Entwicklung und Validierung eines 21 - Kunming PCBA Group Co., Ltd

Scientific Reports Band 13, Artikelnummer: 12526 (2023) Diesen Artikel zitieren

Details zu den Metriken

Die Überlebensergebnisse für Patienten mit Neuroblastom variieren deutlich und es fehlen zuverlässige Prognosemarker und Instrumente zur Risikostratifizierung. Wir wollten eine transkriptomische Signatur identifizieren und validieren, die das Mortalitätsrisiko bei Patienten mit Neuroblastom vorhersagen kann. Der TARGET NBL-Datensatz (n = 243) wurde zur Entwicklung des Modells verwendet und zwei unabhängige Kohorten, E-MTAB-179 (n = 478) und GSE85047 (n = 240), wurden als Validierungssätze verwendet. EFS war der primäre Endpunkt und OS der sekundäre Endpunkt, der für alle Analysen von Interesse war. Wir identifizierten eine 21-Gen-Signatur, die in der Lage ist, Neuroblastompatienten in Gruppen mit hohem und niedrigem Risiko zu stratifizieren, im E-MTAB-179 (HR 5,87 [3,83–9,01], p < 0,0001, 5-Jahres-AUC 0,827) und GSE85047 (HR 3,74 [2,36]). –5,92], p < 0,0001, 5-Jahres-AUC 0,815) Validierungskohorten. Darüber hinaus blieb die Signatur unabhängig von bekannten klinisch-pathologischen Variablen und blieb innerhalb klinisch wichtiger Untergruppen prognostisch. Darüber hinaus wurde die Signatur effektiv in ein Risikomodell mit klinisch-pathologischen Variablen integriert, um die Prognoseleistung über Validierungskohorten hinweg zu verbessern (Pooled Validation HR 6,93 [4,89–9,83], p < 0,0001, 5-Jahres-AUC 0,839). Ein ähnlicher prognostischer Nutzen wurde auch für OS nachgewiesen. Die identifizierte Signatur ist ein robuster unabhängiger Prädiktor für EFS- und OS-Ergebnisse bei Neuroblastompatienten und kann mit klinisch genutzten klinisch-pathologischen Variablen kombiniert werden, um die prognostische Leistung zu verbessern.

Das Neuroblastom ist der häufigste extrakranielle solide Tumor bei Kindern und macht etwa 7–10 % aller Krebserkrankungen im Kindesalter aus1,2,3. Das Neuroblastom zeichnet sich durch eine erhebliche Heterogenität der Tumoreigenschaften4,5,6 und der Patientenergebnisse aus, die von einer spontanen Rückbildung bei einigen Patienten7 bis zu einer metastasierenden behandlungsresistenten Erkrankung bei anderen8 reichen. Angesichts dieser Heterogenität wurden mehrere Staging-Systeme entwickelt, um das Risiko für Patienten mit der Diagnose Neuroblastom zu stratifizieren. Das International Neuroblastoma Staging System (INSS) ist ein 1986 entwickeltes postoperatives Staging-System, das den Krankheitsort, den Lymphknotenstatus und das Ausmaß der chirurgischen Resektion zur Patientenklassifizierung nutzt9,10. Das INSS wurde weitgehend durch das International Neuroblastoma Risk Group Staging System (INRGSS) ersetzt, das 2005 gegründet wurde, um eine Stadieneinteilung zu erstellen, die unabhängig von den Ergebnissen der chirurgischen Resektion ist. Dieses Tool nutzt das Vorhandensein bilddefinierter Risikofaktoren (IDRF), um lokoregionale Tumoren als L1 (IDRF fehlt) oder L2 (IDRF vorhanden) zu kategorisieren11,12. Beide Tools haben durchweg einen starken Zusammenhang mit den Überlebensergebnissen gezeigt11,12,13.

Zusätzlich zu diesen etablierten Stadieneinteilungssystemen haben zahlreiche Studien andere klinische, pathologische und genomische Merkmale identifiziert, die mit dem Überleben bei Neuroblastomen verbunden sind. Beispielsweise stellt das Alter des Patienten bei der Diagnose eine wichtige prognostische Variable dar, wobei bei älteren Patienten (häufig definiert als Personen über 18 Monaten) durchweg schlechtere Ergebnisse erzielt werden8,14. Es wurde gezeigt, dass die Amplifikation der MYCN-Kopienzahl unabhängig mit schlechten klinischen Ergebnissen verbunden ist und in etwa 25 % der Fälle von Neuroblastomen und 40 % der Fälle mit hohem Risiko zu finden ist15. Andere segmentale Chromosomenaberrationen wie die Deletion des Chromosoms 1p, die Deletion 11q oder die Zunahme des Chromosoms 17q wurden ebenfalls mit schlechten Überlebensergebnissen bei Neuroblastomen in Verbindung gebracht16,17. Darüber hinaus wurden molekulare und pathologische Merkmale wie die histologische Kategorie18, die DNA-Ploidie19 und der Grad der Tumordifferenzierung als prognostische Marker bei Neuroblastomen identifiziert.

Daher basieren aktuelle Managementansätze weitgehend auf Risikoklassifizierungswerten, die das INRGSS-Stufensystem zusammen mit einer Kombination aus klinischen, pathologischen und genomischen Merkmalen umfassen, die einen Zusammenhang mit dem Überleben bei Neuroblastomen gezeigt haben. Zu den bekanntesten dieser Bewertungen zählen die 2021 überarbeiteten Risikoklassifizierungskriterien der Children's Oncology Group (COG)8. Dieses Bewertungssystem nutzt das INRGSS-Stadium sowie das Alter bei der Diagnose, die histologische Klassifizierung und das Vorhandensein molekularer und pathologischer Biomarker wie den MYCN-Amplifikationsstatus, die DNA-Ploidie und segmentale Chromosomenaberrationen, um Patienten in Gruppen mit niedrigem, mittlerem und hohem Risiko8 einzuteilen. 20. Bei der Mehrzahl der als risikoarm eingestuften Patienten kann eine spontane Tumorregression beobachtet oder nur eine chirurgische Resektion durchgeführt werden21. Patienten mit einer Erkrankung mit mittlerem Risiko werden häufig mit einer neoadjuvanten Chemotherapie mit mehreren Wirkstoffen und anschließender chirurgischer Resektion behandelt21. Hochrisikopatienten erhalten ein intensives Behandlungsschema, das eine Induktionsphase mit Chemotherapie mit mehreren Wirkstoffen und chirurgischer Resektion, eine Konsolidierungsphase einer Hochdosis-Chemotherapie mit autologer Stammzellrettung und Strahlentherapie sowie eine Postkonsolidierungsphase umfasst, in der Patienten häufig eine Immuntherapie erhalten zielen auf eine minimale Resterkrankung ab, um einen Rückfall zu verhindern22. Die Ergebnisse variieren erheblich zwischen den Gruppen, wobei Patienten mit geringem Risiko eine 5-Jahres-Gesamtüberlebensrate von 98 % haben, verglichen mit 62 % bei Patienten mit einer Hochrisikoerkrankung8. Aufgrund dieses erheblichen prognostischen Unterschieds wurden große Anstrengungen unternommen, um die Behandlung von Patienten mit niedrigem und mittlerem Risiko23,24 zu intensivieren und die Therapie von Patienten mit hohem Risiko25,26,27 zu intensivieren, um die Ergebnisse bei Neuroblastomen zu verbessern.

Neben der Verbesserung der Wirksamkeit therapeutischer Ansätze konzentrierten sich die Bemühungen zur Verbesserung der Patientenergebnisse bei Neuroblastomen auf die Entwicklung klinischer und molekularer Risikostratifizierungsinstrumente als Grundlage für die klinische Entscheidungsfindung28. Insbesondere eine verbesserte Stratifizierung von Neuroblastompatienten kann eine Intensivierung und Deintensivierung der Behandlung für die entsprechenden Patienten ermöglichen und so die Toxizität minimieren und gleichzeitig den therapeutischen Nutzen maximieren21. Dies ist besonders wichtig bei Neuroblastomen, da bei pädiatrischen Populationen das Risiko von Spätkomplikationen aufgrund von Toxizität durch Chemotherapie und Strahlentherapie in der frühen Entwicklung besteht29.

