公开/公告号CN103459597A
专利类型发明专利
公开/公告日2013-12-18
原文格式PDF
申请/专利权人 社会福祉法人三星生命公益财团;
申请/专利号CN201180065578.X
申请日2011-12-13
分类号C12N15/11(20060101);G01N33/574(20060101);C12Q1/68(20060101);G01N33/68(20060101);G06F17/10(20060101);
代理机构72003 隆天国际知识产权代理有限公司;
代理人吴小瑛;邹宗亮
地址 韩国首尔
入库时间 2024-02-19 22:40:22
法律状态公告日
法律状态信息
法律状态
2016-03-30
授权
授权
2014-01-15
实质审查的生效 IPC(主分类):C12N15/11 申请日:20111213
实质审查的生效
2013-12-18
公开
公开
技术领域
本发明涉及用于预测胃癌预后的标记、用于预测胃癌预后的包含测量该标记表达水平 的试剂的组合物和试剂盒和使用所述标记预测胃癌预后的方法。
背景技术
在2005年,总计65,479人死于癌症,占全部死亡的26.7%。造成最多死亡的癌症是 肺癌,每100,000人群中有28.4位患者死亡(21.1%),按顺序其次是胃癌,22.6位患者 死亡(16.8%);肝癌,22.5位患者死亡(16.7%);结直肠癌,12.5位患者死亡(9.3%)。 已知胃癌是世界范围内因癌症造成的死亡当中造成第二多死亡的因素。
胃癌的症状显示出多个方面,范围从无症状至严重疼痛。此外,胃癌症状似乎像常见 的消化症状,没有任何特异特征。通常,在胃癌早期,大部分病例没有症状,即便有任何 症状的话,也很轻微,如轻微消化不良或上腹部不适,这造成大部分人忽视并因此可能增 加胃癌死亡率。
大部分用于胃癌的检验方法迄今是物理检验方法。首选是胃X射线法,这包括双重 对比方法、压缩X射线法、粘膜图法,并且其次是胃镜检查法,所述胃镜检查法通过找 到非常小的病灶并且允许在疑似部位进行胃活组织检查而提高诊断率,其中所述非常小的 病灶在X射线检查法中通过用肉眼检查胃部时不显现。然而,这种方法具有以下缺点: 存在卫生问题和患者在检查期间感觉疼痛。因此,近年来,已经进行了通过测量胃中特异 性表达的标记基因的表达水平而诊断胃癌的研究,但是关于预测胃癌患者预后的遗传标记 的研究相对较少。
胃癌患者存活率取决于诊断时的病理学分期。根据三星医学中心的数据,胃癌患者的 5年存活率如下(KimS等人,Int J Radiat Oncol Biol Phys2005;63:1279-85)。
II期:76.2%,IIIA期:57.6%,
IIIB期:39.6%,IV期26.3%
结果显示早期检出胃癌能明显有助于提高存活率。然而,由于已经诊断为处于相同阶 段的胃癌根据患者的不同而显示出了预后的差异,因此精确预测胃癌预后以及早期检出胃 癌是有效治疗胃癌的最重要因素。
在另一方面,为诊断胃癌,医生开始对患者实施必要的、据认为是最适宜的治疗方案 的检查。存在用于治疗癌症的方法,如手术、内窥镜疗法、化疗和放射疗法。一般通过考 虑胃癌疗法、胃癌尺寸、位置和范围、患者总体健康状态以及许多其他因素确定治疗方法。
在仅用手术治疗ΙB/II期胃癌的情况下,已知大约30%患者在5年内复发。在这种情 况下,由于不能预测胃癌在哪些患者中复发,因此不同医生采用不同疗法。因此,如果可 以精确预测胃癌患者预后,则可以基于这种预后确定适宜的治疗方法,如手术或化疗,这 可能很有助于胃癌患者存活,并且因此需要可以精确预测胃癌患者预后的技术。
常规上,已经使用解剖观察法(癌细胞侵入程度和转移的淋巴结数目)以便预测胃癌 患者的预后,但是该方法存在医师主观判断的可能介入和精确预测预后的局限。
发明内容
发明公开
技术问题在这种背景下,作为研究可以通过精确预测胃癌预后并根据预测的预后确定 适宜治疗方向而提高胃癌患者存活率的结果,本发明人确定,可以通过鉴定用于预测胃癌 预后的标记并且测量所述标记的表达水平来精确预测胃癌预后,以便完成本发明。
技术方案
本发明的目的是提供一种用于预测胃癌预后的标记,所述标记包括选自以下的一个或 多种基因:C20orf103、COL10A1、MATN3、FMO2、FOXS1、COL8A1、THBS4、CDC25B、 CDK1、CLIP4、LTB4R2、NOX4、TFDP1、ADRA2C、CSK、FZD9、GALR1、GRM6、 INSR、LPHN1、LYN、MRGPRX3、ALAS1、CASP8、CLYBL、CST2、HSPC159、MADCAM1、 MAF、REG3A、RNF152、UCHL1、ZBED5、GPNMB、HIST1H2AJ、RPL9、DPP6、ARL10、 ISLR2、GPBAR1、CPS1、BCL11B和PCDHGA8基因。
本发明的另一个目的是提供一种用于预测胃癌预后的组合物,所述组合物包含用于测 量用于预测胃癌预后标记的mRNA或蛋白质表达水平的试剂。
本发明的另一个目的是提供一种用于预测胃癌预后的试剂盒,所述试剂盒包含用于测 量用于预测胃癌预后标记的mRNA或蛋白质表达水平的试剂。
本发明的另一个目的是提供一种用于预测胃癌预后的方法,所述方法包括a)获得从 胃癌患者采集的样品中用于预测胃癌预后的标记的mRNA或蛋白质的表达水平或表达模 式;和b)比较从步骤a)所获得的表达水平或表达模式与预后已知的胃癌患者中相应基 因的mRNA或蛋白质的表达水平或表达模式。
本发明的另一个目的是提供一种用于预测胃癌预后的方法,所述方法包括a)测量从 胃癌患者采集的样品中用于预测胃癌预后的标记的mRNA或蛋白质的表达水平或表达模 式,以获得定量的表达值;b)将步骤a)中获得的表达值应用于预后预测模型以获得胃 癌预后评分;和c)将步骤b)中获得的胃癌预后评分与参比值比较以确定患者的预后。
有益效果
根据本发明,可以迅速和精确地预测胃癌预后,并且可以基于预测的预后确定适宜的 治疗,这具有有助于显著减少由胃癌引起的死亡的优点。尤其是,根据本发明,可以通过 使用针对III期胃癌所开发的靶向疗法大幅度提高存活率,因为Ib/II期胃癌患者当中已经 预测具有消极预后的患者显示与III期胃癌患者相似的预后并且耐受现有的标准化疗。
附图简述
图1是显示在使用参比基因基于分位数归一化和自我标准化的多种风险之间关系的 图。
