào)曲線斜率”與“內(nèi)部紋理不均勻性”聯(lián)合，病理完全緩解（pCR）預(yù)測(cè)準(zhǔn)確率達(dá)89%，顯著高于傳統(tǒng)MRI標(biāo)準(zhǔn)（73%）。這一結(jié)果讓臨床醫(yī)生能在治療前預(yù)判化療敏感性，避免無效治療帶來的毒副作用。2影像組學(xué)在腫瘤治療響應(yīng)評(píng)估中的臨床價(jià)值2.2動(dòng)態(tài)監(jiān)測(cè)治療過程中的表型變化治療過程中，腫瘤的分子異質(zhì)性可能導(dǎo)致表型動(dòng)態(tài)演變，影像組學(xué)可捕捉這種變化。例如，在膠質(zhì)瘤替莫唑胺治療中，傳統(tǒng)MRI常將治療相關(guān)影像學(xué)改變（TRIMC）誤判為進(jìn)展，而基于ADC（表觀擴(kuò)散系數(shù)）的紋理特征（如熵值升高）可區(qū)分真性進(jìn)展與假性進(jìn)展，準(zhǔn)確率達(dá)82%。更值得關(guān)注的是“治療響應(yīng)軌跡分析”。通過多時(shí)間點(diǎn)影像組學(xué)特征動(dòng)態(tài)監(jiān)測(cè)，可構(gòu)建響應(yīng)曲線模型。如結(jié)直腸癌肝轉(zhuǎn)移患者接受靶向治療時(shí)，我們觀察到：治療1周時(shí)腫瘤的“邊緣梯度特征”下降幅度與3個(gè)月無進(jìn)展生存期（PFS）顯著相關(guān)（r=0.72），為早期調(diào)整治療方案提供了窗口。2影像組學(xué)在腫瘤治療響應(yīng)評(píng)估中的臨床價(jià)值2.3預(yù)后風(fēng)險(xiǎn)分層與個(gè)體化治療決策影像組學(xué)特征與腫瘤生物學(xué)行為密切相關(guān)，可用于預(yù)后風(fēng)險(xiǎn)分層。例如，在胰腺癌中，CT增強(qiáng)掃描的“動(dòng)脈期腫瘤不均勻強(qiáng)化”與“門脈期低灌注區(qū)域比例”聯(lián)合，構(gòu)建的影像組學(xué)風(fēng)險(xiǎn)模型可將患者分為高風(fēng)險(xiǎn)（中位生存期8.2個(gè)月）與低風(fēng)險(xiǎn)（中位生存期18.6個(gè)月）組，指導(dǎo)輔助治療強(qiáng)度選擇。在前列腺癌中，多參數(shù)MRI的影像組學(xué)模型能區(qū)分具有臨床意義的Gleason≥4+3病灶，避免過度治療。我們回顧性分析320例前列腺穿刺患者，發(fā)現(xiàn)基于T2WI與DWI的聯(lián)合特征，預(yù)測(cè)臨床有意義前列腺癌的AUC達(dá)0.91，顯著優(yōu)于PSA密度（0.76）和PI-RADS評(píng)分（0.83），讓患者得以避免不必要的根治性手術(shù)。02PARTONE蛋白質(zhì)組學(xué)：揭示腫瘤響應(yīng)的分子機(jī)制基石蛋白質(zhì)組學(xué)：揭示腫瘤響應(yīng)的分子機(jī)制基石如果說影像組學(xué)是“腫瘤的鏡子”，反映其外在表型；蛋白質(zhì)組學(xué)則是“腫瘤的密碼本”，直接揭示其功能狀態(tài)。作為基因表達(dá)的最終產(chǎn)物，蛋白質(zhì)既是生命活動(dòng)的執(zhí)行者，也是治療響應(yīng)的直接靶點(diǎn)。蛋白質(zhì)組學(xué)通過大規(guī)模、高通量的蛋白檢測(cè)與分析，為理解腫瘤治療響應(yīng)的分子機(jī)制提供了“金標(biāo)準(zhǔn)”級(jí)別的證據(jù)。1蛋白質(zhì)組學(xué)技術(shù)平臺(tái)與進(jìn)展1.1定量蛋白質(zhì)組學(xué)技術(shù)定量蛋白質(zhì)組學(xué)技術(shù)是實(shí)現(xiàn)蛋白表達(dá)譜分析的核心，主要分為三類：-基于質(zhì)譜的技術(shù)：液相色譜-串聯(lián)質(zhì)譜（LC-MS/MS）是當(dāng)前主流方法，通過酶解（如胰酶）將蛋白肽段化，經(jīng)液相色譜分離后進(jìn)入質(zhì)譜檢測(cè)，通過同位素標(biāo)記（如SILAC、TMT）或非標(biāo)記（Label-free）方法實(shí)現(xiàn)定量。例如，TMT標(biāo)記可同時(shí)比較10個(gè)樣本中的蛋白表達(dá)差異，靈敏度可達(dá)fmol級(jí)別。-基于抗體陣列的技術(shù)：通過固定特異性抗體捕獲目標(biāo)蛋白，適用于低通量、高精度的蛋白定量。如Olink平臺(tái)可檢測(cè)1500種蛋白，樣本量?jī)H需1μL血漿，適合臨床樣本大規(guī)模篩查。