Yhdistetty ominaisuudet perustuvat MT1-MMP ilme, CD11 + immu- tiheys ja LNR ennustaa kliinisiä tuloksia mahasyöpä-

Yhdistetty ominaisuudet perustuvat MT1-MMP ilme, CD11 + immu- tiheys ja LNR ennustaa kliinisiä tuloksia mahasyövän
tiivistelmä
tausta
monimutkaisuuden vuoksi kasvain microenvironment, yksikään markkeri syöpäsoluista voisi riittävällä ennustaa kliininen tulokset mahasyövän (GC). Tavoitteena Tämän tutkimuksen tarkoituksena oli arvioida ennustetekijöiden roolia yhdistettynä ominaisuuksia, kuten tavanomainen patologian, proteinaasi ja immuuni tietoja GC. Tool Menetelmät
lisäksi patologinen tutkimuksiin, immunohistokemia käytettiin arvioimaan kalvo-tyypin 1 matriisin metalloproteinaasi ( MT1-MMP) ilmaisun ja CD11 + immunosyyttien tiheys kolmen riippumattoman GC kudossiruina sisältävän 184 GC kudoksia. Erilliset ja yhdistetyt ominaisuudet arvioitiin niiden vaikutusta yleiseen eloonjäämiseen (OS).
Tulokset
Huomasimme, että perinteinen tekijöistä, kuten kasvaimen kokoa, histologinen luokka, imusolmuke tila, herakalvoon invaasio ja TNM liittyivät OS (P
< 0,05 kaikille). Lisäksi tilastollisesti merkitseviä eroja OS oli seassa imusolmuke suhde (LNR) alaryhmiin (P
< 0,001), MT1-MMP alaryhmiin (P
= 0,015), ja CD11 + Immunosyyttien tiheys alaryhmiin (P
= 0,031). Tärkeintä on, yhdistetty ominaisuus (MT1-MMP positiivinen, alhainen CD11 + immu- tiheys ja korkea LNR) havaittiin monimuuttujamenetelmin olevan itsenäistä ennustavat tekijät OS jälkeen ilman muita häiritsevien tekijöiden (HR = 3,818 [95% CI: 2,223-6,557 ], P
< 0,001). Lisäksi tämä yhdistetty ominaisuus oli parempi suorituskyky ennustaa kliinisiä tuloksia leikkauksen jälkeen kauan ennen toistumisen oli tapahtunut (AUC-arvo: 0,689 [95% CI: ,609-,768], P
< 0,001).
Johtopäätökset
Nämä havainnot osoittavat, että parempia tietoja GC ennusteeseen voitaisiin saada yhdistetään kliinis-patologisia tekijöitä, kasvainsolut ja kasvaimen microenvironment.
avainsanat
Mahasyöpää ennuste kasvain mikroympäristölle Imusolmuke suhde Background
Mahasyöpää (GC) on neljänneksi yleisin syöpä ja kolmas syy syövän kuoleman maailmanlaajuisesti [1]. Huomattavaa edistystä on tapahtunut varhaisessa diagnosoinnissa syövän, mutta ei ole ollut verrattavissa ennakolta tarkkuutta kliinisen tuloksen ennustaminen [2]. Vain TNM luokittelu International Union Against Cancer (UICC) tai American sekakomitean Cancer (AJCC) käytetään rutiininomaisesti, mikä on tärkein väline ohjata hoitoon strategian GC potilaiden [3]. Kuitenkin GC merkittäviä heterogeenisyys niiden biologinen käyttäytymistä, ja kasvaimet saman kliinisessä vaiheessa on usein eroja taudinkulku ja hoitovasteen [4]. Siten tunnistaminen vaikuttavia tekijöitä ja metastaasit, ja perustamalla biomarkkereiden paneelien ennustaa pahanlaatuinen potentiaalia ja määritellä erilaiset riskiryhmät ovat ensiarvoisen tärkeitä.
Huolimatta vuoden tutkimuksen ja satoja raportteja tuumorimarkkereina GC, numero kliinisesti käyttökelpoisia markkereita on säälittävän pieni [5]. Äskettäin uusi ennustetyövälineenä imusolmukkeiden suhteen (LNR), joka on määritelty määrä MLN jaettuna imusolmukkeiden haetaan, on ehdotettu. Se voi parantaa ennustetta tarkkuutta ja vähentää vaiheessa maahanmuutto verrattuna UICC (2002, 6. laitos) pysähdyspaikan järjestelmä [6, 7]. LNR on pidetty yhtenä parhaista ennusteeseen viittaavia muuttujia ennustamiseksi ennusteen mahasyövän jälkeen parantava leikkauksen retrospektiivinen tutkimukset [8], joka on menestys optimoinnissa perinteisten kliinisten merkkiaineiden. Kuitenkin löytö muut niin sanotut lupaavia merkkiaineiden laboratoriossa merkitsee melko hitaasti kliininen sovellettavuus. Yksi syy tähän on se, että syövän kehittymisen ja etenemisen määritetään yhdessä kehittymiseen välillä kasvainsolujen ja kasvaimen mikroympäris- pikemminkin kuin yksittäisen mutaation [9]. Tällaisen yhteistyön kehittyminen on raportoitu monia tutkimuksia, jotka kaikki viittaavat siihen, että vuorovaikutukset kasvainsolujen ja kasvaimen strooman luoda ainutlaatuinen ja dynaaminen mikroympäristön vaikuttaa kasvaimen etenemistä [10]. Siksi seulonta uusi molekyyli tekijät monimutkainen kasvaimen mikroympäristössä (solu- ja peruskudoskomponentit) on toinen olennainen lähestymistapa tunnistaa ennustavia tekijöitä.