图2代表根据C20orf103、COL10A1基因的表达水平的Kaplan-Meier曲线。
图3代表根据MATN3、FMO2基因的表达水平的Kaplan-Meier曲线。
图4代表根据FOXS1、COL8A1基因的表达水平的Kaplan-Meier曲线。
图5代表根据THBS4、ALAS1基因的表达水平的Kaplan-Meier曲线。
图6代表根据CASP8、CLYBL基因的表达水平的Kaplan-Meier曲线。
图7代表根据CST2、HSPC159基因的表达水平的Kaplan-Meier曲线。
图8代表根据MADCAM1、MAF基因的表达水平的Kaplan-Meier曲线。
图9代表根据REG3A、RNF152基因的表达水平的Kaplan-Meier曲线。
图10代表根据UCHL1、ZBED5基因的表达水平的Kaplan-Meier曲线。
图11代表根据GPNMB、HIST1H2AJ基因的表达水平的Kaplan-Meier曲线。
图12代表根据RPL9、DPP6基因的表达水平的Kaplan-Meier曲线。
图13代表根据ARL10、ISLR2基因的表达水平的Kaplan-Meier曲线。
图14代表根据GPBAR1、CPS1基因的表达水平的Kaplan-Meier曲线。
图15代表根据BCL11B、PCDHGA8基因的表达水平的Kaplan-Meier曲线。
图2至图15的p-值是借助高表达或低表达和基因表达水平划分基因的表达水平并进 行对数秩检验的结果值。
图16是显示积极预后组(低风险)或消极预后组(高风险)的无疾病存活率的 Kaplan-Meier曲线,所述组根据使用表5中所列出基因的预后预测模型划分。
图17是显示Ib/II期胃癌患者的无疾病存活率的Kaplan-Meier曲线,所述Ib/II期胃 癌患者使用表5中所列出基因的预后预测模型划分成积极预后组或消极预后组。
图18是显示积极预后组(低风险)或消极预后组(高风险)的无疾病存活率的 Kaplan-Meier曲线,所述组根据使用表7中所列出基因的预后预测模型划分。图18中的 HR是累积性风险函数比,并且使用100个排列计算p-值。
图19是通过划分患者(高对低)后患者组的Kaplan-Meier曲线,其中根据使用表7 中列出的基因并根据病理学分期(IB+II对III+IV)的预后预测模型将所述患者分类。通 过双侧对数秩检验计算p-值。
图20代表根据CDC25B、CDK1基因的表达水平的Kaplan-Meier曲线。
图21代表根据CLIP4、LTB4R2基因的表达水平的Kaplan-Meier曲线。
图22代表根据NOX4、TFDP1基因的表达水平的Kaplan-Meier曲线。
图23代表根据ADRA2C、CSK基因的表达水平的Kaplan-Meier曲线。
图24代表根据FZD9、GALR1基因的表达水平的Kaplan-Meier曲线。
图25代表根据GRM6、INSR基因的表达水平的Kaplan-Meier曲线。
图26代表根据LPHN1、LYN基因的表达水平的Kaplan-Meier曲线。
图27代表根据MRGPRX3基因的表达水平的Kaplan-Meier曲线。
图20至图27的p-值是借助高表达或低表达和基因表达水平划分基因的表达水平并 进行对数秩检验的结果值。
图28代表在表10中列出的基因的GCPS的临界值分析。最佳区分是将患者划分为高 风险组75%和低风险组25%的情况。
图29代表基于表10中列出的基因的GCPS的优化临界值,在发现集合中的II期胃 癌患者的无疾病存活率。
图30代表发现集合对验证集合中表10中列出的基因的GCPS的分布,并且显示发现 集合中GCPS的分布与发现集合中GCPS的分布重合。这代表这种测定法的分析稳健性。
图31代表根据预定义算法GCPS和临界值(红色=高风险)的验证队列的无疾病存 活率。
图32代表II期胃癌患者的无疾病存活率,其中所述II期胃癌患者基于表11中列出 的基因的GCPS接受手术和放射疗法。蓝颜色代表由GCPS定义的高风险。
图33代表II期胃癌患者的无疾病存活率,其中所述II期胃癌患者仅基于表11中列 出的基因的GCPS接受手术。蓝颜色代表由GCPS定义的高风险。
具体实施方式
优选发明模式
作为实现目标的一个方面,本发明提供用于预测胃癌预后的标记,所述标记包括选自 以下基因的一个或多种:C20orf103、COL10A1、MATN3、FMO2、FOXS1、COL8A1、 THBS4、CDC25B、CDK1、CLIP4、LTB4R2、NOX4、TFDP1、ADRA2C、CSK、FZD9、 GALR1、GRM6、INSR、LPHN1、LYN、MRGPRX3、ALAS1、CASP8、CLYBL、CST2、 HSPC159、MADCAM1、MAF、REG3A、RNF152、UCHL1、ZBED5、GPNMB、HIST1H2AJ、 RPL9、DPP6、ARL10、ISLR2、GPBAR1、CPS1、BCL11B和PCDHGA8基因。
作为另一个方面,本发明提供一种用于预测胃癌预后的组合物,所述组合物包含用于 测量用于预测胃癌预后的标记的mRNA或蛋白质的表达水平的试剂。
虽然处于相同病理学分期,但是每种胃癌的临床预后是不同的,并且必须根据这种预 后使用适宜的治疗方法以便增加胃癌患者的存活率。因而,本发明提供一种用于预测胃癌 预后的组合物,所述组合物包含用于预测胃癌预后的标记和用于测量其表达水平的试剂, 以便精确预测被诊断患有胃癌的患者的预后并且基于预测的预后确定适宜治疗方向,以增 加胃癌患者的存活率。
如本文所用,术语“标记”指与生物学现象的存在定量或定性相关的分子,并且本发明 的标记指作为预测胃癌患者存在良好或不良预后的基础的基因。
本发明的标记具有用于预测胃癌预后的显著低的p-值和高度可靠性,并且尤其,表5、 7、10和11中列出的标记可以根据所述标记的表达水平,将患者组划分成积极预后组或 消极预后组,并且可以通过测量标记的表达水平精确地预测胃癌患者的预后,因为根据显 示这些组的存活率的Kaplan-Meier曲线,积极预后组的存活率高于消极预后组的存活率。
如本文所用,术语“预后”指关于医学发展(例如,长期存活可能性、无疾病存活率等) 的预期,包括积极预后或消极预后,所述消极预后包括疾病进展如复发,肿瘤生长、转移 和耐药死亡率(mortality),并且积极预后包括疾病缓解如无疾病状态,疾病改善如肿瘤 消退或稳定(stabilization)。