Umfangreiche Arbeit wurde in die Entwicklung neuartiger molekularer Biomarker zur Vorhersage der Prognose von Neuroblastompatienten gesteckt, einschließlich Studien zu langen nichtkodierenden RNAs30,31, mircoRNAs32,33 und genomischen Aberrationen34. Die am besten untersuchte Kategorie prognostischer Biomarker für Neuroblastome nutzt jedoch transkriptomische Sequenzierungstechnologien mit hohem Durchsatz, um auf der Genexpression basierende Prädiktoren, sogenannte Gensignaturen, zu identifizieren. Viele Studien haben versucht, solche Signaturen bei Neuroblastomen zu generieren35,36,37,38, wobei sich die verwendeten statistischen Techniken, die Genauigkeit der externen Validierung, die verwendeten Quantifizierungsplattformen und die Anzahl der enthaltenen Transkripte erheblich unterscheiden. Viele der früheren Studien, die versuchten, prognostische Signaturen für Neuroblastome zu entwickeln, haben biologische Erkenntnisse in die Auswahl prognostischer Gene einbezogen. Einige Studien nutzen eine differenzielle Expressionsanalyse oder ontologische Gruppen von Genen, die an Signalwegen, der Tumorentstehung oder der Aggressivität von Neuroblastomen beteiligt sind, um ihren Pool an Kandidatentranskripten einzuschränken39,40,41,42. Während diese Ansätze biologisch fundiert sind und zu einem besseren Verständnis der dem Neuroblastom zugrunde liegenden Biologie führen können, kann eine solche Einschränkung der Auswahl von Genen dazu führen, dass diejenigen mit prognostischer Bedeutung ausgeschlossen werden, die derzeit nicht mit biologischen Prozessen in Zusammenhang stehen, die beim Neuroblastom eine Rolle spielen. Darüber hinaus wurde nur eine kleine Anzahl dieser Signaturen auf verschiedenen Plattformen zur Transkriptquantifizierung entwickelt und validiert, was die Generalisierbarkeit der entwickelten Tools einschränkt43. Darüber hinaus kann die klinische Übersetzung vieler dieser vorgeschlagenen Signaturen schwierig sein, da eine große Anzahl von Transkripten enthalten ist, die eine kostspielige und komplexe Analyse erfordern würden, oder weil es keinen vorgeschlagenen Mechanismus gibt, der Klinikern dabei hilft, vorhandene Risikostratifizierungstechniken mit den generierten Signaturen zu integrieren, um mehr zu erstellen differenzierte Risikogruppen44. Aufgrund dieser Faktoren gibt es derzeit im klinischen Umfeld keine transkriptomischen Signaturen für Neuroblastompatienten.

In dieser Studie haben wir mithilfe eines biologisch unvoreingenommenen maschinellen Lernansatzes eine 21-Gen-Transkriptomsignatur entwickelt und extern validiert, die das Gesamtüberleben (OS) und das ereignisfreie Überleben (EFS) für Neuroblastompatienten vorhersagt. In der multivariaten Analyse mit relevanten klinischen Kovariaten blieb unsere Signatur ein unabhängiger Prognosefaktor. Schließlich haben wir ein klinisch übersetzbares Risikostratifizierungsmodell erstellt, indem wir unsere 21-Gen-Signatur mit klinischen und molekularen Merkmalen kombiniert haben, die derzeit für die Prognose bei Neuroblastomen verwendet werden.

Es wurde ein zweiphasiges Studiendesign verwendet, wobei die erste Entdeckungsphase aus der Entwicklung einer prognostischen Signatur durch In-silico-Analyse von Microarray-Expressionsdaten bestand und eine anschließende Validierungsphase verwendet wurde, um den prognostischen Nutzen der Signatur in zwei externen, unabhängigen Phasen zu ermitteln Kohorten.

Der Entdeckungsdatensatz bestand aus Patienten, die an der Neuroblastom-Studie der Initiative Therapeutically Applied Research to Generate Effective Treatments (TARGET) (n = 249) teilnahmen (Teilstudien-ID phs000467). Die in dieser Kohorte analysierten Proben bestehen aus eingebetteten Primärtumorproben mit optimaler Schnitttemperatur (OCT), die zum Zeitpunkt der Diagnose von Patienten entnommen wurden, die an COG-Studien und klinischen Studien teilnahmen. Die Proben wurden vorbereitet und die Transkription wurde wie vom TARGET-Konsortium45 beschrieben quantifiziert. Kurz gesagt, die Transkriptquantifizierung wurde auf einem Affymetrix Human Exon ST 1.0 Microarray durchgeführt und gemäß den Anweisungen des Herstellers gescannt. Die Transkriptdaten wurden mithilfe der RMA-Skizzenanalyse (die der Quantilnormalisierung nahekommt) unter Verwendung von Affymetrix-Elektrowerkzeugen normalisiert und zusammengefasst. Sondensätze mit geringer Expression und geringer Variation wurden entfernt und die resultierenden Sondensätze wurden durch Transkriptidentifizierung basierend auf Affymetrix-Annotationen gemittelt. Klinische und transkriptomische Daten wurden aus dem TARGET-Neuroblastom-Repository abgerufen, das unter https://portal.gdc.cancer.gov/projects verfügbar ist.

Zur Validierung der im Entdeckungsdatensatz generierten Signatur wurden zwei unabhängige Kohorten verwendet, E-MTAB-179 und GSE85047. Die E-MTAB-179-Kohorte (n = 478) besteht aus schockgefrorenen primären Neuroblastom-Gewebeproben, die vor der zytotoxischen Behandlung wie zuvor beschrieben entnommen wurden46. Diese Kohorte quantifizierte die Transkriptexpression mithilfe eines benutzerdefinierten Agilent Neuroblastoma-Arrays (A-MEXP-1746). Klinische und transkriptomische Daten für diese Kohorte wurden von der ArrayExpress-Plattform des European Bioinformatics Institute (Zugangs-ID E-MTAB-179) bezogen. Transkriptomdaten wurden mithilfe eines Quantilalgorithmus normalisiert. Die GSE85047-Kohorte (n = 283) besteht aus primären Neuroblastom-Gewebeproben, die vor der Behandlung vom Neuroblastoma Research Consortium (NRC) entnommen und wie zuvor beschrieben verarbeitet wurden47. Die Transkriptquantifizierung in dieser Kohorte wurde mit einem Affymetrix Human Exon ST 1.0 Microarray durchgeführt. Die heruntergeladenen Transkriptdaten wurden mithilfe der RMA-Skizzenanalyse, die der Quantilnormalisierung nahekommt, mithilfe von Affymetrix-Elektrowerkzeugen normalisiert und zusammengefasst. Expressions- und klinische Daten für diese Kohorte wurden vom Gene Expression Omnibus (Zugangs-ID GSE85047) erhalten.

Kandidatentranskripte in der Entdeckungskohorte wurden gefiltert, um nur diejenigen einzuschließen, die in allen Entdeckungs- und Validierungskohorten vorhanden waren, um sicherzustellen, dass jede generierte prognostische Signatur validiert werden konnte (n = 1780). Patienten im Stadium 4 s wurden von der weiteren Analyse ausgeschlossen (TARGET n = 0, GSE85047 n = 27, E-MTAB-179 n = 62), da die einzigartigen genetischen, epigenetischen und transkriptomischen Merkmale, die zu einer spontanen Regression und verbesserten Ergebnissen bei diesen Patienten führen, möglicherweise dazu führen haben die Auswahl von Kandidatentranskripten beeinträchtigt, die in anderen Stadien des Neuroblastoms weitgehend prognostisch waren48. Darüber hinaus wurden auch diejenigen mit fehlenden Überlebens- und/oder pathologischen Variablen (TARGET n = 6, GSE85047 n = 16, E-MTAB-179 n = 0) von der weiteren Analyse ausgeschlossen. Nach Ausschlüssen wurden insgesamt 243 Patienten in die TARGET-Kohorte, 240 in die GSE85047-Kohorte und 416 in die E-MTAB-179-Kohorte zur weiteren Analyse einbezogen. Klinisch-pathologische und patientendemografische Daten für die Kohorten werden angezeigt (Tabelle 1).

Um ein prognostisches Modell aus den Expressionsprofilen der TARGET-Neuroblastom-Kohorte zu erstellen, wurde die regulierte Regression des Least Absolute Shrinkage and Selection Operator (LASSO) unter Verwendung von Cox Proportional Hazards (CoxPH) verwendet (verfügbar über das glmnet R-Paket). Bei dieser Technik handelt es sich um ein biologisch unvoreingenommenes Modell des maschinellen Lernens, das in Fällen nützlich ist, in denen die Anzahl der Prädiktoren viel größer ist als die Anzahl der Beobachtungen, und sich daher besonders gut für transkriptomische Daten eignet. Eine 20-fache Kreuzvalidierung mit partiellem Wahrscheinlichkeitsabweichungsverlust wurde durchgeführt, um das optimale Lambda (0,1006) zu erhalten, das den bei der Erstellung des endgültigen Modells verwendeten Regularisierungsparameter darstellt. Nach der Lambda-Optimierung wurde das Modell mit einem Alpha von 1 generiert, um die Anzahl der ausgewählten Features zu begrenzen. EFS wurde als primärer Endpunkt zur Erstellung des Prognosemodells verwendet.

