Extracto
Predicción de recurrencia del cáncer en pacientes con cáncer de pulmón de células no pequeñas (NSCLC) actualmente se basa en la evaluación de características clínicas que incluyen la edad, estadio tumoral, y la historia de tabaquismo. Se necesita una mejor predicción de los pacientes con cáncer de etapa temprana con los pacientes más pobres de supervivencia y de la etapa tardía con una mejor supervivencia para diseñar protocolos de tratamiento del paciente a medida. Se analizó la expresión de genes en el ARN a partir de células mononucleares de sangre periférica (PBMC) de pacientes con NSCLC a identificar las firmas de predicción de la supervivencia global del paciente. Nos encontramos con que los patrones de expresión de genes CMSP de pacientes con CPNM, como patrones de tumores, tienen información predictiva de los resultados del paciente. Identificamos y validar un panel de pronóstico 26 gen que es independiente del estadio clínico. Muchos de los genes de pronóstico adicionales son específicos de las células mieloides y son más altamente expresado en los pacientes con una supervivencia más corta. También se observa que un número significativo de genes de pronóstico cambian los niveles de expresión en PBMC recogidas después de la resección del tumor. Estos perfiles de expresión génica después de la cirugía pueden proporcionar un medio para volver a evaluar el pronóstico en el tiempo. Estos estudios sugieren, además, que los resultados del paciente no se determinan únicamente por perfiles de expresión génica de tumores, pero también pueden ser influenciados por la respuesta inmune tal como se refleja en las células inmunes periféricos
Visto:. Kossenkov AV, Dawany N, Evans TL, Kucharczuk JC, Albelda SM, Showe LC, et al. (2012) periférica inmune Expresión génica de células predice la supervivencia de los pacientes con células no pequeñas de cáncer de pulmón. PLoS ONE 7 (3): e34392. doi: 10.1371 /journal.pone.0034392
Editor: Rui Medeiros, IPO, Inst Puerto Oncología, Portugal
Recibido: 16 de diciembre de 2011; Aceptado: 27 Febrero 2012; Publicado: 29 Marzo 2012
Derechos de Autor © 2012 Kossenkov et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Financiación:. Este trabajo recibió el apoyo de subvención del Departamento de Salud de Solución de tabaco (SAP 4100020718) Pennsylvania; el Departamento de Pennsylvania de Investigación Programa de Mejoramiento de la Salud de la Commonwealth universal; el Centro de Cáncer Wistar Apoyo Grant (P30 CA010815); Institutos Nacionales de la Salud (K07 CA111952) a A. V. y (T32 CA 09171) para A.V.K. El proyecto utiliza el Instituto Wistar de Genómica y Bioinformática instalaciones apoyadas por el Centro de Cáncer Proyectos financiados Wistar (P30 CA010815). Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
el cáncer de pulmón es la causa más común de mortalidad por cáncer en todo el mundo, lo que representa 157.300 muertes por cáncer en los Estados Unidos solamente en 2010 [1]. La supervivencia global a cinco años para el cáncer de pulmón es del 16%, y el pronóstico se asocia fuertemente con el estadio de la enfermedad al momento del diagnóstico [2]. Cáncer de pulmón no microcítico (CPNM) representa el 80% de todos los casos de cáncer de pulmón.
Los protocolos de tratamiento y evaluaciones de pronóstico de los pacientes con CPNM se basan principalmente en el estadio TNM. La resección quirúrgica de la enfermedad en estadio temprano (estadio I, II, y algunos Etapa III) sigue siendo el estándar de cuidado. Por desgracia, el 30-60% de los pacientes (dependiendo de la etapa) desarrollará una recurrencia y morir de su enfermedad, lo que lleva a una tasa de supervivencia a 5 años del 35-70% de los pacientes después de la resección. Es evidente que hay una necesidad insatisfecha de los factores de pronóstico adicionales para un proceso más informado del tratamiento.