MT1-MMP tunnetaan kalvo-tyyppinen matrix metalloproteinase, ja MT1-MMP-välitteinen soluväliaineen (ECM) hajoaminen kasvainsolujen tai stroomasoluissa on välttämätön syövän invaasio kautta tyvikalvoissa ja strooman interstitiaalinen matriisi [11]. Vaikka MT1-MMP on osoittanut ennustetekijöiden merkitys useissa ihmisen syövissä, kuten rintasyövän, haimasyövän ja peräsuolen syöpä [12, 13], vähän tiedetään tarkka merkitys MT1-MMP GC potilailla. Tärkeimmät avustajat kasvaimeen microenvironment ovat tulehdusta ja tulehdusvälittäjiä [9]. On ehdotettu, että immuunijärjestelmän contexture voi vaikuttaa kliiniseen lopputulokseen syöpäpotilaita, ja immuunijärjestelmän pisteet olisi tärkeää ennustaja verrattavissa TNM luokittelu [14]. CD11 ilmentyy tietyn alijoukon myeloidisolujen, mukaan lukien CD34 + esisolut, monosyytit, granulosyytit, NK-solut ja aktivoidut T-solut, mikä luontaisen immuniteetin [15, 16]. Rooli kasvain immunogeenisyyden ja immunoterapioiden niistä keskustellaan [17]. Laajentaminen tietomme monimutkaisten roolin immuunisolujen GC voisi lopulta tietä kauan odotettu onnistuneen kehittämisen terapeuttisten.
Pohjalta ymmärrystä, tutkimme ennustetekijöitä rooli solun proteinaasi merkki MT1-MMP ja microenvironment immuunimarkkerina CD11 + immunosyyttien GC. Erityistä huomiota kiinnitettiin ennusteen arvioinnissa yhdistetyn ominaisuuksia MT1-MMP, CD11 + immu- tiheys ja LNR. Tool Menetelmät
Potilaat ja seuranta
kirjaa GC potilaista, joille tehtiin leikkaus, jossa on parantava tarkoitus on Syöpätautien, Zhongnan sairaala Wuhan University (Wuhan, Kiina) välillä joulukuussa 2002 ja helmikuu 2011 tarkistettiin. Major demografiset ja kliinis-patologinen ominaisuudet olivat käytettävissä. Ei potilasta sai neoadjuvanttikemoterapian ennen leikkausta. TNM vaihe määräytyy 7. painos UICC /AJCC TNM-järjestelmän [18]. Viimeisimmän seurannan 31. toukokuuta 2012, mediaani seuranta-aika oli 59,5 (alue: 16,8-102,3) kuukautta. Kaikkiaan 108 (58,7%) potilaista kuoli. Kokonaiselinaika (OS) määriteltiin aikaväli alkaen leikkaus GC liittyvä kuolema. Jokainen uusiutumisen Abdominoplastiikka-lantion pesillä määriteltiin paikallisten alueiden uusiutuminen; ja uusiutumisen kautta verenkiertoa määriteltiin kaukainen etäpesäke, kuten maksa etäpesäke ja keuhkojen etäpesäke. Kirjallinen suostumus saatiin potilaiden ja tutkimussuunnitelman hyväksyi eettinen komitea on Zhongnan sairaala Wuhan University. Tutkimus tehtiin mukaan eettisiä Maailman lääkäriliiton Helsingin julistuksen.
Mahasyöpää yksilöitä ja kudossiruina
Kaikki hematoksyliinillä ja eosiinilla (HE) -stained liukuu tutkittiin riippumattomat arvioijat, jotka eivät tienneet kliiniset ominaisuudet tai kliinisiä tuloksia. Kolme kudossiruina (TMA) rakennettiin. Lyhyesti, kaksi ydintä otettiin kunkin edustavan kasvainkudoksen (1,5 mm halkaisijaltaan kullekin ydin). Sitten kolme TMA jaksoon 184 kasvainkudoksista rakennettiin (yhteistyössä Shanghai Biochip Company Ltd., Shanghai, Kiina).
