Krooninen sairaus

tiivistelmä

Background

Keuhkosyöpä edelleen johtava syy syöpään liittyvien kuolemien maailmanlaajuisesti. Toistumisen korko vaihtelee 35-50% joukosta alkuvaiheessa ei-pienisoluinen keuhkosyöpä potilaita. Tähän mennessä ei ole täysin validoitu ja kliinisesti sovellettu ennustetekijöitä geeni allekirjoitus yksilöllisten.

Menetelmät /Principal Havainnot

Vuodesta genominlaajuisten mRNA ekspressioprofiileja generated on 256 keuhkoadenokarsinooma potilasta, joka on 12-geeni allekirjoituksen tunnistettiin käyttäen kombinatorinen geeniä valintamenetelmien ja riskiluvun algoritmi kehitettiin

Naiivi Bayes

. 12-geeni malli tuottaa merkittäviä potilaiden kerrostumista koulutukseen kohortin HLM UM (

n

= 256; log-rank

P

= 6.96e-7) ja kaksi riippumatonta validointi sarjaa, MSK (

n

= 104; log-rank

P

= 9.88e-4) ja DFCI (

n

= 82, log-rank

P

= 2.57e-4), käyttäen Kaplan-Meier analyysit. Tämä geeni allekirjoitus myös stratifies vaihe I ja IB keuhkoadenokarsinooma potilaat kahteen erilliseen selviytymisen ryhmää (log-rank

P

0,04). 12-geeni riskiluvun on merkittävämpi (riskisuhde = 4,19, 95% CI: [2,08, 8,46]) kuin muiden yleisesti käytettyjen kliiniset tekijät paitsi kasvain vaiheen (III vs. I) Coxin monimuuttuja analyysit. 12-geeni malli on tarkempi kuin aiemmin julkaistu keuhkosyöpä geeni allekirjoitukset samalla aineistot. Lisäksi tämä allekirjoitus tarkasti ennustaa chemoresistance /kemosensitiivisyys ja sisplatiini, karboplatiini, paklitakseli, etoposidi, Erlotinibi ja Gefitinibi NCI-60 syöpäsolulinjoista (

P

0,017). Tunnistetut 12 geenit aineilla kuratoinut vuorovaikutusta suuria keuhkosyöpä signalointi tunnusmerkkejä toiminnallisessa koulutusjakson analyysi. Ilmaisu kuviot allekirjoituksen geenit on vahvistettu RT-PCR-analyysit riippumattomien kasvainnäytteestä.

Johtopäätökset /merkitys

Tulokset osoittavat kliininen hyöty tunnistettu geeni allekirjoituksen prognostisten luokittelun. Tämän 12-geenin riskiluvun algoritmi, alkuvaiheen potilaita, joilla on suuri riski kasvaimen uusiutumisen voitu erottaa adjuvanttihoitoa; kun taas vaiheen I ja II, joilla on lievä riski voitaisiin säästynyt myrkyllisiä sivuvaikutuksia kemoterapeuttisten.

Citation: Wan Y-W, Sabbagh E, Raese R, Qian Y, Luo D, Denvir J, et al. (2010) Hybrid mallit Tunnistetut 12 Gene allekirjoitus Keuhkosyöpä Ennuste ja Chemoresponse Prediction. PLoS ONE 5 (8): e12222. doi: 10,1371 /journal.pone.0012222

Editor: Jörg Hoheisel, Deutsches Krebsforschungszentrum, Saksa

vastaanotettu: 4. toukokuuta 2010 Hyväksytty: 20 heinäkuu 2010; Julkaistu: 17 elokuu 2010

Copyright: © 2010 Wan 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.

Rahoitus: Tämä tutkimus tukevat NIH /NLM R01LM009500 (PI: Guo) ja NCRR P20RR16440 ja Supplement (PD: Guo). Ohjelmiston käyttöoikeuden ja koulutusta IPA ja Pathway Studio tukivat NIH /NCRR P2016477. 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

Keuhkosyöpä on johtava syy syöpään liittyvien kuolemien teollistuneissa maissa [1]. Paikalliset ja etäpesäkkeenä on suurin syy hoidon epäonnistumiseen (eli kuolemaa) keuhkosyövän hoidossa. Tällä hetkellä leikkaus on tärkein hoitovaihtoehto potilaille, joilla on vaiheen I ei-pienisoluinen keuhkosyöpä (NSCLC). Kuitenkin 35-50% I vaiheen NSCLC potilaat uusiutumisen 5 vuoden kuluessa [2], [3]. Se on edelleen tärkeä haaste määrittää riski toistumisen alkuvaiheen syöpäpotilaille. Potilaita, joilla on suuri riski toistumista saattavat hyötyä adjuvanttihoitoa, kun taas ne, joilla on alhainen riski kasvaimen uusiutumisen säästettäisiin sivuvaikutuksia kemoterapiaa. Tämän jälkeen toinen kriittinen kysymys klinikoilla on määrittää yksittäisen potilaan alttiutta tiettyyn syöpälääkkeen. Syntymässä käyttö biomarkkereiden voi mahdollistaa lääkärit tekemään hoitopäätöksiä perustuu erityispiirteistä yksittäisille potilaille ja heidän kasvain, eikä pelkästään siitä väestötilastojen [4].

