|
即时IF快要5分了！(暗暗搓手) 图片来源：桑格助手 一. 研究背景在美国和欧洲，子宫体子宫内膜样癌(EEC)是最普遍的妇科恶性肿瘤。淋巴结转移(LNM)是EEC预后和治疗的关键决定因素。预测EEC患者LNM的生物标志物将是有益的，可以进行个性化治疗。当前对EEC中LNM的术前评估不足以准确预测LNM并防止过度治疗，目前术前使用包括肿瘤浸润深度，肿瘤等级或肿瘤大小在内的临床危险因素对淋巴结状态进行评估，但在临床实践中，这种评估的阳性预测值较低。 在本研究中，作者通过分析来自此类患者的手术标本中的基因表达，调查了早期EEC临床患者中LNM的临床病理参数和分子标记。这样的遗传特征可以帮助指导个体化治疗并减少EEC患者的手术发病率。这项初步研究建立了用于预测早期EEC中LNM的生物标志物标记。 二. 分析流程三. 结果解读1. 研究人口的基本特征作者为了确定早期EEC的分子特征，选取了仅包括术前磁共振成像记录的具有临床T1肿瘤的患者的数据，又由于对照研究旨在鉴定可预测EEC患者LNM的mRNA标志，所以作者使用多方法制备这些RNA测序文库，并通过使用RT-PCR来测量EEC患者手术标本中的特定基因表达来鉴定临床预测标记。作者为了鉴定在TCGA和CGH数据集中都高度表达的基因，并且保证样本之间的差异最小，使用了NormFinder用于鉴定适当的归一化基因，根据候选标准化基因在CGH和TCGA数据集中的表达稳定性来对其进行排名。RPL19被确定为这项研究中的合适参考基因。 表1列出了CGH数据集中患者的基本临床病理参数(n = 24)。这些患者被分为18例[LN [–]]淋巴结阴性的患者和6例[LN [+]]淋巴结阳性患者。由表可知，两组的体重指数，年龄，手术途径和绝经状态相似，LN [+]组的高级别肿瘤和LVSI阳性比例更高。 作者分析了TCGA中EEC系列患者中的mRNA表达谱，因为只涉及EEC诊断，所以仅选择患有临床I期(阴性淋巴结)或IIIC(阳性淋巴结)疾病的患者进行比较。根据TCGA数据，作者确定了289名EEC患者，这些患者具有全面的淋巴结状态，数据中包括了基因组表达和临床数据。在这289名患者中，有256名为LN [–]，33名为LN [+] (表2)。由表可知患有LNM的TCGA患者可能接受过开放手术，患有高度肿瘤或深肌层浸润。 接着作者进行了RNA序列数据处理和差异表达分析，使用 2. CGH和TCGA中EEC阳性节点和阴性节点的DEG作者对CGH数据集中的24位患者进行了RNA测序，使用FastQC评估读取的质量，发现所有读取的Phred得分均高于30，即错误率较低。并发现LN[+]和LN[–]癌组织之间有779个DEG。 作者还对TCGA数据集中的数据进行了RNA测序，包括33个LN[+]和256个 LN[–]EEC组织。在这些组织之间，发现了41个DEG。 其中，有16个DEG在CGH和TCGA中都被识别出(表4)。 3. 基于序列的模型构建和特征选择对于前文的16个DEG，CGH数据集中这16个DEG的热图如图2所示，其中P01-P06表示LN [+]，N01-N18表示LN [-]；黄色代表高表达，橙色代表低表达。 3. 基于序列的模型构建和特征选择对于前文的16个DEG，CGH数据集中这16个DEG的热图如图2所示，其中P01-P06表示LN [+]，N01-N18表示LN [-]；黄色代表高表达，橙色代表低表达。 4. PCR验证和基于PCR的预测模型构建作者使用72个患有早期EEC的患者的独立队列，用于8个已鉴定的DEG(ASRGL1，ESR1，EYA2，MSX1，RHEX，SCGB2A1，SOX17和STX18)的qRT-PCR验证。另外17例未行盆腔和主动脉旁淋巴结清扫术的患者被排除在外。表3列出了该队列(n = 72)的临床特征。 所有72例患有临床T1肿瘤(局限于子宫)中63例为LN[–]，9例为LN[+]。与TCGA数据相似，这些LNM患者更有可能患有高度肿瘤和深层肌层浸润，LN[+]患者的LVSI比例也更高。 8个DEG的相对表达在图3A中示出。其中，LN[+]和LN[–]组之间观察到5个DEG。LN[+]中发现ASRGL1，RHEX，SCGBA1，SOX17和STX18的相对表达显着降低。其中数据表示(相应基因的阈值周期-RPL19的阈值周期)，ΔCT阳性表示表达水平低于参考基因RPL19，使用Mann-Whitney U检验确定的5个基因(ASRGL1，RHEX，SCGB2A1，SOX17和STX18)存在显着差异。 这5个基因表达后和一临床参数(肌层浸润深度)结合，确定了各种机器学习模型的性能，如表6所示。随机森林模型具有最高的敏感性和特异性。其中多种机器学习方法（包括SMO和顺序最小优化)。
5. mRNA标记的构建和风险评分表述为了评估这些mRNA标记在EEC中预测LNM的性能，作者进行了ROC分析(图3B，C)。其中图B表示ROC曲线的5个单表达mRNA，可以看出5个mRNA的AUC范围为0.705至0.829，表明这5个标记可以区分LN[+]患者和LN[–]患者；图C表达量结合的5种mRNA表达的ROC曲线。
表7列出了每种mRNA标记的AUC，敏感性和特异性。在研究的五种mRNA中，SCGB2A1被认为是识别LN[+]患者的最佳标记，因为它具有最高的敏感性和特异性。 为了使这些mRNA标记能够在临床实践中应用并提高mRNA预测功效，对于验证队列中的每位患者，根据5种mRNA组合计算风险评分。根据最佳风险评分截止值-1.77，在验证队列中将72例EEC患者分类为高风险(n = 18；风险评分> -1.77)或低风险(n = 54；风险评分<-1.77)。可知LN[+]组的风险评分明显高于LN[–]组。此外，5种mRNA的组合组显着高于任何单个mRNA标记，并且具有出色的AUC，灵敏度，特异性和准确性，PPV为44.4％，NPV为98.1％(图3C和表7)。
本文作者通过全面分析，鉴定出5个基因(ASRGL1，RHEX，SCGB2A1，SOX17和STX18)作为预测性生物标记，代表了进一步机制研究的新靶标，这种5种基因表达谱的模型可作为预测早期EEC患者LNM的有用工具。预测模型应进行前瞻性测试，并与当前的临床评估结合使用，以优化首次治疗前EEC患者的个体治疗计划。 |
|
|
