Forscher an der
Duke University haben eine neue analytische Ansatz, genetischer und klinischer Daten vereint zu geben Krebspatienten eine individuelle Prognose von ihrem Rezidiv entwickelt. Die Informationen können aber entscheidend dazu entscheiden, wie aggressiv die Erkrankung nach der Operation zu behandeln.
Die Forscher berichteten ihre Ergebnisse mit Brustkrebs als Testfall in der 26. April 2004, online Early Edition der Proceedings of the National Academy of Sciences .
"Derzeit ist es in erster Linie traditionelle klinische Informationen allein, dass erleichtert das Verständnis des Patienten Risikoprofil", sagte Mike West, Ph.D., Arts & Sciences Professor für Statistik und Decision Sciences an der Duke und Hauptautor der Studie. ". Doch die daraus resultierenden Vorhersagen in der Regel pauschal Patienten in große Kategorien Zugriff auf detaillierte genomische Information bietet nun die Möglichkeit, weit darüber hinaus bewegen -. In Richtung maßgeschneiderte Risiko Vorhersagen und Prognosen weiter verbreitet, für den einzelnen Patienten"
Dennoch, die meisten früheren Studien, die auf die Entwicklung von genomischen-basierte Prädiktoren des Wiederauftretens der Erkrankung Risiko konzentriert haben nur grob Patienten so hoch im Vergleich ein geringes Risiko definiert, so dass viel Raum für Fehler über eine Person wahr Wahrscheinlichkeit des Wiederauftretens, sagte der Forscher. Die Macht der Duke-Team-Ansatz, solche Vorhersagen zu verbessern liegt in der kombinierten Einsatz von mehreren Quellen von klinischen und genomischen Daten, sagten sie.
In ihrer Fallstudie von Brustkrebs entwickelten die Duke-Team Methoden, die vielfältige Informationen einschließlich der traditionellen klinischen Variablen, wie Lymphknoten-und Östrogen-Rezeptor-Status und multiple, komplexe Muster der Genaktivität, oder verwenden Sie "genetische Fingerabdrücke" eines Patienten Tumor- . Sie integriert diese Daten, um einzigartige Vorhersagen über einzelne Patienten Rezidivrisiko zu formulieren. Während der Duke-Studie an Patienten mit Brustkrebs konzentriert, den Ansatz für mehr breit, jede Form von Krebs ist und kann jede Art von Informationen über Krankheitsverlauf zu übernehmen, sagte der Forscher.
"Krebs ist eine extrem heterogene Erkrankung", sagte Co-Autor Joseph Nevins, Ph.D. "Deshalb hat jeder Krebs ihre eigene Eigenschaften. Unser Ansatz ermöglicht es uns, charakteristische Muster zugrunde liegenden diesen verschiedenen Krankheitsstadien zu erfassen und diese Informationen benutzen, um informiert Vorhersagen über einen Patienten das Risiko von Rückfällen, die dann auf die beste Behandlung zu treffen sein können . " Nevins ist Direktor des Center for Genome Technology der Universität Institut für Genome Sciences and Policy , und James B. Duke Professor für molekulare Genetik und Mikrobiologie an der Duke University Medical Center.
Die Studie unterstreicht auch die Bedeutung einer multidisziplinären Ansatz - einschließlich klinischer, genomische, Statistik und der Informatik Wissenschaftler - für die Erhebung genomischer Entdeckungen und Technologien bis zur klinischen Anwendung, die Kernziele der Duke IGSP werden, sagte West.
Die neue Studie baut auf den Duke-Teams früheren Untersuchungen , Veröffentlicht in der 10. Mai 2003, Ausgabe von The Lancet, was darauf hinweist, dass genetische Profile konnte genau unterscheiden Brustkrebspatientinnen bei sehr hohen Risiko der Krebs sich auf die Lymphknoten - ein entscheidender Faktor für das langfristige Überleben - von denen bei geringem Risiko.
In der aktuellen Studie zeigten die Forscher ihre Methode in einer Gruppe von 158 Patientinnen mit Brustkrebs an der Koo-Stiftung Sun Yat-Sen Cancer Center in Taipei, für die Primär-Tumor-Biopsien gesammelt worden war und zwischen 1991 und 2001 überhöhte gesehen.
