Abstract
Bakgrunn
Mange menn utvikle en stigende PSA etter første behandling for prostatakreft. Mens noen av disse mennene vil utvikle en lokal eller metastatisk tilbakefall som garanterer videre behandling, andre vil ikke ha noen tegn på sykdomsprogresjon. Vi antok at et uttrykk biomarkør panelet kan forutsi hvilke menn med en stigende PSA vil dra nytte av videre behandling.
metodikk /hovedfunnene
En case-kontroll design ble brukt til å teste foreningen av genet uttrykk med utfallet. Systemiske (SYS) progresjon tilfeller var menn post-prostatektomi som utviklet systemisk progresjon innen 5 år etter PSA tilbakefall. PSA progresjon kontroller ble matchet menn etter prostatektomi med PSA tilbakefall, men ingen bevis for klinisk progresjon innen 5 år. Bruke uttrykk arrays optimalisert for parafin-embedded tissue RNA, ble 1021 kreftrelaterte gener evaluert-inkludert 570 gener involvert i prostata kreft progresjon. Gener fra 8 tidligere rapporterte markør paneler ble inkludert. En systemisk progresjon modellen inneholder 17 gener ble utviklet. Denne modellen ga en AUC på 0,88 (95% KI: 0,84 til 0,92). Lignende AUC ble generert ved hjelp av 3 tidligere rapportert paneler. I sekundære analyser, spådde modell endepunktene av prostatakreft død (i SYS tilfeller) og systemisk progresjon utover 5 år (i PSA-kontroller) med hazard ratio 2,5 og 4,7, henholdsvis (log-rank p-verdier på 0,0007 og 0,0005). Gener tilordnet 8q24 ble betydelig anriket i modellen.
Konklusjon /Betydning
Spesifikke genuttrykksmønster er signifikant assosiert med systemisk progresjon etter PSA tilbakefall. Måling av genuttrykk mønster kan være nyttig for å bestemme hvilke menn kan ha nytte av tilleggsbehandling etter PSA tilbakefall
Citation. Nakagawa T, Kollmeyer TM, Morlan BW, Anderson SK, Bergstralh EJ, Davis BJ, et al . (2008) En Tissue Biomarker Panel forutsi Systemisk Progresjon etter PSA Tilbakefall Post-Definitive Prostate Cancer Therapy. PLoS ONE 3 (5): e2318. doi: 10,1371 /journal.pone.0002318
Redaktør: Anja-Katrin Bielinsky, University of Minnesota, USA
mottatt: 27 desember 2007; Godkjent: 12 mars 2008; Publisert: 28. mai 2008
Copyright: © 2008 Nakagawa et al. Dette er en åpen-tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Finansiering:. Denne forskningen ble støttet av P50 CA91956 Mayo Prostate Cancer SPORE tilskudd fra NIH, og Richard M. Schulze Family Foundation. Det ble også støttet av Minnesota Department of Employment og økonomisk utvikling fra statens lovgivende bevilgning for Minnesota Partnerskap for bioteknologi og medisinsk Genomics. Tohru Nakagawa ble støttet delvis av en Grant-in-Aid for tredje periode Omfattende 10-år Strategi for Cancer Control fra Helsedepartementet, Arbeids- og velferds av Japan
Konkurrerende interesser:. Forfatterne har erklært at ingen konkurrerende interesser eksisterer.
