文摘

背景。当前女性乳腺癌死亡率高(BC)患者强调识别的必要性强大和可靠的预后签名在公元前的病人。Epithelial-mesenchymal过渡(EMT)据报道,与公元前的发展有关。本研究的目的是确定预后的生物标记物预测公元前女性患者的总生存期(OS)通过集成TCGA数据从数据库。方法。我们第一次下载的数据集,TCGA和鉴定基因签名由重叠的候选基因。微分分析找到微分EMT-related基因。单变量回归分析被用于识别候选预后变量。然后,我们建立了一个预测模型的多变量分析来预测系统。校准曲线,接收机工作特性曲线(ROC), - - - - - -索引和决策曲线分析(DCA)被用来测试预测模型的准确性。结果。在这项研究中,我们发现和验证预测模型集成的年龄和六个基因(CD44、P3H1 SDC1, COL4A1, TGFβ1,SERPINE1)。 - - - - - -索引值为公元前患者分别为0.672 (95% CI 0.611 - -0.732)和0.692 (95% CI 0.586 - -0.798),培训组和测试组,分别。校准曲线和DCA曲线显示模型的预测性能好。结论。本研究为操作系统提供了一个健壮的预测模型预测在公元前的女病人,可能会提供一个更准确的治疗策略和个性化的治疗。

1。介绍

乳腺癌是女性最常见的恶性肿瘤之一,在全球范围内,大多数癌症相关死亡的主要原因,尽管早期BC被认为是可治愈的(1,2]。公元前2018年,是最常被诊断出的癌症(24.2%的癌症病例)和癌症相关死亡的主要原因(所有癌症死亡的15%)的女性世界。其中,公元前转移占BC-related死亡的90%以上(3]。目前,公元前的主要治疗策略包括手术、化疗、放疗、免疫治疗和激素治疗(4]。尽管纳米了今年目标孕激素和雌激素受体(PR和ER),人类表皮生长因子受体2 (HER2)和微rna (microRNA)和长链非编码rna,公元前的发病率居高不下,与先前的研究表明,全球新病例的数量将在2020年,2261419名女性,这一数字预计将增加到3020万年的2040 (5,6]。

Epithelial-mesenchymal过渡(EMT)是众所周知的发生在哺乳动物的发展过程中,伤口愈合和癌症转移(7]。近年来,EMT已经收到了越来越多的关注,它在肿瘤耐药性中的作用[8]。许多研究表明EMT与肿瘤发生有关,入侵,转移和抵抗的治疗,特别是在公元前9,10]。Saotome等人证明GATA3截断突变体影响导管BC发展通过改变EMT-related公元前基因表达在细胞腔的部分主题识别细胞(11]。Parthasarathi和他的同事们发现,EMT-related基因与肿瘤发生的离子通道在BC-associated特异表达相关,可能被用来确定BC病人的预后。因此,在这项研究中,我们评估的相关性EMT的基因在公元前女性患者探索EMT在公元前的机制12]。

新八版的一个相关的国际癌症控制联盟(UICC)和美国癌症联合委员会(与)发布更新的描述BC对肿瘤淋巴结转移分期(TNM) [13]。然而,它不足以预测预后的BC基于TNM分期系统。公元前的一些影响因素,包括年龄、基因、生殖因素,雌性激素,和生活方式(14]。因此,多因子的预测模型是至关重要的。预测建模是一种更高级的方法,因为它可以可视化使用诺模图,它可以估计基于一组更全面的个性化风险的基因签名和临床特点。在先前的研究中,我们构建了一个临床预测模型基于转移性结肠癌患者的临床数据从SEER数据库中提取。高的诺模图发展预后预测精度评价1 -,3 -,和转移性结肠癌患者的5年生存,这将有助于转移性结肠癌患者手术后的临床决策和个性化的治疗15]。

在这项研究中,我们确定了EMT-related基因与独立的预后价值建立预测模型,预测的总生存期(OS) 1 -, 3 -,公元前5年的女病人并生成关于公元前进展的新见解。

2。材料和方法

2.1。数据收集

我们从癌症基因组基因表达数据下载阿特拉斯(TCGA)数据库(https://cancergenome.nih.gov)公元前1109年病人和113个nontumor乳房组织。临床资料也收购了,但是公元前12男性患者的临床资料删除,因为本文研究人群是女性。EMT-related基因从分子签名数据库收集v7.1 (MSigDB) (http://www.broad.mit.edu/gsea/msigdb/)。

