Two Independent

Abstract

Fundo

pacientes com câncer de ovário em estágio avançado geralmente são tratadas com platina /taxano quimioterapia baseada após a cirurgia debulking primário. No entanto, existe uma ampla gama de resultados para os pacientes individuais. Portanto, os factores clinicopatológicas sozinhas não são suficientes para predizer o prognóstico. Nosso objetivo é identificar uma sobrevida livre de progressão (PFS) relacionados com perfil molecular para prever a sobrevivência de pacientes com estágio avançado de câncer de ovário seroso.

Metodologia /Principais Achados

em estágio avançado serosa tecidos de cancro do ovário de 110 pacientes japoneses que foram submetidos a cirurgia primária e quimioterapia baseada em taxano platina /foram perfilado usando microarrays de oligonucleotídeos. Foram selecionados 88 genes relacionados com o PFS por um modelo de Cox univariada (

p Art 0,01) e gerou o índice prognóstico baseado em 88 genes PFS-relacionados após o ajuste dos coeficientes de regressão dos respectivos genes por regressão de cumeeira modelo de Cox usando 10 vezes de validação cruzada. O índice prognóstico foi independentemente associada com o tempo PFS comparado com outros fatores clínicos na análise multivariada [taxa de risco (HR), 3,72; intervalo de confiança de 95% (CI), 2,66-5,43;

p Art 0,0001]. Em um conjunto de dados externo, análise multivariada revelou que este índice prognóstico foi significativamente correlacionada com o tempo PFS (HR, 1,54; IC 95%, 1,20-1,98;

p

= 0,0008). Além disso, a correlação entre o índice de prognóstico e tempo de sobrevivência global foi confirmada nos dois conjuntos de dados externos independentes (log rank,

p

= 0,0010 e 0,0008).

Conclusões /Significado

a capacidade de prognóstico do nosso índice com base no perfil de expressão de 88 genes em regressão de cumeeira modelo de risco de Cox mostrou ser independente de outros fatores clínicos na predição de prognóstico do câncer através de dois conjuntos de dados distintos. Outras estudo será necessário para melhorar a precisão da previsão do índice prognóstico para a aplicação clínica para a avaliação do risco de recorrência em pacientes com estágio avançado de câncer de ovário seroso

Citation:. Yoshihara K, Tajima A, Yahata T, Kodama S, Fujiwara H, Suzuki M, et al. Expression Profile (2010) Gene para predizer a sobrevida em estágio avançado de câncer de ovário seroso através de Dois conjuntos de dados independentes. PLoS ONE 5 (3): e9615. doi: 10.1371 /journal.pone.0009615

editor: Zoltán Bochdanovits, Universidade VU Medical Center e Centro de Neurogenomics e Pesquisa Cognitiva, Holanda The Sims

Recebido: 03 de novembro de 2009; Aceito: 16 de fevereiro de 2010; Publicação: 12 de março de 2010

Direitos de autor: © 2010 Yoshihara et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados

Financiamento:. Este trabalho foi apoiado em parte por uma Grant-in-Aid para o Programa Terceira prazo Controle do Câncer estratégia do Ministério da Saúde, Trabalho e Bem-Estar, Japão (KT), e 2009 Programa de Pesquisa e Estudo da Organização do Sistema Educacional da Universidade Tokai Geral de Investigação ( AT). Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito

CONFLITO DE INTERESSES:.. Os autores declararam que não existem interesses conflitantes

