首页 > 文章详情

【2020 SGO】吴小华教授团队通过TCGA数据库分析建立基于化疗耐药相关基因变异的卵巢癌进展预测模型

2020年04月01日

编译：肿瘤资讯

点评：吴小华复旦大学附属肿瘤医院

来源：肿瘤资讯

受新冠疫情影响，本拟于2020年3月28日~31日在加拿大多伦多举办的2020年第51届美国妇科肿瘤学会（SGO）年会线下会议取消。3月28日，SGO官网公布了会议摘要内容。复旦大学附属肿瘤医院的吴小华教授团队通过TCGA数据库分析，建立了基于化疗耐药相关基因变异的卵巢癌进展预测模型，该研究入选SGO会议摘要。【肿瘤资讯】简要介绍该研究的初步结果，并请吴教授阐释该预测模型的临床价值。

吴小华

主任医师，博士生导师，教授

复旦大学肿瘤医院妇瘤科主任
妇科肿瘤多学科综合治疗团队首席专家
上海市抗癌协会妇科肿瘤专委会主任委员
中国抗癌协会妇科肿瘤专委会主任委员
中华医学会妇科肿瘤专委会常委
中国临床肿瘤学会 (CSCO) 理事
IGCS 国际委员会委员、亚太理事提名人
SGO 教育委员会委员、执行委员
西北大学Feinberg医学院妇产科系客座教授
NCCN Framework for Resource Stratification of NCCN Guidelines国际审阅专家
Int. J. Gynecol Cancer, Cancer Medicine, J. Gynecol Cancer, 中华妇产科学、中华临床解剖学等杂志编委

SGO正文图.png

背景

卵巢癌是致死率最高的妇科恶性肿瘤。含铂化疗是卵巢癌的重要治疗手段，但铂耐药复发是治疗失败的主要原因。本研究旨在通过肿瘤基因组计划（TCGA）数据库分析，建立基于化疗耐药相关基因的卵巢癌进展预测模型。

方法

从TCGA数据库中收集卵巢癌患者的基因转录、单核苷酸多态性和拷贝数变异信息，利用基于构建支持向量机（SVM）分类模型来识别铂耐药相关的基因变异。应用L1-LASSO和Cox比例风险回归模型建立基于铂耐药基因变异的卵巢癌进展预测模型。

结果

SVM分类模型识别出10个与铂耐药相关的基因变异，该模型的AUC为0.971，灵敏度为1，特异性为0.839。采用Cox比例风险方法，以此10个基因中8个基因建立用于预测预后的回顾模型）：预后评分为(−0.42542) × expGJA8 + (0.430375) × expPNLDC1 + (−0.20707) × exp SLC5A1 + (1.169891) × expVSTM2L + (1.195075) × exp CACNA1C + (−1.64918) × expSEZ6L + (0.442726) × expGDF3 +(−1.78725) × exp SYNM。这一模型预测的高风险组的总生存时间（38.56±21.31，n=115）比低风险组（47.30±26.11，n=115，P<0.001）显著缩短。

结论

通过TCGA数据库分析，成功建立了基于化疗耐药相关基因变异的卵巢癌进展预测模型，但该模型仍需在更多研究中行进一步的验证。

吴小华教授点评

目前临床资料显示对铂类敏感的卵巢癌患者预后较好。该研究通过在TCGA数据库中寻找铂化疗敏感性相关基因，并以此基因为基础寻找预后相关基因，不仅为后续探讨铂敏感和预后关系的机制提供方向，也为临床应用预测化疗敏感性、预后提供备选方案，为卵巢癌的个体化治疗提供依据。

参考文献

ZHENG Z AND WU X. Prediction model of ovarian cancer progression using chemo-resistant related genes variation via TCGA database analysis. 2020 SGO, abs 787 - Poster Session.

责任编辑：Linda
排版编辑：Linda