2.2。识别差异表达EMT-Related基因

TCGA获得基因表达数据从数据库结合EMT-related基因通过使用R的“磨边机”包软件,目标基因的表达数据可以获得。之后,利用“limma”包来获取差异表达EMT-related基因根据错误发现率(罗斯福)值小于0.05,褶皱变化的绝对值高于1。

2.3。统计分析
2.3.1。单变量Cox回归分析为独立的预后因素

EMT-related获得基因表达矩阵的进一步分析,结合矩阵与生存时间和生存状态。基于之前的研究,年龄对公元前女性患者的预后有影响,所以我们作为一个研究变量包括年龄16]。使用“插入符号”包在R软件(版本4.1.0)随机分为总体比例的分成两组7:3。公元前小组包含70%的女性患者被用来构建预测模型,而剩下的30%的患者检查模型的准确性和可靠性。同时,整个队列用作整体内部验证集。患者(表列出的基本价值观S1)。

单变量Cox回归分析被用来屏幕为独立的预后因素。因素的截断值 被定义为候选人与操作系统有关。

2.3.2。预后诺模图施工

基因筛选的单变量Cox回归分析了在多变量Cox回归风险评分模型。每个病人的风险评分可以由以下公式计算: ,在哪里 选择变量的数量,实验变量的表达水平,然后呢 是变量的回归系数。然后,诺模图是使用R软件开发的。根据分数计算诺模图,病人的操作系统1,3,5年可以预测。随后,风险得分中值显示,患者风险得分高于中值分为高危组,否则到低风险组。

2.3.3。预后诺模图评估和验证

为了提高预测模型的可靠性,因此其临床应用,30%的病人和整个队列被用作内部验证组测试预测模型的有效性。

列线图的辨别力计算使用一致性指数( - - - - - -索引)。我们也测量曲线下的面积(AUC) 1、3、5年,是来自ROC分析。的 - - - - - -索引和auc值从0.5到1.0,在1.0代表了完美的能力正确区分模型得到的结果和0.5代表随机的机会。校准曲线的计算图表被策划评估图形的比例预测概率的观察比列线图。重叠与参考线表明,模型是完全一致的。最后,执行决策曲线分析评估的临床益处。本文的研究过程的流程图(图了1)。


图1
本研究的流程图。

3所示。结果

3.1。识别差异表达EMT-Related基因

更清楚地描述我们的研究,我们开发了一个分析过程的流程图。首先,我们获得的数据,TCGA数据库1109肿瘤组织和113 nontumor组织。在十字路口与EMT-related基因,一个矩阵(表200 EMT-related基因S2)表达式值了。微分分析之后,共有78个差异表达EMT-related基因被确定。( )。地图和火山热情节表达的结果(数据2(一个)和2 (b))。

(一)
(一)
(b)
(b)
图2
热图火山(a)和(b)地图EMT相关的差异表达基因。
3.2。预后诺模图施工

由于年龄与公元前女性患者的预后相关,我们包括年龄和78个差异表达基因在单变量Cox回归调查包括变量之间的相关性和BC患者的预后价值,最后确定了七个变量显著相关操作系统在公元前的病人 值< 0.1(图3)。模型是由年龄、CD44、P3H1, SDC1, COL4A1 TGFβ1,通过多变量Cox回归SERPINE1: (表1)。


图3
森林图分析了单变量Cox回归。
表1
乳腺癌的预后模型中包含的基因。

诺模图然后构造,包括共有七个变量(图4),总分可以通过总结每个变量的分数。总分可以用来预测个别病人的存活率1,3,5年。例如,公元前65岁患者(20分)和CD44的表达0(20分),P3H1表达0(21分),SDC1表达0(20分),COL4A1表达80000(43分)、TGFβ1的表达0(21分)和SERPINE1表达0(21分)sum-point 166,对应于预计1 -,3 -,和5年OS为94.8%,76.0%,和57.4%,分别。


图4
预测计算图表1 -,3 -和5年公元前患者的总生存期(OS)训练队列。

TCGA病人组分为低风险组和高危人群使用风险评分中值作为阈值。数据5(一个),5 (c),5 (e)显示分布的BC病人的风险分数从高到低在训练集,内部验证集,和整体内部验证集。风险评分之间的关系和患者生存时间的训练集,测试集,和整体内部也显示(数据验证集5 (b),5 (d),5 (f))。高危患者得分都比别的孩子差临床结果与低风险组相比分数。生存分析显示高风险组高危人群的比这更糟糕的操作系统( )(数据6(一)- - - - - -6 (c))。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
图5
(a, c, e)分布在公元前患者风险评分。黑色虚线为高危组和低风险之间的分界线。(b, d, f)图之间的关系风险评分和患者生存时间。(a, b)的结果是基于训练集,(c, d)的结果是基于测试集,和(e, f)的结果是基于整体的内部验证集。
(一)
(一)
(b)
(b)
(c)
(c)
图6
对患者总生存期(OS) kaplan meier曲线在低收入和高危人群:(一)训练集;(b)测试集;(c)整体内部验证集。
3.3。诺模图校准和验证