Introdução

Os pacientes com câncer de ovário em estágio avançado geralmente submetido a uma cirurgia debulking primário seguido de platina /quimioterapia baseada em taxano. Embora introdução pós-operatório de drogas taxano melhorou a taxa de sobrevivência de 5 anos para o câncer de ovário em estágio avançado, os pacientes com esse tipo de câncer têm uma taxa de sobrevivência de 5 anos de apenas 30% [1] – [3]. características clínico-patológicas, como debulking status após a cirurgia primária, são clinicamente considerados indicadores importantes do prognóstico [4], [5]. No entanto, a recorrência após a cirurgia debulking óptima ocorre em alguns pacientes, enquanto status de livre de doença após a cirurgia incompleta é mantido em outros. Na verdade, tem sido relatado que 34% dos pacientes tratados com cirurgia óptima e platina-taxano combinação de quimioterapia para o cancro do ovário avançado estágio-se repetem dentro de 12 meses [4]. Portanto, esses fatores clinicopatológicos sozinhas não são suficientes para predizer o prognóstico e elucidar os mecanismos patológicos da progressão da doença ou recorrência. abordagens de biologia molecular pode ser utilizada para identificar novos perfis relacionados com o prognóstico levando a elucidação de questões patológicas do estágio avançado do câncer de ovário seroso.

A tecnologia de microarray tem vindo a desenvolver-se muito rapidamente, e tornou-se relativamente fácil de analisar o Os níveis de expressão de milhares de genes dentro de células cancerosas. Embora muitos estudos têm relatado as associações de perfis de expressão gênica com prognóstico em pacientes com câncer [6] – [10], um número limitado de tais perfis são usados ​​em ambientes clínicos. tecnologia de microarrays é clinicamente aplicado para predizer o prognóstico em pacientes com câncer de mama. MammaPrint ™ (Agendia BV, Amesterdão, Países Baixos) já foi colocado em uso prático para o efeito. Enquanto isso, não há kits de microarranjos para diagnóstico e manejo clínico em pacientes com câncer de ovário ainda.

Três estudos têm relatado recentemente perfis de expressão genética que predizem a sobrevida global (OS) em pacientes com câncer de ovário usando técnicas de microarray [11] – [13]. Estes estudos utilizam um tamanho de amostra relativamente grande (n 80) para o estabelecimento de um perfil relacionados com a sobrevivência numa fase de descoberta da experiência e de um conjunto de dados independente externa como a validação definido para resolver o problema de que o número de variáveis ​​genómicas examinada é muito mais maior do que o de indivíduos. Assim, a investigação sobre os perfis globais relacionadas com a sobrevivência em pacientes com câncer ovariano progrediu, ao passo que não existem estudos extensivos com base na validação multicêntrico de perfis de expressão gênica para a previsão de progressão da doença ou recorrência em pacientes com câncer de ovário [14] – [15] . Predição do risco de recorrência em pacientes com câncer de ovário em estágio avançado que receberam tratamento padrão (cirurgia primária + platina /quimioterapia baseada em taxano) é mais importante em relação à optimização da gestão clínica [16].

Temos informou recentemente que há grandes semelhanças na expressão genética entre início de carreira e um subconjunto de pacientes com câncer em estágio avançado seroso do ovário que têm prognósticos favoráveis ​​e dois subgrupos moleculares em pacientes com estágio avançado de câncer de ovário seroso de acordo com perfis de expressão gênica refletem tumor progressão e prognóstico [17]. Neste estudo, nós nos concentramos em sobrevida livre de progressão de tempo (PFS) em um maior número de doentes apenas com estágio avançado de câncer de ovário seroso tratado com platina /quimioterapia baseada em taxano, e tentou identificar o perfil de expressão gênica relacionados com o PFS usando um novo método de análise de sobrevivência: regressão de cumeeira modelo de Cox [18]. Em seguida, avaliou a correlação entre o nosso perfil de expressão de genes PFS-relacionados e tempo de sobrevivência em um conjunto de dados externa independente do estágio avançado de câncer de ovário seroso.

Resultados

Características Clínicas

as características clínicas de 110 pacientes japoneses com estágio avançado de câncer de ovário seroso estão resumidos na Tabela 1. no conjunto de descoberta, 93 pacientes (84,5%) foram diagnosticados como a Federação Internacional de Ginecologia e Obstetrícia (FIGO) fase III, e 17 pacientes (15,5%) como FIGO estádio IV [19]. Todos os pacientes receberam platina /quimioterapia baseada em taxano após cirurgia primária. Os tempos livre de progressão ea sobrevida global mediana foram 17 e 31 meses, respectivamente.