如本文所用,术语“预测”指关于医学发展的猜测,并且出于本发明的目的,指猜测诊 断为胃癌的患者的疾病发展(疾病进展、改善、胃癌复发、肿瘤生长、耐药)。
在本发明的例子中,通过将诊断患有胃癌的患者划分成积极预后组或消极预后组来预 测胃癌患者的预后,并且另外,通过根据所述预后划分诊断存在胃癌病理学分期的患者来 预测胃癌患者的预后(实施例7至9)。
用于预测胃癌预后的标记可以优选地是以下基因的组合:C20orf103、COL10A1、 MATN3、FMO2、FOXS1、COL8A1和THBS4基因;以下基因的组合:ALAS1、C20orf103、 CASP8、CLYBL、COL10A1、CST2、FMO2、FOXS1、HSPC159、MADCAM1、MAF、 REG3A、RNF152、THBS4、UCHL1、ZBED5、GPNMB、HIST1H2AJ、RPL9、DPP6、 ARL10、ISLR2、GPBAR1、CPS1、BCL11B和PCDHGA8基因;以下基因的组合:C20orf103、 CDC25B、CDK1、CLIP4、LTB4R2、MATN3、NOX4和TFDP1基因;或以下基因的组 合:ADRA2C、C20orf103、CLIP4、CSK、FZD9、GALR1、GRM6、INSR、LPHN1、LYN、 MATN3、MRGPRX3和NOX4基因;并且更优选地是以下基因的组合:C20orf103、 CDC25B、CDK1、CLIP4、LTB4R2、MATN3、NOX4和TFDP1基因,或以下基因的组 合:ADRA2C、C20orf103、CLIP4、CSK、FZD9、GALR1、GRM6、INSR、LPHN1、LYN、 MATN3、MRGPRX3和NOX4基因。
本发明人确定通过以下方法,以上基因可以精确地预测胃癌预后。本发明人从福尔马 林固定的石蜡包埋的胃癌肿瘤组织中提取RNA,使用提取的RNA和全基因组DASL测 定试剂盒(Whole-Genome DASL assay kit)测量基因表达水平,并且随后使用其中将基因 表达水平作为连续变量处理的Cox比例风险模型(Cox proportional hazard model)进行标 准统计分析(standard statistical analysis)。作为结果,鉴定到与无疾病存活率存在巨大相 关性的、用于通过单变量分析(Univariate analysis)预测胃癌预后的369种基因(表2), 和用于预测病理学分期Ib/II胃癌预后的基因(表3)。随后,通过对鉴定的基因的表达水 平应用superPC算法,产生包含表5中基因的预后预测模型,并且根据这个预测模型,将 胃癌患者划分成积极预后组或消极预后组。通过显示积极预后组的存活率高于消极预后组 (实施例7和图16、图17),Kaplan-Meier曲线针对划分组的结果验证了使用本发明标记 的预后预测模型的有效性和可靠性。此外,通过对鉴定的基因的表达水平应用梯度套索算 法(gradient lasso algorithm)而产生的包含表7中基因的预后预测模型并且将胃癌患者划 分成积极预后组或消极预后组的结果确定这种分类与临床结果重合(实施例8和图18、 图19)。
如本文所用,术语“用于测量标记的表达水平的试剂”指可以用来确定标记基因或由这 些基因编码的蛋白质的表达水平的分子,并且可以优选地是对对所述标记特异的抗体、引 物或探针。
如本文所用,术语“抗体”是本领域已知的术语,指针对抗原性位点的特异性蛋白质分 子。出于本发明的目的,抗体指与本发明标记特异性结合的抗体并且可以通过常规方法从 标记基因编码的蛋白质中制备,其中通过以常规方式将每种基因克隆至表达载体中获得所 述蛋白质。其中,包括可以从所述蛋白质产生的部分肽。
如本文所用,术语“引物”指短核酸序列,作为具有短的游离3′末端羟基(游离3`羟基) 的核酸序列,它可以与互补模板(template)形成碱基对(base pair)并充当复制模板的 起点。在本发明中,可以通过以下方式预测胃癌预后:通过进行使用本发明的标记多核苷 酸的有义和反义引物的PCR扩增,所需的产物是否产生。可以基于本领域已知内容修改 PCR条件和有义引物和反义引物的长度。
如本文所用,术语“探针”指短至几个到长达数百碱基的核酸片段如RNA或DNA,所 述核酸片段可以与mRNA建立特异性结合并且可以因维持标记(Labeling)作用而确定特 定mRNA的存在。探针可以按寡核苷酸探针、单链DNA(single stranded DNA)探针、 双链DNA(double stranded DNA)探针和RNA探针等形式制备。在本发明中,可以通过 使用本发明的标记多核苷酸及互补探针实施杂交,借助是否杂交来预测胃癌预后。可以基 于本领域已知内容修改对探针和杂交条件的恰当选择。
本发明的引物或探针可以使用磷酰亚胺固相支持法或其他熟知方法化学合成。也可以 使用本领域已知的许多手段修饰所述核酸序列。这些修饰的非限制性实例是甲基化、加帽、 用天然核苷酸的一种或多种类似物进行的置换和在核苷酸之间的修饰,例如,修饰不带电 荷的连接体(例如,磷酸甲酯、磷酸三酯、磷酰亚胺、氨基甲酸酯等),或修饰带电荷的 连接体(例如,硫代磷酸酯、二硫代磷酸酯等)。
在本发明中,用于预测胃癌预后的标记的表达水平可以通过确定标记标记基因的 mRNA或由所述基因编码的蛋白质的表达水平来确定。
如本文所用,术语“测量mRNA的表达水平”指确定生物样品中标记基因的mRNA存 在及其表达水平以便预测胃癌预后的过程并且通过测量mRNA的量可实现。用于此目的 分析方法是但不限于RT-PCR、竞争性RT-PCR(competitive RT-PCR)、实时RT-PCR (Real-time RT PCR)、RNA酶保护测定法(RPA;RNase protection assay)、northern印迹 法(northern blotting)、DNA微阵列芯片等。
如本文所用,术语“测量蛋白质的表达水平”指确定生物样品中标记基因内表达的蛋白 质存在及其表达水平以便预测胃癌预后的过程,并且可以通过使用与上述基因中表达的蛋 白质特异性结合的抗体来确定蛋白质的量。用于此目的分析方法是但不限于western印迹 法(western blotting)、ELISA(酶联免疫吸附测定)、放射性免疫测定(Radioimmunoassay)、 放射性免疫扩散法(Radioimmunodiffusion)、奥克特洛尼(Ouchterlony)免疫扩散法、火 箭(Rocket)电泳法、组织免疫染色法、免疫沉淀测定法(immunoprecipitation assay)、 补体结合测定法(complete fixation assay)、FACS、蛋白质芯片(protein chip)等。
