Abstrakt
Baggrund
Advanced-trins æggestokkene kræftpatienter generelt behandlet med platin /taxan kemoterapi efter primær debulking kirurgi. Men der er en bred vifte af resultater for de enkelte patienter. Derfor er de klinisk-patologiske faktorer alene utilstrækkelige til at forudsige prognose. Vores mål er at identificere en progressionsfri overlevelse (PFS) relaterede molekylære profil til at forudsige overlevelse af patienter med fremskreden fase serøs kræft i æggestokkene.
Metode /vigtigste resultater
Avanceret-stadie serøs kræft i æggestokkene væv fra 110 japanske patienter, som gennemgik primær kirurgi og platin /taxan kemoterapi blev profileret ved hjælp af oligonukleotid mikroanalyse. Vi valgte 88 PFS-relaterede gener ved en univariate Cox model (
s
0,01) og genererede den prognostiske indeks baseret på 88 PFS-relaterede gener efter justering af regressionskoefficienter af de respektive gener ved ridge regression Cox model anvendelse af 10-fold krydsvalidering. Den prognostiske indeks blev uafhængigt associeret med PFS tid i forhold til andre kliniske faktorer i multivariat analyse [hazard ratio (HR), 3,72; 95% konfidensinterval (CI), 2,66-5,43;
s
0,0001]. I en ekstern datasæt, multivariat analyse afslørede, at denne prognostiske indeks var signifikant korreleret med PFS tid (HR, 1,54; 95% CI, 1,20-1,98;
s
= 0,0008). Endvidere blev sammenhængen mellem den prognostiske indeks og den samlede overlevelsestid bekræftet i de to uafhængige eksterne datasæt (log rank test,
s
= 0,0010 og 0,0008).
Konklusioner /Betydning
prognostiske evne vores indeks baseret på 88-genekspressionsprofilen i ridge regression Cox hazard model blev vist at være uafhængig af andre kliniske faktorer forudsige kræftprognose tværs af to særskilte datasæt. Yderligere undersøgelse vil være nødvendigt at forbedre prædiktiv nøjagtigheden af prognostiske indeks mod klinisk anvendelse til vurdering af risikoen for tilbagefald hos patienter med fremskreden fase serøs æggestokkræft
Henvisning:. Yoshihara K, Tajima A, Yahata T, Kodama S, Fujiwara H, Suzuki M, et al. (2010) Gene Expression profil for Forudsigelse Overlevelse i Advanced-Stage serøs kræft i æggestokkene på tværs af to uafhængige datasæt. PLoS ONE 5 (3): e9615. doi: 10,1371 /journal.pone.0009615
Redaktør: Zoltán Bochdanovits, VU University Medical Center og Center for Neurogenomics og kognitiv forskning, Holland
Modtaget: November 3, 2009; Accepteret: 16 Feb 2010; Udgivet: 12 marts 2010
Copyright: © 2010 Yoshihara et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres
Finansiering:. Dette arbejde blev delvist understøttet af en Grant-in-Støtte til tredje sigt Cancer Kontrol strategi Program fra Sundhedsministeriet, Labor og Velfærd, Japan (KT), og 2009 Forskning og Undersøgelse Program for Tokai University Educational System General Research Organization ( PÅ). De finansieringskilder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet
Konkurrerende interesser:.. Forfatterne har erklæret, at der ikke findes konkurrerende interesser
Introduktion
Patienter med fremskreden fase æggestokkræft generelt undergår primær debulking kirurgi efterfulgt af platin /taxan kemoterapi. Selv postoperativ indførelse af taxan stof har forbedret 5-årige overlevelsesrate for fremskreden fase æggestokkræft, patienter med denne kræft har en 5-års overlevelse på kun 30% [1] – [3]. Klinisk-patologisk egenskaber, såsom debulking status efter primær kirurgi, klinisk betragtes vigtige indikatorer for prognosen [4], [5]. Imidlertid tilbagefald efter optimal debulking kirurgi forekommer hos nogle patienter, mens status som sygdomsfri efter ufuldstændig kirurgi opretholdes i andre. Faktisk er det blevet rapporteret, at 34% af patienterne behandlet med optimal kirurgi og platin-taxan kombinationskemoterapi for avanceret fase æggestokkræft gentage sig inden for 12 måneder [4]. Derfor er disse klinisk-patologiske faktorer alene utilstrækkelige til at forudsige prognose og belyse de patologiske mekanismer i sygdomsprogression eller fornyet. Molekylærbiologiske metoder kan anvendes til at identificere nye prognose-relaterede profiler, der fører til belysning af patologiske emner af fremskredent serøs ovariecancer.
