CN111676288A - 用于预测肺腺癌患者预后的系统及其应用 - Google Patents
用于预测肺腺癌患者预后的系统及其应用 Download PDFInfo
- Publication number
- CN111676288A CN111676288A CN202010565226.1A CN202010565226A CN111676288A CN 111676288 A CN111676288 A CN 111676288A CN 202010565226 A CN202010565226 A CN 202010565226A CN 111676288 A CN111676288 A CN 111676288A
- Authority
- CN
- China
- Prior art keywords
- lung adenocarcinoma
- prognosis
- patient
- patients
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/118—Prognosis of disease development
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/158—Expression markers
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Genetics & Genomics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Zoology (AREA)
- Molecular Biology (AREA)
- Wood Science & Technology (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Hospice & Palliative Care (AREA)
- Theoretical Computer Science (AREA)
- Oncology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Microbiology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了用于预测肺腺癌患者预后的系统及其应用。所述用于预测肺腺癌患者预后的系统,包括检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的系统。该系统可以预测肺腺癌患者的预后,如预后风险和预后总生存率。本发明具有重要的应用价值。
Description
技术领域
本发明属于生物医学领域,具体涉及用于预测肺腺癌患者预后的系统及其应用。
背景技术
肺腺癌(Lung adenocarcinoma,LUAD)是肺癌最常见的组织学亚型,约占肺癌的40%。尽管分子靶向药物、免疫检查点抑制剂等新的治疗措施不断发展,肺癌患者的五年生存率仍维持在16%左右。因此,仍然需要继续努力寻找特定的方法来预测肺癌患者的预后,以便为LUAD患者的不同亚群设计最合适的治疗和管理方案。
研究表明,免疫系统中的许多成分是肿瘤发生发展的关键因子。逃避免疫破坏已是肿瘤公认的一大特征之一。尽管肺癌以往被认为是非免疫原性疾病,但新的证据显示缺乏有效的免疫反应是由于特定的免疫逃逸机制。揭示潜在的免疫逃逸机制开启了肺癌免疫治疗的新篇章。如靶向B7-CD28家族的PD-1和PD-L1免疫检查点抑制剂已经成功地应用于临床,正成为治疗晚期NSCLC的首选疗法。然而,这些免疫检查点抑制剂的一个显著问题是,超过一半的患者对PD-1/PD-L1免疫治疗没有反应,这表明在LUAD肿瘤微环境中存在另一种共刺激信号。
研究表明,除了阻断B7-CD28家族的共抑制免疫检查点外,通过结合肿瘤坏死因子(TNF)家族的共刺激受体来提高T细胞反应性是另一种潜在的治疗方法。虽然肿瘤坏死因子家族的成员通常通过激活NF-κB途径表现出促炎功能,但肿瘤坏死因子/肿瘤坏死因子家族的激活也可能引发细胞凋亡或其他形式的细胞死亡,导致肿瘤微环境中免疫反应的激活或抑制。因此,调节TNF家族之间的相互作用具有巨大的肿瘤治疗潜力。事实上,许多针对TNF家族成员的治疗方法(包括CD40、OX40、4-1BB、GITR和CD27)目前正在肺癌等各种肿瘤中积极开展临床试验。然而,TNF家族成员在LUAD中的表达模式和临床意义尚不清楚。
鉴于免疫治疗在肺癌中的广阔前景及TNF家族成员在LUAD肿瘤微环境中免疫反应的巨大潜力,在LUAD中建立基于TNF家族分子表达谱的预后预测模型意义重大。
发明内容
本发明的目的是预测肺腺癌患者的预后。
本发明首先保护一种用于预测肺腺癌患者预后的系统,可包括检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的系统。
所述系统具体可由检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的系统组成。
