收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

原发性肝癌术后转移复发分子预测模型的优化整合与临床转化

周闯  
【摘要】:肝细胞肝癌(hepatocellular carcinoma, HCC)(简称肝癌)是全球最常见的恶性肿瘤之一,在中国肝癌的发病率居肿瘤发病率的第三位,而其死亡率居第二位。虽然对肝癌防治的研究己取得巨大进展,根治切除术后的十年生存率已提高到30%左右,但肝癌根治性切除术后5年转移复发率仍为60-70%,即使是小肝癌也达43.5%。转移复发已成为进一步延长肝癌患者生存期、提高远期疗效的瓶颈,也是最终攻克肝癌的关键。探求转移复发相关的分子模型可以为肝癌患者预测临床结果提供有益信息,并为术后甄别需要接受辅助治疗的患者提供帮助。 肝癌转移复发是多因素、多步骤参与的病理过程,是肿瘤细胞自身基因改变和宿主微环境相互作用的结果。迄今,尚无一个基因或基因组合能够用于临床预测肝癌预后,基于传统的临床指标和分期只能粗略区分不同分期的肝癌,无法满足临床实践中个体化治疗越来越高的要求。研究肝癌本身生物学特性和宿主免疫相关因素可能更利于理解肝癌转移复发的机制以及临床预测。 本所前期采用全基因组微阵列技术,先在肝癌组织中的发现并建立了153个基因的肝癌转移复发预测模型,后又在癌旁组织建立了由17个炎症免疫相关细胞因子构成的分子预测模型可以准确预测肝癌术后复发。本研究在前期工作的基础上,从基因、蛋白各水平进一步验证和优化整合基于癌和癌周组织以及血清的预测标签、评估其对肝癌术后转移复发和生存的预测价值以及对术后复发的监测意义,探索它们向临床应用转化的可行性。第一部分 基于组织的肝癌转移复发预测模型的优化整合与临床转化 一.基于癌组织的肝癌转移复发预测模型的验证与优化 目的:肝癌患者预后预测仍然困难,本课题组前期研究发现基于癌组织的153个基因的预测模型可以预测肝癌术后转移复发。本研究拟进一步在大样本中验证优化此模型,检验其对肝癌根治术后转移复发的预测效能。 方法:应用生物信息学和统计学方法从基于癌组织的153个预测模型中筛选出26个与复发转移密切相关的分子,采用qRT-PCR检测训练组361例患者肝癌组织中这26个基因的mRNA表达水平。进一步优化构建有效的分子预测模型,分析其与肝癌术后转移复发的关系,并在288例患者的验证组中评估预测效能;并对其中重要基因在细胞系水平进行了验证。 结果:在训练组361例肝癌患者中应用log-rank法分别检验26种基因与转移复发的关系,按关系的大小排序SPP2(P0.01),ENO2(P0.01),ASPH(P0.01), FKBP10(P0.01)及SAFB2(P0.01)依次为前5位。基于Cox风险比例回归模型发现包含这5个基因的预测模型可以较准确地预测该组361例患者的复发情况(HR=1.98,95%CI=1.52-2.59;P0.001),并且可作为肝癌术后总体生存期预测指标。根据该模型将验证组288例患者分为高风险组和低风险组,Kaplan-Meier分析显示高风险组中位至复发时间显著短于低风险组(HR=1.3795%CI=1.03-1.82;P=0.032),高风险组中位总生存期也短于低风险组(P0.05)。在不同肝癌细胞株中EN02与ASPH的蛋白表达水平随着细胞转移潜能的增加而升高。 结论:前期从基因芯片中筛选出的153个基因,经qRT-PCR大样本验证优化为5基因的预测模型可以较准确预测肝癌术后转移复发。 二.基于癌旁组织的肝癌预后预测模型的验证与优化 目的:进一步在大样本中验证优化前期基于癌旁组织的免疫炎症相关因子的预测模型,评估其对肝癌根治术后转移复发和生存的预测价值。 方法:我们随机选取了3组在复旦大学附属中山医院行根治性手术切除的肝细胞癌患者,包括训练组180例,验证A组200例及验证B组188例。在训练组利用荧光定量PCR技术,优化验证癌旁(IL-6、CSF-1、SPP1、TNF及HLADRA)5基因预测模型,然后在验证A组中对该模型进行验证;在验证B组中利用组织芯片、免疫组织化学技术,验证“癌旁5基因预测模型”的稳定性、有效性。 结果:在训练组180例肝癌患者中应用log-rank法检验10个与肝癌预后密切相关的因子,排序后IL-6,CSF-1,SPP1,TNF和HLADRA为前5位,应用这5个免疫炎症相关细胞因子可以区别肝癌患者预后。