Тестирование микробиома для скрининга колоректального рака (NI-GUILTI)

Колоректальный рак (КРР) является 3-м по распространенности видом рака и 2-й по распространенности причиной смерти от рака во всем мире: в 2020 году было зарегистрировано почти 2 миллиона новых случаев и один миллион смертей. В последние десятилетия программы популяционного скрининга для групп населения со средним риском зарекомендовали себя как эффективная стратегия снижения заболеваемости и смертности от КРР посредством раннего выявления рака. Фекальное иммунохимическое тестирование (FIT), являющееся эталонным диагностическим инструментом в большинстве стран, по-прежнему дает неоптимальную диагностическую эффективность, как с пропуском аденом, так и, главным образом, с ненужными колоноскопиями. По этим причинам в последние годы выявление новых неинвазивных биомаркеров является абсолютно пропагандистским в области КРР. Большой объем данных показывает, что изменения микробиома кишечника и обогащение специфическими таксонами (например, Fusobacterium nucleatum, Parvimonas micra и др.) участвуют в патогенезе КРР. Более того, недавние исследования, включая метагеномный метаанализ нашей группы, обнаружили общие микробные признаки, способные воспроизводимо различать пациентов с КРР и здоровых людей. Основываясь на этих данных, международные руководства недавно рекомендовали использовать биомаркеры на основе микробиома для скрининга КРР в клинической практике, но такие исследования на сегодняшний день еще не доступны.

Основная цель — разработать диагностический инструмент на основе кишечного микробиома для выявления колоректального рака и прогрессирующих колоректальных аденом.

Второстепенные цели:

• Связать FIT с клиническими результатами и результатами колоноскопии.
• Охарактеризовать микробиом кишечника включенных пациентов.
• Связать характеристики микробиома с клиническими результатами и результатами колоноскопии.

Это обсервационное проспективное многоцентровое исследование, в котором пациенты будут отобраны среди тех, кто участвует в национальной программе скрининга колоректального рака (КРР), и среди тех, кто обратится во все центры, участвующие в этом исследовании, для скрининговой колоноскопии.

Для участия в этом исследовании будут рассматриваться пациенты со всеми критериями включения и ни с одним из критериев исключения (подробно описанные в соответствующем разделе этого веб-сайта). Всего будет зарегистрировано n=1006 субъектов. В частности, 838 пациентов будут включены на основе расчета размера выборки и для покрытия 10% риска выбывания. Кроме того, будет включена дополнительная группа из 168 пациентов (20% от общего числа) для использования в качестве внутренней группы проверки для строгой проверки выявленных биомаркеров (группа проверки). Пациенты, включенные в эту группу проверки, будут иметь те же критерии исключения и включения, что и другие пациенты, и будут проходить те же процедуры исследования.

На исходном уровне все зарегистрированные пациенты предоставят образец фекалий (собранный с использованием буфера для сохранения генома) в течение 2 недель с момента регистрации и будут храниться при -80 ° C в каждом клиническом центре, и им будут присвоены обезличенные идентификаторы.

Кроме того, будут записаны демографические, клинические характеристики и лабораторные данные.

Для всех зарегистрированных пациентов врачи записывают следующие данные:

-Знакомая история CRC; -Коморбидные заболевания; -Прием лекарств; -Желудочно-кишечные (ЖКТ) и тревожные симптомы (железодефицитная анемия, кроветворение, необъяснимая потеря веса, боли в животе, внезапное изменение режима дефекации); -Пищевые привычки; -Курение и употребление алкоголя; -ИМТ; -Количественные данные FIT; -Информация о предыдущих FIT и/или колоноскопиях и/или виртуальных колоноскопиях.

Все зарегистрированные пациенты пройдут колоноскопию в течение 4 недель после положительного результата FIT после эндоскопических характеристик колоноскопии (размер, расположение, форма в соответствии с Парижским классом). и будут собраны гистопатологические характеристики обнаруженных поражений.

Распространенные колоректальные аденомы будут определяться как аденомы размером более или равные 10 мм и/или с содержанием ворсинчатого компонента выше или равным 25% и/или дисплазия высокой степени.

Кроме того, пациенты с диагнозом КРР также пройдут компьютерную томографию всего тела для определения стадии заболевания и будут направлены на онкологический путь в клинической практике, а также будут собраны следующие данные: наличие метастазов в лимфатических узлах и метастазов в органах, Класс ТНМ.

