Maklumat

Apakah itu Tisu Tumor Arkib? Untuk Tujuan Apa ia dikumpul?

Apakah itu Tisu Tumor Arkib? Untuk Tujuan Apa ia dikumpul?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Sepanjang menjalankan ujian pelbagai tisu dan sampel tumor dikumpul daripada pesakit.

Satu sampel sedemikian ialah Tisu Tumor Arkib. Bolehkah seseorang menjelaskan maksud istilah tumor arkib?, dan apakah data yang diperoleh daripadanya.


Apabila tumor dikeluarkan daripada pesakit, ia biasanya dihantar ke patologi untuk memastikan ia telah dikeluarkan sepenuhnya untuk memastikan tiada sisa. Selalunya tumor ini juga digunakan untuk menganalisis status mutasi tumor untuk menentukan, rawatan lanjut yang mungkin. Sebagai contoh, ini secara rutin dilakukan untuk melanoma di mana status mutasi tidak termasuk beberapa ubat untuk rawatan lanjut.

Selepas itu tumor ini adalah bahan penting untuk penyelidikan tumor saintifik untuk mengasingkan garisan sel segar atau menganalisisnya dengan lebih lanjut. Sebahagian daripadanya biasanya disimpan sama ada beku atau sebagai tisu tetap formalin untuk membina bank tisu. Ini boleh digunakan untuk penyelidikan kemudian mengenai jenis tumor ini dan mempunyai nilai yang tinggi.

Tisu-tisu ini kemudiannya boleh dipotong dan diwarnai dengan antibodi atau digunakan untuk pengekstrakan asid nukleik (sama ada DNA atau RNA) atau untuk menguji idea atau kaedah baharu yang tidak tersedia pada masa sampel itu diarkibkan.

Satu lagi kes terkenal (walaupun bukan dari tumor) ialah sampel tisu yang telah diarkibkan daripada orang yang meninggal dunia akibat selesema Sepanyol pada tahun 1918, di mana bahagian virus telah dibina semula menggunakan sampel ini beberapa dekad kemudian.


Kebanyakan bank tumor mengumpul sampel tumor mereka daripada tisu yang dibuang yang tidak diperlukan untuk diagnosis patologi, selepas pesakit menjalani pembedahan untuk membuang tumor. Kaedah pemeliharaan sampel adalah kritikal, dan mesti serasi dengan teknik analisis hiliran. Tisu sering dibekukan dalam nitrogen cecair tetapi juga boleh diawetkan dalam fiksatif khas seperti RNAlater (yang memelihara RNA dan protein), atau formalin yang mengekalkan seni bina tisu. [1] Protein dan RNA boleh dengan mudah diekstrak dan dicirikan daripada tisu yang diawet dengan mana-mana kaedah. [2] [3]

Banyak Pusat Kanser di A.S. mempunyai Bank Tumor untuk membekalkan saintis bioperubatan dengan sampel pesakit sebenar kanser dan tisu normal bersebelahan yang berkaitan. Proses ini pada masa ini merupakan keutamaan yang tinggi untuk menyokong lebih banyak Penyelidikan Terjemahan.

Semua bank institusi mengekalkan tisu yang boleh digunakan dalam penyelidikan tidak semestinya berkaitan dengan pesakit. Bergantung pada kewarganegaraan dan persekitaran kawal selia klinik, penggunaan semula tisu dan sampel yang telah dikeluarkan semasa penjagaan standard untuk digunakan dalam penyelidikan mungkin memerlukan persetujuan pesakit atau tidak. Di sesetengah negara pesakit hilang kawalan ke atas tisu mereka sejurus selepas pembedahan atau selepas beberapa tempoh masa tertentu, selepas itu bahan tersebut dikelaskan sebagai sisa perubatan. Di AS, sampel boleh dikumpul dan digunakan dengan persetujuan pesakit, atau selepas beberapa tempoh masa yang ditentukan oleh sampel Lembaga Kajian Institusi klinik boleh dianggap dikecualikan daripada persetujuan di bawah US 45CFR46, yang mengawal penggunaan subjek manusia dalam penyelidikan. [4] Banyak biobank akademik dan institusi tidak akan mengeluarkan sampel ke makmal penyelidikan komersil atau farmasi besar, malah sesetengahnya tidak akan mengeluarkan sampel ke institusi akademik lain, jadi terdapat kekurangan kronik sampel onkologi yang tersedia untuk penyelidikan. Selain itu, ketersediaan sampel dikawal terutamanya oleh penjagaan standard klinikal, dan trend ke arah memulakan rawatan kimia dengan serta-merta selepas diagnosis menyukarkan untuk mendapatkan sampel tumor yang dikeluarkan melalui pembedahan pra-rawatan dan pengambilan darah pra-rawatan untuk beberapa tanda kanser.