Microarray teknologi har meget hurtigt udviklet, og det er blevet forholdsvis let at analysere ekspressionsniveauer af tusinder af gener i cancerceller. Selv om mange undersøgelser har rapporteret sammenslutninger af genekspressionsprofiler med prognoser i kræftpatienter [6] – [10], et begrænset antal af sådanne profiler anvendes i kliniske omgivelser. Microarray teknologi er klinisk anvendes til at forudsige prognosen i brystkræftpatienter. MammaPrint ™ (Agendia BV, Amsterdam, Holland) er blevet allerede sat i praktisk anvendelse til formålet. I mellemtiden er der ingen microarray kits til klinisk diagnose og behandling af patienter med kræft i æggestokkene endnu.
Tre undersøgelser har for nylig rapporteret genekspressionsprofiler der forudsiger samlet overlevelse (OS) i æggestokkene kræftpatienter bruger microarray-teknikker [11] – [13]. Disse undersøgelser bruger en relativ stor stikprøve (n 80) for at etablere en overlevelse-relateret profil i en opdagelse fase af forsøget og en ekstern uafhængig datasæt som validering sat til at løse det problem, at antallet af de genomiske variabler undersøges, er meget større end individer. Således har forskning på de overordnede overlevelse-relaterede profiler i æggestokkene kræftpatienter skred, mens der ikke er nogen omfattende undersøgelser baseret på multicenter validering af genekspression profiler til forudsigelse af sygdomsprogression eller tilbagefald hos patienter med kræft i æggestokkene [14] – [15] . Forudsigelse af risikoen for tilbagefald hos patienter med fremskreden fase æggestokkræft der modtager standardbehandlinger (primær kirurgi + platin /taxan kemoterapi) er mere vigtigt med hensyn til optimering af den kliniske forvaltning [16].
Vi har nylig rapporteret, at der er høje ligheder i genekspression mellem tidlige fase og en delmængde af avanceret-trins serøse æggestokkene kræftpatienter, der har gunstige prognoser, og to molekylære undergrupper blandt patienter med fremskreden fase serøs æggestokkræft efter genekspression profiler afspejler tumor progression og prognose [17]. I denne undersøgelse har vi fokuseret på progressionsfri overlevelse (PFS) tid i et større antal patienter kun med fremskreden fase serøs ovariecancer behandlet med platin /taxan kemoterapi, og forsøgte at identificere PFS-relateret genekspression profil ved hjælp af en ny overlevelse analysemetode: ridge regression Cox model [18]. Vi vurderede derefter sammenhængen mellem vores PFS-relaterede gener udtryk profil og overlevelsestid i en ekstern, uafhængig datasæt af avancerede fase serøs kræft i æggestokkene.
Resultater
kliniske karakteristika
de kliniske karakteristika for 110 japanske patienter med fremskreden fase serøs kræft i æggestokkene er sammenfattet i tabel 1. i opdagelsen sæt, blev 93 patienter (84,5%) diagnosticeret som International Federation of Gynækologi og obstetrik (FIGO) fase III, og 17 patienter (15,5%) som FIGO trin IV [19]. Alle patienter fik platin /taxan kemoterapi efter primær kirurgi. De mediane progressionsfri og samlede overlevelsestid var 17 og 31 måneder.