edistysaskeleet microarray teknologian tuottaa lupauksen molekyyli ennustaminen yksittäisten kliinisen tuloksen. Tällainen menestys ilmenevät kaupallisten geenitestit rintasyövän, Oncotype DX [5] ja MammaPrint [6], [7]. Kuitenkin korkea dimensionaalisuus tiedot on monimutkainen suuria ja ennustavia läpimurtoja [8] ja laittaa palkkio innovatiiviset tiedonlouhinnan menetelmiä. Nykyisissä biomarkkereiden tunnistamiseen tutkimuksia, geenit paremmuusjärjestykseen yhdessä kliinisistä tuloksista, ja korkeimmilla sijoilla geenit sisältyvät luokittelija. On todettu, että yksittäiset biomarkkerit vahvassa yhdessä lopputulos eivät välttämättä ole hyviä luokittelijoiden [9] – [11]. Lisäksi kunkin yksittäisen geenin valinta-algoritmi on erilaisia ​​vahvuuksia ja rajoituksia. Hybridi malli yhdistämällä useita geenin valinta menetelmiä voitaisiin paremmin tunnistaa uusia biomerkkiaineissa suurikapasiteettisten tiedot kliinisen hyödyn.

On ollut muutamia tutkimuksia keuhkosyöpä ennuste kopiointiin profilointi [12] – [19]. Tähän mennessä ei ole täysin validoitu ja kliinisesti sovellettua mallia ennustamiseen keuhkosyövän uusiutuminen [20]. Tämä tutkimus esittelee kombinatorinen geenin valinta tunnistus- 12-geenin keuhkosyöpään ennustetekijöiden allekirjoitus. Tämä 12-geeni allekirjoitus on tarkempi verrattuna aiemmin julkaistu allekirjoitusta usean toimielinten tutkimus keuhkojen adenokarsinooma (

n

= 442) [19]. Tämä 12-geeni allekirjoitus voi tunnistaa vaihe I ja II vaiheen potilaat, jotka hyötyisivät adjuvanttihoitoa ja jotka voidaan säästynyt siitä. Kvantitatiivinen RT-PCR-analyysit riippumattomien NSCLC kudosnäytteiden vahvisti geeniekspressiomalleja tunnistetuista biomarkkereita suhteen kasvainten ominaisuuksiin. Toimiva polku analyysi paljasti sitten, että allekirjoitus geenit oli vuorovaikutusta vakiintunut syöpä tunnusmerkkejä, osoittaa tärkeä rooli allekirjoituksen geenien kasvaimen aloittamista ja etenemistä. Lisäksi 12-geenin allekirjoitus ennustaa chemoresistance ja kemosensitiivisyys että sisplatiini, karboplatiini, paklitakseli (Taxol), Etoposide, Gefitinibi ja erlotinibi paneelissa 60 syöpäsolun linjat (NCI-60).

Tulokset

Prognostiset mallijärjestelmä

postgenomiset aikakauden, hybridi malleja, jotka hyödyntävät erilaisia ​​algoritmeja eri vaiheissa geenin valinta tarvitaan biomarkkereiden löytö ja tautiluokituksen. Tässä tutkimuksessa yhdistimme tilastollisia menetelmiä ja koneoppimisen algoritmeja tunnistaa prognostisia biomarkkerit keuhkojen adenokarsinooma. Kirurginen resektio kerätty Michiganin yliopiston Cancer Center (UM) ja Moffitt Cancer Center (HLM) muodostavat opetusjoukolla (

n

= 256), kun taas näytteet saatu Memorial Sloan-Kettering Cancer Center (MSK

n

= 104) ja Dana-Farber Cancer Institute (DFCI,

n

= 82) muodostavat kaksi itsenäistä validointi sarjoiksi. Kliininen ominaisuudet potilasaineistoihin kuvattiin edellisessä julkaisussa [19].

ennustetekijöiden Tutkimus sisältää kolme vaihetta (Fig. 1): 1) tunnistaminen pieni joukko allekirjoituksen geenien yhdistämällä merkitys analyysi mikrosiruja (SAM) [21], eri-varianssi

t

-testaukset, ja

Auttaminen

algoritmi genomin mittakaavan transkription profiileja koulutuksen kohortin (UM HLM), 2) rakentaminen of luokittelija käyttää

Naiivi Bayes

algoritmi ennustaa yleisen selviytymisen keuhkosyöpäpotilaita, ja 3) validointi geenin ilmentymisen perustuva ennustetekijöiden mallin kaksi riippumatonta potilasaineistoihin (MSK ja DFCI). Riippumattomat testit sarjaa käytettiin mallin validointi ja arviointi tunnistettu geeni allekirjoituksen yli aiemmin julkaistu keuhkosyöpää ennustetekijöiden allekirjoituksia.