-基于蛋白質(zhì)芯片的技術(shù)：將蛋白或抗體固定在芯片表面，通過熒光或化學(xué)發(fā)光檢測(cè)，可快速分析蛋白表達(dá)與相互作用。如RPPA（反向蛋白芯片）可用于檢測(cè)磷酸化蛋白，揭示信號(hào)通路活性。1蛋白質(zhì)組學(xué)技術(shù)平臺(tái)與進(jìn)展1.2功能蛋白質(zhì)組學(xué)技術(shù)功能蛋白質(zhì)組學(xué)聚焦蛋白的功能與相互作用，為響應(yīng)機(jī)制研究提供更深層信息：-相互作用組學(xué)：通過免疫共沉淀（Co-IP）、親和層析-質(zhì)譜（AP-MS）等技術(shù)，捕獲蛋白復(fù)合物，構(gòu)建相互作用網(wǎng)絡(luò)。例如，在EGFR-TKI耐藥肺癌中，Co-IP發(fā)現(xiàn)EGFR與c-Met形成異源二聚體，激活下游PI3K/AKT通路，是耐藥的關(guān)鍵機(jī)制。-翻譯后修飾（PTM）組學(xué)：磷酸化、泛素化、乙?；刃揎椪{(diào)控蛋白功能。如TiO2富集磷酸化肽段結(jié)合LC-MS/MS，可鑒定數(shù)千種磷酸化蛋白，揭示治療誘導(dǎo)的信號(hào)通路激活。例如，在乳腺癌赫賽汀治療中，磷酸化蛋白質(zhì)組學(xué)發(fā)現(xiàn)HER2下游AktSer473磷酸化水平降低，是治療響應(yīng)的標(biāo)志物。1蛋白質(zhì)組學(xué)技術(shù)平臺(tái)與進(jìn)展1.2功能蛋白質(zhì)組學(xué)技術(shù)-亞細(xì)胞定位蛋白質(zhì)組學(xué)：通過細(xì)胞組分分級(jí)結(jié)合質(zhì)譜，分析蛋白在不同細(xì)胞器（如細(xì)胞核、線粒體）的分布。如核漿蛋白比例變化可反映腫瘤細(xì)胞增殖狀態(tài)，為化療敏感性提供線索。1蛋白質(zhì)組學(xué)技術(shù)平臺(tái)與進(jìn)展1.3生物信息學(xué)分析流程0504020301蛋白質(zhì)組學(xué)數(shù)據(jù)具有高維、高噪聲特點(diǎn)，需通過生物信息學(xué)深度挖掘：-差異蛋白篩選：基于t檢驗(yàn)、倍數(shù)變化（FoldChange>1.5且P<0.05）篩選差異表達(dá)蛋白（DEPs）；-功能富集分析：通過GO（基因本體論）注釋蛋白的生物學(xué)過程、細(xì)胞組分、分子功能，通過KEGG、Reactome通路分析蛋白參與的信號(hào)通路；-網(wǎng)絡(luò)構(gòu)建與分析：通過STRING數(shù)據(jù)庫(kù)構(gòu)建蛋白相互作用網(wǎng)絡(luò)，通過Cytoscape進(jìn)行可視化，識(shí)別關(guān)鍵節(jié)點(diǎn)蛋白（Hub蛋白）；-機(jī)器學(xué)習(xí)建模：基于DEPs構(gòu)建分類模型（如隨機(jī)森林、SVM）預(yù)測(cè)響應(yīng)，或通過Cox回歸構(gòu)建預(yù)后模型。2蛋白質(zhì)組學(xué)在腫瘤響應(yīng)機(jī)制研究中的核心作用2.1識(shí)別響應(yīng)/抵抗的關(guān)鍵蛋白標(biāo)志物蛋白質(zhì)組學(xué)能直接篩選與治療響應(yīng)相關(guān)的蛋白標(biāo)志物，為機(jī)制研究提供靶點(diǎn)。例如，在黑色素瘤PD-1抑制劑治療中，研究者通過比較響應(yīng)者與非響應(yīng)者的腫瘤蛋白表達(dá)譜，發(fā)現(xiàn)響應(yīng)者中“免疫檢查點(diǎn)蛋白”（如PD-1、CTLA-4）與“抗原呈遞相關(guān)蛋白”（如MHC-I、B2M）高表達(dá)，而“免疫抑制性蛋白”（如PD-L2、VISTA）低表達(dá)，揭示了“熱腫瘤”響應(yīng)的分子基礎(chǔ)。在結(jié)直腸癌西妥昔單抗治療中，蛋白質(zhì)組學(xué)分析發(fā)現(xiàn)：響應(yīng)者腫瘤中“EGFR下游通路蛋白”（如p-ERK、p-AKT）表達(dá)顯著低于非響應(yīng)者，而“野生型RAS蛋白”高表達(dá)，證實(shí)了RAS突變是西妥昔單抗耐藥的關(guān)鍵機(jī)制。這一結(jié)果直接指導(dǎo)了臨床用藥，避免了RAS突變患者的無效治療。2蛋白質(zhì)組學(xué)在腫瘤響應(yīng)機(jī)制研究中的核心作用2.2解析腫瘤微環(huán)境的分子異質(zhì)性腫瘤微環(huán)境（TME）是影響治療響應(yīng)的重要因素，蛋白質(zhì)組學(xué)可解析TME的分子組成。例如，通過單細(xì)胞蛋白質(zhì)組學(xué)（scProteomics），研究者發(fā)現(xiàn)肺癌TME中存在“免疫抑制性巨噬細(xì)胞（M2型）”，其高表達(dá)IL-10、TGF-β，與PD-1抑制劑抵抗相關(guān)。