Hay heterogeneidad significativa en los resultados clínicos de los pacientes con NSCLC etapa temprana y la base es desconocida. Varios estudios anteriores se centraron en la expresión génica en tumores extirpados quirúrgicamente para identificar las firmas de pronóstico fueron revisados recientemente [3], [4]. Ninguno está todavía aprobado para su aplicación clínica.
que anteriormente mostró que los pacientes con CPNM tienen importantes cambios de expresión génica en su PBMC que proporcionan marcadores de diagnóstico útiles (5) y esta firma cáncer de PBMC se reduce o elimina en un subconjunto de pacientes reanalizada después de la resección del tumor [5]. Dado que los cambios en la expresión génica PBMC son un reflejo de las interacciones del tumor y el sistema inmune, se han analizado ahora nuestros datos de expresión de genes y demostrar una firma asociada con la supervivencia global. También se muestra que algunos genes asociados con la supervivencia PBMC cambian su expresión en las muestras tomadas después de la resección del tumor y podría proporcionar un indicador adicional de recurrencia.
Materiales y Métodos
Estudio de la población
Un total de 137 pacientes con diagnóstico reciente, histopatológico confirmó el cáncer no microcítico, pulmón no microcítico (CPNM) fueron reclutados de la Universidad de Pennsylvania Medical Center durante el período de 2003 a 2007. consentimiento informado por escrito se recibió de todos los participantes en el estudio y las muestras se recogieron con la aprobación tanto de la Universidad de Pennsylvania y Wistar IRB IRB. Para este análisis, sólo se incluyeron pacientes con estadio I-IIIA sometidos a resección quirúrgica con intención curativa. Los criterios de exclusión incluyeron resección sub-lobular, los márgenes de resección positivos, y la muerte dentro de los 30 días de la cirugía. Esto dio lugar a la inclusión de 108 sujetos en este análisis (Tabla S1). Todos los participantes tenían de recogida de sangre antes de la cirugía y 15 de los 108 pacientes también habían recogido la sangre después de la cirugía. La Tabla 1 resume los principales parámetros de pronóstico identificados por la National Comprehensive Cancer Network (NCCN) para nuestra población de estudio. Se obtuvo información de los resultados y la supervivencia a través de revisión de la historia clínica, teléfono de contacto, o desde el índice de muerte de la Seguridad Social (SSDI).
PBMC de recopilación y procesamiento
Las muestras de sangre fueron extraídas en el Universidad de Pennsylvania Medical Center en dos tubos "CPT" (Becton Dickinson). Se aislaron células mononucleares de sangre periférica (PBMC) dentro de los 90 minutos de extracción de sangre, se lavaron en PBS, se transfirió a RNAlater (Ambion), y después se almacenaron a 4 ° C durante la noche antes de la transferencia a -80 ° C. la purificación del ARN se realizó utilizando TriReagent (Molecular Research), como se recomienda, y controlado por la calidad utilizando el Bioanalyzer. Sólo las muestras con relaciones 28S /16S de & gt; 0,75 se utilizaron para estudios posteriores. Una cantidad constante (400 ng) de ARN total se amplificó, según lo recomendado por Illumina, para el análisis de la expresión génica.
Microarray procesamiento previo
Las muestras se procesaron y se hibridan a la totalidad humana Illumina WG-6V2 arrays genoma de talón. Todas las matrices fueron procesadas en el Centro de Genómica del Instituto Wistar como se describe anteriormente [6] y luego fueron los valores de expresión génica de registro
2 transformado para su posterior análisis. El conjunto de datos utilizados para estos estudios están disponibles al público en la base de datos GEO a través del número de acceso GSE13255. Tabla S1 se enumeran los 108 sujetos utilizados para el análisis.
Métodos Estadísticos
Análisis de los factores de riesgo.
El análisis de regresión de Cox univariante se realizó para probar la asociación de factores de riesgo clínicos y de particulares la expresión del gen con la supervivencia global. de regresión multivariante de Cox se utilizó para probar la asociación de una combinación de factores. La significación estadística se definió como
P Hotel & lt; 0,05. tasa de falso descubrimiento para la asociación del gen con la supervivencia global se determinó según Planta et. Alabama. [7]. Asociación de la supervivencia general con el estadio del tumor se realiza tanto por el tratamiento de fase como una variable continua y como dos grupos: la etapa I y una etapa combinada II plus III. Los resultados fueron significativos para los dos enfoques con los análisis de regresión univariante y multivariante. Debido a que el número de tumores en estadio II fue pequeño (14 pacientes) y aún menor cuando los datos se dividió en capacitación y conjuntos de validación independientes, decidimos combinar la etapa II y III de tener un tamaño de grupo más grande en la etapa de validación. Se utilizó la combinación de fase II y III en todo el manuscrito para su consistencia.
curvas de Kaplan-Meier.
