前列腺癌預后標志的研究

來源:用戶上傳      作者:

　　摘要：目的  探索可以準確預測患者生存狀態的基因標志物模型，提高前列腺癌的治療成功率。方法  利用前列腺癌患者的基因表達譜數據和樣本臨床數據，篩選出與患者生存時間顯著相關的基因作為特征來構建預后模型，并對模型預測的準確性進行驗證。結果  構建了共包含ENSG00000101844，ENSG00000107077及ENSG00000117461 3個分子標記物為組合的預后標志物模型，該預后標志物模型表現出較好的預測性能，可有效提高前列腺癌預后評估的準確性。結論  mRNA預后標志物模型可有效預測患者的生存狀態，且具有較高的預測準確性、實用性和穩定性，為分子預后標志物在實際臨床中的應用提供了可能性，也為患者在選擇合理的治療方案上，提供更加準確的指導建議，同時為開發用于檢測前列腺癌預后效果的醫療器械產品提供理論基礎。
　　關鍵詞：前列腺癌;預后;標志;基因表達
　　中圖分類號：R737.25;R737.11                          文獻標識碼：B                           DOI：10.3969/j.issn.1006-1959.2019.09.003
　　文章編號：1006-1959（2019）09-0007-04
　　Abstract：Objective  To explore a genetic marker model that can accurately predict the patient's survival status and improve the success rate of prostate cancer treatment.Methods  Using gene expression profiling data and clinical data of prostate cancer patients， the genes with significant correlation with patient survival time were selected as features to construct a prognostic model， and the accuracy of model prediction was verified. Results  A prognostic marker model consisting of three molecular markers including ENSG00000101844， ENSG00000107077 and ENSG00000117461 was constructed. The prognostic marker model showed better predictive performance and could effectively improve the accuracy of prognosis evaluation of prostate cancer.Conclusion  The mRNA prognostic marker model can effectively predict the survival status of patients， and has high prediction accuracy， practicability and stability. It provides possibility for the application of molecular prognosis markers in actual clinical practice， and also selects patients. Provide a more accurate guidance on reasonable treatment options， and provide a theoretical basis for the development of medical device products for detecting the prognosis of prostate cancer.
　　Key words：Prostate cancer;Prognosis;Marker;Gene expression
　　目前，治療癌癥的方法雖然有很多種，但是不同癌癥療法在不同患者的實際治療中效果參差不齊。因此針對不同的患者應選擇其適合的療法，而癌癥的預后判斷是癌癥患者進行個體化治療的前提。在此背景下，預后標記物的研究顯得尤為重要。前列腺癌已成為危害男性健康的主要惡性腫瘤之一，在歐美發達國家及地區，其發病率已躍居至男性惡性腫瘤發病率的首位[1，2]。根據最新的10 年統計數據，前列腺癌在大多數國家的發病率急劇上升，其中尤以亞洲、北歐和西歐地區的增長最為快速[3]。我國前列腺癌的發病率目前雖然不高，但其趨勢卻不容樂觀，伴隨著我國社會經濟的飛速發展，人們生活及飲食習慣的改變，人口老齡化日益加劇，前列腺癌的發病率也在不斷上升且增長的速度更為快速，現已成為我國男性泌尿生殖系統中最常見的惡性腫瘤[4]。本文收集了前列腺癌患者的基因表達譜數據和樣本臨床數據，篩選出與患者生存時間顯著相關的基因作為特征來構建預后模型，最終構建的以3個基因為組合的預后標志物模型表現出較好的預測性能，提高了前列腺癌預后的準確性。 　　1材料與方法
　　1.1數據的來源和預處理  本文中我們利用的前列腺癌樣本基因表達譜數據和患者臨床信息數據均是從TCGA數據庫（https：//cancergenome.nih.gov/）中下載。在TCGA數據庫中搜索“prostate cancer”，下載具有基因表達譜數據的樣本及其臨床信息數據，并對下載數據進行處理。首先將原始數據中無生存時間和表達量信息的樣本數據刪除，留下495個樣本進行后續的分析。隨后將495個樣本隨機分成用于前列腺癌預后模型構建的訓練集（包含248個樣本），和用于檢驗模型對患者預后預測性能的檢驗集（包含247個樣本）。