På den anden side, vi brugte en del af offentligt tilgængelige microarray data (GSE9891) som en ekstern uafhængig datasæt (se Materialer og metoder) [20]. De kliniske karakteristika for 87 patienter med fremskreden fase serøs ovariecancer i det eksterne datasæt er anført i tabel S1 [20]. Kaplan-Meier overlevelsesanalyse viste, at der var ingen signifikante forskelle i PFS og OS tid mellem patienter i opdagelsen datasæt og de eksterne datasæt (Figur S1). Når vi sammenlignet klinisk-patologiske egenskaber mellem opdagelsen sæt og den eksterne datasæt, der var signifikante forskelle i frekvenser af scenen (tabel S1). Fordi klassificering system, der blev vedtaget i den eksterne datasæt var forskellig fra den i opdagelsen sæt [21] – [23], kunne vi ikke gøre en simpel sammenligning af ondartet kvalitet mellem de to datasæt. Derefter undersøgte vi sammenhængen mellem klinisk-patologiske funktioner og PFS tid hos patienter med fremskreden fase serøs ovariecancer af hvert datasæt. Multivariat analyse viste, at kun optimal kirurgi var en uafhængig prognostisk faktor for PFS i opdagelsen datasæt (tabel S2), og at der var marginalt signifikant korrelation mellem debulking status af primær kirurgi og PFS tid i den eksterne datasæt (tabel S2). Derfor vi planlagt første til at udvikle en prognostisk indeks baseret på PFS-beslægtede gener i opdagelsen datasæt, sekundært at vurdere den prognostiske evne vores indeks i den eksterne datasæt ved hjælp multivariat analyse, og derefter for det tredje at vurdere prædiktiv ydeevne prognostisk indeks igen efter lagdeling af patienter i henhold til den debulking status af primær kirurgi.
Identifikation af PFS-Relaterede Profil
Brug Agilent Whole human Genome Oligo microarray, genereret vi genekspression data for 110 avanceret fase serøse æggestokkene kræftpatienter. Så dette datasæt blev anvendt som en opdagelse sæt til identifikation af PFS-relateret profil hos patienter med fremskreden fase serøs ovariecancer. For yderligere at evaluere PFS-relaterede profil, vi udarbejdet en del af GSE9891 datasæt som en ekstern uafhængig datasæt ved hjælp af Affymetrix Human Genome U133 Plus 2.0 Array (Se materialer og metoder) [20]. At beskæftige sig med cross-platform microarray data korrekt, vi analyserede kun fælles gener (28304 sonder i Agilent platform, 38497 sonder i Affymetrix platform) mellem de to platforme i denne undersøgelse. Af 28304 Agilent sonder, 18178 sonder med ekspressionsniveauerne markeret som “Present” i alle de 110 microarray data fra opdagelsen sæt blev yderligere ekstraheret at fjerne manglende og usikre signaler på genekspression, og derefter de data, var pr-gen normaliseret i hver datasæt ved at transformere ekspression af hvert gen til et gennemsnit på 0 og standardafvigelse på 1 (figur S2).
en univariate Cox proportional hazard model viste, at ekspressionsniveauer af 97 prober (repræsenterende 88 redundante gener) blev korreleret med PFS tid (
s
0,01). I tilfælde af flere-mærkede 8 gener (repræsenteret ved 17 sonder), valgte vi 8 prober (én probe pr gen) med den største sum af kvadrater af individuelle udtryk værdier for de respektive gener som repræsentanter [24]. I alt 88 gener (repræsenteret ved 88 unikke sonder) blev dermed identificeret som PFS-relaterede profil. Endvidere har vi anvendt højderyggen regressionsmodel at estimere optimale regressionskoefficienter (
β
) i 88 gener af PFS-relateret profil (tabel 2), og beregnede den prognostiske indeks for hver prøve ved hjælp af ligning (1) som tidligere rapporteret [18]. De 88-gen prognostiske indeks opnåede var i intervallet -5,09 til 4,14 (median, 0,11), og den frekvensfordelingen af indeksene blandt 110 patienter var unimodal.