作为另一个方面,本发明提供一种用于预测胃癌预后的试剂盒,所述试剂盒包含用于 测量用于预测胃癌预后的标记的mRNA或蛋白质的表达水平的试剂。
本发明的试剂盒可以用于鉴定用于预测胃癌预后的标记的表达水平以便预测胃癌预 后。
本发明的试剂盒可以是RT-PCR试剂盒、实时RT-PCR试剂盒、实时QRT-PCR试剂 盒、微阵列芯片试剂盒或蛋白质芯片试剂盒。
本发明的试剂盒可以不仅包含用于测量预测胃癌预后的标记的表达水平的引物、探 针,或特异性识别所述标记的抗体,还包含适用于分析方法的一类或多类其他组分的组合 物、溶液或装置。
根据本发明的例子,用于测量标记基因的mRNA的表达水平的试剂盒可以是包含进 行RT-PCR所要求的必需要素的试剂盒。除了对标记基因特异的每对引物之外,这种 RT-PCR试剂盒还可以包含试管或其他适宜容器、反应缓冲溶液、脱氧核苷酸(dNTPs)、 Taq-聚合酶和逆转录酶、DNA酶、RNA酶抑制剂和DEPC水(DEPC-water)以及无菌水。
根据本发明的另一个例子,用于测量标记基因编码的蛋白质的表达水平的试剂盒可以 包含底物、适宜的缓冲溶液、以生色酶或荧光物质标记的第二抗体和生色底物。
根据本发明的另一个例子,本发明中的试剂盒可以是用于检测预测胃癌预后的标记的 试剂盒,其包含为进行DNA微阵列芯片所要求的必需要素。DNA微阵列芯片试剂盒可 以包含底物,其中作为探针的基因或与其片段相对应的cDNA与所述底物连接,并且所 述底物可以包括定量性对照基因或与其片段相对应的cDNA。
作为另一个方面,本发明提供一种用于预测胃癌预后的方法,所述方法包括a)获得 从胃癌患者采集的样品中用于预测胃癌预后的标记的mRNA或蛋白质的表达水平或表达 模式;和b)比较步骤a)中所获得的表达水平或表达模式和预后已知的胃癌患者中相应 基因的mRNA或蛋白质的表达水平或表达模式。
如本文所用,术语“从胃癌患者采集的样品”可以是但不限于源自胃癌患者胃部的组 织、细胞、全血、血清、血浆,并且优选地是胃肿瘤组织。
如本文所用,术语“预后已知的胃癌患者”指在诊断为患有胃癌的患者当中其疾病进展 已经被揭示的患者,例如,因手术后3年内复发而证实具有消极预后的患者或因手术后彻 底治愈而证实具有积极预后的患者,并且可以通过从样品获得并且比较表达水平或表达模 式精确预测待发现其预后的患者的预后,其中所述样品从上述患者和待发现其预后的患者 采集。
根据本发明的例子,可以通过以下方式预测预后:测量来自许多胃癌患者的标记基因 的表达水平或表达模式,用所述患者的预后建立测量值的数据库,并且将待发现其预后的 患者的表达水平或表达模式输入数据库中。在这种情况下,已知的算法或统计分析程序可 以用来比较表达水平或表达模式。此外,该数据库可以进一步再划分成病理学分期、接受 的治疗等。
根据本发明的例子,在步骤a)和b)中的胃癌患者是接受相同治疗的患者,并所述 治疗可以是放射性疗法、化疗、化放疗、辅助化疗(adjuvant chemotherapy)、胃切除术、 胃切除术后化疗或化放疗和辅助化疗或手术后无放射性疗法情况下的胃切除术。
根据本发明的例子,胃癌可以是Ib期或II期胃癌。
在本发明中,可以在mRNA或蛋白质的水平测量标记基因的表达水平,并且可以使 用公众已知的方法从生物样品分离mRNA或蛋白质。
用于测量mRNA或蛋白质的水平的分析方法如上文所述。
借助以上分析方法,从预后已知的胃癌患者的样品中测量的胃癌基因标记的表达水平 可以与从待发现其预后的患者的样品中测量的胃癌基因标记的表达水平相比较,并且可以 通过确定所述表达水平的增加或减少而预测胃癌预后。换言之,如果通过比较表达水平的 结果,待发现其预后的患者的样品显示与存在积极预后的胃癌患者的样品相似的表达水平 或表达模式,则可以确定具有积极预后,并且相反地,如果它显示与存在消极预后的胃癌 患者的样品相似的表达水平或表达模式,则可以确定具有消极预后。
根据本发明的例子,可以通过以下方式预测预后:将标记基因的表达水平与选自表4 中列出的基因中的一个或多种基因的表达水平比较并归一化,并且随后使用归一化 (normalization)的表达水平。
作为另一个方面,本发明提供一种用于预测胃癌预后的方法,所述方法包括a)测量 从胃癌患者采集的样品中用于预测胃癌预后的标记的mRNA或蛋白质的表达水平以获得 定量的表达值;b)将步骤a)中获得的表达值应用于预后预测模型以获得胃癌预后评分; 和c)将步骤b)中获得的胃癌预后评分与参比值比较以确定患者的预后。
步骤a)是用于定量测量标记基因的表达水平的步骤。可以使用已知软件、试剂盒和 系统来定量如上文所述的用于测量mRNA或蛋白质水平的分析方法所测量的表达水平, 获得标记基因的定量表达值。根据本发明的例子,测量标记基因的表达水平可以使用 nCounter分析试剂盒(NanoString Technologies)进行。在这种情况下,标记基因的表达 水平可以通过与参比基因的表达水平比较而进行归一化。根据本发明的例子,测量的标记 基因表达水平可以通过与选自表4内所列出的参比基因中的一个或多个参比基因的表达 水平进行比较而归一化。
根据本发明的例子,在步骤a)中,可以测量C20orf103、CDC25B、CDK1、CLIP4、 LTB4R2、MATN3、NOX4和TFDP1基因,或者ADRA2C、C20orf103、CLIP4、CSK、 FZD9、GALR1、GRM6、INSR、LPHN1、LYN、MATN3、MRGPRX3和NOX4基因的 mRNA或蛋白质的表达水平。
步骤b)是将步骤a)中获得的表达值应用于预后预测模型以获得胃癌预后评分的步 骤。
根据本发明的例子,这个预后预测模型可以表述为:
[S=β1x1+...+βnxn]
其中,xn是第n个基因的定量表达值,
βn是第n个基因的Cox回归估计值(Cox Regression estimate),并且
S代表胃癌预后评分。
步骤c)是将步骤b)中获得的胃癌预后评分与参比值比较以确定患者预后的步骤。