Perubatan yang diperibadikan mungkin mempengaruhi dasar klinikal yang berkaitan dengan biobanking kerana rawatan mungkin semakin menggunakan ciri genetik kanser setiap individu untuk memilih atau membangunkan terapi disasarkan secara unik. Jika pilihan biobanking peribadi tidak tersedia untuk pesakit di beberapa lokasi, mereka mungkin mula mencari bank tumor persendirian untuk memelihara tumor mereka sendiri yang dipotong untuk digunakan dalam terapi masa depan mereka sendiri. Implikasi trend ini untuk isu etika dan kawal selia yang berkaitan dengan dasar biobanking institusi sedia ada masih belum jelas.


Diagnostik Molekul untuk Rawatan Kanser: Berkembang di luar Genom

Pelaburan NCI dalam penyelidikan genomik kanser telah mengubah pemahaman kami tentang kanser, memajukan pengendalian ujian klinikal yang menguji keberkesanan terapi kanser, dan mengubah cara pakar onkologi memilih rawatan untuk pesakit. Pelaburan ini telah menghasilkan sumber yang berharga seperti The Cancer Genome Atlas (TCGA), katalog maklumat genom kanser yang tersedia untuk umum meliputi lebih daripada 30 jenis kanser.

Dibantu oleh pengetahuan dan kemajuan dalam teknologi penjujukan genomik ini, pakar onkologi semakin memilih terapi berdasarkan keabnormalan genomik khusus yang dikenal pasti dalam tumor pesakit. Maklumat genomik ini selalunya datang daripada ujian diagnostik molekul.

Pendekatan ini telah merevolusikan diagnosis dan rawatan kanser. Walau bagaimanapun, ramai pesakit yang dipadankan dengan terapi berdasarkan profil genomik tumor mereka sama ada tidak bertindak balas terhadap terapi pada mulanya atau tidak mengalami tindak balas yang berterusan.

Itu mungkin, sebahagiannya, kerana maklumat penting tentang biologi tumor hilang daripada melihat genom sahaja. Walaupun kehadiran mutasi boleh ditentukan daripada penjujukan genom tumor, kesan mutasi pada fungsi protein tidak dapat difahami sepenuhnya tanpa menyoal siasat proteom, termasuk banyak pengubahsuaian yang berlaku kepada protein dalam tumor. Perubahan yang biasanya berlaku dalam protein selepas ia dibuat (pengubahsuaian selepas terjemahan) boleh menjejaskan cara protein berfungsi atau berapa lama ia berada dalam sel.

Pemahaman yang lebih baik tentang kanser pada tahap protein akan meningkatkan diagnosis dan rawatan kanser dengan memberikan butiran lanjut tentang apa yang berlaku dalam tumor. Tambahan pula, proteogenomik, penyepaduan proteomik dengan genomik, menghasilkan gambaran yang lebih jelas tentang biologi tumor dan akan membolehkan pembangunan ujian diagnostik molekul baharu. Namun, membangunkan biomarker berasaskan protein untuk rawatan kanser telah dihalang, sebahagiannya, oleh cabaran teknikal untuk bekerja dengan protein, yang lebih kompleks daripada asid nukleik (DNA dan RNA).