Immunohistokemia ja arviointi Immunohistokemiallisen havaintojen
ensisijainen vasta-aineet MT1-MMP (sc101451, Santa Cruz , USA, laimennus 1/100), CD11 + (ab52478, Abcam, UK, laimennus 1/100), vastaava (HRP) konjugoitua sekundaarista vasta-ainetta (ab97265, ab97200, Abcam, UK, laimennus 1/300), ja diaminobentsidiiniä (DAKO, Tanska) saatiin ja validoitu merkintöjä.
immunohistokemiaprotokol- kuvattiin aiemmin [19]. Lyhyesti, kolmen TMA leikkeet deparaffinised ksyleenillä thenrehydrated kautta kolme muutosta alkoholia. Endogeeninen peroksidaasiaktiivisuus estettiin 0,3% vetyperoksidia 10 minuutin ajan. Antigeeni haku suoritettiin mikroaalloilla hoitoa 0,01 M Tris-EDTA-puskuriin (pH 9,0) 20 minuutin ajan. Laseja inkuboitiin 1 tunnin ajan ensisijainen vasta-MT1-MMP (sc101451, Santa Cruz, Yhdysvallat, laimennus 1/100), CD11 + (ab52478, Abcam, UK, laimennus 1/100). Kun oli pesty Tris-puskuroidulla suolaliuoksella (TBS, pH 7,4), leikkeitä inkuboitiin b vastaavan piparjuuriperoksidaasi (HRP) konjugoitua sekundaarista vasta-ainetta (ab97265, ab97200, Abcam, UK, laimennus 1/300) vielä 50 min. Antigeeni-vasta-reaktio visualisoitiin 3,30-diaminobentsidiiniä (DAKO, Tanska). Sen jälkeen counterstaining hematoksyliinillä, leikkeet kuivattu läpi nouseva alkoholien ksyleeniä ja asennetaan. Positiivista värjäytymistä kontrollit tehtiin rinnakkain parafiinileikkeitä normaalin ihmisen nielurisa. Negatiivinen kontrolli suoritettiin jättämällä pois primaarinen vasta-aine.
Levyt tutkittiin Olympus BX51 fluoresenssimikroskoopilla varustettu Olympus DP72 kameran (Olympus Optical Co., Ltd., Tokio, Japani). Panorama kunkin merkityn ydin saatiin perustuva 4 valokuvat alle pienitehoiset suurennus (x 100), jossa korkean resoluution DP-BSW ohjelmisto (Olympus Optical Co., Ltd., Tokio, Japani). Identtiset asetukset käytettiin jokaisen valokuvan, jotta minimoidaan valinnan bias. MT1-MMP ilmaisun ja CD11 + Immunosyyttien tiheys oli digitaalisesti arvioitiin Image-Pro Plus v6.2 ohjelmisto (Media Cybernetics Inc, Bethesda, MD). Pitääkseen tulokset luotettavia ja vertailukelpoisia, yhtenäinen asetus kaikille diat sovellettiin lukemista kunkin vasta-värjäystä. Integroitu optinen tiheys (IOD) kaikkien positiivisen värjäytymisen MT1-MMP jokaisessa valokuvassa mitattiin, ja sen suhde kokonaispinta-ala on kunkin valokuvan laskettiin MT1-MMP ilme. CD11 + Immunosyyttien tiheys kirjattiin useita positiivisia soluja kohti kudoksen pinta-alayksikköä neliömillimetreinä. Cut pisteitä MT1-MMP tiheys oli selvittävät "paras cut-off lähestymistapa log-rank-testi" [20]. Ja 25. prosenttipiste määriteltiin rajakohta määrittää MT1-MMP negatiivisia että positiivisia ilmaisun alaryhmien tässä tutkimuksessa. Sillä CD11 + immunosyytit tiheys, cut-off-piste määritelmä alaryhmiin (matala ja korkea CD11 + Immunosyyttien tiheys) oli mediaanin.
Tilastollinen analyysi
Tilastolliset analyysit tehtiin SPSS-ohjelmiston (versio 18.0, SPSS Institute, Chicago, IL). Pearsonin χ 2 testiä tai Fisherin testiä käytettiin vertaamaan laadullisia muuttujia. Kaplan-Meier-analyysi käytettiin selviytymisen analyysin ja merkitys joukossa potilaiden alaryhmissä on laskettu log rank -testi. Coxin regressiomallin käytettiin suorittamaan monimuuttujamenetelmin. Logistinen regressio käytettiin arvioimaan vaikutuksen binary tekijöistä. Vastaanotin toimii ominaiskäyrä (ROC) analyysiä käytettiin ennustearvon määrittämiseksi parametrien. Kaksipuolinen P
< 0,05 pidettiin tilastollisesti merkitsevä.
