文献速递胸部CT

非小细胞肺癌影像基因组学图谱揭示分子与影像表型间具有预后意义的关系

Non-Small Cell Lung Cancer Radiogenomics Map Identifies Relationships between Molecular and Imaging Phenotypes with Prognostic Implications.
PubMed 文献 · Radiology · 2017-07-20

研究纳入113例非小细胞肺癌患者,由胸部放射科医生记录87个语义影像特征,并行RNA测序鉴定10个共表达基因簇(metagenes)。构建影像基因组学图谱,发现32个影像特征与metagenes的显著关联(错误发现率<0.01),涉及表皮生长因子通路等,提示可无创识别NSCLC分子特征。

要点

  • 结节衰减和边缘与晚期细胞周期基因相关,实性倾向提示metagene 38活跃。
  • 磨玻璃影及边缘不规则或界限不清与表皮生长因子通路metagene显著相关。
  • 正常肺背景与间皮瘤生存签名metagene 60正相关,其低表达与肺气肿等肺实质异常相关。

核心结论

  • NSCLC影像基因组学分析显示语义影像特征与代表经典分子通路的metagenes之间存在多个关联,可能无创识别NSCLC的分子属性。

研究设计与样本

  • 研究纳入2008年4月至2014年9月诊断的113例NSCLC患者,具备术前CT数据和肿瘤组织,由胸部放射科医生记录87个语义影像特征,行RNA测序鉴定10个metagenes,并在5个公开肺癌基因表达队列共1227例中验证。

关键影像表现/征象

  • 当metagene 38活跃时病灶倾向实性(错误发现率0.01),不活跃时倾向边缘界限不清(错误发现率0.008)。
  • 正常肺背景与间皮瘤生存签名metagene 60正相关(错误发现率0.008),该通路基因低表达与肺气肿等肺实质异常相关,高表达与正常肺实质形态相关。
  • metagene 65过表达与边缘界限不清相关,低表达与边缘光滑相关。

诊断标准与关键数值

  • 共发现32个语义影像特征与metagenes的显著关联(错误发现率<0.01,P值<.05)。
  • metagene 38与结节实性相关(错误发现率0.01),与边缘界限不清相关(错误发现率0.008)。
  • metagene 60与正常肺背景正相关(错误发现率0.008)。
  • metagene 19(表皮生长因子通路)与磨玻璃影及边缘不规则或界限不清的结节显著相关(错误发现率<0.01)。

临床应用与阅片要点

  • 作者认为,放射科医生观察到的肺结节多种CT特征与NSCLC不同分子通路相关,可能有助于指导临床医生进行无创治疗计划。
  • 原文未据此给出具体阅片或报告推荐。

局限性

  • 原文未报告局限性。
全文中译12 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Radiology. 2017 Jul 20;286(1):307–15. doi: 10.1148/radiol.2017161845

引言

非小细胞肺癌(NSCLC)

非小细胞肺癌

表皮生长因子

表皮生长因子

非小细胞肺癌

非小细胞肺癌

RNA测序技术的最新发展为表征NSCLC的分子通路提供了新机遇

非小细胞肺癌

非小细胞肺癌

非小细胞肺癌

图1:放射基因组学分析概述,旨在识别A,CT语义特征与B,RNA测序数据之间的关联。 查看原图 ↗

材料与方法

图像数据采集与标注

经机构审查委员会批准,我们研究了113例因NSCLC接受手术的患者

表1 队列的临床特征 查看原表 ↗

下一代RNA测序方案

肿瘤样本术后于−80°C冷冻保存直至使用。样本在术中从患者切除标本时获取。从最长径中心切取一片肿瘤组织(根据肿瘤整体尺寸,该切片厚度从数毫米至近1厘米不等)。该过程在30分钟或更短时间内完成,以尽量减少样本冷冻前的时间。对于较大的肿瘤,我们避开了任何明显中央坏死的区域。对大约每10个肺部肿瘤中的1个进行了肿瘤纯度验证,确认所选样本表面积至少50%为肿瘤。从结节组织样本中提取总RNA,并转化为TruSeq Illumina试剂盒的标准文库用于双端测序(Centrilion Biosciences,加利福尼亚州帕洛阿尔托)。该方案包括Ribo-Zero核糖体RNA去除和核糖体RNA耗竭步骤,随后使用SuperScript II(Life Technologies,加利福尼亚州卡尔斯巴德)进行片段化和互补DNA合成。使用BioAnalyzer(Agilent Technologies,加利福尼亚州圣克拉拉)确认质量,然后通过Kapa qPCR(Kapa Biosystems,马萨诸塞州威尔明顿)评估浓度。使用比对算法(Star版本2.3;https://github.com/alexdobin/STAR)将RNA测序解读映射至人类基因组版本19(http://genome.ucsc.edu)。接下来我们使用软件(Cufflinks版本2.0.2;http://cole-trapnell-lab.github.io/cufflinks/),通过每千碱基转录本每百万映射解读的片段数来确定每个样本中的表达判定。每千碱基转录本每百万映射解读的片段数值随后进行对数转换,缺失值通过使用15最近邻算法估算。我们仅纳入在至少70%的样本中其位置至少有五个解读映射的转录本。

