[go: up one dir, main page]

CN114778815B - 用于预测胃癌预后的标志物组 - Google Patents

用于预测胃癌预后的标志物组 Download PDF

Info

Publication number
CN114778815B
CN114778815B CN202210316000.7A CN202210316000A CN114778815B CN 114778815 B CN114778815 B CN 114778815B CN 202210316000 A CN202210316000 A CN 202210316000A CN 114778815 B CN114778815 B CN 114778815B
Authority
CN
China
Prior art keywords
gastric cancer
prognosis
curve
pdl1
area under
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210316000.7A
Other languages
English (en)
Other versions
CN114778815A (zh
Inventor
张琳
狄田
罗秋云
杜勇
杨大俊
邱妙珍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University Cancer Center
Original Assignee
Sun Yat Sen University Cancer Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University Cancer Center filed Critical Sun Yat Sen University Cancer Center
Priority to CN202210316000.7A priority Critical patent/CN114778815B/zh
Publication of CN114778815A publication Critical patent/CN114778815A/zh
Application granted granted Critical
Publication of CN114778815B publication Critical patent/CN114778815B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/531—Production of immunochemical test materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/76—Chemiluminescence; Bioluminescence
    • G01N33/57565—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6863—Cytokines, i.e. immune system proteins modifying a biological response such as cell growth proliferation or differentiation, e.g. TNF, CNF, GM-CSF, lymphotoxin, MIF or their receptors

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Hematology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Cell Biology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Biotechnology (AREA)
  • Microbiology (AREA)
  • Food Science & Technology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Plasma & Fusion (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了用于预测胃癌预后的标志物组，发明人运用ELISA方法检测样本血浆中PDL1浓度，发现PDL1浓度结合CEA浓度构建的Nomogram模型可以用来预测胃癌病人的预后，ROC曲线分析结果显示，Nomogram模型的曲线下面积为0.856。在验证序列中，胃癌病人68例，Nomogram模型的曲线下面积为0.910，能够很好的预测胃癌病人的5年生存。在胃癌预后预测方面：利用ROC曲线分析发现发明人构建的Nomogram模型的曲线下面积为0.856，CEA的曲线下面积为0.676，PDL1的曲线下面积为0.67，远处转移的曲线下面积为0.647。本发明为胃癌的预后预测提供了新的高灵敏度与特异性的检测指标，为判断和预测胃癌预后提供了一个新途径。