NCI menyokong beberapa inisiatif besar dalam proteomik kanser untuk mengatasi cabaran ini dan membuka jalan bagi diagnostik molekul untuk kanser generasi seterusnya. NCI telah menyokong proteomik kanser di pelbagai peringkat merentasi kontinum penyelidikan, daripada pembangunan dan pengesahan kaedah untuk pengenalpastian dan kuantifikasi protein, kepada penyelidikan asas yang diperlukan untuk memahami dengan lebih baik proteom kanser, kepada penyepaduan ujian proteomik, kepada penggunaan maklumat. ditemui dalam ujian klinikal dan penjagaan pesakit.

Dengan pelaburan yang berterusan dalam penyelidikan proteogenomik, doktor akan, pada masa hadapan, dapat mengumpulkan gambaran yang lebih lengkap tentang tumor pesakit—yang memaklumkan diagnosis dan rawatan serta meningkatkan hasil.

Mengukuhkan Penyelidikan Proteomik melalui Kerjasama dan Perkongsian Data

Konsortium Analisis Tumor Proteomik Klinikal (CPTAC) yang disokong oleh NCI ialah usaha kerjasama antara institusi akademik, industri dan beberapa agensi persekutuan untuk mengukur, secara pantas dan berskala besar, keseluruhan pelengkap protein dalam tumor dan menggabungkan maklumat ini dengan genomik, pengimejan, dan data klinikal daripada pesakit. Usaha oleh konsortium telah menghasilkan kaedah piawai untuk penyelidikan proteomik mendedahkan aspek baru biologi tumor yang tidak jelas daripada maklumat genomik sahaja dan mengenal pasti sasaran tambahan untuk rawatan kanser.

Setakat ini, pencirian proteogenomik telah dilengkapkan untuk 11 jenis tumor, dengan empat lagi dijangka pada 2021. Semua maklumat yang dikumpulkan oleh CPTAC disediakan secara terbuka supaya orang lain boleh menggunakannya untuk membuat penemuan mereka sendiri. Dengan data ini, NCI telah membangunkan beberapa repositori data awam terbesar di dunia, akses terbuka. Repositori ini termasuk data DNA, RNA, protein dan pengimejan pada banyak jenis kanser, dan senarai jenis kanser semakin berkembang. Data ini "hidup" dalam NCI Cancer Research Data Commons, platform maya untuk penyimpanan dan perkongsian data yang selamat. Proteomic Data Commons disiarkan secara langsung pada 2020, menyertai Genomic Data Commons, dan Imaging Data Commons dijangka akan tersedia tidak lama lagi.

NCI dan Jabatan Pertahanan dan Hal Ehwal Veteran telah bekerjasama untuk memajukan utiliti klinikal proteogenomik. Rangkaian Tri-agensi Applied Proteogenomics OrganizationaL Learning and Outcomes (APOLLO) bertujuan untuk menggabungkan analisis proteomik dan genomik ke dalam penjagaan pesakit untuk mengenal pasti sasaran untuk terapi dan meramalkan dengan lebih baik cara pesakit akan bertindak balas terhadap terapi.

Memindahkan Pendekatan Diagnostik Proteogenomik Baharu ke dalam Klinik

Banyak cabaran wujud dalam menterjemahkan biomarker berpotensi yang dikenal pasti di makmal kepada yang boleh digunakan di klinik. Menggabungkan berbilang biomarker, termasuk maklumat genomik dan proteomik, menambahkan lebih kerumitan dan memperkenalkan halangan tambahan untuk diatasi.

NCI menyokong penyelidikan melalui CPTAC dan inisiatif lain untuk memajukan pengenalpastian dan penggunaan penanda molekul protein dan maklumat proteogenomik untuk tujuan klinikal. Sebagai contoh, Pusat Penyelidikan Translasi Proteogenomik yang dibiayai oleh NCI menggunakan sampel yang dikumpul sebelum ini daripada pesakit yang mengambil bahagian dalam ujian klinikal untuk melihat sama ada biomarker yang diperoleh daripada maklumat proteogenomik boleh meramalkan hasil yang diperhatikan pada akhir ujian. Jika biomarker ini boleh meramalkan hasil pesakit dengan tepat, ia berpotensi boleh digunakan untuk mereka bentuk kajian prospektif generasi akan datang dan ujian klinikal baharu untuk menguji lagi utiliti biomarker.