Por outro lado, foi utilizada uma parte de dados de microarranjos publicamente disponíveis (GSE9891) como um conjunto de dados externa independente (Veja materiais e Métodos) [20]. As características clínicas dos 87 pacientes com estágio avançado de câncer de ovário seroso no conjunto de dados externos são listadas na Tabela S1 [20]. Kaplan-Meier análise de sobrevivência mostrou que não houve diferenças significativas na PFS e OS tempo entre os pacientes do conjunto de dados de descoberta e as do conjunto de dados externo (Figura S1). Quando comparamos características clinicopatológicas entre o conjunto de descoberta e o conjunto de dados externa, houve diferenças significativas nas frequências de estágio (Tabela S1). Porque o sistema de classificação adotado no conjunto de dados externa era distinto do que no conjunto descoberta [21] – [23], não poderíamos fazer uma simples comparação do grau maligna entre os dois conjuntos de dados. Em seguida, examinaram a associação entre características clínicas e tempo PFS em pacientes com estágio avançado de câncer de ovário seroso de cada conjunto de dados. A análise multivariada revelou que apenas a cirurgia ideal foi um fator prognóstico independente para PFS no conjunto de dados de descoberta (Tabela S2) e que não havia correlação marginalmente significativa entre o estado debulking de cirurgia primária e tempo PFS no conjunto de dados externa (Tabela S2). Portanto, nós planejamos primeiro a desenvolver um índice prognóstico baseado em genes relacionados com o PFS no conjunto de dados descoberta, secundariamente, para avaliar a capacidade prognóstica do índice no conjunto de dados externo usando análise multivariada, em seguida, em terceiro lugar, para avaliar o desempenho de previsão do índice prognóstico novamente após a estratificação dos pacientes de acordo com o status de diminuição de volume de cirurgia primária.

identificação do perfil PFS-relacionadas

Usando Agilent Whole Human Genome Oligo microarray, geramos dados de expressão de genes para 110 em estágio avançado pacientes com câncer de ovário seroso. Em seguida, este conjunto de dados foi utilizado como um conjunto de descoberta para a identificação de perfil relacionado com o PFS em pacientes com estágio avançado de cancro do ovário seroso. Para melhor avaliar o perfil relacionado com o PFS, preparamos uma parte do conjunto de dados GSE9891 como um conjunto de dados externa independente usando Affymetrix Human Genome U133 Além disso matriz 2.0 (ver Materiais e Métodos) [20]. Para lidar com dados de microarray de plataforma cruzada de forma adequada, analisamos apenas genes comuns (28304 sondas em plataforma Agilent; 38497 sondas em plataforma Affymetrix) entre as duas plataformas neste estudo. De 28304 sondas Agilent, 18178 sondas com os níveis de expressão marcados como “presente”, em todos os dados de microarray 110 a partir do conjunto descoberta foi ainda extraída para remover ausente e sinais inequívocos na expressão do gene, e, em seguida, os dados foram por-gene normalizada em cada conjunto de dados, transformando a expressão de cada gene para uma média de 0 e desvio padrão de 1 (Figura S2).

um modelo de riscos proporcionais de Cox univariada mostrou que os níveis de 97 sondas (que representam 88 genes não redundantes) de expressão foram correlacionados com o tempo PFS (

p Art 0,01). Em caso de múltiplas-tag 8 genes (representado por 17 sondas), foram selecionados 8 sondas (uma sonda por genes) com a maior soma dos quadrados dos valores de expressão individuais para os respectivos genes como representantes [24]. Um total de 88 genes (representado por 88 sondas exclusivas) foram assim identificados como perfil relacionado com o PFS. Além disso, foi aplicado o modelo de regressão de cumeeira para estimar coeficientes de regressão ideais (

β

) para 88 genes do perfil relacionado com o PFS (Tabela 2), e calculado o índice prognóstico para cada amostra usando a equação (1), relatados anteriormente [18]. Os índices prognósticos de 88 genes obtidos foram na faixa de -5,09 a 4,14 (média de 0,11), ea distribuição dos índices entre 110 pacientes freqüência foi unimodal.