可以将参比值确定为在多个胃癌预后评分分布中第三个四分位数(third quartile)的 临界值至第四个四分位数的临界值的范围内的值,其中通过输入来自多位胃癌患者的标记 基因的表达值来获得所述多个胃癌预后评分分布。此外,可以将参比值确定为在多个胃癌 预后评分分布中第二个四分位数(Second quartile)的临界值至第三个四分位数的临界值 的范围内的值,其中通过输入来自多位胃癌患者的标记基因的表达值来获得所述多个胃癌 预后评分分布。优选地,可以将参比值确定为在多个胃癌预后评分分布中第三个四分位数 的临界值至第四个四分位数的临界值的范围内的值,其中通过输入来自多位胃癌患者的标 记基因的表达值来获得所述多个胃癌预后评分分布。
四分位数的临界值可以定义为在多位胃癌患者根据胃癌预后评分的尺度而分布时,与 1/4、2/4、3/4和4/4点相对应的值。在这种情况下,第四个四分位数的临界值可以是从患 者所获得的胃癌预后评分当中最大的评分。
根据本发明的一个例子,可以确定具有步骤b)中获得的与参比值相同或较之更大的 胃癌预后评分的病例具有消极预后。
根据本发明的一个例子,该临界值可以是0.2205或-0.4478,并且可以确定具有步骤 b)中获得的与临界值相同或较之更大的胃癌预后评分的病例具有消极预后。优选地,如 果在步骤a)中测量C20orf103、CDC25B、CDK1、CLIP4,LTB4R2、MATN3、NOX4 和TFDP1基因的表达水平,则临界值可以是0.2205,并且如果在步骤a)中测量ADRA2C、 C20orf103、CLIP4、CSK、FZD9、GALR1、GRM6、INSR、LPHN1、LYN、MATN3、 MRGPRX3和NOX4基因的表达水平,则临界值可以是-0.4478。
在本发明的一个例子中,通过应用梯度套索算法而产生包含表10和表11中基因的预 后预测模型,并且通过比较胃癌预后值将胃癌患者划分成积极预后组或消极预后组,其中 通过输入表达值和参比值至上式而获得所述胃癌预后值。通过证实消极预后组(高风险) 的存活率显著低于积极预后组(低风险)(实施例9,和图29、图31、图32),针对划分 组的Kaplan-Meier曲线结果验证了使用本发明标记的预后预测模型的有效性和可靠性。 此外,根据以仅接受胃切除术的患者作为受试者而测量标记基因的表达水平所获得的胃癌 预后值划分患者的结果确定了,通过证实消极预后组(高风险)的存活率显著低,也可以 用本发明的标记预测仅接受胃切除术的患者的预后(实施例9和图33)。
因此,可以根据本发明精确地预测胃癌预后,并且可以获得与预测的预后一致的适宜 治疗方案的益处。例如,可以确定对经判定具有积极预后的患者进行标准疗法或侵入性较 小的治疗选项,可以确定对经判定具有消极预后的患者进行用于早期胃癌患者的治疗方法 或非常具有侵入性(invasive treatment)或实验性疗法。具体而言,对于经诊断患有Ib或 II期胃癌的患者,可以根据本发明预测的预后选择适宜治疗方法,因为这些患者可能显示 不同的预后。例如,用于III期胃癌患者的治疗方法如手术或抗癌药物可以用于经诊断患 有Ib或II期胃癌的患者中预测具有消极预后的患者。
发明方式
下文通过提供实施例更详细地描述了本发明。然而,这些实施例仅意在说明,而不以 任何方式限制要求保护的发明。
实施例1:胃癌患者的选择
本研究在三星医学中心(Samsung Medical Center)和三星癌症研究所(Samsung Cancer Research Institue)按照赫尔辛基宣言(Declaration of Helsinki)而实施。本研究由三星医 学中心指导委员会批准。在1994年至2005年12月期间,1152位患者的队列(cohort) 根据以下标准选自1557位在5-FU/LV(INT-0116方案)辅助化疗后准接受胃切除术的患 者:
1)腺瘤组织学诊断,切除肿瘤,无残余肿瘤,
2)D2淋巴结清扫术(D2lymph node dissection),
3)年满18岁的男性和女性,
4)根据AJCC(美国癌症联合委员会)第6版,病理学分期Ib(T2bN0、T1N1或不 是T2aN0)至IV期,
5)完整保留手术记录和治疗记录,且根据以下方法接受5-氟尿嘧啶/甲酰四氢叶酸 (5-fluorouracil/leucovorin)辅助化疗(INT-0116方案)至少2次的患者。即,这样的患 者,其接受化放疗(总计4500cGy辐射,每日180cGy,1周/5日,持续5周),随后施用 5-氟尿嘧啶(400mg/m2/日)和甲酰四氢叶酸(20mg/m2/日)5日(1次),和额外施用1 次5-氟尿嘧啶(400mg/m2/日)和甲酰四氢叶酸(20mg/m2/日)。
1557位患者组中有405位患者从本分析中排除,归因于如下原因:
1)接受5-FU/LV辅助化疗少于2次的患者(N=144),
2)显微镜下存在阳性切缘(microscopically positive resection margin)的患者(N=73),
3)双重原发性癌症(double primary cancer)患者(N=53),
4)胃次全切除术后残余胃(remnant stomach)内胃癌复发的患者(N=5),
5)无完整医疗记录的患者(N=11),
6)使用非INT-0116方案的方案的患者(N=65)
7)其他(N=54)。
这项研究采用432位患者进行,其从1557位初步筛选的患者中二次筛查1152位患者 后最终随机筛选而来,并且表1中显示了所述患者的医学特征。432位患者根据胃癌病理 分期的分类显示了以下组成:Ib期68位、II期167位、IIIA期111位、IIIB期19位和IV 期67位(表1)。
表1
实施例2:从胃肿瘤提取RNA
从实施例1中最终筛选的胃癌患者的胃肿瘤提取RNA。为此目的,选择由最大肿瘤 组成的原发性肿瘤石蜡块(primary tumor paraffin block)。RNA从福尔马林固定、石蜡包 埋的组织(formalin-fixed,paraffin-embedded tissue)中4μm厚度的2至4块切片提取, 并且在移至提取管之前,通过微切割法(microdissection)移除非肿瘤要素。随后,根据 制造商的说明书,使用High Pure RNA Paraffin试剂盒(Roche Diagnostic,Mannheim,德 国)或E.Z.N.A.FFPE RNA分离试剂盒(Omega Bio-Tek,Norcross,GA,美国)提取完 整RNA。使用NanoDrop8000分光光度计(Thermo Scientific)测定提取的RNA的浓度, 并且将其在使用之前贮存在-80°C的低温。在实验中,作为不适宜的样品,浓度小于40ng/μl 并且A260/A280比率小于1.5或A260/230比率小于1.0的RNA样品不用分析中。
