CN116313107A - 一种肝癌肝移植术后肺转移预测模型及其构建方法 - Google Patents

一种肝癌肝移植术后肺转移预测模型及其构建方法 Download PDF

Info

Publication number
CN116313107A
CN116313107A CN202310046481.9A CN202310046481A CN116313107A CN 116313107 A CN116313107 A CN 116313107A CN 202310046481 A CN202310046481 A CN 202310046481A CN 116313107 A CN116313107 A CN 116313107A
Authority
CN
China
Prior art keywords
lung metastasis
liver cancer
liver
transplantation
liver transplantation
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.)
Pending
Application number
CN202310046481.9A
Other languages
English (en)
Inventor
徐骁
李辉港
鲁迪
卓建勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202310046481.9A priority Critical patent/CN116313107A/zh
Publication of CN116313107A publication Critical patent/CN116313107A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种肝癌肝移植术后肺转移预测模型及其构建方法，属于生物医学技术领域。本发明提供了一种预测肝癌肝移植术后肺转移的有效模型，结合原始肿瘤组织病理分子标志物TNFR2表达情况、移植受者是否满足杭州标准、受者年龄、受者术前乙肝表面抗原是否阳性，预测肝癌肝移植受者术后肺转移发生率。本发明利用上述四个与肝癌肝移植术后发生肺转移显著相关的指标建立预测模型，该模型AUROC达0.755，优于传统的米兰标准，精准预测肝癌肝移植术后肺转移的发生，有助于临床医师制定个体化治疗方案与移植术后科学管理。

