本發(fā)明涉及生物醫(yī)學領域，具體涉及用于預測肺鱗癌患者預后的系統(tǒng)。
背景技術：
：肺癌是當今世界上癌癥相關死亡中最常見的原因，而其中80％為非小細胞肺癌(NSCLC)。TNM分期是目前為人們所普遍接受的臨床分期系統(tǒng)，被用于預測預后并指導非小細胞肺癌患者的治療。然而，目前的TNM分期系統(tǒng)遠不足以準確預測非小細胞肺癌患者的預后情況。比如，對于肺癌患者來說，即使處于臨床Ⅰ期，肺癌的復發(fā)率也高達35-50％。另外，相當一部分患者僅靠手術方式即能治愈，這些病人應該可以避免基于當前TNM系統(tǒng)而進行輔助性化療所帶來的極強副反應。為了提高對非小細胞肺癌患者預后的預測效果，人們已經(jīng)投入了極大努力去鑒定和識別其相關的分子標志物譜。很多研究肺癌的團隊都曾報道過具有不同預后能力的基因表達譜。然而，到目前為止還沒有一個基因表達譜應用于非小細胞肺癌臨床預后的預測。肺鱗癌又稱肺鱗狀上皮細胞癌，占原發(fā)性肺癌的40％～51％，多見于中老年男性，與吸煙有密切關系。主要是由支氣管黏膜柱狀上皮細胞化生后形成的，包括支氣管上皮細胞受慢性刺激和損傷、纖毛喪失、基底細胞鱗狀化生或典型增生等。肺鱗癌以中央型肺癌多見，并有胸管腔內生長的傾向，肺鱗癌早期常引發(fā)支氣管狹窄，或阻塞性肺炎。肺鱗癌的惡性程度變異較大，一般來說與其他幾種肺癌相比，鱗癌生長較為緩慢，往往發(fā)現(xiàn)時腫瘤已經(jīng)生長較大。技術實現(xiàn)要素：本發(fā)明所要解決的技術問題是如何對肺鱗癌患者進行預后預測。為解決上述技術問題，本發(fā)明首先提供了用于預測肺鱗癌患者預后的系統(tǒng)，包括檢測EGFR、p38α、AKT1、SOX2和E-cadherin這五種蛋白質表達量的系統(tǒng)。上述用于預測肺鱗癌患者預后的系統(tǒng)中，所述檢測EGFR、p38α、AKT1、SOX2和E-cadherin這五種蛋白質表達量的系統(tǒng)可包括通過免疫組織化學染色方法測定所述五種蛋白質的表達量所需的試劑和/或儀器。上述用于預測肺鱗癌患者預后的系統(tǒng)中，所述用于預測肺鱗癌患者預后的系統(tǒng)包括包括蛋白質表達量數(shù)據(jù)處理系統(tǒng)，所述蛋白質表達量數(shù)據(jù)處理系統(tǒng)用于將來自待預測肺鱗癌患者的分離的肺鱗癌組織(手術切除的肺鱗癌組織)中所述五種蛋白質表達 量轉換為所述待預測肺鱗癌患者的預后分值，根據(jù)所述待預測肺鱗癌患者的預后分值預測所述待預測肺鱗癌患者的預后。上述用于預測肺鱗癌患者預后的系統(tǒng)中，所述蛋白質表達量數(shù)據(jù)處理系統(tǒng)內設模塊1-a和模塊1-b，所述模塊1-a用于將來自待預測肺鱗癌患者的分離的肺鱗癌組織中所述五種蛋白質表達量轉換為所述待預測肺鱗癌患者的預后分值，所述模塊1-b用于根據(jù)所述待預測肺鱗癌患者的預后分值預測所述待預測肺鱗癌患者的預后。所述檢測EGFR、p38α、AKT1、SOX2和E-cadherin這五種蛋白質表達量的系統(tǒng)在制備預測肺鱗癌患者預后的系統(tǒng)中的應用也屬于本發(fā)明的保護范圍。所述檢測EGFR、p38α、AKT1、SOX2和E-cadherin這五種蛋白質表達量的系統(tǒng)和蛋白質表達量數(shù)據(jù)處理系統(tǒng)在制備預測肺鱗癌患者預后的系統(tǒng)中的應用也屬于本發(fā)明的保護范圍；所述蛋白質表達量數(shù)據(jù)處理系統(tǒng)為上述任一所述蛋白質表達量數(shù)據(jù)處理系統(tǒng)。上述應用中，所述檢測EGFR、p38α、AKT1、SOX2和E-cadherin這五種蛋白質表達量的系統(tǒng)可包括通過免疫組織化學染色方法測定所述五種蛋白質的表達量所需的試劑和/或儀器。