掃碼聯系客服
預后模型各位小伙伴一定不陌生啦，今天小編給大家推薦的這篇文章是今年9月13日發表在CLINICAL CANCER RESEARCH（IF=12.531）雜志上的一篇不一樣的預后分析。作者根據其團隊先前定義的六個定量轉錄組成分和五個亞型探討了兩者預后價值及相關性，文章分析角度全面，做預后模型的小伙伴不要錯過哦！
Prognostic Relevance of Pancreatic Adenocarcinoma Whole-tumor Transcriptomic Subtypes and Components
胰腺癌全腫瘤轉錄組亞型和組分的預后相關性
一.研究背景：
胰腺癌（PAC）是一種具有極高死亡率的癌癥，且診斷時僅有15-20%的患者可能受益于切除治療，5年總生存率在全部癌癥中是最低的。利用轉錄組學分析，已有多篇研究對PAC進行了亞型分類，作者團隊在2018年對腫瘤微環境進行了更詳細的分類，描述了兩種腫瘤特異性轉錄組成分及四種基質特異性轉錄組成分。通過腫瘤和間質轉錄組成分的關聯，提出了5個亞型（純經典型、免疫經典型、促結締組織增生型、基質激活型和純基底樣型）的分類。如圖1所示，作者在這項工作中基于先前工作探討了切除PAC中轉錄組腫瘤和基質成分及分類亞型的穩健性和臨床相關性，并提出一個新的預后模型。
二.數據及方法：
1.樣本收集及臨床數據：作者共收集了359例PAC切除患者的測序數據及臨床病理信息，其中210名患者為多中心隊列，149名患者為單中心隊列。多中心隊列中165名患者獲取micro-arrays圖譜，所有患者均進行了RNA-seq測序。
2.全腫瘤RNA成分水平的測定和亞型分類：作者通過獨立成分分析（ICA）對本研究患者描述了六種RNA成分：腫瘤（基底樣腫瘤成分和經典腫瘤成分）和基質（活化基質成分、非活性結構基質成分、炎性基質成分和免疫基質成分）成分。通過無監督聚類得到亞型的質心，進而使用Spearman秩相關計算樣本與質心的相關性并對樣本進行預測分類。
3.從RNA成分推導預后模型和亞型：作者使用6種RNA成分及切除邊緣（R）和N狀態通過無病生存率（DFS）對訓練隊列進行COX風險比例回歸模型訓練，并通過回歸系數對新患者計算條件風險評分。然后根據患者預測的DFS月數確定預后分組。
三.主要結果：
1.PAC全腫瘤亞型的評估
作者首先比較了RNA-seq及micro-array兩種數據對亞型定義的穩定性，如圖2A&B所示：所有亞型的一致性率為82.4%，每個隊列中亞型的分布在兩個隊列中都是一致的。證明了其亞型定義RNA特征的穩健性。接下來作者對不同亞型的預后情況進行了分析：在合并隊列（n=359）中，如圖2C&D所示亞型與DFS和OS顯著相關。對于DFS，其中純基底樣亞型和基質激活亞型顯示最早復發，促結締組織增生亞型和純經典亞型結果相當，免疫經典亞型顯示出最好的結果。在OS中觀察到類似的結果（圖2D）。
2.腫瘤和基質RNA成分的評估
由于亞型的技術穩健性受損及腫瘤的異質性，作者進一步考慮使用成分來量化兩種腫瘤表型及四種類型的基質成分。如圖3A&B所示，六個成分的micro-array和RNA-seq數據的預測相關性介于0.85-0.95之間，具有較高的穩健性。
圖3 六個PAC轉錄組成分水平的相關性 接下來作者評估了6個RNA成分和亞型的預后價值，單因素COX回歸顯示DFS與兩者均顯示出顯著相關性（圖4A&B）；根據赤池信息準則（AIC），作者發現RNA成分在單變量和多變量COX模型中比亞型顯示出更大的預后價值。
圖4 成分水平和亞型的DFS相關評估
3.基于RNA成分定義新的預后模型和亞型
由于RNA成分的穩健性和高預后價值，作者接下來使用多因素COX回歸模型對所有六種RNA成分和DFS的常見臨床病理特征（淋巴結浸潤和切除邊緣）進行訓練。圖4C顯示，該預后模型與DFS高度相關（P<0.001）。接下來作者根據回歸模型的預測，將樣本分為三個預后組：差組（預測DFS少于12個月）、中等組（預測DFS介于12個月和36個月之間）和良好組（預測DFS為36個月或更長），圖4D表明，DFS和OS具有顯著差異。在多隊列研究中，圖4E顯示評估的DFS和OS顯著相關。
4.推薦的預后分組特征
作者分析發現：三個預后組具有特定的RNA和臨床病理模式（圖5A）。接下來，作者分析了預后組在五種RNA亞型中的分布，如圖5B所示：純基底樣亞型在預后較差組中更明顯，而促結締組織增生和免疫經典組中更明顯在預后良好組中發生率更高。進一步的RNA成分富集證明了每個RNA定義的腫瘤和基質表型中的每個預后組的豐度（圖5 C-H）。圖5D顯示對于兩種RNA腫瘤成分在預后較差組中基底樣腫瘤成分的表達水平較高，而在預后良好組中經典腫瘤（圖5C）、非活性結構基質（圖5F）和免疫基質成分（圖5H）水平顯著升高。
以上這篇文章的全部內容就介紹完啦，總結一下：作者基于其團隊之前工作所提出的六種RNA成分和5種亞型分類在多個數據中證明了其良好的預后價值，發現RNA成分具有更加良好的穩健性和預后價值，并對兩者分布關系進行了描述。通過定義RNA成分來進行分組構建預后模型這個思路我們還可以應用到其他癌癥中，當然啦需要拜讀一下作者團隊之前的工作，做預后模型的小伙伴千萬不要錯過喲！