Description

一种肝癌肝移植术后肺转移预测模型及其构建方法
技术领域
本发明涉及生物医学技术领域，具体涉及一种肝癌肝移植术后肺转移预测模型及其构建方法。
背景技术
肝细胞癌(以下简称肝癌，Hepatocellular Carcinoma，HCC)是全球第六大常见癌症，也是癌症相关死亡的第三大原因。肝移植是肝癌患者的最佳根治性治疗。然而，即使在肝移植前仔细筛选受者，移植后肿瘤复发仍然是患者死亡的主要原因。移植后肿瘤复发的一个重要特征是肝外转移的高发率，肝移植术后肿瘤复发的原因包括术后隐匿性转移灶逐渐增长和术中循环肿瘤细胞的释放和种植，其中肺转移占所有肝外转移的47％。肝外转移的肝癌患者中位生存时间仅为4.9个月，2年生存率仅为14.2％(Uka K,Aikata H,Takaki Set al.Clinical features and prognosis of patients with extrahepaticmetastases from hepatocellular carcinoma[J].World JGastroenterol,2007,13(3):414-420.)。目前尚缺乏预测肝移植术后肺转移的有效工具。因此，早期准确预测移植后肺转移具有重要意义。
炎症在致癌和肿瘤转移中起着至关重要的作用。目前，越来越多的研究表明，肝移植后肿瘤复发和转移与肝脏缺血/再灌注及伴随的炎症损伤相关。各种促炎细胞因子(IL-6、TNF等)和趋化因子(CXCL1、CXCL10等)在肝脏缺血/再灌注后上调，参与了HCC的进展和转移(Chen H,Lu D,Yang X et al.One Shoot,Two Birds:Alleviating InflammationCaused by Ischemia/Reperfusion Injury to Reduce the Recurrence ofHepatocellular Carcinoma[J].Front Immunol,2022,13:879552.)。在这些细胞因子中，肿瘤坏死因子(TNF)的高表达与肝癌患者的不良预后有关(Tan W,Luo X,Li Wet al.TNF-alpha is a potential therapeutic target to overcome sorafenib resistance inhepatocellular carcinoma[J].EBioMedicine,2019,40:446-456.)。TNF是一种多功能细胞因子，主要由巨噬细胞分泌，在宿主对HBV/HCV感染的免疫应答以及自身免疫和恶性疾病的发病机制中发挥关键作用。TNF已被证实可促进HCC的生长、侵袭和转移，并与HCC患者的复发和临床预后相关。
TNF通过与两个同源膜受体TNFR1和TNFR2结合实现其多种生物学功能。TNFR1存在于大多数有核细胞中，可被可溶性和膜结合TNF激活。TNFR1的激活导致细胞凋亡和增殖，因为TNFR1的细胞质尾部包含一个死亡区域，这是TNF介导的凋亡的基础。然而，与TNFR1相反，TNFR2主要在免疫细胞和内皮细胞中表达，且主要由膜结合TNF激活。值得注意的是，一系列研究证明了这两种受体在癌变和复发过程中的不同作用。例如，在肝祖细胞恶性转化和肝细胞癌发生过程中，TNFR2是TNF诱导YAP激活的基础，而非TNFR1。考虑到这两种受体的复杂功能，我们决定探讨它们与肝移植后HCC患者预后和复发的对应关系。
发明内容
本发明的目的在于提供一种能够预测肝癌肝移植术后发生肺转移的模型，用于指导预防移植术后肝癌肺转移的临床决策。
为实现上述目的，本发明采用如下技术方案：
本发明提供了一种肝癌肝移植术后肺转移预测模型的构建方法，包括以下步骤：
(1)采集若干例肝癌肝移植受者信息，包括：年龄、乙肝表面抗原、术前血清甲胎蛋白水平、肿瘤大小、肿瘤分化级别、肿瘤组织TNFR2表达评分、生存状态、术后复发与肺转移，获得数据集；
(2)以数据集中年龄、是否乙肝表面抗原阳性、是否满足杭州标准、TNFR2表达评分作为自变量，是否发生术后肺转移为反应变量，构建多因素回归模型，建立诺莫图直观呈现模型，即为所述肝癌肝移植术后肺转移预测模型。
本发明研究发现，肿瘤坏死因子受体2(tumor necrosis factor receptor,TNFR2)是肝移植后肿瘤肺转移的一种有效的预后相关生物标志物。基于TNFR2建立了一种新型有效的肝癌肝移植术后肺转移的预测模型。
构建模型时，采用大样本量、多中心、广覆盖的大数据分析，保障预警模型预测的准确性。
本发明通过单因素Cox回归分析结合多因素Cox回归分析显示肿瘤组织中病理分子标志物TNFR2表达情况、受者是否满足杭州标准、受者年龄、受者术前乙肝表面抗原是否阳性4个变量与肝癌肝移植术后肺转移显著相关，是肝癌肝移植后肺转移的独立危险因素。
其中，杭州标准的具体标准如下：肿瘤直径≤8cm，或肿瘤直径>8cm且术前血清甲胎蛋白(AFP)水平≤400ng/ml及肿瘤组织学分级为高、中分化。
进一步的，所述TNFR2表达评分为细胞染色强度评分与阳性细胞百分比评分的乘积，采用半定量评分系统对肿瘤组织中TNFR2的免疫组织化学染色进行细胞染色强度评分和阳性细胞百分比评分。
具体的，所述TNFR2表达评分获取方法包括：首先对肿瘤组织切片进行TNFR2的免疫组织化学染色，然后采用半定量评分体系进行TNFR2判读，运用细胞染色强度评分(未染色＝0，弱染色＝1，中染色＝2，强染色＝3)和阳性细胞百分比评分(阳性细胞表达数<5％记0分，5％<阳性细胞表达数<25％记1分，26％<阳性细胞表达数<50％记2分，51％<阳性细胞表达数<75％记3分，阳性细胞表达数>75％记4分)进行评价，最后将强度评分乘以百分比评分计算得出TNFR2表达评分。