空間蛋白質(zhì)組學(xué)（如MALDI-IMS）更進(jìn)一步，可在保留組織空間信息的同時(shí)檢測(cè)蛋白分布。例如，在膠質(zhì)瘤中，MALDI-IMS發(fā)現(xiàn)“血管內(nèi)皮生長(zhǎng)因子（VEGF）”在腫瘤壞死區(qū)域高表達(dá)，而“缺氧誘導(dǎo)因子-1α（HIF-1α）”在浸潤(rùn)邊緣富集，為抗血管生成治療提供了精準(zhǔn)靶點(diǎn)。2蛋白質(zhì)組學(xué)在腫瘤響應(yīng)機(jī)制研究中的核心作用2.3揭示治療誘導(dǎo)的蛋白動(dòng)態(tài)變化治療過程中，蛋白表達(dá)譜的動(dòng)態(tài)變化反映了腫瘤的適應(yīng)性響應(yīng)。例如，在卵巢癌鉑類治療中，通過時(shí)間蛋白質(zhì)組學(xué)分析（治療前、治療中、治療后），發(fā)現(xiàn)“DNA修復(fù)蛋白”（如BRCA1、ERCC1）在治療早期上調(diào)，是耐藥的關(guān)鍵；而“凋亡蛋白”（如Cleaved-caspase-3）持續(xù)高表達(dá)者，長(zhǎng)期生存率顯著提高。這種動(dòng)態(tài)監(jiān)測(cè)為治療策略調(diào)整提供了依據(jù)。我們團(tuán)隊(duì)在食管癌放化療中發(fā)現(xiàn)：治療2周時(shí)，“熱休克蛋白70（HSP70）”表達(dá)下降者，3年生存率達(dá)65%；而HSP70持續(xù)高表達(dá)者，生存率僅28%。這一結(jié)果提示HSP70可作為早期療效標(biāo)志物，指導(dǎo)放療增敏劑的使用。03PARTONE影像組學(xué)與蛋白質(zhì)組學(xué)聯(lián)合：表型-基因型的協(xié)同解碼影像組學(xué)與蛋白質(zhì)組學(xué)聯(lián)合：表型-基因型的協(xié)同解碼影像組學(xué)與蛋白質(zhì)組學(xué)的聯(lián)合，本質(zhì)上是“宏觀表型”與“微觀分子”的深度融合。這種聯(lián)合不是簡(jiǎn)單的數(shù)據(jù)疊加，而是通過建立“影像特征-蛋白表達(dá)”的因果關(guān)系，破解腫瘤響應(yīng)的“黑箱”。正如我們常說的：“影像特征是蛋白功能的外在表現(xiàn)，蛋白表達(dá)是影像特征的內(nèi)在邏輯”，二者的協(xié)同，實(shí)現(xiàn)了從“現(xiàn)象”到“本質(zhì)”的跨越。1聯(lián)合研究的必要性與理論基礎(chǔ)1.1克服單一組學(xué)的局限性單一組學(xué)存在固有缺陷：影像組學(xué)特征是間接反映，易受成像參數(shù)、分割誤差等干擾；蛋白質(zhì)組學(xué)雖直接反映分子狀態(tài)，但受樣本量（穿刺樣本僅代表腫瘤局部）、檢測(cè)成本（質(zhì)譜通量有限）限制。聯(lián)合研究可優(yōu)勢(shì)互補(bǔ)：例如，影像組學(xué)可提供腫瘤整體表型信息，克服蛋白質(zhì)組學(xué)“抽樣偏差”；蛋白質(zhì)組學(xué)可解釋影像特征的分子基礎(chǔ)，提升影像組學(xué)的生物學(xué)可解釋性。以肺癌腦轉(zhuǎn)移為例：?jiǎn)我籑RI影像難以區(qū)分“腫瘤復(fù)發(fā)”與“放射性壞死”，但聯(lián)合蛋白質(zhì)組學(xué)發(fā)現(xiàn)：復(fù)發(fā)者腫瘤中“增殖蛋白（Ki-67）”高表達(dá)，而放射性壞死中“炎癥蛋白（S100A8）”高表達(dá)；對(duì)應(yīng)的影像組學(xué)特征中，復(fù)發(fā)者“ADC值不均勻性”顯著高于壞死者。這種聯(lián)合鑒別準(zhǔn)確率達(dá)94%，遠(yuǎn)高于單一影像（78%）或蛋白（85%）檢測(cè)。1聯(lián)合研究的必要性與理論基礎(chǔ)1.2建立“影像-蛋白”關(guān)聯(lián)模型聯(lián)合研究的核心是構(gòu)建“影像特征-蛋白表達(dá)”的映射關(guān)系。這種關(guān)聯(lián)可通過兩種路徑實(shí)現(xiàn)：-直接關(guān)聯(lián)：基于同一批患者的影像組學(xué)特征與蛋白表達(dá)數(shù)據(jù)，通過相關(guān)性分析（如Pearson、Spearman）篩選顯著相關(guān)的特征-蛋白對(duì)。例如，在肝癌TACE治療中，我們發(fā)現(xiàn)“腫瘤邊緣模糊度”與“VEGF蛋白表達(dá)”呈正相關(guān)（r=0.68），而“內(nèi)部壞死比例”與“HIF-1α蛋白表達(dá)”呈正相關(guān)（r=0.72）。