Innledning
De fleste menn med prostatakreft er nå diagnostisert med kreft som har en lav risiko for årsaksspesifikk dødelighet [1]. Disse mennene er vanligvis behandles med radikal retropubic prostatektomi (RRP), ekstern stråle strålebehandling, eller interstitiell brachyterapi og blir deretter fulgt av vanlige serum PSA evalueringer. I løpet av de neste 5 til 10 års periode, vil 15-30% av disse mennene utvikler et stigende PSA [2] – [6], som definerer en raskt voksende befolkning av stor klinisk og betydning for folkehelsen. Av dette PSA tilbakefall gruppen noen menn vil ha lokalt tilbakefall eller har klinisk påvisbare metastaser, men mange vil ikke ha noen andre tegn på tilbakevendende prostatakreft annet enn den stigende PSA. Ptil «dobling tid» har blitt identifisert som en potensiell surrogat for årsaksspesifikk dødelighet, og brukes av enkelte leger å avgjøre hvilke menn med PSA tilbakefall fortjener adjuvant hormon ablasjon, lokal strålebehandling, eller enkle observasjon [4] – [6 ]. Biomarkører som forutsi hvilken av disse mennene ville ha nytte av noen ekstra terapi er nødvendig
Storskala genuttrykkstudier av prostata kreft i forskjellig grad og stadium ha blitt utført av flere grupper [7] -. [16]. Disse ekspresjonsstudier har benyttet matriser inneholdende probe sett på opp til 35 000 gener. Selv om disse studiene er viktige for biomarkører, flere problemer utelukker deres oversettelse til en clincial setting. For det første er det sannsynlig at mindre panelene vil bli brukt klinisk. For det andre, fordi de tidligere studier som kreves frosset materiale, antall prøver som ble analysert var begrenset. Tredje, siden uønskede kliniske hendelser i prostatakreftpasienter krever langvarig oppfølging, må testmetoder være aktuelt til arkiv parafin-embedded materiale. Til slutt, ingen av de tidligere studiene ble fokusert på utvikling av en biomarkør panel for å forutsi prostatakreft systemisk progresjon i innstillingen av PSA tilbakefall.
Bruk av Mayo Clinic Radical Retropubisk prostatektomi (RRP) Registry, vi utformet et nested case-control studie for å teste hypotesen om at et begrenset sett av RNA uttrykk biomarkører kan forutsi hvilke menn med en stigende PSA post-RRP kan ha nytte av ytterligere klinisk intervensjon. Den Illumina DASL ™ uttrykk microarray plattform ble valgt som biomarkør målemetode, fordi den måler uttrykk for genet mål ved hjelp av parafin vev [17] – [19]. Bruke uttrykk data fra litteraturen og stammer fra vårt eget forskningsprogram utviklet vi et begrenset sett med uttrykk markører som sannsynligvis ville bli endret i forbindelse med prostatakreft progresjon. Panelet omfattet også uttrykk biomarkører fra flere andre tidligere publiserte paneler som er forbundet med surrogater (høy Gleason score, høy patologisk stadium, eller metastatisk sykdom) for prostatakreft aggressivitet [12] -. [16]
Vi rapporterer at oppstillingsbaserte målinger viste utmerket korrelasjon med kvantitativ RT-PCR-målinger av paraffin-avledet RNA. Vi rapporterer også utmerket intra-array, inter-matrise og innen-genet reproduserbarhet. Vi beskriver deretter testing og validering av en genekspresjon vev biomarkør panel for prediksjon av prostatakreft systemisk progresjon etter en stigende PSA etter radikal prostatektomi. Vi sammenligner resultatene av vårt panel med andre tidligere publiserte paneler. Til slutt viser vi at overekspresjon av gener kartlagt til kromosom bandet 8q24 er assosiert med prostatakreft systemisk progresjon.
Metoder
Gene Utvalg og Array Design for DASL ™ analysen
To Illumina DASL uttrykk mikromatriser ble benyttet for eksperimentene.
standard kommersielt tilgjengelige Illumina DASL uttrykk mikromatriser (Cancer Panel ™ v1) inneholder 502 onkogener, tumorsuppressorgener og gener i tilhørende veier. Sytti-åtte av målene på den kommersielle utvalg har vært forbundet med prostata kreft progresjon.
En tilpasset Illumina DASL ™ uttrykk microarray som inneholder 526 genet mål for RNA, inkludert gener hvis uttrykk endres i forbindelse med prostatakreft progresjon . Prober for den egendefinerte DASL® panel ble utformet og syntetisert av Illumina, Inc. (San Diego, California).