本发明应用年龄、乙肝表面抗原、TNFR2评分、杭州标准这四个指标建立了一种新的诺莫图(nomogram)预测移植后HCC患者5年无肺转移生存概率。以肿瘤组织的TNFR2表达水平、移植受者是否满足杭州标准、受者年龄、受者术前乙肝表面抗原是否阳性作为特征变量，以是否发生术后肺转移作为目标变量，构建多因素回归模型，绘制诺莫图用于实现可视化的风险评估。
进一步的，所述多因素回归模型采用多变量Cox回归模型。
进一步的，所述构建方法还包括模型的预测效能评价，包括利用一致性指数(C-index)和时间依赖性受试者工作特征曲线下面积(AUROC)评价模型的预测能力，一致性指数和AUC值为0.7～1.0，C-index和AUC值大于0.7表明合理的预测。
进一步的，所述构建方法还包括用校准曲线评价校准能力。
本发明还提供了一种由多变量Cox回归模型风险评分建立的肝癌肝移植术后肺转移预测模型。
进一步的，所述预测模型的公式为：肺转移风险评分＝1.293×杭州标准+1.202×乙肝表面抗原-0.028×年龄+0.136×TNFR2表达评分；其中杭州标准的取值规则为：肝癌肝移植受者满足杭州标准时取值0，不符合杭州标准的取值1；乙肝表面抗原的取值规则为：肝癌肝移植受者术前乙肝表面抗原阴性取值0，阳性取值1。
进一步的，根据约登指数计算出的风险评分分界点为1.383。本研究队列据此分为低风险肺转移组(Low Risk Lung Metastasis，LRLM，风险评分低于1.383)与高风险肺转移组(High Risk Lung Metastasis，HRLM，风险评分高于1.383)。研究表明，HRLM组患者发生术后肺转移的危险率显著高于LRLM组患者。此外，HRLM组患者预后显著差于LRLM组患者。
本发明还提供了一种用于预测肝癌肝移植术后发生肺转移的系统/装置，包括：
输入模块，用于输入受试患者的信息，包括：年龄、乙肝表面抗原、术前血清甲胎蛋白水平、肿瘤大小、肿瘤分化级别、TNFR2表达评分；
处理模块，包括计算机可读的存储介质，存储有所述的肝癌肝移植术后肺转移预测模型，用于执行接收输入模块传输的数据，并输入预测模型中，得出相应的预测结果。
本发明具备的有益效果：
本发明提供了一种预测肝癌肝移植术后肺转移的有效模型，结合原始肿瘤组织病理分子标志物TNFR2表达情况、移植受者是否满足杭州标准、受者年龄、受者术前乙肝表面抗原是否阳性，预测肝癌肝移植受者术后肺转移发生率。本发明利用上述四个与肝癌肝移植术后发生肺转移显著相关的指标建立预测模型，该模型AUROC达0.755，优于传统的米兰标准(AUROC为0.676)，精准预测肝癌肝移植术后肺转移的发生，有助于临床医师制定个体化治疗方案与移植术后科学管理。
附图说明
图1为肝癌原发灶和肺转移灶差异表达基因(Differentially Expressed Genes,DEGs)的鉴定，其中(A)为肝癌原发灶和肺转移灶DEGs热图；(B)为癌原发灶和肺转移灶DEGs火山图；(C)为相关信号通路的GSEA分析；(D)为TNF的蛋白-蛋白相互作用网络。
图2为TNF表达与肝癌肝移植受者预后的关系，其中(A)为免疫组化检测TNF在肿瘤及瘤旁组织中表达的代表性图片；(B)为肿瘤及瘤旁组织中TNF表达含量的免疫组化分析；(C)为免疫组化检测肝癌组织中TNF低表达(TNFlow)和TNF高表达(TNFhigh)的代表性图片；(D),(E)分别为Kaplan-Meier生存曲线显示肿瘤组织中TNFlow(n＝79)和TNFhigh(n＝144)两组患者的总生存期和无复发生存期；(F)为免疫组化检测瘤旁组织中TNFlow和TNFhigh的代表性图片；(G),(H)分别为Kaplan-Meier生存曲线显示瘤旁组织中TNFlow(n＝69)和TNFhigh(n＝72)两组患者的总生存期和无复发生存期。Ns:不显著，*P<0.05，**P<0.01，***P<0.001。
图3为TNFR1表达与肝癌肝移植受者预后的关系，其中(A)为免疫组化检测TNFR1在肿瘤及瘤旁组织中表达的代表性图片；(B)为肿瘤和瘤旁组织中TNFR1表达含量的免疫组化分析；(C)为免疫组化检测肝癌组织中TNFR1低表达(TNFR1low)和TNFR1高表达(TNFR1high)的代表性图片；(D),(E)分别为Kaplan-Meier生存曲线显示肿瘤组织中TNFR1low(n＝97)和TNFR1high(n＝135)两组患者的总生存期和无复发生存期；(F)为免疫组化检测瘤旁组织中TNFR1低表达(TNFR1low)和TNFR1高表达(TNFR1high)的代表性图片；(G),(H)分别为Kaplan-Meier生存曲线显示瘤旁组织中TNFR1low(n＝84)和TNFR1high(n＝71)患者的总生存期和无复发生存期。Ns:不显著，*P<0.05，**P<0.01，***P<0.001。
图4为TNFR2表达与肝癌肝移植受者预后的关系，其中(A)为免疫组化检测TNFR2在肿瘤及瘤旁组织中表达的代表性图片；(B)为肿瘤及瘤旁组织中TNFR2表达含量的免疫组化分析；(C)为免疫组化检测肝癌组织中TNFR2低表达(TNFR2low)和TNFR2高表达(TNFR2high)的代表性图片；(D),(E)分别为Kaplan-Meier生存曲线显示肿瘤组织中TNFR2low(n＝130)和TNFR2high(n＝111)两组患者的总体生存期和无复发生存期；(F)为免疫组化检测瘤旁组织中TNFR2低表达(TNFR2low)和TNFR2高表达(TNFR2high)的代表性图片；(G),(H)分别为Kaplan-Meier生存曲线显示瘤旁组织中TNFR1low(n＝49)和TNFR1high(n＝109)两组患者的总生存期和无复发生存期。Ns:不显著，*P<0.05，**P<0.01，***P<0.001。
