【Clin Cancer Res IF10】经典血清代谢标志物筛选——预测临床化疗疗效
肺癌是最常见的致命性恶性肿瘤之一，全世界每年造成超过一百万人死亡。培美曲塞加铂（顺铂或卡铂）的联合化疗方案已经成为不适用于靶向治疗（例如酪氨酸激酶抑制剂（TKIs）或免疫疗法）的非鳞状非小细胞肺癌患者标准的一线治疗方法。但是这种方案的有效性仅有30%~40%，无进展生存期（PFS）大约是4-6个月（3-5）。目前临床上还没有经过验证的生物标志物可以用于预测肺腺癌患者化疗后的疗效。
代谢组学提供的是与基因组和蛋白质组学互补的信息。血清中的代谢物是稳定的，并且可以量化，这提供了一种无创监测疾病状况以及预测抗癌治疗方案有效性的可能性。2014年，Mapstone及其同事发现并验证了一组由10种脂质代谢物组成的阿尔茨海默病诊断标志物，对2~3年潜伏期的阿尔茨海默病的预测准确性高达90%。今年5月，中国医学科学院肿瘤医院发表在《Clin Cancer Res》杂志的一项研究就基于代谢组学建立潜在生物标志物模型，用于在治疗前预测一线培美曲塞联合铂治疗方案的有效性和患者的生存结果。今天我们就来一起看一下这一项研究。
文献小笔记
Prediction of Chemotherapeutic Efficacy in Non–Small Cell Lung Cancer by Serum Metabolomic Profiling
Clinical Cancer Research
IF=10.199
研究材料：
389位晚期（IIIB/Ⅳ期）肺腺癌患者接受培美曲塞联合铂化疗前的血清样本
技术方法：
非靶代谢组学 脂质组学
实验流程：
研究结果
1. 样本的选择
从2014年9月到2016年12月，一共招募到389名患者，其中24名由于没有取到化疗前的血清样本，14名因为副作用没有完成两轮化疗，7名治疗方案的变化而被排除，因此最终一共由354名患者参与本次研究。其中251名患者作为发现队列，103名患者则作为验证队列。354名患者中有224名是培美曲塞联合顺铂的治疗方案（pem-cis），130名患者是美曲塞联合卡铂的治疗方案（pem-carbo），绝大多数病人的病情都得到了控制（pem-cis,183/224,82%;pem-carbo,95/130,73%）。
2. 血清代谢组分析
作者对发现队列的251例血浆样本进行非靶检测。在对数据分析前，作者对质控QC样本进行了评价。从PCA图中可以看出，QC样本聚集在一块，表明系统的稳定性良好，数据质量可靠。
正离子模式下检测到1373个feature，其中229个在疾病控制组DC（包括PR和SD组）与疾病进展组PD表达有差异。负离子模式下检测到1014个feature，其中229个表达有差异。最后挑选了与临床结果一致的85个在PR、SD和PD三组间具有累积趋势（上升或下降）的亲水性feature（62个正离子，23个负离子）用于后续潜在生物标志物的研究。
3. 筛选和鉴定预测化疗响应的代谢物
基于筛选出的85个feature，对DC和PD组进行PLS-DA分析。图中红色的点代表PD组，黄色的点代表SD组，绿色的点代表PR组。从图中可以看出DC组（PR SD）与PD组可以明显区分。
进一步作者对85个feature按VIP值进行排序，其中2/3 feature VIP值大于1，这些feature被进一步选出通过质荷比、保留时间、碎片离子峰谱与公共数据库HMDB、KEGG、METLIN和MassBank进行匹配，最终一共定性到11个代谢物，并用标品进行了靶向验证。
11个代谢物中有8个代谢物在DC组的含量较PD组低，3个代谢物在DC组的含量是升高的。
4.基于发现队列建立判别模型
在发现队列中，11个定性的代谢物中7个代谢物（亚牛磺酸、 尿苷、C12:0-肉碱、胆碱、二甲基甘氨酸、烟酰胺和C16:0-肉碱）组成的panel具有良好的诊断DC和PD样本的能力（AUC=0.9214）。
5. 验证判别模型的准确性
作者对验证队列的103份血浆样本做了靶向检测，7种代谢物的变化趋势同发现队列观测到的一致。同样发现这个panel良好的诊断DC和PD样本的能力（AUC=0.9092）。
6. 临床应用
作者选择了典型的PR、SD、PD三种化疗响应的患者接受治疗前的血清样本。基于样本中的7中代谢物的丰度，样本A和B被诊断为DC类型，样本C被诊断为PD类型。模型的预测情况与基于CT影像的评估结果一致。
结论：
该研究具有极大的临床意义，通过对病人化疗前血清代谢分子标志物的检测，能够对化疗预后进行精准的预测，对于预测结果为对该化疗方案原发耐药的患者，能够在其实施化疗前给予更有可能获益的个体化治疗方案。
小编心得
1. 质控的重要性
在这边文章中，作者检测了200多例样本。由于检测时间长，所以这批数据的质量与系统的稳定性密切相关，因此作者在数据分析前先对系统稳定性进行评价。在这里，小编想告诉各位老师做大样本标志物筛选的时候一定要在实验开始去做质控评价，当然这个也是审稿人关注的一个点。中科新生命最近在质控上做了全面升级，由以前的2项质控升级为7大质控指标，已成为目前市面上质控很严格的公司。
2. 标志物的筛选策略
这篇文章刚开始将整个人群队列分成发现队列和验证队列，发现队列采用的是非靶的检测方式，验证队列采用的是靶向的检测方式。发现队列用于建立诊断判别模型，验证队列用于验证判别模型预测的准确性。最后作者还把这个模型应用于临床上。整篇文章的研究套路堪称经典，非常值得借鉴和参考。