基于microRNA原位杂交和数据挖掘技术的三阴性乳腺癌预后预测模型研究

Triple negative breast cancer (TNBC), a unique subtype of breast cancer, is a very heterogeneous group of breast cancer and there is conflicting information over prognosis for TNBC. MicroRNA (miRNA), as a new molecular biomarker and post-transcriptional regulator of target gene expression, is widely used in cancer prognosis. It's already confirmed that "gene combination" can successfully predict outcome of cancer patients. However, most of the predictive models for prognosis are based in gene chips or PCR technique and have some defect such as low stability and reproducibility, time-consuming and expensiveness. Besides, traditional statistical methods can not handle nonlinear data in the clinic. And basing on some advantages such as high level of technical platform and lots of samples with complete follow-up data in our center, we plan to use a tissue microarray-based miRNA detection in situ hybridization with LNA probe to screen and optimize clinic-pathological parameters, miRNAs, and the combinations related to the prognosis of triple negative breast cancer. Then construct the predictive model for prognosis of TNBC with good repeatability, low cost, easy to spread, suitable for Chinese negative breast cancer by data mining and support vector machine.

三阴性乳腺癌是一种特殊的乳腺癌亚型，最新的研究结果显示其并不是一种单一的疾病，预后差异较大。作为一种新的分子标志，miRNA从转录后水平广泛参与基因表达调控，可用于肿瘤的预后预测。基于"基因组合"的个体化预后预测有重要的科学及社会意义，然而，绝大多数的预后模型都是基于基因芯片或PCR构建的，对标本要求高，稳定性和重复性差，耗时长，费用高昂，不利于推广，传统的统计方法在处理临床上出现的非线性数据方面也存在不足。为此，基于我院大样本量的规范治疗、随访良好的患者样本和技术平台，我们拟利用组织芯片和基于锁核酸探针的miRNA原位杂交技术，在训练集和验证集患者中筛选能够独立预测三阴性乳腺癌预后的临床病理指标及miRNA，以此为基础运用基于数据挖掘方法的支持向量机技术，构建特异性、灵敏度、稳定性和重复性好的三阴性乳腺癌预后预测模型，为三阴性乳腺癌的个体化预后预测及治疗奠定基础。

目的：利用microRNA(miRNA)原位杂交和基于数据挖掘方法的支持向量机技术构建预后预测模型，为乳腺癌的个体化预后预测奠定基础。.方法：结合miRNA数据库和文献检索确定候选miRNA，利用组织芯片和基于锁核酸探针的miRNA原位杂交技术检测450例乳腺癌患者候选miRNA的表达情况；通过统计学方法确定影响预后的独立因素，把数据分为训练集和验证集（6:4比例），以此为基础运用基于数据挖掘方法的支持向量机技术，构建乳腺癌预后预测模型。.结果：针对450例乳腺癌患者的癌组织检测了15个miRNA分子的表达情况，miR361-5p，miR 301a，miR 223，miR 421，miR 454，miR 493是影响DFS的独立因素，miR 361-5p，miR 301a，miR 223，miR 150是影响OS的独立因素，以此为基础结合临床病理指标（年龄、月经状态、组织学分级、TNM分期，肿瘤大小、淋巴结状态和分子亚型）分别建立乳腺癌的SVM-BC模型和针对三阴乳腺癌亚型的SVM-TNBC模型，并通过测试集来验证特异性、灵敏度、准确性。根据SVM-BC的分类结果，把人群分为High-risk和low-risk两组，基于DFS（测试集高风险组VS低风险组为151VS29）、DFS5Y（测试集高风险组VS低风险组为169VS11）、Death（测试集高风险组VS低风险组为171VS9）作Log-rank检验，均具有统计学意义（P<0.01）。high-risk与low-risk两组的K-M曲线区分十分明显，5年生存率在high-risk与low-risk两组中区别明显（P<0.001）。根据SVM-TNBC的分类结果，把人群分为High-risk和low-risk两组，基于DFS（测试集高风险组VS低风险组为50VS10）、Death（测试集高风险组VS低风险组为52VS8）、DFS5Y（测试集高风险组VS低风险组为55VS5）作Log-rank检验，均具有统计学意义（P<0.001），high-risk与low-risk两组的K-M曲线区分十分明显，TNBC亚型的high-risk组与low-risk组的5年生存率区分明显（P<0.001）。.结论：基于miRNA 原位杂交和支持向量机构建的预后预测模型可以有效得预测乳腺癌和三阴性乳腺癌的预后。