图5为建立预测肝癌肝移植后肺转移的诺莫图及其效能验证，其中(A)为预测肝移植后肝癌患者5年无肺转移生存率的诺莫图；(B)为该诺莫图的校准曲线；(C)为预测肝癌患者移植后肺转移的米兰标准、杭州标准和风险评分的受试者工作特征(ROC)曲线的比较；(D)为预测肝移植术后肺转移累积危险度的Kaplan-Meier生存分析；(E),(F)分别为低风险肺转移组(Low Risk Lung Metastasis,LRLM)和高风险肺转移组(High Risk LungMetastasis,HRLM)预测肝移植术后总体生存期和无复发生存期的Kaplan-Meier生存分析。
具体实施方式
下面结合具体实施例对本发明做进一步说明。以下实施例仅用于说明本发明，不用来限制本发明的适用范围。在不背离本发明精神和本质的情况下，对本发明方法、步骤或条件所做的修改或替换，均属于本发明的范围。
下述实施例中所使用的试验方法如无特殊说明，均为常规方法；所使用的材料、试剂等，如无特殊说明，为可从商业途径得到的试剂和材料。
实施例1
一、实验方法
1、采用基因表达综合数据库(GEO)中的GSE141016数据集，包括来自(https://www.ncbi.nlm.nih.gov/geo/)的31对肝癌原发灶和肝癌转移灶转录组测序数据。用“limma”软件包分析差异表达基因(DEGs)，用R 3.2.3软件(https://www.r-project.org)下的“pheatmap”、“ggplot2”制作热图和火山图。基因集富集分析(GSEA)通过临床生物信息学在线分析平台sangerbox网站(http://vip.sangerbox.com/)进行。蛋白质-蛋白质相互作用网络功能富集分析通过string网络数据集(https://cn.string-db.org/)进行。
2、本研究纳入包括2015年1月1日至2017年12月31日的241例患者。其中浙江大学医学院附属第一医院134例，首都医科大学附属朝阳医院92例，南京大学医学院附属鼓楼医院15例。所有患者均从经组织病理证实为肝癌的肝移植患者中随机选取，术前均知情并提供书面知情同意书。本项研究的程序是按照《赫尔辛基宣言》进行的。随访数据和人口统计数据来自中国官方的国家肝移植登记处——中国肝移植登记处。所有研究方案均由浙江大学医学院附属杭州市第一人民医院伦理委员会批准。
3、随访于2021年12月31日结束，中位随访时间为3.25年。总生存时间计算从手术日期到死亡或最后一次已知随访，并记录在与死亡或活着的患者最后一次接触时的状态。无复发生存时间计算从手术日期到复发、死亡或最后一次已知随访，并根据HCC标准指南通过对比增强成像确认复发。无肺转移生存时间从手术日期到肿瘤复发、死亡或最后一次已知随访，并根据HCC标准指南通过对比增强成像确认肺转移。
4、表1总结了本研究纳入241例患者队列的基线特征。所有患者的中位年龄为52岁，91.7％为男性。乙型肝炎感染211例(87.6％)，肝硬化229例(95.0％)。97例(40.2％)患者术前接受了经动脉化疗栓塞治疗，其余144例(59.8％)患者术前未接受任何治疗。148例(53.9％)患者出现血清AFP升高(>20ng/mL)。肿瘤组织学分级呈中分化、高分化为147例(61.0％)，低分化为94例(39.0％)。192例(79.7％)患者无血管侵犯，49例(20.3％)患者有大血管侵犯。100例患者(41.5％)发生移植后复发，141例患者(58.5％)未发生移植后复发。在移植后复发或转移的患者中，73例患者(73％)被诊断为肺转移。
表1.241例肝癌肝移植受者的基线特征
Figure SMS_1
Figure SMS_2
5、应用杭州标准将肝癌肝移植受者分为符合杭州标准与超杭州标准，具体标准如下：肿瘤直径≤8cm，或肿瘤直径>8cm且术前血清甲胎蛋白(AFP)水平≤400ng/ml及肿瘤组织学分级为高、中分化。
6、HCC组织芯片由上海芯超生物科技有限公司(中国上海)制备。组织芯片包含241个肝癌组织和158个相应的癌旁组织。针对免疫组化，组织芯片切片用抗TNF抗体(Proteintech,60291-1-Ig,1:100)、抗TNFR1抗体(Abcam,ab19139,1:100)或抗TNFR2抗体(Abcam,ab109322,1:100)孵育。免疫组化染色由两名不了解患者临床特征的病理学家进行评分。采用半定量评分系统，运用细胞染色强度评分(未染色＝0，弱染色＝1，中染色＝2，强染色＝3，即细胞不着色记0分，细胞着淡黄色记1分，细胞着中黄色或淡棕色记2分，细胞着深棕色记3分)和阳性细胞百分比(<5％＝0，5％～25％＝1，26％～50％＝2，51％～75％＝3，>75％＝4，即阳性细胞表达数<5％记0分，5％<阳性细胞表达数<25％记1分，26％<阳性细胞表达数<50％记2分，51％<阳性细胞表达数<75％记3分，阳性细胞表达数>75％记4分)来估计结果。最终的免疫反应评分由强度评分乘以百分比评分计算，范围从0到12。根据最终免疫反应评分，将免疫组化结果分为0～6，低表达(-)；7到12，高表达(+)。