基于Cox风险比例回归模型发现包含这5个基因的预测模型可以较准确地预测训练组患者中位总生存情况(HR=2.19,95%CI=1.55-3.08;P0.001)。验证A组200例患者根据阈值被分为高风险组和低风险组,Kaplan-Meier分析显示高风险组中位生存期显著短于低风险组(HR=1.37,95%CI=1.03-1.82;P0.001)。利用免疫组织化学技术证实验证B组中CSF-1,SPP1,TNF和HLADRA的蛋白表达水平与mRNA一致。 结论:前期的基于肝癌癌旁组织的预测模型经大样本qRT-PCR验证优化为5基因的预测模型可以较准确预测肝癌术后生存情况。三.癌与癌旁转移复发分子预测模型的整合与临床转化 目的:整合基于癌和癌旁组织的预测模型,在前瞻性研究队列中进一步评估其预测价值及临床应用的可行性,组装预测试剂盒。 方法:续贯纳入的368例原发性肝癌患者作为前瞻性队列,具有癌与癌旁配对组织样本。应用Kaplan-Meier法比较不同组间的总生存时间(OS)和至复发时间(TTR)差异,应用Harrell一致性指数(C-index)比较两模型及其与传统临床分期的预测准确性,进而优化整合提出更为准确的预测模型。 结果:根据基于癌或癌旁组织的预测模型所将纳入研究队列的患者归类为高风险组或低风险组,临床随访观察其复发和生存情况,将预期与实际情况对比。研究发现根据预测模型划分的高风险患者较低风险患者术后转移复发p0.05)及死亡p0.05)的危险均明显增高。一致性指数(C-index)比较预测准确性发现基于癌组织的预测模型对复发的预测效果更好,基于癌旁组织的预测模型则对生存预测效果较好。将两者都整合到现有临床分期系统之后,效能进一步提高,并组装可用于临床的预测试剂盒。 结论:基于癌与癌旁组织的预测模型在前瞻性队列中能较为准确的预测肝癌术后转移复发与生存,将其与现有临床分期整合可以提高预测效能。 第二部分 血清OPN在肝癌术后的动态变化及其对肝癌复发监测的意义 目的:术前血清骨桥蛋白(OPN)已经被证明与肿瘤的预后密切相关,本研究旨在探索肝癌术后血清OPN动态变化及其在肝癌术后复发监测中的意义。 方法:本研究中,我们随机选取了分别于不同时段(2005年1月-2007年12月,179例,为A组)(2010年2月-2011年12月,110例,为B组)在复旦大学附属中山医院行根治性手术切除的两组肝细胞肝癌患者,以及另一个包括慢性肝病、肝脏良性肿瘤、正常健康人及转移性肝癌患者的对照组。收集其血清样本,采用酶联免疫法ELISA检测OPN的水平。A组和对照组用来确定患者术前OPN的基线水平;B组患者检测了术前、术后1周、术后1月及术后超过2月的OPN水平,用来分析患者术后OPN的动态变化。 结果:A组术前血清OPN的基线水平为164.3±18.6ng/mL与B组的基本一致,两组OPN的水平明显高于对照组中的慢性肝病(p0.0001)、转移性肝癌(p0.0001)以及肝脏良性肿瘤(p0.0001)的患者。在B组中术后1周的血清OPN水平(214.4±14.1ng/mL)明显高于术前水平,但在术后1月时回落到近似于慢性肝病组水平(47.6±5.4ng/mL),术后2月下降到最低值(36.3±5.9ng/mL)。肝癌复发时,血清OPN水平再次升高,而当复发的肿瘤再次被手术切除后,OPN水平又开始下降,呈现与第一次手术后一致的现象。而且无论在甲胎蛋白(AFP)阴性或阳性的患者中都呈现这一变化模式。术后血清OPN水平与肝功能及C反应蛋白水平相关。 结论:肝癌患者血清术前OPN水平较对照明显升高,并在术后经短暂升高后约5周后逐渐下降;当肝癌复发时血清OPN再次升高并且AFP阴性患者也有此规律,因此肝癌术后血清OPN变化可以作为肝癌根治术后病程观察和监测复发的依据。 全文总结 1.经验证优化后,基于肝癌组织的5基因的预测模型能较为准确的预测肝癌术后复发,癌旁组织中的5基因的预测模型能较为准确的预测肝癌术后生存,经大样本前瞻性验证具有临床应用价值。 2.肝癌患者血清术前OPN水平较正常人及肝硬化患者明显升高,并在术后经短暂升高后约5周逐渐下降;当肝癌复发时血清OPN再次升高并且AFP阴性患者也有此规律,肝癌术后血清OPN变化可以作为肝癌根治术后病程观察和监测复发的依据。 