上述任一所述系统中,所述检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的系统可包括通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器。
进一步的,所述通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器包括检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因相对表达量的引物对。
更进一步的,所述通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器还包括检测内参基因的引物对。即所述五种基因相对表达量具体可为五种基因相对内参基因的表达量。
所述内参基因具体为GAPDH基因。
上述任一所述系统还包含数据处理装置;所述数据处理装置内设模块;所述模块具有如下(a1)和/或(a2)所示的功能:
(a1)以肺腺癌患者组成的待测群体的离体肺腺癌组织为标本,测定每份标本中所述五种基因的相对表达量,然后根据所述五种基因相对表达量按照如下公式计算风险值:风险值=(0.1633×TNFRSF6B基因相对表达量)-(0.1153×TNFRSF13C基因相对表达量)-(0.2234×TNFRSF14基因相对表达量)+(0.1992×TNFRSF1A基因相对表达量)-(0.1042×EDA2R基因相对表达量),并根据所述风险值将所述待测群体分为低风险组和高风险组;
(a2)按照如下标准确定来自于所述待测群体的待测患者的预后风险和/或预后总生存率:“来自于所述高风险组中的待测患者”的预后风险高于或候选高于“来自于所述低风险组中的待测患者”;“来自于所述低风险组中的待测患者”的预后总生存率高于或候选高于“来自于所述高风险组中的待测患者”。
根据所述风险值将所述待测群体分为低风险组和高风险组的方法可参照文献“LiX,Yuan Y,Ren J,Shi Y,Tao X.Incremental Prognostic Value of Apparent DiffusionCoefficient Histogram Analysis in Head and Neck Squamous CellCarcinoma.Academic Radiology,2018Nov;25(11):1433-1438.doi:10.1016/j.acra.2018.02.017.”中的方法,具体可按照如下步骤进行:通过R语言软件的“survminer”软件包的“surv_cutpoint”功能确定阈值,比较所述待预测肺腺癌患者的风险值和所述阈值的大小,风险值大于阈值的患者被列入高风险组,风险值小于或等于阈值的患者被列入低风险组。
所述通过R语言软件的“survminer”软件包的“surv_cutpoint”确定阈值的方法具体如下:将待预测肺腺癌患者的风险值与匹配的预后信息输入至R语言软件中,在“survminer”软件包的“surv_cutpoint”的算法下,软件会自动计算出P值最小的分割点,该分割点即为高风险组和低风险组的阈值(最优cutoff点)。
本发明还保护上述任一所述的系统的应用,可为(b1)-(b4)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率。
本发明还保护TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因作为标志物的应用,可为(b1)-(b6)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率;
(b5)制备肺腺癌患者预后的产品;
(b6)对肺腺癌患者进行预后。
本发明还保护检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的物质的应用,可为(b1)-(b6)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率;
(b5)制备肺腺癌患者预后的产品;
(b6)对肺腺癌患者进行预后。
本发明还保护检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的物质和上述任一所述的数据处理装置的应用,可为(b1)-(b6)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率;
(b5)制备肺腺癌患者预后的产品;
(b6)对肺腺癌患者进行预后。
上述任一所述的应用中,所述检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的物质可为通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器。
所述通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器具体包括检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因相对表达量的引物对。
