文章发表于2020年9月，此前该研究团队鉴定了胃癌患者预后标志物的53个基因，他们可以有效的预测患者的OS，因此本文进一步利用来自三家医院胃癌患者的福尔马林固定石蜡包埋(FFPE)组织，建立高通量mRNA杂交基因表达检测方法，量化53个基因表达。继而结合交叉验证，建立基于胃癌患者53个基因特征数据的预后预测模型。评估FOLFOX化疗效益。 因此看一下他们的数据和实验设计的具体情况： 数据库数据和临床数据分类从TCGA cBio-Portal ,下载胃腺癌的mRNA表达水平(TCGA-STAD)数据集，包括407带有生存信息的标本。每个病人的预后评分系统是计算使用formula = b1 (average coefficient of gene 1) * x1 (expression level of gene 1) + b2 * x2 + . . . + b53 *x53. 然后根据患者的得分对其进行排序，并在再采样训练集中将其分为三组。对100个训练集(271例患者)进行多变量Cox回归分析，平均系数值并计算每个患者的预后评分。然后每个特征的病人进行三分位数分割，重组训练样本，记录cut-point值。Kaplan-Meier 和 Cox回归分析定义100个样本中有效重组数据集的OS差异，最后，计算“良，中，差”三组中的hazard ratio 值。 比较现存的预后特征差异与4基因、6基因和23基因的panels相比，“良，中，差”三组的HR值分别高于这三个panels 4.30-、1.48-和1.40-倍，如下所示。53个基因特征相比与之前发表的3个基因特征具有显著差异（(p<0.0001 by Mann-Whitney U test）。这些数据表明,53-gene score显著表现优于其他基因特征，有识别胃癌患者OS的能力。 

四种预后特征在胃癌患者预后表现的比较 53-gene特征诊断与分子亚型无关为了分析53-gene特征是否会在胃癌的某些分子亚型中富集的预后影响，对TCGA-STAD队列进行了K-M生存分析，得到了分子亚型注释。K-M分析包括OS、log-rank p-value和HR with对四种分子亚型进行95%置信区间(CI)分析，并记录每种分子亚型在三种预后评分中患者的百分比分布。 结果如a所示，它显示了3个分子亚型预后评分(良、中、差)组中的百分比分布，发现四种亚型间分布无显著差异(P = 0.056卡方检验)。各个分子亚型的K-M图和log-rank p值见 b。与其它亚型相比, 53-gene CIN亚型特征表现出最好的预后性能，但其样本量达到220例。 

Kaplan-Meier分析53基因特征在4种胃癌患者分子亚型中的情况 53-gene score对预后的影响与临床因素无关最后，采用单变量Cox回归分析，对TCGA-STAD各个临床因素的HR及其95% CI值进行综合分析，包括年龄，性别，TNM分期，Lauren分类，WHO分类，原发肿瘤部位和淋巴结比例以及四种分子亚型，筛选对患者生存率有显著影响的类型。最后对这些参数进行与53基因预后评分相关的多变量Cox回归分析。单变量Cox回归结果发现，53基因特征被证明是一个独立的预后因素(表1)。 表1

胃癌患者53-gene 预后评分建立本文验证完53-gene 具有独立预后特征后，建立了临床基因表达检测方法，从浙江大学邵逸夫医院，南京鼓楼医院和浙江大学绍兴人民医院分别获得不同分期胃腺癌切除患者的540例样本，其中506例患者在胃切除术后接受了不同方案和/或联合化疗，其中121例没有明确信息。129例接受一线化疗FOLFOX方案(联合亚叶酸、氟尿嘧啶、奥沙利铂)，121例其他药物及联合用药(non-FOLFOX)。通过实验手段，将样本制作成FFPE样本送检。 基于上述分析的53-gene预后评分系统的建立验证策略，如，使用来自三家医院的FFPE样本。 