tunnistaminen 12 geenin ennustetekijöiden allekirjoitus

kombinatorisista järjestelmä useita geeni valintamenetelmien hyväksyttiin prosessissa tunnistamiseksi keuhkosyöpään ennustetekijöiden geeni allekirjoitus. Ensimmäinen askel on valittu ehdokas geenejä 22283 antureista määrälliset koulutusta kohortin (

n

= 256). Yhdistelmä

t

-testaukset ja SAM sitten käyttää valitsemaan geenejä ekspressiotasot merkitsevää eroa matalan riskin (potilas selvisi yli 5 vuotta) ja suuren riskin (jotka kuolivat 5 vuoden kuluessa kirurgia) ryhmät, joilla on ennalta vääriä löytö määrä. Kaksikymmentäseitsemän sensuroitu tapauksia seuranta-ajan alle 5 vuotta poistettiin tämän analyysin epävarmuudesta johtuen potilaan leikkauksen jälkeinen tila. Tarkemmin, eri-varianssi

t

-testi valitaan 718 geenejä, joilla on merkittävä ero ilme (

P

0,01) välillä ennustetta ryhmää. Kontrolloida vääriä löytö määrä (

FDR

), SAM käytettiin valita 1431 geenejä, jotka eroavat toisistaan ​​merkittävästi kahden ennustetekijöiden ryhmät

FDR

25% (

delta

= 0,46). Oli 583 geenit valitaan molemmat

t

-testaukset ja SAM, ja niiden katsottiin seuraavaa vaihetta analyysin.

Jotta tarkentaa geeni asetettu osaksi paremmin toteutettavissa koko kliinisissä sovelluksissa,

Relief

algoritmi toteutettu WEKA 3.4 käytettiin listalla kukin näistä 583 geenien suhteen valta erottaa matalan riskin ja korkean riskin ryhmiin. Tämä paremmuusjärjestykseen käytettiin vaiheittaista eteenpäin valinta tunnistamaan geenin alaryhmä, jolla on korkein ennustus tarkkuutta. Erityisesti alkaen sijoilla geeni, yksi geeni lisättiin kussakin vaiheessa geeniin asettaa, kunnes luokitustarkkuudesta ei voida parantaa lisäämällä yhden geenin. Tämä geeni setti käytettiin luokitella hyvää ennustetta ja huono-ennusteen ryhmät

Naiivi Bayes

algoritmia. Tämä prosessi pysäytetään, kun lisätään uusi geeni ei lisännyt luokitustarkkuudesta kuin arvioitu 10-kertaiseksi cross validointi. Tämän seurauksena 12-geenin allekirjoitus (taulukko 1) tunnistettiin, jotka voivat tarjota paras ennuste eloonjäämiseen.

Survival ennustus käyttämällä 12-geeniä ennustetekijöiden malli

mRNA- ilmentyminen profiilit tunnistettu 12 geenejä ennustavia, ennustetyövälineenä luokittelija rakennettiin ositusta potilaita matalan riskin (5 vuoden pysyvyys) ja suuren riskin (non-5 vuoden pysyvyys) ryhmiä.

Naiivi Bayes

luokittelija toteutettu WEKA 3.4 käytettiin luokittelun UM HLM harjoitusnäytteille (alhaisen riskin

n

= 104; korkean riskin

n

= 125). Kaksikymmentäseitsemän sensuroitu tapauksissa ilman riittävää seurantaa tiedot poistettiin mallissa rakentamiseen. Priors arvioitiin mallin ovat 0,45 alhaisen riskiluokan ja 0,55 korkean riskin luokkaan. Muut parametrit koulutetun

Naiivi Bayes

malli, kuten keskiarvo ja keskihajonta kunkin 12 geenien sekä matalan ja korkean riskin ryhmiin, on lueteltu taulukossa 2.