Las curvas de Kaplan-Meier se representaron usando Matlab v7.2 basado en los datos de supervivencia censurados. Los pacientes fueron estratificados según el factor de mediana a menos que se indique lo contrario.
Selección
Panel de genes.
Para identificar un conjunto de genes asociados con la supervivencia global nos dividimos el conjunto de datos de 108 muestras en la formación y las pruebas conjuntos de igual tamaño (54 muestras al azar en cada uno). El conjunto de entrenamiento se analizó primero en identificar un panel de genes resultado-informativa mediante la identificación de las sondas con los más bajos de regresión de Cox univariante p-valor medio a través de 50 pruebas de 40 muestreos al azar (75% del conjunto de entrenamiento). Los mejores 100 genes fueron utilizadas para la regresión de Cox con L1 y L2 penalizados estimaciones [8]. El par λ1 y λ2 hiperparámetro final seleccionada dio el mejor rendimiento utilizando 10 veces la validación cruzada en el conjunto de entrenamiento. Este método resulta en un modelo que consiste en N genes que tienen coeficientes distintos de cero de regresión c
1 ... c
N. Esos coeficientes junto con los datos de expresión de genes correspondientes para cualquier paciente
i gratis (X
1i ... X
Ni) se utilizaron para calcular un índice pronóstico del gen (GPS) para el paciente de la siguiente manera: GPS = c
1X
1j + ... + c
NX
Nj
. la validación independiente del panel de predicción de genes.
los 54 pacientes sistema usado a un lado y no para la selección de genes de predicción se utilizaron como un conjunto de pruebas independientes para la evaluación del modelo desarrollado en el conjunto de entrenamiento. Importancia de los GPS como un factor pronóstico en el conjunto de validación externa se estimó mediante regresión de Cox univariante. La independencia de los factores de GPS y de escena se pusieron a prueba mediante regresión de Cox.
robustez Prueba del panel de selección de genes.
Para mostrar que la importancia de la validación independiente (rendimiento) del modelo de GPS en el conjunto de pruebas no dependía de lo particular de división de datos de pruebas de entrenamiento, hemos realizado 100 divisiones aleatorias y mostró la calidad de la separación entre los pacientes de riesgo alto y bajo en conjuntos de prueba es independiente de cualquier división de datos en particular. (Figura S1)
Prueba de la eficacia de los indicadores de pronóstico.
La eficacia de los indicadores de pronóstico se puso a prueba mediante la comparación de los coeficientes de riesgo y concordancias. Las razones de riesgo se calcularon entre los grupos de alto y bajo riesgo. La concordancia se estimó utilizando el paquete R
clinfun
[9].
Análisis
Gene enriquecimiento.
Las pruebas para las funciones biológicas y las vías excesivamente en una lista de genes se realizó utilizando el software DAVID [10] con los umbrales establecidos en la tasa de falso descubrimiento (FDR) FDR & lt; 20% y el enriquecimiento & gt; 2 veces. Para obtener una lista de genes con una alta tasa de falso descubrimiento (52% para 1704 genes asociados con la supervivencia global) nos informan sólo los resultados que superen un umbral de del FDR & lt; 1% y también muestran importantes enriquecimiento por el algoritmo GSEA [11], [12] con el FDR & lt ;. 25% de corte
enriquecimiento de genes específicos inmune de tipo celular
Se obtuvo una lista de genes expresados específicamente en 8 categorías de tipos de células inmunes, incluyendo células T, células B, NK. las células, las células dendríticas, monocitos, neutrófilos, células linfoides y mieloides, células de la respuesta inmune en la base de datos de silico (IRIS) [13], [14]. Hemos probado si estos genes estaban sobrerrepresentados en nuestra lista de 1704 genes asociados significativamente con la supervivencia global. Se utilizó la prueba exacta de Fisher para cada tipo de célula por 3 diferentes grupos de genes por separado: 1) todos asociados significativamente con la supervivencia global, 2) los genes con HR & gt significativa; 1 y 3) los genes con HR & lt significativa; 1. En general, se realizaron 24 pruebas (8 tipos de células × 3 grupos de genes) y nos informan de los valores p ajustados para múltiples pruebas con corrección de Bonferroni.
solapa génica.