上述用于預測肺鱗癌患者預后的系統(tǒng)中，所述五種蛋白質均來自于人(Homosapiens)。上述用于預測肺鱗癌患者預后的系統(tǒng)中，所述肺鱗癌患者為經(jīng)手術切除肺鱗癌組織的肺鱗癌患者。上述用于預測肺鱗癌患者預后的系統(tǒng)中，檢測上述五種蛋白質的表達量的系統(tǒng)具體可為免疫組織化學染色方法測定上述五種蛋白質的表達量所需的試劑和/或儀器，如EGFR的單克隆抗體或多克隆抗體、p38α的單克隆抗體或多克隆抗體、AKT1的單克隆抗體或多克隆抗體、SOX2的單克隆抗體或多克隆抗體和E-cadherin的單克隆抗體或多克隆抗體。為解決上述技術問題，本發(fā)明還提供了一種預測肺鱗癌患者預后的方法。本發(fā)明所提供的預測肺鱗癌患者預后的方法，包括：C、檢測來自待預測肺鱗癌患者的分離的肺鱗癌組織樣本的EGFR、p38α、AKT1、SOX2和E-cadherin這五種蛋白質表達量；D、將所述五種蛋白質表達量轉換為所述待預測肺鱗癌患者的預后分值，根據(jù)所述待預測肺鱗癌患者的預后分值預測所述待預測肺鱗癌患者的預后。上述方法中，預后分值也可以通過“組合分子標志物篩選及模型構建軟件”(軟件著作權登記號為2014SR142190)獲得。上述方法中，所述五種蛋白質表達量可根據(jù)免疫組織化學染色方法獲得。上述方法中，所述分離的肺鱗癌組織樣本可來自所述待預測肺鱗癌患者的分離的 肺鱗癌組織經(jīng)過福爾馬林固定石蠟包埋制備的樣本或來自所述待預測肺鱗癌患者的分離的肺鱗癌組織的冰凍切片。上述方法中，所述五種蛋白質表達量轉換為所述待預測肺鱗癌患者的預后分值的方法可包括將所述五種蛋白質表達量轉化為蛋白質表達量向量，將所述蛋白質表達量向量代入公式1得到f(v)，將f(v)代入公式2，得到所述待預測肺鱗癌患者的預后分值；所述公式1為：所述公式1中，v是蛋白質表達量向量，簡稱向量，sv_coef(i)是支持向量的系數(shù)，SV(i)是支持向量；所述公式2為：所述公式2中，prob(v)為待預測肺鱗癌患者的預后分值。所述蛋白質表達量向量以v表示，v＝(xAKT1,xE-cadherin,xEGFR,xp38α,xSOX2)。上述方法中，根據(jù)所述待預測肺鱗癌患者的預后分值預測所述待預測肺鱗癌患者的預后可為通過受試者工作特征曲線(ROC曲線)確定診斷閾值，比較所述待預測肺鱗癌患者的預后分值和所述診斷閾值的大小，如果所述待預測肺鱗癌患者的預后分值小于或等于所述診斷閾值，所述待預測肺鱗癌患者的預后不良，如果所述待預測肺鱗癌患者的預后分值大于所述診斷閾值，所述待預測肺鱗癌患者的預后良好。預后判斷也可通過“非小細胞肺癌預后判斷軟件”(軟件著作權登記號為2014SR157070)獲得。所述通過受試者工作特征曲線確定診斷閾值是以具有統(tǒng)計學意義數(shù)量的正常肺組織中所述五種蛋白質表達量為對照，根據(jù)具有統(tǒng)計學意義數(shù)量的肺鱗癌組織中所述五種蛋白質表達量和相應的肺鱗癌患者分組信息制作受試者工作特征曲線，ROC曲線上的最優(yōu)值為閾值；所述分組信息是肺鱗癌患者從手術切除肺鱗癌組織開始存活的時間，3年以上(大于等于3年)為一組，不足3年(小于3年)為一組；所述最優(yōu)值是在特異性最大的基礎上敏感性盡可能地大。為解決上述技術問題，本發(fā)明還提供了D1)和/或D2)中的應用：D1)EGFR、p38α、AKT1、SOX2和E-cadherin五種蛋白質作為標志物在預測肺鱗癌患者預后中的應用；D2)EGFR、p38α、AKT1、SOX2和E-cadherin五種蛋白質作為標志物在制備預測 肺鱗癌患者預后的產(chǎn)品中的應用。