统计分析

通过聚焦高表达基因表达数据,我们按照Gevaert等人(15)先前定义的方法创建了具有一致基因表达的宏基因。我们选择在外部基因表达数据集中具有最高聚类同质性的前10个宏基因。我们通过平均宏基因内以及每个外部基因表达数据集内基因的所有两两Pearson相关系数来计算每个宏基因的同质性评分。我们使用了五个公开肺癌基因表达队列:来自癌症基因组图谱(17)的肺腺癌和鳞状细胞癌合并队列、Lee等人(18)的队列、Bild等人(19)的队列、Shedden等人(20)的队列以及Roepman等人(21)的队列,共纳入1227例非小细胞肺癌(NSCLC)患者

我们使用PRECOG(https://precog.stanford.edu/)(27)——一种利用迄今最大的基因表达数据集合将基因与预后联系起来的工具——分别评估前10个宏基因在腺癌和鳞状细胞癌中的生存关系。PRECOG包含独立的、公开可获取的基因表达队列,并配有肺腺癌(n = 17)和肺鳞状细胞癌(n = 15)的生存数据。在每个宏基因内,所纳入的基因在每个队列中分别进行标准化处理,使其均值为零、方差为单位方差。对于每个数据集,使用单变量Cox比例风险回归评估与总生存的关联(R版本3.1.2中的survival包版本2.38;R Foundation,维也纳,奥地利)。我们报告每个队列的z评分,以表示每个宏基因与总生存相关性的方向和强度(负值表示预后良好,正值表示预后不良)。接下来,我们通过使用Stouffer方法(27)结合从每个公开队列获得的z评分,计算每个宏基因的全局meta-z评分。z评分大于2或小于−2被认为具有统计学显著性。

我们通过将宏基因与语义图像特征相关联来构建放射基因组学图谱。我们使用t统计量和Spearman相关指标评估显著关联,并使用错误发现率(26)校正多重检验。P值小于.05且错误发现率值小于0.01用于确定宏基因与图像特征之间具有统计学显著性的关联。我们还报告了图像特征与宏基因的相关系数,以指示宏基因与CT成像语义特征之间的方向性关系。

表2 宏基因特征与同质性评分 查看原表 ↗

结果

放射基因组学NSCLC队列

表1显示了我们的113例非小细胞肺癌(NSCLC)患者队列的临床特征

共表达宏基因的识别

我们在非小细胞肺癌(NSCLC)中创建了先前定义的56个宏基因

宏基因功能富集与预后评估

我们通过基因集富集分析(23)对元基因的分子功能进行了注释,该方法能够从公共分子特征数据库中识别共享的共同生物学通路。我们证明,前10个元基因捕获了多种已知的分子类别,包括EGF通路(29)、与细胞外基质相关的基因(30)、免疫应答(31)和T细胞活化(32)(表2a)。接下来,我们使用生存荟萃分析(27)评估元基因与具有生存结局的公共基因组队列之间的生存关系(表3、E2[在线])。我们发现,预后表现在腺癌和鳞状细胞癌组之间存在差异。如表3所示,五个元基因在腺癌数据集中与总生存期显著相关。例如,由晚期细胞分裂周期基因富集的元基因38与不良预后强相关,而四个元基因(元基因9、19、56和65)与良好生存相关。在鳞状细胞癌中,生存倾向于更为异质,仅三个元基因(元基因3、4和9)与良好生存弱相关(表3)。

