目的:乳腺癌是女性中发病率最高的癌症,其中约有15%-20%的乳腺癌患者是HER2阳性,这部分患者恶性程度高、预后差。HER2阳性的患者可受益于抗HER2的单克隆抗体的治疗,如曲妥珠单抗、帕妥珠单抗等。HER2阴性的患者对抗HER2的靶向药物不敏感,通常对其使用化疗治疗。临床上使用免疫组化和荧光原位杂交来检测乳腺癌样本的HER2状态,但临床上HER2状态的检测结果在不同实验室之间或不同检测方法之间存在一定的不一致性。当前,已有研究利用基因表达谱来构建乳腺癌HER2状态的分类标志,但是这些标志通过一组基因的定量表达水平总结出的一个阈值来进行分类。由于基因的定量表达水平容易受到检测条件等因素的影响,这类定量的标志在不同数据集之间缺乏重复性,难以直接在临床实践中应用。因此,有必要构建一个准确分类乳腺癌HER2状态的标志。方法:为了准确识别乳腺癌患者的HER2状态,我们利用基于样本内的基因表达相对大小秩序关系来构建可对乳腺癌患者HER2状态进行分类的转录组定性标志。首先,我们在芯片平台以及二代测序平台分别筛选得到在HER2阴性乳腺癌样本中稳定但在HER2阳性乳腺癌样本中发生逆转的稳定基因对,并在两个平台中筛选得到交叠一致的逆转稳定基因对。进一步地,考虑到乳腺癌患者的HER2状态与其生存时间密切相关,我们利用Cox比例风险回归模型识别出与乳腺癌患者生存时间显著相关的逆转稳定基因对。然后,我们使用序列向前搜索算法从与生存相关的逆转稳定基因对中筛选出H-score值最大的一组基因对作为重新鉴别乳腺癌患者HER2状态的标志。最后,我们比较重新鉴别的样本与其病理标签的一致性,并验证重分类为HER2阳性样本与HER2阴性样本之间的预后差异。结果:本研究利用来自芯片平台和二代测序平台的共7套数据集,构建了包括12对基因对（12-GPS）在内的可重新鉴别乳腺癌HER2状态的分类标志。在验证集中,我们重新分类了芯片检测的303个样本,这些重分类样本中有90%的样本的HER2状态与其病理标签一致。在重分类的3151个二代测序平台样本中,94%的样本与其病理标签一致。对于接受曲妥珠单抗治疗的患者,从病理标签为HER2阳性的患者中重新分类为HER2阴性患者与HER2阳性患者之间存在边缘显著差异的无复发生存期（HR=0.18,95%CI:0.02-1.42,log-rank P=0.0658）。对于仅接受手术治疗的3组生存数据,仅在一组数据中发现重新分类为HER2阳性患者的生存率显著低于重新分类为HER2阴性患者的生存率,而另外两组数据表现为边缘显著。但是,在仅接受内分泌治疗的3组生存数据中,全都表现为显著的预后差异(HR分别为3.09,3.16和1.98;95%CI分别为1.12-8.56,1.94-5.15和1.24-3.16;log-rank P分别为0.022,1.07×10-6和3.96×10-3)。在ER阳性样本中,重新分类为HER2阳性样本的生存率都显著地低于重新分类为HER2阴性样本的。结论:综上,基于转录组定性特征识别的乳腺癌样本HER2状态的分类标志,12-GPS,在不同平台中具有良好稳健性,能够准确地分类乳腺癌样本的HER2状态。该标志具有一定的临床转化价值。