Description

用于预测胃癌预后的标志物组
技术领域
本发明属于医学领域，具体涉及用于预测胃癌预后的标志物组。
背景技术
胃癌(GC)是中国第二大常见癌症。根据以往的报道，GC预后差，对人类健康有很大的威胁。
目前主要通过TNM分期系统预测GC的预后。然而，基于TNM分型对患者预后的预测是远远不够的。CEA用于GC的筛查、临床预后诊断判断和复发监测。碳水化合物抗原19-9(CA19-9)是胃癌患者良好的预后因素。然而，由于这些肿瘤标志物的低敏感性和高假阳性率，将其作为独立的预后因素一直存在争议。
癌胚抗原(carcinoembryonic antigen，CEA)是1965年由Gold和Freedman首先从结肠癌和胚胎组织中提取的一种肿瘤相关抗原，是一种具有人类胚胎抗原特性的酸性糖蛋白，存在于内胚层细胞分化而来的癌症细胞表面，是细胞膜的结构蛋白。在细胞浆中形成，通过细胞膜分泌到细胞外，然后进入周围体液。因此，可从血清、脑脊液、乳汁、胃液、胸腹水及尿液、粪便等多种体液和排泄物中检出。癌胚抗原是一种广谱肿瘤标志物，虽然不能作为诊断某种恶性肿瘤的特异性指标，但在恶性肿瘤的鉴别诊断、病情监测、疗效评价等方面，仍有重要临床价值。
细胞程序性死亡-配体1(Programmed cell death 1ligand 1，PD-L1)也称为表面抗原分化簇274(cluster of differentiation 274，CD274)或B7同源体(B7 homolog 1，B7-H1)，是人类体内的一种蛋白质，由CD274基因编码。PD-L1是大小为40kDa的第一型跨膜蛋白，据信其在某些特殊情形(例如怀孕、组织移植、自体免疫疾病，以及诸如肝炎等某些疾病)下，与免疫系统的抑制有关。正常情形下免疫系统会对聚集在淋巴结或脾脏的外来抗原产生反应，促发具抗原特异性的细胞毒杀性T细胞(CD8+Tcell增生)。而细胞程序性死亡受体-1(PD- 1)与细胞程序性死亡-配体1(PD-L1)结合，可以传导抑制性的信号，减低淋巴结CD8+T 细胞的增生。目前已经开发了抗PDL1的各种抗肿瘤药物，然而，把病人血液标本中的PDL1 水平用于预测病人的预后还没有报道过。
发明内容
本发明的目的在于克服现有技术的至少一个不足，提供用于预测胃癌预后的标志物组。
本发明所采取的技术方案是：
本发明的第一个方面，提供：
用于预测胃癌预后的标志物组，由PDL1和CEA组成。
本发明的第二个方面，提供：
定量试剂在制备胃癌预后检测试剂中的应用，所述定量试剂可以定量样本中PDL1和 CEA的量。
定量试剂可以是各种常用的在一些应用的实例中，所述定量试剂选自ELISA试剂、电化学发光试剂盒。
在一些应用的实例中，所述样本为患者的血液或血清。
本发明的第三个方面，提供：
一种用于预测胃癌预后的系统，包括：
定量装置，用于确定样本中PDL1和CEA的量；
预后分析装置，基于定量装置的结果，确定胃癌预后；
结果输出装置，用于输出预后分析装置分析得到的结果。
在一些系统的实例中，所述定量装置选自ELISA检测装置、蛋白芯片、电化学发光蛋白检测装置。
在一些系统的实例中，所述预后基于ROC曲线或nomogram图确定。
在一些系统的实例中，所述样本为患者的血液或血清。
本发明的有益效果是：
发明人运用ELISA方法检测样本血浆中PDL1浓度，发现PDL1浓度结合CEA浓度构建的Nomogram模型可以用来预测胃癌病人的预后，ROC曲线分析结果显示，Nomogram 模型的曲线下面积为0.856。在验证序列中，胃癌病人68例，Nomogram模型的曲线下面积为0.910，能够很好的预测胃癌病人的5年生存。
在胃癌预后预测方面：利用ROC曲线分析发现发明人构建的Nomogram模型的曲线下面积为0.856，CEA的曲线下面积为0.676，PDL1的曲线下面积为0.67，远处转移的曲线下面积为0.647。
本发明为胃癌的预后预测提供了新的高灵敏度与特异性的检测指标，为判断和预测胃癌预后提供了一个新途径，为胃癌的个性化治疗提供了相应的依据。
附图说明
图1是Nomogram模型的ROC曲线分析结果；
图2是Nomogram模型与CEA、PDL1的ROC曲线分析结果比较；
图3是Nomogram模型的诺莫图验证(鉴别和校正)结果。
具体实施方式
下面结合实验，进一步说明本发明的技术方案。
病例筛选
发明人选取了247例病人作为初次诊断为胃癌的病人的样本，在后续的治疗中，有34.4％ (83例)病人在随访期间去世。
ELISA检测PDL1
采用PDL1 ELISA试剂盒(WEA788Hu-96T)检测GC患者血清中PDL1水平，该试剂盒购自云克隆公司(CCC，中国武汉)。标本采集用含EDTA-K2抗凝剂的采血管采血3ml，室温下3000r/min离心5min。酶联免疫吸附试验将血浆标本和酶联免疫吸附试验试剂盒提前置于室温下，严格按照酶联免疫吸附试验试剂盒说明书操作。