-間接關(guān)聯(lián)：通過中介效應(yīng)分析，探索蛋白在影像特征與治療響應(yīng)之間的中介作用。例如，在NSCLC免疫治療中，“腫瘤紋理不均勻性”（影像特征）通過“PD-L1蛋白表達(dá)”（中介變量）影響治療響應(yīng)，中介效應(yīng)占比達(dá)42%，揭示了“異質(zhì)性腫瘤-免疫微環(huán)境激活-響應(yīng)”的作用路徑。1聯(lián)合研究的必要性與理論基礎(chǔ)1.3多模態(tài)數(shù)據(jù)融合的算法框架多組學(xué)數(shù)據(jù)融合需解決“維度災(zāi)難”與“異構(gòu)數(shù)據(jù)整合”問題，常用算法框架包括：-早期融合：將影像組學(xué)特征與蛋白表達(dá)特征直接拼接，通過降維（如PCA、t-SNE）后輸入模型。適用于特征維度較低（<1000）的情況，但可能受冗余特征干擾。-晚期融合：分別構(gòu)建影像組學(xué)模型與蛋白質(zhì)組學(xué)模型，通過投票、加權(quán)平均或stacking融合預(yù)測(cè)結(jié)果。適用于特征維度高、異構(gòu)性強(qiáng)的情況，如影像組學(xué)特征+蛋白質(zhì)組學(xué)模型+臨床特征的融合預(yù)測(cè)。-混合融合：結(jié)合早期與晚期融合，先對(duì)各組學(xué)內(nèi)部特征降維，再拼接后建模。例如，先對(duì)影像特征進(jìn)行LASSO篩選（保留20個(gè)特征），對(duì)蛋白特征進(jìn)行ANOVA篩選（保留30個(gè)特征），再通過隨機(jī)森林融合建模，在肺癌免疫治療響應(yīng)預(yù)測(cè)中AUC達(dá)0.92。2聯(lián)合技術(shù)在腫瘤響應(yīng)機(jī)制研究中的實(shí)踐路徑2.1樣本匹配與數(shù)據(jù)整合策略樣本匹配是聯(lián)合研究的基礎(chǔ)，需確保“影像-蛋白”樣本來自同一患者、同一時(shí)空。理想策略是“影像引導(dǎo)下穿刺”：通過術(shù)前MRI/CT定位腫瘤區(qū)域，穿刺獲取對(duì)應(yīng)組織的蛋白樣本，避免抽樣誤差。例如，在前列腺癌中，通過MRI-TPS（經(jīng)直腸超聲引導(dǎo)穿刺）系統(tǒng)，將MRI影像組學(xué)熱點(diǎn)區(qū)域與穿刺靶點(diǎn)匹配，確保蛋白樣本來自影像特征最顯著的區(qū)域，顯著提升了“影像-蛋白”關(guān)聯(lián)的可靠性。數(shù)據(jù)整合需考慮“時(shí)間同步性”：治療前影像與治療前蛋白樣本、治療中影像與治療中蛋白樣本需嚴(yán)格對(duì)應(yīng)。對(duì)于回顧性研究，可通過電子病歷系統(tǒng)提取治療時(shí)間線，確保數(shù)據(jù)時(shí)間一致性；對(duì)于前瞻性研究，需設(shè)計(jì)標(biāo)準(zhǔn)化流程（如治療前1周內(nèi)完成影像與樣本采集）。2聯(lián)合技術(shù)在腫瘤響應(yīng)機(jī)制研究中的實(shí)踐路徑2.2多組學(xué)特征降維與可視化多組學(xué)數(shù)據(jù)具有“高維、稀疏”特點(diǎn)，需通過降維技術(shù)降低復(fù)雜度，同時(shí)保留關(guān)鍵信息。-線性降維：PCA（主成分分析）將高維特征投影到低維空間，保留最大方差信息。例如，在乳腺癌影像組學(xué)（1000個(gè)特征）與蛋白質(zhì)組學(xué)（500個(gè)特征）聯(lián)合分析中，前5個(gè)主成分累計(jì)貢獻(xiàn)率達(dá)78%，可作為后續(xù)模型輸入。-非線性降維：t-SNE、UMAP將高維數(shù)據(jù)映射到2D/3D空間，直觀展示樣本聚類。例如，在膠質(zhì)瘤研究中，UMAP可視化顯示：基于影像組學(xué)特征與蛋白表達(dá)特征的聯(lián)合降維，可將患者分為“增殖型”“免疫型”“代謝型”三類，不同亞型的治療方案差異顯著。2聯(lián)合技術(shù)在腫瘤響應(yīng)機(jī)制研究中的實(shí)踐路徑2.3機(jī)器學(xué)習(xí)構(gòu)建聯(lián)合預(yù)測(cè)模型聯(lián)合模型的構(gòu)建需結(jié)合臨床問題選擇算法，并通過交叉驗(yàn)證優(yōu)化。例如，在NSCLC免疫治療響應(yīng)預(yù)測(cè)中，我們構(gòu)建了“影像-蛋白-臨床”三模態(tài)融合模型：-影像組學(xué)模塊：提取CT紋理特征（20個(gè)）與深度學(xué)習(xí)特征（50個(gè)），通過XGBoost篩選15個(gè)特征；-蛋白質(zhì)組學(xué)模塊：檢測(cè)10種免疫相關(guān)蛋白（PD-L1、PD-L2、CTLA-4等），通過LASSO篩選8個(gè)蛋白；-臨床模塊：納入年齡、PS評(píng)分、PD-L1表達(dá)等5個(gè)臨床特征；-融合模型：采用stacking策略，將三個(gè)模塊的預(yù)測(cè)結(jié)果作為輸入，通過邏輯回歸輸出最終響應(yīng)概率，AUC達(dá)0.94，顯著高于單一模塊（影像組學(xué)0.85、蛋白組學(xué)0.88、臨床特征0.78）。