De oprichting en klinische toepassing van een voorspellingsmodel van longkanker metastase op afstand op basis van de genomische kenmerken van circulerende tumorcellen

Longkanker is de meest voorkomende vorm van kanker in mijn land, maar de vijfjaarsoverleving van longkankerpatiënten is slechts 17%. Onder hen is de uitzaaiing van de tumor de grootste reden die de prognose van de patiënt beïnvloedt. Er zijn zeer weinig klinische methoden die geschikt zijn voor de behandeling van uitgezaaide longkanker en het genezende effect is niet goed. Daarom zijn vroege monitoring en interventies om kolonisatie van metastasen op afstand te voorkomen de sleutel tot het verbeteren van de overleving van longkanker. Uit het vooronderzoek van dit project is gebleken dat circulerende tumorcellen in perifeer bloed kunnen worden gebruikt als een effectief middel voor klinische diagnose en behandeling van kwaadaardige longtumoren. Door de analyse van het verschil in metastase in tijd en ruimte van longkankerpatiënten, is gebleken dat de genomen van verschillende metastasestadia en metastatische organen van longkanker behoorlijk verschillen, en nauw verband houden met de overleving van de patiënt. Om deze reden stellen we de hypothese voor dat de genomische mutatiekenmerken van circulerende tumorcellen tumormetastasesignalen eerder kunnen detecteren dan CT-beeldvormingsdiagnose. Om deze hypothese te testen, zullen we een risicobeoordelingssysteem voor kankermetastasen ontwikkelen op basis van tumorgenomics. Ten eerste verzamelen we grote gegevens over het genoom van primaire en uitgezaaide longkanker uit openbare databases en gebruiken we statistische methoden om genomische kenmerken uit te filteren die significant gerelateerd zijn aan uitgezaaide longkanker en zijn uitgezaaide kolonisatie-organen. Ten tweede, deze functies gebruiken om een ​​reeks machine learning-modellen te ontwikkelen die het risico op uitzaaiing van een longkanker kunnen bepalen op basis van de genoomkenmerken. Ten slotte hebben we het model toegepast in de klinische praktijk. Door de circulerende tumorcellen van patiënten met primaire longkanker tijdens het heronderzoek te detecteren, hebben we een statistisch ruisonderdrukkingsmodel opgesteld om de genomische kenmerken te extraheren en vervolgens in het model te vervangen om de circulerende tumorcellen die door de patiënt worden gedragen te bepalen. Of er een risico is van recidief en metastase. Door de beeldvormingsgegevens in de review te vergelijken, zullen we verifiëren of het model vroege metastasesignalen van longkanker eerder detecteert dan beeldvormingsmethoden. Uiteindelijk zal ons model genomische markers aggregeren die verband houden met metastaserisico's, hun medicijntargeting onderzoeken en krachtige big data-analyseondersteuning bieden voor vroege interventie bij metastasekolonisatie en het verlengen van de overleving van longkankerpatiënten. Als het onderwerp wordt aangetoond, zal het helpen om het gebruik van big data-analyse van het tumorgenoom te verduidelijken om de genomische driver-mutaties van uitgezaaide longkanker te onthullen; de haalbaarheid aantonen van circulerende mutaties in het genoom van de tumorcel om het risico op uitzaaiing van longkanker te voorspellen; en ten slotte het PI3K/Akt/mTOR-signaal verduidelijken. Kunnen remmers van de route worden gebruikt als een doelwit voor vroege interventie bij metastase van longkanker.