Naiivi Bayes

luokittelija laskee posteriori todennäköisyydellä kuolemaan 5 vuoden kuluttua leikkauksesta kullekin potilaalle. Tämä posteriori todennäköisyys edustaa riskiä kasvaimen uusiutumisen potilailla, koska toistuminen on suurin syy hoidon epäonnistumiseen (eli kuolema) keuhkosyövän hoidossa. Perustuen posteriori todennäköisyys, potilas luokitellaan riskiryhmään, jos arvo on suurempi kuin 0,5; tai osaksi alhaisen riskin ryhmä toisin. Koulutuksen mallia arvioitiin 10-kertainen cross validointi. Ilman parametrien uudelleen arviointi, tätä mallia käytettiin sitten ennustaa taka todennäköisyys edustaa riski kasvaimen uusiutumisen kullekin potilaalle kahdessa testissä sarjaa (MSK ja DFCI), samoin kuin sensuroitu tapauksissa jätetty pois mallin rakentamiseen. Jakelu posteriori todennäköisyys 442 potilasta tässä tutkimuksessa on esitetty kuviossa. 2A. Saatuaan ennustettu tuloksia, Kaplan-Meier (KM) analyysi suoritettiin arvioida keskimääräinen elinaika todennäköisyys on 5 vuoden jälkeen leikkauksen jälkeen. Tulokset osoittavat, että korkean riskin posteriors päässä ennustetekijöiden mallista ovat vahvasti liittyy 5 vuoden pysyvyys todennäköisyydet (Fig. 2B). Potilaat, joilla on suuri todennäköisyys kasvaimen uusiutumisen yleensä todennäköisemmin hoidon epäonnistumisen jälkeen leikkauksen. Tämä osoittaa, että korkean riskin posteriori todennäköisyys lasketaan malli on hyvä ennustetekijä keuhkosyöpään selviytymisen. Leveä 95%: n luottamusväli on posteriors vaihtelevat 0,35-0,6 (Fig. 2B) saattaa johtua pienestä otoskoko tässä jakelussa (Fig. 2A). Lisäksi posteriorinen 0,5 tarkoittaa, että mahdollisuus kasvaimen uusiutumisen on satunnainen, mikä johtaa myös löysemmin luottamusväli.

(A). Histogrammi osoittaa jakautumisen riskin tulokset (posterior todennäköisyydet korkean riskin) in 442 keuhkoadenokarsinooma potilaille. (B). Keskimääräinen kuolleisuus viiden vuoden ajan leikkauksen vastaa 12-geenin riskiluku (posterior mahdollisuus). Katkoviivat esittävät 95%: n luottamusväli.

Käyttämällä ennustetekijöiden luokittelun järjestelmään edellä on kuvattu, 12-geenin allekirjoitus erotettu potilaita korkean ja matalan riskin ryhmiin huomattavasti erilliset (log-rank

P

= 6.96e-7) leikkauksen jälkeinen eloonjääminen koulutusta kohortin Kaplan-Meier-analyysi (Fig. 3A). Tämä järjestelmä syntyy merkittävää potilaan kerrostuminen riippumattomaan validointi asettaa MSK (log-rank

P

= 9.88e-4, Fig. 3B) ja DFCI (log-rank

P

= 2.57e-4 , Fig. 3C). 3 vuoden postoperatiivinen eloonjäämistodennäköisyys matalan riskin ryhmissä on 79-94% tutkituissa kohorteissa eli huomattavasti parempi ennuste verrattuna vastaavaan riskiryhmään, jolle 3 vuoden pysyvyys vaihtelee 48%: sta 63 %. Kun 3-vuoden eloonjääminen käytettiin määrittämään korkean ja matalan riskin ryhmissä (korkean riskin: kuolemaan 3-y, alhainen riski: elossa 3-y), 12-geenin riski algoritmi saavuttaa herkkyys (ennusti oikein korkean riskin potilailla) on 73,65% koulutukseen joukko, 86,96% vuonna MSK, ja 68,18% vuonna DFCI ja spesifisyys (ennusti oikein matalan riskin potilaita) on 59,21% koulutukseen joukko, 57,75% vuonna MSK, ja 76.36 % in DFCI (taulukko S9). Herkkyys ja 12-geenin allekirjoitus ennustettaessa 5 vuoden pysyvyys on myös esitetty taulukossa S9.

Malli kerrostunut potilaat kahteen merkittävästi erillistä (log-rank

P

6.96e-7) ennustetekijöiden ryhmien harjoitussarjassa (A) 10-kertainen cross validointi. Koulutuksen mallia sovellettiin kaksi testiä sarjaa (B ja C) ja saatu merkittäviä potilaan kerrostumista. Tämä malli erotettu (log-rank

P

0,04) vaiheen I potilaista molemmissa testi sarjaa (D ja E) sekä vaiheessa IB potilailla (log-rank

P

4,73 e-3) testi sarjaa (F).

nykyisen käytännön, hoito potilailla diagnosoitu NSCLC perustuu AJCC kasvain vaiheessa. Kirurginen resektio on tärkeä hoitovaihtoehto vaiheen I pienisoluista keuhkosyöpää. Kuitenkin noin 35-50% I vaiheen NSCLC potilaat kehittävät ja kuolevat kasvaimen uusiutumisen kuluessa seuraavien viiden vuoden aikana leikkauksen [2], [3]. Toisaalta, vaihe IB potilaat, jotka saivat kirurginen resektio seurasi adjuvanttihoitoa osoitti, parantuneen eloon- [22]. Niinpä pyrimme tutkimaan, onko 12-geenin allekirjoitus voi tunnistaa erityisen korkean riskin potilailla, joilla on vaiheen I kasvaimia. Tulokset osoittavat, että 12-geenin ennustetekijöiden allekirjoitusta voitaisiin luotettavasti tunnistaa korkean riskin potilailla, joilla on vaiheen I kasvaimia sekä koulutus kohortti (tuloksia ei esitetty) ja kaksi validointi kohortteja (log-rank