Für alle statistischen Analysen wurde EFS als primärer Endpunkt und OS als sekundärer Endpunkt verwendet. Die in der Entdeckungsphase der Studie erhaltenen Modellgewichte wurden in allen nachfolgenden Validierungsanalysen verwendet, um eine Überschätzung des Effekts durch Neutraining der Signatur zu verhindern. Eine univariate CoxPH-Regressionsanalyse wurde zur Schätzung der Hazard Ratio (HR) verwendet, um den Zusammenhang der erhaltenen prognostischen Signatur mit EFS und OS in Entdeckungs- und Validierungskohorten zu bewerten. In allen Analysen wurde der mittlere Signatur-Risiko-Score verwendet, um Patienten in Niedrig- und Hochrisikogruppen zu unterteilen. EFS- und OS-Kurven wurden mithilfe von Kaplan-Meier-Kurven visualisiert. Es wurden 5-Jahres-ROC-Kurven (Receiver Operator Characteristic) erstellt, um die Sensitivität und Spezifität der prognostischen Signatur bei der Vorhersage der Überlebensergebnisse zu bewerten. 95 %-Konfidenzintervalle werden für die Regressionsanalyse sowie für ROC- und Kaplan-Meier-Kurven angegeben.

Um die Leistung der prognostischen Signatur innerhalb klinisch wichtiger Untergruppen zu bewerten, wurden die Patienten nach Alter bei Diagnose (> 18 Monate oder < 18 Monate), MYCN-Amplifikationsstatus (amplifiziert oder nicht amplifiziert) und INSS-Stadium (I/II oder III/) geschichtet. IV). Nach der Stratifizierung wurden die Patienten in jeder Untergruppe anhand des mittleren Risikoscores der prognostischen Signatur in Gruppen mit hohem und niedrigem Risiko eingeteilt, und es wurde eine univariate CoxPH-Regression durchgeführt, um den prognostischen Nutzen der Signatur in diesen Untergruppen zu bewerten.

Um den unabhängigen prognostischen Wert der Signatur zu beurteilen, wurden die verfügbaren klinisch-pathologischen Variablen dichotomisiert: Alter bei Diagnose (> 18 Monate vs. < 18 Monate), MYCN-Amplifikationsstatus (amplifiziert vs. nicht amplifiziert) und INSS-Stadium (I/II vs. III). /IV). Eine univariate CoxPH-Regression wurde an klinisch-pathologischen Variablen durchgeführt, um deren Zusammenhang mit den Überlebensergebnissen zu bewerten, wobei signifikant assoziierte Variablen für die multivariate CoxPH-Regression mit den dichotomisierten Scores für die 21-Gen-Signatur beibehalten wurden.

Beide Validierungskohorten wurden zusammengefasst und dichotomisierte klinisch-pathologische Variablen und das Signaturrisiko wurden in der multivariaten CoxPH-Analyse zurückgeführt. Dieses multivariate Modell wurde dann verwendet, um Nomogramme für die Vorhersage der 5-Jahres-Überlebensergebnisse zu erstellen. Diese Nomogramme generierten einen kombinierten Risikoscore, der die Signaturrisikogruppe sowie den prognostischen klinisch-pathologischen Variablenstatus umfasste. Kaplan-Meier-Kurven wurden erstellt, um Überlebensunterschiede zwischen Gruppen mit hohem und niedrigem Risiko zu veranschaulichen, wobei der mittlere kombinierte Risikoscore als Cut-off verwendet wurde; Zur Beurteilung des Zusammenhangs zwischen dem kombinierten Risikoscore und dem Überleben wurde eine univariate CoxPH-Analyse verwendet. Außerdem wurden ROC-Kurven erstellt, um die Sensitivität und Spezifität für die Vorhersage der 5-Jahres-Überlebensergebnisse für den kombinierten Risikoscore im Vergleich zu dichotomisierten klinisch-pathologischen Variablen oder der prognostischen Signatur allein zu ermitteln.

Alle statistischen Analysen wurden mit R (Version 3.4.1; http://www.r-project.org/) durchgeführt. Alle gemeldeten P-Werte sind zweiseitig und als Schwelle für die statistische Signifikanz wurde ein Alpha von 0,05 verwendet.

LASSO bestrafte die Regression mithilfe des CoxPH-Modells in der TARGET-Entdeckungskohorte und identifizierte einen Satz von 21 Genen, die signifikant mit EFS bei Neuroblastompatienten assoziiert sind (Abb. 1). Von den in der Signatur enthaltenen Genen waren 10 mit einer verbesserten Prognose und 11 mit einer schlechten Prognose verbunden (Ergänzungstabelle 1). Die Signatur unterschied effektiv zwischen Patienten mit guter und schlechterer Prognose in der Entdeckungskohorte (TARGET HR 4,20 [2,89–6,10], p < 0,0001) (Abb. 2A). Diese Ergebnisse wurden in mehreren Validierungskohorten validiert, in denen basierend auf dem Signaturrisiko-Score signifikante Unterschiede im EFS beobachtet wurden (GSE85047: HR 4,20 [2,82–8,65], p < 0,0001; E-MTAB-179: HR 5,87 [3,83–9,01] , p < 0,0001) (Abb. 2B,C). 5-Jahres-ROC-Kurven in Entdeckungs- und Validierungskohorten zeigten auch eine erhebliche Fähigkeit, das EFS für Neuroblastompatienten vorherzusagen (TARGET AUC = 0,898; GSE85047 AUC = 0,815; E-MTAB-179 AUC = 0,827) (Abb. 2D, F). Ähnliche Zusammenhänge zwischen der generierten Signatur und dem Betriebssystem wurden ebenfalls beobachtet. Die 21-Gen-Signatur war in der Lage, das OS über Entdeckungskohorten (TARGET HR 4,20 [2,89–6,10], p < 0,0001) und Validierungskohorten (GSE85047; HR 4,941 [2,823–8,647], p < 0,0001; E-MTAB-179) zu stratifizieren. 37,240 [11,760–117,900], p <0,0001) (Ergänzende Abbildung 1 AC). In ähnlicher Weise zeigten 5-Jahres-ROC-Kurven einen erheblichen prädiktiven Nutzen der 21-Gen-Signatur für OS (TARGET AUC = 0,840; GSE85047 AUC = 0,833; E-MTAB-179 AUC = 0,904) (Ergänzende Abbildung 1 DF). Diese Ergebnisse zeigen, dass wir eine 21-Gen-Signatur identifiziert haben, die sowohl OS- als auch EFS-Ergebnisse bei Neuroblastompatienten zuverlässig vorhersagt.

Expressions-Heatmap von Genen, die in der 21-Gen-Prognosesignatur enthalten sind. Jede Spalte repräsentiert einen Patienten in der TARGET-Neuroblastom-Entdeckungskohorte (n = 243) und jede Zeile repräsentiert ein im Modell enthaltenes Gen. Die Patienten werden basierend auf dem 21-Gen-Risiko-Score von geringem Risiko (links) bis hohem Risiko (rechts) eingeteilt, und die Gene werden von der höchsten positiven Assoziation mit dem Risiko (unten) bis zur höchsten negativen Assoziation mit dem Risiko (oben) geordnet. Das Liniendiagramm zeigt die Risikobewertung von Patienten, wie sie anhand der 21-Gen-Prognosesignatur berechnet wird, wobei niedrige Werte mit geringem Risiko und hohe Werte mit hohem Risiko verbunden sind (A). Bei der Heatmap steht Blau für eine geringe Ausprägung und Orange für eine hohe Ausprägung. Gene oberhalb des Abstands sind positiv mit Risiko verbunden, und Gene unterhalb des Abstands sind negativ mit Risiko verbunden. Klinische Variablen, einschließlich MYCN-Amplifikationsstatus, INSS-Stadium und Alter bei Diagnose, werden als Anmerkungen für jeden Patienten in der Probe angezeigt (B).

Ereignisfreies Überleben stratifiziert nach 21-Gen-Prognose-Signatur-Risiko-Score in Entdeckungs- und Validierungskohorten. Kaplan-Meier-Überlebenskurven mit Cox-Proportional-Hazards-Analyse zeigen das Risiko eines ereignisfreien Überlebens in Gruppen mit geringem Risiko (schwarze Kurve) und hohem Risiko (graue Kurve), die unter Verwendung eines mittleren Grenzwerts für den 21-Gen-Risiko-Score und einer ROC-Kurvenanalyse erstellt wurden die Vorhersagekapazität des Risikoscores für das ereignisfreie 5-Jahres-Überleben in der Entdeckungskohorte (Panel A und B), der GSE85047-Validierungskohorte (Panel C und D) und der E-MTAB-179-Validierungskohorte (Panel E und F).