Memahami protein—ekspresinya, pengubahsuaian dan fungsi abnormal dalam perkembangan dan perkembangan kanser—sangat penting apabila membangunkan ubat, memilih rawatan dan meramalkan tindak balas rawatan. Penyepaduan maklumat proteomik adalah langkah seterusnya dalam onkologi ketepatan.

Membantu Pembangunan Dadah

Penanda farmakodinamik (PD) ialah penunjuk yang boleh diukur bagi kesan ubat pada sasarannya dalam badan. Sebagai contoh, paras glukosa darah adalah penanda PD kesan insulin. Penanda bio PD memberikan maklumat kritikal tentang sama ada ubat mencapai sasaran yang dimaksudkan dan mempunyai kesan biologi yang dimaksudkan dengan itu memberikan cerapan tentang dos dan masa penghantaran ubat. Maklumat jenis ini penting dalam pembangunan dadah.

Penyelidik yang dibiayai oleh NCI di Pusat Penyelidikan Kanser Fred Hutchinson dan rakan usaha sama industri mereka menggunakan teknologi proteomik termaju buat kali pertama untuk membimbing pemilihan biomarker PD yang boleh digunakan pada pesakit. Menggunakan sel manusia primer dan model yang diperolehi pesakit, mereka mengenal pasti biomarker berasaskan protein yang mencerminkan kesan ubat penyiasatan yang menyasarkan protein ATM. ATM ialah protein penting dalam menandakan kerosakan DNA dalam sel.

Siasatan lanjut menunjukkan bahawa biomarker adalah penunjuk berguna perencatan protein kedua yang dipanggil ATR. ATR bekerjasama dengan ATM untuk memaklumkan sel bahawa kerosakan DNA telah berlaku. Penyiasat kemudiannya membangunkan ujian yang bertujuan untuk kegunaan klinikal untuk mengukur biomarker ini dalam sampel pesakit dalam kajian klinikal fasa 2 masa hadapan yang menguji ubat-ubatan yang menghalang ATM dan ATR. Penanda PD jenis ini akan mempercepatkan perkembangan jenis ubat ini untuk rawatan kanser.

Memilih Rawatan

Percubaan NCI-MATCH dan percubaan NCI-COG Pediatric MATCH menggunakan pencirian genomik tumor pesakit untuk memadankan terapi yang disasarkan kepada pesakit berdasarkan mutasi dalam DNA tumor. Pencirian proteogenomik akan meningkatkan konsep ini untuk memasukkan pencirian protein dan pemilihan rawatan berdasarkan tahap protein, pengaktifan atau pengubahsuaian.

Baru-baru ini, penyelidik yang dibiayai oleh NCI dari Baylor College of Medicine, Pacific Northwest National Laboratory, dan rakan sekerja mereka melakukan analisis proteogenomik sampel daripada lebih 100 orang yang menghidap kanser kolon. Dengan menyepadukan data daripada beberapa jenis analisis genomik dan proteomik daripada pesakit individu, mereka mencipta atlas proteogenomik khusus tumor pesakit yang mendedahkan banyak sasaran berpotensi baharu untuk rawatan kanser kolon yang diperibadikan. Satu sasaran berpotensi yang mereka temui ialah protein yang dipanggil CDK2. Dadah yang menyekat aktiviti CDK2 berkemungkinan menyekat pertumbuhan sel kanser kolon dengan memulihkan fungsi normal gen penekan tumor.

Meramalkan Tindak balas Rawatan

Satu cabaran dalam memindahkan proteomik ke dalam klinik bersama genomik ialah mengumpul tisu tumor yang mencukupi. Jumlah tumor yang biasanya dikumpulkan semasa biopsi adalah mencukupi untuk analisis DNA dan RNA, tetapi lebih banyak tisu diperlukan untuk menganalisis protein tumor.

