Krooninen sairaus

tiivistelmä

tarkka ennustaminen eturauhassyövän kliiniset kurssien edelleen heikko. Tässä tutkimuksessa, suoritimme koko genomin kopiomäärä analyysi valkosoluissa 273 eturauhassyöpäpotilaalla käyttäen Affymetrix SNP6.0 siru. Kopioi numero variaatioita (CNV) havaittiin kaikissa kromosomeja ihmisen genomin. Keskimäärin 152 CNV fragmenttien per genomi tunnistettiin valkosolujen eturauhassyöpäpotilaalla. Kokojakaumiin CNV genomissa valkosolujen olivat erittäin korreloi eturauhassyövän aggressiivisuus. Eturauhassyöpätutkimuksessa tulos ennusteen kehitettiin perustuu suuren koon suhde CNV peräisin valkosolujen genomeja. Tämä ennustus malli tuotti keskimäärin ennustaminen osuus 75,2%, jossa herkkyys 77,3% ja spesifisyys 69,0% eturauhasen syövän uusiutumiseen. Yhdistettynä Nomogrammi ja asema fuusio selostukset, keskimääräinen ennuste korko parani 82,5%: n herkkyys 84,8% ja spesifisyys 78,2%. Lisäksi leukosyyttien ennustemalli oli 62,6% ennustavat lyhyessä prostataspesifisen antigeenin kaksinkertaistui aikaa. Kun yhdistetään Gleason palkkaluokka, Nomogrammi ja asema fuusio selostukset, ennustemallissa syntyy oikea ennustaminen osuus 77,5%, jossa 73,7% herkkyys ja 80,1% tarkkuus. Tietääksemme tämä on ensimmäinen tutkimus osoittaa, että CNVs leukosyyttien genomit ovat ennustavia kliinisten tulosten ihmisen maligniteetti.

Citation: Yu YP, Liu S, Huo Z, Martin A, Nelson JB, Tseng GC , et ai. (2015) Perimän Kopioi numero vaihtelu genomien Leukocytes Veikkaa Eturauhassyöpä Kliiniset tulokset. PLoS ONE 10 (8): e0135982. doi: 10,1371 /journal.pone.0135982

Editor: Zoran Culig, Innsbruck Medical University, Itävalta

vastaanotettu: 24 huhtikuu 2015; Hyväksytty: 28 heinäkuu 2015; Julkaistu: 21 elokuu 2015

Copyright: © 2015 Yu et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään

Data Saatavuus: kaikki asiaankuuluvat tiedot kuuluvat paperin ja sen tukeminen Information tiedostoja. Raakadataa tietoa SNP6.0 näistä näytteistä talletettiin Gene Expression Omnibus (GEO, hakunumero GSE70650).

Rahoitus: Tämä tutkimus tukivat avustusta National Cancer Institute JHL (RO1 CA098249) ja avustusta University of Pittsburgh Cancer Institute. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Eturauhassyöpä on yksi yleisimmistä kuolinsyistä miesten Yhdysvalloissa. Sillä on huomattava heterogeenisuus biologisessa aggressiivisuutta ja kliininen ennuste [1-3]. Täytäntöönpanon jälkeen seerumin PSA, kliininen havaitsemismäärä eturauhassyövän on kasvanut merkittävästi johtuen pääasiassa tunnistamiseen pieni, huono laatu syöpiä, jotka todennäköisesti etene [1]. Silti lähes 30000 potilasta kuolee eturauhassyövän vuosittain [4]. Tarkka ennustaminen aggressiivinen käytös eturauhassyövän edelleen heikko.