更进一步的,所述通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器还包括检测内参基因的引物对。即所述五种基因相对表达量具体可为五种基因相对内参基因的表达量。
所述内参基因具体为GAPDH基因。
上述任一所述检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A、EDA2R和GAPDH六个基因的引物序列具体如表4所示。
本发明还保护上述任一所述的数据处理装置的应用,可为(b1)-(b6)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率;
(b5)制备肺腺癌患者预后的产品;
(b6)对肺腺癌患者进行预后。
所述离体肺腺癌组织可来自所述待预测肺腺癌患者的分离的肺腺癌组织经过福尔马林固定石蜡包埋制备的样本或来自所述待预测肺腺癌患者的分离的肺腺癌组织的冰冻切片。
上述肺腺癌患者预后系统或应用中,所述TNFRSF6B的GenBank号为NM_003823.4、TNFRSF13C的GenBank号为NM_052945.4、TNFRSF14的GenBank号为NM_003820.3、TNFRSF1A的GenBank号为NM_001065.4、EDA2R的GenBank号为NM_001199687.2。
本发明共整合了7个不同队列的1300例肺腺癌病例的总生存期数据,基于TNF家族分子谱建立并验证了个体化的LUAD患者的预后模型。7个独立队列包括502例TCGA数据、696例GEO微阵列数据(GSE11969 90例,GSE13213 117例,GSE30219 83例,GSE31210 226例,GSE41271 180例)和102例冰冻组织。这是第一个可靠的基于TNF家族分子建立的预后模型,可用于预测预后,这可能成为临床有用的工具,有助于推进LUAD患者预后的精准预测和个体化综合治疗。本发明具有重要的应用价值。
附图说明
图1为在TCGA肺腺癌队列中基于TNF家族分子谱构建的预后模型。A为风险值的分布、生存状态及基因表达。B为基于TNF家族分子表达谱模型特征风险值分组的全部肺腺癌患者的OS的Kaplan-Meier曲线。C为基于风险值分组的早期(I期和II期)肺腺癌患者的OS的Kaplan-Meier曲线。D为基于风险值分组的晚期(Ⅲ期和Ⅳ期)肺腺癌患者的OS的Kaplan-Meier曲线。
图2为在不同GEO独立队列中验证肺腺癌TNF家族分子谱构建的预后模型。A、B、C、D、E均为不同GEO独立队列中肺腺癌患者的OS的Kaplan-Meier曲线。F为利用TCGA和GEO独立队列中的生存结果进行预后荟萃分析。
图3为按性别、年龄和吸烟史分层的肺腺癌中TNF家族分子模型的预后能力的验证。基于风险值的肺腺癌人群中男性(A)、女性(B)、老年人(C)、年轻人(D)、吸烟者(E)和非吸烟者(F)的患者的RFS的Kaplan-Meier曲线。
图4为所有肺腺癌患者携带野生型或突变型KRAS或EGFR基因的生存分析。基于风险值的EGFR野生型(A)、EGFR突变型(B)、KRAS野生型(C)、KRAS突变型(D)和EGFR/KRAS野生型(E)的患者OS的Kaplan-Meier曲线。
图5为在102例冰冻组织为基础的独立队列中验证肺腺癌TNF家族分子谱构建的预后模型。A为风险值的分布、生存状态及基因表达。B为基于TNF家族分子表达谱模型特征风险值分组的全部肺腺癌患者的OS的Kaplan-Meier曲线。C为基于风险值分组的早期(I期和II期)肺腺癌患者的OS的Kaplan-Meier曲线。D为基于风险值分组的晚期(Ⅲ期和Ⅳ期)肺腺癌患者的OS的Kaplan-Meier曲线。
具体实施方式
以下的实施例便于更好地理解本发明,但并不限定本发明。
下述实施例中的实验方法,如无特殊说明,均为常规方法。
下述实施例中所用的试验材料,如无特殊说明,均为自常规生化试剂公司购买得到的。
以下实施例中的定量试验,均设置三次重复实验,结果取平均值。
下述实施例中的总生存期(Overall Survival,OS)定义为从入组至任何原因导致的死亡或末次随访时间。
下述实施例中的总生存率定义为患者从某一特定时点开始随访,到某一特定时间尚能生存的概率。
下述实施例中,TCGA训练集中TNF家族分子谱的单因素及多因素生存分析结果见表1。独立验证队列中TNF家族分子谱的单因素及多因素生存分析结果见表2。
表1
表2
实施例1、基于TNF家族分子谱建立的肺腺癌预后模型及模型验证
以由502例肺腺癌患者构成的TCGA肺腺癌队列构建肺腺癌预后标志物模型,并通过由696例肺腺癌患者构成的GEO肺腺癌队列和由102例肺腺癌患者冰冻组织构成的独立验证组对构建的模型进行验证。所有肺腺癌患者的临床特征如表3所示。
表3.肺腺癌患者的临床特征
注:NA代表不可用。
一、用TCGA肺腺癌队列构建TNF家族分子预后模型及预后方法
1、肺腺癌TNF家族分子预后模型的构建
构建肺腺癌TNF家族分子预后模型的具体步骤如下:
