5+分套路：表观相关的预后分数如何构建？

Development and validation of a novel epigenetic signature for predicting prognosis in colon cancer一种预测结肠癌预后的新表观遗传标记的鉴定和验证

一.研究背景

评估结肠癌患者复发的风险很大程度上取决于肿瘤淋巴结转移（TNM）分期。然而，由于肿瘤的异质性，对于具有相同TNM分期的患者，一贯的治疗策略可能会导致差异的临床结果。研究者一直在寻找敏感的生物标志物来鉴定具有高复发风险的患者。

二.分析流程

三.结果解读

1.准备GEO数据集

本研究共纳入919例患者，作者将557例来自GSE39582组的患者以1：1的比例随机分为训练集和内部验证集。将GSE37892，GSE17538和GSE33113集合并为验证集，来验证风险评分签名的预后价值。

2.从训练集中发展表观遗传学特征

将来自GSE39582组的患者按1：1随机分为训练集和内部验证集后，作者对调控表观遗传相关基因的表达进行单变量Cox回归分析，并鉴定出70个基因。

• 接着进行了LASSO回归分析来进一步缩小范围，并鉴定出25个基因（图 1a）。

• 然后作多变量Cox回归分析，鉴定出11个基因与结肠癌患者预后显著关联（图1b）。

图1.新表观遗传调控相关signature的鉴定

3.11个mRNA signature在训练集中的预后价值

根据risk score中位数作为临界值，将训练集中的患者分为高风险组和低风险组。

图2a：与低风险组患者相比，高风险组患者的中位RFS显著缩短。

图3a：接着在训练集中进行了ROC分析来评估11个基因signature的预后准确性。

图2.估计GEO患者的RFS

图3.ROC曲线测试RFS预测的敏感性和特异性

4.在内部、外部验证集和全队列中验证11基因签名的预后预测价值

图2b：在内部验证集中，与低风险组相比，高风险组患者的RFS同样较差。

图2c-d：在外部验证集和全队列中也得到了类似的结果。

接着，同样分别进行ROC分析来验证预后准确性（图 3b-d）。

5.11个基因signature的独立预后价值

表1：多变量Cox分析表明，11个基因signature也是独立预后因素。

表1.结肠癌的单变量和多变量Cox回归分析

图4：K-M分析显示，在患有II期或III期疾病的患者以及接受或不接受化疗的患者中，高风险组的患者RFS同样较差。

在患有II期或III期疾病的患者以及接受或不接受化疗的患者中，11个基因signature仍是强有力的预后因素。

图4.K-M分析

6.开发用于预测结肠癌RFS的列线图

为了预测结肠癌患者的RFS，开发了整合表观遗传调控基因特征，病理分期和辅助化疗的列线图（图 5a-b）。

图5c：1年期的时间依赖性ROC显示，整合后具有更好的预后预测准确性（AUC=0.751）。

图5.列线图以及时间依赖的ROC分析

小结

在本研究中，作者基于GEO数据库，利用LASSO回归，建立表观遗传调控相关基因signature，然后在训练集、验证集中，利用KM分析、ROC分析测试和验证预后的价值和准确性。最后也建立一个较为准确的复发风险预测模型，以便将来对患者根据复发风险进行区分。