For at vurdere den prognostiske indeks som en kategorisk variabel, vi har forsøgt at opdele dette datasæt i to grupper baseret på median prognostisk indeks på 0,11 [9]. Patienterne blev tildelt til “høj-risiko” gruppe, hvis deres prognostiske indeks var større end eller lig med medianværdien, mens “lav-risiko” gruppe var sammensat af tilfælde med de prognostiske indeks, der var mindre end medianen. Som vist i figur 1A, patienter med høj risiko prognostiske indeks havde kortere median PFS gange end dem, der tilhører lav risikogruppe (median PFS, 12 måneder vs 51 måneder log rank test,
s
0,0001)
Højrisiko-patienter havde signifikant korte progressionsfri overlevelsesrater gange sammenlignet med patienter med lav risiko (A) i opdagelsen sæt (log rank test,
s
. 0,0001) og (B) i den ydre sæt (log rank test,
s
= 0,0004). Ligeledes højrisiko patienter havde signifikant kortere samlet overlevelsestid sammenlignet med patienter med lav risiko (C) i opdagelsen sæt (log rank test,
s
0,0001) og (D) i det eksterne sæt ( log rank test,
s
= 0,0010).
Vi derefter udførte univariate og multivariate Cox proportional hazard analyser at bevise, at 88-genet prognostisk indeks var en uafhængig prognostisk faktor (tabel 3). En univariate Cox ‘proportionale hazard analyse viste, at den prognostiske indeks, scene, optimal kirurgi, og histologiske grad blev korreleret med PFS (
s
0,0001,
s
= 0,022,
s
0,0001 og
s
= 0,016, henholdsvis). Desuden viste en multivariat analyse, at den prognostiske indeks var mest signifikant associeret med PFS tid [hazard ratio (HR), 3,80; 95% konfidensinterval (CI), 2,68-5,61;
s
. 0,0001]
Validering af Quantitative Real-Time RT-PCR
For at validere microarray udtryk data, vi udførte kvantitativ real-time RT -PCR for en delmængde af opdagelsen datasæt (53 prøver). De fire gener,
E2F2
,
FOXJ1
,
DNAH7
, og
FILIP1
, blev udvalgt tilfældigt til dette formål. Der var signifikante korrelationer mellem microarray udtryk data og real-time RT-PCR udtryk data (figur 2). På trods af den mindre stikprøve, bekræftede vi en signifikant sammenhæng mellem PFS tid og hver af de real-time RT-PCR data for de fire gener i univariate Cox hazard model (data ikke vist).
Der var signifikante korrelationer mellem microarray udtryk og real-time RT-PCR-ekspression i (A)
E2F2
, (B)
DNAH7
, (C)
FOXJ1
, og ( D)
FILIP1
.
Appling PFS-Relateret profil til eksterne Datasæt
Vi oversatte de 88 prognostiske gener med Agilent Probe id’er til Affymetrix 196 sonder ved hjælp af en oversættelse funktion i GeneSpring GX 10 og evaluerede foreliggende PFS-relateret profil i den eksterne datasæt (fig S2). Vi beregnede prognostisk indeks for hver prøve i den eksterne datasæt ved den vægtede sum af udtrykket værdier på 88 PFS-beslægtede gener ifølge ligningen (1), hvori højderyg regressionskoefficienter (
β
) identificerede i opdagelsen sæt blev anvendt som vægte for de respektive gener (se Materialer og fremgangsmåder). Vi opnåede prognostiske indeks spænder fra -5,37 til 4,56 i den eksterne datasæt. Hyppigheden fordeling af de prognostiske indeks var ikke statistisk forskellig fra den i opdagelsen fastsat af Kolmogorov Smirnov test (
s
0,05).
Når vi delte den eksterne datasæt i to undergrupper af medianen prognostiske indeks (0,11) i opdagelsen sæt blev der observeret en signifikant sammenhæng mellem klassificering risiko og PFS (log rank test,
s
= 0,0004) (Figur 1B). I univariat analyse af de eksterne data, er den anslåede prognose indekset og optimal kirurgi korreleret med PFS tid (
s
= 0,0001 og 0,049 henholdsvis) (tabel 3). Multivariat analyse viste, at prognostisk indeks var en uafhængig prognostisk faktor for PFS tid (HR, 1,64; 95% CI, 1,27-2,13,
s
= 0,0001).