本發(fā)明還提供了一種產(chǎn)生肺鱗癌相關蛋白質特征譜的方法，包括檢測來自TNMI-III期肺鱗癌患者的分離的肺鱗癌組織樣本中EGFR、p38α、AKT1、SOX2和E-cadherin五種蛋白質表達量的步驟。本申請中所述肺鱗癌患者可為TNMI-III期肺鱗癌患者。進一步，本申請中所述肺鱗癌患者具體可為TNMIB-IIIA期肺鱗癌患者。本申請中所述預后不良是從手術切除肺鱗癌組織時間開始存活時間不足3年，所述預后良好是從手術切除肺鱗癌組織時間開始存活時間為3年及3年以上。本申請中所述待預測肺鱗癌患者的分離的肺鱗癌組織可為手術切除的肺鱗癌組織。本申請中所述EGFR在NCBI的記錄名(RecName)為受體酪氨酸蛋白激酶ErbB-1(ReceptorTyrosine-ProteinKinaseErbB-1)；所述p38α在NCBI的記錄名(RecName)為絲裂原活化蛋白激酶14(Mitogen-activatedproteinkinase14)；所述AKT1在NCBI的的記錄名(RecName)為V-Akt的小鼠胸腺瘤病毒癌基因同源1(V-AktMurineThymomaViralOncogeneHomolog1)；所述SOX2在NCBI的記錄名(RecName)為性別決定區(qū)Y框蛋白2(SRY(SexDeterminingRegionY)-Box2)；所述E-cadherin在NCBI的記錄名(RecName)為1型鈣粘蛋白(Cadherin1,Type1,E-Cadherin(Epithelial))。本發(fā)明中，肺腫瘤組織樣本中北京大學人民醫(yī)院有88名鱗癌患者病例滿足樣本入選標準，將其作為北京鱗癌樣本群，將北京鱗癌樣本群命名為BJ鱗癌群。在BJ鱗癌群中隨機選擇三分之二的樣本(58例)作為鱗癌訓練組，另三分之一的樣本(30例)作為鱗癌測試組。肺腫瘤組織樣本中重慶西南醫(yī)院有82名鱗癌患者病例符合樣本入選標準，將其作為重慶獨立驗證鱗癌樣本群，將重慶獨立驗證鱗癌樣本群命名為CQ鱗癌群。通過對鱗癌訓練組樣本的組織微陣列(TMA)進行免疫組化(IHC)染色，我們分析了75個在腫瘤發(fā)生發(fā)展過程中起關鍵作用的信號蛋白質的表達水平。通過隨機森林算法和支持向量機算法的結合，得到了肺鱗癌(ADC)相關蛋白質的特征譜并開發(fā)出分類模型，即5-蛋白質模型。然后用鱗癌測試組樣本和CQ鱗癌群對P5-ADC預后鱗癌方法進一步進行驗證。結果表明，由五個蛋白質EGFR、p38α、AKT1、SOX2和E-cadherin組成的P5-ADC成套蛋白質為準確預測肺鱗癌的蛋白質特征譜。在鱗癌測試組中，預后良好組患者的3年生存率為72.7％(置信區(qū)間為37.1％-90.3％)，而預后不良組患者的3年生存率為16.7％(置信區(qū)間為4.1％-36.5％)，預后良好組和預后不良組間風險比為7.67(置信區(qū)間為3.96-39.34)；在CQ鱗癌群，預后良好組患者的3年生存率為97.6％(置信區(qū)間 為83.6％-99.7％)，而預后不良組患者的3年生存率為29.3％(置信區(qū)間為16.4％-43.4％)，兩組間風險比為2.81(置信區(qū)間為1.65-6.05)。Cox回歸分析表明，鱗癌相關蛋白質的特征譜的效能優(yōu)于TNM分級系統(tǒng)并可作為獨立的預后因子。結果還表明，本發(fā)明所提供的P5-ADC預后鱗癌方法可準確預測肺鱗癌的臨床預后情況，顯著提高了肺鱗癌患者的預后預測水平；P5-ADC預后鱗癌方法還對TMN分級的鱗癌患者進一步預后。附圖說明圖1為P5-ADC預后鱗癌方法的確立和效能驗證。