(1)以来自人类癌症基因组图谱(TCGA)的502例原发肺腺癌(LUAD)患者作为TCGA训练集。
(2)为了建立肺腺癌患者TNF家族分子的预后模型,采用单因素Cox比例回归模型,研究TNF家族相关基因对总生存期(OS)预后指标的影响。
结果表明,47个TNF家族相关基因中的17个关键基因与OS在统计学上相关;GO和KEGG分析提示了这些关键基因参与的生物学过程和相关通路;GO分析表明这些基因更多地参与了免疫反应的生物过程(如T细胞增殖和共刺激)以及其他特异性免疫过程。同时,KEGG富集分析显示,这些基因与原发性免疫缺陷和其他免疫相关途径更相关。
(3)为了使预后模型更加优化和实用,采用逐步Cox比例风险回归模型,最终构建出一个包括如下5个基因的预后模型:TNFRSF6B(NM_003823.4)、TNFRSF13C(NM_052945.4)、TNFRSF14(NM_003820.3)、TNFRSF1A(NM_001065.4)、EDA2R(NM_001199687.2)。
TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五个基因构成肺腺癌患者的预后模型。
2、肺腺癌TNF家族分子预后模型的预后方法
(1)检测TCGA肺腺癌队列(502例肺腺癌患者)中每个肺腺癌患者的肺腺癌组织中的五个基因的相对表达量。具体检测方法如下:将获取的肺腺癌组织进行RNA抽提;将抽提出的RNA反转录成对应的cDNA;以反转录后的cDNA为模板进行荧光定量PCR;以GAPDH作为内参基因,记录每个反应的Ct值,目的基因的相对表达量以ΔCt表示,ΔCt=Ct目的基因-CtGAPDH。
进行荧光定量PCR时,检测各个目的基因和GAPDH基因的引物序列如表4所示。
表4
基因名称 | 上游引物 | 下游引物 |
GAPDH | 5'-GGAGCCAAAAGGGTCATCATCTC-3' | 5'-GAGGGGCCATCCACAGTCTTCT-3' |
TNFRSF6B | 5'-GTACGCGGAGTGGCAGAAA-3' | 5'-CAGAGGACGTTGCAGTAGC-3' |
TNFRSF13C | 5'-GAATCTCTGATGCCACAGCTCCTG-3' | 5'-CGTCTTGGTGGTCACCAGTTCAG-3' |
TNFRSF14 | 5'-GTGCAGTCCAGGTTATCGTGT-3' | 5'-CACTTGCTTAGGCCATTGAGG-3' |
TNFRSF1A | 5'-AACGAGTGTGTCTCCTGTAGT-3' | 5'-GGAGTAGAGCTTGGACTTCCAC-3' |
EDA2R | 5'-TCCAAGGATTGTGGTTATGGAGA-3' | 5'-AGCACAGGTGATGCAACTCTG-3' |
(2)根据每个患者目的基因的相对表达量,依照如下公式计算每个患者的风险值。
风险值=(0.1633×TNFRSF6B基因相对表达量)-(0.1153×TNFRSF13C基因相对表达量)-(0.2234×TNFRSF14基因相对表达量)+(0.1992×TNFRSF1A基因相对表达量)-(0.1042×EDA2R基因相对表达量)
患者对应的五个基因的风险值分布、生存状态及基因表达如图1中A所示。
(3)根据每个患者的风险值将TCGA训练集的患者(502例肺腺癌患者)分为高风险组(N=237)和低风险组(N=265)。具体方法如下:
(3-1)通过R语言软件的“survminer”软件包的“surv_cutpoint”确定阈值,具体方法如下:将待预测肺腺癌患者的风险值与匹配的预后信息,输入至R语言软件中,在“survminer”软件包的“surv_cutpoint”的算法下,软件会自动计算出P值最小的分割点,该分割点即为高风险组和低风险组的阈值(最优cutoff点)。
(3-2)比较待预测肺腺癌患者的风险值和阈值的大小,风险值大于阈值的患者被列入高风险组,风险值小于或等于阈值的患者被列入低风险组。
按照上述方法确定的阈值为0.2085。风险值大于或等于0.2085的肺腺癌患者归为高风险组(n=237),风险值小于0.2085的肺腺癌患者归为低风险组(n=265)。
3、肺腺癌TNF家族分子预后模型的有效性验证
(1)利用Kaplan-Meier分析502例肺腺癌患者的总生存率。
Kaplan-Meier生存分析结果显示,高风险组患者的总生存率明显低于低风险组患者(见图1中B,P<0.0001)。
(2)选择TCGA训练集(502例肺腺癌患者)中的I期和II期患者,肺腺癌TNF家族分子预后模型可以把患者分为OS显著不同的亚组(见图1中C,P<0.0001)。同样,在III期和Ⅳ期病人中也达到相似的效果(见图1中D,P=0.0092)。
由此可见,不管是在I+II期还是III+IV期肺腺癌患者中,高风险组患者的总生存率明显低于低风险组患者。
二、肺腺癌TNF家族分子预后模型的验证
1、在五个GEO独立队列中验证模型
为了验证肺腺癌TNF家族分子预后模型在其它人群中是否起作用,将来自肺癌基因芯片数据(GSE11969、GSE13213、GSE30219、GSE31210、GSE41271)的696例肺腺癌患者作为验证集。