Importancia de coincidencias entre dos grupos de genes (con A y B número de genes) seleccionados de la misma agrupación de C = 20.341 genes expresados fue probada usando la prueba hipergeométrica. El número esperado de la superposición de genes se calculó como (A × B) /C.
Resultados
Asociación de la supervivencia global con factores de riesgo clínicos
Varios factores de riesgo para existencia con la supervivencia mediante regresión de Cox univariante, incluyendo el estadio del tumor, la edad, el género, la raza, la presencia de EPOC, la histología del tumor, el consumo de tabaco y la quimioterapia adyuvante (Tabla 1). Se encontró que dos factores, la edad avanzada y el estadio tumoral, se asociaron significativamente con la supervivencia con índices de riesgo de 1,04 por aumento del año y 2,49 para el estadio del tumor, respectivamente. La Figura 1 muestra las curvas de Kaplan-Meier para los dos factores. Cuando estas dos variables fueron probados juntos en un modelo de regresión de Cox, tanto de ellos permanecieron estadísticamente significativa (Tabla 1) que indica que se asocian de forma independiente con la supervivencia en nuestra población de estudio y que nuestro conjunto de datos corresponde a los marcadores predichos de pronóstico clínico.
Predicción de la supervivencia global por un panel de genes PBMC
con el fin de identificar y validar de forma independiente un panel de genes compacta, que podrían ser utilizados para predecir la supervivencia global, hemos dividido nuestros 108 muestras en 2 grupos seleccionados al azar de 54 muestras. Se utilizó un conjunto de entrenamiento de 54 muestras para seleccionar el panel de genes de pronóstico, y luego confirmó su utilidad en los 54 restantes de las muestras reservadas como un conjunto de prueba. Se aplicó la regresión de Cox con L1 y L2 penalizados estimaciones [8] para el conjunto de entrenamiento, y se identificaron 26 genes (Tabla 2), cuyos patrones de expresión cuando se combinan en un modelo lineal, con mayor valor predictivo de los datos de supervivencia observadas. Para cada tema, este modelo proporciona un índice pronóstico de genes (GPS) que se calcula como una combinación lineal de los valores de expresión de los 26 genes de pronóstico. Se encontró que el GPS asignados a cada paciente que se asociaron significativamente con la supervivencia para los 54 sujetos en el conjunto de entrenamiento con
P
= 3 × 10
-5. El rendimiento se confirmó en el conjunto de validación (
P
= 0,009) lo que demuestra que las CMSP deriva GPS es un predictor estadísticamente significativo de la supervivencia global en pacientes nuevos. Las curvas de Kaplan-Meier para los pacientes del grupo de validación y sus asignaciones ya sea en un alto riesgo o categoría de bajo riesgo basado en el GPS mediana se muestran en la Figura 2A. Estos estudios muestran que los niveles de expresión de PBMC de los 26 sondas genéticas desarrolladas en nuestro conjunto de entrenamiento también podrían predecir con éxito la supervivencia en el conjunto de validación y, por extensión, en pacientes nuevos.
A. Las curvas de Kaplan-Meier para los pacientes de la unidad de prueba estratificada por la mediana de GPS calculados a partir de la expresión de 26 genes. Se muestra el valor p para la regresión de Cox univariante. B. curvas de Kaplan-Meier que comparan las probabilidades de supervivencia para los pacientes de conjunto de pruebas estratificados por escenario solo y la combinación de la etapa y del GPS con 35 pacientes en el grupo de bajo riesgo (número de pacientes en estadio I) y 19 más alto grupo de riesgo (número de fase II /pacientes III).
la expresión génica y el estadio tumoral datos son predictores independientes de la supervivencia
se evaluó, además, si el GPS proporcionan un valor adicional a los factores de riesgo clínicos de supervivencia nos había probado. De éstos, se encontró que sólo la edad y el estadio tumoral a tener valores pronósticos significativos de nuestro conjunto de datos. Aunque la edad se asoció significativamente con la supervivencia en el análisis de la información utilizando los 108 pacientes (Tabla 1), que no tenía un valor pronóstico significativo cuando se aplica a la unidad de prueba de 54 muestras (
P
= 0,34). Por esta razón, no se incluyó la variable edad en los siguientes análisis.