Para avaliar o índice prognóstico como uma variável categórica, que tentou dividir este conjunto de dados em dois grupos com base no índice prognóstico mediana de 0,11 [9]. Os pacientes foram designados para o grupo de “alto risco” se o seu índice de prognóstico foi maior do que ou igual ao valor médio, enquanto que o grupo de “baixo risco” era composto de casos com os índices de prognóstico que foram menos do que a mediana. Como mostrado na Figura 1A, os pacientes com índices prognósticos de alto risco tiveram menor tempo de PFS mediana do que os pertencentes ao grupo de baixo risco (PFS mediana, 12 meses versus 51 meses; teste logarítmico,

p Art 0,0001)

pacientes de alto risco teve tempo de sobrevida livre de progressão significativamente curto em comparação com pacientes de baixo risco (a) no conjunto de descoberta (log rank,

p

. 0,0001) e (B) no conjunto externo (teste logarítmico,

p

= 0,0004). Da mesma forma, pacientes de alto risco tinham significativamente menor tempo de sobrevida global em comparação com pacientes de baixo risco (C) no conjunto de descoberta (log rank,

p Art 0,0001) e (D) no conjunto externo ( teste logarítmico,

p

= 0,0010).

Nós, então, realizada uni e multivariada Cox riscos proporcionais de análise para provar que o índice prognóstico 88-gene foi um fator prognóstico independente (Tabela 3). análise de risco proporcional A univariada de Cox mostrou que o índice prognóstico, estágio, a cirurgia ideal, e grau histológico foram correlacionados com PFS (

p Art 0,0001,

p

= 0,022,

p Art 0,0001 e

p

= 0,016, respectivamente). Além disso, uma análise multivariada mostrou que o índice prognóstico foi mais significativamente associada com o tempo PFS [taxa de risco (HR), 3,80; intervalo de confiança de 95% (CI), 2,68-5,61;

p

. 0,0001]

Validação por Quantitative Real-Time RT-PCR

Para validar os dados de expressão microarray, foi realizada quantitativo em tempo real RT -PCR para um subconjunto do conjunto de dados de descoberta (53 amostras). Os quatro genes,

E2F2

,

Foxj1

,

DNAH7

, e

FILIP1

, foram selecionados aleatoriamente para esta finalidade. Foram encontradas correlações significativas entre os dados de expressão de microarranjo e dados de expressão de RT-PCR em tempo real (Figura 2). Apesar do menor tamanho da amostra, foi confirmada uma associação significativa entre o tempo de PFS e cada um dos dados em tempo real de RT-PCR para os quatro genes no modelo de risco de Cox univariada (dados não mostrados).

Há foram encontradas correlações significativas entre a expressão microarray e em tempo real expressão RT-PCR em (A)

E2F2

, (B)

DNAH7

, (C)

Foxj1

, e ( D)

FILIP1

.

Perfil Appling PFS-relacionadas ao conjunto de dados externo

traduziram as 88 genes prognósticos com Agilent Probe IDs para Affymetrix 196 sondas usando um função de tradução no GeneSpring GX 10 e avaliou o presente perfil relacionado com o PFS no conjunto de dados externo (Figura S2). Calculou-se o índice de prognóstico para cada uma das amostras no conjunto de dados externo pela soma ponderada dos valores de 88 genes relacionados PFS-expressão de acordo com a equação (1), em que os coeficientes da regressão de cumeeira (

β

) identificado no conjunto descoberta foram usadas como pesos para os respectivos genes (ver Materiais e Métodos). Obtivemos índices prognósticos variando de -5,37 a 4,56 no conjunto de dados externo. A distribuição dos índices prognósticos frequência não foi estatisticamente diferente do que na descoberta definido pelo teste de Kolmogorov Smirnov (

p Art 0,05).

Quando se divide o conjunto de dados externa em dois subgrupos por o índice prognóstico mediana (0,11) no conjunto de descoberta, foi observada uma correlação significativa entre a classificação de risco e PFS (log rank,

p

= 0,0004) (Figura 1B). Na análise univariada dos dados externos, o índice prognóstico estimado e cirurgia óptima foram correlacionados com o tempo PFS (

p

= 0,0001 e 0,049, respectivamente) (Tabela 3). A análise multivariada mostrou que o índice de prognóstico foi um fator prognóstico independente para o tempo de PFS (HR, 1,64; 95% CI, 1,27-2,13,

p

= 0,0001).