其中A為鱗癌訓練組的ROC曲線；B為鱗癌訓練組的預后；C為鱗癌測試組的預后；D為BJ鱗癌群的預后分值分布、預后預測結果、鱗癌特征譜及患者試劑生存狀態(tài)總圖；E為CQ鱗癌群的預后；F為CQ鱗癌群的預后分值分布、預后預測結果、鱗癌特征譜及患者試劑生存狀態(tài)總圖。圖2為P5-ADC預后鱗癌方法對臨床TMN分級的鱗癌患者的預后。其中A為TMNⅠB期鱗癌患者的預后；B為TMNⅡ期鱗癌患者的預后；C為TMNⅢA期鱗癌患者的預后。具體實施方式下述實施例中所使用的實驗方法如無特殊說明，均為常規(guī)方法。下述實施例中所用的材料、試劑等，如無特殊說明，均可從商業(yè)途徑得到。下述實施例中所涉及的名詞解釋：預后良好：從手術切除腫瘤時開始，患者生存時間超過3年。預后不良：從手術切除腫瘤時開始，患者在3年內死亡。總生存期(OS)：從接受肺癌根治性外科手術到任何原因造成的死亡或最近一次隨訪之間的時間段。總體生存率：一個群體特定時間點時的存活率。受試者工作特征曲線(receiveroperatingcharacteristiccurve，簡稱ROC曲線)：是根據(jù)一系列不同的二分類方式(分界值或決定閾)，以靈敏度(真陽性率)為縱坐標，1-特異性(真陰性率)為橫坐標繪制的曲線。ROC曲線下面積是重要的試驗準確度指標，ROC曲線下面積越大，試驗的診斷價值越大。靈敏度(真陽性率)：實際有病而按試驗標準被正確判斷為有病的百分率，靈敏度越大越好，理想靈敏度為100％。1-特異性(真陰性率)：實際無病而按試驗標準被正確判斷為無病的百分率，特異性越大越好，理想特異度為100％。實施例1、鱗癌相關蛋白質特征譜的發(fā)現(xiàn)、組合分子標志物模型、非小細胞肺癌預后判斷、P5-ADC預后鱗癌方法及有效性的驗證1、鱗癌相關蛋白質特征譜的發(fā)現(xiàn)1.1、病例及樣品所述福爾馬林固定和石蠟包埋的人正常肺組織樣本，由北京大學人民醫(yī)院和西南醫(yī)院組織庫提供。所述福爾馬林固定和石蠟包埋的肺腫瘤組織樣本，由北京大學人民醫(yī)院病理科和重慶西南醫(yī)院病理科的組織庫提供。肺腫瘤組織的提供者(即患者)在2004年到2010年期間在上述醫(yī)院接受了肺癌根治性外科手術并有系統(tǒng)的。本發(fā)明不包括以下情況的病例：既往有惡性腫瘤的病例、在手術前接受過其他手段治療的病例、手術不完全切除的病例、接受過表皮生長因子(EGFR)酪氨酸激酶抑制劑治療的病例、小細胞肺癌的病例、存在被國際肺癌研究協(xié)會(IASIC)標準定義的浸潤性癌前病變的病例以及那些術后30天內死亡的病例。根據(jù)世界衛(wèi)生組織(WTO)采用的組織病理學分類系統(tǒng)，所有病例經(jīng)蘇木精-伊紅(H&E)染色的病理切片，都再次進行集中審查，并確認腫瘤類型、組織學分級以及腫瘤轉移程度。臨床及隨訪信息來自于醫(yī)院的前瞻性病例數(shù)據(jù)庫。肺腫瘤組織樣本中北京大學人民醫(yī)院有88名鱗癌患者病例滿足樣本入選標準，將其作為北京鱗癌樣本群，將北京鱗癌樣本群命名為BJ鱗癌群。在BJ鱗癌群中隨機選擇三分之二的樣本(58例)作為鱗癌訓練組，另三分之一的樣本(30例)作為鱗癌測試組。肺腫瘤組織樣本中重慶西南醫(yī)院有82名鱗癌患者病例符合樣本入選標準，將其作為重慶獨立驗證鱗癌樣本群，將重慶獨立驗證鱗癌樣本群命名為CQ鱗癌群。1.2、制備組織芯片將鱗癌訓練組的石蠟包埋肺腫瘤組織樣本逐一做切片，H&E染色做形態(tài)學觀察，將病變的典型位置標記出來作為穿刺點，然后用環(huán)鉆裝置穿刺肺腫瘤組織蠟塊(直徑2毫米)得到肺腫瘤組織蠟芯。將石蠟包埋的人正常肺組織樣本做切片，H&E染色標記出作為穿刺點，然后用環(huán)鉆裝置穿刺正常肺組織蠟塊(直徑2毫米)得到正常肺組織蠟芯。將上述肺腫瘤組織蠟芯和正常肺組織蠟芯一一配對，轉移至受體蠟塊的陣列中排列，得到組織芯片。