Tällä hetkellä useat hoitovaihtoehtoja ovat käytettävissä eturauhassyöpäpotilaiden lukien valpas odottaa, säteily, hormonaaliset /chemo-terapia ja eturauhasen. Gleason luokittelu yksin tai yhdessä muiden kliinisten indikaattorien kuten seerumin prostataspesifisen antigeenin tasoja ja patologisia tai kliininen lavastus on ollut johtava väline valittaessa hoitovaihtoehtoja. Huomattava määrä eturauhassyöpäpotilaalla kuitenkaan kokenut uusiutumisen jälkeen kirurginen resektio eturauhanen. On selvästi tarve parantaa ennustamista ennuste eturauhassyövän. Edellinen sytogeneettiset ja muut perimän tutkimukset viittasivat välillä on selvä yhteys genomin poikkeavuuksia ja eturauhassyövän [5-21]. Viimeaikaiset analyysit genomin kopioluvun eturauhassyövän, hyvänlaatuisen kudokset vieressä syövän ja verinäytteet eturauhassyöpäpotilaalla ehdotti, että genomin poisto ja monistamisen tietyillä alueilla eturauhassyöpänäytteissä olivat yhteydessä huonoon kliiniseen tulokseen [14; 22]. Koko genomin ja transcriptome sekvensointi paljasti fuusio selostukset eturauhassyövässä ennustavan eturauhassyövän uusiutumisen [23]. Tässä tutkimuksessa, suoritimme koko genomin kopiomäärä analyysejä valkosoluissa eturauhassyöpään potilaille. Merkittävät kopioluvun vaihtelut (CNV) tunnistettiin genomissa leukosyyttien eturauhassyövän potilailla. Huomasimme, että kokoisia CNVs valkosoluissa eturauhassyöpänäytteissä olivat erittäin suhteutettu eturauhasen syövän uusiutumiseen. Ennustemallit rakennettiin ennustaa eturauhassyövän tulosten perusteella koon CNVs leukosyyttien.

Materiaalit ja menetelmät

protokolla Tutkimuksen hyväksyi University of Pittsburgh Institutional Review Board.

Tissue käsittely, DNA: n eristämiseksi, amplikonin sukupolvi, merkintöjä, hybridisaatio-, pesu- ja skannaus SNP 6,0 pelimerkkejä

eturauhassyöpänäytteissä saatiin University of Pittsburgh Medical Center Tissue Bank. Nämä näytteet kerättiin 1998-2012. Kaksisataa seitsemänkymmentäkolme Valkosolukerros näytettä eturauhassyöpäpotilaille analysoitiin. Näistä näytteistä 143 näytettä seurattiin vähintään 90 kuukautta, 35 potilasta oli kertaluonteinen 90 kuukautta tai enemmän, 55 potilaalla ilmenee toistumisen lyhyillä PSADT (PSA kaksinkertaistui aika 15 kuukautta) kuluttua eturauhasen (S1 taulukko). Gleason n tulokset kaikista eturauhassyöpänäytteissä arvioitiin uudelleen vuoteen UPMC patologit ennen tutkimusta. Kliinistä seurantaa tehtiin toimisto tutkintapöytäkirja, veren PSA tutkimus ja radiologisesti seurantaa. Nämä seurannat tehtiin jopa 15 vuoden ajan sen jälkeen, kun potilas oli eturauhasen. Protokolla hyväksyi ”University of Pittsburgh Institutional Review Board”. Viisisataa nanogrammaa genomisen DNA pilkottiin Sty1 ja nsP1 2 tuntia 37 ° C: ssa. Digestoitu DNA puhdistettiin ja liitettiin ligaatiolla aluke /sovitin 16 ° C: ssa 12-16 tunnin ajan. Amplikonit tuotettiin käyttämällä PCR: llä käyttäen alukkeita, joita valmistaja (Affymetrix, CA), ligaatiotuotteilla käyttäen seuraavaa ohjelmaa: 94 ° C 3 min, sitten 35 sykliä 94 ° C 30 sekuntia, 60 ° C 45 sekuntia ja 65 ° C 1 minuutin ajan. Tätä seurasi pidennys 68 ° C: ssa 7 min. PCR-tuotteet olivat sitten puhdistetaan ja hajotetaan DNAseI 35 min 37 ° C: n fragmentoimiseksi monistettu DNA. Hajanainen DNA leimataan sitten biotinyloidun nukleotidin päätteen deoksinukleotiditransferaasia 4 tunnin ajan 37 ° C: ssa. Kaksisataa mikrogrammaa fragmentoitunutta DNA: ta hybridisoitiin ennalta tasapainotettu Affymetrix chip SNP 6,0 50 ° C: ssa 18 tunnin ajan. Menettelyt pesu- ja skannaus SNP 6,0 pelimerkkejä seurasi käyttöohjeista Affymetrixin, Inc. Raakatietoihin tietoa SNP6.0 näistä näytteistä oli talletettu ”Gene Expression Omnibus” (GEO, hakunumero GSE70650).

tilastollinen analyysi

Kopioi numero variaatioanalyysi.

