Strategia genomiczna mająca na celu poprawę rokowania we wczesnym stadium niedrobnokomórkowego raka płuca ad

Charakterystyka pacjentów i nowotworów. Przeanalizowaliśmy 198 próbek guza z trzech kohort pacjentów z NSCLC. Kohorta szkoleniowa składała się z 89 pacjentów zapisanych do Laboratorium Prognostycznego Duke Lung Cancer. Niezależne kohorty walidacyjne obejmowały pacjentów w dwóch wieloośrodkowych próbach grupowej współpracy: 25 pacjentów z grupy American College of Surgeons Oncology Group (ACOSOG) Z0030 i 84 z prospektywnej próby 9761 raka B i białaczki grupy B (CALGB). Tabela zawiera wykaz klinicznych i demograficznych cech pacjentów w każdej kohorcie i ich guzach, a pełne szczegóły są wymienione w Tabeli Dodatkowego Dodatku, dostępnej wraz z pełnym tekstem tego artykułu na stronie www.nejm.org. Wszyscy pacjenci zostali zapisani zgodnie z protokołami zatwierdzonymi przez instytutową komisję odwoławczą Uniwersytetu Duke, po uzyskaniu pisemnej zgody. Ocena histopatologiczna
Dla każdej kohorty pojedynczy patolog dokonał przeglądu wszystkich preparatów, aby ustalić, czy spełniają one kryteria histopatologiczne NSCLC Światowej Organizacji Zdrowia, w tym podtyp gruczolakoraka i stopnie różnicowania, inwazję limfatyczną i inwazję naczyń. W analizie wykorzystano jedynie próbki o zawartości komórek nowotworowych powyżej 50 procent.
Macierze ekspresji genów
Całkowity RNA ekstrahowano z tkanki nowotworowej za pomocą RNeasy Kits (Qiagen). Jakość RNA oceniano za pomocą bioanalizatora (model 2100, Agilent). Cele hybrydyzacji zostały przygotowane z całkowitego RNA zgodnie ze standardowymi protokołami Affymetrix (szczegółowo opisane w dodatkowym dodatku, wraz z metodami wykorzystywanymi do skanowania macierzy i normalizacji uzyskanych danych). Testy na mikromacierzach przeprowadzono za pomocą Affymetrix GeneChips (U133 Plus2). Wszystkie surowe dane i dane przekształcane za pomocą niezawodnej wielowymiarowej średniej miary ekspresji dla zestawów danych Duke, ACOSOG i CALGB są dostępne w innym miejscu (numer dostępu GSE3593 w bazie danych Gene Expression Omnibus pod adresem www.ncbi.nlm.nih.gov/ geo).
Analiza statystyczna
Przeprowadziliśmy analizy statystyczne z wykorzystaniem analizy drzewa meta-genów i drzewa predykcyjnego binarnego, jak opisano wcześniej25-29 i szczegółowo w dodatkowym dodatku. Metagena dla klastra genów jest dominującym czynnikiem pojedynczym (głównym składnikiem), jak obliczono przy użyciu pojedynczej wartości dekompozycji poziomów ekspresji genów w klastrze genów we wszystkich próbkach. Metagene reprezentuje dominujący średni wzór ekspresji zestawu genów w próbkach guza.25
Następnie użyliśmy zestawu metagenów i wcześniej przedstawionych zmiennych klinicznych o wartości prognostycznej (wiek, płeć, średnica guza, stopień zaawansowania choroby, podtyp histologiczny i historia palenia) w binarnej analizie drzewa klasyfikacyjnego, aby rekurencyjnie podzielić próbki mniejsze podgrupy. W obrębie tych podgrupy przewidywania nawrotu (z 0 oznaczającym 5-letnie przeżycie wolne od choroby i reprezentujące śmierć w ciągu 2,5 roku od wstępnej diagnozy NSCLC) dokonano w odniesieniu do szacowanych względnych prawdopodobieństw.26,30,31 W analizie wiele drzew klasyfikacyjnych zostało wyliczonych, zważonych i zintegrowanych w celu zapewnienia ogólnych prognoz ryzyka dla każdego pacjenta
[przypisy: rehabilitacja dla dzieci, usg leszno, lekarz rodzinny jeżyce ]
[hasła pokrewne: mallak gniezno, nexteer gliwice, fama milicz ]