7、使用GraphPad Prism(Version 9；GraphPad,La Jolla,CA,USA)和SPSS(版本26；IBM,Armonk,NY,USA)。连续变量比较采用参数检验，分类变量比较采用卡方检验。采用Kaplan-Meier法和log-rank检验分析总生存期、无复发生存期和累计肺转移率。多变量比例危险Cox回归用于确定独立预后因素。P值<0.05为有统计学意义。基于独立的预后因素，通过sangerbox网站建立诺莫图和校准曲线。通过诺莫图模型预测移植术后5年内无肺转移的生存概率。一致性指数(C-index)和时间依赖性受试者工作特征曲线下面积(AUROC)用于评价预测能力。用校准曲线评价校准能力。C-index和AUROC值在0.5到1.0之间变化，其中0.5表示随机概率，1.0表示完美拟合。通常，C-index和AUC值大于0.7表明合理的预测。
二、实验结果
1、TNF依赖的信号通路在人肝细胞肝癌肺转移过程中被激活
为了明确与肝癌患者移植后肺转移相关的关键基因，我们分析了微阵列数据集(GSE141016)中肝癌原发灶和配对肺转移灶之间的差异表达基因。热图分析显示肝癌原发灶和配对肺转移灶在转录水平上有明显的区别(图1A)，表明了高差异特征，为我们后续的比较分析提供了基础。火山图显示104个基因显著改变，63个基因上调，41个基因下调(图1B)。有趣的是，结果显示TNF是肺转移中最显著上调的基因之一(图1B,p<0.001)。然后，我们应用GSEA分析了转移灶和原发灶中HALLMARK通路的富集，发现TNFA信号通路在转移灶中显著富集(图1C)。此外，我们通过string在线数据集(https://cn.string-db.org/)对TNF进行了蛋白质-蛋白质相互作用网络功能富集分析。结果表明TNF与其受体TNFR1和TNFR2有紧密的相互作用。这些数据表明TNF在HCC的转移中起关键作用。考虑到TNF通过激活其特异性受体发挥作用，我们决定探索TNF及其受体TNFR1/TNFR2与移植后肺转移之间的关系。
2、肝细胞肝癌的TNF表达水平与移植后预后无关
为了探讨TNF、TNFR1和TNFR2与肝癌肝移植术后肺转移的关系，我们对241例肝癌肝移植患者的样本进行了免疫组化实验。免疫组化实验数据显示TNF主要存在于肿瘤细胞的细胞质和细胞核中(图2A)。肿瘤旁组织中TNF的表达强于相应肿瘤组织(图2A-B)。
根据TNF在肿瘤组织中的表达差异，我们将患者分为TNF高表达(TNFhigh)组(n＝79)和TNF低表达(TNFlow)组(n＝144)。Kaplan-Meier生存分析显示，受体的总生存期与无复发生存期无显著关系(图2C-E)。具体的，TNFhigh组患者的1、3、5年总生存率分别为86.1％、58.6％和50.4％，TNFlow组患者的1、3、5年总生存率分别为76.3％、58.8％和47.9％(P＝0.676，图2D)。TNFhigh组患者的1、3、5年无复发生存率分别为68.4％、50.2％和48.4％，TNFlow组患者的1、3、5年无复发生存率分别为56.1％、49.6％和45.7％(P＝0.468，图2E)。
根据TNF在瘤旁组织中的表达差异，我们将患者分为TNF高表达(TNFhigh)组(n＝72)和TNF低表达(TNFlow)组(n＝69)。Kaplan-Meier生存分析显示，受体的总生存期与无复发生存期无显著关系(图2F-H)。具体的，TNFhigh组患者的1、3、5年总生存率分别为77.8％、52.2％和38.0％，TNFlow组患者的1、3、5年总生存率分别为76.5％、53.3％和41.5％(P＝0.648，图2G)。TNFhigh组患者的1、3、5年无复发生存率分别为51.4％、38.8％和35.1％，TNFlow组患者的1、3、5年无复发生存率分别为45.9％、37.0％和31.4％(P＝0.590，图2H)。
以上数据说明TNF在肿瘤组织或瘤旁组织中的表达并不能预测肝癌肝移植受者的预后。
3、肝细胞肝癌的TNFR1表达水平与移植后预后无关
免疫组化实验结果显示TNFR1主要存在于肿瘤细胞的细胞膜和细胞质中(图3A)。TNFR1在肿瘤组织中的表达略强于肿瘤旁组织的表达(图3A-B)。
根据TNFR1在肿瘤组织中的表达差异，我们将患者分为TNFR1高表达(TNFR1high)组(n＝135)和TNFR1低表达(TNFR1low)组(n＝97)。Kaplan-Meier生存分析显示受者的总生存期和无复发生存期无显著关系(图3C-E)。具体的，TNFR1high组患者的1、3、5年总生存率分别为85.0％、60.5％和49.7％，TNFR1low组患者的1、3、5年总生存率分别为73.2％、56.9％和47.4％(P＝0.470，图3D)。TNFR1high组患者的1、3、5年无复发生存率分别为63.3％、51.5％和48.3％，TNFR1low组患者的1、3、5年无复发生存率分别为58.8％、51.2％和47.4％(p＝0.895，图3E)。
根据TNFR1在瘤旁组织中的表达差异，我们将患者分为TNFR1高表达(TNFR1high)(n＝71)和TNFR1低表达(TNFR1low)组(n＝84)。Kaplan-Meier生存分析显示，受体的总生存期与无复发生存期无显著关系(图3F-H)。具体的，TNFR1high组患者的1、3、5年总生存率分别为78.5％、54.5％和42.7％，TNFR1low组患者的1、3、5年总生存率分别为78.4％、52.5％和38.3％(P＝0.841，图3G)。TNFR1high组患者的1、3、5年无复发生存率分别为51.3％、42.2％和48.3％，TNFR1low组患者的1、3、5年无复发生存率分别为50.8％、38.3％和32.5％(P＝0.873，图3H)。