CEL tiedostoja analysoitiin Genotyping Console laadunvalvontaan analyysiä. Näytteet, joiden QC puhelun yli 80% ja QC kontrastisuhde yli 0,4 otettiin osaksi analyysiä. Analysoida CNV, CEL tiedostot tuotiin Partek GenomeSuite 6.6 tuottaa kopiomääräksi raaka intensiteettiä. Piirtää histogrammeja, poistamista tai monistamiseen genomien analysoitiin ensin rajoittamalla alueisiin p-arvo alle 0,001. Valitut alueet myöhemmin suodatetaan rajoittamalla alueisiin, joilla on vähintään 10 merkkiä ja 2 kb. Alueet sitten kartoitettu tunnettuja geenejä. Taajuudet vahvistusta ja deleetiot piirrettiin genomiin geeniä vastaava paikkoihin (kuvio 1A). Jokaista geeniä, Fisherin testiä käytettiin testaamaan yhdistyksen välillä CNV osallistuminen ja näyte toistumisen tila. Sitten miinus log p-arvot piirretään Manhattan tontilla niitä vastaavat geenin kromosomin paikoissa tuottaa kuvion 1B. Benjamini-Hochberg (BH) menetelmää sovellettiin korjata p-arvot. CNV-geeni rikastettu reittejä valikoitiin Kolmogorov-Smirnov testi geeni säätää p-arvot. Pathway p-arvot olivat myös korjata BH menetelmällä.

(A) Histogrammi taajuuden vahvistus (punainen) tai poistetaan (sininen) ja genomin sekvenssien leukosyyttien (ylempi paneeli, n = 273) välillä eturauhassyöpäpotilaalla . (B) Manhattan tontit p-arvot yhdessä eturauhassyövän uusiutumisen kunkin geenin CNV leukosyyteistä.

Koneoppiminen menetelmiä ennustaa toistuvat ja nopeasti toistuva tila.

rakennettu ennustemallit kahdenlaisesta kliinisessä vertailut: (1) kertaluonteisten versus toistuvia; (2) ei-nopeasti toistuvat (so kertaluonteisia tai toistuvia mutta ottaa prostataspesifisen antigeenin kahdentumisaikoina [PSADT] ≥15 kuukautta) verrattuna nopeasti uusiutuva (toistuva PSADT≤ 4 kuukautta). Kunkin Vertailun vuoksi malleja rakennettiin käyttäen Gleason (G), Nomogrammi pisteet (N), fuusio transkripti tila (F) tai veren CNV tiedot (L) erikseen. Sillä Gleason pisteet syrjintää, käytimme binary ennustaminen (0 merkitys Gleason pisteet ≤ 7 ja 1 merkitys Gleason pisteet 7). Sillä Nomogrammi pisteet, 7 vuoden eloonjäämistä saatu https://www.mskcc.org/nomograms/prostate käytettiin [24]. Fuusiolle tila, haimme kahdeksan fuusio selostukset (TRMT11-GRIK2, SLC45A2-AMACR, mTOR-TP53BP1, LRRC59-FLJ60017, TMEM135-CCDC67, KDM4-AC011523.2, MAN2A1-FER ja CCNH-C5orf30) aiemmin tunnistettu ja validoitu monikeskustutkimus [23]. Binäärinen fuusio pisteet käytettiin (0 tarkoittaen mikään kahdeksan fuusioiden havaittu; 1 tarkoittaa yhden tai useamman fuusio- transkriptien havaittu). Ennustamiseen käyttäen geeniä CNV leukosyyttien, löysimme hieman ennusteita geenien-pohjainen yhdistys (kuvio 1 B). Tämän seurauksena olemme kehittäneet suuren koon suhteen (LSR) mallia, joka perustuu oletukseen, että kohdistamattomia CNV poikkeavuuksia veressä oli merkittävä rooli altistavia eturauhaskasvaimissa aggressiivisuutta. Kuten on esitetty kuviossa 2A, LSR määriteltiin osuus suuri koko CNV tunnistettu veren genomin tietyn potilaan, jossa suuri koko on määritelty kynnys δ. Jokaisessa kaksitahoinen ristivalidointi, näytteet satunnaisesti ja tasan kaksi tiedostoa. Ensimmäisessä aineisto käsitellään harjoitusten tietoja paras δ parametrin LSR malli ja paras cutoffs on Nomogrammi ja LSR tulokset valittiin maksimoimalla korkeimman AUC (pinta-ala käyrän alla) ja Youdenin indeksi (eli herkkyys + spesifisyys-1). Malleja sovelletaan sitten toista aineisto kuin Testitietoja. Rajat validointi toistettiin sitten käyttäen toista aineisto koulutus tiedot ja ensimmäinen aineisto kuin testituloksia. ROC käyrät piirrettiin vaihtelemalla cutoffs sekä koulutus ja testaus aineistoja. Vastaava yleinen tarkkuus, herkkyys, spesifisyys, Youdenin indeksi AUC laskettiin arvioida suorituskyvyn. Yhtäläistä-halkaisu validointi toistettiin 14 kertaa ja ylä- 2 ja pohja 2 halkaisu kanssa suurimman ja pienimmän summan AUC poistettiin välttää vahingossa äärimmäisen koulutus /testaus tehtävä. Loput 10 ristivalidointi tulokset lopuksi keskiarvo (taulukko 1 ja taulukko 2). ROC ja Kaplan-Meier eloonjäämiskäyrien kuvioissa 3-6 ovat edustavia tuloksia 10 ennustukset lähimpänä keskiarvoja.