Tulokset
Major kliinis-patologisia piirteitä ja immunohistokemiallinen havainnot
Niistä 184 tapauksista mukana tässä tutkimuksessa oli 132 (71,7%) miehistä ja 52 (28,3%) naisilla, jotka vaihtelivat vuonna ikä 25-85 v (keskiarvo ± SD: 57,9 ± 12,9 vuotta). Tärkeimmät demografiset ja kliinis-patologinen ominaisuudet esiteltiin taulukossa 1.Table 1 Potilaiden demografiset ja kliinis-patologisten ominaisuuksien
erät
Arvo
Age (M ± SD, v)
57,9 ± 12,9
Sukupuoli
Mies (%) B 132 (71,7) B Nainen (%) B 52 (28,3) B kasvain sijainti
Distaalinen mahaan (%)
98 (53,3) B Non-distaalinen vatsa (%) B 86 (46,7) B patologinen tyypit
Adenokarsinooma
histologinen luokka 1/2
55 (29,9)
No /kohtuullisesti erilaistunut adenokarsinooma (%) B 55 (29,9) B Histologinen asteen 3/4
124 (67,4) B Alhainen /eriyttämätön adenokarsinooma (%) B 102 (55,4)
mucinous adenokarsinooma /sinettisormus-rengas cell carcinoma
22 (12,0) B toisissa (%) B 5 (2,7) B herakalvojen invaasio
Ei (T0, T1, T2) (%)
27 (14,7) B Kyllä (T3, T4) (%) B 157 (85,3) B Imusolmuke etäpesäke
Ei (N0) (%) B 53 (28,8)
Kyllä (N1, N2, N3) (%) B 131 (71,2) B LNR, mediaani (vaihteluväli)
0,33 (0-1) B etäpesäkkeiden
M0 (%)
177 (96,2) B M1 (%) B 7 (3,8)
TNM vaiheissa
Aikaisin (vaiheet I, II) (%) B 58 (31,5) B Advanced (vaiheet III, IV) (%) B 126 (68,5) B Surgery
kokoresektioksi (%) B 159 (86,4) B Non-kokoresektioksi (%) B 25 ( 13.6) B Kemoterapia
Ei (%) B 35 (19,0) B Kyllä (%) B 149 (81,0) B toistuminen
Ei (%) B 124 ( 67,4) b Kyllä (%) b 60 (32,6) b uusiutuminen sijainti b
Paikalliset alueiden
37 (61,7) b Distant
23 (38,3) b Clinical tila lopussa seurannan
Elää ilman toistumisen
72 (39,1) B Dead or alive uusiutui
112 (60,9) B MT1-MMP ilmaisu
Negatiivinen
46 (33,3)
Positiivinen
138 (66,7) B CD11 + immunosyyttien (solua /mm2) B mediaani (vaihteluväli)
257 (4-2101)
Muut mukana adenosquamous karsinooma 3 (1,62%) tapauksista, epätyypillinen karsinoidioireyhtymän in 1 (0,54%) tapauksessa ja neuroendokrii- karsinooma in 1 (0,54%) case.b 60 toistuvia tapauksia arvioitiin.
Immunohistokemia suoritettiin kaikissa GC TMA ja tuloksen kunkin näytteen saatiin kuvien-pohjainen digitaalinen analyysi (kuvio 1A-1D). MT1-MMP-värjäys oli pääasiassa sytoplasmassa tai solukalvon syöpäsoluja. Useimmat stroomasolujen olivat negatiivisia, vaikka satunnaista positiivista värjäytymistä näissä soluissa havaittiin myös (kuvio 1 E, 1G). CD11 + Immunosyyttien pääasiassa tunkeutui vaiheessa syövän pesä ja strooman (kuvio 1 F, 1H). Taso MT1-MMP tiheys ja CD11 + Immunosyyttien tiheys esiteltiin taulukossa 1. 25. prosenttipiste MT1-MMP tiheys oli 0,00186 ja 138 (75,0%) potilaista oli dokumentoitu MT1-MMP positiivisia mukaan edellä mainittuja luokitteluperusteita. Mediaaniarvon CD11 + Immunosyyttien oli 257 solua kohti kudoksen pinnan yksikkö neliömillimetrin. Kuva 1 Immunohistologiset havainnot TMA. (AD) Havaintoesimerkki MT1-MMP (A), CD11 + Immunosyyttien (C) värjäys GC kudoksen mikrosirun, ja vastaava digitaalinen kuva analysoitiin kuva ohjelmisto, jossa MT1-MMP (B) ja CD11 + Immunosyyttien (D ) edusti punaisella. (E, G) MT1-MMP-värjäys oli pääasiassa sytoplasmassa tai solukalvon tuumorisolujen (sininen nuoli), ja suurin osa stroomasoluilla oli negatiivinen värjäytyminen, vaikka satunnaisesti positiivista värjäytymistä näissä soluissa havaittiin myös (F, H). CD11-värjäys osoitti, että CD11 + Immunosyyttien pääasiassa tunkeutui vaiheessa syövän pesä ja strooman, erityisesti leviämisrintamassa (punainen ja vihreä nuolet).