Pada tahun 2020, penyelidik yang dibiayai oleh NCI di Institut Broad, Kolej Perubatan Baylor, dan rakan usaha sama mereka membangunkan kaedah baharu analisis proteomik komprehensif yang memerlukan jumlah tisu yang lebih kecil daripada yang mungkin dilakukan sebelum ini. Dalam kajian perintis pesakit dengan kanser payudara positif HER2, biopsi jarum teras tumor yang diperoleh sebelum dan selepas rawatan dengan terapi trastuzumab (Herceptin) yang disasarkan HER2 dianalisis menggunakan pendekatan skala mikro yang baru dibangunkan. Analisis melihat kedua-dua maklumat genomik dan proteomik untuk memberikan pandangan tentang mengapa sesetengah tumor pesakit bertindak balas terhadap rawatan manakala yang lain tidak. Maklumat proteomik mencadangkan mekanisme tindak balas rawatan, kekurangan tindak balas, dan rintangan dadah yang tidak akan terbukti dengan maklumat genomik sahaja. Penyelidikan ini juga membuktikan bahawa jenis analisis proteogenomik ini boleh dilakukan dengan sampel klinikal rutin.


Kaedah

Kelulusan dan persetujuan etika

Penyelidikan telah dijalankan ke atas sampel tisu FFPE yang diarkibkan yang dikumpulkan di bawah protokol yang diluluskan LHDN di Universiti Colorado dan Pusat Penyelidikan Kesihatan Kaiser Permanente. Arkib tisu ini terdiri daripada sampel klinikal yang diperoleh daripada wanita dengan kanser invasif yang menerima penjagaan standard. Untuk kajian ini, spesimen payudara daripada wanita pramenopaus berumur 20-45 tahun diperolehi di bawah kelulusan LHDN (OHSU IRB # 00010989, # 15361). Semua kes tidak dikenal pasti oleh pasukan penyelidik di semua titik dan oleh itu kajian ini dianggap dikecualikan untuk persetujuan penyertaan oleh LHDN yang mengambil bahagian.

Contoh penerangan

Tisu arkib FFPE kanser payudara (BrCa) yang diperolehi (n = 58) telah disimpan pada suhu bilik antara 2 dan 23 tahun sebelum pengasingan RNA dilakukan. Untuk semua kes, beberapa slaid H&E telah disemak dari setiap kes oleh ahli patologi dan bahagian dengan tumor telah dipilih untuk dimasukkan dalam kajian. Bahagian tidak bernoda bersiri bersebelahan kemudiannya diserahkan untuk pengekstrakan RNA.

Pengasingan RNA

Jumlah RNA diekstrak daripada bahagian FFPE 10 μm yang baru dipotong menggunakan kit miRNeasy FFPE (Qiagen, Valencia, CA) mengikut protokol pengilang, menggunakan 1-4 bahagian (10-40 μm) setiap kes bergantung pada ujian. Hasil dan kualiti RNA ditentukan oleh penyerapan UV pada spektrofotometer NanoDrop 1000 dan saiz serpihan dianalisis menggunakan ujian RNA 6000 Nano (Agilent Technologies, Santa Clara, CA) yang dijalankan pada 2100 Bioanalyzer. Nilai DV200 yang mewakili peratusan serpihan RNA melebihi 200 nukleotida panjangnya ditentukan mengikut protokol yang disyorkan Agilent dan Illumina [18]. Untuk menentukan jumlah minimum tisu yang diperlukan untuk menghasilkan kuantiti RNA yang mencukupi untuk penyediaan perpustakaan, hasil RNA setiap nombor bahagian 10 μm telah diuji. Berdasarkan keputusan ujian, satu atau dua bahagian 10 μm spesimen FFPE payudara digunakan untuk pengasingan RNA. Kualiti RNA dinilai menggunakan nilai DV200 dan kes dengan DV200 lebih daripada 27% dimasukkan untuk penyediaan perpustakaan.