A partir de los datos del conjunto de validación, el predictor escenario solo genera un riesgo relativo de 3.0 (
P =
0,0095, IC del 95% entre 1,3 y 6.9). Cuando se utiliza en el modelo de regresión de Cox, tanto en la etapa y del GPS fueron significativas (
P = 0,004
para el escenario y
P = 0,003
para el GPS), lo que indica que las dos variables son predictores independientes de la supervivencia global y que el uso de juntas debe aumentar el poder de pronóstico. Para evaluar este aumento, que luego se compararon las proporciones de riesgo para el escenario solo para los cocientes de riesgos para los factores escenario + GPS combinados. Escenario solo se dividió a los pacientes en 19 pacientes de alto riesgo (el número de fase II /III de los casos) y 35 pacientes de bajo riesgo (el número de casos fase I).
.El escenario + GPS predictor combinado dio lugar a una significativa riesgo relativo de 4,9 (
P = 0,0003
; IC del 95%: de 2,1 a 11.4) entre los grupos de alto y bajo riesgo, un aumento en comparación con el índice de riesgo mostrada por predictor Etapa solo (HR = 3.0) o GPS predictor solo (HR = 1,9). Esto se ilustra por las curvas de Kaplan-Meier (Figura 2B)
.
Alternativa cuantificación de la capacidad de la puntuación de la expresión de genes para mejorar la predicción de la supervivencia se realizó mediante la determinación del índice de concordancia para el modelo de regresión de Cox para el escenario solo : 0,63 (0,56 a 7,0), GPS por sí solo: 0,57 (desde 0,51 hasta 0,62), y la etapa + GPS: 0,69 (0,62-0,76). El aumento en el índice de concordancia junto con la evidencia de la independencia de los dos factores apoya la utilidad de usar tanto las puntuaciones de la etapa y la expresión de genes para determinar la probabilidad de supervivencia en comparación con el uso de única etapa. Este resultado demuestra que una puntuación de expresión génica puede agregar información pronóstica a la variable tradicional estadio tumoral.
La adición del factor de GPS para la clasificación por etapas dio como resultado la reasignación de 6 pacientes entre los grupos de alto y bajo riesgo. Tres de los 6 con CPCNP en estadio I (uno IA y IB dos pacientes) fueron reasignados al grupo de alto riesgo. Dos de estos pacientes realmente murieron dentro de los 18 meses (P1240, estadio IB) y 43 meses (p1183, el estadio IA) de la toma de muestras. El paciente 1B adicional (p1246) se mantuvo con vida durante al menos 65 meses. Este individuo era uno de los pacientes más jóvenes en nuestra cohorte (sólo 47 en comparación con la edad mínima de 45 años). La inclusión del factor de la edad en el modelo podría haber alterado la asignación al grupo de alto riesgo. Los otros 3 pacientes tenían CPCNP en estadio II. Se clasificaron según la etapa como de alto riesgo y luego reasignados al grupo de bajo riesgo cuando se agrega el factor de GPS. Los tres de los pacientes (p1589, p1561 y p1445) estaban vivos en el momento de la evaluación del estado (44, 46 y 56 meses respectivamente). Estos resultados apoyan la utilidad de un modelo de GPS + etapa combinada para la estimación más precisa del pronóstico.
funciones de genes PBMC asociados con la supervivencia global
Con el fin de determinar si las funciones o vías específicas fueron representados en los patrones de expresión de genes asociados con la supervivencia de CMSP, se utilizó la regresión de Cox univariante para identificar los genes que se asociaron significativamente con el resultado del uso de los 108 muestras de pacientes. Encontramos 1704 sondas que mostraron significancia a
P Hotel & lt; 0,05 y exhibió esas sondas para las funciones enriquecidas y las vías que utilizan tanto David como software de GSEA. Este análisis reveló varias categorías funcionales altamente significativas con el enriquecimiento de 2 veces o más (Tabla S2). En particular, una lista de 32 estructura y relacionados con la función genes ribosomales (de enriquecimiento de 2,3) tenía una expresión más alta en pacientes con una mejor supervivencia, mientras que los genes del ciclo celular en general (enriquecimiento de 2,3) y, específicamente, los genes de fase M (enriquecimiento de 2,2) eran predominantemente expresado en niveles más bajos en los pacientes con una mejor supervivencia.