Vurdering af vores Prognostisk Index
for at vurdere følsomheden og specificiteten af vores prognostisk indeks, vi brugte ROC kurver for indekset. Et område under ROC-kurve på 0,5 (angivet med diagonale stiplede linjer i figur S3) repræsenterer ligestilling mellem sande positive og falsk positive testresultater. I hvilket omfang ROC-kurven afviger fra den diagonale linje til venstre og øverst akser er et mål for effektiviteten af 88-genet prognostisk indeks i forudsigelsen af kliniske resultat. Arealet under ROC-kurver til at skelne tidlig relaps patienter med mindre end 18 måneder PFS gange fra sent-tilbagefald patienter var 0,959 og 0,674 i opdagelsen indstillet og den eksterne datasæt, (figur S3). Når vi brugte medianværdi af prognostisk indeks i opdagelsen indstillet som cut-off, følsomhed og specificitet var 88,9% og 85,7% i discovery datasæt og 64,4% og 69,2% i den eksterne datasæt.
Vi udførte overlevelse analyse efter stratificering af patienter i henhold til status for debulking kirurgi, som var en uafhængig prognostisk faktor i multivariat analyse af opdagelsen datasæt (tabel 3). Vi delte patienterne i to grupper ( “optimale gruppe” og “suboptimal gruppe”) i hver af de forsknings- og eksterne datasæt, og tildeles hver patient til “høj risiko” eller “lav-risiko” baseret på medianværdien af den nuværende prognostisk indeks i hvert stratum ifølge debulking status. Kaplan-Meier overlevelse analyse viste, at højrisiko-patienter havde signifikant kortere PFS tid end patienter med lav risiko i hver af de fire lag fra de to datasæt (figur 3) som følger: optimal gruppe (
s
0,0001) og suboptimal gruppe (
s
0,0001) i vores datasæt; optimal gruppe (
s
= 0,0034) og suboptimal gruppe (
s
= 0,015) i den eksterne datasæt. Denne stratificeret analyse viste også, at den prognostiske indeks var forbundet med PFS tid uafhængigt af debulking status.
Højrisiko-patienter var signifikant korte progressionsfri overlevelsesrater gange i forhold til patienter med lav risiko (A) i optimal ( log rank test,
s
0,0001) og (B) suboptimal gruppe opdagelse datasæt (log rank test,
s
0,0001). Ligeledes højrisiko patienter havde signifikant kortere samlet overlevelsestid sammenlignet med patienter med lav risiko (C) i optimal (log rank test,
s
= 0,0034) og (D) suboptimal gruppe af eksterne datasæt (log rank test,
s
= 0,015).
Sammenhæng mellem denne Prognostisk Index og samlet overlevelse
Samlet overlevelse er en anden vigtig endpoint hos patienter med forud-scene i æggestokkene cancere, og dermed vi undersøgt, om den foreliggende 88-genet prognostisk indeks kunne udvides til at anvende til forudsigelse af samlet overlevelse af patienter. For at evaluere sammenhængen mellem dette prognostisk indeks og samlet overlevelse tid, vi udførte Kaplan-Meier overlevelse kurve analyse. Patienter med høj risiko prognostiske indeks havde kortere samlet overlevelsestid end patienter med lav risiko i de to datasæt (log rank test,
s
0,0001 og
s
= 0,0010, henholdsvis) (Figur 1C, D). Endvidere blev den prognostiske indeks signifikant associeret med den samlede overlevelsestid i både opdagelsen indstillet og den eksterne datasæt i multivariat analyse (tabel 4).