每個受體蠟塊包含一張組織芯片，每張組織芯片包含30個鱗癌病例。1.3、免疫組化染色及化學評分將上述1.2制備的組織芯片進行免疫組化染色，具體步驟為：A：烘片、脫蠟與洗片：將組織陣列蠟塊連續(xù)切成4微米厚切片并固定在載玻片上，載玻片經(jīng)過2小時60℃烘烤后，通過二甲苯、梯度乙醇和水依次進行有序浸泡、脫蠟，PBS(pH7.4)洗片3 次，每次3min；B：抗原恢復：將切片95℃進行抗原修復15min；C：加入3％過氧化氫室溫處理30min阻斷內源性過氧化物酶活性；D：加入10％正常山羊血清封閉非特異蛋白質，切片在4℃與75種抗體孵育過夜；E：按照ABC試劑盒(VectorLaboratories公司產(chǎn)品)步驟進行增強處理、加入二抗以及DAB顯色；F：蘇木精染色，切片沖洗干凈并封片。免疫組化分析時使用的部分抗體為：抗EGFR的抗體(兔源單抗、出售公司Epitomics、產(chǎn)品號#1902-1)、抗p38α的抗體(兔源多抗、出售公司SantaCruz、產(chǎn)品號SC-535)、抗AKT1的抗體(兔源單抗、出售公司Epitomics、產(chǎn)品號#1085-1)、抗SOX2的抗體(兔源單抗、出售公司Epitomics、產(chǎn)品號#2696-1)和抗E-cadherin的抗體(鼠源單抗、出售公司BD、產(chǎn)品號610182)。免疫組化染色評價采用改良型免疫組織化學評分(組織病理染色評分)系統(tǒng)進行。該系統(tǒng)通過對病理切片的染色強度以及陽性細胞的百分比定量賦分后進行評估，其中依據(jù)染色強度可定義為0分、1分、2分、3分，分別對應于染色陰性、染色弱陽、染色中陽及染色強陽；同時，統(tǒng)計每個強度陽性細胞的百分比。所有的免疫組化染色切片均經(jīng)3位專業(yè)的病理學家平行評估，且事先不了解患者的臨床信息。若3位病理學家對切片的解讀有分歧，3位病理學家將一起對該切片重新評估，直到達成共識?；瘜W評分計算公式為：每種蛋白質的表達分值＝1×弱陽性百分率+2×中陽性百分率+3×強陽性百分率。1.4、蛋白質表達譜的數(shù)據(jù)處理蛋白質特征譜的數(shù)據(jù)處理：根據(jù)上述1.3的方法逐一評估每個蛋白質的表達分值，將表達分值首先歸一化處理，缺失值被所有腫瘤中該蛋白質表達的中間值替代，然后計算出每個蛋白質的分值和鱗癌訓練組的該蛋白質平均值的表達比，之后表達水平以表達比的log10(表達比)量化。為了避免對數(shù)中0的出現(xiàn)，所有分數(shù)都加上0.01。1.5、鱗癌相關蛋白質的特征譜將鱗癌訓練組應用隨機森林算法得到各個蛋白質的重要性指標。使用袋外數(shù)據(jù)[out-of-bag(OOB)]誤差最小化準則，依次消減最不重要的蛋白質，較小OOB誤差的若干蛋白質即作為肺鱗癌相關蛋白質的特征譜。上述過程是通過在隨機森林軟件包上使用RvarSelRF包程序實現(xiàn)的。支持向量機(SVM)是用來開發(fā)帶特征譜的訓練組的分類模型。選擇徑向基函數(shù)(RBF)內核進行SVM訓練，因為當類特征譜與屬性之間非線性時，通過非線性映射樣品到高維空間，內核可以處理這些情況。RBF內核的兩個參數(shù)C和γ都可以使用網(wǎng)格搜索策略進行調諧。分類模型經(jīng)SVM的最優(yōu)C和γ訓練而成。在訓練階段，SVM的性能通過5倍交叉驗證精度進行評估。1.6、統(tǒng)計分析由于患者的死因難以完全準確定義，使用特定的生存點作為生存終點可能帶來潛在偏離，因此我們以從手術切除腫瘤時間開始的總生存作為我們主要的分析事件。用Kaplan-Meier分析患者總體生存率。用雙側對數(shù)秩(two-sidedlog-rank)檢驗分析預后良好患者的生存時間、預后不良患者的生存時間以及輔助化療的效能。