为评价247例患者的临床指标和血液生化指标对预后的预测能力，采用Kaplan-Meier生存曲线进行分析。结果显示：高CEA水平与GC患者PFS(p＜0.0001，图1A)和OS(p＝0.0002，图1B)的降低显著相关。与低PDL1组相比，PDL1水平较高的患者PFS(p＜0.0001，图1C) 和OS(p＜0.0001，图1D)明显较差。M1期患者PFS(p＜0.0001，图1E)、OS(p＜0.0001，图1F)较M0期患者差。临床晚期PFS(p＜0.0001，图1G)和OS(p＜0.0001，图1H)较临床早期差。
GC患者PFS和OS的独立预后危险因素
为了确定这些预后因素是否影响GC患者的PFS，发明人进行了Cox单因素及多因素分析(表1)。在单因素分析的PFS相关因素中，有7个因素有意义，包括肿瘤分期(HR:4.404,p<0.0001)、淋巴结分期(HR:2.830,p＝0.001)、转移分期(HR:2.830,p＝0.001)。2.745,p<0.0001)、临床分期(HR:5.490,p<0.0001)、CEA(HR:2.925,p<0.0001)、CA19-9(HR:1.589,p＝0.027)、 PDL1(HR:2.599,p<0.0001)水平。而其他因素则不相关。然后，为了确定良好的预后指标，进行多因素分析。多因素分析显示，临床分期(HR:2.739,p＝0.030)、CEA(HR:2.350,p<0.0001) 和PDL1(HR:1.762,p＝0.016)水平是GC患者PFS的独立危险因素。
然后对临床指标和血液生化指标进行单因素和多因素分析，找出这些因素与OS之间的关系。单因素分析中，年龄(HR:1.722,p＝0.015)、肿瘤分期(HR:5.813,p<0.0001)、淋巴结分期 (HR:2.738,p＝0.005)、转移分期(HR:3.512,p<0.0001)、临床分期(HR:10.396,p<0.0001)、CEA (HR:3.246,p<0.0001)、CA19-9(HR:1.596,p＝0.041)、PDL1(HR:3.293,p<0.0001)与总生存期明显较差相关(表2)。
为了确定这5个因素是否为OS的独立预后因素，均进行了多因素分析。结果显示转移期(HR:1.774,p＝0.029)、临床期(HR:6.832,p＝0.005)、CEA(HR:2.154,p＝0.003)、PDL1(HR: 2.133,p＝0.003)与OS呈正相关。因此，发明人的研究结果提示，结合转移分期、临床分期、 CEA水平和PDL1水平的nomogram胃癌患者OS预后风险模型可能是一种新的胃癌患者OS 预后风险模型。
预测模型的发展和验证
接下来，发明人根据临床分期将资料进一步分层，分为早期和晚期患者，并分别对两组患者进行Cox单变量和多变量分析。多因素分析显示，晚期患者组CEA、PDL1与PFS相关。单因素分析结果显示，在中晚期患者组，年龄、转移分期、CEA、PDL1与OS相关。进一步多因素分析显示转移、CEA、PDL1与OS密切相关。这些结果表明，发明人的预后模型可能对晚期OS患者有更好的预后能力。
接下来，发明人构建了一个结合转移分期、临床分期、CEA水平和PDL1水平的新型nomogram预测胃癌患者1年、3年、5年的OS(图2A)。诺莫图的验证包括鉴别和校正。采用一致性指数(C-index)和ROC曲线进行判别。通过将诺图估计的预测生存期与观察生存期进行比较来评估校准。在第一队列中，预测OS的c指数为0.783(95％CI:0.760-0.806)。在1-、 3-、5-年OS概率的校准图中，nomogram预测结果与实际观测结果最吻合(图3A)。1、3、5年生存率的AUC(ROC曲线)分别为0.81、0.82、0.83(图3B)。
接下来，发明人将nomogram应用于63例胃癌患者的验证队列。OS预测的c指数为0.885 (95％CI:0.848-0.922)。1、3、4年生存率的AUC(ROC曲线)分别为0.962、0.913、0.91(图3C)。
综上，实验数据表明，结合PDL1和CEA的Nomogram模型作为胃癌预后预测风险模型能够更准确地预测胃癌病人的预后。
表1胃癌病人PFS与病人特征单因素和多因素分析
Figure BDA0003569754020000051
表2胃癌病人OS与病人特征单因素和多因素分析
Figure BDA0003569754020000061
以上是对本发明所作的进一步详细说明，不可视为对本发明的具体实施的局限。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的简单推演或替换，都在本发明的保护范围之内。