Avaliação de Nossa índice prognóstico

para avaliar a sensibilidade e especificidade do nosso índice prognóstico, foi utilizada curva ROC para o índice. Uma área sob a curva ROC de 0,5 (indicado por linhas pontilhadas diagonal na Figura S3) representa a igualdade entre os verdadeiros resultados dos testes positivos e falso-positivos. A extensão para a qual a curva ROC se afasta da linha diagonal para a esquerda e os eixos superiores é uma medida da eficácia do índice prognóstico 88-gene na previsão da evolução clínica. A área sob a curva ROC para distinguir pacientes início de recaída com menos de 18 meses de vezes PFS de pacientes final de recidiva foi 0,959 e 0,674 na descoberta definido eo conjunto de dados externo, respectivamente (Figura S3). Quando utilizado o valor médio do índice prognóstico na descoberta definido como o cut-off, a sensibilidade e especificidade foram de 88,9% e 85,7% no conjunto de dados descoberta e 64,4% e 69,2% no conjunto de dados externo.

Realizamos análise de sobrevivência após a estratificação dos pacientes de acordo com o status de cirurgia debulking que foi um fator prognóstico independente na análise multivariada do conjunto de dados de descoberta (Tabela 3). Dividimos os pacientes em dois grupos ( “grupo ideal” e “grupo sub-óptima”) em cada um dos descoberta e externos conjuntos de dados, e atribuído cada paciente para “alto risco” ou de “baixo risco” com base no valor médio da corrente índice prognóstico em cada estrato de acordo com o status de diminuição de volume. Kaplan-Meier análise de sobrevivência mostrou que os pacientes de alto risco teve tempo PFS mais curto significativo do que pacientes de baixo risco em cada um dos quatro estratos a partir dos dois conjuntos de dados (Figura 3) como segue: grupo ideal (

p Art 0,0001) e do grupo abaixo do ideal (

p Art 0,0001) em nosso conjunto de dados; grupo ideal (

p

= 0,0034) e do grupo abaixo do ideal (

p

= 0,015) no conjunto de dados externo. Esta análise estratificada também indicou que o índice prognóstico foi associado com PFS tempo independentemente do estado debulking.

Pacientes de alto risco tinham tempos de sobrevivência livre de progressão significativamente curto em comparação com pacientes de baixo risco (A) no ideal ( teste logarítmico,

p Art 0,0001) e (B) o grupo sub-óptima de conjunto de dados de descoberta (log rank,

p Art 0,0001). Da mesma forma, pacientes de alto risco tinham significativamente menor tempo de sobrevida global em comparação com pacientes de baixo risco (C) no ideal (log rank,

p

= 0,0034) e (D) do grupo sub-óptima do conjunto de dados externo (log teste de classificação,

p

= 0,015).

correlação entre este índice prognóstico e sobrevida global

a sobrevida global é outro terminal importante em pacientes com ovário de pré-estágio cancros e, portanto, nós ainda examinado se o atual índice prognóstico 88-gene poderia ser estendido para usar para prever a sobrevida global dos pacientes. Para avaliar a correlação entre este índice prognóstico e tempo de sobrevivência global, foi realizada Kaplan-Meier análise da curva de sobrevivência. Pacientes com índices prognósticos de alto risco tiveram tempos de sobrevida global mais curtos do que os pacientes de baixo risco nos dois conjuntos de dados (log rank,

p Art 0,0001 e

p

= 0,0010, respectivamente) (Figura 1C, D). Além disso, o índice prognóstico foi significativamente associada com o tempo de sobrevida global, tanto a descoberta definido eo conjunto de dados externo na análise multivariada (Tabela 4).