Derudover undersøgte vi prædiktive evne vores prognostisk indeks i offentligt tilgængelige Dressman s datasæt [25], hvor patienterne var længere fulgt op (median samlet overlevelse, 31 måneder, interval, 1-185 måneder). Dressman s datasæt [25] var sammensat af 119 avanceret-trins serøse æggestokkene kræftpatienter behandlet med platinbaseret kemoterapi (herunder ikke-taxan kemoterapi). Fordi deres data blev frembragt ved en anden platform med de foregående to datasæt blev 75% af 88 PFS-beslægtede gener oversat for overlevelse forudsigelse i dette datasæt. Når vi delte Dressman s datasæt [25] i to undergrupper af medianen prognostisk indeks i opdagelse datasæt blev der observeret en signifikant sammenhæng mellem klassificering risiko og samlet overlevelse (log rank test,
s
= 0,0008) (Figur S4) . Dens prognostisk indeks var signifikant korreleret med den samlede overlevelsestid i multivariat analyse (HR, 1,51; 95% CI, 1,19-1,93,
s
= 0,0008).
Karakterisering af PFS-Related profil
Vi har udført GO analyse for at forstå de biologiske karakteristika af 88 PFS-relaterede gener. For at karakterisere genet liste baseret på GO klassifikation på “biologisk proces ‘,’ molekylære funktion”, og “cellulære komponent«, undersøgte vi, hvilke kategorier blev stærkt forbundet med de 88 gener. Efter flere test korrektioner ved hjælp af FDR-metoden [26], blev der 8 kategorier signifikant overrepræsenteret (FDR
q
-værdi 0,10) (Figur 4). I de 88 PFS-beslægtede gener, gener involveret i GTPase-binding (GO17016, GO31267 og GO51020), cellulære lokalisering (GO51649 og GO51641), intracellulær transport (GO46907 og GO6886), og /eller ciliære eller flagellært motilitet (GO1539) blev især beriget . Vi undersøgte ligheder i overrepræsenterede GO kategorier mellem vores 88 PFS-relaterede gener og de tidligere rapporterede genekspressionsprofiler som blev korreleret til prognosen i ovariecancer [11], [13]. Men vi kunne ikke identificere fælles GO kategorier mellem vores profil og tidligere rapporterede profiler (data ikke vist).
betydeligt i underrepræsenteret 8 gen ontologi (GO) kategorier i GO-baserede profilering af 88 gener efter flere test korrektion af Benjamini-Hochberg falsk opdagelse sats metode (FDR
q
-værdi 0,10). Overrepræsenteret GO kategorier blev identificeret ved hjælp af alle gener på Agilent platform som baggrund sæt gener for den besluttende
s
-værdier. Det faktiske antal af PFS-relaterede gener involveret i hver kategori er angivet i parentes.
Vi anvendes yderligere IPA software til at analysere 88 PFS-beslægtede gener fra et synspunkt om molekylær interaktion eller sti. Top tre betydende netværk (score 25) er vist i figur S5-7. Netværket 1 omfattede 15 af de 88 prognostiske gener, og var signifikant associeret med IPA-definerede flere netværk: celledød, neurologiske sygdomme og cellulære samling og organisation (figur S5). Fjorten prognostiske gener blev der indgår i nettet 2, som blev defineret som netværk tilknyttet til kræft, cellemorfologi, og nyre- og urologisk sygdom (Figur S6). Netværket 3 viste signifikante interaktioner og sammenhængen mellem gener involveret i celle-til-cellesignalering og interaktion, hæmatologiske system, udvikling og funktion, og immun celle trafficking (fig S7). I de 88 gener, fandt vi flere gener interagerer med
SRC
eller
MYC
(figur S6), som hver blev rapporteret som en repræsentativ gen i onkogene veje for ovariecancer [25], [27].
diskussion
i denne undersøgelse identificerede vi den prognostiske indeks til at forudsige PFS tid hos patienter med fremskreden fase serøs æggestokkræft behandlet med platin /taxan adjuverende kemoterapi tværs to typer af microarray udtryk data fra den nuværende opdagelse sæt og offentligt tilgængelig ekstern sæt ved hjælp højderyggen regression Cox model. Den signifikant korrelation mellem vores prognostisk indeks og OS tid blev også angivet i de to uafhængige datasæt.