　　1.2統計學分析  通過單因素Cox回歸篩選與患者生存時間顯著相關的基因，采用多因素Cox回歸構建模型，Kaplan-Meier、ROC檢驗所構建模型的預后預測性能，以上分析均通過R語言完成。P<0.01表示統計學意義顯著。
　　2結果
　　2.1預后模型的建立  本研究中共使用495個前列腺癌樣本，其中60歲及以上患者有273個，60歲以下有222個?；颊叩呐R床信息還包括腫瘤T分期、N分期、M分期等（見表1）。首先刪除樣本中表達不過半的基因，再將所有剩余的基因分別與患者生存時間進行單因素Cox回歸分析，篩除P>0.01的基因，共得到325個剩余基因作為后續分析的候選基因。
　　研究構建了1～3個基因的所有組合模型并利用多因素Cox回歸在訓練集中得到其風險得分公式。再通過比較這些模型的AUROC，找到了一個由3個基因構成的最佳預后預測模型，和患者生存時間顯著相關的3個基因預后標志物信息見表2。該模型的風險得分公式如下：Risk score=（-0.4331×expression of ENSG00000101844）+（0.6815×expression of ENSG00000107077）+（-0.207×expression of ENSG00000117461）。
　　2.2在訓練集和檢驗集中驗證3個基因組合的預后風險模型性能  訓練集和檢驗集中的預后風險得分中位數分別為-0.4502和-0.4571，據此將訓練集和檢驗集中的樣本分別等分為高、低風險組。Kaplan-Meier生存分析表明，無論是在訓練集還是檢驗集中，高、低風險組中患者的生存時間均表現出顯著性差異（P=0.002，P=0.001（圖1A、圖2A）。為了評估3個基因組合標志物在患者預后預測方面的表現，對訓練集和檢驗集樣本進行ROC分析，其AUROC值分別為0.686和0.664（圖1B、圖2B），說明3個基因組合標志物模型能夠對前列腺癌進行有效地風險分級，且在預后預測方面有很高的準確性和靈敏度。
　　2.3預后模型在不同臨床特征分組下的性能評估  前列腺的發生發展是一個多因素、多階段的復雜過程，患者的年齡是影響患者預后的主要因素。為了進一步判斷該預后預測模型是否在不同年齡分組下也有良好的預測性能，選擇60歲為分界線，對患者進行重新分組。結果顯示，不同年齡下高低風險組之間的生存時間均存在顯著差異（P=0.001，P=0.037），且AUROC分別為0.68和0.671，該模型能準確、有效地評估患者的死亡風險，且靈敏度高、特異性強，見圖3。
　　3討論
　　本文提出的預后標志物模型中共包含3個分子標記物：ENSG00000101844，ENSG00000107077，ENSG00000117461。ENSG00000101844即ATG4A，是自噬蛋白家族的成員之一。自噬被認為是細胞分化、變形、非凋亡細胞死亡和衰老過程中細胞穩態和細胞重構的必要條件。自噬水平的降低在一些惡性腫瘤中已被描述，自噬在控制與癌癥相關的不受調控的細胞生長中的作用已被提出。而ATG4A 是自噬信號途徑中重要的調控分子，在自噬發生過程中剪切 LC3 分子，參與自噬溶酶體雙層膜的形成[5]。有研究報道[6]，在乳腺癌干細胞中，ATG4A 分子高表達。在宮頸癌耐藥研究中也發現ATG4A 分子參與癌細胞化療藥物抵抗[7]。ENSG00000107077，又名KDM4C，是一種組蛋白去甲基化酶，其屬于Jumonji domain 2（JMJD2）家族，在腫瘤細胞中可以發現該基因的染色體畸變和表達改變。KDM4C基因最初被稱為食管鱗癌擴增基因1（GASC1），其首次被發現于2000年。另外，在結腸腫瘤細胞中，KDM4C通過介導Wnt/Notch信號通路調節細胞sphere的形成[8]。另有研究顯示KDM4C 與 ATF4 結合介導腫瘤細胞的生物代謝，其調控腫瘤細胞的氨基酸和蛋白質的生物合成。ENSG00000117461，又名PIK3R3，是PI3K信號轉導通路重要的調節亞基，而PI3K信號通路在細胞的增殖、凋亡、分化及物質代謝中發揮重要的作用。研究表明PIK3R3在卵巢癌、膠質母細胞瘤、非小細胞肺癌等多種惡性腫瘤中異常高表達[9-11]。PIK3R3能夠調節白血病細胞分化[12]，促進尤文肉瘤的增殖[13]，也可以不同的方式促進三陰性乳腺癌、非小細胞肺癌、肝癌及結直腸癌的侵襲轉移[14-17]。
　　本研究中找到的mRNA預后標志物模型在預測患者生存狀態時的預測性能均較好，提高了對患者預后生存狀況的預測準確性。同時，對年齡這一臨床特征進行了重分組研究，提示mRNA預后標志物模型可有效預測患者的生存狀態，且具有較高的預測準確性。這進一步驗證了文中提出的前列腺癌mRNA預后標志物模型的實用性和穩定性，為分子預后標志物在實際臨床中的廣泛使用提供了可能性，也為患者在選擇合理的治療方案上，提供更加準確的指導建議，同時為開發用于檢測前列腺癌預后效果的醫療器械產品提供理論基礎。
　　參考文獻：
　　[1]Wong MC，Goggins WB，Wang HH，et al.Global incidence and mortality for prostate cancer： Analysis of temporal patterns and trends in 36 countries[J].European urology，2016，70（5）：862-874. 　　[2]Rebecca L，Siegel MPH，Kimberly D，et al.Cancer statistics，2018[J].CA，2018，68（1）：7-30.