Além disso, nós examinamos a capacidade preditiva do nosso índice prognóstico no conjunto de dados publicamente disponíveis do Dressman [25], no qual os pacientes foram acompanhados (sobrevida global média, de 31 meses, variando de 1-185 meses) mais tempo. conjunto de dados de dressman [25] foi composta por pacientes com câncer 119 em estágio avançado seroso do ovário tratados com quimioterapia à base de platina (incluindo quimioterapia não-taxano). Porque os seus dados foram gerados por uma plataforma diferente com os dois anteriores conjuntos de dados, 75% dos 88 genes relacionados com o PFS foram traduzidos para a previsão de sobrevivência neste conjunto de dados. Quando dividimos conjunto de dados de Dressman [25] em dois subgrupos pelo índice prognóstico médio no conjunto de dados descoberta, foi observada uma associação significativa entre a classificação de risco e sobrevida global (log rank,

p

= 0,0008) (Figura S4) . Seu índice prognóstico foi significativamente correlacionada com o tempo de sobrevida global em análise multivariada (HR, 1,51; 95% CI, 1,19-1,93,

p

= 0,0008).

Caracterização do Perfil PFS-relacionadas

Realizamos análise GO para entender as características biológicas de 88 genes relacionados com o PFS. Para caracterizar a lista gene com base na classificação GO no ‘processo biológico’, ‘função molecular “e” componente celular’, examinamos as categorias foram altamente associadas com os 88 genes. Após várias correções de teste utilizando o método de FDR [26], 8 categorias foram significativamente sobre-representados (FDR

q

-valor 0,10) (Figura 4). Nos 88 genes PFS-relacionados, genes envolvidos na GTPase de ligação (GO17016, GO31267 e GO51020), localização celular (GO51649 e GO51641), transporte intracelular (GO46907 e GO6886), e /ou ciliar ou motilidade flagelar (GO1539) foram notavelmente enriquecido . Nós investigamos semelhanças nas categorias GO sobre-representadas entre os nossos 88 genes relacionados com o PFS e os perfis de expressão gênica anteriormente relatados que foram correlacionadas com o prognóstico no câncer de ovário [11], [13]. No entanto, não foi possível identificar categorias GO comuns entre o nosso perfil e os perfis relatados anteriormente (dados não mostrados).

significativamente ao longo representadas 8 ontologia (GO) categorias genéticas em perfis baseados-GO de 88 genes após várias testando a correção do método Benjamini-Hochberg falsa taxa de detecção (FDR

q

-valor 0,10). Sobre-representados categorias GO foram identificados utilizando todos os genes na plataforma Agilent como um conjunto de fundo de genes para a determinação

p

-Valores. O número real de genes relacionados com o PFS envolvidos em cada categoria é dado entre parênteses.

Nós software IPA mais utilizado para analisar 88 genes relacionados com o PFS do ponto de vista de interação molecular ou caminho. três redes significativas Principais (pontuação 25) são mostrados nas Figuras S5-7. A rede 1 incluiu 15 dos 88 genes prognósticos, e foi significativamente associada com o IPA-definidas várias redes: a morte celular, doença neurológica, e montagem celular e organização (Figura S5). Catorze genes prognósticos foram incluídos na rede 2, que foi definida como redes relacionadas com o cancro, a morfologia das células, e renal e doença urológica (Figura S6). A rede 3 exibida interações e inter-relações entre genes envolvidos na sinalização célula-célula e interação, desenvolvimento hematológica sistema e função, e o tráfico de células imunes (Figura S7) significativos. Nos 88 genes, encontramos vários genes interagindo com

SRC

ou

MYC

(Figura S6), cada um dos quais foi relatado como um gene representante nas vias oncogênicas do cancro do ovário [25], [27].

Discussão

neste estudo, identificamos o índice prognóstico para a previsão de tempo PFS em pacientes com estágio avançado de câncer de ovário seroso tratados com platina /baseada em taxano quimioterapia adjuvante em toda a dois tipos de dados de expressão microarray do actual conjunto de descoberta e conjunto externo à disposição do público, utilizando o modelo de regressão de Cox ridge. A correlação significativa entre o nosso índice prognóstico e tempo de OS também foi indicado nos dois conjuntos de dados independentes.