Claims (3)

1.一种用于预测胃癌预后的系统，包括：
定量装置，用于确定样本中PDL1和CEA的量，所述样本为患者的血液或血清；
预后分析装置，基于定量装置的结果，结合转移分期和临床分期确定胃癌预后；
结果输出装置，用于输出预后分析装置分析得到的结果。
2.根据权利要求1所述的系统，其特征在于：所述定量装置选自ELISA检测装置、蛋白芯片、电化学发光蛋白检测装置。
3.根据权利要求1或2所述的系统，其特征在于：所述预后基于ROC曲线或nomogram图确定。
CN202210316000.7A 2022-03-29 2022-03-29 用于预测胃癌预后的标志物组 Active CN114778815B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210316000.7A CN114778815B (zh) 2022-03-29 2022-03-29 用于预测胃癌预后的标志物组

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210316000.7A CN114778815B (zh) 2022-03-29 2022-03-29 用于预测胃癌预后的标志物组

Publications (2)

Publication Number Publication Date
CN114778815A CN114778815A (zh) 2022-07-22
CN114778815B true CN114778815B (zh) 2023-06-09

Family

ID=82425509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210316000.7A Active CN114778815B (zh) 2022-03-29 2022-03-29 用于预测胃癌预后的标志物组

Country Status (1)

Country Link
CN (1) CN114778815B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108490178A (zh) * 2018-02-13 2018-09-04 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） 用于npc诊断及预后预测的标志物及其应用

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101451975B (zh) * 2008-12-29 2012-01-25 浙江大学 一种检测胃癌预后与分期血清蛋白质的方法
US9452228B2 (en) * 2013-04-01 2016-09-27 Immunomedics, Inc. Antibodies reactive with an epitope located in the N-terminal region of MUC5AC comprising cysteine-rich subdomain 2 (Cys2)
WO2017025962A1 (en) * 2015-08-10 2017-02-16 Tel Hashomer Medical Research, Infrastructure And Services Ltd Prediction of response to immunotherapy based on tumor biomarkers
EP3400246B1 (en) * 2016-01-08 2020-10-21 H. Hoffnabb-La Roche Ag Methods of treating cea-positive cancers using pd-1 axis binding antagonists and anti-cea/anti-cd3 bispecific antibodies
CN110548033A (zh) * 2019-10-22 2019-12-10 江苏省苏北人民医院 Pd-0332991在制备抑制胃癌细胞株的药物中的应用
CN114068007A (zh) * 2020-08-07 2022-02-18 四川医枢科技股份有限公司 胃癌临床决策、教学、科研辅助支持系统及方法
CN113450873B (zh) * 2021-05-14 2022-07-08 山东大学 一种预测胃癌预后和免疫治疗适用性的标志物及其应用

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108490178A (zh) * 2018-02-13 2018-09-04 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） 用于npc诊断及预后预测的标志物及其应用

Also Published As

Publication number Publication date
CN114778815A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
Yang et al. Elevated CD163+/CD68+ ratio at tumor invasive front is closely associated with aggressive phenotype and poor prognosis in colorectal cancer
Kampan et al. Pre-operative sera interleukin-6 in the diagnosis of high-grade serous ovarian cancer
CN104620109B (zh) 膀胱癌检测组合物、试剂盒及相关的方法
Chatterjee et al. Clinical use of programmed cell death-1 and its ligand expression as discriminatory and predictive markers in ovarian cancer
US10180431B2 (en) Methods for detecting human papillomavirus and providing prognosis for head and neck squamous cell carcinoma
Lee et al. Clinical application of circulating tumor cells in gastric cancer
JP2011523049A (ja) 頭頚部癌の同定、モニタリングおよび治療のためのバイオマーカー
JP2019012077A (ja) 炎症性肝疾患の診断のための方法および組成物
AU2009240781A1 (en) An assay to detect a gynecological condition
CN113439212A (zh) 用于确定侵袭性前列腺癌的生物标志物组合
CN117305433A (zh) 用于快速诊断川崎病的分子生物标志物和分析方法
CN113718031B (zh) 一种卵巢癌早期诊断组合物的建立
US20140072987A1 (en) Methods of detecing bladder cancer
US20220011311A1 (en) Detection of bladder cancer
Zergoun et al. Plasma secretome analyses identify IL-8 and nitrites as predictors of poor prognosis in nasopharyngeal carcinoma patients
CN114778815B (zh) 用于预测胃癌预后的标志物组
Hyon et al. Extracellular Vesicle Proteome Analysis Improves Diagnosis of Recurrence in Triple‐Negative Breast Cancer
Joseph et al. Plasma osteopontin velocity differentiates lung cancers from controls in a CT screening population
CN117925835A (zh) 一种结直肠癌肝转移标记物模型及其在预后及免疫治疗响应预测的应用
CN117594232A (zh) Mycn扩增差异基因和衰老基因组合神经母细胞瘤预后模型
Sun et al. Diagnostic performance of anti-MAGEA family protein autoantibodies in esophageal squamous cell carcinoma
CN105037534B (zh) 一种检测肺癌标志物myc抗原表位氨基酸序列及应用
Zhang et al. Diagnostic value of periostin in lung cancer‐related malignant pleural effusion
Martinelli et al. Preoperative anti-class III β-tubulin antibodies as relevant clinical biomarkers in ovarian cancer
CN110373466B (zh) 一种标记物组合及其在制备结直肠癌诊断试剂中的应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant