Transcriptomic Profiling Identifies a Risk Stratification Signature for Predicting Peritoneal Recurrence and Micrometastasis in Gastric Cancer
转录组学分析确定了预测胃癌腹膜复发和微转移的风险分层特征
发表期刊：Clin Cancer Res
发表日期：2021 Feb 8
影响因子：9.492
DOI: 10.1158/1078-0432.CCR-20-3835
一、研究背景
胃癌（GC）是全球癌症相关死亡的第二大原因。腹膜播散是GC中癌症复发和远处转移的最常见原因，导致预后不良，中位生存期约为4个月。虽然对常规全身化疗的不良反应和次优的治疗方案是造成GC腹膜癌患者不良结局的主要原因，但缺乏临床上强有力的诊断方式来检测腹膜转移的存在仍然是改善这种恶性肿瘤疾病结局的最关键障碍之一。GC患者腹膜内癌细胞的存在与频繁的腹膜复发（PR）或转移（PM）密切相关。
二、材料与方法
1 数据来源
1）GEO数据库获取GSE15081（包括33名PR患者和75名无任何复发（NR）的患者）和GSE62254（n=141）的全基因组表达谱数据。
2）在开发PR预测生物标志物的培训和验证队列中初步选择患者，从两个独立的机构招募患者：发现队列包括韩国首尔蔚山大学和牙山医学中心的患者，验证队列的患者在韩国水原的大学注册。共纳入216例和111例患者，用于PR预测生物标志物的训练和验证。
3）评估生物标志物面板，检测GC患者中PM存在的性能: 210名接受胃切除术的活检证实的1至4期原发性GC患者的标本（被称为PM评估队列），其中包括之前111名验证队列中的患者，以及来自韩国水原Ajou大学和日本名古屋大学的额外99名4期GC病例。
2 分析流程
三、结果展示
01 - 全基因组基因表达谱发现了一个预测胃癌腹膜复发的12个基因面板
选择GSE15081数据集进行初步的生物标志物发现。差异性基因表达和相关性分析发现了一个由13个基因组成的面板，这些基因在PR与NR患者之间有差异性表达。由于其中一个基因并不存在于第二个公共数据集（GSE62254）中，因此，最终确定了12个基因的面板，其中包括：ZBTB1、CHCHD3、KLHL41、POPDC2、LTBP3、CAVIN2（SDPR）、STT3B、TXNDC16、PHYHD1、KCNJ6、SLITRK6和LMBR1。
作者建立了一个逻辑回归模型来预测GC患者的腹膜复发，该模型表现出0.95的AUC。此后，该12个基因面板的预测准确性在第二个数据集（GSE62254）中得到验证，这再次证实了我们生物标志物发现工作的稳健性，结果AUC为0.86（图1A）。
为了进一步评估复发预测生物标志物的临床意义，接下来在一个基因表达谱数据集（GSE62254）中验证了这个12个基因面板的预后意义。在单变量分析中显著的三个因素中，病理肿瘤阶段和基因表达面板是唯一出现在多变量cox比例危险模型中显著预测pRFS的变量（图1B）。将这两个因素结合在一起时，导致基因面板的复发预测潜力进一步提高，并产生了0.90的AUC（图1C）。最后，分析这批患者的pRFS信息，Kaplan-Meier分析显示，基于复发预测模型，归入高危组的患者与低危组的患者相比，预后明显更差（图1D）。
02 - 基于6个基因的胃癌患者复发预测风险模型
通过在216名GC患者的临床训练队列中对12个基因分别进行RTqPCR检测，建立了一个风险预测模型。作者通过逻辑回归和逆向淘汰法建立了两个独立的预测模型。基于单步回归得出的12个基因面板的AUC值为0.75，这与由逐步回归模型得出的缩减、6基因面板的AUC值0.72相当。
在训练队列的患者中，Cox比例危险分析表明，浸润性肿瘤形态，肿瘤细胞更深的侵袭，以及6-基因面板，代表高危组内的患者与显著缩短pRFS相关。在接下来的分析中，作者注意到12个基因面板与肿瘤形态学和T期的组合进一步提高了预测性能（AUC = 0.85 vs 单独基因面板的AUC为0.75；图2A）。此外，该模型的预测性能几乎与包括6个基因面板的模型相同（AUC= 0.84 vs 单独使用基因面板的AUC为0.72；图2B）。通过这些分析，确保了基因面板与临床预后指标的整合，使得使用12基因面板和6基因面板预测PR的整体性能得到显著提高。
为了优先选择与临床相关的基因面板，并考虑到两种基因面板的预测潜力相当，选择6基因面板建立风险分层模型来预测GC患者的PR，如图2C所示。
根据6基因面板的logistic回归模型得出的个体系数和常数，我们制定了如下的风险预测公式：0.89290×ZBTB1+0.50046×CAVIN2-0.44275×CHCHD3-0.25294×LTBP3-0.16871×SLITRK6-0.14124×STT3B+0.23925.