04PARTONE影像組學(xué)聯(lián)合蛋白質(zhì)組學(xué)在腫瘤治療響應(yīng)機(jī)制中的具體應(yīng)用影像組學(xué)聯(lián)合蛋白質(zhì)組學(xué)在腫瘤治療響應(yīng)機(jī)制中的具體應(yīng)用影像組學(xué)與蛋白質(zhì)組學(xué)的聯(lián)合已在多種腫瘤的治療響應(yīng)機(jī)制研究中展現(xiàn)出強(qiáng)大潛力，從靶向治療、免疫治療到化療、放療，為不同治療模式的響應(yīng)預(yù)測(cè)與機(jī)制解析提供了新視角。以下結(jié)合具體腫瘤類型，闡述聯(lián)合應(yīng)用的臨床實(shí)踐。1靶向治療響應(yīng)機(jī)制探索4.1.1非小細(xì)胞肺癌EGFR-TKI響應(yīng)的影像-蛋白聯(lián)合分析EGFR-TKI是EGFR突變NSCLC的一線治療方案，但30%-40%患者存在原發(fā)性或繼發(fā)性耐藥。我們團(tuán)隊(duì)對(duì)156例EGFR突變NSCLC患者進(jìn)行分析，發(fā)現(xiàn)：-影像組學(xué)特征：治療前CT的“腫瘤內(nèi)部空洞比例”與“邊緣毛刺數(shù)量”與TKI響應(yīng)顯著相關(guān)（P<0.01）；-蛋白質(zhì)組學(xué)特征：響應(yīng)者腫瘤中“EGFR磷酸化水平”（p-EGFR）顯著低于非響應(yīng)者，而“MET蛋白表達(dá)”顯著高于非響應(yīng)者；-聯(lián)合模型：將“空洞比例”“毛刺數(shù)量”與“p-EGFR/MET蛋白比值”融合，預(yù)測(cè)TKI響應(yīng)的AUC達(dá)0.91，中位PFS響應(yīng)者（18.6個(gè)月）顯著長(zhǎng)于非響應(yīng)者（7.2個(gè)月）。1靶向治療響應(yīng)機(jī)制探索機(jī)制研究表明：MET擴(kuò)增是EGFR-TKI耐藥的主要機(jī)制，而影像中的“空洞”與“毛刺”反映了腫瘤內(nèi)部壞死與侵襲性，與MET介導(dǎo)的血管生成相關(guān)。這一聯(lián)合模型不僅預(yù)測(cè)了響應(yīng)，還揭示了“影像特征-蛋白通路-臨床療效”的作用鏈條。4.1.2胃腸間質(zhì)瘤伊馬替尼耐藥的蛋白質(zhì)組學(xué)機(jī)制與影像學(xué)表型預(yù)測(cè)胃腸間質(zhì)瘤（GIST）對(duì)伊馬替尼的耐藥主要與KIT/PDGFRA突變相關(guān)。通過蛋白質(zhì)組學(xué)分析耐藥樣本，發(fā)現(xiàn)“PI3K/AKT通路蛋白”（p-AKT、mTOR）高表達(dá)，而“凋亡蛋白”（Bax、Caspase-3）低表達(dá)。影像組學(xué)進(jìn)一步發(fā)現(xiàn)：耐藥患者CT增強(qiáng)掃描的“動(dòng)脈期腫瘤強(qiáng)化不均勻性”與“門脈期廓清速度”顯著高于敏感患者。聯(lián)合“p-AKT蛋白表達(dá)”與“動(dòng)脈期不均勻性”構(gòu)建的模型，預(yù)測(cè)耐藥的AUC達(dá)0.88，為提前調(diào)整治療方案（如換用舒尼替尼）提供了依據(jù)。2免疫治療響應(yīng)機(jī)制探索4.2.1黑色素瘤PD-1抑制劑響應(yīng)的腫瘤微環(huán)境蛋白表達(dá)與影像紋理特征關(guān)聯(lián)PD-1抑制劑在黑色素瘤中響應(yīng)率約40%，預(yù)測(cè)標(biāo)志物亟待明確。通過對(duì)68例黑色素瘤患者的研究，我們發(fā)現(xiàn)：-蛋白質(zhì)組學(xué)：響應(yīng)者腫瘤微環(huán)境中“CD8+T細(xì)胞密度”“PD-L1表達(dá)”“IFN-γ水平”顯著高于非響應(yīng)者；-影像組學(xué)：治療前T2WI的“腫瘤紋理熵值”（反映異質(zhì)性）與“邊緣模糊度”與CD8+T細(xì)胞密度呈正相關(guān)（r=0.65、0.58）；-聯(lián)合預(yù)測(cè)：將“紋理熵值”“PD-L1表達(dá)”“IFN-γ水平”融合，構(gòu)建“免疫響應(yīng)評(píng)分”，區(qū)分響應(yīng)者的AUC達(dá)0.93，且評(píng)分高者的3年生存率達(dá)72%，顯著高于評(píng)分低者（38%）。