Этап регистрации продлится 20 месяцев.

В конце этапа набора исследователи проведут анализ микробиома, а также объединят клинические, эндоскопические и микробные данные с помощью статистических алгоритмов и алгоритмов машинного обучения для идентификации конкретных микробных биомаркеров, связанных с КРР и распространенными колоректальными аденомами, для разработки нового диагностический инструмент, основанный на балльной системе. Аналитическая фаза продлится 4 месяца.

Результаты исследования подробно описаны в соответствующем разделе этого веб-сайта.

Анализ микробиома будет проводиться с использованием методов дробовика. Кроме того, чтобы получить панель видов микробов, в основном связанных с КРР и распространенными колоректальными аденомами, исследователи будут использовать приложения машинного обучения, например, используя широко распространенные алгоритмы случайного леса, а также метааналитические подходы, интегрирующие нашу большую группу с ранее опубликованными метагеномные когорты. Определенная панель видов микробов, в основном связанных с КРР и распространенными колоректальными аденомами, обеспечит комплексную оценку риска, основанную на особенностях микробиома, с двумя конкретными целями: повысить точность тестирования диагностического инструмента FIT и облегчить интерпретацию клиницистами.

Все собранные клинические данные будут статистически объединены для ранжирования микробных особенностей от наиболее связанных к наименее связанным. Эти рейтинги будут использоваться для оценки профиля микробиома нового человека и для сообщения о том, сколько видов, определенных в предыдущей панели, обнаружено и, следовательно, связано с КРР и развитыми колоректальными аденомами. Связи между выявленными видами и интересующими объектами будут оцениваться с помощью надежных методов статистического анализа, таких как частичная корреляция или линейное моделирование. Затем ассоциации будут ранжированы и сравнены по маркерам одного и того же вида, давая каждому виду приоритетную оценку. Особое внимание будет уделено выявлению потенциальных мешающих маркеров, которые, как известно, связаны с различиями в составе микробиома, например, возрастом, которые вместо этого следует использовать в качестве ковариат в статистическом моделировании. В дополнение к статистическому моделированию связи между видами и маркерами также будут оцениваться с помощью подходов ML, особенно тех, которые предоставляют оценки важности признаков для входных признаков (в нашем случае видов), которые можно использовать для ранжирования видов по различным маркерам ( например Случайный лес, ЛАССО и др.).

Непрерывные переменные будут представлены как среднее значение ± стандартное отклонение или как медиана и межквартильный размах (IQR), а категориальные переменные суммируются как частота и процент. Сравнение переменных будет проводиться с помощью t-критерия (или Манна-Уитни/Краскала-Уоллиса), критерия хи-квадрат или точного критерия Фишера, в зависимости от ситуации. Значение p <0,05 будет считаться показателем статистической значимости. Модели логистической регрессии будут использоваться для выявления наличия переменных, независимо связанных с результатами. Переменные, учитываемые в моделях, были выбраны путем поэтапного выбора модели и руководствовались клинической значимостью. Все статистические анализы проводились с использованием SPSS v. 28.0 для Macintosh (SPSS Inc., Чикаго, США). Исследователи будут использовать структуру машинного обучения (ML), основанную на пакете Python scikit-learn, с использованием подхода перекрестной проверки со 100 итерациями начальной загрузки и случайным разделением 80/20 на циклы обучения и тестирования. Алгоритмы классификации и регрессии ML будут обучаться как на таксономической относительной численности на уровне вида микробиома, так и на профилях функционального потенциала. Таксономическая численность на уровне вида будет оценена с помощью MetaPhlAn 4 (с использованием новейших доступных баз данных, в настоящее время называемых Oct22) и нормализована с использованием преобразования arcsin-sqrt для композиционных данных. Профили функционального потенциала будут оценены с использованием последней версии HUMAnN 4, и исследователи рассмотрят как оценки численности отдельных семейств микробных генов, так и метаболических путей. Частичные корреляции между видами и маркерами будут рассчитываться с использованием индекса Спирмена, чтобы избежать систематических ошибок из-за выбросов, и с поправкой на ковариаты, такие как пол, возраст и индекс массы тела, которые, как известно, оказывают влияние на состав микробиома. Значения частичной корреляции будут исправлены с использованием процедуры Бенджамини-Хохберга для оценки уровня ложных обнаружений.