P

= 0,04; Fig. 3D ja 3E). Prognostisia mallissa erotetaan korkean ja matalan riskin ryhmään (log-rank p = 4.73e-3) sisällä vaihe IB potilaiden yhdistetyssä testissä sarjaa (Fig. 3F). 12-geeni allekirjoitusta ei syntynyt merkittävää ennustetekijöitä kerrostuminen lavalla IA potilaat (tuloksia ei esitetä). Nämä tulokset osoittavat, että tunnistettu 12-geenin allekirjoitus on riippumaton ja antaa tarkemman ennusteen kuin nykyinen AJCC pysähdyspaikan järjestelmä. Mallin, vaihe I pienisoluista keuhkosyöpää voidaan suositella vastaanottamaan adjuvanttihoitoa ilmaisun mukaisesti profiilit 12 geenimerkkejä.

Hoito valinta vaiheen I ja II NSCLC potilaiden perustuu 12-geenin allekirjoitus

sen arvioimiseksi, onko 12-geenin allekirjoitusta voitaisiin käyttää hoitoon valinta vaiheen I ja II ei-pienisoluisen keuhkosyövässä, potilailla, jotka eivät saaneet kemoterapiaa valittiin lisäanalyysiä. Prognostisia malli erottaa korkean ja matalan riskin vaiheen I potilaat ilman kemoterapiaa koulutuksessa (UM HLM, log-rank

P

= 0,04; Fig. 4A) ja koe kohortteja (MSK DFCI; log-rank

P

= 0.02; Fig. 4B). Samoin malli eriytetty korkean ja matalan riskin vaiheen II potilaat ilman kemoterapiaa koulutuksessa (log-rank

P

= 0,06; Fig. 4C) ja koe kohortteja (log-rank

P

= 0,03; Fig. 4D) Kaplan-Meier analyysit. Tulokset osoittavat, että tämän geenin ilmentymistä määrittämiä ennustetekijöiden malli voisi luotettavasti määrittää varhaisvaiheen potilaiden NSCLC varten adjuvanttihoitoa. Samalla se voisi myös säästää jonkin verran vaiheen I ja II NSCLC potilaita kemoterapian perustuu ekspressiokuvioita tunnistettujen geenimerkkejä kasvaimissa.

12-geeni allekirjoitus erotettu korkean ja matalan riskin ryhmiin potilailta jotka eivät saaneet kemoterapiaa (log-rank

P

0,05) seuraavissa ikäluokat: (A) vaihe I potilaita koulutusta kohortin, (B) vaiheen I potilaita kaksi testiä kohortteja, (C) II vaiheessa potilaita koulutusta kohortin, (D) vaiheen II potilaita kahdesta testi ikäryhmät.

ennuste arviointi 12- geenin allekirjoitusta kliinisen covariates

vahvista ennustetekijöiden voima tunnistettu 12-geeni allekirjoitus ilmaisu määritellyt ennustetekijöiden malli arvioitiin yleisesti käytettyjen ennustetekijöiksi keuhkosyöpään, kuten sukupuoli, ikä, ja kasvain vaiheessa yhdistetyn testaus kohortteja (DFCI ja MSK). Posteriori todennäköisyys korkean riskin, kutsutaan kuin 12-geeni riskiluku, käytettiin kovariaattina monimuuttujakalibrointiin Cox analyysi (taulukko 3). Ilman 12-geenin riskiluku, kasvain vaiheessa oli ainoa tekijä merkittävästi (

P

0,00006) liittyy kohonnut riski sairastua keuhkosyöpään kuoleman. Kun 12-geeni riskiluvun lisättiin Coxin monimuuttuja mallissa 12-geenin riskiluvun osoittanut vahvaa yhdessä keuhkosyöpä eloonjäämisen (riskisuhde = 3,94, 95% CI: [2,07, 7,52]), ja kasvaimen vaiheesta edelleen merkittäviä (taulukko 3). Samoin kattava arviointi tehtiin kaikkien saatavilla kliinistä covariates ja demografiset tiedot aineisto, kuten tupakointi historia, rotu, ja kasvaimen erilaistumiseen (taulukko 4). Tässä kattava arviointi, 12-geenin riski Tilanne edelleen erittäin merkittävä ennustetekijä riskisuhde 4,19 (95% CI: [2,08, 8,46]). Molemmissa monimuuttuja analyysit, vaara suhteet 12-geenin riskiluvun algoritmia olivat korkeampia kuin muissa kliinisissä covariates paitsi kasvain vaiheen (III vs. I), kun ei ole merkittävää eroa riskisuhde 12-geenin allekirjoitus ja kasvaimen vaiheessa. Nämä tulokset osoittavat, että 12-geeni allekirjoitus on tarkempi ennustetekijä kuin jotkut yleisesti käytetty kliinisten parametrien.

