关键词:
肝细胞癌
微血管侵犯
全外显子测序
MutSigCV
通路富集分析
液态活检
循环肿瘤DNA
捕获测序
肝细胞癌
细胞外基质通路
早期肝癌
微血管侵犯
循环肿瘤DNA
术前预测
列线图
摘要:
第一部分 基于早期肝癌组织样品高通量测序筛选MVI相关基因研究目的:微血管侵犯(MVI)是导致肝细胞癌(HCC)肝切除术后肿瘤早期复发的重要危险因素,与病人预后密切相关。既往的研究结果表明多种信号通路可能参与了肝细胞癌的MVI进程,但关注点大多是在基因的表达水平,且难以在术前获得。本研究中我们通过高通量测序技术,检测基因组DNA中MVI相关的突变特征,评估基因组DNA变异对MVI的影响。研究方法:研究共收集东方肝胆外科医院2013年6月至2014年12月间行肝切除治疗的180例早期肝癌病人的组织样品,通过高通量测序及分析,结合MutSigCV(Mutation Significance Covariates)方法筛选 MVI 相关的驱动基因。采用 GO(Gene Ontology)、KEGG(Kyoto Encyclopedia of Genes and Genomes)和 Reactome 数据库对驱动基因进行通路富集分析。结果:通过对16例早期肝癌病人的全外显子测序(WES)数据的分析,得到133个MVI组相关的驱动基因,34个非MVI组相关的驱动基因,通路富集分析表明,细胞外基质(ECM)信号通路是MVI组的关键通路。通过特定基因测序(TGS),我们对164例病人的肿瘤组织分别进行了 57个差异基因和123个肝癌高频突变基因的检测,经过MutSigCV方法分析,我们进一步得到24个有区分MVI潜力的基因,其中,ARID2、IGF2R、DENND5A、PIK3CA、IL6ST 和 ABCG2 可能是影响 MVI 发生机制的关键基因。结论:通过对早期肝癌的高通量测序数据,我们发现和早期肝癌MVI发生进程相关的突变基因和相关信号通路,为后续利用液态活检技术检测MVI突变特征提供了理论基础。细胞外基质信号通路是MVI发生的关键通路,提示肿瘤微环境改变可能影响MVI发生和肝癌早期转移。第二部分 基于液态活检测序检测早期肝癌患者外周血的MVI相关突变特征研究目的:MVI的诊断主要凭借术后对切除标本的组织病理学检查,虽然术前准确预测MVI对外科临床决策有重要的意义,但除了影像学、血清学检查指标,缺乏可以术前获得的MVI相关特征。本研究中,我们通过液态活检技术,提取外周血游离DNA(cfDNA)并进行高深度的测序,进而检测分析与MVI相关的突变特征。研究方法:本部分的研究共收集2016年6月至2017年6月间东方肝胆外科医院行肝切除治疗的214例患者的外周血样品,提取cfDNA和白细胞。cfDNA进行环化和滚环扩增后,再进行文库构建和测序,白细胞直接行常规文库构建和测序。进行cfDNA捕获的DNA探针包含42个基因,主要来源于“第一部分”研究的ECM信号通路基因和24个MVI相关驱动基因。通过比对白细胞的测序结果,利用VarScanv2进行体细胞单核苷酸变异(SNV)和插入缺失变异(InDel)的检测。研究结果:214例早期肝癌病人的外周血样品,其中200例通过了质量监测,进行后续测序分析。所有受检样品中,cfDNA中位浓度为6.09ng/mL,计算得到来源于肿瘤的循环肿瘤DNA(ctDNA)中位浓度为62.54ng/L,每位病人平均测序深度达8000X以上。共检测得到31774个遗传变异和702个体细胞突变,病人突变检出率达78.8%,平均每个病人检出4个体细胞突变。较显著的突变基因包括肿瘤抑制基因TP53、AXIN1和RB1,WNT通路癌基因CTNNB1,染色质重塑基因ARID1A和ARID2,细胞抗氧化防御基因NFE2L2等,细胞外基质信号通路中,FBN3、COL6A3、VCAN亦发现有较高的突变检出率。结论:通过液态活检结合高通量测序技术,我们得以在术前获取早期肝癌患者的MVI相关突变特征。我们设计的MVI-Selector探针组合,对早期肝癌患者有较高的突变检出率,有潜力帮助肝癌患者进行基因突变的术前筛查。第三部分 基于循环肿瘤DNA及高通量测序技术建立早期肝癌术前MVI的预测模型研究目的:术前MVI预测在肝癌患者手术治疗中具有潜在的临床意义,然而,目前尚无成熟的可应用于临床的方法,缺乏具有潜在推广应用前景的相关技术。此部分研究,在之前液态活检和高通量测序数据的基础上,检测外周血循环肿瘤DNA突变特征,结合临床相关变量,建立肝癌MVI预测模型。研究方法:收集2016年6月至12月的125例早期肝癌病人的外周血样品,进行cfDNA检测和测序,结合临床资料建立MVI术前预测模型。2017年3月至6月,前瞻性收集75例病人的样品和资料,作为验证组验证模型效能。液态活检检测及测序方法同“第二部分”。本研究的终点事件是病理诊断的MVI有无,通过单因素Logistic回归和前向性逐步回归进行变量筛选,使用Logistic回归和支持向量机(