以上数据说明TNFR1在肿瘤组织或瘤旁组织中的表达并不能预测肝癌肝移植患者的预后。
4、TNFR2在HCC中的高表达与肝移植后总生存期较短和复发风险较高相关
免疫组化实验结果显示TNFR2主要存在于肿瘤细胞的细胞膜和细胞质中(图4A)。TNFR2在肿瘤组织中的表达明显强于肿瘤旁组织(图4A-B)。
根据TNFR2在肿瘤组织中的表达差异，我们将患者分为TNFR2高表达(TNFR2high)组(n＝111)和TNFR2低表达(TNFR2low)组(n＝130)。TNFR2high组患者的总生存期和无复发生存期明显低于TNFR2low组(图4C-E)。具体的，TNFR2high组患者的1、3、5年总生存率分别为73.6％、41.9％和31.9％，TNFR2low组患者的1、3、5年总生存率分别为86.1％、72.1％和62.5％(P<0.001，图4D)。TNFR2high组患者的1、3、5年无复发生存率分别为41.8％、32.2％和32.2％，TNFR2low组患者的1、3、5年无复发生存率分别为76.8％、66.3％和60.0％(P<0.001，图4E)。
根据TNFR2在瘤旁组织中的表达差异，我们将患者分为TNFR2高表达(TNFR2high)组(n＝109)和TNFR2低表达(TNFR2low)组(n＝49)。Kaplan-Meier生存分析显示，受体的总生存期与无复发生存期无显著相关性(图4F-H)。具体的，TNFR2high组患者的1、3、5年总生存率分别为77.0％、51.4％和37.0％，TNFR2low组患者的1、3、5年总生存率分别为81.0％、54.5％和47.1％(P＝0.245，图4G)。TNFR2high组患者1、3、5年无复发生存率分别为48.5％、35.8％和30.8％，TNFR2low组患者1、3、5年无复发生存率分别为55.9％、49.3％和45.5％(P＝0.217，图4H)。
此外，TNFR2在肿瘤组织中的高表达与术前甲胎蛋白(AFP)水平升高(P＝0.012)、肿瘤分化差(P＝0.001)、肿瘤大小较大(P＝0.007)和移植后肺转移概率较高(P<0.001，表2)有显著相关。这些数据表明TNFR2高表达的肝癌患者肝移植后总生存期较短，复发风险较高。
表2.基于TNFR2表达的肝癌患者的临床病理特征
Figure SMS_3
Figure SMS_4
注:卡方检验,P<0.05被认为具有统计学意义.*此处有4例缺失数据。
5、建立了一种基于TNFR2、杭州标准、年龄、乙型肝炎表面抗原的新型诺莫图以预测HCC患者移植术后肺转移。
为了评估移植后总生存期和肺转移的潜在危险因素，我们针对241例肝癌肝移植受者队列，根据表3所示的特征进行单因素Cox回归。
表3.单因素Cox回归分析移植后总生存期和肺转移的潜在危险因素
Figure SMS_5
Figure SMS_6
通过单因素Cox回归分析，年龄、乙型肝炎表面抗原(HBsAg)、移植前肝动脉化疗栓塞术、TNFR2表达及杭州标准5个变量与肺转移显著相关(均P<0.05，表3)。
然后我们将上述变量纳入多因素Cox回归分析，结果显示年龄(P＝0.043)、HBsAg(P＝0.043)、TNFR2表达评分(P<0.001)、杭州标准(P<0.001)是移植后肺转移的独立危险因素(表4)。
表4.多因素Cox回归分析移植后肺转移的独立危险因素
Figure SMS_7
根据上述4个变量，我们进一步建立了一种新的诺莫图预测移植后HCC患者5年无肺转移生存发生率(图5A)。
该模型的一致性指数(C-index)为0.779[95％可信区间(CI)＝0.732-0.826]。我们还利用校准图证明诺莫图与5年无肺转移生存率的预测具有良好的一致性(图5B)。采用时间依赖性受试者工作特征(ROC)评价模型对预后的敏感性和特异性。我们还用ROC曲线下面积(AUC)来说明ROC的结果。整个集合的AUROC为0.755(图5C)，优于米兰标准。
综上所述，该诺莫图对肝癌移植后肺转移有较强的鉴别和校正能力。此外，我们建立了一种新的风险评分，可以有效预测总生存期、无复发生存期和肺转移。
风险评分公式:风险评分＝1.293×杭州标准(0，杭州范围内；1、杭州以外)+1.202×HBsAg(0，阴性；1，阳性)-0.028×年龄+0.136×TNFR2表达评分。
根据约登指数计算出的最佳风险评分分界点为1.383。整个队列据此分为低风险肺转移(Low Risk Lung Metastasis,LRLM)组(风险评分≤1.383,n＝157)和高风险肺转移(How Risk Lung Metastasis,HRLM)组(风险评分>1.383,n＝84)。Kaplan-Meier分析显示，HRLM组患者肺转移的危险率明显高于LRLM组(P<0.001，图5D)。此外，LRLM组患者其1年、3年和5年总生存率分别为89.1％、71.7％和63.3％，HRLM组患者其1年、3年和5年总生存率分别为64.3％、33.8％和21.2％(图5E,P<0.001)。LRLM组患者其1年、3年和5年无复发生存率分别为77.5％、65.3％和60.2％，HRLM组患者其1年、3年和5年无复发生存率分别为29.8％、23.4％和23.4％(图5F,P<0.001)。
综上所述，与HRLM组患者相比，LRLM组患者移植后肺转移率明显降低，预后更好(图5D-F)。

