PLoS ONE: Nanostring-Based monigeenisiin määritys ennustaa uusiutuminen mahasyövän jälkeen potilailla Surgery

tiivistelmä

Huolimatta hyötyy adjuvanttihoitoa tai sädehoitoa, noin kolmannes II vaiheen mahasyövän (GC) potilailla ilmeni toistuminen. Tutkimuksen tavoitteena oli kehittää ja validoida ennustetyövälineenä algoritmi mahasyövän (GCP), joka voi voimakkaasti tunnistaa riskiryhmään uusiutumisen keskuudessa vaiheen II potilailla. Monen vaiheen geeniekspressioprofilointi tutkimus suoritettiin. Ensinnäkin, microarray geeniekspressioprofilointi arkistoidut parafinoidut kasvainkudospalasta käytettiin tunnistamaan ehdokas prognostisten geenien (N = 432). Toiseksi, kohdennettua geenin ilmentymisen määritys lukien prognostisia geenejä käytettiin kehittämään vankka kliininen määritys (GCP) II vaiheessa potilailla saman kohortin (N = 186). Kolmanneksi ennalta leikata pois käytöstä GCP validoitiin käyttäen riippumaton vaiheen II kohortti (N = 216). GCP oli validoitu toinen joukko vaiheen II GC joka leikattiin ilman adjuvanttia hoitoa (N = 300). GCP kehitettiin yhteen tuotteen Coxin regressiokertoimia ja normalisoidut ekspressiotasot 8 geenien (LAMP5, CDC25B, CDK1, CLIP4, LTB4R2, MATN3, NOX4, TFDP1). Prospektiivisesti määritelty cut-pisteen GCP luokiteltu 22,7% validointi kohortin käsitelty sädehoitoa (N = 216) kuin riskiryhmään 5 vuoden uusiutui 58,6% verrattuna 85,4%: n matalan riskin ryhmään (riskisuhde toistumisen = 3,16, p = 0,00004). GCP tunnistettiin myös riskiryhmään keskuudessa vaiheen II hoidetuilla potilailla leikkauksen vain (riskisuhde = 1,77, p = 0,0053).

Citation: Lee J, Sohn I Do IG, Kim KM, Park SH, Park JO, et ai. (2014) Nanostring-Based monigeenisiin määritys ennustaa uusiutuminen mahasyövän Potilaille leikkauksen jälkeen. PLoS ONE 9 (3): e90133. doi: 10,1371 /journal.pone.0090133

Editor: Ju-Seog Lee, University of Texas MD Anderson Cancer Center, Yhdysvallat

vastaanotettu 23 syyskuuta 2013 Hyväksytty 26. tammikuuta 2014; Julkaistu 5 maaliskuuta 2014

Copyright: © 2014 Lee et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoitus: Tämä tutkimus tukivat jota Intramural avustusta Samsung Medical Center. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Patrick Tan on PLoS One Editorial hallituksen jäsen. Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja.

Johdanto

syöpien ovat erittäin tappava maligniteetteja viiden vuoden eloonjäämisluvut on yksi pahimmista raportoitu mistään kiinteitä kasvaimia. Tietojen mukaan National Cancer Institute Surveillance, epidemiologia ja Lopputulokset (SEER) Program, viiden vuoden potilaiden elinaikaa mahalaukun syöpä (GC) parantunut vain vähän viimeisten 50 vuoden aikana 12-22 prosenttia [1]. Rasituksilta GC varhaista metastaattisen levittämistä on hyvin dokumentoitu aikaisemmissa tutkimuksissa [2], [3]. Perustuen viimeaikaisista adjuvantti vaiheen III tutkimuksissa selviytymisen hyötyvät adjuvanttihoitoa tai chemoradiation hoito on dokumentoitu GC [4] – [7]. Kuitenkin 25-40% kaikista kirurgisesti resektoitiin GC potilaat vielä kehittyä toistuminen, jotka eivät ole vastaanottavaisia ​​uudelleen resektio [4], [7] – [9]. Patologista vaiheen III ja IV GC, 5-vuoden tautivapaan elinajan hinnat ovat erittäin huono (vaihe IIIA, 57,6%, IIIB, 39,6%, ja vaihe IV 26,3%) [8] epäilynalaisiksi että nämä kasvaimet ovat luonnostaan ​​aggressiivinen käytös. Sen sijaan, patologista vaiheen II GC potilaat ovat edullisempia kliinisen tuloksen kanssa 5-vuoden taudista vapaan eloonjäämislukuja 76% -90% leikkauksen jälkeen ja lisähoito [8], [9]. Tästä huolimatta on olemassa laaja kirjo kliinisen aggressiivisuus jopa saman vaiheessa joillakin potilailla on kovettunut pelkkä leikkaus taas jotkut potilaat uusiutua pian leikkauksen jälkeen ja liitännäishoitona chemoradiation hoito. Siten perustuu oletukseen, että on olemassa merkittävä molekyyli epäyhtenäisyys, suunnittelimme laajamittainen geeniekspressioprofilointi tutkimus kehittää molekyylitason testi, joka voi tehokkaasti syrjiä matalan riskin korkean riskin GC ryhmiä uusiutumisen leikkauksen jälkeen.