(A) Kaaviokuva LSR mallia leukosyyttien CNV. (B) LSRs leukosyyteistä liittyy aggressiiviseen eturauhassyöpään toistumisen käyttäytymistä. Ylempi paneeli: Korrelaatio LSRs alkaen leukosyyttien genomeja eturauhasen syöpiä, jotka olivat toistuvia; Alempi paneeli: Korrelaatio LSRs alkaen leukosyyttien genomeja eturauhasen syöpiä, jotka olivat ei-toistuvat 90 kuukautta jälkeen eturauhasen. (C) LSRs leukosyyteistä liittyy lyhyitä PSADT. Ylempi paneeli: Korrelaatio LSRs alkaen leukosyyttien genomeja eturauhasen syöpiä, jotka oli toistuva seerumin prostataspesifisen antigeenin kahdentumisaikoina (PSADT) 4 kuukautta tai vähemmän; Alempi paneeli: Korrelaatio LSRs alkaen leukosyyttien genomeja eturauhasen syöpiä, joita ei ole uusiutuva tai toistuvia mutta ottaa PSADT 15 kuukautta tai enemmän.

(A) LSR johdettu leukosyytti- genomista CNV ennustaa eturauhassyövän uusiutumisen. Vastaanotin toimii käyrä (ROC) analyyseistä LSRs johdettu valkosolujen CNVs kuin ennustuksen parametrien (punainen) ennustaa eturauhassyövän uusiutumisen, versus Nomogrammi (sininen), Gleason n grade (vihreä) ja asema 8 fuusio selostukset [14] (keltainen). Näytteet tasan satunnaisesti koulutukseen ja testaus asettaa 10 kertaa. ROC-analyysi edustaa tulokset edustavin split. (B) yhdistelmä LSR (L), Gleason n grade (G), Nomogrammi (N) ja tila fuusio selostukset (F) ennustaa eturauhassyövän uusiutumisen. ROC-analyysi malli yhdistyvät LSR, fuusio selostukset, Nomogrammi ja Gleason palkkaluokka käyttäen LDA on merkitty mustalla. ROC-analyysi malli yhdistyvät fuusio selostukset, Nomogrammi ja Gleason palkkaluokka käyttäen LDA on merkitty punaisella. ROC-analyysi malli yhdistyvät LSR, fuusio selostukset ja Gleason palkkaluokka käyttäen LDA on merkitty sinisellä. ROC-analyysi malli yhdistyvät LSR, fuusio selostukset ja Nomogrammi käyttäen LDA on merkitty vihreällä. ROC-analyysi malli yhdistyvät LSR, Nomogrammi ja Gleason n arvosana on merkitty keltaisella. Samanlaisia ​​satunnainen halkeaa koulutus- ja testaus aineistoja suoritettiin kuten (A).

Kaplan-Meier-analyysi potilailla ennustaa LSR perustuu CNV potilaiden valkosoluja niin todennäköisesti toistuvien versus todennäköisesti kertaluonteinen (ylävasen). Samanlaisia ​​selviytyminen analyysit suoritettiin myös tapauksessa Suotautumat perustuu Gleason n laadut (ylempi keskellä), Nomogrammi todennäköisyys (ylhäällä oikealla), tila 8 fuusio selostukset (alhaalla vasemmalla), tai malli yhdistämällä LSR, Nomogrammi ja fuusio transkripti tila käyttäen LDA (alempi keskellä), tai malli yhdistämällä LSR, Nomogrammi, Gleason laatu ja fuusio transkripti tila käyttämällä LDA (alhaalla oikealla). Lukumäärä analysoidut näytteet ja p-arvot osoitetaan.