Na análise de microarray de expressão, há uma chamada “maldição da dimensionalidade” problema que o número de genes é muito maior do que o número de amostras. Para melhorar a confiabilidade de um modelo prognóstico baseado em expressão de genes, é necessário para evitar overfitting ao conjunto de dados, e para confirmar a reprodutibilidade da capacidade preditiva em conjuntos de dados externos independentes [28]. Até agora, foram propostas várias abordagens de bioinformática para estabelecer um modelo para previsão de sobrevivência usando dados de microarray [18], [29]. Bøvelstad

et al

. [18] recentemente analisou o desempenho de previsão dos sete métodos seguintes: a seleção univariada, a seleção passo a passo para a frente, principal componentes de regressão, supervisionado principais componentes de regressão, mínimos quadrados regressão parcial, regressão de cumeeira e o laço utilizando três conjuntos de dados de microarray [dados de câncer de mama Holandês ( n = 295), difundir dados grandes linfoma de célula B (n = 240), e dados sobre o cancro da mama Noruega /Stanford (n = 115)] [7], [30] – [32]. Eles concluíram que o modelo de Cox univariada era insuficiente para predizer a sobrevivência e que o modelo de regressão de Cox cume demonstrou o melhor desempenho em três conjuntos de dados. Portanto, utilizou-se o modelo de Cox univariada apenas para seleccionar genes relacionados com o tempo o PFS, e os coeficientes de regressão ajustada por regressão de Cox cume modelo, a fim de aumentar o desempenho preditivo do índice de prognóstico no nosso conjunto de dados.

O actual estudo pretende identificar perfil de expressão gênica com uma capacidade superior para predizer o prognóstico do que outros fatores clínico-patológicos. A estratificação de pacientes com câncer de ovário de acordo com fatores prognósticos clínico-patológicos é um dos métodos de análise importantes para a identificação de índice prognóstico de alta precisão [11]. Após estratificamos pacientes de acordo com a nota, o estágio FIGO, eo status de debulking cirurgia, nós investigamos perfil de expressão gênica para a previsão de tempo PFS em fase III de grau 2/3 pacientes com câncer de ovário seroso recebeu cirurgia ideal ou cirurgia abaixo do ideal. No entanto, nós poderíamos encontrar mais pobre desempenho preditivo dos índices prognósticos das análises estratificadas do que a partir da análise não-estratificada (Tabela S3). Além da redução do tamanho da amostra na descoberta e conjuntos de dados externos, após a estratificação, uma variedade de características clínicas e sistemas de classificação entre os dois conjuntos de dados (Tabela S1) pode influenciar os resultados destas análises estratificadas. Esta é a principal razão pela qual nós planejamos para identificar índice prognóstico baseado em genes relacionados com o PFS em 110 em estágio avançado de ovário seroso e, em seguida, avaliar a importância do índice prognóstico usando análise multivariada incluindo grau, estágio e status de debulking cirurgia.