(1)按照步骤一的2中的方法分别检测696例肺腺癌患者的五个基因的相对表达量,计算风险值,并将患者分为高风险组和低风险组。
(2)采用Kaplan-Meier生存分析法分析高风险组和低风险组患者的总生存率OS差异。
GSE11969的Kaplan-Meier生存分析结果见图2中A,HR 2.67,95%CI 1.43-5.00,P=0.001。GSE13213的Kaplan-Meier生存分析结果见图2中B,HR 2.73,95%CI1.54-4.84,P=0.000。GSE30219的Kaplan-Meier生存分析结果见图2中C,HR 1.82,95%CI 0.90-3.70,P=0.094。GSE31210的Kaplan-Meier生存分析结果见图2中D,HR 2.32,95%CI 1.05-5.10,P=0.032。GSE41271的Kaplan-Meier生存分析结果见图2中E,HR 1.97,95%CI 1.18-3.29,P=0.008。
结果表明,五个GEO独立队列中,与低风险组相比,高风险组的患者显示出更高的死亡风险。
(3)利用TCGA和GEO独立队列中的生存结果进行预后荟萃分析(n=1198)。
结果见图2中F。结果表明,基于TNF家族分子谱是肺腺癌患者的危险因素(HR2.22,95%CI1.81-2.72,P<0.001)。
2、在不同的临床亚组中验证模型
为了探讨肺腺癌TNF家族分子预后模型是否可以预测具有同一临床特征患者的预后,在不同的临床亚组中进行分层分析。
考虑到吸烟是发展肺腺癌的最大风险因素之一,但其他因素包括性别和年龄也起到一定作用,在TCGA训练集(502例肺腺癌患者)将肺腺癌患者按照三个临床特征(性别,年龄和吸烟史)分层,然后使用Kaplan-Meier生存分析估计高风险组和低风险组之间的总生存率OS差异。
分析结果见图3。结果表明,在所有亚组(男性和女性,年龄较大(年龄>60岁)和年龄较小(年龄<60岁),吸烟者和非吸烟者)中,高风险组的患者的OS显著低于低风险组。
3、在不同的EGFR或KRAS突变状态下验证模型
鉴于EGFR和KRAS是肺腺癌中常见的突变基因且与不同的肿瘤免疫微环境相关,对肺腺癌TNF家族分子预后模型在不同EGFR和KRAS突变状态的患者中的预测能力进行分析。
在TCGA训练集(502例肺腺癌患者)中将肺腺癌患者按照EGFR基因或KRAS基因的野生型和突变型进行分层,然后使用Kaplan-Meier生存分析估计高风险组和低风险组之间的总生存率OS差异。
TCGA训练集中不同突变状态下高风险组和低风险组患者的分布(基于全部患者的优化风险值)见图4。结果表明,与EGFR野生型组相比,EGFR突变组显示出较高比例的低风险患者;相反,与KRAS野生型组相比,KRAS突变组显示出更高比例的高风险患者。在不同的突变状态中,低风险组患者的OS显著高于高风险组患者。
三、在102例肺腺癌冰冻组织的独立队列(即独立验证组)中进行验证
为了在临床实践中评估TNF家族分子预后模型在预测肺腺癌患者死亡风险中的准确性,在包含102例肺腺癌冰冻组织的独立队列中进行验证。
1、按照步骤一的2中的方法分别检测102例肺腺癌患者冰冻组织的五个基因的相对表达量,计算风险值,并将患者分为高风险组和低风险组。
102个患者分为高风险组(N=27)和低风险组(N=75)(阈值为0.0830)。
102例肺腺癌患者冰冻组织中五个基因的风险值分布、生存状态及基因表达如图5中A所示。
2、采用Kaplan-Meier生存分析法分析高风险组和低风险组患者的总生存率OS差异。
Kaplan-Meier生存分析结果显示,高风险组患者和低风险组患者之间的OS有显著差异(见图5中B,HR 4.25,95%CI 1.89-9.55,P=0.000)。
同时TNF家族分子预后模型可以将早期(I期和II期)或晚期(Ⅲ期和Ⅳ期)肺腺癌患者分为OS明显不同的高风险组和低风险组。早期见图5中C。晚期见图5中D。
由此可见,不管是在I+II期还是III+IV期肺腺癌患者中,高风险组患者的总生存率明显低于低风险组患者。
上述结果表明,TNF家族分子预后模型可以预测肺腺癌患者的预后。
Claims (10)
1.用于预测肺腺癌患者预后的系统,包括检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的系统。
2.如权利要求1所述的系统,其特征在于:所述检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的系统包括通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器。
3.如权利要求2所述的系统,其特征在于:所述通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器包括检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因相对表达量的引物对。