实施例3:全基因组表达概况(Whole genome expression profiling)
根据制造商的说明书,用200ng实施例2中提取的RNA进行Illumina全基因组DASL(Illumina Whole-Genome DASL)(cDNA介导的复性、选择、延长和连接,Illumina, 美国)测定法。首先,通过以下方式制备PCR模板:使用生物素化的寡-dT(biotinylated oligodT)引物和随机引物(random primers)将完整RNA逆转录成cDNA,使生物素化的 cDNA与一对查询寡聚物(query oligos)复性,延伸查询寡聚物之间的空位并且随后连接。 随后,使用一对通用PCR引物(universal PCR primers)扩增的PCR产物与人Ref-8表达 珠芯片(humanRef-8Expression BeadChip)(>24,000种注释的转录物)杂交。在杂交后, 使用iScan(Illumina,美国)扫描人Ref-8珠芯片。
实施例4:全基因组DASL测定法的质量控制(Quality control of Whole-Genome DASL assay)
过滤并且移除在实施例3中使用的人Ref-8表达珠芯片的24,526种探针当中称作“不 存在”的探针。过滤后留下的17,418种探针用于稍后的分析中。将探针的强度通过以2) 为底数的对数(logarithm with base2)进行修正并且使用分位数归一化算法归一化 (normalization)。作为结果,使用17,418种探针和432份样品进行统计分析。
实施例5:胃癌预测基因的鉴定
为了鉴定其表达水平与临床结果如无疾病存活(disease free survival,DFS)相关的基 因,使用Cox比例风险模型(Cox proportional hazard model)进行标准统计分析(standard statistical analysis),以处理作为连续变量(continuous variables)的基因表达水平。作为结 果,通过单变量分析(Univariate analysis)鉴定到17,418种探针当中与无疾病存活率存在 显著相关的369种探针,并且表2中显示了该结果(p<0.001)。
此外,由于重要的是预测Ib/II期(stage Ib/II)患者的预后,用样品中从Ib/II期患者 采集的样品作为对象、以同上文一样的方式鉴定对Ib/II期特异的胃癌预后基因,并且表 3中显示了该结果。表3中的p值(p value)代表基因表达水平对临床预后的影响程度, 其中较低的p值更显著地影响预后,并且风险比代表对胃癌复发率的影响程度,数字增加 或下降具有显著的含义。
根据表2和表3,鉴定到众多Ib/II期特异性预后基因的存在,不过采用整组患者作 为对象所鉴定到的预后基因与采用Ib/II期患者作为对象所鉴定到的预后基因重合。
表2
表3
实施例6:鉴定用于自我归一化(self-normalization)的参比基因(reference genes)
减少临床领域中发现的预后基因数目的方式之一是在每种情况下自我归一化,因为不 可能一次用整组患者作为对象进行归一化。目前,实时QRT-PCR(实时定量逆转录聚合 酶链反应)广泛地用来测量基因的表达水平,但是当使用QTR-PCR时,不能测量人类中 的全部基因以便进行分位数归一化,并且当使用旧石蜡块而非使用新样品时存在生成的实 时QRT-PCR信号显著较低的问题。
因此,为了在临床领域可靠使用鉴定的胃癌预后基因,本发明人尽力鉴定参比基因用 于测量的基因表达水平的自我归一化。因此,通过分析实施例3中用WG-DASL测量的 基因表达水平数据,鉴定了不具有预后特征并且在每种不同情况下均显示最小变化的50 种参比基因,并且表4中显示了该结果。表4中列出的50种参比基因中一个或多种基因 的组合可以用于胃癌预后基因的表达水平的归一化。
表4
随后,为了证实采用参比基因进行的自我归一化的有效性,研究了针对WG-DASL 数据的分位数归一化和自我归一化数据之间的相关性。图1中显示了基于两种归一化方法 的风险比(hazard ratio)。作为结果,确定了分位数归一化和自我归一化方法之间的密切 相关性(图1)。
实施例7:开发和评价基于胃癌预后基因的预后预测模型-(1)
7-1:使用监督主成分分析的预后预测模型
为了建立预后预测模型,使用由Bair和Tibshirani开发的改进的主成分分析法(rvised Principal Component analysis,SuperPC)(PLoS Biol.2004Apr;2(4):E108.Epub2004Apr 13)。为了开发和评价基于SuperPC分析的胃癌预后预测模型,使用Richard Simon开发 的BRB矩阵工具(SimonR等人,Cancer Inform2007;3:11-7)程序。
在SuperPC分析中,可以确定用于以所需水平预测预后的p-值阈值,并且在BRB矩 阵工具程序中,默认p-值是0.001。临界P值可以在任何区域中小于0.01,并且通过预定 义的p-值和计算有效成分,SuperPC分析可以包括表2和表3中列出的预后基因的子集。 为了以被认可的有效性建立预后预测模型,将10倍交叉验证法和SuperPC分析与BRB 矩阵工具组合。作为SuperPC分析的例子,为了建立预后预测模型,使用0.00001的临界 p-值和两种有效成分,并且SuperPC预后预测模型由7个预后基因组成,并且在图16中 显示这种预测模型(表5和图16)。此外,在图2至图5中显示了代表根据7个所选择的 预后基因的表达水平的存活率的Kaplan-Meier曲线。
表5
图2至图5确定,根据表5中列出的7种基因中每一种的表达水平,将患者队列划分 成积极预后组或消极预后组,并且与消极预后组的存活率相比,积极预后组的存活率显得 高。这些结果在临床上代表,可以通过测量本发明中胃癌预后基因的表达水平精确地预测 胃癌患者的预后。