Fire forskjellige sett med prostatakreft aggressivitet gener ble inkludert i studien (hvis genene ikke var til stede på kreft~~POS=TRUNC Panel v1 array, de var inkludert i utformingen av den tilpassede array):
Markører av prostatakreft aggressivitet identifisert av et Mayo /University of Minnesota Samarbeid [20]: uttrykket profiler av 100 laser-fangst microdissected prostata kreft lesjoner og matchet normale og BPH kontroll lesjoner ble analysert ved hjelp av Affymetrix HG-U133 Plus 2.0 mikromatriser. Vurdert lister over betydelig over- og under-uttrykte gener som sammenligner 10 Gleason 5 og 7 metastaselesjoner til 31 Gleason 3 kreft lesjoner ble generert. De 500 gener på denne listen ble sammenlignet med lister generert fra tidligere uttrykk microarray studier og andre merke studier av prostatakreft (se 2-4 neste). Etter denne analysen var det plass til 204 nye mål med mulig sammenheng med aggressiv prostatakreft på den egendefinerte tabellen.
Markører assosiert med prostatakreft aggressivitet fra offentlig tilgjengelige uttrykk microarray datasett (f.eks EZH2, AMACR, hepsin, PRLz, PRL3): Når vi designet matrisen tilstrekkelig store datasett fra 9 tidligere microarray studier av prostatakreft med varierende karakterer og metastatisk potensial [7] – [15] var tilgjengelig fra Oncomine internettside [21], [22], www.oncomine .org. Fra bestilt lister over disse dataene vi valgt 32 gener for inkludering på tabellen
Tidligere publiserte markører assosiert med prostatakreft aggressivitet (f.eks PSMA, PSCA, Cav-1). Expression microarray data har også blitt publisert. Denne litteraturen ble evaluert for ytterligere vev biomarkører. For eksempel, på tidspunktet for matrise utformingen var vi i stand til å identifisere 13 kvalitets uttrykk microarray studier av prostatakreft aggressivitet høy (Se tabell S1 og S2 i full referanseliste). I tillegg er blant de 13 rapportene, 5 papirer presentert 8 uttrykk biomarkør paneler for å forutsi prostatakreft aggressivitet [12] – [16]. Når passende prober egnet for DASL kjemi kan være utformet for disse panelene de ble inkludert på den egendefinerte array. Vi identifiserte også 12 artikler gjenn gener assosiert med prostatakreft. Disse kriteriene resulterte i valg av 150 gener.
Markører avledet fra Mayo SPORE forskning (inkludert gener og ESTs tilordnet 8q24). Ninety-tre ekstra biomarkører ble identifisert (se tabell S1 og S2).
Skikken utvalg også inkludert probe sett for 45 gener som ikke var forventet å skille mellom sak og kontrollgrupper basert på Mayo /universitet of Minnesota Partnerskap data. Tretti-åtte av disse genene var også til stede på den kommersielle array (se tabell S1 og S2).
Etter opplisting potensielt prostatakreft relevante gener på kommersielt tilgjengelige kreft panel 570 potensielt prostatakreft relevante gener og 451 andre kreftrelaterte gener ble undersøkt over begge arrays.
design av Nøstet case-control studie
for denne studien vi samplet individer fra Mayo Clinic RRP registeret. Registeret består av en gruppe av menn som fikk prostatektomi som sitt første behandling for prostatakreft ved Mayo Clinic (For en oppdatert beskrivelse og bruk av registeret, se referanse [23]). Som systemisk progresjon er relativt sjeldne, har vi designet en case-control studie nestet i en kohort av menn med en stigende PSA. Mellom 1987-2001, inkluderende, 9,989 tidligere ubehandlede menn hadde RRP på Mayo. På oppfølgings, 2131 utviklet en stigende PSA ( 30 dager etter RRP) i fravær av samtidig klinisk tilbakefall. PSA stigning ble definert som en oppfølging PSA = 0,20 ng /ml, med neste PSA minst 0,05 ng /ml høyere eller initiering av behandling for PSA tilbakefall (for pasienter med oppfølging Ptil var høy nok til å kreve behandling). Denne gruppen av 2,131 menn omfatter underliggende kohort som SYS saker og PSA kontroller ble valgt.
I løpet av 5 år med PSA stigning, 213 menn utviklet systemisk progresjon (SYS tilfeller), definert som et positivt bein scan eller CT skanne. Av disse 100 menn bukket under for en prostata kreft-spesifikke død, 37 døde av andre årsaker og 76 er fortsatt i fare.
PSA tilbakefall kontroller (213) ble valgt ut fra de menn uten systemisk progresjon innen 5 år etter PSA stigning og ble matchet (1: 1) på fødselsår, kalenderår av PSA stigning og innledende diagnostiske patologisk Gleason score ( = 6, 7+). Tjue av disse mennene utviklet systemisk progresjon større enn 5 år etter første PSA stigning og 9 bukket under for en prostata kreft-spesifikke død.