LSR johdettu leukosyytti- genomista CNV ennustaa PSADT 4 kuukautta tai vähemmän. ROC-analyysi käyttäen LSR: t ovat peräisin valkosolujen CNVs kuin ennustuksen parametrien (punainen) ennustaa PSADT 4 kuukautta tai vähemmän, verrattuna Nomogrammi (sininen), Gleason n grade (vihreä) ja asema 8 fuusio selostukset [14] (keltainen). Näytteet analysoitiin saman menettelyn mukaisesti kuin kuvio 3. (B) yhdistelmä LSR (L), Gleason: n luokka (G), Nomogrammi (N) ja asema fuusio transkriptien (F) ennustaa eturauhassyövän toistuvia PSADT 4 kuukautta tai vähemmän . ROC-analyysi malli yhdistyvät LSR, fuusio selostukset, Nomogrammi ja Gleason palkkaluokka käyttäen LDA on merkitty mustalla. ROC-analyysi malli yhdistyvät fuusio selostukset, Nomogrammi ja Gleason palkkaluokka käyttäen LDA on merkitty punaisella. ROC-analyysi malli yhdistyvät LSR, fuusio selostukset ja Gleason palkkaluokka käyttäen LDA on merkitty sinisellä. ROC-analyysi malli yhdistyvät LSR, fuusio selostukset ja Nomogrammi käyttäen LDA on merkitty vihreällä. ROC-analyysi malli yhdistyvät LSR, Nomogrammi ja Gleason n arvosana on merkitty keltaisella.

Kaplan-Meier-analyysi potilailla ennustaa LSR perustuu CNV potilaiden valkosoluja niin todennäköisesti toistuva ja jolla PSADT 4 kuukautta tai vähemmän verrattuna todennäköisesti kertaluonteinen tai toistuva mutta ottaa PSADT 15 kuukautta tai enemmän (ylhäällä vasemmalla). Samanlaisia ​​selviytyminen analyysit suoritettiin myös tapauksessa Suotautumat perustuu Gleason n laadut (ylempi keskellä), Nomogrammi todennäköisyys (ylhäällä oikealla), tila 8 fuusio selostukset (alhaalla vasemmalla), tai malli yhdistämällä LSR, Nomogrammi ja fuusio transkripti tila käyttäen LDA (alempi keskellä), tai malli yhdistämällä LSR, Nomogrammi, Gleason laatu ja fuusio transkripti tila käyttämällä LDA (alhaalla oikealla). Lukumäärä analysoidut näytteet ja p-arvot osoitetaan.

Voit testata, onko yhdistämällä useita tiedon käsittely parantaa ennustuksen tuloksena haimme lineaarinen erotteluanalyysi (LDA) yhdistää kaksi tai useampia ennustavaa tekijää. Kaikki mahdolliset yhdistelmät tehtiin. Mallit käyttävät (1) L + N + F (2) L + N + G (3) N + F + G (4) L + F + G (5) L + N + F + G esitetään kuvioissa 3 ja 5.

Kaplan-Meierin käyrä analyysi.

selviytymisen arviointi (kuviot 4 ja 6), yhdistimme kaksinkertaisen cross validointi ”Training = Testing” tuloksen vertailla suorituskykyä eri menetelmiä, paitsi Gleason että käytimme (≤7 VS 7 cut-off-koko näytettä). Kaplan-Meier -käyrät lyhennettiin 90 kuukautta kestäneen seurannan. Log-rank-testi suoritettiin laskea p-arvo välillä eloonjäämiskäyristä kahden ennustetun tuloksia. Sen arvioimiseksi, selviytymisen ero yhdestä mallista oli merkittävästi parempi kuin muut, me määritellä testisuureen U kuin absoluuttinen ero log-rank-testi tilastoja kaksi mallia. Teoriassa alle nollahypoteesin (kaksi mallia olivat ei-erotteluanalyysi), testi tilastot U seurasi jakautuminen absoluuttinen ero kahden itsenäisen khiin neliö (vapausasteen = 1) jakaumat. Tämän seurauksena olemme näytteet 10000000 kertoja absoluuttinen ero kahden itsenäisen khiin neliö jakaumat muodostaa null jakeluun ja arvioi p-arvot.