Embora matriculados pacientes com câncer ovariano cuidadosamente selecionados pelas três categorias seguintes: em estágio avançado, do tipo seroso histológico e platina /quimioterapia baseada em taxano após a cirurgia primária, estabelecemos nenhuma inclusão ou exclusão critério do grau histológico para a inscrição bem como Crijns e colegas fez [12]. Isso ocorre porque um sistema padrão de classificação carcinomas ovarianos ainda está em construção no mundo, apesar de vários sistemas de classificação têm sido propostos para o câncer epitelial de ovário [21] – [23], [33], [34]. De acordo com os três critérios acima referidos, foram recrutados 110 pacientes com câncer ovariano japoneses como um conjunto de descoberta para a análise PFS. O índice prognóstico para cada paciente foi simplesmente calculada pela soma cume-regressão ponderada dos valores de expressão de 88 genes, eo poder prognóstico do índice foi avaliada por meio do conjunto de dados de Tothill [20]. Além disso, a análise estratificada subsequente de acordo com debulking status, que foi um fator prognóstico independente na análise multivariada do conjunto de dados descoberta, indicou que o nosso índice prognóstico foi associado com PFS tempo independentemente do estado debulking. No entanto, a sensibilidade e especificidade do índice prognóstico para a discriminação entre pacientes precoce e tardia-recaída foram menores no conjunto de dados de Tothill do que aqueles no conjunto de descoberta. Isso pode ser causado por diferentes origens em aspectos de etnia ou plataforma de microarray. Embora as diferenças na expressão genética dos tecidos por câncer entre as etnias não foram relatados anteriormente, vários estudos indicam que as proporções de células claras e tipos histológicos endometrióides em câncer epitelial de ovário na população asiática são mais elevados do que aqueles em populações não-asiáticos [35], [36]. estudo de associação genômica ampla recente identificou um polimorfismo de nucleotídeo único em 9p22 associado com o risco de cancro do ovário em indivíduos com ascendência europeia, mas não em descendentes não europeus [37]. Este tipo de diferenças entre os estudos podem também ser atribuídas a fatores genéticos, bem como ambientais. Além disso, não podemos descartar a possibilidade de que as actuais classificadores PFS-associados com pesos cume-baseada em regressão ainda tem insuficientes propriedades de generalização sobre o conjunto de dados externa, devido ao problema da overfitting. Portanto, vamos reconsiderar estas questões importantes, tais como diferenças entre-estudo em etnias e plataformas de microarray e o problema overfitting usando um número maior de dados de microarranjos de pacientes com câncer de ovário seroso em estágio avançado, a fim de obter melhores classificadores para a predição do prognóstico. E para melhorar a precisão do índice prognóstico, desenvolvimento de índice prognóstico após a estratificação dos pacientes será uma agenda de pesquisa para um estudo mais aprofundado.

Curiosamente, o presente índice prognóstico 88-gene para a previsão de tempo PFS também foi significativamente associado com o tempo de sobrevida global em ambos os nosso conjunto de dados e conjunto de dados de Tothill [20]. Além disso, examinou a capacidade preditiva de índice de prognóstico no conjunto de dados de Dressman [25] uma vez que pacientes em seu conjunto de dados recebidos de longo prazo de seguimento do que nos anteriores dois conjuntos de dados. Embora conjunto de dados de Dressman (n = 119) [25] incluiu 34 pacientes tratados com platina quimioterapia /cyclophospamide e 3 com agente único platina, o significado deste índice prognóstico para a sobrevida global ainda era estatisticamente suportado no conjunto de dados mais acompanhados. Como tratamentos para pacientes com câncer ovariano recorrente permanecem uma área aberta de investigação com o objetivo de levar a benefício de sobrevivência [38], o nosso índice de prognóstico para pacientes com estágio avançado de câncer de ovário seroso exibe um potencial de prever não só o tempo PFS, mas também tempo de sobrevivência global. No futuro, poderemos aplicar os índices prognósticos para estimativa do risco de recorrência para pacientes com câncer de ovário seroso e selecione um novo tratamento como a quimioterapia de dose-densa [39] ou o agente molecular-alvo com a finalidade de melhorar o prognóstico de alto risco pacientes

Há pequeno número de genes sobrepostos entre os nossos 88 PFS relacionadas ao perfil e expressão perfis relatado anteriormente que foram relacionadas ao prognóstico ou a sensibilidade de platina /quimioterapia baseada em taxano [11] – [15]., [40], [41]. Konstantinopoulos

et al

. [6] discutiram que estas discrepâncias pode estar relacionada com a utilização de diferentes plataformas de microarray com diferentes métodos de normalização e diferente grau de contaminação por células não cancerosas numa amostra do tumor, assim como diferenças nas populações de pacientes em estudo. No entanto, vários genes associados à sobrevivência, tais como

E2F2

e

HLA-DMB

[42], [43] estão incluídos em 88 genes PFS-relacionados. Reimer

et al

. [42] relataram que

E2F2

está associado com grau 3 tumores ovarianos e doença residual (mais de 2 cm de diâmetro) após a cirurgia inicial, e que a baixa

E2F2

expressão é significativamente associada com favorável livre de doença e sobrevida global de câncer epitelial de ovário. Callahan

et al

.