tipos de células inmunes asociadas con la supervivencia
Dado que la expresión de genes se analizó en PBMC ARNm, a fin de determinar si los genes asociados significativamente con la supervivencia fueron también específico para un determinado tipo de célula inmune tal como se define por la respuesta inmune in silico (IRIS) base de datos [13], [14]. De los 669 genes específicos de células inmunes en nuestro conjunto de datos, se encontró que 79 estar asociado con la supervivencia global (Tabla 3). Encontramos un significativo enriquecimiento de genes específicos de células T (23 en total, 8 sobrerrepresentación veces,
P
= 2 × 10
-8), con 15 de los 23 genes que tienen HR & gt; 1 indica una significativa correlación entre los niveles más bajos de expresión y mejora de la supervivencia. También se encontró que una menor expresión de 21 genes específicos mieloides (enriquecimiento de 2 veces,
P = 0,048
) se asoció con una mejor supervivencia global. Listas detalladas de los genes asociados a cada tipo de célula y enriquecimientos y valores de p correspondiente se enumeran en la Tabla S3.
La extirpación del tumor cambia la expresión de los genes de supervivencia asociada a
anteriormente mostró que la expresión de genes PBMC en presencia de un NSCLC se altera significativamente en post-cirugía muestras de PBMC [5], [6]. Se encontró que la expresión de más de 20% (383) de los 1704 genes de "supervivencia" examinados en este estudio también se cambió de manera significativa por la extirpación quirúrgica del tumor de pulmón (3485 genes con valor de p & lt; 0,05 por la prueba t pareada , FDR & lt; 20%). Se trata de un número estadísticamente significativo en comparación con el solapamiento 292 gen esperado por azar (
P
= 10
-9 por hipergeométrica prueba). Se identificaron 4 clases de genes asociados a los resultados (Figura 3) que cambian los niveles de expresión después de la cirugía. Dos de los grupos de genes (A y D) fueron significativamente sobrerrepresentados y que describen estas 2 clases. El grupo más grande (grupo A) de 236 genes tiene HR & lt; 1 (mejor supervivencia para una mayor expresión) y se downregulated en PBMC después de la extirpación del tumor. El segundo grupo (grupo D) incluye 92 genes con HR & gt; 1 (peor supervivencia con una expresión más alta) se upregulated en PBMC después de la extirpación del tumor. Estos genes de pronóstico, que también cambian la expresión después de la extirpación del tumor, podría proporcionar un nuevo método para determinar la recurrencia.
#obs. = Número observado de genes;#Exp. = Número esperado de genes por casualidad; Pre = expresión en la muestra antes de la cirugía; Post = expresión en la muestra después de la cirugía; Relación de HR = Peligro para alta vs baja expresión del gen.
enriquecimiento de análisis funcional de los genes del grupo A muestra una fuerte sobrerrepresentación de las proteínas asociadas a los ribosomas, la síntesis de proteínas, la función mitocondrial, actividades factor de traducción y dedos de zinc proteínas, características consistentes con PBMC ser más activo en respuesta a la presencia del tumor y, al parecer, mejor para la supervivencia. Grupo D muestra enriquecimiento funcional sólo para genes asociados con la función de los glóbulos rojos posiblemente indicando los números más bajos circulantes de eritroblastos en la presencia de un tumor, pero la supervivencia más pobre con mayor expresión.