创新点 1.验证优化整合得出稳定的基于癌与癌旁组织的肝癌转移复发预测模型。 2.开发并组装了预测肝癌术后转移复发与生存的实时定量PCR微阵列芯片试剂盒。 3.首次报道肝癌患者血清OPN可替代AFP作为肝癌术后转移复发的检测指标。 潜在应用价值 1.优化验证整合癌组织153基因模型和癌周17个免疫因子预测模型,得出确实可信、实用的模型,向临床转化迈出了坚实的一步。 2.本研究中已经申请国家专利2项:“预测肝癌术后转移与复发的实时PCR微阵列芯片试剂盒”,专利申请号:201110091076.6;“预测肝癌术后生存的实时定量PCR微阵列芯片试剂盒”专利申请号:201110091077.0,并已着手开发组装了该预测试剂盒。 3.肝癌术后血清OPN变化可以作为肝癌根治术后病程观察和监测复发的依据。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 许乾雄,肖创普;用灰色预测模型对病毒性肝炎发病率作预测[J];中国公共卫生;1993年02期
2 Schneck M.E. ,Bearse Jr. M.A. ,杨建刚;糖尿病视网膜病变进展的定位预测模型的形成和评估[J];世界核心医学期刊文摘.眼科学分册;2005年04期
3 Spears J.;TerBrugge K.G.;Moosavian M.;M.Tymianski;郭俊;;脑动静脉畸形手术治疗后患者神经功能预后的判别预测模型[J];世界核心医学期刊文摘(神经病学分册);2006年12期
4 王平根,吴海涛,高志平;医院药品预测模型[J];中国药学杂志;1999年03期
5 李娟;方慧生;;一种新的基于平均相似性方法的蛋白质天然构象预测模型质量评测方法[J];药物生物技术;2010年04期
6 李清江;;基于结核病预测模型的比较研究[J];硅谷;2012年14期
7 朱卉;韩昌斌;李晓武;阮积栋;李国华;;武汉市市区车祸死亡人数灰色预测模型及其近期效果评价[J];中国卫生统计;1991年01期
8 伍丽萍;王述蓉;陈玉;陈聪;吴佳琦;叶利明;;生物分配胶束液相色谱中β-内酰胺类抗生素定量保留-活性关系预测模型的研究[J];中国药学杂志;2008年07期
9 孔超;刘元凤;沈续雷;;灰色预测模型的SAS程序改进[J];中国卫生统计;2008年06期
10 王万学;;预测麻风流行趋势的简快方法——给预测模型编程序[J];皮肤病与性病;1992年02期
11 徐玮,徐沪军,续海燕;应用灰色预测模型精度检验初探[J];数理医药学杂志;1999年02期
12 汪洋;胡代玉;杨德香;刘瑛;王润华;易静;;使用R语言对两种结核病发病预测模型的对比分析[J];中国全科医学;2013年17期
13 吴本璞;;疾病时间序列研究中预测模型的应用[J];浙江医科大学学报;1989年06期
14 邵珠艳;医院门诊量预测模型的构造及其应用[J];数理医药学杂志;2005年04期
15 甄志刚;张秋莲;张生;高志红;彭延波;王晋朝;;自发性脑出血225例预后分析及其预测模型[J];现代中西医结合杂志;2014年16期
16 潘传旭;杨树勤;;医疗费用的预测模型[J];中国农村卫生事业管理;1987年10期
17 王书;基于统计分析的医院门诊量灰色预测模型[J];山西统计;2003年12期
18 胡勇;付麒;唐伟;王知笑;高远;杨涛;;适于农村人群的糖尿病预测模型[J];江苏医药;2013年05期
19 阮晓钢,李鹏;小圆蓝细胞瘤预测模型研究[J];北京工业大学学报;2005年01期
20 王勋;陈大方;;支持向量机在建立2型糖尿病预测模型中的应用[J];中国慢性病预防与控制;2010年06期
中国重要会议论文全文数据库 前10条
1 鄢小彬;肖新平;;基于灰色马尔可夫模型的煤矿安全预测[A];第九届中国青年信息与管理学者大会论文集[C];2007年
2 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年
3 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年
4 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集(下册)[C];2003年