Claims (8)

1.一种肝癌肝移植术后肺转移预测模型的构建方法，其特征在于，包括以下步骤：
(1)采集若干例肝癌肝移植受者信息，包括：年龄、乙肝表面抗原、术前血清甲胎蛋白水平、肿瘤大小、肿瘤分化级别、肿瘤组织TNFR2表达评分、生存状态、术后复发与肺转移，获得数据集；
(2)以数据集中年龄、是否乙肝表面抗原阳性、是否满足杭州标准、TNFR2表达评分作为自变量，是否发生术后肺转移为反应变量，构建多因素回归模型，建立诺莫图直观呈现模型，即为所述肝癌肝移植术后肺转移预测模型。
2.如权利要求1所述的肝癌肝移植术后肺转移预测模型的构建方法，其特征在于，所述TNFR2表达评分为细胞染色强度评分与阳性细胞百分比评分的乘积，采用半定量评分系统对肿瘤组织中TNFR2的免疫组织化学染色进行细胞染色强度评分和阳性细胞百分比评分。
3.如权利要求1所述的肝癌肝移植术后肺转移预测模型的构建方法，其特征在于，所述多因素回归模型采用多变量Cox回归模型。
4.如权利要求1所述的肝癌肝移植术后肺转移预测模型的构建方法，其特征在于，还包括利用一致性指数和时间依赖性受试者工作特征曲线下面积评价模型的预测能力，一致性指数和时间依赖性受试者工作特征曲线下面积值为0.7～1.0。
5.一种由权利要求1-4任一项所述构建方法建立的肝癌肝移植术后肺转移预测模型。
6.如权利要求5所述的肝癌肝移植术后肺转移预测模型，其特征在于，所述预测模型的公式为：肺转移风险评分＝1.293×杭州标准+1.202×乙肝表面抗原-0.028×年龄+0.136×TNFR2表达评分；其中杭州标准的取值规则为：肝癌肝移植受者满足杭州标准时取值0，不符合杭州标准的取值1；乙肝表面抗原的取值规则为：肝癌肝移植受者术前乙肝表面抗原阴性取值0，阳性取值1。
7.如权利要求6所述的肝癌肝移植术后肺转移预测模型，其特征在于，根据约登指数计算出的风险评分分界点为1.383。
8.一种用于预测肝癌肝移植术后发生肺转移的系统/装置，其特征在于，包括：
输入模块，用于输入受试患者的信息，包括：年龄、乙肝表面抗原、术前血清甲胎蛋白水平、肿瘤大小、肿瘤分化级别、TNFR2表达评分；
处理模块，包括计算机可读的存储介质，存储有如权利要求5-7任一项所述的肝癌肝移植术后肺转移预测模型，用于执行接收输入模块传输的数据，并输入预测模型中，得出相应的预测结果。
CN202310046481.9A 2023-01-31 2023-01-31 一种肝癌肝移植术后肺转移预测模型及其构建方法 Pending CN116313107A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310046481.9A CN116313107A (zh) 2023-01-31 2023-01-31 一种肝癌肝移植术后肺转移预测模型及其构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310046481.9A CN116313107A (zh) 2023-01-31 2023-01-31 一种肝癌肝移植术后肺转移预测模型及其构建方法

