从DNA到RNA：基因表达谱正在成为药物研发的重要工具-迈杰转化医学

从DNA到RNA：基因表达谱正在成为药物研发的重要工具

返回列表 来源：发布日期： 2026.04.07

在精准医学的发展过程中，分子检测技术已成为药物研发和临床研究的重要基础设施。过去十余年，DNA测序在发现驱动突变和建立靶向治疗策略方面发挥了关键作用。然而，相比相对稳定的DNA突变信息，RNA层面的基因表达谱（Gene Expression Profiling, GEP）能够反映细胞在特定生理或病理状态下的转录活性变化，因此在理解疾病动态过程和药物作用机制方面逐渐受到更多关注。

在肿瘤研究中，基因表达谱可以帮助描绘肿瘤微环境（Tumor Microenvironment, TME）以及免疫系统的活化状态，已成为转化医学研究和临床试验中重要的生物标志物探索工具。不过，目前真正成熟并广泛用于临床诊疗决策的GEP应用仍然集中在少数特定场景。

一、乳腺癌：GEP最成熟的临床应用

目前，基因表达谱在临床应用最成熟的领域之一是早期激素受体阳性乳腺癌的复发风险评估。

以Oncotype DX®（21-gene recurrence score assay）为代表的检测，通过分析21个基因的表达水平计算复发风险评分（Recurrence Score），用于辅助判断患者是否需要接受辅助化疗。

大型前瞻性研究 TAILORx（约10,000例患者）表明，在部分复发风险评分处于低至中等范围的患者中，仅接受内分泌治疗即可获得与联合化疗相似的临床结局。该研究结果被NCCN 与 ASCO 指南纳入参考，用于帮助减少部分患者不必要的化疗治疗。

这一案例通常被认为是GEP从研究工具走向临床决策支持的重要实践。

resource/images/3944f3abd16840e18ef806bb354d6c36_2.png

二、免疫治疗研究中的GEP探索

在肿瘤免疫治疗领域，基因表达谱也被用于描述肿瘤的免疫状态。例如，在部分 KEYNOTE 临床研究中，研究人员评估了一组T-cell inflamed gene expression signature（18-gene GEP），其主要反映以下免疫相关通路：IFN-γ信号通路、抗原呈递相关基因、T细胞趋化因子表达。研究发现，在部分肿瘤类型中，这类表达特征与PD-1 抑制剂治疗响应存在一定相关性。不过，业内普遍认为，这类 GEP signature 目前主要仍用于研究分析和生物标志物探索。在实际临床决策中，免疫治疗的分层仍主要依赖PD-L1表达、MSI状态和TMB等指标，而不同肿瘤类型之间，GEP 的预测价值仍存在明显差异。

三、 转化医学中的重要研究工具

尽管临床应用仍然有限，但GEP在药物研发和转化医学研究中的价值正在不断扩大。

在肿瘤研究中，基因表达谱可用于系统评估肿瘤微环境中的多种免疫特征，例如T细胞浸润、炎症相关信号通路以及免疫抑制相关基因表达。这些信息有助于研究人员理解不同患者对免疫治疗或联合治疗策略的反应差异。

在许多临床试验中，研究者也会通过 RNA-seq 或 targeted RNA panel 分析不同表达特征，并将其作为探索性生物标志物（exploratory biomarkers），用于解释疗效差异或发现潜在耐药机制。这类分析通常作为转化医学研究或亚组分析工具，而较少直接用于患者入组或临床治疗决策。

在抗体偶联药物（ADC）及部分靶向药物研发过程中，研究人员也常利用GEP分析靶点相关通路、细胞内吞以及溶酶体加工等生物学过程，从而更好地帮助理解药物作用机制。

四、 从肿瘤到免疫疾病：应用场景逐步拓展

近年来，基因表达谱在自身免疫疾病研究中的应用也逐渐增多。

在系统性红斑狼疮（SLE）研究中，研究者常利用少数干扰素刺激基因构建IFN signature，用于评估患者干扰素通路的活化程度。在部分临床研究中，该表达特征还被作为药效学指标，用于观察药物对相关信号通路的调控效果。

在炎症性肠病（IBD）领域，包括克罗恩病和溃疡性结肠炎，基于肠道组织样本的RNA-seq分析也被广泛用于研究疾病分子机制。通过分析肠黏膜组织的转录组数据，研究人员能够识别免疫细胞浸润模式、炎症信号通路以及上皮屏障相关基因变化，从而帮助理解疾病的分子异质性，并为新型靶向治疗策略提供研究线索。

不过，与乳腺癌复发风险评估等成熟应用不同，这些研究仍主要处于疾病机制研究和药物开发阶段。

五、 技术平台为转化研究提供支持

在转化医学研究中，RNA表达数据的可靠性不仅取决于生物信息学分析，也与样本质量、建库方法以及测序策略密切相关。由于不同研究场景中的样本来源差异较大，例如FFPE存档组织、新鲜组织或血液样本，其RNA完整性往往存在明显差异，因此通常需要选择不同的RNA-seq建库策略。

目前常见的RNA-seq建库方法主要包括mRNA富集（Poly-A）、去核糖体（Ribo-off）以及靶向捕获（RNA Exome）。不同方法在样本适配性和检测范围方面各有特点。例如，RNA Exome方法更适合RNA降解程度较高的FFPE样本；Ribo-off方法可检测更广泛的转录本类型，包括部分非编码RNA；而Poly-A方法则更适用于RNA完整性较高的组织或细胞样本，在基因表达定量研究中应用较为广泛。

迈杰转化医学（苏州）有限公司已构建起涵盖 RNA Exome、Ribo-off 及 mRNA-Seq (Poly-A) 的全方位转录组测序（RNA-seq）技术平台。针对临床研究中常见的 FFPE 组织及血液等复杂样本，迈杰已完成严格的方法学验证，确保在高度降解的样本中仍能获得高质量数据。该体系深度支持肿瘤、自身免疫性疾病及药物研发相关的转化医学研究，广泛应用于动态基因表达监测、差异倍数分析及免疫微环境评估。目前，迈杰转化医学已凭借该技术成功助力多家国内外药企，完成了多项关键性临床研究的成果转化。

在实际研究中，根据样本类型和研究目标选择合适的RNA-seq策略，有助于提高表达数据的稳定性和可重复性，从而为临床研究和药物研发提供更可靠的转录组数据支持。

三种建库方法的核心参数对比

resource/images/3944f3abd16840e18ef806bb354d6c36_4.png

迈杰转化医学深耕 RNA-Seq检测技术多年，积累了丰富的实践经验，不仅拥有大量健康人样本数据，还汇聚了来自真实世界临床患者的多样化数据，形成了庞大的数据资源库。通过对这些数据进行大规模对比分析，我们的检测结果与权威文献报道高度一致，充分验证了检测方法学的准确性和鲁棒性。无论是基因表达谱分析、融合基因检测还是突变位点识别，我们的技术都能提供稳定、可靠的结果，为临床试验提供强有力的数据支持。

resource/images/3944f3abd16840e18ef806bb354d6c36_6.png