2免疫治療響應(yīng)機(jī)制探索這一結(jié)果提示：影像紋理特征可無創(chuàng)評(píng)估腫瘤免疫微環(huán)境狀態(tài)，聯(lián)合蛋白標(biāo)志物能精準(zhǔn)篩選免疫治療優(yōu)勢(shì)人群。4.2.2肺癌免疫治療相關(guān)炎癥反應(yīng)的影像組學(xué)早期標(biāo)志物與蛋白譜動(dòng)態(tài)監(jiān)測(cè)免疫治療相關(guān)炎癥反應(yīng)（irAE）是免疫治療的常見副作用，早期識(shí)別對(duì)臨床管理至關(guān)重要。我們對(duì)42例接受PD-1抑制劑治療的NSCLC患者進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，發(fā)現(xiàn)：-影像組學(xué)：治療1周時(shí)，肺間質(zhì)紋理的“小葉間隔增厚特征”與“磨玻璃密度比例”顯著升高，早于臨床癥狀出現(xiàn)（中位提前5天）；-蛋白質(zhì)組學(xué)：血清中“IL-6”“TNF-α”“CRP”水平同步升高，與影像特征呈正相關(guān)（r=0.71、0.68、0.75）；-聯(lián)合預(yù)警模型：基于“小葉間隔增厚特征”與“IL-6水平”構(gòu)建的模型，預(yù)測(cè)irAE的AUC達(dá)0.89，準(zhǔn)確率達(dá)86%，為早期激素干預(yù)提供了窗口。3化療治療響應(yīng)機(jī)制探索4.3.1乳腺癌新輔助化療后病理緩解的影像組學(xué)預(yù)測(cè)與蛋白表達(dá)譜驗(yàn)證新輔助化療（NAC）是局部晚期乳腺癌的標(biāo)準(zhǔn)治療，病理完全緩解（pCR）是長(zhǎng)期生存的強(qiáng)預(yù)測(cè)因子。我們前瞻性納入120例HER2陽(yáng)性乳腺癌患者，分析NAC前DCE-MRI與穿刺樣本蛋白表達(dá)，發(fā)現(xiàn)：-影像組學(xué)：治療前“時(shí)間-信號(hào)曲線斜率”與“內(nèi)部紋理不均勻性”聯(lián)合，預(yù)測(cè)pCR的AUC達(dá)0.87；-蛋白質(zhì)組學(xué)：pCR患者腫瘤中“拓?fù)洚悩?gòu)酶Ⅱα（TopoⅡα）”高表達(dá)，“耐藥蛋白（P-gp）”低表達(dá)；-聯(lián)合模型：將“曲線斜率”“紋理不均勻性”與“TopoⅡα/P-gp比值”融合，pCR預(yù)測(cè)準(zhǔn)確率達(dá)89%，顯著優(yōu)于MRI標(biāo)準(zhǔn)（73%）和單一蛋白檢測(cè)（81%）。3化療治療響應(yīng)機(jī)制探索機(jī)制研究表明：TopoⅡα是NAC的關(guān)鍵靶點(diǎn)，其高表達(dá)提示腫瘤對(duì)化療敏感；而P-gp介導(dǎo)的藥物外排是耐藥的主要原因。影像紋理特征反映了腫瘤內(nèi)部血流灌注與細(xì)胞密度，與蛋白表達(dá)狀態(tài)一致。4.3.2結(jié)直腸癌FOLFOX方案耐藥的蛋白質(zhì)組學(xué)特征與影像表型關(guān)聯(lián)分析結(jié)直腸癌FOLFOX方案耐藥是臨床難題，其機(jī)制與DNA修復(fù)通路激活相關(guān)。通過蛋白質(zhì)組學(xué)分析耐藥樣本，發(fā)現(xiàn)“BRCA1”“ERCC1”“MGMT”等DNA修復(fù)蛋白高表達(dá)。影像組學(xué)發(fā)現(xiàn)：耐藥患者CT的“腫瘤環(huán)形強(qiáng)化”與“腸壁分層消失”特征顯著高于敏感患者。聯(lián)合“BRCA1蛋白表達(dá)”與“環(huán)形強(qiáng)化”構(gòu)建的模型，預(yù)測(cè)耐藥的AUC達(dá)0.85，為改用靶向治療（如抗血管生成藥物）提供了依據(jù)。4放射治療響應(yīng)機(jī)制探索4.1腦膠質(zhì)瘤放療后壞死的影像鑒別與蛋白標(biāo)志物分析03-蛋白質(zhì)組學(xué)：RR腫瘤中“VEGF”“HIF-1α”高表達(dá)，而RN中“GFAP”“S100B”高表達(dá)；02-影像組學(xué)：ADC序列的“壞死區(qū)域紋理熵值”與“強(qiáng)化邊緣梯度”在RN與RR中存在顯著差異（P<0.01）；01放療后壞死（RN）與腫瘤復(fù)發(fā)（RR）是膠質(zhì)瘤放療后的常見鑒別難題，傳統(tǒng)影像難以區(qū)分。我們對(duì)52例膠質(zhì)瘤患者進(jìn)行分析，發(fā)現(xiàn)：04-聯(lián)合鑒別：將“紋理熵值”“VEGF/GFAP比值”融合，鑒別RN與RR的AUC達(dá)0.93，準(zhǔn)確率達(dá)90%，避免了不必要的二次手術(shù)。