此外,根据图16,建立表5中列出的7种基因的预后预测模型并且将患者根据所述 模型进行划分的结果显示,与消极预后组(高风险)的存活率相比,划分至积极预后组(低 风险)中的组的存活率显著更高,这与实际临床结果对应(图16)。这些结果显示,表5 中列出的7种预后基因可以用于预测胃癌预后。
另外,将已经根据该预后预测模型划分的患者中的Ib/II期胃癌患者再划分成积极预 后组或消极预后组,并且图17中显示了代表所划分组的无疾病存活率的Kaplan-Meier曲 线。作为结果,与划分入消极预后组的Ib/II期胃癌患者的存活率相比,根据SuperPC预 后预测模型划分入积极预后组的Ib/II期胃癌患者的存活率显著更高(图17)。
具体而言,在SuperPC预后预测模型(使用表5中7种基因的表达水平)中,可以 通过下式计算预后指数。如果通过下式计算的确定预后指数大于-0.077491,则从中采集 样品的患者可以划入消极预后组中。
∑Iwi xi-4.51425
[wi和xi分别代表基因的第i位权重(weight)和对数表达水平]
7-2:采用常规预后系数的对比评价
本发明人使用多变量Cox分析作为标准统计分析以确定基于本发明中预后基因的预 后预测是否比常规预后系数提供更有意义的预后信息。具体而言,研究了多变量Cox模 型,所述模型显示由SuperPC预后指数(表5)和10倍交叉验证法评价的无疾病存活率、 肿瘤细胞侵入深度(pT期(pTstage))、由肿瘤细胞转移的淋巴结的数目(P Node)。
多变量分析结果确定,与pT期和P Node无关的7种预后基因是接受治疗型胃切除 术和辅助化疗的胃癌患者的无疾病存活率的优异预测物(HR=1.9232,95%CI,1.4066, 2.6294,P<0.0001,表6)。
表6
实施例8:开发和评价基于胃癌预后基因的预后预测模型-(2)
8-1:使用梯度套索方法的预后预测模型
使用梯度套索算法(Sohn I等人:Bioinformatics2009;25:1775-81)筛选在实施例5中 鉴定的369种胃癌预后基因中可以用于预测胃癌预后的基因。在梯度套索预后模型中,可 以使用下式计算预后评分,并且如果随机样品的预后评分为正,可以预测为积极(positive) 预后。
是从训练集估计的回归系数(regression coefficient),X是训练集的基因表达水平的 向量。]
在使用梯度套索选择基因后,必需使用独立数据集(data set)验证易感性。为此目 的,使用留一交叉验证法(leave one out cross validation,LOOCV)。具体而言,留一交叉 验证法将在通过梯度套索产生预后预测算法时使用N-1份样品(训练数据),不包括来自 患者组的一份样品(测试数据),并且用来通过将相同样品应用于预后算法将剩余一份样 品划入积极预后组或消极预后组。这种过程反复对患者组的N份样品进行。在完成将全 部样品划分入积极预后组或消极预后组后,通过统计分析比较积极预后组和消极预后组之 间的存活率。
在进行留一交叉验证法期间通过梯度套索算法筛选出26种预后基因并且表7中列出 了筛选的基因。此外,在图5至图15中显示了代表根据26种筛选的预后基因的表达水平 的存活率的Kaplan-Meier曲线。根据图5至图15,确定了根据表7中列出的26种基因中 每一种的表达水平将患者组划分成积极预后组或消极预后组,并且与消极预后组的存活率 相比,积极预后组的存活率显得更高。这些结果临床上代表,可以通过测量本发明中胃癌 预后基因的表达水平来精确地预测胃癌患者的预后。
表7
随后,使用26种选择的基因(梯度套索和留一交叉验证法)、根据这种预后预测模型, 将患者组划分成积极预后组或消极预后组。另外,根据病理学分期,将已经划分成积极预 后组或消极预后组的患者组再划分,从而可能根据病理学分期预测预后。
8-2:评价使用梯度套索方法的预后预测模型
为了确定是否使用26种预后基因预测的预后是否与实际临床结果重合,在 Kaplan-Meier曲线中显示划分成积极预后组和消极预后组的组的无疾病存活率(图18)。 作为结果,与消极预后组(高风险)的5年无疾病存活率相比,积极预后组(低风险)的 5年无疾病存活率显著更高(71.7%对47.7%),并且该结果似乎对应于复发率2.12的风险 比(95%CI,1.57,2.88,P=0.04,图18)。因此,确定使用26种预后基因进行分类的 胃癌患者的预后与实际临床结果重合。
为了确定通过以下方式预测的预后结果是否与实际临床结果重合,所述方式为将已经 根据病理学分期划分成积极预后组和消极预后组的患者再划分以便可以根据病理学分期 预测预后,在图19中显示了Kaplan-Meier曲线,所述曲线代表根据预后划分的处于每种 病理学分期的患者组的无疾病存活率。作为结果,由总计432位患者组成的队列划分成 145位患者处于低风险Ib/II期(low-risk,stage Ib/II)(5年无疾病存活率为84.8%);90 位患者处于高风险Ib/II期(high-risk,stage Ib/II)(5年无疾病存活率为61.1%);83位患 者处于低风险III/IV期(low-risk,stage III/IV)(5年无疾病存活率为48.9%),和114位 患者处于高风险III/IV期(high-risk,stage III/IV)(5年无疾病存活率36.9%)。具体而言, 确定在Ib/II期中,与消极预后组(高风险Ib/II)的存活率相比,积极预后组(低风险Ib/II) 的存活率显著地更高,并且甚至在III/IV期,与消极预后组(高风险III/IV)的存活率相 比,积极预后组(低风险III/IV)的存活率显著地更高(图19)。
结果表明,可以通过采用统计分析算法处理预后基因的表达水平、根据所述预后精确 地将处于病理学分期的患者分类,并且可以根据预测的预后,通过选择适宜的治疗改善胃 癌患者的存活率。例如,从诊断为Ib/II期的患者测量预后基因的表达水平,通过测量相 对于参比基因的相对表达水平自我归一化,并且,随后如果根据梯度套索算法划分入消极 预后组Ib/II期,则可以确定患者的预后与III期的预后相似,并且可以通过使用针对III 期患者的治疗方法延长患者的存活。
8-3:采用常规预后系数的对比评价