Zusätzlich zur Vorhersage des Überlebens in nicht stratifizierten Neuroblastom-Kohorten wurde eine Analyse in klinisch relevanten Untergruppen durchgeführt, um zu beurteilen, ob die identifizierte 21-Gen-Signatur zur genaueren Stratifizierung dieser Patienten genutzt werden könnte. Patienten in Validierungskohorten wurden iterativ unterteilt, basierend auf dem Alter bei Diagnose (> 18 Monate oder < 18 Monate), dem MYCN-Amplifikationsstatus (amplifiziert oder nicht amplifiziert) und dem INSS-Stadium (I/II oder III/IV). Zur Beurteilung wurde ein univariates CoxPH verwendet Signaturassoziation mit Überleben. In beiden Validierungskohorten zeigte die 21-Gen-Signatur eine signifikante Fähigkeit zur Stratifizierung des EFS innerhalb der Untergruppen Alter < 18 Monate bei Diagnose, Alter > 18 Monate bei Diagnose, INSS-Stadium III/IV und nicht amplifizierter MYCN-Status (Tabelle 2). Ähnliche Trends wurden in der OS-Analyse festgestellt, wobei die Signatur innerhalb der Altersgruppe < 18 und > 18 Monate bei Diagnose, bei Patienten im INSS-Stadium III/IV und bei Patienten mit unverstärktem MYCN-Status in der GSE85047-Kohorte geschichtet werden konnte. In der E-MTAB-179-Kohorte konnten diese spezifischen Analysen aufgrund des Fehlens von OS-Ereignissen in den Niedrigrisikoschichten des INSS-Stadiums I/II und eines Alters < 18 Monate in den Diagnoseuntergruppen nicht durchgeführt werden. Die Signatur blieb jedoch innerhalb der Gruppen, die älter als 18 Monate bei der Diagnose waren, im INSS-Stadium III/IV und in den nicht amplifizierten MYCN-Statusgruppen signifikant (Ergänzungstabelle 2). Eine weitere Analyse in einer gepoolten Validierungskohorte zeigt, dass die erhaltene Signatur ein starker Prädiktor für das EFS bei Patienten mit mehreren klinisch-pathologischen Prognosefaktoren ist, die mit einem niedrigen Risiko verbunden sind (Ergänzungstabelle 3), obwohl ähnliche Ergebnisse aufgrund der geringen Anzahl von Ereignissen im OS nicht reproduziert wurden für dieses Ergebnismaß (Ergänzungstabelle 4) Diese Ergebnisse legen nahe, dass die generierte 21-Gen-Signatur für die Identifizierung von Neuroblastompatienten mit höherem und niedrigerem Risiko nützlich sein kann, selbst innerhalb bestehender klinischer Untergruppen, die derzeit für die Prognose verwendet werden.

Es wurden univariate und multivariate CoxPH-Analysen durchgeführt, um die Signatur mit verschiedenen klinisch-pathologischen Merkmalen zu vergleichen, darunter dem Alter bei Diagnose, dem MYCN-Amplifikationsstatus und dem INSS-Stadium. Patienten in Validierungskohorten wurden wie zuvor in klinisch-pathologische Untergruppen sowie in Hoch- und Niedrigrisikogruppen basierend auf dem mittleren 21-Gen-Signatur-Risikoscore eingeteilt. In der univariaten CoxPH-Analyse waren Alter > 18 Monate bei Diagnose, INSS-Stadium III/IV, MYCN-Amplifikation und ein hoher 21-Gen-Risiko-Score allesamt signifikante Prädiktoren für ein schlechtes Überleben in beiden Validierungskohorten (p < 0,0001 für alle Analysen) (Tabelle 3). . Die multivariate CoxPH-Analyse unter Verwendung statistisch signifikanter Merkmale in der univariaten Modellierung zeigte, dass der identifizierte 21-Gen-Risiko-Score weiterhin ein unabhängiger Prognosefaktor für die Vorhersage von Ergebnissen bei Neuroblastompatienten bleibt. Zusätzlich zur prognostischen Signatur erwiesen sich auch das INSS-Stadium und der MYCN-Status als unabhängige Risikofaktoren, während das Alter bei Diagnose nur in der GSE85047-Validierungskohorte signifikant assoziiert war (Tabelle 3). Diese Ergebnisse deuten darauf hin, dass die prognostische Signatur von 21 Genen ihre unabhängige Assoziation mit EFS beibehielt, wenn sie in einer multivariaten Analyse unter Berücksichtigung signifikanter klinisch-pathologischer Kovariaten analysiert wurde. Die OS-Analyse ergab ähnliche Trends in der univariaten CoxPH-Analyse, wobei alle Variablen signifikant waren (Ergänzungstabelle 5). In der multivariaten Analyse behielten alle Variablen ihre Bedeutung in der E-MTAB-179-Kohorte bei, die 21-Gen-Signatur war jedoch nicht signifikant mit dem Überleben in der GSE85047-Kohorte verbunden (Ergänzungstabelle 5).

Um die Leistung und den klinischen Nutzen der generierten 21-Gen-Signatur zu verbessern, wurde eine multivariate Regression verwendet, um die Signatur mit signifikanten klinisch-pathologischen Variablen zu integrieren und so einen kombinierten Risikoscore zu erstellen. Für diese Analysen wurden Validierungskohorten zusammengefasst und eine multivariate CoxPH-Analyse unter Einbeziehung der 21-Gen-Signatur, des Diagnosealters, des MYCN-Amplifikationsstatus und des INSS-Stadiums durchgeführt. Die Analyse der gepoolten Kohorte für EFS und OS zeigte, dass die Identität der Validierungskohorte nicht mit dem Überleben assoziiert war (EFS p = 0,5210, OS p = 0,5270), während der 21-Gen-Signatur-Score, das Alter bei Diagnose, der MYCN-Status und das INSS-Stadium bestehen blieben bedeutsam. Diese klinisch-pathologischen Merkmale und der 21-Gen-Score wurden verwendet, um ein Nomogramm zu erstellen, das einen kombinierten Risiko-Score für 5-Jahres-EFS-Ergebnisse (Abb. 3A) und 5-Jahres-OS-Ergebnisse (ergänzende Abb. 2A) liefert. Ein höherer kombinierter Risikoscore, der durch das Nomogramm angezeigt wird, ist mit schlechteren 5-Jahres-EFS-Ergebnissen verbunden, wobei ein hoher 21-Gen-Signatur-Risikoscore, ein Alter > 18 Monate bei der Diagnose, eine MYCN-Amplifikation und INSS-Stadium III/IV den Score eines Patienten sowohl im EFS als auch im EFS erhöhen Betriebssystemanalyse. Der kombinierte Risikoscore zeigte eine signifikante Fähigkeit zur Stratifizierung von EFS (HR 6,93 [4,89–9,83], p < 0,0001) (Abb. 3B) und OS (HR 54,29 [20,10–146,60], p < 0,0001) in der gepoolten Validierungskohorte (Ergänzung). Abb. 2B). 5-Jahres-ROC-Kurven zeigten auch eine verbesserte Fähigkeit, Überlebensergebnisse im Vergleich zur Signatur oder einer isolierten klinisch-pathologischen Variablen vorherzusagen (EFS AUC = 0,839; OS AUC = 0,908) (Abb. 3C und ergänzende Abb. 2C). Diese Ergebnisse legen nahe, dass unsere 21-Gen-Risikosignatur effektiv in häufig verwendete klinisch-pathologische Instrumente integriert werden kann, um die Risikostratifizierung und die Vorhersage des Überlebensergebnisses in der Klinik zu verbessern.

Nomogramm, das den 21-Gen-Risiko-Score und andere klinisch-pathologische Variablen zur Vorhersage des ereignisfreien 5-Jahres-Überlebens in einer gepoolten Validierungskohorte integriert. Nomogramm unter Einbeziehung klinisch-pathologischer Merkmale und eines 21-Gen-Risiko-Scores zur Erstellung eines kombinierten Risiko-Scores (Panel A). Kaplan-Meier-Überlebenskurven mit Cox-Proportional-Hazards-Analyse, die das Risiko eines ereignisfreien Überlebens in Gruppen mit niedrigem Risiko (schwarze Kurve) und hohem Risiko (graue Kurve) zeigen, die unter Verwendung eines mittleren Grenzwerts für den kombinierten prognostischen Risikoscore in der gepoolten Validierungskohorte erstellt wurden ( Tafel B). ROC-Kurvenanalyse, die die Vorhersagekapazität des kombinierten Risikoscores im Vergleich zum 21-Gen-Risikoscore und anderen klinisch-pathologischen Variablen isoliert für das ereignisfreie 5-Jahres-Überleben in der gepoolten Validierungskohorte zeigt (Panel C).

Trotz dramatischer Fortschritte bei den Behandlungsstrategien für Neuroblastome in den letzten Jahrzehnten stellt die Risikostratifizierung weiterhin ein Hindernis für die klinische Versorgung von Neuroblastompatienten dar28. Da es sich um einen äußerst heterogenen Tumor handelt, ist die Stratifizierung der Patienten mit aggressiver Erkrankung gegenüber Patienten mit relativ indolenter Erkrankung von großem Wert für die Strategie zur therapeutischen Intensivierung und Deintensifizierung21. Während Instrumente zur Risikostratifizierung die Patientenergebnisse wirksam verbessert haben, gibt es weiterhin Patientengruppen, die von einer genaueren Risikostratifizierung profitieren könnten, um den Behandlungsnutzen zu maximieren und die mit einer hohen Behandlungslast verbundene Morbidität zu reduzieren29. Diese Studie nutzte einen unvoreingenommenen maschinellen Lernansatz, die LASSO-regularisierte CoxPH-Regression, um eine neuartige 21-Gen-Transkriptomsignatur zu generieren und robust zu validieren, die in der Lage ist, 5-Jahres-EFS- und OS-Ergebnisse bei Neuroblastompatienten genau vorherzusagen.