Tulokset

Genome kopioi poikkeavuudet ovat joitakin tunnusmerkkejä eturauhassyövän. Kuitenkin vähän tiedetään genomin kopio poikkeavuuksia ei-syöpä kudoksia eturauhassyöpäpotilaalla. Analysoida alueiden monistuksen, ja poistetaan genomissa valkosolujen eturauhassyöpäpotilailla, 273 buffy coat eturauhassyöpäpotilaalla analysoitiin CNV koko genomin käyttäen Affymetrix SNP6.0. Käyttäen cutoff kriteerit koko ≥2 Kb, merkkinumero ≥ 10 ja p 0,001, yhteensä 41589 CNV-fragmentit tunnistettiin, mukaan lukien 24213 segmentit poistetaan ja 17376 vahvistuksen, joissa 17865-geenit perustuu Partek geenin merkintä (kuvio 1A ). Tämä tarkoittaa keskimäärin noin 152 CNVs näytettä kohti. Keskikoko CNV genomissa leukosyyteistä on noin 147 kb. Keskimäärin 256 geenejä havaittiin joko kopioluvun voitto tai tappio per genomin. Niistä 273 verinäytettä 143 verinäytettä on yli 90 kuukauden kliinisen seurannat suhteen eturauhassyövän uusiutumisen. Mielenkiintoista, luonnehtia verinäytteiden tilan perusteella eturauhassyövän uusiutumisen, CNV valkosolujen potilaista, joilla uusiutumisen jälkeen eturauhasen oli keskimäärin 3,2 kertainen suuremman koon CNV versus CNV potilailta, joilla ei ollut toistuminen vähintään 90 kuukautta. Kaksipuolinen t-testi osoitti vahvan korrelaation koon CNV leukosyyteissä ja eturauhassyövän uusiutumisen (p = 2,2 x 10

-16), mikä viittaa siihen, että koko ituradan CNV voi olla merkittävä rooli altistavia eturauhassyövän aggressiivinen kliininen kursseja. Kuitenkaan mitään eritystä (FDR = 0,05) liittyvän geenin CNV genomin fragmentti saavuttaa raja, joka erottaa toistuvia eturauhassyöpää vastaan ​​kuin kertaluonteisten (kuvio 1 B). Yhdessä tulokset osoittavat, että geeni-pohjainen ennustemalli ei todennäköisesti onnistu valkosolujen CNV analyysiä vaan kokojakauma CNVs voi olla ennakoivaa.

tutkia iturataa CNV ennustaa toistumisen eturauhasen syöpä, algoritmi hyödyntää suhteet määrä suuri koko fragmenttien kehitettiin. Kuten kuviossa 2A, jokaisen näytteen, suuri koko suhde (LSR) on määritelty suhteena CNV fragmentit, joiden koot ovat suuremmat kuin koko sulku (δ) yli kokonaismäärä CNV fragmentteja. Esimerkiksi 3 7 havaittujen CNVs kuvassa 2A löytyy ”suuren koon palasia” (koko ≥ δ) ja LSR tämän potilaan lasketaan 3/7 = 0,43. Kuviossa 2B, jakelu LSR peräisin potilaista, joilla eturauhassyövän uusiutumisen osoitti merkittävästi korkeammat arvot kuin ne, jotka eivät ole kokeneet toistumisen. Samoin jakelu LSR potilaista, joilla nopea uusiutuminen (PSADT≤ 4 kuukautta) oli merkittävästi suurempi kuin ei-nopea toistuvien potilailla (ei-toistuvat tai toistuvia mutta ottaa PSADT≥ 15 kuukautta, kuvio 2C). Vuonna LSR mallissa koko kynnys δ määräytyy maksimoimalla AUC. Kun δ arvot optimoitiin (S1 kuvio, δ = 10

4.5 = 31622 emäsparia toistuvia ennustemallin ja 1B valittu δ = 10

5.7 = 501187 emäsparin nopeasti toistuvia ennuste), se ennustaa eturauhassyövän uusiutumisen kanssa tarkkuus 77,6%, jossa herkkyys 80,4% ja spesifisyys 68,6%, kun taas nopean uusiutumisen kanssa tarkkuus 62,4%, jossa herkkyys 72,9% ja spesifisyys 54,1%.