5 李阳旭;邓辉文;;一种新的企业市场预测模型及其比较研究[A];2004年中国管理科学学术会议论文集[C];2004年
6 马志元;;城市区域经济、人口、能源、环境综合系统预测模型及应用[A];中国城市建设与环境保护实践——城市建设与环境保护学术研讨会论文集[C];1997年
7 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角气象科技论坛论文集[C];2004年
8 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年
9 张晓晞;;全球煤炭产量的灰色预测模型[A];中国现场统计研究会第十三届学术年会论文集[C];2007年
10 肖会敏;樊为刚;;基于神经网络的粮食产量预测模型[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
中国博士学位论文全文数据库 前10条
1 周闯;原发性肝癌术后转移复发分子预测模型的优化整合与临床转化[D];复旦大学;2012年
2 孙忠林;煤矿安全生产预测模型的研究[D];山东科技大学;2009年
3 王冬光;控制技术在投资预测模型建立中的应用研究[D];哈尔滨工程大学;2005年
4 张丽峰;中国能源供求预测模型及发展对策研究[D];首都经济贸易大学;2006年
5 王育红;灰色预测模型与灰色证据组合模型研究及应用[D];南京航空航天大学;2010年
6 崔立志;灰色预测技术及其应用研究[D];南京航空航天大学;2010年
7 崔杰;灰色不确定系统建模的理论与方法研究[D];南京航空航天大学;2010年
8 陈玉海;我国CPI预测数量研究[D];中南大学;2009年
9 李勇;肉仔鸡生长机制性预测模型的研究[D];中国农业科学院;2010年
10 孙文霞;公共交通系统规划若干关键问题研究[D];天津大学;2010年
中国硕士学位论文全文数据库 前10条
1 龙博学;汽车整车销售预测模型的研究[D];北方工业大学;2010年
2 郭庆;我国农业灾害预测模型的研究[D];武汉理工大学;2009年
3 陈蓉;话务量分析和多种预测模型的比较研究[D];北京邮电大学;2008年
4 王忠桃;灰色预测模型相关技术研究[D];西南交通大学;2008年
5 彭旭;破产预测模型的比较研究[D];西南财经大学;2013年
6 何巧玲;沙漠化预测模型及其定性分析[D];新疆大学;2014年
7 王娜;高校就业预测模型的初探[D];北京林业大学;2009年
8 闫夏;基于预测模型的预警集成系统在瓦斯安全管理中的应用[D];太原理工大学;2010年
9 张倩;基于Real-time PCR方法建立Escherichia coli O157:H7生长预测模型[D];南京师范大学;2014年
10 刘瑞年;汽车销售预测模型应用研究[D];武汉理工大学;2009年
中国重要报纸全文数据库 前10条
1 刘庆;“预测模型”要缓行[N];网络世界;2006年
2 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年
3 南方日报记者 彭琳 实习生 周鹏程;预测世界杯之外 大数据还能做什么[N];南方日报;2014年
4 本报记者 张超;预测模型:推算SARS起落潮[N];科技日报;2003年
5 本报记者 段佳;机器“品肉师”替您“尝鲜”[N];大众科技报;2010年
6 BMC首席IT技术官 Mahendra Durai IDC顾问 Eric Hatcher Randy Perry;预测智能:管理复杂基础架构的锁钥[N];中国计算机报;2010年
7 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年
8 杨宜勇(作者为国家发改委经济研究所副所长);发挥信息化对就业的“增补效应”[N];第一财经日报;2005年
9 本报记者 汤浔芳 实习记者 董文萍;“孵化器”模式:大数据的垂直运营样本[N];21世纪经济报道;2014年
10 本报记者 安丰;深部找矿的探镜[N];中国国土资源报;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978