Die 21-Gen-Signatur zeigte eine erhebliche Fähigkeit zur Stratifizierung von EFS und OS über alle untersuchten Kohorten hinweg und war in der Lage, die 5-Jahres-Überlebensergebnisse für Patienten effektiv vorherzusagen, mit AUC-Werten von über 0,8 für alle Analysen. Diese Ergebnisse legen nahe, dass die erhaltene Signatur einen hohen prognostischen Wert hat und die Fähigkeit der 21-Gen-Signatur unterstützt, klinisch signifikante prognostische Informationen bereitzustellen. Darüber hinaus konnte die Signatur innerhalb mehrerer relevanter Subpopulationen geschichtet werden, einschließlich der nicht amplifizierten klinischen Subgruppe MYCN, die eine erhebliche prognostische Heterogenität aufweist49. Die entwickelte Signatur behielt auch ihre unabhängige prognostische Wirkung in der multivariaten Analyse mit klinisch-pathologischen Variablen, einschließlich Alter bei Diagnose, MYCN-Amplifikationsstatus und INSS-Stadium – die alle in unterschiedlichem Maße zur Stratifizierung des Risikos von Neuroblastompatienten verwendet werden. Diese Ergebnisse untermauern den Nutzen der Signatur bei der Stratifizierung von Patienten unabhängig von ihren klinisch-pathologischen Merkmalen bei der Vorstellung. Angesichts dieser starken Leistung haben wir ein intuitives Nomogramm erstellt, um eine einfache Einbeziehung des durch die 21-Gen-Signatur definierten Risikos mit diesen klinisch-pathologischen Variablen sowohl für EFS- als auch für OS-Ergebnisse zu ermöglichen. Bei Kombination mit diesen klinisch-pathologischen Risikofaktoren zur Erstellung eines kombinierten Risikoscores mithilfe dieser Tools verbesserte sich die Vorhersagekapazität der Signatur weiter über die der Risikofaktoren oder der prognostischen Signatur allein hinaus – was den synergistischen Nutzen der Kombination von Variablen bestätigt und ein verbessertes Risikostratifizierungstool bereitstellt Dies beinhaltet den Beitrag sowohl klinischer Merkmale als auch biologischer Korrelate. Bemerkenswert ist, dass der kombinierte Risikoscore eine AUC von 0,839 bzw. 0,908 für die Vorhersage von 5-Jahres-EFS- bzw. OS-Ergebnissen aufwies, was auf einen hohen prognostischen Nutzen hindeutet. Abgesehen von ihren starken prognostischen Fähigkeiten für zahlreiche Ergebnisse und der einfachen Integration in bestehende klinisch-pathologische Variablen hat die 21-Gen-Signatur den zusätzlichen Vorteil, dass sie auf zahlreichen Plattformen entwickelt werden kann. Die in dieser Studie verwendeten Validierungskohorten quantifizierten die Genexpression mithilfe des Affymetrix Human Exon ST 1.0-Mikroarrays und eines benutzerdefinierten Agilent-Mikroarrays für die GSE85047-Kohorte bzw. die E-MTAB-179-Kohorte. Nur wenige andere prognostische Signaturstudien für Neuroblastome verwendeten plattformübergreifende Analysen43, und der hohe prädiktive Nutzen unserer Signatur auf allen Plattformen legt nahe, dass ihr Zusammenhang mit dem Überleben unabhängig von der verwendeten Quantifizierungstechnologie ist. Nach unserem besten Wissen stellt der in dieser Studie entwickelte kombinierte Risikoscore in unabhängigen externen Validierungskohorten die höchste Vorhersagegenauigkeit einer plattformübergreifenden Signatur zur Vorhersage von Neuroblastom-EFS- und OS-Ergebnissen dar.

Es gab zahlreiche Studien, in denen versucht wurde, neuartige transkriptomische Signaturen für die Prognose bei Neuroblastomen zu generieren, wobei eine Reihe verschiedener statistischer und methodischer Techniken einbezogen wurden35,36,37,38. Für den Einsatz in bestimmten Untergruppen von Neuroblastomen, insbesondere bei Hochrisikopatienten, wurden mehrere Signaturen entwickelt50,51. Darüber hinaus haben eine Reihe von Forschern versucht, biologisch abgestimmte Signaturen zu erstellen, indem sie nach Genen selektierten, die mit Signal- oder Zellzykluswegen wie MYCN40 in Verbindung stehen, oder nach biologischen Prozessen, die an Neuroblastomen beteiligt sind, wie etwa solche im Zusammenhang mit Hypoxie41. Diese Signaturen haben in Validierungsanalysen eine starke prognostische Leistung gezeigt und neue Einblicke in die zellulären Mechanismen gewonnen, die der Aggressivität einer Untergruppe von Hochrisiko-Neuroblastomfällen zugrunde liegen könnten40,41. In diesen Studien wurden verschiedene transkriptomische Technologien eingesetzt, darunter die Plattformen RT-qPCR36 und nanoString nCounter44, die angesichts der einfachen Übertragung solcher Tests in die klinische Umgebung besonders wichtig sind. Frühere Analysen unterschieden sich auch erheblich in Bezug auf die Methoden, die in ihrer Arbeit zur Generierung von Signaturen verwendet wurden, wobei die schrittweise CoxPH-Regression52, Support-Vektor-Maschinen53 und künstliche neuronale Netze54 zu den am weitesten verbreiteten Methoden gehörten und viele eine angemessene Leistung bei der Stratifizierung des Überlebens zeigten.

Der in der aktuellen Studie verwendete Ansatz bietet mehrere Vorteile, die die vorhandene Literatur sinnvoll ergänzen. Erstens verwenden wir einen Ansatz des maschinellen Lernens ohne vorherige Auswahl der Kandidatentranskripte, was die Identifizierung und Einbeziehung der relevantesten prognostischen Gene ermöglicht. Darüber hinaus ermöglicht die in dieser Arbeit verwendete LASSO-regularisierte CoxPH-Regression im Gegensatz zu neuronalen Netzwerkansätzen die Verwendung eines einfachen mathematischen Modells zur Berechnung des Patientenrisikos und ermöglicht so eine einfachere Integration in klinische Arbeitsabläufe. Darüber hinaus stratifiziert unsere Signatur sowohl das OS als auch das EFS. Beides sind Überlebensergebnisse, die routinemäßig in klinischen COG- und INRG-Studien verwendet werden8 und für die Patienten- und Familienberatung im klinischen Umfeld von zentraler Bedeutung sind. Schließlich demonstrieren wir die Unabhängigkeit unserer Signatur und erstellen intuitive Nomogramme, um eine einfache Berechnung von Risikobewertungen zu ermöglichen, die unsere Signatur berücksichtigen. Schließlich zeigt die vorgestellte Signatur eine verbesserte prognostische Leistung in Validierungsanalysen im Vergleich zu vielen der in der Literatur beschriebenen vorhandenen Signaturen und bietet einen zunehmenden Nutzen als molekularer Biomarker für Neuroblastome.

Obwohl die genaue Rolle vieler Gene, die in unserer prognostischen Signatur enthalten sind, weiterhin unklar ist, wurden bereits mehrere Gene mit der Pathophysiologie und Prognose von Neuroblastomen in Verbindung gebracht. Eine erhöhte Expression von ECEL1 wurde in mehreren In-vitro-Studien mit einer günstigen Prognose und einem harmloseren Phänotyp in Verbindung gebracht55 und wurde in früheren prognostischen Signaturen für Neuroblastome berücksichtigt35,44. Die HOXC9-Expression wurde mit einer spontanen Regression des Neuroblastoms in Verbindung gebracht und ist ein positiver prognostischer Marker für das Überleben56,57. In ähnlicher Weise wurde eine verringerte Expression von Mitgliedern der GABARAP- und GABAergen Genfamilie mit einem schlechten Ergebnis bei einer Untergruppe von Neuroblastompatienten in Verbindung gebracht58. Darüber hinaus wurde die DYRK3-Expression in In-vitro-Studien mit einer möglichen Rolle bei der Differenzierung und hypoxischen Kontrolle von Neuroblastomzelllinien in Verbindung gebracht59. Obwohl die GNA14-Expression nicht stark mit dem Überleben von Neuroblastomen assoziiert ist, wurden somatische Mutationen in diesem Gen mit angeborenen und sporadischen Gefäßtumoren in Verbindung gebracht60. Wichtig ist, dass der von unserer Signatur vorhergesagte Beitrag dieser Gene zum Risiko dieselbe Richtung hat wie der in der Literatur beschriebene Zusammenhang mit dem Überleben, was darauf hinweist, dass unsere Ergebnisse mit früheren Arbeiten auf diesem Gebiet übereinstimmen. Angesichts der Assoziation der 21 in dieser Studie identifizierten Gene mit dem Überleben könnten sie eine Untergruppe funktionell relevanter Faktoren darstellen, die zur Aggressivität von Neuroblastomen oder zur Anfälligkeit für Wirtskrankheiten beitragen. Daher kann eine weitere Untersuchung dieser Gene, einschließlich solcher mit positivem Beitrag zum Risikoscore (mutmaßliche Onkogene) oder solcher mit negativem Beitrag zum Risikoscore (mutmaßliche Tumorsuppressorgene), dazu beitragen, die Mechanismen, die der Heterogenität der Neuroblastom-Ergebnisse zugrunde liegen, weiter zu charakterisieren.