Publications (1)

Publication Number Publication Date
CN116313107A true CN116313107A (zh) 2023-06-23

Family

ID=86819384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310046481.9A Pending CN116313107A (zh) 2023-01-31 2023-01-31 一种肝癌肝移植术后肺转移预测模型及其构建方法

Country Status (1)

Country Link
CN (1) CN116313107A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116930498A (zh) * 2023-08-29 2023-10-24 中国人民解放军军事科学院军事医学研究院 一种原发性肝细胞癌切除术后复发风险预测试剂盒及其应用
CN117373545A (zh) * 2023-12-07 2024-01-09 广州金墁利医药科技有限公司 肠癌放化疗预测评分模型、应用、系统及其构建方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116930498A (zh) * 2023-08-29 2023-10-24 中国人民解放军军事科学院军事医学研究院 一种原发性肝细胞癌切除术后复发风险预测试剂盒及其应用
CN116930498B (zh) * 2023-08-29 2023-12-12 中国人民解放军军事科学院军事医学研究院 一种原发性肝细胞癌切除术后复发风险预测试剂盒及其应用
CN117373545A (zh) * 2023-12-07 2024-01-09 广州金墁利医药科技有限公司 肠癌放化疗预测评分模型、应用、系统及其构建方法
CN117373545B (zh) * 2023-12-07 2024-05-10 广州金墁利医药科技有限公司 肠癌放化疗预测评分的系统及模型的应用和构建方法

Similar Documents

Publication Publication Date Title
Hu et al. Prognostic value of preoperative NLR, dNLR, PLR and CRP in surgical renal cell carcinoma patients
CN112011616B (zh) 预测肝细胞癌肿瘤免疫浸润和术后生存时间的免疫基因预后模型
Mbeutcha et al. Prognostic significance of markers of systemic inflammatory response in patients with non–muscle-invasive bladder cancer
Crocetto et al. Liquid biopsy in bladder cancer: State of the art and future perspectives
CN116313107A (zh) 一种肝癌肝移植术后肺转移预测模型及其构建方法
Li et al. The prognostic value of peritumoral regulatory T cells and its correlation with intratumoral cyclooxygenase‐2 expression in clear cell renal cell carcinoma
Scelo et al. KIM-1 as a blood-based marker for early detection of kidney cancer: a prospective nested case–control study
Zhang et al. Solid organ transplant-associated acute graft-versus-host disease
Espinoza et al. Cytokine profiling of tumor interstitial fluid of the breast and its relationship with lymphocyte infiltration and clinicopathological characteristics
Lu et al. Nomogram based on systemic immune-inflammation index to predict survival of tongue cancer patients who underwent cervical dissection
Song et al. Macrophages on the peritoneum are involved in gastric cancer peritoneal metastasis
Ye et al. Circulating tumor cells as a potential biomarker for postoperative clinical outcome in HBV-related hepatocellular carcinoma
Kozminsky et al. Detection of CTC clusters and a dedifferentiated RNA‐expression survival signature in prostate cancer
Cao et al. DNA topoisomerase IIα and Ki67 are prognostic factors in patients with hepatocellular carcinoma
WO2013066369A2 (en) Methods for detecting graft-versus-host disease
Liu et al. Ki-67 labeling index may be a promising indicator to identify “very high-risk” gastrointestinal stromal tumor: a multicenter retrospective study of 1022 patients
Gudbrandsdottir et al. Serum levels of the IL-6 family of cytokines predict prognosis in renal cell carcinoma (RCC)
Chan et al. Steatotic hepatocellular carcinoma: a variant associated with metabolic factors and late tumour relapse
Jin et al. A novel panel of biomarkers in distinction of small well-differentiated HCC from dysplastic nodules and outcome values
Kunju et al. Utility of cytokeratin 20 and Ki‐67 as markers of urothelial dysplasia
Wang et al. Assessment of immune status of laryngeal squamous cell carcinoma can predict prognosis and guide treatment
Hu et al. IL36 indicating good prognosis in human Hepatocellular Carcinoma
Tsai et al. Lymphoepithelioma-like intrahepatic cholangiocarcinoma is a distinct entity with frequent pTERT/TP53 mutations and comprises 2 subgroups based on Epstein-Barr virus infection
CN103592444A (zh) 一种检测乳腺癌中cyclin G1蛋白表达并进行预后评估的方法
Vardy et al. Prognostic indices of inflammatory markers, cognitive function and fatigue for survival in patients with localised colorectal cancer

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