molekyyli testi, joka tunnistaa korkean riskin potilaita toistuminen voi johtaa optimoitu perioperatiivisen hoidon strategioita GC. Tietojenkeruuvaiheessa mukana GC potilaita kaikista kliinisistä vaiheista käsitelty sädehoitoa (N = 520). Kasvainkudospalasta näistä potilaista alistettiin prognostinen geenin löytämisen käyttämällä koko genomin DASL määritys (WG-DASL) (Illumina, San Diego, CA), microarray-geenin ilmentymisen profilointi menetelmä formaliinilla kiinnitetyt, parafiiniin upotettu kudokseen (FFPE). Tarkoituksena oli kehittää hypoteesi kliinisen hyödyn ja löytää ehdokas prognostiset tai sisäisiä geenejä, jotka auttavat suunnittelussa keskityttiin geeniekspression määritystä. Tulokset Tässä vaiheessa ehdotetaan, että kliininen hyöty geenin ilmentymisen perustuva ennustetekijöiden algoritmi saattavat erottaa riskiryhmään keskuudessa vaiheen II potilailla.

Projektin tavoitteena oli kehittää hypoteesi kliinisiä hyödyllisyys ja löytää ehdokas prognostinen tai sisäisiä geenejä pystyäkseen suunnittelemaan kohdennettuja geeniekspression määrityksiä. Tulokset tietojenkeruuvaiheessa mukaan kliininen hyödyllisyys geenin ilmentymisen perustuva ennustetekijöiden algoritmi saattavat erottaa riskiryhmään keskuudessa vaiheen II potilailla. Käytön vankka monivaiheinen ennustetekijöiden algoritmi mahasyövän Prognostiset Score (GCP) II vaiheessa GC potilaiden kehitettiin tunnistamaan korkean riskin potilaita uusiutumisen leikkauksen jälkeen.

Methods

Syyskuusta 1994 ja joulukuun 2005 1557 GC potilaalle tehtiin parantava gastrectomy Samsung Medical Center. Niistä, 1107 potilasta valittiin perustuu seuraavat kriteerit: histologisesti vahvisti adenokarsinooma vatsan; kirurginen resektio kasvaimen ilman makroskooppisia tai mikroskooppisia jäljellä tauti; ikä ≥18; patologia vaiheessa IB (T2bN0, T1N1 mutta ei T2aN0) IV, mukaan American sekakomitean Cancer (AJCC) pysähdyspaikan järjestelmä (6

th Ed); täydellinen kirurginen kirjaa ja hoito kirjaa, ja potilailla, jotka saivat INT-0116 ohjelman ensimmäisenä hoitona [7]. Tutkimuksen hyväksyi Institutional Review Board of Samsung Medical Center, Seoul, Etelä-Korea (IRB hyväksyntänumero: SMC 2010-10-025). Kaikki TET edellyttäen kirjallinen lupa muodossa suosittelemia IRB. Potilailla, jotka ovat vainajan tutkimuksen aloitusvaiheessa, kirjallinen suostumus lomakkeet luopunut IRB. Tutkimusasetelma ja potilasaineistoihin tarjotaan mukaan HUOMAUTUS ohjeen (kuvio 1A, 1B, File S1, jakso 1). Niistä kohortin 1107 potilasta, löytö joukko 520 potilasta ja validointi joukko 587 potilasta satunnaistettiin ja kohdistettu 6 erissä ositettu kasvaimen koon ja vuosi leikkauksen WG-DASL määrityksessä.