Discusión
La capacidad de identificar con precisión a los pacientes con cáncer de pulmón que tienen un mal pronóstico es particularmente importante para los pacientes con enfermedad en estadio I que se sabe que varían de manera significativa en la probabilidad de reaparición. Predecir qué tumores son más probable que se repita es fundamental para el diseño de tratamiento después de la cirugía, en particular para pacientes con estadio I, que normalmente no reciben quimioterapia adyuvante. Actualmente, los indicadores pronósticos más eficaces son las características demográficas (edad del paciente, sexo, historia de tabaquismo) y los parámetros clínicos (tamaño del tumor, el estadio y la participación de los ganglios linfáticos). Se revisaron recientemente una serie de estudios de expresión génica en tumores de pulmón que presentan algoritmos de pronóstico [4]. Un análisis [15] entrenados y validado en los datos disponibles públicamente describe un pronóstico firma 5-gen para todas las etapas, incluyendo el adenocarcinoma en estadio I (pero no carcinoma de células escamosas). Un problema con los estudios de tumores ha sido la falta de reproducibilidad, posiblemente debido a diferencias en la calidad de la muestra y la representación de las células tumorales en las muestras. Las estrategias que usan sangre o suero para identificar indicadores de pronóstico evitar algunos de los problemas asociados con la variabilidad del tumor y los perfiles de expresión de microARN en suero o plasma se han aplicado tanto a NSCLC de diagnóstico [16], [17] y estudios de pronóstico por dos grupos [18], [19]. Hu et al, [19] utilizando suero de 243 pacientes, encontraron un conjunto pronóstico de 4 miRNAs que, cuando se entrenó en la mitad de los pacientes podría predecir la supervivencia en la mitad restante. Ambos grupos sugieren que sus resultados permitirán la separación de baja de pacientes de alto riesgo, mejorar el pronóstico de la etapa solo.
Las interacciones entre un tumor y el sistema inmune han sido durante mucho tiempo un tema de interés en la biología del cáncer [20]. Hemos determinado anteriormente que PBMC de expresión génica firmas podrían distinguir a los pacientes con cáncer de pulmón de pacientes con enfermedades pulmonares no malignas. Los estudios presentados aquí demuestran que las firmas de expresión génica en las células inmunes periféricas de pacientes con CPNM también contienen información que se correlaciona con la supervivencia y, como firmas obtenidas de tumores de pulmón, pueden mejorar predictores clínicos de resultado. En nuestro estudio, identificamos un panel de 26 sondas de genes cuyos patrones de expresión se asocia significativamente con la supervivencia y esta información es independiente de la información proporcionada por el estadio del tumor. También muestran que algunos genes correlacionados con el pronóstico son linaje celular inmune específica. Los cambios más notables fueron en los genes específicos mieloides que muestran una correlación inversa entre la expresión y la supervivencia. Como se muestra en la Tabla S3, 29 de los 30 genes asociados específicamente con monocitos, neutrófilos, células mieloides o "", tienen aumentos en la expresión en pacientes con disminución de los tiempos de supervivencia. Estos datos son consistentes con las observaciones de que un aumento en las poblaciones de células mieloides inmaduras en la sangre y en los tumores están asociados con cánceres avanzados y mal pronóstico, probablemente debido a la capacidad de estas células para promover la angiogénesis y para suprimir las respuestas inmunes anti-tumorales [21] , [22], [23], [24]. Un alto número de neutrófilos han demostrado ser indicadores de mal pronóstico en el melanoma, el cáncer de ovario y cáncer de cabeza y cuello [25]. los genes de las células T pronóstico asociada también tienen proporciones de riesgo mayor parte superior, pero el mecanismo por el cual estos genes afectan la supervivencia del paciente aún no es clara.
