Keuhkosyövän kaukaisten metastaasien ennustemallin perustaminen ja kliininen soveltaminen kiertävien kasvainsolujen genomiin ominaisuuksiin

Keuhkosyöpä on kotimaassani yleisin syöpä, mutta keuhkosyöpäpotilaiden viiden vuoden eloonjäämisaika on vain 17 prosenttia. Niistä suurin syy, joka vaikuttaa potilaan ennusteeseen, on kasvaimen etäpesäke. Metastaattisen keuhkosyövän hoitoon soveltuvia kliinisiä menetelmiä on hyvin vähän, eikä parantava vaikutus ole hyvä. Siksi varhainen seuranta ja interventiot etäpesäkkeiden etäpesäkkeiden estämiseksi ovat avainasemassa keuhkosyövän eloonjäämisen parantamisessa. Tämän projektin esitutkimuksessa havaittiin, että perifeerisessä veressä kiertäviä kasvainsoluja voidaan käyttää tehokkaana keinona keuhkojen pahanlaatuisten kasvainten kliinisessä diagnosoinnissa ja hoidossa. Keuhkosyövän etäpesäkkeiden aika- ja tilaeroja analysoimalla havaitaan, että keuhkosyövän eri metastaasivaiheiden genomit ja metastaattiset elimet ovat melko erilaisia ​​ja liittyvät läheisesti potilaan eloonjäämiseen. Tästä syystä ehdotamme hypoteesia, että kiertävien kasvainsolujen genomimutaatio-ominaisuudet voivat havaita kasvaimen metastaasisignaalit aikaisemmin kuin CT-kuvausdiagnoosi. Tämän hypoteesin testaamiseksi kehitämme syövän etäpesäkkeiden riskinarviointijärjestelmän, joka perustuu kasvaimen genomiikkaan. Ensinnäkin keräämme julkisista tietokannoista big dataa primaarisen ja metastaattisen keuhkosyövän genomista ja käytämme tilastollisia menetelmiä sellaisten genomiominaisuuksien seulomiseen, jotka liittyvät merkittävästi metastaattiseen keuhkosyöpään ja sen metastaattisiin kolonisaatioelimiin. Toiseksi näiden ominaisuuksien avulla kehitetään joukko koneoppimismalleja, jotka voivat määrittää keuhkosyövän etäpesäkkeiden riskin sen genomiominaisuuksien perusteella. Lopuksi sovelsimme mallia kliiniseen käytäntöön. Tunnistamalla primaarista keuhkosyöpää sairastavien potilaiden verenkierrossa olevat kasvainsolut uudelleentutkimuksen aikana loimme tilastollisen kohinanvaimennusmallin genomisen ominaisuuksien poimimiseksi ja korvasimme sen sitten malliin potilaan mukana olevien kiertävien kasvainsolujen määrittämiseksi Onko olemassa riskiä. uusiutumisesta ja etäpesäkkeistä. Vertailemalla katsauksessa olevaa kuvausdataa, varmistamme, havaitseeko malli keuhkosyövän varhaiset etäpesäkesignaalit kuvantamismenetelmiä aikaisemmin. Viime kädessä mallimme kokoaa metastaasiriskiin liittyvät genomiset markkerit, tutkii niiden lääkekohdistusta ja tarjoaa tehokkaan big data -analyysituen varhaiselle interventiolle etäpesäkkeiden kolonisoinnissa ja keuhkosyöpäpotilaiden eloonjäämisen pidentämisessä. Jos aihe demonstroidaan, se auttaa selventämään kasvaingenomin big data -analyysin käyttöä metastaattisen keuhkosyövän genomisen ajurimutaatioiden paljastamiseksi; osoittavat kiertävien kasvainsolujen genomin kuljettajamutaatioiden toteutettavuuden ennustaakseen keuhkosyövän etäpesäkkeiden riskiä; ja lopuksi selventää PI3K/Akt/mTOR-signaalia. Voidaanko reitin estäjiä käyttää kohteena varhaisessa interventiossa keuhkosyövän etäpesäkkeisiin.