Et sett av 213 Ingen tegn på sykdom (NED) Progresjon kontroller ble også valgt fra Mayo Clinic RRP Registeret 9,989 menn og brukes for noen sammenligninger. Disse kontrollene hadde RRP fra 1987-1998 med ingen bevis for PSA økning innen 7 års RRP. Median (
th 25, 75
th persentil) oppfølging fra RRP var 11,3 (9,3, 13,8) år. Ned kontroller ble tilpasset de systemiske progresjon saker på fødsel-år, kalenderår av RRP og innledende diagnostiske Gleason Score. Datastyrt optimal matching ble utført for å minimere den totale «avstand» mellom saker og kontroller i forhold til summen av den absolutte forskjell i de samsvarende faktorer [24].
Den aktuelle studien ble godkjent av Institutional Review Board of Mayo Clinic.
Block Identifikasjon, RNA Isolation, og Expression analyse
listen av 639 tilfeller og kontroller ble randomisert. Det ble gjort et forsøk på å identifisere alle tilgjengelige blokker (inkludert tilsynelatende normale og unormale lymfeknuter) fra den randomiserte listen over 639 kvalifiserte tilfeller og kontroller. Vedlikeholde randomisering ble hver tilgjengelig blokk vurderes for vev innhold av patologi gjennomgang og blokken som inneholder den dominerende Gleason mønster kreft ble valgt for RNA isolering.
Fire nyklipt 10 nm deler av FFPE vev ble deparaffinized og Gleason dominerende kreft fokus ble macrodissected. RNA ble ekstrahert ved hjelp av høy Pure RNA Parafin Kit fra Roche (Indianapolis, IN). RNA ble kvantifisert ved bruk av ND-1000 spektrofotometer fra Nanodrop Technologies (Wilmington, DE). De RNA, inkludert intra-plate og inter-plate replikater, ble fordelt på 96-brønners plater i tilfeldig rekkefølge for DASL analyse.
RNA-prøver ble behandlet, hybridisert til Sentrix Universal 96-matriser, skannes med BeadArray Reader, og data opprinnelig behandlet i BeadStudio i henhold til produsentens instruksjoner. Microarray data er tilgjengelig fra GEO database (https://www.ncbi.nlm.nih.gov/geo/tiltredelse antall GSE10645).
For å evaluere nøyaktigheten av genuttrykk nivåer definert av DASL teknologi utførte vi kvantitativ SYBR Grønn RT-PCR reaksjoner for 9 utvalgte «mål» gener (CDH1, MUC1, VEGF, IGFBP3, ERG, TPD52, YWHAZ, FAM13C1, og side4) og 4 ofte brukte endogen kontroll gener (GAPDH, B2M, PPIA og RPL13a) i 384-brønns plater, med bruk av Prism 7900HT instrumenter (Applied Biosystems, Foster City, CA). 210 RNA prøver med rikelig RNA fra den gruppe av de totale 639 pasienter ble analysert. På grunn av RNA mangel, ble bare 77 prøvene analysert for Side4. mRNA ble revers-transkribert med Superscript III First Strand Synthesis SuperMix (Invitrogen, Carlsbad, California) ved hjelp av tilfeldige heksamer. For hver av de ni gener studert, ble syklusen terskel (Ct) bestemmes i tre eksemplarer og uttrykket ble normalisert i forhold til det sett av fire referanse gener.
Patologi omtale
Den Gleason score i Mayo Clinic RRP Registeret ble definert som den første Gleason score. Siden det har vært endringer i patologisk tolkning av Gleason score over tid, en enkelt patologen (JCC) anmeldt Gleason score på hver av de utvalgte til uttrykk analyse blokker. Denne kliniske variable ble definert som den reviderte Gleason score.