(A ) multi-vaiheelta geeniekspressioprofilointi suunnittelu, (B) Consort kaavio.

jotta vääriä positiivisia johtopäätöksiä johtuen yli istuva, prognostisia algoritmit ja niiden ennalta cut-pistettä testattiin riippumattomia ikäluokat, joita ei ole käytetty ennustetekijöiden geenin löytö ja algoritmi rakentaminen. 4-vaiheen tutkimus suunniteltiin, 4 ennalta määriteltyjä riippumaton ikäluokat rekrytoidaan Samsung Medical Center. Ensimmäinen 3 ikäluokat sisältää samanlaisten potilaiden kliiniset ja patologiset piirteitä kemosädehoito saaneista tutkimus kohortteja (File S1, kohta 2). Ensimmäinen vaihe (tietojenkeruuvaiheessa) Tutkimuksen mukana GC potilaita kaikista kliinisistä vaiheista, joita hoidettiin kemosädehoidon (N = 520) [8]. Kasvainkudospalasta näistä potilaista alistettiin prognostinen geenin löytö käyttäen WG-DASL (Illumina, San Diego, CA), microarray-geenin ilmentymisen profilointi menetelmä FFPE [7]. Ad-hoc ulkoinen validointi geeniperimä suoritettiin minimoimaan bias yksinkertaisesta institutionaalisten kohortissa. Toinen vaihe (algoritmi kehitys) oli kääntää havaintoja ensimmäisen vaiheen tulee soveltaa kliinisesti testi muodossa. Valitsimme NCounter alustan (Nanostring Technologies, Seattle, WA), koska sen kyky kysellä ekspressiotasoja jopa 800 geenejä käyttäen kokonais-RNA: ta FFPE yhden-putken reaktion [8]. Seuloimme vaiheen II potilaita ensimmäisen vaiheen (N = 186) ja

de novo

löytö ennustavien geenien, valittu ihanteellinen geenien yhdistelmiä käyttäen gradienttia vähiten absoluuttinen kutistuminen ja valinta operaattori (LASSO) algoritmi [10], ja sitten rakensi ensimmäisen sukupolven GCP (GCP-g1) lisäämällä tuotteiden normalisoitu geenien ilmentyminen ja kertoimet Coxin malli DFS. Kolmannessa kohortin vaiheen II potilaista (N = 216). Neljännessä vaiheessa (testaus kliinistä hyötyä on leikkauksen vain asetus), testasimme mahdollinen kliininen hyöty GCP II vaiheessa hoidetuilla potilailla leikkauksen vain. Aikaleima protokolla (kuva S12) kehitettiin ennen käsittelyä tämän lopullisen kohortin. Olemme sittemmin kehittäneet hienostunut toisen sukupolven GCP (GCP-g2) (viimeinen geeniperimä) analysoimalla yhdistetyn vaiheen II ikäluokat peräisin toisen ja kolmannen vaiheen tutkimuksessa.

geeniekspressioprofilointi käyttäen koko genomi- DASL määritys

ennen jokaista geeniä profilointi kokeessa kudosnäytteet jaettiin satunnaisesti eri erissä ositettu leikkauksen ajan (ennen vuotta 2000 vs. 2000 jälkeen) ja kasvaimen kokoa (≤5 cm vs 5 cm) minimoimaan poikkeamia DNA laadusta. Kokonais-RNA eristettiin 2-4 kohdat 4-pm paksu FFPE osastoja edustaja primäärikasvain lausetta korkea Pure RNA Parafiini kit (Roche Diagnostic, Mannheim, Saksa) poistamisen jälkeen ei ollut kasvainta osia käsin macrodissection ohjaavat hematoksyliinillä ja eosiinilla petsattu dioja. WG-DASL analyysi suoritettiin käyttäen 200 ng RNA: ta noudattaen valmistajan ohjeiden [11]. Sillä NCounter määritystä, 200 ng kokonais-RNA hybridisoitiin räätälöityä koodijoukkoonsa 800 geenien 18 tuntia 65 ° C: ssa ja käsitellään valmistajan ohjeiden [12]. Aineisto normalisoitiin keskimäärin ekspressiotasoja 48 sisäisiä geenejä valittu microarray kokeilu. Yksityiskohtainen kuvaus tietojenkeruuvaiheessa käyttäen WG-DASL määritys annetaan File S1, 3§ vertailukelpoisuuden DNA laadun FFPE kudosten ja tuore kudoksia käyttäen DASL määritystä julkaistiin aiemmin [13], [14].