生存概率之间的小角度和实际生存结果校准曲线表明它们之间强有力的协议(图7)。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
(h)
(h)
(我)
(我)
图7
(a - c)校准块预测1 -,3 -,5年总生存期(OS)在训练集;(d-f)校准块预测1 - 3 - 5年;在测试集总生存期(OS);(胃肠道)校准块预测1 -,3 -,5年总生存期(OS)在整个内部验证集。

的 - - - - - -索引值为公元前患者分别为0.672 (95% CI 0.611 - -0.732), 0.692 (95% CI 0.586 - -0.798),和0.679 (95% CI 0.626 - -0.732),培训组、测试组,分别和整体内部验证集。时间ROC曲线是用来测量的敏感性和特异性预测系统的预测模型。值得注意的是,AUC值都大于0.63,除了整体内部验证组5年生存率的预测率为0.56,表明该模型具有较高的生存结果预测性能(图8)。DCA曲线同时显示更好的临床应用(图的风险评分模型9)。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
(h)
(h)
(我)
(我)
图8
(a - c) ROC曲线预测1 -,3 -,5年总生存期(OS)在训练集;(d-f) ROC曲线预测1 - 3 - 5年;在测试集总生存期(OS);(胃肠道)ROC曲线预测1 -,3 -,5年总生存期(OS)在整个内部验证集。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
(h)
(h)
(我)
(我)
图9
(a - c) DCA分析预测1 - 3 - 5年总生存期(OS)在训练集;(d-f) DCA分析预测1 - 3 - 5年;在测试集总生存期(OS);(胃肠道)DCA分析预测1 -,3 -,5年总生存期(OS)在整个内部验证集。

结果基于c指数,ROC曲线、校准曲线,DCA曲线表明,诺模图在我们的研究中展示了良好的生存预后的预测准确性公元前女性患者。

4所示。讨论

公元前是女性最常见的癌症之一,在全世界每年有1300000新发病例和450000例死亡(16,17]。BC拥有先进的治疗,主要是通过手术,新辅助化疗、辅助化疗、放疗、系统性治疗,靶向治疗,等等,与最初的传统手术不再是所有患者的最佳选择(1]。然而,公元前仍然是全世界女性癌症死亡的主要原因,很大程度上是由于延迟诊断和不成功的治疗策略(18]。至关重要。因此,BC在早期诊断并提出个性化的治疗方案基于特征的女性病人的病情预测其预后。

TNM分期系统仍然是最广泛使用的预测方法来预测患者的生存。虽然美国癌症联合委员会(与)更新公元前2016年举办包括T、N, M,肿瘤分级,雌激素和孕激素受体和HER2的表达19),目前的TNM分期系统仍有其不可否认的缺陷。例如,它没有考虑到其他病人的病理生理特点,对肿瘤的预后产生影响:年龄、性别、锻炼,和超重20.- - - - - -22]。此外,基因签名是一个重要的因素在决定公元前患者的预后,公元前,是一种高度异质性疾病具有不同亚型具有不同生物学、分子和临床过程。基因表达分析可以确定基因功能预测预后和指导使用辅助治疗(23]。等,EMT的基因调节肿瘤扩散,入侵和转移(24,25]。有许多在公元前预后模型;然而,这是第一个基因签名由EMT-related基因。此外,考虑年龄和性别的角色在公元前的发病和进展,我们选择研究女性患者的预后和年龄作为预测指标之一。与先前的研究相比,该诺模图更准确。

