背景:探索用于预测乳腺癌复发风险和治疗反应的生物标志物及临床指标,对于评估患者转移风险,预测治疗敏感性,进而针对性地制定最佳治疗方案等,具有重要的参考作用。由内皮祖细胞、细胞外基质、免疫细胞以及各种生长因子和细胞因子等构成的肿瘤微环境（tumor microenvironment,TME）,包含了丰富的肿瘤相关生物标志物信息。尤其是TME中的基质成分和免疫细胞,作为肿瘤基因特异性表达的热点成分,及促进肿瘤进展和转移的关键因素之一,目前受到持续关注和深入研究。近年来,多基因检测在早期乳腺癌患者制定辅助治疗决策中的地位已经获得广泛共识,基于乳腺癌TME相关基因的预后标志物可能具有较大的开发潜力。另外,化疗本身也会对TME造成极大的破坏与重塑,尤其是接受新辅助化疗（neoadjuvant chemotherapy,NCT）的患者。NCT是指对于初诊时未发现远处转移的患者,在手术前进行的全身系统性化疗。NCT一方面具有“降期手术”“降期保乳”“获得体内药敏信息”及“指导后续治疗方案调整”等方面的优势;另一方面,对TME的破坏也可能会影响TME相关生物标志物的预后价值,事实上,化疗造成的肿瘤细胞及其TME重编程会对生物标志物的预后评估造成极大的不确定性。因此,对于接受NCT的患者,寻找稳定的临床预后指标具有重要的意义。目前,预测患者对化疗的敏感性,及初诊腋窝淋巴结阳性（c N+）患者NCT后进行前哨淋巴结活检术（sentinel lymph node biopsy,SLNB）的安全性一直是研究的热点问题之一。一方面,在预测NCT敏感性方面,外周血中性粒细胞/淋巴细胞比值（neutrophil/lymphocyte ratio,NLR）获得很多研究的关注。NLR可以综合反映促肿瘤炎症状态和抗肿瘤免疫反应之间的平衡,较高的比值可能代表了肿瘤引起的免疫系统向促肿瘤模式的改变。NLR已被用于预测多种肿瘤患者的化疗疗效和预后判断,在早期乳腺癌患者中也发现基线的NLR与患者对NCT的敏感性有关。但所有的研究都是回顾性的队列研究,多数研究的化疗方案不统一,也未排除创伤、炎症等对NLR的影响。另一方面,由于上肢淋巴水肿,肩部活动受限等并发症发生率较高,腋窝SLNB替代淋巴结清扫术（axillary lymph node dissection,ALND）已是初诊腋窝淋巴结阴性（c N0）患者腋窝手术的标准术式。而SLNB在c N+患者NCT后的应用仍然存在一些争议。SENTINA、ACOSOG Z1071及SN FNAC等研究评估了化疗后腋窝降期（c N+→c N0）患者,接受SLNB的安全性和可行性,如果前哨淋巴结阴性,则可以免除ALND,从而降低上肢水肿等并发症的发生率。但因为实际操作过程中存在化疗后SLNB假阴性率高、长期生存数据不足等风险,化疗降期后保腋窝的手术尚存在较大争议。事实上,漏检转移淋巴结的风险与SLNB的假阴性率和化疗后淋巴结转移负荷两个因素有关。理想情况下,医生能够判断哪些患者的化疗反应较好,筛选出NCT后淋巴结转移负荷较低,甚至是淋巴结没有转移的患者进行SLNB,降低转移淋巴结漏检的风险。目的:一,探索TME相关基因在早期乳腺癌中的预后意义;二,探索NLR和乳腺癌NCT疗效的相关性;三,探索c N+患者NCT后影响腋窝淋巴结病理完全缓解（pathologic complete response,p CR）的相关因素。方法:下载TCGA（The Cancer Genome Atlas）数据库中乳腺癌患者的基因转录组和临床病理数据,采用ESTIMATE（estimation of stromal and immune cells in malignant tumors using expression data）算法评估肿瘤组织中基质和免疫细胞的浸润水平。为了筛选免疫/基质相关的差异表达基因（differentially expressed genes,DEGs）,我们利用“edge”R软件包对不同免疫/基质评分患者的m RNA表达谱进行差异分析,并利用GO（gene ontology）和KEGG（Kyoto gene and genome encyclopedia）分析对筛选出的DEGs进行功能富集分析,之后利用“survival”R软件包的单因素Cox回归分析筛选用于构建模型的生存相关候选DEGs,并利用LASSO（least absolute shrinkage and selection operator）回归分析对候选基因进行优化。模型构建成功后,利用以下公式计算患者的基因风险评分:评分=基因1×β1+基因2×β2+…基因n×βn。其中,β代表基于训练集计算的每个相关基因的回归系数。然后进一步采用CIBERSORT分析、主成分分析（principal component analysis,PCA）及基因富集分析（gene set enrichment analysis,GSEA）评估不同风险组患者肿瘤样本的淋巴细胞亚群的差异。NCT相关的研究中,分类变量的单因素分析采用χ2检验;二元Logistic回归分析对筛选出的变量进行多因素分析并构建模型;采用受试者操作特征曲线（receiver operating characteristic curve,ROC）曲线、C指数（c-index）、k-fold交叉验证和bootstrapping验证等方法对模型进行评估及验证。结果:一,我们筛选的DEGs和肿瘤免疫反应密切相关,成功构建的12基因（ASCL1,BHLHE22,C1S,CLEC9A,CST7,EEF1A2,FOLR2,KLRB1,MEOX1,PEX5L,PLA2G2D,PPP1R16B）预后模型表现良好,且基因低风险和高风险患者肿瘤的免疫学状态和浸润淋巴细胞亚群明显不同。二,我们发现年轻及绝经前患者NLR较高。NLR、肿瘤T分期、激素受体（hormone receptor,HR）状态和Ki67状态均是p CR的独立预测因素,基于以上4个因素构建的p CR预测模型稳定,效能良好,具有重要的潜在临床意义。三,我们首次基于大样本的亚洲人群对c N+乳腺癌患者NCT后淋巴结p CR的相关影响因素进行了分析,结果显示,化疗前N分期、Ki67表达水平、分子分型和化疗后乳腺p CR状态均是腋窝淋巴结p CR的独立相关因素。我们还成功建立并验证了一种c N+患者化疗后腋窝p CR的预测模型,该模型准确性及效能良好。结论:TME相关基因是乳腺癌患者潜在的预后指标。构建的预测模型为筛选NCT敏感患者及化疗后腋窝手术方式的优化提供了重要的参考方法。