Prognostiset mallin rakentaminen ja validointi

algoritmi n-Counter-pohjainen määritys kehittämiseen kliininen hyöty perustuu WG-DASL annetaan File S1, Osiot 4-6. Käytimme kaltevuus suopungin algoritmin sopivaksi ennustusmallin perustuu Coxin suhteellisten riskien mallia DFS käyttäen koettimia marginaalisilla p-arvo 0,01 (kuva S2 File S1) [10]. Käytimme jätä yksi pois rajat validointi de novo löytö jokaisessa lähteä ulos askel arvioida suorituskykyä ennustetekijöitä mallin sisällä löytö kohortissa. Optimaalinen cut-pisteen määritettiin luomalla tontin p-arvot kullekin cut-pisteen ennustetekijöiden pisteet. Sillä validointitutkimuksella a priori määritellyn algoritmin ja cut-pistearvot käytettiin. Validointi menetelmä GCP on hahmoteltu File S1, 7§

Tulokset

Microarray geeniekspressioprofilointi GC hoidetuilla potilailla adjuvanttia kemosädehoito (vaihe 1) B

Suoritimme geeni-ilmentymisen profilointi FFPE löytö kohortti 520 tapausta vaiheen IB-IV GC käsiteltiin standardin sädehoitoa kun kovetin resektion käyttäen WG-DASL määrityksessä (kuvio 1). Niistä 432 näytettä läpäissyt RNA laadunvalvonta (GEO-tietokanta GSE 26253) (File S1, jakso 3). Ensisijainen päätepiste oli DFS. Univariate analyysi tunnistettu 369 antureista, jotka liittyivät merkittävästi tautivapaan elinajan p 0,01 ilman säätö Muun kliinisen muuttujien (File S1, jakso 3d). Seuraavaksi kaltevuus Lasso käytettiin kehittämään ennustetekijöiden algoritmi ennustaa toistumisen (File S1, jakso 3e). Lomaa-one-out ristivalidointi (LOOCV) käsittävä

de novo

löytö ennustavien geenien ja rakentaminen ennustetyövälineenä algoritmin joka vaiheessa käytettiin tutkimaan luotettavuutta ennustetekijöiden algoritmin. Mukaan ennustetekijöitä geeni allekirjoitukset (26 geenejä, File S1, jakso 3f) ja patologinen vaiheet (lokalisoitu vs. kehittyneet), 432 potilasta luokiteltiin seuraaviin ryhmiin: matalan riskin ja vaiheen IB /II (N = 145; 5 vuoden DFS, 84,8%), korkean riskin ja vaiheen IB /II (N = 90; 5 vuoden DFS, 61,1%), matalan riskin ja vaiheen III /IV (N = 83; 5 vuoden DFS, 48,9%), ja korkean riskin ja vaiheen III /IV (N = 114; 5 vuoden DFS, 36,9%) (kuvio 2). Koska ad-hoc-analyysi, testasimme tämän geenin allekirjoituksen käyttäen geenien ilmentymisen profilointi dataa Singapore potilaan kohortin (N = 199) minimoida mitään luontaista bias yhdestä laitos kohortti [15]. Ulkoisten potilaan kohortin geeni allekirjoitus pystyi erottamaan riskiryhmään (N = 100) matalan riskin ryhmässä (N = 99) uusiutumisen kanssa tilastollista merkitsevyyttä (p 0,00001; riskisuhde (HR), 2,3; 95% CI, 1,62-3,28) (kuvio 2). Nämä tiedot viittaavat tärkein kliininen hyöty geeniekspressioprofilointi GC tunnistamisessa korkean riskin potilaita keskuudessa vaiheen II potilaat (matala vs. korkea riski vaiheen IB /II, 84,8% vs. 61,1%; alhainen vs. korkean riskin vaiheen III /IV, 48,9% vs. 36,9%). Siksi kehittämiseen kliinisen määrityksen ja validointi, keskityimme kehittämään geeni-set, joka uskottavasti ennustaa toistumisen II vaiheessa potilailla.

HR tarkoittaa riskisuhde ja p-arvo lasketaan 100 yhdistelmää. (A) kaikki vaiheessa potilaat, korkea vs alhainen riski; (B) mukaan vaiheeseen ja riskiryhmiin; (C) Ulkoiset validointi alkuperäisen geeniekspressioprofilointi.

mahasyövän Prognostiset Score (GCP) II vaiheessa GC käyttäen NCounter määritystä (vaihe 2) B

mukautetun suunnitelleet NCounter koetinsarjaa koostuu ehdokas prognostisten geenien WG-DASL microarray data (vaihe 1), sekä tunnettuja syöpää geenit, kinaasi geenejä, ja G-proteiiniin kytketty reseptori geenejä. Vastatakseen vaihtelua ongelma eheyden RNA-molekyylien arkistomuistiin FFPE johtuen preanalyyttiset muuttujia, kuten kiinnitys aika ja ikä lohkot, me sovellettavaan-näytteen normalisoinnin käyttämällä sarjaa 48 sisäisiä geenejä valittu microarray tiedot perustuvat vähimmäisvaatimuksista vaihtelua tapauksissa ja puute yhdessä ennusteeseen (File S1, 4 §). Korrelaatio riskisuhteita prognoosi- geenien perustuu nanostring ja WG-DASL tarjotaan File S1, 4b, ja kuva S3 File S1.

profiloitu 186 vaiheen II potilaita löytö asetettu. Arvioituaan luotettavuutta prognoosi- algoritmeja rakennettu kaltevuus LASSO kautta LOOCV, haimme kaltevuus LASSO kaikkiin 186 potilasta ja tunnistettu 8 geenit (LAMP5, CDC25B, CDK1, CLIP4, LTB4R2, MATN3, NOX4, ja TFDP1), jotka yhdessä edellyttäen vankka ennustetekijöiden tiedot (taulukko 1). GCP kehitettiin sitten lineaarisena yhdistelmänä Coxin arvioiden ja normalisoitu ekspressiotasot näissä 8 geenejä. Leikattu pisteen analyysi osoittaa, että GCP oli vahvin tunnistamaan 25%: lla potilaista, joilla pahin tuloksia (File S1, 4 §). Valitsimme cut-pisteen 0,2205 mahdollisille validointi riippumattoman validointi kohortti.

validointi GCP ja sen ennalta leikata pisteen II vaiheessa GC saaneilla potilailla sädehoitoa (vaihe 3) B

Jotta mahdolliset yli istuva ongelma liittyy rajat validointi [16], me validoitu GCP kiinteään algoritmin ja cut-pisteiden riippumattomalla potilaalla kohortin että ei käytetty geenin löytö. Kliiniset ja patologiset ominaisuudet 216 II vaiheen potilaita validointi asetettu olivat samanlaisia ​​kuin löytö kohortin (File S1, 6 §, ja kuviot S4-6 File S1). Kun käytetään GCP-g1 validointiin asettaa, diabetesriskitestiin jakelu oli hyvin samankaltainen, mikä viittaa vankka analyyttinen määrityksen suorituskykyyn (File S1, 7 a jakson ja kuvio S7 on File S1). Ennalta määrätty raja-pisteen (0,2205) ja GCP-g1 luokiteltu 22,7% kasvaimista peräisin validointi määritetty riskiryhmään. Kaplan Meier arvion 5 vuoden DFS korkean riskin potilailla oli 58,6%, verrattuna 85,4% matalan riskin potilailla (HR uusiutumisen, 3,16; p = 0,00004) (kuva 3). GCP oli merkittävää sekä intestinal- ja haja- tyyppi GC, kuten kuvassa S8 File S1 (File S1, 7b). Monimuuttuja-analyysi on lisäksi esitetty, että GCP-g1 täydensi prognostista tietoa, lisäksi muut tunnetut tekijät, kuten Lauren luokitusta, erilaistuminen laatu, ikä, ja kirurgian tyyppi (HR, 3,027; p = 0,00016; taulukko 2). Siksi GCP voidaan käyttää tunnistamaan vaiheen II potilaat, jotka pysyvät suuri riski, vaikka standardin adjuvantti kemosädehoito ja jotka ovat samanlaisia ​​uusiutumisen riskiä kuin vaiheen III potilaat.

(B) DFS vaiheen 2 hoidettujen potilaiden leikkauksen mukaan GCP.

GCP kuin ennustetekijä II vaiheessa GC hoidetuilla potilailla leikkauksen perustuu vain prospektiivisesti suunniteltu protokolla (vaihe 4) B

tarkastelu kliininen tietokanta tunnistettu 306 potilasta, jotka eivät saaneet leikkauksen jälkeisen hoidon, joka perustuu yhteisiin päätöksestä välillä lääkäreiden ja potilaiden (File S1, jakso 1, taulukko S1 File S1). Nämä potilaat joutuivat kokeilevaan analysoi arvioimiseksi ennustetekijöiden roolia GCP hoidetuilla potilailla leikkauksen vain ja testaus hypoteesi, että hyöty kemosädehoito rajoitetaan korkean riskin potilailla määritelty GCP. Tätä vaihetta varten kehitimme GCP-g2 (taulukko S8 File S1), toisen sukupolven GCP, analysoimalla kaikkien vaiheen II tapauksia vaiheet 2 ja 3 maksimoida otoskoko. Me takautuvasti testanneet ennalta GCP-g2 algoritmi ja cut-pisteen kuvatun aikaleima protokollaa (kuva S12 File S1). GCP-g2 ennustettu uusiutumisen 300 vaiheen II kasvaimista riskisuhde 2,131 (95% CI, 1,428-3,180; p = 0,00021) (HR, 3,16) (kuvio S9 Tiedosto S1). Jotta minimoidaan yli istuva, mitä algoritmia kemosädehoito saaneilla potilailla, testasimme myös GCP-g1, joka oli aiemmin validoitu kemosädehoito saaneilla kohortti, kirurgiassa yksin kohortissa (kuva S10 File S1). Riskisuhde on GCP-g1 (HR, 1,77; 95% CI, 1,18-2,67; p = 0,0053) on samanlainen kuin GCP-g2 (kuva 3). Siksi GCP voimakkaasti ennustettu toistuminen II vaiheessa GC kanssa tai ilman postoperatiivisen hoidon. Näiden tietojen perusteella voidaan spekuloitu, että suuren riskin vaiheen II potilaat määritelty GCP eivät saaneet valtavasti hyötyä kemosädehoito.

ilmentäminen haitallisia prognostisten geenien kasvaimen mikroympäristöihin

Kaikissa 3 vaiheen II kohortteja mukana tässä tutkimuksessa, lisääntyneen ekspression tasot 4 geenien GCP (NOX4, LAMP5, MATN3, ja CLIP4) on yhteydessä huonoon ennusteeseen. Koska tunnettuja toimintoja näiden geenien ehdottaa niiden ilmaisun mikroympäristöihin sijaan todellinen kasvainsolut, me suoritti NCounter määritys mikropaloitelluista kasvaimia vastaan ​​peruskudoskomponentit 4 edustava korkean riskin kasvainten (kuva S11 File S1). Ilmaisu Näiden geenien oli merkitsevästi korkeampi peruskudoskomponentit verrattuna epiteelisyöpäsolujen, jossa NOX4 osoittaa selvin eroja (p = 0,04).