Statistiske Methodology
Innsamling av genekspresjon data ble forsøkt for de 623 pasientene som beskrevet i resultater. Av disse var det 596 (n
SYS = 200, n
PSA = 201, n
NED = 195) pasienter hvor data ble samlet, resten har mislyktes en eller begge uttrykk paneler som beskrevet i resultater. For å sikre valg av lignende trening og valideringssett, ble 100 case-control-kontroll kullene består av 133 tilfeldig valgte SYS pasienter (to tredeler av 200 for trening) sammen med sin matchet PSA og Ned kontroller valgt som en foreslått treningssett. De resterende saker og kontroller ble behandlet som en foreslått valideringssettet. De kliniske variabler ble testet for uavhengighet mellom den foreslåtte trening og valideringssett separat innenfor SYS tilfeller og PSA kontroller. Diskret kliniske faktorer (patologisk stadium, hormonbehandling adjuvant til RRP, strålebehandling adjuvant til RRP, hormonbehandling adjuvant til PSA tilbakefall, og strålebehandling adjuvant til PSA tilbakefall) ble testet ved hjelp av Chi-kvadrat analyse. Kontinuerlige kliniske variabler (Gleason score (revidert), alder PSA tilbakefall, først stigende PSA-verdi, andre stigende PSA-verdi, og Ptil helling) ble testet ved hjelp av Wilcoxon rank sum. Seks av hundre tilfeldig samplet sett unnlatt å vise avhengighet for noen av de kliniske variabler på 0,2 nivå, og den første av disse ble valgt som treningssettet: 391 pasienter (n
SYS = 133, n
PSA = 133, n
NED = 125). Denne reservert 205 pasienter for valideringssettet (n
SYS = 67, n
PSA = 68, n
NED = 70).
Rådata fra BeadStudio ble normalisert ved hjelp av syklisk løss (fastlo) [25].
trenings~~POS=TRUNC dataene~~POS=HEADCOMP ble analysert ved hjelp av tilfeldige skoger [26] med R versjon 2.3.1 (https://www.r-project.org) og randomForest versjon 4,5 til 16 ( https://stat-www.berkeley.edu/users/breiman/RandomForests). Dataene ble analysert ved panel (Cancer, Custom og innfusjonerte, hvor Sammenslåtte var kreft og tilpassede data behandles som en matrise). Ved å teste den
ntree
parameter i randomForest funksjon vi bestemt at 4000 tilfeldige skoger var tilstrekkelig til å generere en stabil liste over markører. De beste merkene sortert for betydningen av randomForest programmet ble kombinert med ulike kombinasjoner av kliniske variabler ved hjelp logistisk regresjon R program (GLM () med familie = binære (en logistisk modell), hvor GLM refererer til generalisert lineær modell). Den resulterende scoring funksjonen ble deretter analysert ved hjelp Receiver Operating Characteristic (ROC) metoder og cut-off ble valgt som er forutsatt en lik straff for falske positive og falske negative. En gjennomgang av modellene tillates en undergruppe av markører som skal identifiseres, og en undergruppe av bære kliniske data er identifisert. Antallet funksjoner i modellen ble bestemt ved permisjon 1/3 ut Monte Carlo Cross Validation (MCCV) med 100 iterasjoner. Antallet funksjoner ble valgt for å maksimere AUC og minimalisere tilfeldige variasjoner i modellen. Den endelige modell ble deretter påført på 391 pasienten treningssettet og det reserverte 205 pasienten valideringssettet. Til sammenligning ble andre tidligere rapporterte genekspresjon modeller også testet mot trenings og valideringssett [12] -. [16]
Vi har sammenlignet de tidligere rapporterte modeller for klassifisering av pasienter i den kjente PSA tilbakefall kontroll og SYS progresjon case grupper. Vi brukte Cramers V-statistikk [27] for å sammenligne modeller.
Resultater
Studiedesign /Parafin Block Recovery /RNA Isolation og Expression Panel suksess
I korthet, en nestet case-control studie ble utført ved hjelp av store, veldefinerte kohort av menn med stigende PSA følgende RRP (figur S1). SYS tilfellene var 213 menn som utviklet systemisk progresjon mellom 90 dager og 5,0 år etter PSA stigning. PSA-kontroller var et tilfeldig utvalg av 213 menn som var 5 år etter RRP med PSA tilbakefall, men uten tegn til ytterligere klinisk progresjon. NED kontroller var et tilfeldig utvalg av 213 menn som var 7 år etter RRP uten PSA stigning (sammenligning av PSA-kontroller med NED Kontroller vil bli presentert i en etterfølgende papir). SYS saker og PSA kontroller ble matchet (1: 1) for fødselsår, kalenderår av PSA stige, og innledende patologisk Gleason score ( = 6 g = 7). Listen over godkjente saker og kontroller ble randomizeed for blinde konstatering av blokker, isolering av RNA og ytelsen til uttrykk array-eksperimenter.