　　[3]Bray F，Ferlay J，Soerjomataram I，et al.Global cancer statistics 2018： Globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J].CA，2018，68（1）：394-424.
　　[4]Chen W.Cancer statistics： Updated cancer burden in china[J].Chin J Cancer Res，2015，27（1）：1.
　　[5]Biddle A，Mackenzie IC.Cancer stem cells and emt in carcinoma[J].Cancer Metastasis Rev，2012.
　　[6]Fan YL，Zheng M，Tang YL，et al.A new perspective of vasculogenic mimicry： Emt and cancer stem cells （review）[J].Oncol Lett，2013，6（5）：1174-1180.
　　[7]Brabletz T.Emt and met in metastasis： Where are the cancer stem cells？[J].Cancer Cell，2012，22（6）：699-701.
　　[8]Yamamoto S，Tateishi K，Kudo Y，et al.Histone demethylase kdm4c regulates sphere formation by mediating the cross talk between wnt and notch pathways in colonic cancer cells[J].Carcinogenesis，2013，34（10）：2380-2388.
　　[9]Zhang L，Huang J，Yang N，et al.Integrative genomic analysis of phosphatidylinositol 3'-kinase family identifies pik3r3 as a potential therapeutic target in epithelial ovarian cancer[J].Can J Comp Med，2007，13（18）：5314-5321.
　　[10]Soroceanu L，Kharbanda S，Chen R，et al.Identification of igf2 signaling through phosphoinositide-3-kinase regulatory subunit 3 as a growth-promoting axis in glioblastoma[J].Proc Natl Acad Sci USA，2007，104（9）：3466-3471.
　　[11]Pradhan MP，Desai A，Palakal MJ.Systems biology approach to stage-wise characterization of epigenetic genes in lung adenocarcinoma[J].BMC Systems Biology，2013（7）：141.
　　[12]Wang G，Deng Y，Cao X，et al.Blocking p55pik signaling inhibits proliferation and induces differentiation of leukemia cells[J].Cell Death and Differentiation，2012，19（11）：1870-1879.
　　[13]Niemeyer BF，Parrish JK， Spoelstra NS，et al.Variable expression of pik3r3 and pten in ewing sarcoma impacts oncogenic phenotypes[J].PloS One，2015，10（1）：e0116895.
　　[14]Klahan S，Wu MS，Hsi E，et al.Computational analysis of mrna expression profiles identifies the itg family and pik3r3 as crucial genes for regulating triple negative breast cancer cell migration[J].Bio Med Research International，2014（2014）：536591.
　　[15]Yu T，Li J，Yan M，et al.Microrna-193a-3p and -5p suppress the metastasis of human non-small-cell lung cancer by downregulating the erbb4/pik3r3/mtor/s6k2 signaling pathway[J].Oncogene，2015，34（4）：413-423.
　　[16]Wang G，Yang X，Li C，et al.Pik3r3 induces epithelial-to-mesenchymal transition and promotes metastasis in colorectal cancer[J].Molecular Cancer the Rapeutics，2014，13（7）：1837-1847.
　　[17]Cao G，Dong W，Meng X，et al.Mir-511 inhibits growth and metastasis of human hepatocellular carcinoma cells by targeting pik3r3[J].Tumour Biol，2015，36（6）：4453-4459.
　　收稿日期：2019-2-14;修回日期：2019-2-24
　　編輯/錢洪飛作者簡介：張瑩（1983.6-），女，天津人，博士，工程師，主要從事體外診斷試劑的技術審評工作
轉載注明來源:http://www.hailuomaifang.com/1/view-14801106.htm