Diese Studie verwendete drei unabhängige Datensätze, für die Follow-up-, klinisch-pathologische und Expressionsdaten verfügbar waren, um einen starken Prädiktor für EFS- und OS-Ergebnisse bei Neuroblastompatienten zu entwickeln. Unser Ansatz war nicht durch biologische Erkenntnisse von vornherein beeinflusst und daher wurde der Kandidatengensatz aus diesem Grund nicht eingeschränkt, sodass die wichtigsten prognostischen Gene ausgewählt werden konnten. Der Pool an Kandidatengenen war in dieser Analyse jedoch auf die von allen drei ausgewählten Kohorten quantifizierten Gene beschränkt. Obwohl eine große Auswahl an Genen in diese Analyse einbezogen wurde, könnte der Ausschluss von Genen, die nicht in allen Kohorten vorhanden waren, potenziell wichtige Kandidaten von der Signaturentwicklung ausgeschlossen haben. Darüber hinaus war die multivariate Analyse auf Variablen beschränkt, die in allen drei Kohorten vorhanden waren. Daher konnten potenziell nützliche Faktoren wie das Geschlecht des Patienten, das INRGSS-Stadium und die COG-Risikoklassifizierung nicht effektiv in das Nomogramm für die kombinierte Analyse einbezogen werden. Trotzdem hat unsere Signatur immer noch einen erheblichen prognostischen Nutzen und zukünftige Arbeiten sollten versuchen, die vorgestellte Signatur mit anderen klinisch-pathologischen und transkriptomischen Prognosemarkern zu integrieren, um ihre Leistung weiter zu verbessern.

Eine zunehmende Anzahl transkriptomischer Signaturen wird in die klinische Umgebung übersetzt, was den Nutzen und die Übersetzbarkeit molekularer Biomarker weiter demonstriert. Insbesondere mehrere Gensignaturen zur Orientierung bei der Behandlungsauswahl und Vorhersage eines Rückfalls wurden validiert und werden im Bereich Brustkrebs klinisch eingesetzt61,62, ebenso wie Instrumente zur genaueren Identifizierung von Krebsknötchen im Bereich Schilddrüsenkrebs63. Vor der Implementierung der identifizierten 21-Gen-Risikosignatur in klinische Umgebungen muss ein zuverlässiger Quantifizierungstest entwickelt und validiert werden. Dies könnte entweder Echtzeit-PCR oder gezielte sequenzierungsbasierte Methoden der nächsten Generation umfassen. Da die Signatur auf mehreren Ausdrucksplattformen validiert wurde, ist es wahrscheinlich, dass jede dieser Technologien erfolgreich eingesetzt werden kann. Im Anschluss an diese Studien wird die prospektive Prüfung dieser Signatur in großen multizentrischen klinischen Studien von größter Bedeutung sein, um sie als prognostisches Instrument in die Risikostratifizierung und das Management von Neuroblastomen einzubeziehen. Zusammenfassend lässt sich sagen, dass unsere kombinierte prognostische Signatur dazu beitragen kann, eine Untergruppe von Patienten mit schlechter Prognose zu identifizieren, die für eine Intensivierung der Behandlung und eine engmaschige Überwachung in Frage kommen.

Die in dieser Studie enthaltenen Genexpressions- und klinischen Daten wurden aus den folgenden öffentlich zugänglichen Datensätzen gewonnen: Initiative „Therapeutically Applied Research to Generate Effective Treatments“ (TARGET) (Teilstudien-ID phs000467), Array Express (Accession E-MTAB-179) und die Genexpression Omnibus (Zugang GSE86047). Alle anderen für die Studie relevanten Daten werden den entsprechenden Autoren auf begründete Anfrage zur Verfügung gestellt.

Maris, JM Jüngste Fortschritte beim Neuroblastom. N. engl. J. Med. 362(23), 116–127. https://doi.org/10.1056/NEJMRA0804577 (2010).

Artikel Google Scholar

Park, JR, Eggert, A. & Caron, H. Neuroblastom: Biologie, Prognose und Behandlung. Hämatol. Oncol. Klin. North Am. 24(1), 65–86. https://doi.org/10.1016/J.HOC.2009.11.011 (2010).

Artikel PubMed Google Scholar

Gurney, JG et al. Säuglingskrebs in den USA: Histologiespezifische Inzidenz und Trends, 1973 bis 1992. J. Pediatr. Hämatol. Oncol. 19(5), 428–432. https://doi.org/10.1097/00043426-199709000-00004 (1997).

Artikel CAS PubMed Google Scholar

Boeva, V. et al. Heterogenität der Neuroblastomzellidentität, definiert durch Transkriptionsschaltkreise. Nat. Genet. 49(9), 1408–1413. https://doi.org/10.1038/ng.3921 (2017).

Artikel CAS PubMed Google Scholar

Van Groningen, T. et al. Das Neuroblastom besteht aus zwei Super-Enhancer-assoziierten Differenzierungszuständen. Nat. Genet. 49(8), 1261–1266. https://doi.org/10.1038/ng.3899 (2017).

Artikel CAS PubMed Google Scholar

Gartlgruber, M. et al. Super-Enhancer definieren regulatorische Subtypen und Zellidentität beim Neuroblastom. Nat. Krebs 2(1), 114–128. https://doi.org/10.1038/s43018-020-00145-w (2020).

Artikel CAS PubMed Google Scholar

Brodeur, GM Spontane Rückbildung eines Neuroblastoms. Zellgeweberes. 372(2), 277–286. https://doi.org/10.1007/S00441-017-2761-2 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Irwin, MS et al. Überarbeitetes Neuroblastom-Risikoklassifizierungssystem: Ein Bericht der Kinderonkologiegruppe. J. Clin. Oncol. 39(29), 3229–3241. https://doi.org/10.1200/JCO.21.00278 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Brodeur, GM et al. Internationale Kriterien für Diagnose, Stadieneinteilung und Ansprechen auf die Behandlung bei Patienten mit Neuroblastom. J. Clin. Oncol. 6(12), 1874–1881. https://doi.org/10.1200/JCO.1988.6.12.1874 (1988).

Artikel CAS PubMed Google Scholar

Brodeur, GM et al. Überarbeitung der internationalen Kriterien für die Neuroblastomdiagnose, das Stadieneinteilung und das Ansprechen auf die Behandlung. J. Clin. Oncol. 11(8), 1466–1477. https://doi.org/10.1200/JCO.1993.11.8.1466 (1993).

Artikel CAS PubMed Google Scholar

Monclair, T. et al. Das Staging-System der International Neuroblastoma Risk Group (INRG): Ein Bericht der INRG-Task Force. J. Clin. Oncol. 27(2), 298. https://doi.org/10.1200/JCO.2008.16.6876 (2009).

Artikel PubMed PubMed Central Google Scholar

Cohn, SL et al. Das Klassifizierungssystem der internationalen Neuroblastom-Risikogruppe (INRG): ein Bericht der INRG-Arbeitsgruppe. J. Clin. Oncol. 27(2), 289–297. https://doi.org/10.1200/JCO.2008.16.6785 (2009).

Artikel PubMed PubMed Central Google Scholar

Monclair, T. et al. Einfluss bilddefinierter Risikofaktoren auf das Ergebnis von Patienten mit lokalisiertem Neuroblastom. Ein Bericht aus der LNESG1-Studie der Neuroblastomgruppe der Europäischen Internationalen Gesellschaft für pädiatrische Onkologie. Pädiatr. Blutkrebs 62(9), 1536–1542. https://doi.org/10.1002/PBC.25460 (2015).

Artikel PubMed Google Scholar

Strother, DR et al. Ergebnis nach alleiniger Operation oder mit eingeschränkter Chemotherapie bei Patienten mit Niedrigrisiko-Neuroblastom: Ergebnisse der Kinder-Onkologie-Gruppenstudie P9641. J. Clin. Oncol. 30(15), 1842–1848. https://doi.org/10.1200/JCO.2011.37.9990 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Ambros, PF et al. Internationaler Konsens für die molekulare Diagnostik von Neuroblastomen: Bericht des Biologieausschusses der International Neuroblastoma Risk Group (INRG). Br. J. Cancer 100(9), 1471. https://doi.org/10.1038/SJ.BJC.6605014 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Janoueix-Lerosey, I. et al. Das gesamte genomische Muster ist ein Prädiktor für das Ergebnis beim Neuroblastom. J. Clin. Oncol. 27(7), 1026–1033. https://doi.org/10.1200/JCO.2008.16.0630 (2009).