EMT是一个细胞的过程中失去上皮细胞特征和获得间充质特点,静等附件的细胞获得迁移的能力(26]。EMT一直与多种肿瘤相关功能,包括肿瘤起始、恶性进展,肿瘤具备干细胞,肿瘤细胞迁移、血管内浸润、转移、抗治疗(9]。最值得注意的是在这种背景下,之前的研究表明,癌症干细胞的特性和耐药与EMT (27]。鉴于致癌信号之间的密切联系和EMT阻滞剂,EMT已成为癌症治疗的治疗目标或目标(28]。EMT-related基因与乳腺癌之间的关系也越来越被研究人员调查。当前研究的主要焦点是EMT的监管机制和治疗方法对乳腺癌转移和入侵,主要包括microrna和Wnt信号通路等,一级,TNF -αNF -κB, RTK。调查人员由试图抑制乳腺癌治疗目标或抑制键/辅助玩家在这些途径8,29日- - - - - -31日]。最值得注意的是,upregulation程序性死亡配体1 (PD-L1)表达与EMT细胞表型激活有关,和之间的交互控制的p53和EMT主监管机构在乳腺癌的重要性。这两种机制也一直在研究其他类型的癌症和发挥关键作用在癌症的发展和转移30.,32]。

本研究是基于TCGA数据库。首先执行微分分析找到微分EMT-related基因。单变量回归分析然后进行识别候选预后变量。然后,我们建立了一个预测模型的多变量分析来预测系统。校准曲线,接收机工作特性曲线(ROC), - - - - - -索引和决策曲线分析(DCA)被用来测试预测模型的准确性。除了培训群70%公元前患者,保持队列被当作测试集。最后,我们推导出病人的年龄,CD44, P3H1, SDC1, COL4A1 TGFβ1,SERPINE1总体存活率在公元前女性患者生存的独立预后因素,构建预测模型。模型的准确性也被验证使用各种方法。

根据我们的研究结果,在公元前第四阶段我和肿瘤,超额死亡率随着年龄的增加线性(33]。最近的研究表明,一种新型摘要意思之间的正反馈循环β和CD44促进恶性进展在公元前三阴性(TNBC)和CD44是一个潜在的目标抑制TNBC PD-L1函数(34,35]。Sayyad等人证明Sdc1的角色在促进大脑转移在公元前36]。几项研究已经表明,COL4A1表达式可以作为优越的预后的生物标志物在BC接受新辅助化疗的病人37),而epigallocatechin-3-gallate (EGCG)发挥抗肿瘤效应通过恢复9个关键基因,包括COL4A1 myeloid-derived抑制细胞(MDSCs) [37]。TGFβ公元前1-activated癌症相关的成纤维细胞(保护)促进增长和转移在一定程度上通过自噬38]。进化分支E成员1 (SERPINE1)是一种分子参与多种人类恶性肿瘤。张等人表明SERPINE1担任致癌基因在公元前PTX阻力、徐等人发现了一个功能通路连接mir - 1185 - 2 - 3 - p, GOLPH3L, SERPINE1,扮演了一个至关重要的角色,在公元前的葡萄糖代谢。两人的研究显示,它可以作为一个可能的目标治疗BC (39,40]。没有研究探讨了机制P3H1公元前影响发展,发展,和转移,但算法分析的全基因组和蛋白质组数据确定P3H1 CRC的潜在生物标志物。我们的研究表明随后的基本研究方向的研究(41]。

在这种努力,一些限制需要承认。首先,人口种族TCGA数据库主要是局限于白人和黑人,其他种族和外推的结果需要被验证。第二,一个健壮的诺模图应该是外部验证组;因此,我们的诺模图需要多中心临床试验和前瞻性研究进一步验证。最后,本文确定的一些基因相对很少发表在学术文献。因此,更多的证据包括样本收集与完整的实验和临床信息应该执行未来的验证需要阐明之间内在联系的年龄和six-gene签名和BC病人的预后。

然而,我们的研究也有一些优势。据我们所知,这是第一个研究,另外把年龄作为一个预测变量与EMT-related基因预测公元前患者的预后。预后模型可以预测患者预后更准确地比传统的指标。

总之,我们已经开发和验证一个相对有效的预测模型来预测公元前女性患者的生存结果1,3,5年。预测模型的准确性和可靠性也得到证实。我们的研究需要进一步验证的结果在随后的临床实践。

数据可用性

本文研究数据用于支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

雪和陈宇太阳进行研究,收集数据,并写了手稿。汇元,杨欣,Qiuping张,Yunnuo廖参与分析数据和准备的表和数据。郭:设计研究和修订后的手稿。所有作者阅读和批准最终的手稿。魏雪和陈宇太阳同样这项工作。

确认

这项工作得到了国家自然科学基金(82074347)和广西研究生教育创新项目(没有。YCBZ2021048)。

补充材料

补充表S1:病人的基本价值观。补充表S2: EMT-related基因列表。(补充材料)