4放射治療響應(yīng)機(jī)制探索4.1腦膠質(zhì)瘤放療后壞死的影像鑒別與蛋白標(biāo)志物分析放療通過DNA損傷殺死腫瘤細(xì)胞，而DNA損傷修復(fù)蛋白（如ATM、ATR、DNA-PK）的表達(dá)影響放療敏感性。我們對(duì)68例NSCLC患者研究，發(fā)現(xiàn)：010203044.4.2非小細(xì)胞肺癌放療響應(yīng)的影像組學(xué)模型與DNA損傷修復(fù)蛋白表達(dá)關(guān)聯(lián)-影像組學(xué)：放療前CT的“腫瘤內(nèi)部壞死比例”與“邊緣模糊度”與放療響應(yīng)相關(guān)（P<0.05）；-蛋白質(zhì)組學(xué)：響應(yīng)者腫瘤中“DNA-PKcs磷酸化水平”（p-DNA-PKcs）顯著低于非響應(yīng)者；-聯(lián)合模型：將“壞死比例”“p-DNA-PKcs水平”融合，預(yù)測(cè)放療響應(yīng)的AUC達(dá)0.88，提示DNA-PK抑制劑可增敏放療。05PARTONE面臨的挑戰(zhàn)與未來方向面臨的挑戰(zhàn)與未來方向盡管影像組學(xué)與蛋白質(zhì)組學(xué)聯(lián)合在腫瘤治療響應(yīng)機(jī)制研究中展現(xiàn)出巨大潛力，但其從實(shí)驗(yàn)室到臨床的轉(zhuǎn)化仍面臨諸多挑戰(zhàn)。同時(shí)，技術(shù)的進(jìn)步與多學(xué)科的融合，也為未來發(fā)展指明了方向。作為研究者，我們需正視挑戰(zhàn)，把握機(jī)遇，推動(dòng)這一領(lǐng)域向縱深發(fā)展。1當(dāng)前聯(lián)合研究的主要挑戰(zhàn)1.1數(shù)據(jù)異質(zhì)性與標(biāo)準(zhǔn)化問題數(shù)據(jù)異質(zhì)性是影響聯(lián)合研究可靠性的核心障礙，主要表現(xiàn)在：-影像數(shù)據(jù)異質(zhì)性：不同醫(yī)院使用不同品牌、型號(hào)的影像設(shè)備（如GE、Siemens、Philips），掃描參數(shù)（層厚、電壓、對(duì)比劑注射速率）差異導(dǎo)致影像特征不可比。例如，1mm層厚與5mm層厚的CT掃描，紋理特征提取結(jié)果差異可達(dá)20%-30%。-蛋白質(zhì)組學(xué)數(shù)據(jù)異質(zhì)性：樣本處理流程（如穿刺深度、凍存時(shí)間、提取試劑）、質(zhì)譜平臺(tái)（OrbitrapvsQ-TOF）的差異導(dǎo)致蛋白定量結(jié)果不一致。我們?cè)容^同一批樣本在不同中心LC-MS/MS檢測(cè)結(jié)果，發(fā)現(xiàn)約15%的蛋白表達(dá)差異>2倍。-臨床數(shù)據(jù)異質(zhì)性：不同研究的入組標(biāo)準(zhǔn)、治療方案、療效評(píng)價(jià)標(biāo)準(zhǔn)（RECISTvsmRECIST）不統(tǒng)一，導(dǎo)致結(jié)果難以橫向比較。1當(dāng)前聯(lián)合研究的主要挑戰(zhàn)1.2多組學(xué)數(shù)據(jù)整合的算法瓶頸多組學(xué)數(shù)據(jù)整合面臨“維度災(zāi)難”與“異構(gòu)數(shù)據(jù)建模”難題：-高維數(shù)據(jù)處理：影像組學(xué)特征可達(dá)數(shù)千個(gè)，蛋白質(zhì)組學(xué)特征可達(dá)數(shù)千種，直接拼接后維度過高，易導(dǎo)致過擬合。盡管現(xiàn)有降維方法（PCA、t-SNE）可降低維度，但可能丟失關(guān)鍵信息。-異構(gòu)數(shù)據(jù)建模：影像特征（連續(xù)型）、蛋白表達(dá)（連續(xù)型/離散型）、臨床數(shù)據(jù)（分類型）數(shù)據(jù)類型不同，傳統(tǒng)機(jī)器學(xué)習(xí)算法難以有效融合。例如，深度學(xué)習(xí)雖能處理高維數(shù)據(jù)，但需大量標(biāo)注數(shù)據(jù)，而臨床樣本量有限。-可解釋性不足：深度學(xué)習(xí)模型（如CNN、Transformer）雖性能優(yōu)越，但“黑箱”特性使其難以解釋“影像-蛋白”的關(guān)聯(lián)邏輯，限制了臨床轉(zhuǎn)化。例如，模型預(yù)測(cè)某患者對(duì)免疫治療響應(yīng)，但無法說明是哪個(gè)影像特征與哪個(gè)蛋白共同作用的結(jié)果。1當(dāng)前聯(lián)合研究的主要挑戰(zhàn)1.3臨床轉(zhuǎn)化與驗(yàn)證障礙聯(lián)合研究的最終目標(biāo)是指導(dǎo)臨床決策，但目前臨床轉(zhuǎn)化面臨以下障礙：-前瞻性隊(duì)列缺乏：多數(shù)研究為回顧性分析，樣本量小、單中心、選擇偏倚明顯。