Microbioomtesten voor de screening van colorectale kanker (NI-GUILTI)

Colorectale kanker (CRC) is wereldwijd de derde meest voorkomende kanker en de tweede meest voorkomende doodsoorzaak door kanker, met bijna 2 miljoen nieuwe gevallen en een miljoen sterfgevallen in 2020. In de afgelopen decennia zijn op de bevolking gebaseerde screeningprogramma's voor populaties met een gemiddeld risico uitgegroeid tot een effectieve strategie om zowel de incidentie als de mortaliteit van colorectale borstkanker terug te dringen door vroegtijdige detectie van kanker. De fecale immunochemische testen (FIT), het diagnostische referentie-instrument in de meeste landen, hebben nog steeds een suboptimaal diagnostisch rendement, met zowel gemiste adenomen als vooral onnodige colonoscopieën. Om deze redenen is de identificatie van nieuwe, niet-invasieve biomarkers de laatste jaren absoluut pleitbezorger op het gebied van CRC. Uit een grote hoeveelheid bewijsmateriaal blijkt dat veranderingen in het darmmicrobioom en de verrijking van specifieke taxa (bijv. Fusobacterium nucleatum, Parvimonas micra en anderen) zijn betrokken bij de pathogenese van CRC. Bovendien hebben recente onderzoeken, waaronder metagenomische meta-analyses van onze groep, gemeenschappelijke microbiële kenmerken ontdekt die in staat zijn om op reproduceerbare wijze onderscheid te maken tussen patiënten met dikkedarmkanker en gezonde controles. Op basis van dit bewijsmateriaal hebben internationale richtlijnen onlangs de exploitatie van op microbioom gebaseerde biomarkers voor de screening van colorectale borstkanker in de klinische praktijk bepleit, maar dergelijke onderzoeken zijn tot op heden nog niet beschikbaar.

Het primaire doel is het ontwikkelen van een op het darmmicrobioom gebaseerd diagnostisch hulpmiddel voor de identificatie van CRC en gevorderde colorectale adenomen.

De secundaire doelstellingen zijn:

• Om FIT te associëren met klinische en colonoscopieresultaten
• Karakteriseren van het darmmicrobioom van ingeschreven patiënten
• Om microbioomsignaturen te associëren met klinische en colonoscopieresultaten

Dit is een observationeel prospectief multicenter onderzoek, waarin patiënten zullen worden geselecteerd uit degenen die zijn ingeschreven voor het nationale screeningsprogramma voor colorectale kanker (CRC) en die zullen verwijzen naar alle centra die bij dit onderzoek betrokken zijn voor screening op colonoscopie.

Patiënten met alle inclusiecriteria en geen van de exclusiecriteria (gedetailleerd in het specifieke gedeelte van deze website) komen in aanmerking voor dit onderzoek. Er zullen in totaal n=1006 proefpersonen worden ingeschreven. Meer specifiek zullen 838 patiënten worden geïncludeerd op basis van de berekening van de steekproefomvang en om een ​​uitvalrisico van 10% te dekken. Bovendien zal een extra cohort van 168 patiënten (20% van het totaal) worden ingeschreven om te worden gebruikt als interne validatieset voor rigoureuze validatie van de geïdentificeerde biomarkers (validatiecohort). Patiënten die in dit validatiecohort zijn opgenomen, zullen dezelfde uitsluitings- en inclusiecriteria hebben als andere patiënten en zullen dezelfde onderzoeksprocedures ondergaan.

Bij baseline zullen alle ingeschreven patiënten binnen 2 weken na inschrijving een fecaal monster verstrekken (verzameld met behulp van een buffer voor genoombehoud). Dit monster zal bij -80°C in elk klinisch centrum worden bewaard en er zullen geanonimiseerde ID's aan worden toegewezen.

Bovendien zullen demografische, klinische kenmerken en laboratoriumgegevens worden vastgelegd.

Voor alle ingeschreven patiënten zullen artsen de volgende gegevens registreren:

-Bekende geschiedenis van CRC; -Comorbiditeiten; -Geneesmiddeleninname; -Gastro-intestinale (GI) en alarmsymptomen (bloedarmoede door ijzertekort, hematochezie, onverklaard gewichtsverlies, buikpijn, plotselinge verandering in de stoelgang); -Voedingsgewoonten; -Roken en alcoholgebruik; -BMI; -Kwantitatieve FIT-gegevens; -Informatie over eerdere FIT en/of colonoscopieën en/of virtuele colonoscopieën

Alle ingeschreven patiënten zullen binnen 4 weken na de positieve FIT een colonoscopie ondergaan, na de colonoscopie endoscopische kenmerken (grootte, plaats, vorm gebaseerd op de klasse van Parijs). en histopathologische kenmerken van gedetecteerde laesies zullen worden verzameld.

Gevorderde colorectale adenomen worden gedefinieerd als adenomen groter dan of gelijk aan 10 mm, en/of met villeuze componenten groter dan of gelijk aan 25%, en/of hoogwaardige dysplasie.

Bovendien zullen patiënten met de diagnose CRC ook een CT-scan van het hele lichaam ondergaan om de ziekte in een stadium te brengen en zullen ze worden doorverwezen naar een oncologisch traject in de klinische praktijk, en zullen de volgende gegevens worden verzameld: aanwezigheid van lymfekliermetastasen en van orgaanmetastasen, TNM-klasse.

De inschrijvingsfase duurt twintig maanden.