4.如权利要求3所述的系统,其特征在于:所述通过荧光定量PCR方法检测所述五种基因相对表达量所需的试剂和/或仪器还包括检测内参基因的引物对。
5.如权利要求1至4任一所述的系统,其特征在于:所述系统还包含数据处理装置;所述数据处理装置内设模块;所述模块具有如下(a1)和/或(a2)所示的功能:
(a1)以肺腺癌患者组成的待测群体的离体肺腺癌组织为标本,测定每份标本中所述五种基因的相对表达量,然后根据所述五种基因相对表达量按照如下公式计算风险值:风险值=(0.1633×TNFRSF6B基因相对表达量)-(0.1153×TNFRSF13C基因相对表达量)-(0.2234×TNFRSF14基因相对表达量)+(0.1992×TNFRSF1A基因相对表达量)-(0.1042×EDA2R基因相对表达量),并根据所述风险值将所述待测群体分为低风险组和高风险组;
(a2)按照如下标准确定来自于所述待测群体的待测患者的预后风险和/或预后总生存率:“来自于所述高风险组中的待测患者”的预后风险高于或候选高于“来自于所述低风险组中的待测患者”;“来自于所述低风险组中的待测患者”的预后总生存率高于或候选高于“来自于所述高风险组中的待测患者”。
6.权利要求1至5任一所述的系统的应用,为(b1)-(b4)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率。
7.TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因作为标志物的应用,为(b1)-(b6)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率;
(b5)制备肺腺癌患者预后的产品;
(b6)对肺腺癌患者进行预后。
8.检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的物质的应用,为(b1)-(b6)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率;
(b5)制备肺腺癌患者预后的产品;
(b6)对肺腺癌患者进行预后。
9.检测TNFRSF6B、TNFRSF13C、TNFRSF14、TNFRSF1A和EDA2R五种基因表达量的物质和权利要求5中所述的数据处理装置的应用,为(b1)-(b6)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率;
(b5)制备肺腺癌患者预后的产品;
(b6)对肺腺癌患者进行预后。
10.权利要求5中所述的数据处理装置的应用,为(b1)-(b6)中的任一种:
(b1)制备用于肺腺癌患者预后风险评估的产品;
(b2)评估肺腺癌患者预后风险;
(b3)制备用于肺腺癌患者预后总生存率的产品;
(b4)评估肺腺癌患者预后总生存率;
(b5)制备肺腺癌患者预后的产品;
(b6)对肺腺癌患者进行预后。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010565226.1A CN111676288B (zh) | 2020-06-19 | 2020-06-19 | 用于预测肺腺癌患者预后的系统及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010565226.1A CN111676288B (zh) | 2020-06-19 | 2020-06-19 | 用于预测肺腺癌患者预后的系统及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111676288A true CN111676288A (zh) | 2020-09-18 |
CN111676288B CN111676288B (zh) | 2022-09-06 |
Family
ID=72436590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010565226.1A Active CN111676288B (zh) | 2020-06-19 | 2020-06-19 | 用于预测肺腺癌患者预后的系统及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111676288B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112382341A (zh) * | 2020-11-18 | 2021-02-19 | 河南科技大学第一附属医院 | 一种用于鉴定食管鳞癌预后相关的生物标志物的方法 |
CN112489800A (zh) * | 2020-12-03 | 2021-03-12 | 安徽医科大学第一附属医院 | 一种前列腺癌患者的预后评估系统及其应用 |
CN112946276A (zh) * | 2021-03-02 | 2021-06-11 | 中国医学科学院肿瘤医院 | I期肺腺癌患者术后复发风险预测系统及其应用 |