Un número significativo de genes PBMC de que el cambio en la expresión después de la extirpación de un tumor también están asociados con el pronóstico. La clase más grande (grupo A, Figura 3) incluye genes que se expresan en niveles más altos en la presencia de un tumor en comparación con las muestras del mismo paciente tomada después de la extirpación del tumor y cuya expresión más alta indica una mejor supervivencia. El gen más diferencialmente expresados en este grupo es el gen de respuesta inmune
CXCR4
, importante para el tráfico de linfocitos [26], [27]. Su ligando,
SDF-1 | /
CXCL12
, es un factor clave para dirigir la migración de células dendríticas asociada a una respuesta inmune adaptativa [27], [28] Por el contrario, otro gran grupo de genes (grupo D) muestran el comportamiento opuesto que tiene altas relaciones de riesgo indicando pobre función de supervivencia y niveles más bajos en presencia de un tumor. DAVID análisis de esta clase de genes muestra el enriquecimiento de genes asociados significativamente con las funciones de oxigenación, la hipoxia y la unión de hierro (
HGBD
,
HGB1
,
HGB2
) y eritroide factor asociado (
ERAF
). Estos son presumiblemente constituyentes de los eritroblastos conocidos para co-purificar con la PBMC [29], [30]. Bajo la expresión de estos genes en la presencia del tumor puede indicar que la expresión de genes de eritroblastos (o números de eritroblastos) es reprimida de acuerdo con otros estudios, como una pobre oxigenación y la anemia se han asociado previamente con cáncer de pulmón [31], [32]. Relativamente más alta expresión de estos genes en pacientes con peor supervivencia puede ser debido a la mayor presencia de eritroblastos en respuesta a la oxigenación de deterioro asociado con la enfermedad más grave. En general, la sobrerrepresentación significativa de genes de los grupos A y D sugiere que la medición del cambio de esos genes entre pre- emparejado frente a muestras de cirugía posterior de la misma paciente, podría reflejar la capacidad del sistema inmunitario para responder al tumor, y puede proporcionar añadido información para la predicción de resultados mediante la comparación de las muestras recogidas antes con muestras recogidas después de la extirpación del tumor. Además, los genes de esos grupos pueden ser candidatos a evaluar de nuevo las probabilidades de recurrencia de cáncer en muestras de sangre después de la cirugía regulares.
El uso de factores pronósticos combinados que incluyen el estadio clínico, el gen firma la expresión tumoral y firmas de genes PBMC podría proporcionar adicional orientación para la prescripción de la quimioterapia adyuvante para los cánceres en etapa temprana que actualmente otro modo no serían tratadas después de la cirugía. Encontramos que la expresión de genes a partir de PBMC del paciente es un factor pronóstico independiente de la supervivencia, y que cuando la expresión génica PBMC se combina con la información de la etapa del cáncer, la tasa de riesgo de la etapa solo se incrementa de 3.0 a la 4.9. El reducido tamaño del conjunto de datos no ha permitido que las pruebas para el pronóstico de un cáncer en etapa única, pero nos encontramos con que los pacientes en dos etapas I se vuelven a asignar correctamente al grupo de alto riesgo mediante la combinación de la firma de la sangre del GPS con el pronóstico en función de la etapa.
la evolución de un tumor maligno incluye interacciones entre las células cancerosas y de señalización con otras células en el microambiente del tumor, incluyendo células inmunes. Nuestros estudios sugieren que estas interacciones no sólo se localizan en el sitio del tumor, pero también se extienden al sistema inmunológico periférico y que la información relacionada con el pronóstico o la repetición está presente en los perfiles de expresión génica de las células inmunes periféricos. En contraste con las firmas de pronóstico basado en tumorales que reflejan malignidad, las firmas de pronóstico basado PBMC reflejan el tipo y la fuerza de la respuesta inmune a la presencia del tumor. Es probable que mediante la combinación de características clínicas para la supervivencia derivado de los tumores en el momento de la cirugía con evaluaciones repetidas de datos GPS PBMC derivados, un algoritmo más robusto para la predicción de la recidiva puede ser desarrollado que se puede volver a evaluar a diversos intervalos después de la cirugía. Además, los genes de las células inmunes asociadas con resultados de los pacientes pueden ser dianas para la manipulación clínica para alterar la expresión de genes clave con el fin de potenciar la respuesta inmune anti-tumor y ayudar a reducir la incidencia de recurrencia.
Mientras adicional los estudios con mayor número de pacientes de diversas razas deben ser llevadas a cabo, el presente estudio demuestra que la información de los resultados estadísticamente significativos se puede detectar en los patrones de expresión génica de las CMSP de pacientes con CPNM. Los esfuerzos para recoger las muestras apropiadas para abordar estas cuestiones están en curso.
Apoyo a la Información
Figura S1.
Distribución de los valores de p para aplicar el ajuste del modelo en el conjunto de entrenamiento a las muestras de ensayo conjunto. Para probar la generalidad de nuestro enfoque, hemos realizado 100 selecciones aleatorias de entrenamiento /prueba establece para estimar la posibilidad de que nuestro resultado se puede explicar por una selección fortuita de los pacientes. Sobre la base de la distribución de los valores de p que muestran importancia de la actuación en la prueba, que vimos el 39% de las unidades de prueba alcanzó una significación estadística de
P Hotel & lt; 0,05.