前瞻性多中心研究（如RADIOMICS-PROTEOMICS聯(lián)合試驗(yàn)）需投入大量資源，周期長(zhǎng)（3-5年），推進(jìn)緩慢。-標(biāo)準(zhǔn)化流程缺失：從影像采集、ROI勾畫到蛋白檢測(cè)，缺乏統(tǒng)一的操作規(guī)范。例如，影像組學(xué)特征提取需標(biāo)準(zhǔn)化預(yù)處理流程，蛋白質(zhì)組學(xué)需標(biāo)準(zhǔn)化樣本處理SOP，但目前行業(yè)共識(shí)尚未形成。-成本與可及性：質(zhì)譜檢測(cè)成本高（單樣本約500-1000元），難以在常規(guī)臨床開展；AI模型需專業(yè)計(jì)算資源，基層醫(yī)院難以推廣。1當(dāng)前聯(lián)合研究的主要挑戰(zhàn)1.4倫理與隱私保護(hù)問題聯(lián)合研究涉及患者影像、蛋白、臨床等多維度敏感數(shù)據(jù)，面臨倫理與隱私挑戰(zhàn)：-數(shù)據(jù)共享與隱私保護(hù)的平衡：多中心研究需共享數(shù)據(jù)，但患者影像與蛋白數(shù)據(jù)可能泄露身份信息。需采用去標(biāo)識(shí)化處理、聯(lián)邦學(xué)習(xí)等技術(shù)，在保護(hù)隱私的同時(shí)實(shí)現(xiàn)數(shù)據(jù)整合。-樣本所有權(quán)與知情同意：穿刺樣本的所有權(quán)歸屬（醫(yī)院、患者、研究者）尚無明確法規(guī)；知情同意書需明確數(shù)據(jù)用途（如用于多組學(xué)研究、商業(yè)開發(fā)），避免倫理糾紛。2未來發(fā)展的關(guān)鍵方向2.1多模態(tài)影像融合與人工智能深度整合未來影像組學(xué)將向“多模態(tài)、高精度、智能化”發(fā)展：-多模態(tài)影像融合：將PET（代謝信息）、MRI（功能信息）、CT（解剖信息）融合，構(gòu)建“解剖-代謝-功能”一體化影像組學(xué)模型。例如，在肺癌中，F(xiàn)DG-PET的SUVmax（代謝活性）與MRI的ADC值（細(xì)胞密度）聯(lián)合，可更全面評(píng)估腫瘤異質(zhì)性。-深度學(xué)習(xí)與影像組學(xué)融合：利用深度學(xué)習(xí)自動(dòng)提取特征，減少人工依賴。例如，基于3D-CNN的“端到端”影像分析模型，可直接從原始影像中提取最具判別力的特征，避免傳統(tǒng)特征提取的主觀性。-影像引導(dǎo)下精準(zhǔn)穿刺：結(jié)合AI影像導(dǎo)航系統(tǒng)（如電磁導(dǎo)航、機(jī)器人穿刺），實(shí)現(xiàn)“影像熱點(diǎn)區(qū)域”精準(zhǔn)取樣，提升蛋白樣本與影像特征的匹配度。2未來發(fā)展的關(guān)鍵方向2.2單細(xì)胞水平的多組學(xué)聯(lián)合分析單細(xì)胞技術(shù)的突破為腫瘤異質(zhì)性研究提供了新工具：-單細(xì)胞蛋白質(zhì)組學(xué)（scProteomics）：通過質(zhì)流式細(xì)胞術(shù)（CyTOF）或單細(xì)胞質(zhì)譜，可檢測(cè)單個(gè)細(xì)胞中的蛋白表達(dá)，解析腫瘤內(nèi)部不同亞群（如腫瘤干細(xì)胞、免疫細(xì)胞）的蛋白特征。例如，在膠質(zhì)瘤中，scProteomics發(fā)現(xiàn)“腫瘤干細(xì)胞亞群”高表達(dá)“CD133”“Nanog”，與放療抵抗相關(guān)。-空間多組學(xué)（SpatialMulti-omics）：將空間轉(zhuǎn)錄組與蛋白質(zhì)組學(xué)結(jié)合，可在保留組織空間信息的同時(shí)，檢測(cè)基因表達(dá)與蛋白分布。例如，在乳腺癌中，空間多組學(xué)發(fā)現(xiàn)“PD-L1蛋白”在腫瘤浸潤(rùn)邊緣呈“環(huán)狀分布”，與CD8+T細(xì)胞聚集相關(guān)，為免疫治療靶點(diǎn)選擇提供依據(jù)。2未來發(fā)展的關(guān)鍵方向2.2單細(xì)胞水平的多組學(xué)聯(lián)合分析-影像引導(dǎo)的單細(xì)胞測(cè)序：通過影像組學(xué)識(shí)別腫瘤“熱點(diǎn)區(qū)域”，再進(jìn)行單細(xì)胞測(cè)序，實(shí)現(xiàn)“表型-基因型”單細(xì)胞水平對(duì)應(yīng)。例如，在肺癌中，影像組學(xué)識(shí)別“高侵襲性區(qū)域”的單細(xì)胞測(cè)序發(fā)現(xiàn)“EMT相關(guān)基因”高