validoida tässä mallissa 143 verinäytteitä (S1 Taulukko) eturauhassyöpään potilaat satunnaistettiin jaetaan koulutus joukko (72 näytettä) ja testaus joukko (71 näytettä). Optimoitu isokokoiset sulku δ ja LSR-raja saatiin harjoitusanalyyseja maksimoimalla Youdenin indeksin. Parametrit sovellettiin sen jälkeen testaus datajoukon arvioimaan ennusteen tarkkuutta. Validointi toistettiin sitten 14 kertaa ja paras 2 ja huonoin 2 poistettiin välttää äärimmäiset satunnaistamista. Loput 10 tulokset näistä koulutusta ja testaus analyysit laskettiin keskiarvot (taulukko 1). Kuten kuviossa 3A (edustaja analyysit S2 taulukko) ja taulukko 1, koulutusta tarkkuus LSR mallia ennustamisessa eturauhassyövän uusiutumisen saavuttaa 76,5%, 77,8% herkkyys ja 72,4% tarkkuus. Kun parametrit levitettiin testaus asettaa, ennustearvon saavuttaa 73,9%, jossa 76,8% herkkyys ja 65,6% tarkkuus. Nämä ennustus hinnat ovat paremmat kuin Nomogrammi (66,0% tarkkuudella koulutukseen ja 61,3% testausta, taulukko 1), ja ovat huomattavasti korkeammat kuin Gleason luokan kanssa yksi sulku (40,3% koulutusta ja 39,4% testausta; p = 8.6×10

-3 koulutus- ja p = 5.8×10

-3 tutkittavaksi ROC verrattuna, katso taulukko 1 ja S3 taulukko).

tutkia yhdistelmä eri säännöt parantaa ennustuksen malli, veri LSR, Nomogrammi, Gleason palkkaluokka ja tilan 8 fuusio transkriptien (TRMT11-GRIK2, SLC45A2-AMACR, mTOR-TP53BP1, LRRC59-FLJ60017, TMEM135 -CCDC67, KDM4-AC011523.2, MAN2A1-FER ja CCNH-C5orf30 ) [23] ja eturauhassyöpänäytteissä yhdistettiin kautta lineaarinen erotteluanalyysi (LDA) kouluttaa ennustemallissa koulutuksessa asetettu. Tällainen malli tuotti ennusteen tarkkuus 87,9%, jossa 88,8% herkkyys ja 85,4% spesifisyys eturauhassyövän uusiutumisen koulutuksessa asetettu, ja tarkkuus on 75,7% ja 81,7% herkkyys ja 64,0% spesifisyys testauksessa set (kuvio 3B ja taulukko 1). Mielenkiintoista, yhdistelmä LSR, Nomogrammi ja asema fuusion selostukset näyttää tuottamaan paras ennuste tulokset: 86,4% tarkkuudella koulutuksessa asettaa ja 78,6% tarkkuudella testauksessa asetettu. Nämä ennustaminen hinnat näyttävät huomattavasti parempia kuin syntyvät yksittäisen välinettä (taulukko 1). Arvioimaan osuus kunkin näiden sääntöjen mukaisesti yhdistelmä mallia, vähentämällä yksi kutakin modality kerrallaan tehtiin mallin arvioida niiden vaikutusten osalta. Kuten kuviossa 3B ja taulukko 1, vähentämisen LSR modality näytti olevan merkittävin vaikutus ennustamiseen eturauhassyövän uusiutumisen: ennustetarkkuus laskevat välillä 87,9% ja 75,1% (ROC p = 0,044, katso S3 taulukko), että opetustiedostoiksi ja 75,7%: sta 64,0% (ROC p = 0,037) testauksessa sarjaa. Tätä seurasi -fuusiogeenit (p-arvo välillä ROC käyrät oli 0,109 koulutukseen ja 0,159 testausta). Toisaalta, vähentämisen Nomogrammi tai Gleason laatu ei ollut merkittävää vaikutusta ennustuksen suorituskyky malli (taulukko 1, kuvio 3 ja S3 taulukko).

tarkastella ennusteen suorituskykyä LSR pistemäärä PSA- elinaika eturauhassyövän potilailla, Kaplan-Meier analyysit suoritettiin 143 potilaalla, joilla oli lopullinen kliininen tieto (S1 taulukko). Toistumisen tila testaamiseksi näytteitä mallin ennustama koulutettu koulutus asettaa, ja ennustemalli opetusnäytteitä oli koulutettu testauksesta asetettu. Sulautuneella kaksitahoinen ristivalidointi ennustaminen tuloksia käytettiin jakaa 143 potilasta tulee ennustaa toistuvat ryhmä ja kertaluonteisten ryhmä. Kuten kuvassa 4, kun potilaat ennustettiin LSR korkean riskin eturauhassyövän uusiutumisen, vain 12,1% potilaista selviytyi 90 kuukautta ilman toistuminen, kun taas yli 52,3%: lla potilaista, joilla LSR malli ennustaa olevan todennäköistä kertaluonteisten selvisi 90 kuukautta ilman mitään merkkiä toistuvia eturauhassyöpää (keskiarvo p = 9,9 x 10