Tabell 1 oppsummerer fordelingen av kliniske parametre mellom SYS saker og Ptil og NED kontrollgrupper. Det var ingen signifikant forskjell mellom gruppene for de samsvarende variabler (det var ingen signifikant forskjell i innledende diagnostiske Gleason score når = 6 og 7 grupper-the matchende kriteriene-ble sammenlignet). Sammenligning av den innledende diagnostiske Gleason score til de reviderte Gleason score avdekket at Gleason score har økt over tid. I tillegg har andelen av Gleason 8-10 svulster økt sammenligne NED styrer til PSA-kontroller, og PSA-kontroller for å SYS tilfeller. Den reviderte Gleason score ble brukt i hele biomarkør modellering.
Alle parafininnstøpte kvartaler fra kvalifiserte menn ble identifisert og hver blokk ble undersøkt for vevet til stede (primære og sekundære Gleason kreft regioner, normal og metastatiske lymfeknuter, etc.). Vi macrodissected den dominerende Gleason mønster region og forsøkte å isolere RNA. Illumina Cancer Panel ™ og tilpasset prostata kreft panel DASL array-analyser ble deretter utført på alle RNA prøver. Metodedelen og Tabeller S1 S2 beskrive sammensetningen av kreft Panel og utformingen av tilpasset panel.
Tabell 2 oppsummerer den siste blokken tilgjengelighet, RNA isolering suksessrate og suksessraten ved uttrykket rekke analyser. Av de 639 kvalifiserte pasienter, blokkene var tilgjengelig på 623 (97,5%). RNA ble isolert og DASL analyser vellykket utført på en høy andel av pasienter /prøver: brukbare RNA ble fremstilt fra alle de 623 blokkene, og Kreftpanelet og tilpasset panel DASL matriser var både vellykket (etter gjentatt noen eksemplarer-se under) på 596 RNA prøver (95,7% av RNA, 93,3% av design pasienter). Bare 9 (1,4%) RNA-prøvene sviktet begge paneler. Hovedårsaken til disse feil var dårlig RNA kvalitets målt ved QRT-PCR av RPL13a genuttrykk [19]. Av de 1246 første prøvene kjøres på begge paneler, 87 (7,0%) eksemplarer mislyktes. De prøver som det var rester av RNA ble gjentatt med en suksessrate på 77,2% (61 av 79 prøver).
Expression analyse reproduserbarhet
replikere resultatene analyse (figur S2), RT-PCR sammenligninger (Figur S3) og inter- og intra-panel genuttrykk sammenligninger er beskrevet i Resultater S1.
Spesifikke genuttrykk resultater å sammenligne Systemiske Progresjon Kohorter med Ptil Regelmessighet og ingen tegn på progresjon Kohorter
Univariate Analyser av genet.
Fordi DASL analysen ut til å generere nøyaktige og reproduserbare resultater, ble tabelldata undersøkt for gener hvis uttrykk ble vesentlig endret når SYS tilfeller ble sammenlignet med PSA-kontroller . For denne første analysen ble DASL genuttrykk verdi fastsatt til å være gjennomsnittet av up-to-tre sonder for hvert gen på hver matrise. Ved univariat analyse (to-tail t-test) av sonde-gjennomsnitt og fastlo normalisert data [25], 68 gener var svært betydelig over- eller under uttrykt i SYS tilfeller versus PSA-kontroller (p 9,73 × 10
-7, Bonferroni korreksjon for p 0,001) (tabell 3). Ett hundre tjueseks gener var betydelig over- eller under uttrykt i SYS tilfeller kontra PSA-kontroller (p 4,86 × 10
-5, Bonferroni korreksjon for p 0,05). Tabell S3 gir komplett gen listen sortert p-verdi. Figur 1 viser ni gener med vesentlig forskjellig uttrykk i SYS tilfeller og PSA-kontroller.
P-verdier (t-test) for SYS sak /PSA kontroll sammenligning vises. Kontroller med ingen bevis for tilbakefall av sykdom (NED) er også inkludert.
Systemisk Progresjon Tippe Model Development and Testing på et treningssett.
En statistisk modell for å forutsi systemisk progresjon (med og uten kliniske variabler) ved hjelp av et treningssett ble utviklet ved hjelp av tilfeldige skoger [21] og logistisk regresjon som beskrevet i metodene. Treningsdataene ble analysert ved panel (kreft, skikk og fusjonerte), av genet (gjennomsnittlig uttrykk for alle gen-spesifikke prober), og av private sonder. Tabell 4 lister på 15 gener og 2 individuelle sonder som er valgt for den endelige modellen.
Tabell 5 og Figur 2A oppsummere områdene under kurven (AUC) for tre kliniske modeller, den endelige 17-genet /sonde modell og de kombinerte kliniske sondemodeller. Variablene i de kliniske modeller (tabell 6) var basert på tilgjengelig klinisk informasjon. Klinisk modell A inkludert revidert Gleason score og patologisk stadium (informasjon tilgjengelig umiddelbart etter RRP). Tillegg av diagnostiske PSA og alder ved kirurgi ikke betydelig legge til AUC og ble utelatt av denne modellen (data ikke vist). Klinisk modell B lagt alder ved kirurgi, preoperativ PSA verdi, og adjuvant eller hormonell behandling innen 90 dager etter RRP (informasjon tilgjengelig etter RRP men før PSA tilbakefall). Klinisk modell C lagt alder ved PSA tilbakefall, den andre PSA nivå på tidspunktet for PSA tilbakefall, og Ptil skråning (tilgjengelig informasjon på tidspunktet for PSA tilbakefall).
A. Treningen satt AUC for tre kliniske modeller, den endelige 17-genet /probe modell og den kombinerte kliniske /17 gen /probe modell. B. Validerings satt AUC for tre kliniske modeller, den endelige 17-genet /probe modell og den kombinerte kliniske /17 gen /probe modell. C. Treningen satt AUC for 4 tidligere rapporterte genuttrykk modeller av prostatakreft aggressivitet sammenlignet med klinisk modell C alene og sammen med den 17-genet /probe modell. D. Validerings satt AUC for 4 tidligere rapporterte genuttrykk modeller av prostatakreft aggressivitet sammenlignet med klinisk modell C alene og sammen med den 17-genet /probe modell. For en forklaring av de kliniske modeller se tabell 6. (E og F) En sammenligning av trening og validering sett AUC for hver av modellen. E. AUC for hver av de gen /probe-modellene alene. F. AUC for hver av genet /sonde modeller med inkludering av klinisk modell C.
Ved hjelp av treningssettet, klinisk modell A, B og C alene hadde AUC for 0,74 (95% KI 0,68 til 0,80), 0,76 (95% KI 0,70 til 0,82) og 0,78 (95% KI 0,73 til 0,84), henholdsvis. Den 17-genet /probe modell alene hadde en AUC på 0,85 (95% KI 0,81 til 0,90). Når det kombineres med 17 genet /probe modell, kliniske modell A, B og C hadde AUC på 0,86 (95% KI 0,81 til 0,90), 0,87 (95% KI 0,83 til 0,91) og 0,88 (95% KI 0,84 til 0,92) hhv. Vi har også testet en 19 gen modell som tilsettes TOP2A og survivin (BIRC5) til the17 genet /probe modell. I tillegg til disse to genene ble ikke bedre prediksjon av systemisk progresjon i treningssettet (data ikke vist)
De arrays ble valgt for å inkludere probe sett for flere tidligere publiserte prostata aggressivitet modeller [12] -. [ ,,,0],16]. Tabell 5 oppsummerer AUC for utvalg uttrykk for resultat biomarkør modellene. Figur 2C illustrerer AUC for fire av disse modellene med riktig sammenligning med klinisk modell C og med 17 genet /probe modell. Hver av disse modellene ble generert AUC-verdier som var mindre enn den modellen vi utviklet. Men flere av modellene generert AUC (f.eks Lapointe et al. 2004 gjentakelse, Yu et al. 2004, og Singh et al. 2002-modeller) som var innenfor eller nær 95% konfidensintervall av våre AUC trening sett estimater.
Testing av modeller på valideringssettet.
Vi deretter brukte 17 genet /probe modell og de andre tidligere publiserte modeller til den reserverte 205 pasientvalideringssett (Tall 2B og 2D). Figur 2E sammentreningssettet og valideringssettet AUC for hver av genet /probe-modeller. Med unntak av den Glinsky et al. 2004 Signature 1, alle av genet /probe-modeller, hadde signifikant lavere AUC’er i valideringssettet i forhold til treningssettet. Figur 2F sammentrenings og valideringssettet AUC for hver av de gen /probe-modeller, inkludert klinisk modell C. Mens 17 gen /probe modell og tre av de tidligere publiserte modellene (den LaPointe et al. 2004 gjentakelse, Yu et al. 2004 og Glinsky et al. 2005-modeller) bedre enn den kliniske modellen alene, AUC var betydelig lavere i valideringssettet i forhold til treningssettet.
Vi har også sammenlignet modeller for klassifisering av pasienter i den kjente PSA tilbakefall kontroll og SYS progresjon case grupper. Tabell S4 oppsummerer Cramers V-statistikk [27] av de ulike modellene, og inkluderer en perfekt prediktor ( «sannhet») modell for direkte evaluering av modellene. I korthet, den Cramer V-statistikken varierte 0,38 til 0,70. Den laveste Cramers V-statistikken var mellom den sanne tilstand (perfekt prediksjon) og Glinsky et al. 2005 modell med kliniske data. Den høyeste Cramers V verdien var mellom våre 17 gen /probe modell og Singh et al. 2002-modell, begge med kliniske data. De fleste av modellene klassifisert de samme pasientene i de kjente grupper (f.eks klassifisere en pasient i Ptil kontrollgruppen som en PSA tilbakefall og en pasient i SYS tilfelle gruppen som en systemisk progresjon). De har også en tendens til å feilaktig klassifisere de samme pasientene (for eksempel klassifisere en pasient i Ptil kontrollgruppen som en systemisk progresjon og vice versa). Den 17-genet /probe modell korrekt klassifisert 5-15 flere pasienter i deres kjente kategori (PSA-kontroller eller SYS tilfeller) i forhold til de andre modellene (data ikke vist).
Sekundære Analyser
Utforsk overlevelses~~POS=TRUNC studier.
Som nevnt ovenfor, er 17 gen /probe-modell og de tidligere rapporterte modellene hver klassifisert noen av de SYS tilfellene i godt resultat kategori (for eksempel for å være PSA tilbakefall, ikke systemiske progressors) og noen av PSA kontroller i dårlig resultat kategori (for eksempel for å gå videre til systemisk progresjon). Vi var nysgjerrig på å vite om disse tilsynelatende falske klassifikasjoner hadde noen biologisk eller klinisk relevans.
Sytten menn i PSA kontrollgruppen (som hadde både utvalg og klinisk modell C data) gikk på å ha systemisk progresjon utover 5 år ved tidspunktet for siste oppfølging. Av disse 17 pasientene, ni ble spådd å ha et dårlig resultat av 17-genet /probe modell. Av de 179 pasientene som ikke har noen systemisk progresjon, 38 ble klassifisert i dårlig resultat kategori av modellen (p-verdi = 0,0066, Fisher eksakt test). Figur 3A illustrerer systemisk progresjonsfri overlevelse for de gode og dårlige utfall grupper i PSA-kontroller. PSA-kontroller med en svulst klassifisert som å ha et dårlig resultat hadde signifikant økt risiko for å utvikle systemisk progresjon utover 5 år (log rank p-verdi = 0,00050) (HR = 4,7, 95% KI: 01.08 til 12.01).
A) Systemisk progresjonsfri overlevelse for pasientene klassifisert i dårlig utfall kategorien og for de som er i det gode resultatet kategori i Ptil kontrollgruppen-17 genet /probe modell. B) Prostatakreft spesifikk total overlevelse for pasientene klassifisert i dårlig utfall kategorien og for de som er i det gode resultatet kategori i SYS tilfelle gruppe-17 genet /probe modell.
