面向乳腺癌诊疗的影像特征与基因表达的关联研究

In recent years, the incident of breast cancer has been raised rapidly. Hence, the diagnosis and treatment of this disease is an important project. Furthermore, the characteristic of rapidly development of breast cancer have made the individual treatment of breast cancer an urgent research task. Microarrays of gene expression have been a useful tool as diagnosis and prognosis for breast cancer. However, the invasive and expensive characteristic of microarray technology made it hard to be applied as the routine method for prognosis analysis. Therefore, the non-invasive magnetic resonance imaging (MRI)‎ tool is used instead. To do this, the image features are associated with microarray profiling for diagnosis and treatment of breast cancer. Our project is based on the radiogenomics of breast cancer. First, we extract the feature of gene expression and image by using machine learning methods for decomposing dimension and reducing redundancy. Then, we produce the association model between the image features and gene expression feature by using sparse regression. Therefore, we used the association model to predict the prognosis of breast cancer. The model were validated by another gene expression set produced by meta-analysis. The results of our project would be feasible used many times during to the process of the patients and avoid the time consuming microarray analysis.

近年来，乳腺癌的发病率处于上升状态，故该病的早期诊断和早期治疗至关重要。此外，乳腺癌病情进展快的特点决定了个性化治疗是迫切性的研究课题。高通量的基因表达分析技术为乳腺癌的分子诊疗提供了有效的工具。然而该技术的侵入性，成本高，故尚未成为乳腺癌常规诊疗手段。所以，使用非侵入式的核磁共振成像特征关联到基因表达特征，从而进行乳腺癌的诊疗，有重要的研究意义。本项目为面向乳腺癌的影像基因组学研究。首先提取基因表达谱和影像特征，使用机器学习方法对其进行降维，去除冗余性。其次，使用稀疏回归的方法建立影像特征到基因表达特征之间的关联模型。最后，利用关联模型来预测乳腺癌病人的预后信息，通过荟萃分析得到验证集验证实验结果。所以，本项目的研究成果用影像特征重构基因表达特征，避免了费时费力的基因芯片分析，为疾病诊疗提供有价值的工具。

近年来，乳腺癌是我国女性最常见的恶性肿瘤病之一，近年来发病率处于上升状态，因此乳腺癌的早期诊断和早期治疗至关重要。随着高通量的基因表达分析技术的发展，对乳腺癌的分子表达分析已经成为重要的早期诊断工具。然而该技术需要通过组织病理检查方式来获得分子信息，具有侵入性、成本高、重复性检查困难等缺陷。而核磁共振技术由于其非侵入性、代价小、易于重复性检查等特点，成为乳腺癌检查的重要手段。建立影像特征与分子特征的关联关系，从而使用无创的、立体的、可多次重复进行的核磁共振技术来进行乳腺癌的检查，具有重要的研究意义。本项目研究内容为：首先提取并分析乳腺癌影像特征基因表达信息，通过构建调控模型研究基因表达的作用机制；其次构建从影像学特征到基因表达特征之间的关联关系，建立从影像到分子表达之间的关联模型。最后利用构建的影像基因组学诊疗模型来预测乳腺癌病人的辅助化疗结果、分子亚型等信息，并分析和验证预测模型的稳定性。本项目的主要研究结果为：首先通过基因表达调控模型参数的研究，可定量地分析基因之间表达调控网络；其次，从大量的蛋白质质谱数据中挖掘出与乳腺癌预后相关联的分子标志物，初步建立了乳腺癌分子水平的信息预测模型。再次，建立了基于影像组学的诊疗信息模型，通过影像特征来预测乳腺癌分子亚型、化疗反应，并通过交叉验证的方式评价特征的稳定性。最后，分析了乳腺癌的影像异质性特点，并以此为基础建立更准确的肿瘤分子表达预测信息模型。本项目从乳腺癌影像学特征提取、基因表达数据分析及特征提取、影像特征与基因表达特征关联研究模型的构建、基于影像基因组学分析的诊疗模型的构建方面均有相关研究进展。本项目可以为乳腺癌的诊疗提供有潜力的影像组学分析方法，为临床诊疗提供有价值的诊疗工具。期望后续的研究工作能建立更大规模的影像与分子诊断数据集、更加准确和稳定的影像基因组学关联分析模型，以此来进行更精准的乳腺癌诊疗分析。