CN113721018A (zh) * | 2021-08-17 | 2021-11-30 | 武汉大学 | 用于预测肺腺癌预后的标志物及其应用 |
CN113736879A (zh) * | 2021-09-03 | 2021-12-03 | 中国医学科学院肿瘤医院 | 用于小细胞肺癌患者预后的系统及其应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363907A (zh) * | 2018-05-09 | 2018-08-03 | 中国科学院昆明动物研究所 | 一种基于多基因表达特征谱的肺腺癌个性化预后评估方法 |
CN109628591A (zh) * | 2018-12-04 | 2019-04-16 | 南方医科大学南方医院 | 用于肺腺癌预后预测的标志物 |
AU2018206231A1 (en) * | 2017-01-09 | 2019-07-11 | F-Star Therapeutics Limited | Conditional agonists of immune responses |
-
2020
- 2020-06-19 CN CN202010565226.1A patent/CN111676288B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2018206231A1 (en) * | 2017-01-09 | 2019-07-11 | F-Star Therapeutics Limited | Conditional agonists of immune responses |
CN108363907A (zh) * | 2018-05-09 | 2018-08-03 | 中国科学院昆明动物研究所 | 一种基于多基因表达特征谱的肺腺癌个性化预后评估方法 |
CN109628591A (zh) * | 2018-12-04 | 2019-04-16 | 南方医科大学南方医院 | 用于肺腺癌预后预测的标志物 |
Non-Patent Citations (1)
Title |
---|
YUEQIANG SONG ET AL.: "Integrating genetic mutations and expression profiles for survival prediction of lung adenocarcinoma", 《THORACIC CANCER》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112382341A (zh) * | 2020-11-18 | 2021-02-19 | 河南科技大学第一附属医院 | 一种用于鉴定食管鳞癌预后相关的生物标志物的方法 |
CN112382341B (zh) * | 2020-11-18 | 2023-05-26 | 河南科技大学第一附属医院 | 一种用于鉴定食管鳞癌预后相关的生物标志物的方法 |
CN112489800A (zh) * | 2020-12-03 | 2021-03-12 | 安徽医科大学第一附属医院 | 一种前列腺癌患者的预后评估系统及其应用 |
CN112946276A (zh) * | 2021-03-02 | 2021-06-11 | 中国医学科学院肿瘤医院 | I期肺腺癌患者术后复发风险预测系统及其应用 |
CN112946276B (zh) * | 2021-03-02 | 2022-06-21 | 中国医学科学院肿瘤医院 | I期肺腺癌患者术后复发风险预测系统及其应用 |
CN113721018A (zh) * | 2021-08-17 | 2021-11-30 | 武汉大学 | 用于预测肺腺癌预后的标志物及其应用 |
CN113736879A (zh) * | 2021-09-03 | 2021-12-03 | 中国医学科学院肿瘤医院 | 用于小细胞肺癌患者预后的系统及其应用 |
CN113736879B (zh) * | 2021-09-03 | 2023-09-22 | 中国医学科学院肿瘤医院 | 用于小细胞肺癌患者预后的系统及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN111676288B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111676288B (zh) | 用于预测肺腺癌患者预后的系统及其应用 | |
Zhang et al. | An immune-related signature predicts survival in patients with lung adenocarcinoma | |
Simon et al. | Analysis of gene expression data using BRB-array tools | |
JP6067686B2 (ja) | 癌の分子的診断検査 | |
Pusztai et al. | Molecular classification of breast cancer: limitations and potential | |