Artikel PubMed Google Scholar

Schleiermacher, G. et al. Die Anhäufung segmentaler Veränderungen bestimmt das Fortschreiten des Neuroblastoms. J. Clin. Oncol. 28(19), 3122–3130. https://doi.org/10.1200/JCO.2009.26.7955 (2010).

Artikel PubMed Google Scholar

Shimada, H. et al. Die internationale Klassifikation der Neuroblastom-Pathologie ist das Shimada-System. Krebs interdisziplinär. Int. Marmelade. Krebs Soc. 86(2), 364–372 (1999).

CAS Google Scholar

Amendola, R. et al. Prognostische Bedeutung der DNA-Ditetraploidie beim Neuroblastom. Med. Kinderonkol. 36, 83–92 (2001).

3.0.CO;2-9" data-track-action="article reference" href="https://doi.org/10.1002%2F1096-911X%2820010101%2936%3A1%3C83%3A%3AAID-MPO1020%3E3.0.CO%3B2-9" aria-label="Article reference 19" data-doi="10.1002/1096-911X(20010101)36:13.0.CO;2-9">Artikel Google Scholar

Liang, WH et al. Maßgeschneiderte Therapie für Kinder mit Neuroblastom auf der Grundlage der Risikogruppenklassifizierung: Vergangenheit, Gegenwart und Zukunft. JCO-Klinik. Krebs informieren. 4(4), 895–905. https://doi.org/10.1200/CCI.20.00074 (2020).

Artikel PubMed Google Scholar

Pinto, NR et al. Fortschritte in der Risikoklassifizierung und Behandlungsstrategien für Neuroblastome. J. Clin. Oncol. 33(27), 3008–3017. https://doi.org/10.1200/JCO.2014.59.4648 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

DuBois, SG, Macy, ME & Henderson, TO Hochrisiko- und rezidivierendes Neuroblastom: Auf dem Weg zu mehr Heilungen und besseren Ergebnissen. Bin. Soc. Klin. Oncol. Educ. Buch Am. Soc. Klin. Oncol. Annu. Treffen. 42(42), 1–13. https://doi.org/10.1200/EDBK_349783 (2022).

Artikel Google Scholar

Baker, DL et al. Ergebnis nach reduzierter Chemotherapie bei Neuroblastomen mit mittlerem Risiko. N. engl. J. Med. 363(14), 1313–1323. https://doi.org/10.1056/NEJMOA1001527 (2010).

Artikel CAS PubMed PubMed Central Google Scholar

Bagatell, R. et al. Ergebnisse von Kindern mit Neuroblastomen mit mittlerem Risiko nach der Behandlung, stratifiziert nach MYCN-Status und Tumorzellploidie. J. Clin. Oncol. 23(34), 8819–8827. https://doi.org/10.1200/JCO.2004.00.2931 (2005).

Artikel PubMed Google Scholar

Matthay, KK et al. Langzeitergebnisse für Kinder mit Hochrisiko-Neuroblastom, die im Rahmen einer randomisierten Studie zur myeloablativen Therapie gefolgt von 13-cis-Retinsäure behandelt wurden: Eine Gruppenstudie zur Onkologie von Kindern. J. Clin. Oncol. 27(7), 1007–1013. https://doi.org/10.1200/JCO.2007.13.8925 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Park, JR et al. Auswirkung einer Tandemtransplantation autologer Stammzellen im Vergleich zu einer Einzeltransplantation auf das ereignisfreie Überleben bei Patienten mit Hochrisiko-Neuroblastom: Eine randomisierte klinische Studie. JAMA J. Am. Med. Assoc. 322(8), 746–755. https://doi.org/10.1001/JAMA.2019.11642 (2019).

Artikel Google Scholar

Ladenstein, R. et al. Interleukin 2 mit Anti-GD2-Antikörper ch14.18/CHO (Dinutuximab beta) bei Patienten mit Hochrisiko-Neuroblastom (HR-NBL1/SIOPEN): Eine multizentrische, randomisierte Phase-3-Studie. Lancet Oncol. 19(12), 1617–1629. https://doi.org/10.1016/S1470-2045(18)30578-3 (2018).

Artikel CAS PubMed Google Scholar

Øra, I. & Eggert, A. Fortschritte in der Behandlung und Risikostratifizierung von Neuroblastomen: Auswirkungen auf die zukünftige klinische Forschung und Grundlagenforschung. Semin. Krebsbiol. 21(4), 217–228. https://doi.org/10.1016/J.SEMCANCER.2011.07.002 (2011).

Artikel PubMed Google Scholar

Friedman, DN & Henderson, TO Spätfolgen und Überlebensprobleme bei Patienten mit Neuroblastom. Kinder https://doi.org/10.3390/CHILDREN5080107 (2018).

Artikel PubMed PubMed Central Google Scholar

Gao, L. et al. Eine neuartige Risikosignatur, die 10 lange nichtkodierende RNAs kombiniert, um die Prognose eines Neuroblastoms vorherzusagen. J. Cell Physiol. 235(4), 3823–3834. https://doi.org/10.1002/JCP.29277 (2020).

Artikel CAS PubMed Google Scholar

Sahu, D., Ho, SY, Juan, HF & Huang, HC Hochriskante, expressionsbasierte prognostische lange nichtkodierende RNA-Signatur beim Neuroblastom. JNCI-Krebsspektr. https://doi.org/10.1093/JNCICS/PKY015 (2018).

Artikel PubMed PubMed Central Google Scholar

De Preter, K. et al. Die Erstellung von miRNA-Expressionsprofilen ermöglicht die Risikostratifizierung in archivierten und frischen Neuroblastom-Tumorproben. Klin. Krebs Res. 17(24), 7684–7692. https://doi.org/10.1158/1078-0432.CCR-11-0610 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Gattolliat, CH et al. Die Expression von miR-487b und miR-410, die vom 14q32.31-Locus kodiert werden, ist ein prognostischer Marker beim Neuroblastom. Br. J. Krebs 105(9), 1352–1361. https://doi.org/10.1038/BJC.2011.388 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Tomioka, N. et al. Neuartige Risikostratifizierung von Patienten mit Neuroblastom anhand der genomischen Signatur, die unabhängig von der molekularen Signatur ist. Oncogene 27(4), 441–449. https://doi.org/10.1038/SJ.ONC.1210661 (2008).

Artikel CAS PubMed Google Scholar

De Preter, K. et al. Genaue Ergebnisvorhersage bei Neuroblastomen über unabhängige Datensätze hinweg mithilfe einer Multigen-Signatur. Klin. Krebs Res. 16(5), 1532–1541. https://doi.org/10.1158/1078-0432.CCR-09-2607 (2010).

Artikel CAS PubMed Google Scholar

Vermeulen, J. et al. Vorhersage der Ergebnisse für Kinder mit Neuroblastom mithilfe einer Multigen-Expressionssignatur: eine retrospektive SIOPEN/COG/GPOH-Studie. Lancet Oncol. 10(7), 663–671. https://doi.org/10.1016/S1470-2045(09)70154-8 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Wei, JS et al. Vorhersage des klinischen Ergebnisses mithilfe von Genexpressionsprofilen und künstlichen neuronalen Netzen für Patienten mit Neuroblastom. Krebs Res. 64(19), 6883–6891. https://doi.org/10.1158/0008-5472.CAN-04-0695 (2004).

Artikel CAS PubMed PubMed Central Google Scholar

Garcia, I. et al. Ein Drei-Gen-Expressionssignaturmodell zur Risikostratifizierung von Patienten mit Neuroblastom. Klin. Krebs Res. 18(7), 2012. https://doi.org/10.1158/1078-0432.CCR-11-2483 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Asgharzadeh, S. et al. Klinische Bedeutung tumorassoziierter Entzündungszellen beim metastasierten Neuroblastom. J. Clin. Oncol. 30(28), 3525–3532. https://doi.org/10.1200/JCO.2011.40.9169 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Fredlund, E., Ringnér, M., Maris, JM & Påhlman, S. Eine hohe Aktivität des Myc-Signalwegs und ein niedriges Stadium der neuronalen Differenzierung sind mit einem schlechten Ergebnis bei Neuroblastomen verbunden. Proz. Natl. Acad. Wissenschaft. USA 105(37), 14094. https://doi.org/10.1073/PNAS.0804455105 (2008).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Fardin, P. et al. Ein biologisch orientierter Ansatz identifiziert die Hypoxie-Gensignatur als Prädiktor für das Ergebnis von Neuroblastom-Patienten. Mol. Krebs https://doi.org/10.1186/1476-4598-9-185 (2010).

Artikel PubMed PubMed Central Google Scholar

Wang, Z., Cheng, H., Xu, H., Yu, X. & Sui, D. Eine Fünf-Gen-Signatur, abgeleitet von m6A-Regulatoren, um die Prognose von Neuroblastomen zu verbessern. Krebs-Biomark. 28(3), 275–284. https://doi.org/10.3233/CBM-191196 (2020).