ekspression microarray analyse, er der en såkaldt “forbandelse dimensionalitet” problem, at antallet af gener er meget større end antallet af prøver. For at forbedre pålideligheden af en genekspression-baserede prognostisk model, er det nødvendigt at undgå overfitting til datasættet, og bekræfte reproducerbarheden af den prædiktive evne i eksterne uafhængige datasæt [28]. Indtil nu er der blevet foreslået flere bioinformatik tilgange til at etablere en model for overlevelse forudsigelse ved hjælp microarray data [18], [29]. Bøvelstad
et al
. [18] for nylig undersøgt forudsigelse udførelsen af de følgende syv metoder: univariat udvælgelse, frem trinvis udvælgelse, principal komponenter regression, overvåget vigtigste komponenter regression, partiel mindste kvadraters regression, ridge regression og lasso ved hjælp af tre microarray datasæt [hollandsk brystkræft data ( n = 295), diffust storcellet B-celle lymfom data (n = 240), og Norge /Stanford brystkræft data (n = 115)] [7], [30] – [32]. De konkluderede, at univariate Cox modellen alene var tilstrækkelig til at forudsige overlevelse og at højderyggen regression Cox model viste den bedste ydeevne i tre datasæt. Derfor brugte vi univariate Cox model kun for udvælgelse gener relateret til PFS tid, og justeret regressionskoefficienterne af højderyggen regression Cox model for at øge den prædiktive ydeevne prognostisk indeks i vores datasæt.
Den nuværende undersøgelsen skal identificere genekspressionsprofil med en overlegen evne til at forudsige prognose end andre klinisk-patologiske faktorer. Den lagdeling af patienter med kræft i æggestokkene efter klinisk-patologiske prognostiske faktorer er en af vigtige analysemetoder til identifikation af meget præcise prognostisk indeks [11]. Efter vi stratificeret patienter i henhold til klasse, FIGO stadie, og status for debulking kirurgi, vi undersøgte genekspression profil til at forudsige PFS tid i fase III klasse 2/3 serøse æggestokkene kræftpatienter fik optimal kirurgi eller suboptimal kirurgi. Men vi kunne finde dårligere prædiktiv udførelsen af prognostiske indeks fra stratificerede analyser end fra den ikke-stratificerede analyse (tabel S3). Udover reduktion af stikprøvestørrelsen i opdagelsen og eksterne datasæt efter lagdeling, kan en række i kliniske funktioner og klassificering systemer mellem de to datasæt (tabel S1) påvirke resultaterne fra disse stratificerede analyser. Dette er hovedårsagen til, at vi planlagt at identificere prognostisk indeks baseret på PFS-relaterede gener i 110 avanceret-trins serøse æggestokkene kræftformer og derefter vurdere betydningen af den prognostiske indeks hjælp multivariat analyse, herunder kvalitet, scene, og status for debulking kirurgi.
Selvom vi indskrevet æggestokkene kræftpatienter screenet grundigt af følgende tre kategorier: avanceret-trins, histologisk serøs-type, og platin /taxan-baserede kemoterapi efter primær kirurgi, vi etableret nogen inklusion eller eksklusion kriteriet om histologisk kvalitet for indskrivning samt Crijns og kolleger gjorde [12]. Dette skyldes, at et standardsystem til sortering ovariecarcinomer er stadig under konstruktion i verden, selv om der er foreslået flere klassificeringssystemer for epitelial ovariecancer [21] – [23], [33], [34]. Ifølge de tre ovennævnte kriterier, vi rekrutterede 110 japanske æggestokkene kræftpatienter som en opdagelse sæt for PFS-analyse. Den prognostiske indeks for hver patient blev simpelthen beregnet af højderyggen-regression-vægtet sum af 88-genekspression værdier, og prognostiske magt vores indeks blev vurderet ved hjælp Tothill s datasæt [20]. Endvidere efterfølgende stratificeret analyse ifølge debulking status, hvilket var en uafhængig prognostisk faktor i multivariat analyse af opdagelsen datasæt, indikerede, at vores prognostiske indeks var associeret med PFS tid uafhængigt af debulking status. Men følsomheden og