Zhou et al. | Construction of an immune-related six-lncRNA signature to predict the outcomes, immune cell infiltration, and immunotherapy response in patients with hepatocellular carcinoma | |
CN111394456B (zh) | 早期肺腺癌患者预后评估系统及其应用 | |
Sivendran et al. | Dissection of immune gene networks in primary melanoma tumors critical for antitumor surveillance of patients with stage II–III resectable disease | |
CN113192560A (zh) | 一种基于铁死亡进程的肝细胞癌分型体系的构建方法 | |
CN113234829B (zh) | 结肠癌预后评估基因集及其构建方法 | |
CN111653314B (zh) | 一种分析识别淋巴管浸润的方法 | |
CN114107511B (zh) | 预测肝癌预后的标志物组合及其应用 | |
Zhang et al. | Identification of an IRGP signature to predict prognosis and immunotherapeutic efficiency in bladder cancer | |
Xu et al. | Identification of a novel tumor microenvironment prognostic signature for bladder urothelial carcinoma | |
Zhou et al. | Development and validation of an individualized immune-related gene pairs prognostic signature in papillary renal cell carcinoma | |
Zhou et al. | The landscape of the tumor microenvironment in skin cutaneous melanoma reveals a prognostic and immunotherapeutically relevant gene signature | |
Han et al. | Plasma cell-free circRNAs panel act as fingerprint predicts the occurrence of laryngeal squamous cell carcinoma | |
Wilmott et al. | Tumour procurement, DNA extraction, coverage analysis and optimisation of mutation-detection algorithms for human melanoma genomes | |
Ding et al. | The prognostic role of cuproptosis in head and neck squamous cell carcinoma patients: a comprehensive analysis | |
Simon | Validation of pharmacogenomic biomarker classifiers for treatment selection | |
Zhi et al. | Immune gene signature delineates a subclass of thyroid cancer with unfavorable clinical outcomes | |
CN116206681A (zh) | 一种免疫浸润细胞模型的预后基因对价值评价方法 | |
Liu et al. | Cuprotosis patterns are associated with tumor mutation burden and immune landscape in lung adenocarcinoma | |
CN106119406A (zh) | 多发性肉芽肿血管炎及微小动脉炎的基因分型诊断试剂盒及使用方法 | |
Xue et al. | A 41-gene pair signature for predicting the pathological response of locally advanced rectal cancer to neoadjuvant chemoradiation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |