贝伐单抗治疗非小细胞肺癌疗效相关的血浆代谢组学研究

摘要

目的:
　　采用代谢组学的研究方法，应用1H-NMR检测健康志愿者以及非小细胞肺癌(NSCLC)患者贝伐单抗治疗前后及不同疗效患者的血浆代谢图谱变化，利用PCA、PLS-DA、LSVM等进行代谢组学数据分析，寻找差异代谢物和代谢通路，观察它们与临床疗效之间的关系，以期找到相应的标志物用于筛选病人、评估以及预测疗效，指导抗肿瘤药物的个体化治疗。
　　方法:
　　本实验收集了30位健康志愿者、17位接受贝伐单抗联用化疗药物治疗的NSCLC患者以及38位接受单纯化疗的患者临床血浆样本共176例，使用核磁共振的技术手段对其进行了小分子代谢物检测，获得其代谢指纹图谱，利用无监督和有监督的机器学习模式分析，以找到与贝伐单抗治疗效果相关的内源性代谢物变化。为了预测贝伐单抗的疗效，我们训练了总计14种分类器，并进行筛选，对效果最好的线性支持向量机(LSVM)分类器进行了优化与验证。
　　结果:
　　运用PCA、PLS-DA对代谢物的数据进行多元数据分析，再经过单独的t检验得到了区分各组间潜在的生物标志物。健康者与NSCLC患者之间潜在标志物有柠檬酸盐、葡萄糖、丝氨酸等16种小分子代谢物;患者治疗前与治疗后的差异代谢物有谷氨酰胺、牛磺酸、赖氨酸等12种代谢物;贝伐单抗治疗两周期后效果良好的患者(PR+MR)与效果不佳的患者(SD)之间的潜在标志物有牛磺酸、谷氨酸、亮氨酸、三甲胺、尿素等，而且前者的谷氨酰胺、亮氨酸、尿素三种代谢物的浓度值比后者更接近正常人，表明经过贝伐单抗治疗患者的代谢紊乱得到了改善:贝伐单抗治疗四周期后与疗效相关的潜在标志物有T-甲基组氨酸、精氨酸、丙氨酸、丙二醇、谷氨酸、赖氨酸等。
　　代谢通路分析结果表明健康组与NSCLC患者的代谢差异主要表现在某些能量物质的代谢(如TCA循环、酮体合成与分解)、氨基酸相关的代谢(如丙氨酸、谷氨酸、天冬氨酸代谢)和蛋白合成相关的代谢(如氨酰-tRNA的合成)上。与治疗前相比，患者经贝伐单抗及化疗药物治疗后，上述代谢通路也有显著性差异。
　　通过使用已知治疗效果的治疗前血浆代谢组数据训练LSVM模型，我们得到了可以用于预测贝伐单抗合并化疗治疗效果的分类器，在训练集中其准确率为84.62％(AUC=0.881)，测试集中准确率75％(AUC=0.75)。
　　结论:
　　本研究通过对NSCLC患者化疗、贝伐单抗治疗前后临床血浆的代谢组学分析，鉴别出了一些可能用于诊断非小细胞肺癌和评估药物疗效的潜在生物标志物，并对不同组别间的代谢通路差异进行了分析。训练了可用于预测贝伐单抗治疗效果的LSVM分类器，为贝伐单抗临床应用提供了一个新的预测疗效的手段。

目录

声明

致谢

摘要

1．1引言

1．2非小细胞肺癌(NSCLC)的治疗现状

1．3血管生成作用和肿瘤抗血管生成治疗

1．3．1血管生成作用与VEGF通路

1．3．2贝伐单抗抗肿瘤血管生成治疗

1．3．3贝伐单抗治疗面临的问题

1．4肿瘤代谢

1．5代谢组学

1．5．1代谢组学的定义与发展

1．5．2代谢组学分类

1．5．3代谢组学研究方法

1．5．4样本的数据处理和分析方法

1．5．5代谢组与其他组学的联系

1．6本研究的目的和意义

2．1样本来源与治疗方案

2．2样本收集

2．3实验仪器和耗材信息

3．1临床血浆的采集

3．2NMR血浆常量样本制备步骤

3．3血浆样本核磁数据采集参数

3．4数据处理

3．4．1 NMR数据处理

3．4．2代谢通路的分析

3．4．3多元统计分析以及分类器的训练

3．4．3其他统计学处理

4实验结果

4．1血浆代谢物的NMR检测

4．2非小细胞肺癌组与健康对照组的血浆代谢对比分析

4．2．1非小细胞肺癌组与健康组的模式识别分析

4．2．2非小细胞肺癌组与健康组的代谢通路分析

4．3治疗后组与治疗前组的血浆代谢对比分析

4．3．1治疗后组与治疗前组的模式识别分析

4．3．2治疗后组与治疗前组的代谢通路分析

4．3．3贝伐单抗合并化疗组与化疗组之间的代谢通路分析

4．4贝伐治疗2周期后效果良好组与效果不佳组的血浆代谢对比分析

4．4．1贝伐治疗2周期后效果良好组与效果不佳组的模式识别分析

4．4．2贝伐治疗2周期后效果良好组与效果不佳组的代谢通路分析

4．5贝伐治疗4周期后效果良好组与效果不佳组的血浆代谢对比分析

4．5．1贝伐治疗4周期后效果良好组与效果不佳组的模式识别分析

4．6化疗2周期后效果良好组与效果不佳组的血浆代谢对比分析

4．6．1化疗2周期后效果良好组与效果不佳组的模式分析

4．7化疗4周期后效果良好组与效果不佳组的模式分析

4．8对接受贝伐单抗治疗合并化疗的非小细胞肺癌患者的疗效预测

4．8．1单个代谢物作为标志物预测疗效

4．8．2线性SVM分类器模型的建立

4．8．3线性SVM分类器模型精度评价——混淆矩阵

5讨论

6总结

参考文献

附录

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集