Vertailu muihin keuhkosyöpä geeni allekirjoitukset

Tutkimuksessa by Shedden et al. [19], ennustetekijöiden luokittelijoiden rakennettiin geenin ilmentymisen allekirjoituksia yksin tai geenin ilmentymisen allekirjoituksia yhdistettynä kliinistä kovariantteja. Niistä kaksitoista geeni allekirjoitukset tunnistetaan tutkimuksessaan (taulukko S7), paras allekirjoituksen ilmoitettiin ”menetelmä A” (kutsutaan ”Shedden A” tässä tutkimuksessa), joka sisältää noin 9591 geenejä /antureista. Jotta vertailla ennakoivan suorituskyky meidän prognoosi- malli heidän paras malli, arvioitu riskisuhde ja viskositeettiluku todennäköisyysarvio (CPE) mallien arvioitiin. Hazard suhteita yli 1 osoittavat, että potilailla, joilla on korkea ennustettu riski tulokset ovat huono kliininen tulos. Mallissa on vahva ennusteita jos CPE-arvo on lähellä 1; CPE-arvo lähes 0,5 osoittaa, että malli on huono ennusteita (verrattavissa random ennustaminen). Tulokset osoittavat, että ehdotettu 12-geenin allekirjoitus on korkein riskisuhde ja CPE sekä koe- sarjaa verrattuna geenin allekirjoitukset Shedden et al. [19] (Fig. 5).

arvioimiseksi 12-geenin allekirjoitusta aiemmin julkaistu 14 keuhkosyövän allekirjoituksia [12], [13], [16] – [19], [22 ] – [25] (taulukko S6), Gene Set Enrichment Analysis (GSEA) käytettiin arvioimaan rikastumista allekirjoituksista 5 vuoden säilymiseen. Normalisoitu rikastus pisteet (

NES

) ja sen vastaavien väärien löytö määrä (

FDR

), jotka liittyvät kuhunkin geenin allekirjoitus arvioitiin kaikilla 442 näytteet tässä tutkimuksessa käytetyt. Yleisesti geeni asettaa korkeat

NES

ja alhainen

FDR

halutaan, koska se osoittaa, että geeniperimä ilmentää monipuolisesti suhteessa kliiniseen tulokseen ja havainto on todennäköisesti tapahduttava mahdollisuus. Verrattuna 14 muuta julkaistu geeni allekirjoitukset, 12-geenin allekirjoitus osoittaa suurta rikastumisen potilasryhmässä joiden selviytyminen on pidempi kuin 5-vuoden huomattavan alhainen

FDR

(absoluuttinen

NES

= 1,5;

FDR

0,10) (kuvio. S1). Tässä analyysissä eniten rikastettu allekirjoitus, jolla on pienin

FDR

oli SHEDDEN_MH 244 geenien (absoluuttinen

NES

= 2,00;

FDR

0,002). Kaiken joukossa 15 geenin sarjaa tutkittiin, 12-geenin allekirjoitus on yksi parhaista keuhkosyöpä allekirjoituksia arvioidaan GSEA.

RT-PCR-vahvistaminen geeniekspressiomalleja

Jotta edelleen vahvistavat ekspressiokuvioita tunnistetun 12 geenejä, RT-PCR mikrofluidinen alhaisen tiheyden paneelit käytettiin analysoimaan itsenäisen NSCLC kasvainnäytteestä. Ensinnäkin 12-geeniekspressiomalleja saatu sekä microarray ja RT-PCR verrattiin kannalta imusolmuke etäpesäke (Fig. 6A). On RT-PCR data normalisoidaan

POLR2A

, geenien ilmentyminen kertamuutoksia 12 geenien imusolmuke positiivinen (LN +) vs. imusolmuke negatiivinen (LN-) näytteitä verrattiin mikrosirulähestymistavassa tietoja Shedden et al [19]. Tulokset osoittavat, että mRNA: n ilmentymisen kuviot 12-geenin allekirjoitus mitattuna molemmilla alustoilla ovat yhdenmukaisia ​​kannalta imusolmuke etäpesäke. Sitten, vahvistaa geeniekspressiomalleja kannalta kokonaiselinaika, kertamuutoksia välillä matalan riskin (elossa 3 vuotta) ja suuren riskin (kuolemaan 3 vuotta) ryhmiä verrattiin myös (Fig. 6C). Kolmen vuoden pysyvyys käytettiin pitämään tasapainon korkean riskin (

n

= 11) ja matalan riskin (

n

= 12) ryhmät RT-PCR kohortti. Kaikki geenimerkkejä näytteillä johdonmukainen ekspressiokuvioita yli selviytymisen paitsi

XPO1

molemmissa ympäristöissä.