Keskustelu

ensimmäinen löytö vaiheessa, suoritimme WG-DASL kaikissa vaiheessa GC potilaille. Sitten, joka perustuu WG-DASL data, havaitsimme, että erottelu korkean riskiryhmän alhaisesta riskiryhmään oli merkittävin alkuvaiheen Ib /II potilaat (matala vs. korkea riski vaiheen IB /II, 84,8% vs. 61,1% ; alhainen vs. korkean riskin vaiheen III /IV, 48,9% vs. 36,9%). Siksi kehittämiseen kliinisen määrityksen ja validointi, keskityimme kehittämään geeni-set, joka uskottavasti ennustaa toistumisen II vaiheessa potilailla. Kehitimme ja validoitu ennustetyövälineenä algoritmi mahasyövän, GCP, joka uskottavasti tunnistaa riskiryhmiin uusiutumisen keskuudessa vaiheen II potilailla. GCP, kehitetty käyttäen NCounter alustan, osoitti vankan suorituskyvyn FFPE näytteissä. Lisäksi, sisällyttämällä sisäinen viite geenien sallittu soveltamista GCP yksittäisille potilaille. Siksi ehdotamme, että GCP voidaan helposti soveltaa rutiininomaisesti kliinisessä käytössä. GCP 8 geenien (LAMP5, CDC25B, CDK1, CLIP4, LTB4R2, MATN3, NOX4, ja TFDP1) löydettiin ja validoitu yli 700 vaiheen II GC potilaille. Huomasimme, että GCP tunnistettu suuren riskin GC potilaat uusiutumisen riippumatta hoitona ja että korkean riskin vaiheen II GC potilailla havaittiin samanlainen DFS vaiheeseen III potilaille. On huomattava, että GCP ennustettu toistumisen sekä Lauren tyypit (diffuusi tai suoliston) (Kuva S8 File S1).

Meidän tuloksemme osoittavat selvästi läsnäolo molekyylien heterogeenisyys GC, joka oli liittynyt kliinisiä tuloksia, mutta riippumaton ennusteeseen viittaavia lavastus tiedot. Tuloksemme osoittavat, että vaiheen IB /II potilaista oli erittäin huonon ennusteen kun niiden kasvaimet ilmaisivat huono riskin geeni allekirjoitukset. Oli ero 23,7% 5 vuoden DFS välillä korkean riskin ja matalan riskin geeni allekirjoitukset vaiheen IB /II potilaita, ja 5 vuoden DFS korkean riskin vaiheen IB /II potilaista oli alle 60%, vaikka käyttö adjuvantin sädehoitoa (kuvio 1). Siksi voi olla tarpeen prospektiivisesti suunnitella tutkimus kyseenalaistaa onko kemosädehoito vaaditaan vaiheen IB /II potilailla, joilla on alhainen riski geeniekspressioprofiilien. Jotta minimoidaan mahdolliset harhaa vaihteluista kliinisessä työssä tai leikkaus yhden keskuksen, teimme ad hoc ulkoinen validointi allekirjoitus vahvistaa allekirjoitus. Kuten esitetään tulokset, allekirjoitus johdonmukaisesti ennustettu toistuminen Singaporessa kohortissa.

Niistä 8 lopullinen GCP geenejä (LAMP5, CDC25B, CDK1, CLIP4, LTB4R2, MATN3, NOX4, ja TFDP1), CDC25B ja CDK1, joiden tiedetään liittyvän soluproliferaatiota havaittiin korreloivan suotuisa ennusteeseen (negatiivinen Coxin regressio arvioiden taulukossa 2). Erityisesti samankaltainen suuntaus on havaittu paksusuolen syövän geeniekspressiovektoria määritys [17], [18]. Nämä havainnot saattavat heijastaa erilaistuminen asema näiden tuumorisolujen, koska normaali mahan ja paksusuolen limakalvon epiteelisolujen on korkea vaihtuvuus. TFDP1 koodaa transkriptiotekijä DP-1, joka toimii positiivisena säätelijänä G1 /S siirtyminen solusyklin aikana [19], [20]. Erityisesti maksasyövän, TFDP1 yli-ilmentyminen oli olennaisesti liittyvät taudin etenemiseen [19]. Koska soveltamisala Nykyinen tutkimus ei sisällä toiminnallista tutkimus näiden geenien, niiden biologinen merkitys tulee tutkia tulevissa tutkimuksissa. Äskettäin Cho

et al.