-5 log-rank testi, kuvio 4 ja S4 taulukko). Sen sijaan, Gleason ei saatu tilastollisesti merkitsevästi erilaisia ​​tuloksia toistuvien ja kertaluonteisten ryhmissä (p = 0,113 log-rank-testi). Nomogram kuitenkin syntyy tilastollisesti merkittäviä parempia kliinisiä tuloksia (33,9% vs. 18,4% eloonjääneitä ja p = 0,0038 log-rank-testi), kun potilaat olivat erillisiä perustuvat ennustetun toistuvia vs. ei-toistuvat by nomogram. Kun fuusio selostukset, leukosyyttien genomin LSR ja Nomogrammi yhdistettiin, se paransi tuloksia eturauhassyövän ennuste on 58,1% PSA-elinaika, jos ne ennustetaan olevan kertaluonteisista mallin versus 16,9%, jos ne ennustaa todennäköisesti toistuvia by yhdistetyn mallin (p = 2.9×10

-6 kahden eloonjäämiskäyrien). Tämä yhdistetty liikennemuodon mallia huomattavasti tehokkaampi kuin mikään yksittäinen toimintatavat ennustemallin (p = 6.6×10

-3 vs. LSR, p = 1.8×10

-5 vs. Gleason, p = 3.5×10

-4 vs. Nomogrammi, p = 0,017 versus fuusio selostukset, katso S5 taulukko). Kun Gleason luokittelu lisättiin malliin, se ei paranna tarkkuutta ennustuksen, mutta paransi eloonjäämiskäyrien.

Eturauhassyöpä liittyvä kuolema liittyy läheisesti nousee nopeudella toistuvia Seral PSA. Lyhyt PSADT ( 26]. Sen tutkimiseksi, LSR genomissa valkosoluja on myös ennustava lyhyitä PSADT, verinäytteitä (S1 taulukko) jaettiin satunnaisesti jaettu koulutus (65 näytettä) ja testaus (64 näytettä) sarjaa. Samanlaisia ​​prosesseja tehtiin näistä näytteistä, kuten on kuvattu toistumisen ennustaminen. Kuten taulukosta 2 LSR mallia koulutukseen ja testaus aineistoja saatiin tarkkuus ennustaminen PSADT = 4 kuukautta tai ei-toistuva (p = 1.6×10

-7). Malli yhdistetään 4 yksityiskohtaiset merkittävästi päihitti ennustemallit perustuvat Gleason grade (p = 1.5×10

-6) tai Nomogrammi (p = 3.0×10

-5) tai LSR (p = 1.9×10

-5 ) tai fuusio selostukset (p = 0,0018) yksinään (S9 taulukko). Nämä analyysit osoittavat selvästi, että koot kopioluvun vaihtelun ihmisen leukosyyteistä ovat korreloi kliinisten käyttäytymiseen eturauhassyöpää. Yhdistelmä genomin CNV valkosolujen kliinisen tietoa eturauhassyövän potilaiden antaisi paljon parantunut ennustemallit eturauhassyövän käyttäytymistä.

Keskustelu

Laaja läsnäolo CNV on yksi tärkeimmistä piirteistä ihmisen syöpäsairauksia. CNV normaaleissa kudoksissa terveiden yksilöiden myös hyvin dokumentoitu [14; 27; 28]. Koska CNV analyysi on juurikaan vaikuta pieni saastuminen, se voi vaatia yli 25% saastuminen havaita muuttamista kopioluvun perimässä. Pieni saastuminen verenkiertoon syöpäsolujen yleensä havaitsematta. CNVs havaita buffy coats tutkimuksessamme todennäköisesti edustavat genomin CNVs leukosyyteistä. Meidän tutkimukset viittaavat siihen, että koot CNV leukosyyteistä eturauhasen syöpä potilaat ovat erittäin korreloi kliinisten tulosten eturauhassyöpää. cross-validations).

doi:10.1371/journal.pone.0135982.s017

(DOCX)

Acknowledgments

We