Geenien ilmentyminen kertaluokkamuutos imusolmuke positiivinen (LN +) potilaista ja imusolmuke negatiivinen (LN-) potilaat verrattiin (A). Näytteet ovat kertaluokkamuutos vertailu koottiin (B). Geenien ilmentyminen kertainen muutos korkean riskin (kuolemaan 3-y) vs. matalan riskin (elossa 3-y) ryhmät verrattiin myös potilailla, joilla seurantatiedot (C). RT-PCR-data oli normalisoitunut POLR2A näytteessä vaiheittaisesti. DNA-siru tiedot saatiin Shedden et al [19]. Tähdellä (*) pantiin edellä baari jos geeni osoitti merkittäviä ero ilmentymistä

t

-testaukset (

P

0,05).

Prediction of chemoresponse NCI-60 solulinjaa

Kun todisteet tukea kliinistä merkitystä 12-geenin allekirjoitus ennustettaessa keuhkoadenokarsinooma kokonaiselinaika, pyrimme tutkimaan, onko allekirjoitus voi ennustaa chemoresponse anti-keuhkosyöpä aineita, mukaan lukien sisplatiini, karboplatiini, paklitakseli, etoposidi, Erlotinibi ja Gefitinibi. Tässä, NCI-60-solulinjoja, riippumatta kudoksen alkuperästä, käytettiin tutkimukseen. Kullekin lääkkeelle, syöpäsolulinjoissa, jotka ovat joko herkkiä tai resistenttejä lääkkeen sisällytetty rakentaa chemoresponse luokittelija perustuu 12-geenin ilmentymisen profiilit solulinjoissa. Suorituskyky luokittelijoiden arvioitiin leave-one-out cross validointi (taulukko 5). Tilastollinen merkitys luokittelun arvioitiin vertaamalla yleinen tarkkuus 12-geenin allekirjoitus, että 1000 satunnaisesti allekirjoituksia samankokoisia käyttäen samaa algoritmia. Yleinen ennuste tarkkuus chemoresponse oli 81% (

P

0,004) ja Paklitakseli (Taxol), 78% (

P

0,001) ja karboplatiini, 80% (

P

0,005) ja sisplatiinia, 73% (

P

0,017) ja etoposidi, 79% (

P

0,001) ja Erlotinibi, ja 94% (

P

0,001) gefitinibi. Nämä tulokset osoittavat, että 12-geenin allekirjoitus ennustaa herkkyyttä ja kestävyys yhteisiä keuhkosyöpä kemoterapeuttisten aineiden syöpäsolulinjoissa.

ero ilmentymistä herkkiä tai resistenttejä keuhkosyövän solulinjat analysoitiin kunkin allekirjoituksen geenin. Lääke vasteet keuhkosyövän solulinjoja NCI-60 paneeli toimitettiin taulukossa S8. Niistä allekirjoitus geenien yli-ilmentyminen

STK24

oli yhteydessä chemoresistance kaikkien tutkittujen lääkkeiden paitsi gefitinibin keuhkosyövän solulinjat; kun taas yli-ilmentyminen

FAM14A

liittyi kemosensitiivisyys kaikkien tutkittujen lääkkeiden paitsi gefitinibin keuhkosyövän solulinjat. Alle-ilmentyminen

STK24

liittyi vastustuskyvyn Gefitinibi (

P

0,05). Alle-ilmentyminen

CCDC99

havaittiin resistenssi Paklitakseli (

P

0,05). Yli-ilmentyminen

DLC1

liittyi chemoresistance erlotinibille (

P

0,05), Paclitaxel, ja sisplatiini; kun taas sen ali-ilmentyminen liittyi chemoresistance Etoposidea ja Carboplatin (ei tilastollisesti merkitsevä) (Fig. 7).

kuvaajan, tasauspyörästö ilmaisutapoja tilastollista merkitystä (

P

0,05

t

-testaukset) on merkitty punaisella tähdellä.

EGFR

mutaatio on tunnettu tekijä huumeiden vastauksena Gefitinibi ja Erlotinibi. NCI-60-solulinjoissa,

EGFR

mutaatio havaittiin ainoastaan ​​SK-MEL-28 melanooma ja RPMI-8226 myeloomalinjat, mutta ei keuhkosyövän solulinjat [26]. Analysoimme raaka ekspressiotasot

EGFR

koetinsarjojen. Erityisesti kertamuutos 1,76 yli-ilmentyminen

EGFR

(210984_x_at) havaittiin Erlotinibi kestävä vs. herkkä keuhkosyövän solulinjoja (

P

0,05), kun taas mitään merkittävää ero ilmaus

EGFR

havaittiin muissa tutkimuksissa lääkkeiden (tuloksia ei esitetty). Kun yleinen potilasaineistoihin (

n

= 442) välillä Shedden ym [19],

EGFR

ilmaisua ei merkittävästi liittynyt keuhkosyövän yleisen eloonjäämisen Yksiulotteisissa Cox mallintamiseen.