On esiintynyt suurin geeniekspressioprofilointi 213 GC käyttävillä potilailla tuore kudoksia [21]. He tunnistivat 6 prognostiset geenit (CTNBB1, EXOCS3, TOP2A, LBA1, CCL5-, ja LZTR1) potilaan selviytymisen jälkeen parantavaa resektio. Kuitenkin parhaan tietomme mukaan GCP on ainoa geeniperimä joka on nyt validoitu yli 700 vaiheen II GC potilaille riippumatta Lauren luokittelu (diffuusi tai suoliston), tunnettu ennustetekijä tai lisähoito.

Yhteenvetona käyttämällä monivaiheinen lähestymistapa kehitimme 8-geenin GCP, joka pystyi voimakkaasti tunnistamaan korkean riskin vaiheen II GC potilaita uusiutumisen leikkauksen jälkeen riippumatta lisähoito. Tällä hetkellä käynnissä olevaa ARTIST-II tutkimuksessa (NCT # 01761461), aiomme vahvistaa meidän GCP prospektiivisesti suunniteltu vaiheen III tutkimuksessa.

tukeminen Information

Tiedosto S1.

1. Potilaiden ominaisuudet tutkimuksen ikäluokat jokaisessa vaiheessa (taulukko S1). a. Taulukko S1. Potilaiden ominaisuudet. 2. Kliiniset ja patologisten ominaisuuksien tutkituista tapauksista jokaisessa vaiheessa. 3. Yksityiskohtainen kuvaus löytö, jossa käytetään WG-DASL määrityksessä (vaihe 1). a. Kuva S1. QA WG-DASL data. b. Taulukko S2. Vertailu FISH ja IHC tulokset HER2 tila mahasyövän vaiheessa 1. c. Taulukko S3. Luettelo koettimia, jotka ilmentyvät eri väliin HER2-positiivisten ja HER2- negatiivinen potilasryhmille vaiheessa 1. d. Taulukko S4. Luettelo kaikista antureista, joissa yhden muuttujan p-arvot 0,01 vaiheessa 1. e. Kuva S2. Gradient Lasso algoritmi. f. Taulukko S5. Luettelo 26 antureista sisältyvät ennustemallissa asentaa koko datajoukon (n = 432). g. Taulukko S6. Coxin monimuuttuja regressio analyysitulokset geenin löytö asettaa (n = 432). 4. Design keskittyi geenin ilmentymisen määritys käyttäen NCounter alustalla. a. Taulukko S7. Luettelo viite geenien NCounter määritystä. b. Kuva S3. Korrelaatio riskisuhteita prognoosi- geenien perustuu quantile normalisointi ja itsensä normalisointi käyttäen WG-DASL määrityksessä. 5. NCounter määritys ja laadunvalvonta. 6. Valinta cut-off mahasyövän Prognostiset Score (GCP (kuva S4, S5, S6). A. Kuva S4. DFS mukaan kunkin kvartiileihin GCP-g1. B. Kuvassa S5. Cut-pisteen analyysi GCP-g1. c. Kuva S6. DFS mukaan optimoitu leikkaus-pisteen GCP-g1. 6. jakautuminen GCP välillä löydön asettaa ja validointi asettaa. a. Kuva S7. jakautuminen GCP-g1 sisällä löytö ja validointi asetettu. b. Kuva S8. GCP: suoliston vs hajanainen tyyppi. 7. testaus kliininen hyöty GCP-g2 saaneilla potilailla leikkauksen vain. a. Kuva S9. DFS II vaiheen hoidetuista potilaista kemosädehoito perustuu neljännekseen GCP-g2. b. Kuva S10. DFS II vaiheen potilailla, joita hoidettiin pelkästään leikkauksen perustuu neljännekseen GCP-g2. c. Kuva S11. ilmentyminen haitallisia prognostisten geenien mukana mahasyövän prognostiset Score mukaan kudososastoa (kasvain vs. strooman). Normalisoitu lauseke tasot näkyvät. d. Taulukko S8. Luettelo NCounter antureista sisältyvät GCP-g2. 8. Mahasyöpää validointitutkimusta protokollaa. a. Kuva S12. Mahasyöpä validointitutkimusta protokollaa.

Doi: 10,1371 /journal.pone.0090133.s001

(DOCX) B

Vastaa