MALT淋巴瘤的分子与细胞特征

在获得伦理批准后，将从机构生物样本库、患者病历或电子医疗记录中回顾性收集已存在且已编码的肿瘤生物材料和与健康相关的患者数据。 每位参与研究的患者在注册时将被分配一个唯一的数字识别代码。 该唯一识别代码将用于记录与健康相关的数据并标记生物样本。 编码后的生物材料将被转移到位于贝林佐纳的肿瘤研究所（IOR）协调中心。 与健康相关的数据将收集在电子病例报告表（eCRF）（OpenClinica）中。 数据质量将通过查询生成来确保。

注释的基线特征将包括诊断日期、活检日期、年龄、性别、东部肿瘤协作组体能状态（ECOG PS）、Ann Arbor分期、乳酸脱氢酶（LDH）、结外部位的数量和位置、骨髓受累情况和百分比、外周血受累、淋巴结部位数量、B症状、淋巴结大于7厘米、血红蛋白（Hb）、血小板、淋巴细胞、β2微球蛋白、白蛋白、感染（丙型肝炎病毒、幽门螺杆菌、鹦鹉热衣原体、木糖氧化无色杆菌、空肠弯曲菌）、血清副蛋白的存在和类型。

注释的随访特征包括进展至需要治疗的疾病的日期、一线治疗类型、一线治疗开始日期、一线治疗后进展日期、二线治疗日期、二线治疗类型、转化日期、死亡日期、死亡原因以及末次随访日期。 将从活检中提取的基因组DNA通过新一代测序进行突变分析、免疫球蛋白基因和T细胞受体重排分析、拷贝数畸变分析、结构变异分析以及脱氧核糖核酸（DNA）甲基化谱分析。 基因表达将通过从活检中提取的RNA的新一代测序进行评估。 蛋白质表达将通过从活检中提取的蛋白质的质谱分析进行评估。 基于人工智能的计算病理学将在活检的数字化全切片图像上进行，以提取定量组织学特征。

单细胞转录组分析将用于解析肿瘤内异质性并定义恶性和非恶性细胞群体。 经过质量控制、标准化和批次校正后，将应用无监督聚类来识别转录上不同的细胞状态。 恶性B细胞群体将通过拷贝数推断、免疫球蛋白表达模式和典型标记基因的组合与反应性B细胞区分开来。 将进行差异表达和通路富集分析，以识别与解剖部位、免疫环境和疾病特征相关的信号程序。

具体来说：

• 将采用空间转录组学和/或空间蛋白质组学来保留组织结构并评估肿瘤细胞、免疫浸润和基质成分的空间组织。 将使用数据驱动的分割和邻域分析方法识别空间域和细胞邻域。 空间共定位和相互作用分析将用于推断肿瘤微环境串扰、免疫排斥或激活生态位以及可能影响治疗反应的特定部位空间模式。
• 在可用的情况下，将整合免疫库分析（BCR/TCR测序）以评估克隆性、抗原驱动的选择以及免疫克隆的空间分布。 在恶性B细胞中，免疫球蛋白特征将用于探索抗原依赖性和持续选择的证据，而TCR多样性和扩增将根据免疫生态位和肿瘤邻近性进行评估。
• 在可用的情况下，将纳入蛋白质组学和/或表观遗传数据，以完善转录程序的功能解释，并识别观察到的细胞状态背后的转录后或调控机制。

将使用已建立的计算框架进行跨模态整合，以生成统一的细胞状态注释和通路活性评分。 跨解剖部位的比较分析将是一个核心评估。 将系统评估保守与特定部位的细胞状态、免疫组成和信号通路，以识别共享的疾病机制以及环境依赖的特征。 与临床变量（例如，起源部位、既往治疗、疾病分期）的关联将以探索性、假设生成的方式进行研究。

所有分析将遵循可重复的计算工作流程，包括严格的质量控制、对技术混杂因素的适当校正以及透明地报告局限性。 生成的数据集和分析结果将为MALT淋巴瘤提供一个集成的分子和空间参考框架，支持下游生物标志物发现和未来的转化研究。