相關的變量，包括鱗癌相關蛋白質的特征譜確定、患者年齡、吸煙指數(shù)、組織學類型、腫瘤大小和疾病階段等，都通過單變量和多變量Cox比例風險分析的結果進行比較。Wald似然比(Waldlikelihoodratio)檢驗應用于檢驗單變量和多變量分析，以評估是否具有統(tǒng)計學意義。Cox比例風險分析和雙側對數(shù)秩檢驗同時也用于比較是否接受輔助性化療的患者之間的總體生存率。所有的統(tǒng)計測試，以預設的雙側α小于0.05視為有統(tǒng)計學意義。上述分析都是在R編程語言(3.0.2版本)下完成。根據(jù)上述1.1—1.6的方法，本發(fā)明以鱗癌訓練組為樣本，通過檢測與腫瘤發(fā)生發(fā)展密切相關的75個信號蛋白質的表達水平發(fā)現(xiàn)肺鱗癌相關蛋白質的特征譜。肺鱗癌相關蛋白質的特征譜包括五種蛋白質，五種蛋白質的名稱分別為EGFR、p38α、AKT1、SOX2和E-cadherin。肺鱗癌相關蛋白質的特征譜以下簡稱鱗癌特征譜。將這五種蛋白質EGFR、p38α、AKT1、SOX2和E-cadherin組成的成套蛋白質命名為P5-ADC。2、組合分子標志物模型和非小細胞肺癌預后判斷2.1、組合分子標志物模型將發(fā)現(xiàn)的肺鱗癌特征譜采用支持向量機算法開發(fā)分類模型，該模型全稱為組合分子標志物模型，簡稱為5-蛋白質模型。再對每個患者的預后評分進行計算，預后分值代表了5-蛋白質模型中每個蛋白質的綜合信息。上述5-蛋白質模型可以十分簡單明確的應用于臨床。5-蛋白質模型的使用方法為：⑴對于每個肺鱗癌患者使用免疫組化的方法檢測5個標志物蛋白質的表達分值；⑵5個蛋白質分子的表達水平采用下列公式進行歸一化：fs(x)＝-1+2·(x-lower)/(upper-lower)；公式中x是質控標準化后蛋白質分子的表達水平，每個蛋白質對應的Upper(上限)和Lower(下限)在表1中列出；表1.鱗癌標志物蛋白質分子歸一化系數(shù)ProteinLowerUpperAKT1-1.1312490360.211173644E-cadherin-0.7911633840.178873393EGFR-1.2121201460.250277851p38α-0.9701349330.352084361SOX2-0.6507623270.639272285⑶得到5個蛋白質分子歸一化的表達量后，每個患者可以表示為由該5個蛋白質 分子組成的蛋白質分子向量v：v＝(xAKT1,xE-cadherin,xEGFR,xp38α,xSOX2)。⑷將患者蛋白質分子向量v代入下列公式計算f(v)：其中，sv_coef(i)是支持向量的系數(shù)，SV(i)是支持向量(表2)；表2.組合分子標志物模型中的支持向量和系數(shù)⑸將f(v)代入下列公式計算該患者的預后分值：2.2、非小細胞肺癌預后判斷閾值的獲得：鱗癌特征譜的性能由receiver-operatingcharacteristic(ROC)分析進行評估。以正常肺組織中P5-ADC的表達分值為對照，根據(jù)鱗癌訓練組每個患者的P5-ADC的表達分值和患者的分組信息(分組信息是指患者從手術切除時間開始存活的時間，3年以上為一組，3年以下為一組；見表3)用SPSS16.0軟件進行ROC曲線分析。鱗癌訓練組鱗癌特征譜ROC曲線下的面積(AUC)是0.913，表明在鱗癌訓練組中該鱗癌特征譜可以準確的對預后進行預測(圖1中A)。ROC曲線上的最優(yōu)值即為閾值，綜合考慮敏感性和特異性，是指在特異性最大的基礎上靈敏度盡可能地大。基于這個方法，鱗癌訓練組ROC曲線的最優(yōu)值為0.597，即閾值為0.597。