预测胃癌预后的已知预后因素为确定肿瘤细胞侵入深度(pT期)和由肿瘤细胞转移 的淋巴结的数目(P Node)。本发明人使用多变量Cox分析作为标准统计分析来确定基于 本发明中预后基因的预后预测是否比常规预后系数提供更有意义的预后信息。具体而言, 研究了多变量Cox模型,所述模型显示由梯度套索指数(7表中列出的26种预后基因) 和留一交叉验证法评价的无疾病存活率、肿瘤细胞侵入深度(pT期)、由肿瘤细胞转移的 淋巴结的数目(P Node)或病理学分期(AJCC第6版)。在这种情况下,pT期被分为pT1/T2 和T3,并且通过用0.1替换0求得P Node的对数。
多变量分析结果确定,与pT期和P Node无关的26种预后基因是接受治疗性胃切除 术和辅助化疗的胃癌患者的无疾病存活率的优异预测物(HR=1.859,95%CI,1.367,2.530, P=0.000078,表8)。同样地,如表9中所示,确定可以利用26种预后基因独立地预测 处于最末病理学分期的无疾病存活率(HR=1.773,95%CI,1.303,2.413,P<0.00001, 表9中的Pstage是pTstage和PNode的组合)。
表8
表9
实施例9:开发和评价基于胃癌预后基因的预后预测模型-(3)
9-1:使用nCounter测定法开发和评价用于II期胃癌患者的胃癌预后评分
通过将梯度套索算法应用于从WG-DASL测定法内所用的队列中获得的II期胃癌患 者(N=186)的肿瘤样品,鉴定到提供稳健(robust)预后信息的8种胃癌预后基因的组 合(表10)。利用8种基因的归一化表达水平和Cox回归估计值的线性组合(linear combination)开发了胃癌预后评分(Gastric Cancer Prognostic Score,GCPS)。使用nCounter 分析试剂盒(系统;NanoString Technologies)进行基因表达水平的测量。
表10
通过分析临界值(cut-off),确定将25%患者分配入消极预后组的GCPS为最稳健 (robust)的(图28)。选择该临界值用于将来的独立验证队列中的验证。作为应用优化 的临界值至该队列的结果,如图29中所示,与低风险组84.3%的5年无疾病存活率(顶 部图)相比,基于该预测模型,通过基因表达水平确定高风险组的5年无疾病存活(底部 图)为42.6%(p<0.0001)。
由于过度拟合问题,必需用修订算法和临界值,用未用于鉴定基因的独立患者队列作 为对象验证GCPS。为此目的,首先获得用于验证的患者队列。将GPS应用于2期胃癌 患者的独立验证队列,所述2期胃癌患者接受与用于鉴定患者胃癌预后基因的患者 (n=186,发现队列)相同的化疗-放疗。作为结果,风险评分分布与图30十分相似,所 述图30代表这种测定法(assay)的稳健分析性能。
应用从发现队列获得的预定义的GCPS临界值(0.2205)至验证队列并且基于等级分 布产生Kaplan-Meier曲线的结果确定,这种算法可以精确鉴定接受化放疗的2期胃癌患 者中患胃癌风险较高的患者(图31)。如图31中所示,这8种预后基因的GPS成功预测 出高风险组(5年DFS,58.7%,底部图)和低风险组(5年DFS,86.3%,顶部图)中 216位患有2期胃癌的患者(P=.00004,HR=3.15)。
9-2:GCPS的优化
根据该实施例,在验证可以通过胃癌预后基因的表达概况鉴定接受化放疗的2期患者 中的高风险患者后,将发现队列和验证队列合并为一个队列以开发第二代GCPS。为了基 于无疾病存活率的Cox比例风险模型开发预测模型,使用梯度套索(最小绝对收缩和选 择算子)算法。表11代表使用2期数据集(phase2data set,N=402)时所获得的构成预 测模型的13种基因(探针),其中所述2期数据集是发现集合和验证集合的组合。
表11
将患者的GCPS计算为[S=β1x1+...+βnxn]。其中,xn是第n位基因的定量表达值, βn是表10和表11中列出的第n位基因的回归估计值(Regression estimate),并且S代表 胃癌预后评分。随后,从2期数据集估计风险评分分布的第一个四分位数和第三个四分位 数的临界值(Q1=-0.9842,Q3=-0.4478)。通过应用该临界值至最终验证集合的306位患 者中,分别将GCPS低于Q1的患者和GCPS大于Q3的患者分配至低风险组和高风险组 中。作为结果,如图24中所显示,Kaplan-Meier曲线确定,与其他组的患者相比,被预 测为高风险组的患者的存活率(底部图)显著地较低(图32)。
9-3:在仅接受手术的II期胃癌患者中验证第二代GCPS
为了测试GCPS对仅接受手术而未接受化疗或放射疗的患者的性能,检查了306位诊 断患有2期胃癌的患者的癌组织,其中所述患者在三星医学中心仅接受根治性胃切除术而 不接受辅助化疗(adjuvant chemotherapy)或手术后放射疗法。根据以下标准选择患者。
在诊断患有2期病理学分期的476位胃癌患者中(这些患者从1995年4月至2006 年9月在三星医学中心仅接受根治性胃切除术(curative gastrectomy)而不接受辅助化疗 或手术后放射疗法),根据以下标准选择306位患者。
1)腺瘤组织学诊断,
2)切除肿瘤,无残余肿瘤,
3)D2淋巴结清扫术,
4)年满18岁,
5)根据AJCC(美国癌症联合委员会)第6版,病理学分期II(T1N2、T2aN1、T2bN1 和T3N0),
6)完整保留手术记录和治疗记录。
在476位患者的队列中170位患者被从本分析中排除,归因于如下原因:
1)无完整医疗记录的患者(N=66),
2)无疾病死亡或无法解释的死亡(N=43),
3)纠正的病理学分期(N=45)
4)石蜡块不可获得(N=15),
5)双重原发性癌症(N=1)。
如图33中所示,作为应用第二代GCPS至仅接受手术的2期胃癌患者队列的结果, 虽然使用接受化放疗的患者队列开发了GCPS,但是与低风险组相比,根据GCPS划入高 风险组的患者(底部图)经鉴定具有不良预后(p=0.00287)。这个结果表明,由GCPS定 义的高风险患者基本上具有未被抗癌药物和放射疗法改善的不良预后,并且需要为这些患 者开发新疗法。
机译: 用于预测胃癌预后的标记器和用于预测胃癌预后的方法
机译: 用于预测胃癌预后的标记器和用于预测胃癌预后的方法
机译: 预测胃癌预后的标记和使用相同方法预测胃癌预后的方法