使用与训练队列相同的风险预测公式，在验证队列内111名患者的独立队列中评估了其性能。观察到生物标志物面板成功地将发生PR的患者与没有复发的患者区分开来，相应的AUC值为0.76。在该验证队列内的患者中进行的Cox回归分析再次表明，肿瘤侵犯深度和6基因面板，是预测GC患者PR的重要预后指标。同样，肿瘤T期和形态学的组合进一步增强了基因面板的预测性能（图2D）。总的来说，复发预测模型的独立验证证明了我们的生物标志物在预测GC患者PR方面的稳健性。
03 - 基因生物标志物面板预测GC患者的无复发生存率
鉴于在GC患者中PR几乎总是伴随着不良的生存，接下来评估了复发预测生物标志物面板在训练和验证队列的患者中的预后潜力。根据预测模型得出的截止阈值，将所有患者分为PR的高危组和低危组，然后通过Kaplan-Meier分析来确定基因面板的预后意义。
在训练队列中，高危组患者的pRFS与低危组患者相比明显更差（图2E）。同样，当我们在GC患者的独立验证队列中评估这一假设时，我们观察到高危组和低危组的生存结果存在显著差异（图2F）。这些结果强调，生物标志物面板除了能够预测PR外，预测GC患者的预后方面也具有临床意义。
04 - 生物标志物识别GC患者是否存在腹膜转移
考虑到PR通常是腹腔内转移的表现，作者评估了6基因面板在GC患者中检测PM的潜力。作者检查了来自PM评估队列内患者的210份临床标本，其中包括31份来自手术时伴随PM患者的标本。生物标志物面板成功地将患有PM的GC患者与没有远处转移的患者区分开来，其稳健的AUC值为0.72。
多变量logistic回归分析显示，6基因面板和肿瘤侵犯深度是PM的唯一显著指标（图3A）。接下来评估了该组合面板的诊断准确性，与单独的基因面板和T阶段相比，该组合面板明确显示出诊断准确性的显著提高（图3B）。
05 - 生物标志物识别腹膜微转移的GC患者
作者接下来讨论这个生物标志物面板是否也可以识别细胞学阳性的P0/Cy1肿瘤患者。目前临床上使用的诊断方式常常会遗漏这些肿瘤，但这些患者是接受较新疗法的理想人选，这些疗法可以相当有效地治疗腹膜癌，并改善这部分GC患者的总体生存结果。
在31名PM评估队列的PM患者中，选择了16名微转移患者，并评估了基因生物标志物面板的潜力。作者对P0/Cy1癌症患者的分析显示，生物标志物的诊断潜力相当显著（AUC=0.72），当将其与这些患者的Tstage信息结合在一起时，这一结果得到了显著改善（AUC=0.85，图3C）。在构成生物标志物的6个基因中，ZBTB1的表达水平在PM患者中显著升高（图3D），这与之前的研究结果相同。
四、结论
在本研究中，基于系统全面的生物标志物发现和多个临床队列的验证，作者开发了一个基于6个基因的生物标志物面板，用于鉴定腹膜癌高危患者。该生物标志物面板在检测腹膜微转移（新疗法的理想候选者）以及预测腹膜腔复发方面非常有效。此外，当与肿瘤侵袭深度相结合时，其准确性显著提高。这种新型的转录组学特征可以作为重要的临床决策，并有可能促进胃癌患者的适当治疗。