在鱗癌訓練組的這一節(jié)點上，肺鱗癌特征譜顯示出75.8％的靈敏度和96.0％的1-特異性，96.2％的陽性預測值和患者3年內死亡的總體精度為84.5％。表3.鱗癌訓練組肺鱗癌相關蛋白質的表達分值和分組信息No.生存時間(月)AKT1E-cadherinEGFRp38αSOX219.531.751.72.31.25023.8000.20.150.3503114.930NA0NA0484.330.351.6501.2505110.130.82.20.10.61.656109.0002.251.250.851.47106.871.32.41.751.9508106.201.72.21.61.851.8595.601.852.32.41.6010105.800NA1.451.301116.231.52.52.41.301221.501.951.852.10.3013103.171.42.451.61.85014103.131.352.41.60.91.81517.231.82.252.10.650.3516101.501.35NA1.31.40177.731.51.651.40.9501875.101.351.51.750.701992.770.61.41.30.202059.531.12.200.650.45214.331.41.651.351.3502213.331.31.82.710.12386.171.21.51.3202485.631.91.850.41.7502558.331.052.220.602681.801.11.91.751.202780.401.21.551.71.81.152879.5722.61.751.902979.501.952.551.40.80.53078.771.151.62.751.30.43131.800.650.40.150.3503278.271.652.251.551.30.23375.230.71.452.80.150343.930.652.21.40.903520.030.41.51.750.70.13671.401.651.91.951.80.653771.172.052.61.711.65382.270.31.91.851.20393.431.90.41.751.204042.601.252.551.250.8504158.031.61.651.61.604262.831.62.31.651.104340.031.150.71.21.10.44461.671.752.71.11.30.84532.270.71.652.30.404659.531.52.251.550.8504758.032.12.61.851.41.754811.7300.252.20.104957.101.751.61.650.350.1506.230.751.651.80.5505130.301.551.452.41.6505215.200.31.850.500.655311.570.61.81.80.90.155414.170.32.320.705516.600.550.71.40.505619.0001.61.650.10.25579.4721.91.050.20.85589.131.451.51.40.60注：“NA”表示無法得到數(shù)值。將步驟2.1得到的預后分值和閾值經(jīng)比較分析后，得到預后良好或預后不良。比 較分析結果判定標準如下：如果所述待測鱗癌患者的預后分值小于或等于閾值(即預后分值小于等于0.597)，則判定該鱗癌患者預后不良；若預后分值大于閾值(即預后分值大于0.597)，則判定該鱗癌患者預后良好。