胃癌标志物应用于辅助预后诊疗的研究

胃癌标志物应用于辅助预后诊疗的研究

李嘉杰,刘真诚,赵新庆,王丽娜

山东协和学院   山东  济南 250109

摘要：为了研究胃癌标志物应用于胃癌的辅助预后诊疗，基因组图谱分析可以提供预后和预测信息，以指导临床护理。通过相关的算法分析，我们发现相关胃癌标志物可以对目前辅助治疗的标准药物5氟尿嘧啶与铂治疗进行预后。总之，我们这类胃癌标志物是一个很有前途的预后与预测性生物标志物指导临床护理。

关键词：胃癌标志物因素分析风险评估模型构建

引言：胃癌是消化系统的常见恶性肿瘤，因其对人类危害极大，发病率与死亡率多年来居高不下，故引起广大科研人员以及各级政府的重视。在胃癌的多学科攻关团队中，病理学担负着对胃癌组织进行准确的病理分型。对肿瘤标志物或药物治疗靶点进行组织表达的验证等职责。

在过去几年里，使用高通量技术的研究突出表明，癌症的发展和进展取决于躯体变化。这些体细胞改变可能会破坏基因功能，例如激活癌基因或失活肿瘤抑制基因，从而失调导致肿瘤发生的关键途径。因此，准确识别和理解中断的途径可以为治疗策略和新制剂的开发提供见解。在特定癌症以及许多癌症类型中，新的候选癌症基因在高频和中频发生突变。然而，将肿瘤中的体细胞突变转化为临床使用的通路模型仍然是一个挑战。最近，为了提高体细胞突变分析的临床相关性和实用性，Hopfreeet al.（2013年）提议将躯体突变数据与分子相互作用网络相结合，以进行患者分层。他们表明，将先验知识纳入分子相互作用网络，可以改善组织学、病理或临床结果明显不同的患者亚群的识别，并发现与癌症相关的新途径或子网络。同样，其他基于网络的方法已经证明，结合分子网络和/或生物途径可以提高识别癌症相关途径的准确性。

一、胃癌标志物的寻找

最近的大规模下一代测序和分子图谱分析工作已经阐明了胃癌的基因组景观。然而，癌症基因组的突变编目未能结合基因-基因相互作用和信号通路动力学的功能分析，因此有可能丢失一个潜在的丰富的预后信息来源。

我们研发了一种机器学习算法NTriPath，它集成了泛癌症体细胞突变数据、基因-基因相互作用网络和通路数据库，以识别预后癌症相关分子通路。

在本研究中，我们应用NTriPath来识别关键的胃癌特异性通路。然后，我们生成了胃癌的基因表达谱，并使用NTriPath 基因签名来定义四种不同的分子亚型。我们测试了这些基因特征的预后效用，并建立了一个基于分子亚型的风险评分模型，以预测总生存期和对化疗和免疫检查点封锁的反应。最后，我们在多个独立的队列中验证了我们的模型。

二、胃癌标志物的验证过程

我们建立总体生存预测模型和治疗反应预测模型对胃癌标志物进行相关的实验测试，验证了胃癌标志物具有重要的预后效用。

具体分析步骤是①筛选变量②基于这些变量构建模型③绘制Nomogram图，预测不同时间生存概率。③计算模型c_index(区分度)该步骤用包rms一步实现1. 数据的获取与整理：通过HMDB数据库获取自噬相关基因；从TCGA数据库中获取胃癌转录组数据集（TCGA-STAD）用于建立模型；从GEO数据库获取数据集用于模型验证。2.基因差异表达及功能分析通过HMDB数据库得到了232个人类自噬相关基因，其中204个基因在TCGA胃癌转录组数据中有表达，共有28个自噬相关基因在胃癌转录组数据中差异表达。对这28个基因进行GO，KEGG和PPI分析，结果GO分析表明，这些自噬基因可以在几个基本的生物学过程（BP）中富集，包括细胞生长，细胞蛋白定位的正向调节，神经元死亡，细胞生长的调节。

三、胃癌标志物因素影响的研究

在分析辅助诊疗模型的研究过程中，我们将患者进行分组分类：1组患者的肿瘤过表达与细胞周期DNA修复相关的基因，而4组患者的肿瘤过表达TGF-β、SMAD、雌激素信号通路和间充质形态发生途径中的基因。第3组患者肿 瘤凋亡信号和细胞增殖通路过表达基因。来自第2组的肿瘤没有显示出明显的过表达基因模式。

在单因素分析中，分子亚型与年龄(P=0.003)、分期(P=0.021)、Lauren型(P<0.001)和神经周侵袭(P<0.001)的差异 有显著相关性。1组和2组患者年龄较大，更有可能发生肠型组织学肿瘤。第4组患者的肿瘤更有可能出现弥漫性组织学和神经周浸润。最后，观察到组间总生存期的显著差异 ；1组预后最佳，未达到中位总生存期，而4组预后最差，中位 总生存期为65个月。; P < 0.001)。

先前的研究表明，与EB病毒(EBV)感染和微卫星不稳定性(MSI) 相关的肿瘤与患者预后的改善相关.我们发现EBV阳性和MSI的肿瘤比例没有差异。使用在单变量分析中意义显著的变量进行的多变量Cox比例风险分析显示，年龄、分期和分子亚型与死亡风险独立相关。为了解决变量选择可能产生的偏差，我们还进行了正则化的Cox回归，并发现了类似的结果。这些发现表明，这类胃癌标志物的预后因素是独立于已知的与结果相关的临床和病理变量的预后因素。

四、胃癌模型辅助预后诊疗的研究

将胃癌标志物转化为一个临床相关工具的能力，这将允许临床医生估计胃癌患者的5年总生存率的概率。

  基于Lasso-cox回归算法的基础上，进行相关的模型构建，将胃癌标志物转化为一定的参数指标。找到两个队列，训练集和验证集，适应一系列的λ值对训练集进行建模，观察模型在验证集上的表现，然后选择在验证集上表现最佳模型的λ值，当没有额外的验证集时，就只能通过交叉验证的方式将数据集人工划分为训练集和验证集，然后进行分析并建立关于5年生存率的风险评估模型。

  接下来，我们研究胃癌标志物对系统治疗方案的预测模型。基于胃癌标志物可以预测患者的化疗反应。因此，能够将单独手术的患者与接受5-氟尿嘧啶（5-FU）单药、5-FU和铂双联疗法的患者进行比较分析。分析发现，在第3组患者中，与未接受辅助化疗的28例患者相比，接受5-FU加铂治疗的患者总生存期明显更好。相比之下，接受5-FU加铂治疗的第1组患者生存期比未接受辅助治疗患者的生存期更差。此外，是否接受化疗对第2组和第4组患者的生存差异无相关性。以上数据表明，相关的这4种分子亚型能够预测对辅助化疗的反应。

五、胃癌标志物的研究结果

该研究验证了NTripath在胃癌中的性能，我们基于Lasso-cox回归算法利用NTripath生成了胃癌标志物的胃癌分型模型，发现其特征可有效预测胃癌患者的5年总生存率和治疗反应。该研究也表明，从诊断时获得的组织样本的分子表达信息可以为预后和治疗计划提供重要的临床参考信息。总之，胃癌标志物的模型能够有效预测患者的预后和辅助化疗或免疫治疗的反应，帮助医生更好的了解患者的病理情况，为后续改善患者的治疗提供了帮助。