Suhde MT1-MMP ilme, CD11 + immu- tiheys ja kliinis-patologisia piirteitä
oli 77 (55,8%) ja 15 (32,6%) potilailla, joilla on korkea CD11 + immunosyyttien tiheys MT1-MMP positiivinen (n
= 138) ja negatiivinen (n
= 46) alaryhmiin, vastaavasti (P
= 0,006). Todennäköisyys MT1-MMP ilmentyminen väheni merkittävästi alhainen CD11 + Immunosyyttien tiheys alaryhmä (riskisuhde (OR) = 0,383 [95% CI: 0,190-0,774], P
= 0,007, logistinen regressio). MT1-MMP ilmaisun ja CD11 + Immunosyyttien tiheys oli korreloi kliinis-patologisia piirteitä kuin yhteenvetona taulukossa 2. MT1-MMP-ilmentyminen korreloi pieni kasvaimen kokoa (P
= 0,007), kasvainta distaalisessa vatsa (P
= 0,027) ja lisääntynyt uusiutumisen riski (P
= 0,001), mutta ei korreloi iän, sukupuolen, histologinen luokka, herakalvojen invaasio, imusolmuke tila, TNM ja sivustoja kasvaimen uusiutumisen (P
> 0.05 kaikille). CD11 + Immunosyyttien tiheys korreloi imusolmuke tila (P
= 0,015), LNR (P
= 0,018) ja TNM-luokitus (P
= 0,011), mutta ei korreloi iän, sukupuolen, kasvaimen koko , kasvain sijainti, histologinen luokka, herakalvoon invaasio ja uusiutumisen riski (P
> 0,05 kaikille) .table 2 suhde MT1-MMP, CD11 + immu- tiheys ja cinico-patologiset ominaisuudet
muuttujat

MT1-MMP ilmaisu
CD11 + immunosyyttien tiheys
Negatiivinen (n
= 46)
Positiivinen (n = 138) B
P
Low (n
= 92)
korkea (n
= 92)
P
N
(%)
N
(%)
N
(%)
N
(%)

Ikä (v) B < 60
26 (56,5)
20 (43,5)
0,669
43 (43,4)
56 (56,6)
0,055
≥60
73 (52,9)
65 (47,1)
49 (57,6)
36 (42,4)
Sukupuoli
Mies
33 (25,0 )
99 (75,0)
1.000
66 (50,0)
66 (50,0)
1.000
Nainen
13 (25,0)
39 (75,0)
26 (50,0)
26 (50,0) B Kasvaimen koko (cm2)
< 16
12 (16,4)
61 (83,6) B 0,007
35 ( 47,9)
38 (52,1) B 0,404
≥16
31 (35,2)
57 (64,8)
48 (54,5)
40 (45,5) B Paikka
distaalinen
18 (18,4)
80 (81,6)
0,027
51 (52,0)
47 (48,0) B 0,555
kuin distaalinen
28 (32,6)
58 (67,4)
41 (47,7)
45 (52,3) b Histologinen laatu b
1/2
13 (23,6)
42 (76,4)
0,845
24 (43,6)
31 (56,4) B 0,376
3/4
31 (25,0)
93 (75,0)
63 (50,8)
61 (49,2) B Imusolmuke etäpesäke
Kyllä
31 (23,7) B 100 (76,3) B 0,511
73 (55,7)
58 (44,3)
0,015
Ei
15 (28,3)
38 (71,7)
19 (35,8)
34 (64,2) B LNR c
≤0.33
27 (28,7 )
67 (71,3)
0,233
39 (41,5)
55 (58,5) B 0,018
> 0,33
19 (21,1)
71 (78,9)
53 (58,9)
37 (41,1) B herakalvojen invaasiota (T vaihe) B T1-2
4 (14,8)
23 (85,2) B 0,186
10 (37,0)
17 (63,0)
0,145
T3-4
42 (26,8) B 115 (73,2)
82 (52,2)
75 (47,8)
TNM pysähdyspaikan
Aikaisin (I, II)
13 (22,4)
45 (77,6) B 0,583
21 (36,2)
37 (63,8) B 0,011
Advanced (III, IV)
33 (26,2)
93 (73,8)
71 (56,3)
55 (43,7) B uusiutuminen
Kyllä
9 (15,0 )
51 (85,0)
0,029
30 (50,0)
30 (50,0) B 1.000
Ei
37 (29,8)
87 (70,2)
62 (50,0)
62 (50,0) B uusiutuminen sijainti d
Paikalliset alueiden
7 (18,9)
30 (81,1) B 0,460
20 (54,1)
17 (45,9)
0,426
Distant
2 (8,7)
21 (91,3)
10 (43,5)
13 (56,5)
Analyysi suoritettiin perustuen 161 potilasta, joilla täydelliset tiedot kasvaimen koon (TS) .b Analyysi suoritettiin perustuu 179 potilaalla mahalaukun adenocarcinoma.c mediaani imusolmuke suhde (LNR) oli 0,33 (6 tapausta), ja GC tapaukset olivat erilaisia ​​erillisiin alaryhmiin . d 60 toistuvat tapaukset sisältyivät.