，研究设计和患者队列的示意图 随机选择邵逸夫医院和南京鼓楼医院病例，采用leave-p-out交叉验证方法，100次重采样建立预后预测模型(a)。对所有100个训练集进行Cox回归分析。然后根据每个重采样训练集的患者的评分对其进行排序，并将其分成三等分组。使用100个再采样训练集的平均tertile cutoff值将患者划分为良、中和不良预后组。采用K-M分析和log-rank检验来确定100次重采样中预后良好组、中度组和不良组间OS的差异。b-c显示了验证集中两个具有代表性的K-M生存情况。d显示的是从中间组与良好组、较差组与良好组的100个重新采样验证集情况。与预后良好组的患者相比，预后不良组的患者在所有100个验证数据集中的OS显著缩短，而中间预后组在某些验证数据集中的OS无显著差异。这些数据清楚地验证了53-gene预后评分对胃癌患者OS的预测。 

53-gene预后评分预测胃癌患者的OS 在独立群组中测试53-gene预后特征然后将上述预测模型应用于3个独立患者和共360例患者组。使用上述训练集中得到的系数值计算每个患者的预后评分，然后根据上述定义的截止值的预后评分将患者分为良好、中等和不良预后组。如a-c所示，K-M分析显示三组胃癌患者的OS结果不同。d为三个患者队列合并后的K-M曲线(log-rank检验P = 0.0018)， 360例患者的良好、中度和不良预后组分布分别为38.1%、21.1%和40.8%。e显示了中间与良好和的HR和95% CI值f显示了三个医院队列的良好预后和不良预后的结果。这些结果进一步证明了53-gene预后评分可以预测胃癌患者的OS。 

53-gene预后评分系统在三个独立验证组和联合验证组的胃癌患者中的结果 53-gene评分在胃癌中的预后价值独立于临床变量多变量Cox回归分析表明,53-gene预后评分系统是一个独立的预后因子。良好,中和不良组患者的分布在各阶段之间存在显著差异(a)。3张K-M图显示了53基因预后评分与I、II和III/IV期患者OS的相关性(b-d)，在II 相比于 III/IV和I期患者中显著趋势。对于T级，三个预后组在T1/T2, T3和T4的百分比分布差异有统计学意义(经卡方检验P < 0.001)(e)，其中53-gene标记对T4级患者的预后影响最为显著(f-h)。 

Kaplan-Meier对不同TNM分期胃癌53基因评分及OS进行分析 53-gene 预测胃癌患者化疗情况为了探讨53基因标记评分是否能够预测胃癌患者辅助化疗的任何好处，文章将患者分为术后接受FOLFOX化疗(N = 129)和其他一线药物/方案联合(其他治疗，N = 121)组。无论采用何种化疗方法，评分良好的患者的OS明显长于评分较差的患者()。在对FOLFOX和其他治疗组的OS进行密切比较时，得分好的患者在FOLFOX的5年OS发生率明显高于其他治疗组。在评分良好的组中，接受手术的FOLFOX化疗患者的5年OS率达到82%，明显高于其他化疗患者5年OS (P = 0.028卡方检验)。并没有观察到两组治疗中、较差评分患者的差异()。这些结果表明，与其他化疗联合治疗相比，评分良好的患者在辅助FOLFOX化疗中获益最大。 

基于胃癌53-gene预后评分的两组化疗总生存率Kaplan-Meier曲线和P值 考虑到FOLFOX是参与本研究的所有患者中最流行的一线治疗方案，文章调研了之前的53-gene评分系统是否可以预测疗效。FOLFOX及其改良方案已被证明对标准化疗难治的进展期胃癌患者具有显著的抗肿瘤活性和耐受毒性。虽然还处于初步阶段，但我们的数据表明53基因标记可能是FOLFOX方案的一个有前途的预测生物标志物，至少在不同分期胃癌的高评分(低风险)患者中使用。 全文只用生存曲线就拿下了一篇文章，有没有感兴趣的数据，联系我们过来试试。对本研究或者想了解更多新颖的生信分析思路添加小姐姐微信哦！