基于DNA甲基化和miRNA两种不同芯片数据的肾癌预后模型的比较与整合

We previously established a miRNA prognosis model through genome-wide microarray analysis, which shows that molecular prognosis models based on biological microarray data can make up for the insufficient of clinical parameters in the prognosis of the tumor, improve the accuracy of prediction. With the increase of biological microarray types (such as DNA methylation microarray), tumor prognosis research faces how to compare and integrate new prognosis models based on different microarray sources. According to the same study population of renal cell carcinoma（RCC）, we will use DNA methylation microarray and miRNA microarray to screen differential methylation CpG sites and differential expression miRNAs in this project, respectively. Differential methylation CpG sites and differential expression miRNAs will be detected by using pyrosequencing and qPCR with RCC specimens, respectively. We will then combine the data with patients' prognostic information in the training set to establish the DNA methylation and miRNA expression prognostic models. We will then use international multicentre dataset to validate the two models and compare the accuracy of the two kinds of prognosis model. Furthermore, we will integrate the two prognostic models and clinical prognostic parameters to establish a nomogram, and validate the prediction accuracy of the nomogram through the renal cell carcinoma data in the Cancer Genome Atlas (TCGA) database. We hope the nomogram will significantly improve the predictive accuracy for RCC prognosis, and will facilitate patient counseling and individualize management of patients with RCC.

我们前期通过microRNA（miRNA）芯片建立肿瘤miRNA预后模型表明，基于生物芯片数据的分子预后模型可弥补临床预后参数的不足，提高肿瘤预后预测准确度。随着芯片种类的增加（如DNA甲基化芯片等），肿瘤预后研究面临如何比较与整合基于不同芯片源的预后模型的新问题。本项目针对肾癌同一研究人群通过基于DNA甲基化芯片和miRNA芯片筛选差异甲基化位点和差异表达miRNA，分别应用焦磷酸测序和qPCR定量检测肾癌标本差异甲基化位点和差异表达miRNA，结合患者预后信息分别建立DNA甲基化和miRNA两种预后模型，通过国际多中心验证来评估比较两种预后模型的准确度。进一步整合两种预后模型和临床预后参数建立列线图，并通过肿瘤基因图谱（TCGA）数据库中的肾癌数据验证该列线图的预测准确度，评估基于两种不同芯片数据的复合预后模型能否显著提高肾癌预后预测准确度，更好地满足肾癌个体化治疗的需要。

前期我们已经通过肾癌DNA甲基化芯片筛选出差异甲基化位点，成功通过LASSO 模型建立肾癌DNA甲基化预后模型。该模型包括了五个基因的CpG甲基化位点：RIN1、EHBP1L1、PITX1、TWF2和FOXE3。成功在MCHC（国内多中心）、UTSW（美国西南医学中心）和TCGA（美国癌症和肿瘤基因图谱）肾癌病人组验证该甲基化预后模型，具有良好的稳定性，在不同种族的人群同样具有良好的预后评估价值。多因素及分层分析表明我们的甲基化预后模型能为临床提供预后价值，进一步的多因素分析、分层分析、不同的SSIGN评分分层表明，我们的模型是能为现有的肾癌预后评估指标增加预后评估价值。利用RIN1和EHBP1L1等五个甲基化位点模型将患者划分成高危和低危两种分子亚型，同一临床分期不同分子亚型肾癌患者术后的复发死亡率有显著差异。并发现 RIN1基因在肾癌组织中表达显著增高，发现RIN1敲除抑制肾癌细胞体外的增殖、迁移和侵袭，抑制肾癌细胞动物体内的生长和转移能力， RIN1通过与Rab25相互作用激活EGFR信号通路。对筛选出的的miRNA miR-106b-5p在肾癌恶性进展中的作用开展深入的分子机制探讨,发现miR-106b-5p可以通过调控Wnt/β-catenin信号通路促进肾癌的恶性进展。miR-106b-5p在肾癌组织中表达显著上调，可以调控肾癌细胞株干性，促进肾癌细胞体内生长和转移能力，通过激活Wnt信号通路促进肾癌的成瘤和干性。建立了单核苷酸多态性分子预测模型，对局限性肾癌术后辅助靶向治疗具有重要指导价值，应用LASSO数据挖掘技术在训练组数据中建立了基于SNP 芯片数据的肾癌分子预测模型，该模型包括了6 个基因的SNP位点：LINC01372、OR8D2、SRGAP3、C22orf39、MARCKS 和HIRA。6 个SNP 位点模型将患者划分成高危和低危两种分子亚型，同一临床分期不同分子亚型肾癌患者术后的复发死亡率有显著差异。局限性肾癌(III 期)患者中高危分子亚型患者术后的复发死亡风险高危与低危的风险比为6.88，高危亚型III期肾癌患者的5 年生存率仅为30%-40%，近似于IV 期肾癌患者的5 年生存率，该分子预测模型对局限性肾癌术后个体化诊疗决策的制定具有重要作用，避免“一刀切”的治疗方案导致临床上的过度治疗或者治疗不足。