Penyediaan perpustakaan dan urutan

Dua kaedah penyediaan perpustakaan telah diuji. Input sebanyak 75 ng daripada jumlah RNA FFPE telah digunakan dengan Kit Persediaan Perpustakaan Akses RNA TruSeq (Illumina, San Diego, CA) dan input sebanyak 150 ng daripada jumlah RNA FFPE telah digunakan dengan Sistem Perpustakaan FFPE RNA-seq Manusia Ovation ( NuGEN Technologies, San Carlos, CA). Perpustakaan disediakan dalam tiga salinan daripada dua sampel RNA FFPE mengikut arahan pengilang (3 replika teknikal untuk setiap sampel dan kaedah, Jadual 1). Perpustakaan dikuantifikasi oleh PCR masa nyata menggunakan kit Kuantiti Perpustakaan KAPA (Kapa Biosystems, Wilmington, MA) pada thermocycler ABI StepOne, dikumpulkan mengikut kaedah perpustakaan (6 perpustakaan setiap lorong), dan disusun pada Hi-Seq 2500 (Illumina) menggunakan 100 kitaran, protokol hujung tunggal menyediakan kira-kira 45 juta bacaan bagi setiap sampel. Fail panggilan asas telah ditukar kepada format fastq menggunakan Bcl2Fastq (Illumina). Untuk kajian yang menyoal siasat kanser payudara ER+ dan ER-, penyediaan perpustakaan dilakukan hanya menggunakan protokol TruSeq RNA Access dengan input RNA 75 ng. Perpustakaan RNA-seq enam sampel, ER+ (n = 3) dan ER- (n = 3), dihasilkan daripada RNA FFPE dengan nilai DV200 antara 27 hingga 44%. Perpustakaan dikira seperti yang diterangkan dan dikumpulkan di 3 perpustakaan setiap lorong. Penjujukan telah dilakukan pada Hi-Seq 2500 menggunakan kitaran 100, protokol bacaan tunggal dengan kedalaman kira-kira 90 juta bacaan bagi setiap sampel. Berikutan penjujukan awal, 3 daripada 6 perpustakaan telah dikumpulkan semula dan disusun secara bebas. Fail panggilan asas telah ditukar kepada format fastq menggunakan Bcl2Fastq (Illumina).

Data awam

Sebanyak 20 sampel segar (10 ER+ dan 10 ER-) telah dipilih daripada Varley et al. [19] (Penyertaan GEO GSE58135, Jadual 1, P1–20).

Penjajaran jujukan RNA

Semua bacaan RNA-seq diselaraskan dengan genom rujukan manusia (GRCh38, keluaran 84) menggunakan STAR (versi 2.5.2b) [20]. Modul STAR "GeneCounts" digunakan untuk pengiraan gen, dengan kiraan helai yang terhasil dipilih bergantung pada penyediaan perpustakaan (Akses - Tepukan terbalik - awam ke hadapan - tidak terkandas). Toleransi keratan lembut dan tidak padan telah diubah suai untuk menilai penjajaran yang terbaik (lihat keputusan), dengan parameter lalai akhirnya dipilih.

Pemprosesan data dan ujian kepentingan

Kiraan bacaan STAR digunakan sebagai input ke dalam DESeq2 [21]. Gen dengan kiraan per juta (cpm) lebih besar daripada 0.05 dalam tiga atau lebih kes disimpan untuk analisis gen ekspresi pembezaan (DEG) berikutnya. Analisis DEG dilakukan dengan status ER sebagai pembolehubah faedah dan DEG dipanggil berdasarkan kadar penemuan palsu (FDR) kurang daripada 0.05. Ambang perubahan lipatan 2 log 1 juga telah ditetapkan. Selepas analisis normalisasi, kiraan telah diubah menggunakan modul transformasi penstabilan varians (VST) dalam DESeq2 untuk analisis hiliran.