Survival analyysi
For 184 tapauksissa mediaani oli 26,8 (alue +0,8-102,3) kuukautta, ja 1-, 3- ja 5-v eloonjäämisaste oli 79,3%, 50,5% ja 37,4%, vastaavasti (kuvio 2A). Kuten odotettua, nämä perinteiset tekijät liittyivät GC potilaan OS, kuten kasvaimen koko, histologinen luokka, imusolmuke tila, herakalvoon invaasio ja TNM-luokitus (P
< 0,05 kaikille). Lisäksi sekä korkea CD11 + immu- tiheys ja MT1-MMP negatiivinen ilmaus korreloivat paremmin OS (P
arvo oli 0,031 ja 0,015, tässä järjestyksessä.) (Kuvio 2B, 2C). Syrjintä kyky OS suureni LNR alaryhmiin (P
< 0,001) verrattuna imusolmukkeiden tila alaryhmiin (P
= 0,015) (kuvio 2D, 2E), ja ROC-analyysi osoitti, että suhteen ennustamisessa kuolemanriski, luokittelua LNR (AUC-arvo: 0,659 [95% CI: 0,579-0,739], P
< 0,001) oli parempi suorituskyky kuin positiivinen imusolmukkeiden lukumäärän (alaan käyrän: 0,568 [95 % CI: 0,484-0,653], P
= 0,114). Kaikki tulokset osoittivat, että MT1-MMP positiivinen, alhainen CD11 + immu- tiheys ja korkea LNR olivat liittyviä riskitekijöitä huonoon ennusteeseen (kuvio 2, taulukko 3). Kuva 2 Kumulatiivinen OS GC potilaista. (A) OS 184 GC potilaista. (B) Low CD11 + Immunosyyttien tiheys liittyi huonoon OS. (C) potilaat MT1-MMP positiivinen ryhmä oli suurempi riski kuoleman. (D, E) Sekä imusolmukkeiden tila ja LNR korreloivat huono OS, mutta LNR voisi paremmin erottamaan potilasalaryhmissä. (F) Yhdistetty ominaisuudet voivat viitata käyttöjärjestelmän GC potilaiden tarkemmin.
Taulukko 3 Analyysit liittyvät tekijät OS
muuttujat
N
N kuoleman (%) B
mediaani OS (Range)
5 vuoden pysyvyys (%)
Log-rank-testiä χ2value
P
Ikä (v)
< 60
99
52 (52,5) B 30,1 (1,5-99,5) B 45,1
3,584
0,058
≥60
85
56 (65,9) B 24,8 (+0,8-+102,3) B 28,6
Sukupuoli
Mies
132
74 (56,1) B 30,3 (+0,8-+102,3) B 40,0
2.114
0,146
Female
52
34 (65,4) B 25,1 (1,3-94,8) B 30,3
Tuumorikoko (cm2)
< 16
73
35 (47,9)
41,6 (1,1-99,5) B 52,9
7,882
0,005
≥16
88
57 (64,8)
24,2 (+0,8-+102,3)
29,2
histologinen luokka b
1/2
55
88 (56,1) b 30,1 (1,1-+102,3) b 54,2
13,412
< 0,001
3/4
124
20 (74,1) B 16,8 (0,8-74,9) B 30,1
imusolmukkeet etäpesäke
Kyllä
131
83 (63,4)
24,8 (,8-+102,3) B 52,9
5.895
0,015
Ei
53
25 (47,2) B 34,1 (6,1 -99,5) B 30,5
herakalvojen invaasiota (T vaihe) B T1-2
27
7 (25,9)
58,9 (20,2-99,5) B 74,9
14,742
< 0,001
T3-4
157
101 (64,3) B 24,8 (+0,8-+102,3)
30.8
TNM
Aikaisin (I, II)
58
26 (44,8)
35,8 (6,1-99,5) B 54,0
9,823
0,002
Advanced
126
82 (65,1) B 22,8 (+0,8-+102,3)
29,2
(III, IV) B Surgery
SR
159
89 (56,0) B 30,0 (+0,8-+102,3) B 39,8
5.902
0,015
TR /CR
25
19 (76,0) B 18,0 (3,8-89,9)
21.8
Kemoterapia
Kyllä
149
87 (49,7)
33,5 (5,3-99,5) B 35,9
0,016
0,900
Ei
35
21 (60,0) B 28,4 (+0,8-+102,3 )
40,0
LNR c
≤0.33
94
41 (43,6) B 38,8 (1,1-+102,3) B 55,1
24,881
< 0,001
> 0,33
90
67 (74,4) B 20,1 (0,8-99,1) B 18,3
MT1-MMP
Negative
46
18 (39,1)
35,7 (3,8-79,3) B 54,0
5.869
0,015
Positiivinen
138
90 (65,2) B 25,4 (+0,8-+102,3)
32.2
CD11 + immunosyyttien tiheys
Low
92
62 (67,4) B 25,1 (+0,8-+99,1) B 27,6
4,655
0,031
korkea
92
46 (50,0)