toiminnalliset koulutusjakson analyysi

Todettuaan kliinistä merkitystä 12-geenin ennustetekijöiden allekirjoitusta, pyrimme tutkimaan toiminnallinen osallistuminen tämän geenin asetettu keuhko- kasvainten synnyssä ja syövän etenemiseen. Kaksi toimivien reittien analyysi työkaluja, kekseliäisyyttä Pathway Analysis (IPA) ja Pathway Studio 7.0, käytettiin saamiseksi kuratoituja molekyylivuorovaikutusten liittyvät 12 geenejä. Tulokset IPA osoittavat, että allekirjoitus geenit vuorovaikutuksessa suurten syöpä signalointireittejä, kuten

TNF

ja

AKT

(Fig. 8A). Pathway Studio 7.0 käytettiin löytää vuorovaikutuksia 12 geenit ja 13 suuria keuhkosyöpä tunnusmerkkejä (

EGF

,

EGFR

,

KRAS

,

MET

RB1 ​​

,

TP53

,

E2F1

,

E2F2

,

E2F3

,

E2F4

,

E2F5

,

AKT1

, ja

TNF

) raportoitu kirjallisuudessa. Pathway Studio paljasti erilaisia ​​vuorovaikutuksia vaihtelevat sääntelyn proteiinin muutos joukossa 12 geenit ja kahdeksan 13 syövän tunnusmerkkejä (Fig. 8B). Toiminnallinen polku analyysi viittaa siihen, että 12 allekirjoituksen geenit ovat osallisina keuhkosyövän onkogeneesiin ja syövän etenemiseen.

(A) Käyttäen ydin analyysi Ingenuity Pathway Analysis (IPA), kuratoinut vuorovaikutuksia paljastui keskuudessa tunnistettu allekirjoitus geenejä ja suuret keuhkosyöpä signalointireitteihin. (B) Kuusi 12 allekirjoituksen geenien myös näytteillä eri kuratoituja vuorovaikutus kahdeksan näkyvä keuhkosyöpä tunnusmerkkejä kanssa Pathway Studio 7.0.

Keskustelu

Keuhkosyöpä on edelleen johtava kuolinsyy maailmanlaajuisesti . On tärkeää tunnistaa kliinisesti merkittäviä ennustetekijöiden biomarkkerit kehittää yksilöllisiä hoitoon. Vielä tärkeämpää on, löysi biomarkkerit voivat paljastaa perustavanlaatuinen molekyylitason mekanismeja tätä tappavaa tautia, ja parantaa kykyä ymmärtää paremmin, miksi potilailla, joilla on tiettyjä kasvaimen molekyyliominaisuudet on huono kliininen tulos ja miten niiden tuloksista voitaisiin parantaa.

Tämä tutkimus esittelee hybridimalli tunnistus- 12-geenin allekirjoituksen keuhkosyövän ennustetta ja chemoresponse ennustaminen. 12-geeni allekirjoitus tarkasti määrällisesti eloonjäämisen potilailla, joilla resektoitavissa keuhkojen adenokarsinooma, ja tarjoaa merkittäviä prognostiset luokittelun sisällä vaiheen I ja IB potilaista. Tämä allekirjoitus luotettavasti tunnistaa korkean riskin potilailla sisällä vaiheen I ja II, jotka eivät saaneet kemoterapiaa. Geeniekspressiota määritellyt riskiluvun on tarkempi ennustetekijä kuin yleisesti käytetty kliininen parametreja. Tämä ennustetekijöiden allekirjoitus myös ennustaa chemoresistance ja kemosensitiivisyys useita suuria anti-keuhkosyöpä huumeiden NCI-60 syöpäsolun linjat. Yhdessä tulokset osoittavat, että 12-geenin allekirjoitusta voitaisiin käyttää valitsemaan alkuvaiheessa keuhkoadenokarsinooma potilaita suuri riski kasvaimen uusiutumisen varten adjuvanttihoitoa. Samalla se voi säästää vaiheen I ja II matalan riskin potilaita tarpeettomalta kemoterapiaa. Lisäksi 12-geenin allekirjoitus on mahdollista käyttää ilmoittamaan lääkäreille, joiden syöpälääkkeiden tulisi käyttää hoidettaessa tietylle potilaalle. Ilmaisu kuviot 12-geenin allekirjoitus vahvistettiin RT-PCR. Kuratoidut vuorovaikutukset allekirjoitus geenien ja suuret syöpä signalointi tunnusmerkkejä paljastuu toimivien reittien analyysi antaa lisää todisteita siitä, että 12-geenin allekirjoitus saattaa olla mukana keuhkosyövän onkogeneesiin ja syövän etenemiseen.

postgenomista aikakauden, innovatiivisia laskennallisia malleja tarvitaan tunnistamaan kliinisesti merkittävä sairaus markkereita. Koska nykyinen mittakaavassa korkean suorituskyvyn datan, kombinatorinen geenin valinta järjestelmää tarvitaan eri vaiheissa geenin suodatus. Valinta käyttää eri ominaisuuksien hallintaan tekniikka riippuu arvioinnin riippumaton luokittelija.