Die Forscher maßen die Aktivität von mehr als 12.500 Gene in den Patienten Tumorproben mittels DNA-Mikroarray-oder Gen-Chip, Technik. Gen-Chip-Technologie funktioniert, indem die relative Häufigkeit von messenger RNA (mRNA) - Moleküle, die als Vorlagen für die Synthese von Proteinen, durchführen die unzähligen Funktionen der Zelle dienen. Die daraus resultierende Genexpressionsprofile bieten "Schnappschüsse" des Tumors Zustand zum Zeitpunkt der Operation. Der Herzog Forscher analysierten diese Genexpressionsprofile zu Clustern von Genen, oder "Metagenes," mit verbundenen Eigenschaften zu identifizieren.
Das Team verwendet diese genomische Information zusammen mit den üblichen klinischen Faktoren für die Patienten in Kategorien, die unterschiedlichen Risiko-Gruppen in Bezug auf das Wiederauftreten von Krebs zu organisieren. Ihre statistische Methode, unter Verwendung sogenannter "Klassifizierung Bäume," sukzessive teilt Patienten in immer kleinere Gruppen mit ähnlichen Risikoprofilen. Eine solche Analyse ist mehrfach nach verschiedenen Klassifikationsschemata wiederholt. Wer viele Lösungen werden dann in genauere Schätzungen der einzelnen Patienten einzigartige Rezidiv Risiko zusammengefasst.
Modelle kombiniert klinische und genomische Daten deutlich besser als die mit genomischen Daten allein gebaut, fand das Team. Das Ergebnis deutet darauf hin, dass neue genomische Information verwendet werden soll, zu ergänzen, nicht ersetzen werden, eher traditionellen klinischen Prädiktoren des Risikos, sagte der Forscher.
"Das ermöglicht es uns, alle verfügbaren Informationen zu nutzen - sowohl traditionelle als auch Variablen und Genexpressionsdaten -. Durch die Krankheit Heterogenität sortieren und bekommen sehr viel näher an eine personalisierte Vorhersage der Krankheitsverlauf Es gibt keinen Grund klinische und genomische Prädiktoren muss ein "entweder / oder" Satz ", sagte Nevins.
Wichtig ist, dass die Forscher hinzu, deren Analyse bietet auch ein Maß für das Vertrauen, mit dem Rezidivrisiko für einen bestimmten Patienten geschätzt werden kann. Solche Maßnahmen des Vertrauens sind kritisch, sagten sie, weil einige Patienten Rezidivrisiko möglicherweise weniger deutlich als andere Informationen, die bestimmen, wie stark Patienten könnten "sollten ihre persönlichen Risikoprädiktion wiegen.
"Wenn relevante klinische und genomische prognostische Faktoren widersprüchliche Informationen über einen Patienten, Risiko-Status bieten, ist es wichtig, dass die daraus resultierende Unsicherheit angemessen vertreten und kommuniziert werden, angemessen zu informieren - und zwar Vorsicht - die klinische Interpretation eines Patienten geschätzte Risiko, und dass Anstrengungen unternommen werden, zu analysieren und zu verstehen, die zugrunde liegende Basis für diesen Konflikt werden ", sagte West.
Die neu entwickelte prädiktive Ansatz wird nun weiter ausgebaut und ausgewertet zusätzliche Patientengruppen. Wenn der Vorgang abgeschlossen, sagte Nevins, der Test sei bereit, in die klinische Praxis in begrenzter Weise zu integrieren. Zum Beispiel könnten Patienten nutzen die Informationen über ihre relative Risiko zwischen einer mehr oder weniger aggressive Therapie zu entscheiden.
Die Methode hat auch anderweitig nutzen, beachten West. Zum Beispiel könnte die Analyse liefern Informationen über Patienten reagieren auf bestimmte Behandlungsmethoden, Maßnahmen, die sinnvoll in die Auswertung von klinischen Studien und der Auswahl der effektivsten Behandlungsmethoden angewendet werden könnte.
Der Herzog Projekt umfasst Mitarbeiter Jennifer Pittman, Ph.D., Erich Huang, MD, Holly Dressman, Ph.D., Cheng-Fang Horng, Andrea Bild, Ph.D., und Edwin Iversen, Ph.D., alle Duke, sowie Skye Cheng, MD, Mei-Hua Tsou, MD, Chii-Ming Chen, MD, und Andrew Huang, MD, von der Koo-Stiftung Sun Yat-Sen Cancer Center in Taipei.