表3 通过荟萃Z评分评估的元基因预后表现:汇总PRECOG分析中的个体z评分及相应的荟萃P值 查看原表 ↗

NSCLC的放射基因组学图谱揭示了关联

我们通过将每个影像特征与所识别的元基因进行关联,构建了放射基因组学图谱(图2)。我们发现语义特征与元基因之间存在32个统计学显著的相关性(表4;错误发现率<0.01)。例如,我们发现捕获晚期细胞周期的元基因与结节衰减和结节边缘相关。当该元基因活跃时,病灶倾向于实性(元基因38;错误发现率0.01),而当该元基因不活跃时,病灶倾向于边缘显示不清(元基因38;错误发现率0.008)。我们还发现,正常肺背景与间皮瘤生存特征呈正相关(元基因60;错误发现率0.008),这表明该通路中活跃的基因在低表达时与 underlying 肺实质异常如肺气肿相关,而在高表达时与正常肺实质形态结构相关。接下来,元基因65富集了与上皮-间质转化相关的基因,并与影像特征有若干显著关联(表4)。例如,元基因65的高表达与边缘显示不清相关,而元基因65的低表达与光滑边缘相关。总体而言,我们的放射基因组学分析捕获了CT语义影像特征与NSCLC非小细胞肺癌分子通路活性之间的多种关联

图2:放射基因组学图谱揭示了NSCLC非小细胞肺癌中35个CT语义特征与前10个元基因之间的32个统计学显著关联。仅显示高于10%方差截断值的影像特征。影像特征和元基因的顺序由P值的层次聚类确定。 查看原图 ↗
表4 影像特征与元基因之间的关联 查看原表 ↗

EGF通路表征NSCLC的特定影像表型

接下来,我们更深入地关注元基因19与语义特征的关联。元基因19反映了EGF表皮生长因子的活性

表皮生长因子

非小细胞肺癌

表皮生长因子

图3a:元基因19的活性与两种不同影像表型的关联。(a) 元基因19低活性与LRIG1低活性相关(绿色箭头),表皮生长因子(EGF)–表皮生长因子受体(EGFR;红色箭头)通路高活性通过激活KRAS和PIK3CA导致细胞增殖。(b) 元基因19高活性导致LRIG1高活性(红色箭头),同时抑制EGF–表皮生长因子受体通路(绿色箭头),但导致EGF受体突变发生率更高,从而切断LRIG1与EGF受体之间的联系。 查看原图 ↗
图3b:元基因19的活性与两种不同影像表型的关联。(a) 元基因19低活性与LRIG1低活性相关(绿色箭头),表皮生长因子(EGF)–表皮生长因子受体(EGFR;红色箭头)通路高活性通过激活KRAS和PIK3CA导致细胞增殖。(b) 元基因19高活性导致LRIG1高活性(红色箭头),同时抑制EGF–表皮生长因子受体通路(绿色箭头),但导致EGF受体突变发生率更高,从而切断LRIG1与EGF受体之间的联系。 查看原图 ↗
图4:箱须图显示元基因19归一化表达在不同类型CT结节边缘中的分布。元基因19的归一化表达反映该元基因中基因的活性。 查看原图 ↗

讨论

在本研究中,我们将CT语义影像特征与新一代RNA测序数据整合,以识别NSCLC非小细胞肺癌的影像基因组生物标志物

非小细胞肺癌

将影像特征与分子特征联系起来是一个不断发展的研究领域,通过相关分子生物学信息为临床影像提供附加价值(表4)。例如,元基因19及其影像特征关联是影像基因组学映射可能性的典型示例(图3)。该元基因的低活性反映NSCLC非小细胞肺癌

表皮生长因子

表皮生长因子

表皮生长因子

表皮生长因子

非小细胞肺癌

我们的研究有以下局限性。由于收集的NSCLC非小细胞肺癌患者队列

非小细胞肺癌

非小细胞肺癌

总之,在本研究中我们呈现了NSCLC非小细胞肺癌的影像基因组学图谱

知识进展

■ 十个分子定义的元基因与非小细胞肺癌(NSCLC)患者的CT影像特征有32个显著关联(错误发现率,<0.01)。

■ 放射科医生观察到的反映结节衰减和结节边缘的CT特征与晚期细胞周期基因相关(错误发现率,<0.01)。

■ 放射科医生观察到的磨玻璃影程度以及肺结节边缘模糊和不规则的CT特征与表皮生长因子分子通路相关(错误发现率,<0.01)。

对患者诊疗的意义

■ 放射科医生在CT上观察到的肺结节多种特征与NSCLC中不同的分子通路相关,这可能有助于指导临床医生制定无创治疗计划。

补充表

引用

  1. Zhou M, Leung A, Echegaray S, et al. Non-Small Cell Lung Cancer Radiogenomics Map Identifies Relationships between Molecular and Imaging Phenotypes with Prognostic Implications. Radiology. 2017. PMID: 28727543. doi:10.1148/radiol.2017161845
  2. 全文:PMC5749594(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5749594/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。