specificiteten af den prognostiske indeks til at skelne mellem efterløns- og sene-relaps patienter var lavere i Tothill s datasæt end i opdagelsen sæt. Dette kan skyldes forskellige baggrunde i henseender af etnicitet eller microarray platform. Selv om forskellene i genekspression af cancervæv blandt etniske grupper ikke er blevet rapporteret tidligere, flere undersøgelser viser, at andelene af klare celle og endometrioide histologiske typer i epitelovariecancer i asiatiske befolkning er højere end i ikke-asiatiske populationer [35], [36]. Seneste genom-dækkende forening undersøgelse har identificeret en enkelt nukleotid polymorfisme ved 9p22 forbundet med kræft i æggestokkene risiko hos forsøgspersoner med europæisk afstamning, men ikke i ikke-europæiske efterkommere [37]. Denne type af forskelle mellem undersøgelser kunne også tilskrives genetiske og miljømæssige faktorer. Desuden kan vi ikke udelukke, at de nuværende PFS-associerede klassificører med ridge-regression-baserede vægte har stadig utilstrækkelige generalisering ejendomme på den eksterne datasæt på grund af problemet med overfitting. Derfor vil vi genoverveje disse vigtige emner som mellem-studie forskelle i etniske grupper og microarray platforme og den overfitting problem ved hjælp af et større antal microarray data fra avanceret-trins serøse æggestokkene kræftpatienter med henblik på at opnå bedre klassificører til forudsigelse af prognose. Og for at forbedre nøjagtigheden af prognostisk indeks, udvikling af prognostiske indeks efter lagdeling af patienterne vil være en forskningsdagsorden for yderligere undersøgelse.
Interessant, den nuværende 88-gen prognostisk indeks for forudsigelse af PFS tid var også signifikant forbindelse med den samlede overlevelsestid i både vores datasæt og Tothill s datasæt [20]. Desuden har vi undersøgt den prædiktive evne vores prognostisk indeks i Dressman s datasæt [25], da patienter i deres datasæt modtaget langsigtet opfølgning end i de to ovenstående datasæt. Selvom Dressman s datasæt (n = 119) [25] omfattede 34 patienter behandlet med platin /cyclophospamide kemoterapi og 3 med single-agent platin, blev betydningen af denne prognostisk indeks for den samlede overlevelse stadig statistisk understøttet i længere følges op datasæt. Som behandlinger for tilbagevendende æggestokkene kræftpatienter forbliver et åbent område på undersøgelse har til formål at føre til overlevelse fordel [38], vores prognostisk indeks for patient med fremskreden fase serøs kræft i æggestokkene viser et potentiale for at forudsige ikke kun PFS tid, men også den samlede overlevelsestid. I fremtiden kan vi anvende de prognostiske indeks til vurdering af risikoen for recidiv for serøse kræftpatienter i æggestokkene og vælg en ny behandling, såsom dosis-tætte kemoterapi [39] eller molekylær målrettet agent med henblik på at forbedre prognosen for høj risiko patienter
der er lille antal gener overlappede mellem vores 88 PFS-relaterede profil og tidligere rapporterede udtryk-profiler, der var relateret til prognose eller følsomhed platin /taxan kemoterapi [11] -. [15], [40], [41]. Konstantinopoulos
et al
. [6] har diskuteret, at disse uoverensstemmelser kan være relateret til brugen af forskellige microarray platforme med forskellige normalisering metoder og forskellig grad af forurening med noncancerous celler i en tumor prøve, samt forskelle i de patientgrupper, der undersøges. Ikke desto mindre er flere overlevelse-associerede gener såsom
E2F2
HLA-DMB
[42], [43] er inkluderet i 88 PFS-relaterede gener. Reimer
et al
. [42] har rapporteret, at
E2F2
er forbundet med grad 3 ovarie tumorer og residual sygdom (mere end 2 cm i diameter) efter indledende operation, og at lav
E2F2
udtryk er signifikant associeret med gunstige sygdomsfri og samlet overlevelse i epitelial ovariecancer. Callahan
et al
.
Leave a Reply
Du skal være logget ind for at skrive en kommentar.