Aan het einde van de inschrijvingsfase zullen de onderzoekers de microbioomanalyse uitvoeren en zullen de onderzoekers klinische, endoscopische en microbiële gegevens combineren via statistische en machine learning-algoritmen om specifieke microbiële biomarkers te identificeren die geassocieerd zijn met colorectale colorectale adenomen en geavanceerde colorectale adenomen, om zo een nieuwe te ontwikkelen. diagnostisch hulpmiddel, gebaseerd op een scoresysteem. De analytische fase zal 4 maanden duren.

De studieresultaten worden gedetailleerd beschreven in het specifieke gedeelte van deze website.

Microbioomanalyse zal worden uitgevoerd met behulp van shotgun-sequencingtechnieken. Bovendien zullen de onderzoekers, om een ​​panel van microbiële soorten te verkrijgen die meestal geassocieerd worden met CRC en geavanceerde colorectale adenomen, gebruik maken van machine learning-toepassingen, bijvoorbeeld met behulp van de algemeen aanvaarde Random Forest-algoritmen, evenals meta-analytische benaderingen die ons grote cohort integreren met eerder gepubliceerde metagenomische cohorten. Een gedefinieerd panel van microbiële soorten die meestal geassocieerd zijn met CRC en geavanceerde colorectale adenomen zal een uitgebreide risicoscore opleveren op basis van microbioomkenmerken, met twee specifieke doelen: het verbeteren van de nauwkeurigheidstests van het FIT-diagnostisch hulpmiddel en het gemakkelijk interpreteerbaar maken door artsen.

Alle verzamelde klinische gegevens zullen statistisch worden gecombineerd om de microbiële kenmerken te rangschikken van meest naar minst geassocieerd. Deze ranglijsten zullen worden benut om een ​​microbioomprofiel van een nieuw individu te evalueren, en om te rapporteren hoeveel van de gedefinieerde soorten in het vorige panel zijn gevonden, en dus in verband zijn gebracht met CRC en geavanceerde colorectale adenomen. Associaties tussen geïdentificeerde soorten en interessante makers zullen worden geschat door middel van robuuste statistische analysemethoden, zoals gedeeltelijke correlatie of lineaire modellering. Vervolgens worden de associaties gerangschikt en vergeleken tussen markers voor dezelfde soort, waarbij voor elke soort een prioriteitsscore wordt gegeven. Bijzondere zorg zal worden besteed aan het identificeren van potentiële verstorende markers waarvan bekend is dat ze verband houden met verschillen in de samenstelling van het microbioom, bijvoorbeeld leeftijd, die in plaats daarvan zouden moeten worden gebruikt als covariaten in de statistische modellering. Naast statistische modellering zullen de associaties tussen soorten en markers ook worden geëvalueerd via ML-benaderingen, met name die welke de belangrijkheidsscores voor de inputkenmerken (soorten, in ons geval) opleveren, die kunnen worden gebruikt om de soort over de verschillende markers heen te rangschikken ( bijv. Willekeurig bos, LASSO, enz.).

Continue variabelen worden gerapporteerd als gemiddelde ± standaarddeviatie of als mediaan en interkwartielbereik (IQR), en categorische variabelen worden samengevat als frequentie en percentage. Vergelijkingen van variabelen zullen worden gemaakt met behulp van de t-test (of Mann-Whitney/Kruskal-Wallis), Chi-kwadraattest of Fisher's exact-test, afhankelijk van het geval. Een p-waarde <0,05 wordt beschouwd als indicatie voor statistische significantie. Logistische regressiemodellen zullen worden uitgevoerd om de aanwezigheid van variabelen te identificeren die onafhankelijk van elkaar verband houden met de uitkomsten. Variabelen waarmee in de modellen rekening wordt gehouden, werden geselecteerd door middel van stapsgewijze modelselectie en geleid door klinische relevantie. Alle statistische analyses werden uitgevoerd met behulp van SPSS v. 28.0 voor Macintosh (SPSS Inc., Chicago, VS). De onderzoekers zullen een Machine Learning (ML)-framework gebruiken dat is gebaseerd op het scikit-learn Python-pakket, waarbij gebruik wordt gemaakt van een kruisvalidatiebenadering met 100 bootstrap-iteraties en een 80/20 willekeurige verdeling in trainings- en testplooien. Classificatie- en regressie-ML-algoritmen zullen worden getraind op taxonomische relatieve hoeveelheden en functionele potentiële profielen op microbioomsoortniveau. Taxonomische overvloed op soortniveau zal worden geschat door MetaPhlAn 4 (met behulp van de nieuwste beschikbare databases, momenteel Oct22 genoemd) en genormaliseerd met behulp van de arcsin-sqrt-transformatie voor compositiegegevens. Functionele potentiële profielen zullen worden geschat met behulp van de nieuwste HUMANN 4-versie en de onderzoekers zullen zowel schattingen van de overvloed van afzonderlijke microbiële genfamilies als van metabolische routes in overweging nemen. Gedeeltelijke correlaties tussen soorten en markers zullen worden berekend met behulp van de Spearman-index, om vertekeningen als gevolg van uitbijterwaarden te voorkomen en gecorrigeerd voor covariaten, zoals geslacht, leeftijd en body-mass index, waarvan bekend is dat ze een impact hebben op de samenstelling van het microbioom. Gedeeltelijke correlatiewaarden zullen worden gecorrigeerd met behulp van de Benjamini-Hochberg-procedure voor het percentage valse ontdekkingen.