30,7 (1,3-+102,3) B 46,7
Yhdistetty ominaisuuksia (MT1-MMP tiheys, CD11 + immu- tiheys ja LNR) B ryhmän I
73
26 (35,6)
38,7 (6,1-94,1) B 61,4
28,173
< 0,001
ryhmä II
111
82 (73,9) B 18,1 (0.8- 90,9)
21,1
Analyysi suoritettiin perustuen 161 potilailla, joilla on täydelliset tiedot kasvaimen koon. b Analyysi suoritettiin perustuen 179 mahalaukun adenokarsinoomaa sairastavien potilaiden. c mediaani LNR oli 0,33 (6 tapausta), ja GC tapaukset olivat erilaisia ​​erillisiä subgroups.OS: kokonaiselossaoloaika; SR: kokoresektioksi; TR: kokoresektioksi; CR: yhdistetty resektio; LNR: imusolmuke suhde.
Kuten edellä on ehdotettu, yhdistetyt piirteet perusteella riskitekijöitä tutkittiin ennusteiden parantamiseksi GC ennusteen (taulukko 3). Siten potilaat jaettiin kahteen alaryhmään lukumäärän mukaan riskin ominaisuuksia: ryhmä I, alle kahden riskitekijöitä havaittiin; ja ryhmä II, kaksi tai kolme riskitekijöitä ei havaittu. Yhdistetty analyysi osoitti, että käyttöjärjestelmä potilaiden ryhmässä II oli huomattavasti lyhyempi kuin potilaiden ryhmässä I (P
< 0,001) (kuvio 2F).
Monimuuttuja-analyysi ja ROC analyysi
univariate analyysi, perinteinen kliinis -pathological ominaisuuksia (kuten kasvaimen koko, T vaiheessa TNM, kirurgian menetelmiä, ja toistuminen tila), MT1-MMP ilme, CD11 + immu- tiheyden ja LNR liittyi OS. Lisäksi kuoleman riskin yhdistetyssä ryhmässä II kasvoi merkittävästi (P ​​
< 0,001).
Tekijät osoittavat merkityksen mukaan yhden muuttujan analyysin integroitiin monimuuttuja Coxin suhteellisen vaarat analyysi. Tässä tutkimuksessa LNR, MT1-MMP, CD11 ja yhdistetyt piirteet korreloivat voimakkaasti. Näin ollen kaksi erillistä multivariate mallia luotiin välttää multikollineaarisuus joukossa muuttujia. LNR, MT1-MMP ilmaisun ja CD11 + Immunosyyttien tiheys olivat riippumattomia ennustavat tekijät OS jälkeen ilman muita häiritsevien tekijöiden (P
< 0,05 kaikille) Lisäksi yhdistynyt ominaisuudet olivat riippumattomia ennustetekijä, liian (HR = 3,818 [95 % CI: 2,223-6,557], P
< 0,001) (taulukko 4) .table 4 monimuuttujamenetelmät analyysit liittyviä tekijöitä OS
tekijät
OS
HR
95% CI
P
Malli 1
Tuumorikoko: < 16 cm2vs
≥16 cm2
1,821
1.168- 2,839
0,008
herakalvojen invaasiota (T vaihe):
T1-2 vs
T3-4
3,232
1,440-7,251
0,004
Lymoh solmut etäpesäke:
Ei vs
Kyllä
1.012
0,610-1,679
0,964
Surgery tyypit: SR vs
TR /CR
2,030
1,128-3,653
0,018
LNR: alhainen (≤0.33) vs korkea (> 0,33) B 1,957
1,233-3,108
0,004
MT1-MMP: Negatiivinen vs
Positiivinen
2,596
1,496-4,506
0,001
CD11 + immunosyyttien tiheys: korkea vs
Low
1,838
1,183-2,855
0,007
Malli 2
Tuumorikoko: < 16 cm2vs
≥16 cm2
1,734
1,120-2,686
0,014
herakalvojen invaasiota (T vaihe):
T1-2 vs
T3-4
3,013
1,360-6,674
0,007
Lymoh solmut etäpesäke:
Ei vs
Kyllä
0,696
+0,404-+1,200
0,192
Surgery tyypit: SR vs
TR /CR
2,023
1,134-3,606
0.017
Yhdistetty ominaisuuksia: ryhmä I vs
ryhmä II
3,818
2,223-6,557
< 0,001
OS : kokonaiselossaoloaika; HR: riskisuhde; NA: ei hyväksytty; SR: kokoresektioksi; TR: kokoresektioksi; CR: yhdistetty resektio; LNR: imusolmuke suhde.
