Py学习  »  机器学习算法

Nat Commun | 基于32基因特征构建的机器学习模型可有效预测胃癌患者的预后和治疗反应

测序中国 • 2 年前 • 251 次点击  
目前,全身化疗仍然是大多数胃癌患者治疗方案的重要组成部分,但事实上许多患者并没有从全身化疗中获益。因此,临床急需简单有效的生物标志物来预测患者对化疗的反应,以提高治疗精度,改善患者预后。
近期的大规模新一代测序和分子图谱研究已经阐明了胃癌的基因组基本特征。但癌症基因组的突变信息仍然未能纳入基因-基因相互作用和信号通路动力学的功能分析,因此有可能遗漏潜在的预后信息来源。
早在2016年,韩国延世大学医学院研究团队开发了一种机器学习算法——NTriPath,整合了泛癌体细胞突变数据、基因-基因相互作用网络和通路数据库信息,以识别与癌症相关的预后分子通路。截至目前,研究人员已经使用NTriPath识别了肾细胞癌、膀胱癌、头颈部鳞状细胞癌和黑色素瘤的预后基因特征。NTriPath在胃癌层面的相关研究仍然缺乏,该算法能否识别胃癌特异性信号通路以用于患者预后的判断仍然是未知的。
近日,该韩国研究团队联合梅奥诊所研究团队在Nature Communications发表了题为“Development and validation of a prognostic and predictive 32-gene signature for gastric cancer”的文章。研究团队利用NTriPath识别了胃癌的特异性关键信号通路,并生成了包含32个基因的胃癌特异表达特征谱。验证了这些基因特征的预后效用,并建立了一个基于分子亚型的风险评分模型,来预测胃癌患者总体生存期和对化疗或免疫检查点封锁疗法的反应。
文章发表在Nature Communications

主要研究内容


32基因谱和分子亚型的鉴定

首先,研究人员对癌症基因组图谱 (TCGA) 收录的来自19种不同癌症类型的6681名患者的体细胞突变谱信息进行了汇总,随后这些数据输入NTriPath中进行分析,最后识别出胃癌中特异性改变的信号通路。根据前期的研究经验,研究人员总结出NTriPath鉴定的前三种途径的预测效用最高。前三种胃癌特异性通路主要由32个基因组成,包括TP53、BRCA1、MSH6、PARP1、ACTA2,它们富集于DNA损伤反应、TGF-b信号通路、细胞增殖信号通路。
图1. 整体研究方案示意图,来源:Nature Communications
为了验证这些胃癌特异性通路的预后效用,研究团队收集了567名在延世大学医学院接受胃癌切除术患者肿瘤样本的转录组信息。其中,89%的患者患有II期或III期胃癌,平均随访时间为61个月。
基于32个基因的表达水平,研究人员对567例患者队列进行了聚类分析并鉴定出4种不同的分子亚型:第1组患者肿瘤细胞的细胞周期相关基因过表达;在第4组患者的肿瘤中,TGF-β、SMAD、雌激素信号通路相关基因过表达;第3组患者肿瘤细胞凋亡信号通路和细胞增殖通路中存在过表达基因;第2组患者的肿瘤细胞没有明显的过表达基因模式。
在单因素分析中,分子亚型与年龄、疾病分期和分型、周围神经侵犯显著相关。最后,研究发现不同组别之间的总生存期具有显著差异:第1组预后最好,第4组预后最差。

图2. 分子亚型的鉴定及其对预后的影响,来源:Nature Communications


机器学习模型识别风险评分并预测5年总生存率

研究人员希望将32个基因谱转化为临床相关的工具,以允许临床医生评估胃癌患者5年总生存率。将上述包含567名患者的队列作为训练集,研究人员使用支持向量机(Support Vector Machine, SVM)建立了一个模型。SVM模型采用第1组(预后最好)和第4组(预后最差)进行训练,并利用已发表的胃癌相关数据集进行验证。结果显示,基于32个基因的风险评分可以作为5年总生存率的预后指标。更加重要的是,在所有数据集中,风险评分可独立于已知的与较差预后相关的临床和病理特征。因此,基于32个基因谱的机器学习衍生的风险评分模型能够较为准确地预测胃癌患者的5年总生存率。

图3. 基于32个基因的风险评分可有效预测5年总生存率,来源:Nature Communications


分子亚型可预测患者对治疗的反应

研究团队进一步分析了基于32个基因谱鉴定的分子亚型是否可以预测患者的化疗反应。上述包括567名患者在内的临床队列为接受辅助化疗作为标准治疗方案之前的患者。因此,能够将单独手术的患者与接受5-氟尿嘧啶(5-FU)单药、5-FU和铂双联疗法的患者进行比较分析。分析发现,在第3组患者中,与未接受辅助化疗的28例患者相比,接受5-FU加铂治疗的患者总生存期明显更好。相比之下,接受5-FU加铂治疗的第1组患者生存期比未接受辅助治疗患者的生存期更差。此外,是否接受化疗对第2组和第4组患者的生存差异无相关性。以上数据表明,这4种分子亚型能够预测对辅助化疗的反应。

图4. 分子亚型与5-FU和铂化疗反应相关,来源:Nature Communications

为了确定分子亚型是否也能预测免疫检查点阻断疗法的反应,研究团队还分析了接受免疫检查点阻断疗法的复发或转移性胃癌患者的样本。 根据32个基因的特征,纳入的患者被分为四种分子亚型之一。在第1组和第3组中,派姆单抗的反应率比第2组和第4组患者高得多,且具有显著性差异,表明分子亚型也可预测复发或转移性胃癌患者对免疫检查点阻断疗法的反应。

图5. 分子亚型与免疫检查点阻断疗法的反应相关,来源:Nature Communications


结 语

目前,癌症患者危险分层的金标准仍然是病理分期,但只有在手术切除获得肿瘤组织后才有可能进行诊断。该研究验证了NTriPath在胃癌中的性能,研究团队利用NTriPath生成了一个基于32个基因谱的胃癌分型模型,发现32个基因特征可有效预测胃癌患者的5年总生存率和治疗反应。该研究也表明,从诊断时获得的组织样本的分子表达信息可以为预后和治疗计划提供重要的临床参考信息。
总之,该团队开发的这种基于32个基因的模型能够有效预测患者的预后和辅助化疗或免疫治疗的反应。但分子分类方案的预后和预测效用最终仍需通过前瞻性临床试验进行验证。因此,关于胃癌中32基因谱的预后和预测能力的分子机制是未来研究的重要课题。
参考文献:
1. Cheong, JH., Wang, S.C., Park, S. et al. Development and validation of a prognostic and predictive 32-gene signature for gastric cancer. Nat Commun 13, 774 (2022).
2. Keenan, T. E., Burke, K. P. & Van Allen, E. M. Genomic correlates of response to immune checkpoint blockade. Nat. Med. 25, 389–402 (2019).
3. Park, S. et al. An integrative somatic mutation analysis to identify pathways linked with survival outcomes across 19 cancer types. Bioinformatics 32, 1643–1651 (2016).

· END ·

热文推荐


Cell | 人类肝脏单细胞空间多组学图谱揭示独特且进化保守的肝巨噬细胞生态位

国内多家单位联合发布基于纳米材料辅助的泛癌早筛新技术——MNALCI,仅需少量血清即可完成诊断

江瑞课题组提出首个针对单细胞染色质开放性数据的细胞类型辨识神经网络模型EpiAnno

Illumina发布2021财年业绩报告:第四季度收入增长26%,全年收入增长40%

喜欢就点个“在看”吧
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/127450
 
251 次点击