3、P5-ADC預后鱗癌方法a、以待測鱗癌患者的肺腫瘤組織為檢測樣本，按照上述步驟1中所述方法進行免疫組化染色和化學評分，得到P5-ADC的表達分值；b、按照步驟2.1的方法，得到預后分值；c、將上述步驟b得到的預后分值按照步驟2.2的方法，得到預后良好或預后不良。Kaplan-Meier生存分析顯示在鱗癌訓練組中預后良好組3年總體生存率為96.2％(置信區(qū)間為75.7％-99.5％)，而預后不良組總體生存率為25.0％(置信區(qū)間為11.8％-40.7％)(P<0.0001，圖1中B)。4、P5-ADC預后鱗癌方法有效性的驗證4.1、以鱗癌測試組為樣本，對步驟3中P5-ADC預后鱗癌方法的有效性進行驗證。4.2、以CQ鱗癌群為樣本，對步驟3中P5-ADC預后鱗癌方法的有效性進行獨立驗證。與上述4.1不同的是，進行蛋白質表達譜的數(shù)據(jù)處理時，只保留不超過2個缺失蛋白質讀值的患者，對逐一評估CQ鱗癌群中鱗癌相關蛋白質的表達分值，將表達分值用鱗癌訓練組和鱗癌測試組程序進行歸一化處理，缺失值由BJ鱗癌群中該蛋白質表達的中值替代，然后計算出每個蛋白質的分值和CQ鱗癌群的該蛋白質平均值的表達比，之后表達水平以表達比的log10(表達比)量化。為了避免對數(shù)中0的出現(xiàn)，所有分數(shù)都加上0.01。Kaplan-Meier生存分析結果表明，鱗癌測試組中預后良好組3年存活率達72.7％(置信區(qū)間為37.1％-90.3％)，而預后不良組為16.7％(置信區(qū)間為4.1％-36.5％)，預后良好組和預后不良組間風險比為3.51(置信區(qū)間為1.39-7.73)(P＝0.008,圖1中C)；CQ鱗癌群中在預后良好組3年存活率達97.6％(置信區(qū)間為83.6％-99.7％)，預后不良組3年存活率達29.3％(置信區(qū)間為16.4％-43.4％)，兩者間風險比為9.97，置信區(qū)間為4.46-17.99(P<0.001，圖1中E)。將BJ鱗癌群的預后分值分布、預后預測結果、鱗癌特征譜以及患者的實際生存狀態(tài)進行總結，實驗結果見圖1中D。預后分值與患者3年生存率的比較結果顯示，鱗癌特征譜可以預測患者的預后情況。CQ鱗癌群的預后評分分布、預后預測結果、鱗癌特征譜以及患者的實際生存狀態(tài)都與BJ鱗癌群的相似(圖1中F)。進一步證實步驟3的預后方法對鱗癌患者預后預測的有效性。為了進一步分析鱗癌特征譜能否作為一個獨立的預后因子，我們用單變量和多變量Cox回歸分析對模型和現(xiàn)有臨床風險因子(包括病例分級、年齡、吸煙和組織學等)的預后價值進行比較。單變量分析結果顯示，雖然該鱗癌特征譜和臨床分級區(qū)分患者的預后均具有顯著的統(tǒng)計學差異，但對3年總體生存率預測來說，鱗癌特征譜是一個相對更好的預后因子；多變量回歸分析顯示，在消除了病例分級、年齡、腫瘤大小和吸煙因素后，鱗癌特征譜仍可作為一個獨立的的預后因子(表4)。表4.肺鱗癌模型在重慶樣本群中的Cox比例風險分析注：*預后不良組與預后良好組比較；+作為連續(xù)變量實施例2、P5-ADC預后鱗癌方法對TNM分級的鱗癌患者的進一步預后對TNM分級的鱗癌患者的進一步預后的方法為：對經(jīng)TNM分級的任何級別的鱗癌患者(如IB期鱗癌的患者)，按照實施例1的方法獲得P5-ADC的表達分值，然后將該表達分值按照實施例1步驟2.1的方法，得到預后分值；將各預后分值按照實施例1步驟2.2的方法，判定該鱗癌患者預后良好或預后不良。將BJ群和CQ群的樣本整合得到總鱗癌樣本，P5-ADC預后鱗癌方法能將總鱗癌樣本中的每個患者在TNM分級基礎上進一步分成預后不良組或預后良好組(IB期P<0.0001；II期P＝0.0001；IIIA期P＝0.0008)(圖2)。結果表明，P5-ADC預后鱗癌方法可在TNM分級基礎上，對鱗癌患者進一步進行預后。當前第1頁1 2 3