ROC-analyysi toteutettiin edelleen arvioida ennustetekijöiden suorituskykyä neljän riippumattoman tekijöitä tässä tutkimuksessa. Yhdistetty ominaisuuksia olisi parempi ennustaa kliinisiä tuloksia GC potilaita verrattuna muihin tekijöihin (AUC-arvo: 0,689 [95% CI: 0,609-0,768], P
< 0,001) (kuvio 3). Kuva 3 ROC analyysi ennustearvon kuolemasta. Niistä 4 itsenäistä ennustetekijöitä, AUC uuden yhdistetyn ominaisuus on kaikkein suurin. Yhdistetty ominaisuus voisi olla parempi prognostista suorituskykyä GC potilailla.
Keskustelu
Olemme ehdottaneet yhdistetyn analyysin integroitujen kasvaimen strooman ominaisuuksia hyödyllisenä strategian arvioida syövän etenemiseen ja potilaan eloonjäämiseen GC perustuvat tutkimuksiin keskityttiin co-evolution kasvainsolujen ja kasvaimen mikroympäris- ja [19, 21, 22]. Tämä tutkimus suunniteltiin tutkimaan mahdollisuutta tämän yhdistetyn strategian. Lisäksi parannettu automaatio tapa analysoida digitalisoitu kuvia käytettiin varmistamaan sekä toistettavuus ja hyvä suorituskyky tässä tutkimuksessa. Kuten Fridman [23] ehdotti, tällaisia ​​menetelmiä voisi tasoittaa tietä paremmin ymmärtämään monimutkaisia ​​kasvain microenvironment, sekä rutiini arviointi parametrien kliinisessä hoidossa syöpäpotilailla. Tässä 184 GC tapausta sisällytettiin arvioimaan ennustetekijöiden arvot optimoitu tavanomaisia ​​patologisia ennustetekijät, solu molekyyli tekijät, immuuni tekijät ja yhdistetty ominaisuuksia. Tämä on olennainen askel kohti toimivaa ennustetekijöiden järjestelmän integrointi sekä kliinis-patologinen, kasvain ja strooman ominaisuuksia meidän sarjassa tutkimuksia [19, 21, 22].
Of 184 tapauksissa demografiset ja kliinis-patologinen ominaisuuksiltaan vastaavat raportoituja muiden suurten sarjassa GC väestöstä [24]. Tuloksemme osoittivat, että ilmentyminen MT1-MMP oli usein korreloi lisääntynyt uusiutumisen riski, mutta ero uusiutumisen paikalla ei ollut tilastollisesti merkitsevä. Nämä tulokset olivat samanlaisia ​​kuin edellisessä raportissa [25]. MT1-MMP näyttelee tärkeä rooli hajottavien I ja IV kollageenien helpottaa syöpäsolujen leviämistä. Lisäksi MT1-MMP voi edistää angiogeneesiä ja mikrometastaasin kautta verisuonten reittiä [26].
Osalta immuunisolujen, luonne, tiheys ja sijainti ovat tärkeitä parametrejä kattavasti arvioida in situ
immuunireaktion ja erityiset rooli syövän etenemiseen. Tässä tutkimuksessa CD11 + Immunosyyttien käytti enimmäkseen sijaitsevat leviämisrintamassa. Ero CD11 + Immunosyyttien tiheys oli tilastollisesti merkitsevä välillä imusolmukkeiden etäpesäke ja ei-metastais alaryhmiin. Lisäksi CD11 + immunosyytit tiheys oli suurempi aikaisin kuin kehittynyt GC potilaita, samanlainen raportit Sconocchia et al. ja Ladoire et ai. [27, 28]. Kaikki kirjoittajat lukenut ja hyväksynyt lopullinen käsikirjoitus.

• P53, indusoituvan typpioksidisyntaasi ja endoteelikasvutekijä mahalaukun syöpää edeltävät ja pahanlaatuisten vaurioiden: korrelaatio kliinisen features
• Lisääntyminen integriini-sitoutuvan kinaasin ei-canonically antaa NF-KB-välitteistä kasvun etuja mahalaukun syöpäsolujen aktivoimalla ERK1 /2