Artikel CAS PubMed Google Scholar

Chen, QR et al. Eine integrierte plattformübergreifende Prognosestudie an Neuroblastompatienten. Genomics 92(4), 195–203. https://doi.org/10.1016/J.YGENO.2008.05.014 (2008).

Artikel CAS PubMed Google Scholar

Stricker, TP et al. Validierung einer prognostischen Multi-Gen-Signatur bei Hochrisiko-Neuroblastomen mithilfe des digitalen Hochdurchsatzsystems NanoString nCounterTM. Mol. Oncol. 8(3), 669–678. https://doi.org/10.1016/J.MOLONC.2014.01.010 (2014).

Artikel CAS PubMed PubMed Central Google Scholar

Experimentelle Methoden des TARGET-Projekts | Büro für Krebsgenomik. (Zugriff am 13. März 2023); https://ocg.cancer.gov/programs/target/target-methods

Oberthuer, A. et al. Die auf der Genexpression basierende maßgeschneiderte Oligonukleotid-Microarray-Genexpressionsklassifizierung von Neuroblastompatienten übertrifft die aktuelle klinische Risikostratifizierung. J. Clin. Oncol. 24(31), 5070–5078. https://doi.org/10.1200/JCO.2006.06.1879 (2006).

Artikel CAS PubMed Google Scholar

Rajbhandari, P. et al. Die kohortenübergreifende Analyse identifiziert eine positive TEAD4-MYCN-Rückkopplungsschleife als zentrales regulatorisches Element des Hochrisiko-Neuroblastoms. Krebsentdeckung. 8(5), 582–599. https://doi.org/10.1158/2159-8290.CD-16-0861 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Bénard, J. et al. MYCN-nicht verstärktes metastasiertes Neuroblastom mit guter Prognose und spontaner Regression: ein molekulares Porträt von Stadium 4S. Mol. Oncol. 2(3), 261–271. https://doi.org/10.1016/J.MOLONC.2008.07.002 (2008).

Artikel PubMed PubMed Central Google Scholar

Campbell, K. et al. Zusammenhang der heterogenen MYCN-Amplifikation mit klinischen Merkmalen, biologischen Merkmalen und Ergebnissen beim Neuroblastom: Ein Bericht der Kinderonkologiegruppe. EUR. J. Krebs 133, 112–119. https://doi.org/10.1016/J.EJCA.2020.04.007 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

González, HE et al. Ein 10-Gen-Klassifikator für unbestimmte Schilddrüsenknoten: Entwicklung und multizentrische Genauigkeitsstudie. Schilddrüse 27(8), 1058–1067. https://doi.org/10.1089/THY.2017.0067 (2017).

Artikel PubMed PubMed Central Google Scholar

Asgharzadeh, S. et al. Prognostische Bedeutung von Genexpressionsprofilen metastasierter Neuroblastome ohne MYCN-Genamplifikation. J. Natl. Krebsinst. 98(17), 1193–1203. https://doi.org/10.1093/JNCI/DJJ330 (2006).

Artikel CAS PubMed Google Scholar

Xia, Y., Li, X., Tian, Vorderseite. Mol. Biowissenschaften. 8, 1185. https://doi.org/10.3389/FMOLB.2021.769661/BIBTEX (2021).

Artikel Google Scholar

Schramm, A. et al. Vorhersage des klinischen Ergebnisses und biologische Charakterisierung von Neuroblastomen durch Expressionsprofilierung. Oncogene 24(53), 7902–7912. https://doi.org/10.1038/SJ.ONC.1208936 (2005).

Artikel CAS PubMed Google Scholar

Cangelosi, D. et al. Klassifikator für künstliche neuronale Netze sagt das Ergebnis von Neuroblastom-Patienten voraus. BMC Bioinform. https://doi.org/10.1186/S12859-016-1194-3 (2016).

Artikel Google Scholar

Kawamoto, T., Ohira, M., Hamano, S., Hori, T. & Nakagawara, A. Eine hohe Expression der neuen Endothelin-Converting-Enzym-Gene Nbla03145/ECEL1alpha und beta ist mit einer günstigen Prognose bei menschlichen Neuroblastomen verbunden. Int. J. Oncol. 22(4), 815–822. https://doi.org/10.3892/IJO.22.4.815/HTML (2003).

Artikel CAS PubMed Google Scholar

Mao, L. et al. HOXC9 verbindet den Zellzyklusausgang und die neuronale Differenzierung und ist ein prognostischer Marker beim Neuroblastom. Krebs Res. 71(12), 4314. https://doi.org/10.1158/0008-5472.CAN-11-0051 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Kocak, H. et al. Hox-C9 aktiviert den intrinsischen Weg der Apoptose und ist mit einer spontanen Regression bei Neuroblastomen verbunden. Zelltod-Dis. 4(4), e586. https://doi.org/10.1038/CDDIS.2013.84 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Roberts, SS et al. Die Genexpression des GABAergen Systems sagt das klinische Ergebnis bei Patienten mit Neuroblastom voraus. J. Clin. Oncol. 22(20), 4127–4134. https://doi.org/10.1200/JCO.2004.02.032 (2004).

Artikel CAS PubMed Google Scholar

Ivanova, E. et al. DYRK3 trägt zur Differenzierung und Hypoxiekontrolle bei Neuroblastomen bei. Biochem. Biophys. Res. Komm. 567, 215–221. https://doi.org/10.1016/J.BBRC.2021.06.053 (2021).

Artikel CAS PubMed Google Scholar

Lim, YH et al. Die somatische GNA14-Mutation verursacht durch MAPK-Aktivierung angeborene und sporadische Gefäßtumoren. Bin. J. Hum. Genet. 99(2), 443. https://doi.org/10.1016/J.AJHG.2016.06.010 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

van de Vijver, MJ et al. Eine Genexpressionssignatur als Prädiktor für das Überleben bei Brustkrebs. N. engl. J. Med. 347(25), 1999–2009. https://doi.org/10.1056/NEJMOA021967 (2002).

Artikel PubMed Google Scholar

Sparano, JA et al. Adjuvante Chemotherapie basierend auf einem 21-Gen-Expressionstest bei Brustkrebs. N. engl. J. Med. 379(2), 111–121. https://doi.org/10.1056/NEJMOA1804710 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Vargas-Salas, S. et al. Gentests für unbestimmte Schilddrüsenzytologie: Überprüfung und Metaanalyse. Endokr. Verwandt. Krebs. 25(3), R163–R177. https://doi.org/10.1530/ERC-17-0405 (2018).

Artikel PubMed Google Scholar

Referenzen herunterladen

Diese Studie wurde teilweise durch Zuschüsse von (AN) der Alberta Children's Hospital Foundation und der Kids Cancer Care Foundation of Alberta unterstützt. MG ist Empfänger des Stipendiums der Brain Tumor Foundation.

Diese Autoren trugen gleichermaßen bei: Mehul Gupta und Sunand Kannappan.

Abteilung für Pädiatrie und Onkologie, Cumming School of Medicine, University of Calgary, 3330 Hospital Drive NW, Calgary, AB, T2N 4N1, Kanada

Mehul Gupta, Sunand Kannappan, Mohit Jain, Ravi Shah und Aru Narendran

Abteilung für Pädiatrie, Abteilung Hämatologie/Onkologie, Arkansas Children's Hospital, University of Arkansas for Medical Sciences, Little Rock, AR, 72202, USA

David Douglass

Abteilungen für Onkologie, Biochemie und Molekularbiologie, Cumming School of Medicine, University of Calgary, 3330 Hospital Drive NW, Calgary, AB, T2N 4N1, Kanada

Pinaki Bose & Aru Narendran

Cumming School of Medicine, Arnie Charbonneau Cancer Institute, University of Calgary, Calgary, AB, T2N 4N1, Kanada

Pinaki Bose & Aru Narendran

Sie können diesen Autor auch in PubMed Google Scholar suchen

MG und SK beschafften die erforderlichen Daten, führten die Analyse durch, erstellten die Zahlen und verfassten gemeinsam das Manuskript. MJ, DD und RS haben umfangreiche Überarbeitungen des Manuskripts und der Abbildungen vorgenommen. AN und PB konzipierten und überwachten die Studie und verfassten gemeinsam das Manuskript.

Korrespondenz mit Pinaki Bose oder Aru Narendran.

PB ist Executive VP und Mitbegründer von OncoHelix Inc. Die anderen Autoren erklären, dass keine konkurrierenden Interessen bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Gupta, M., Kannappan, S., Jain, M. et al. Entwicklung und Validierung einer 21-Gen-Prognosesignatur beim Neuroblastom. Sci Rep 13, 12526 (2023). https://doi.org/10.1038/s41598-023-37714-9

Zitat herunterladen

Eingegangen: 13. Januar 2023

Angenommen: 26. Juni 2023

Veröffentlicht: 02. August 2023

DOI: https://doi.org/10.1038/s41598-023-37714-9

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.