Perbandingan perpustakaan Access vs. Ovation

Kiraan output oleh STAR telah dinormalisasi menggunakan pelbagai kaedah yang berbeza. Gen dengan probe yang dikenal pasti Akses dan kiraan per juta (cpm) lebih daripada 1 dalam 50% sampel daripada sekurang-kurangnya satu kaedah penyediaan perpustakaan (14,432 gen) telah dipilih untuk visualisasi.

ER+ lwn. ER-: Gen dengan probe dikenal pasti Akses dan kiraan per juta (cpm) lebih besar daripada 1 dalam 50% sama ada FFPE atau sampel beku segar (14,331 gen) telah dipilih untuk analisis. Analisis ekspresi pembezaan dilakukan menggunakan DESeq2 [21] dengan status ER sebagai faktor minat. Kiraan yang diselaraskan melalui transformasi penstabilan varians telah digunakan untuk visualisasi seterusnya.

Jarak sampel ke sampel

Jarak Euclidean, menggunakan 'dist' dalam R, dikira berdasarkan ekspresi gen VST untuk menghasilkan matriks jarak sampel-ke-sampel agregat. Untuk menilai persamaan global FFPE dan profil ekspresi gen segar beku, korelasi Pearson berpasangan antara semua sampel telah divisualisasikan menggunakan pakej R 'pheatmap' [22]. Dendrogram dicipta menggunakan pengelompokan lengkap jarak Euclidean antara korelasi yang terhasil. Selain itu, Analisis Komponen Utama (PCA) juga dilakukan pada semua gen menggunakan fungsi 'plotPCA' pakej DESeq2, dengan status ER sebagai pembolehubah minat. Analisis komponen utama (PCA) dilakukan pada nilai ekspresi gen VST menggunakan parameter lalai. Pengelompokan pemfaktoran matriks bukan negatif (NMF) digunakan untuk mengelompokkan sampel asal dan sampel semula, menggunakan semua keluaran gen oleh DESeq2. Ekspresi gen VST telah ditapis untuk 100 gen yang dinyatakan secara berbeza (DE) teratas atau gen yang ditakrifkan berdasarkan kedudukan terlaras hlm-nilai. Gen yang ditapis telah diplot menggunakan 'pheatmap' [22] dan sampel dikelompokkan menggunakan jarak Euclidean lalai.

Ramalan subjenis BrCa

Subtipe biologi tumor (Luminal A, Luminal B, Basal, HER2) telah diramalkan menggunakan parameter ramalan PAM50 seperti yang ditentukan oleh Parker et al. [23].

Pemilihan gen untuk perbandingan segar vs. FFPE

Kami subset sampel FFPE untuk gen pengekodan protein dengan cpm lebih daripada 1 dalam sekurang-kurangnya 3 kes, menghasilkan 13,807 gen. Sampel segar telah ditapis untuk gen yang tepat ini. Semua data digabungkan bersama dan dijalankan melalui DESeq2 dengan status ER sebagai pembolehubah minat dengan ambang perubahan log 2 kali ganda 1, serta disimpan secara berasingan (cth. semua sampel baru sahaja) dan tertakluk kepada analisis yang sama. Di samping itu, semua kes ER+ telah dikumpulkan bersama dan DESeq2 dilakukan dengan jenis sampel sebagai pembolehubah minat, dengan perkara yang sama dilakukan untuk kes ER-.

Kanser set Peta Haba

Untuk menilai keupayaan set gen kanser yang dilaporkan sebelum ini kepada kohort yang dibezakan, kiraan yang diubah telah subset untuk semua gen yang sepadan daripada set gen Oncotype DX, MammaPrint dan PAM50. Data ekspresi gen adalah skor z yang diubah untuk setiap gen untuk tujuan visualisasi. Dendrogram dihasilkan menggunakan pengelompokan lengkap nilai korelasi Pearson berpasangan. Korelasi Pearson dikira pada nilai mentah untuk subset Oncotype DX dan MammaPrint, dan nilai berubah skor z untuk subset PAM50, mengikut metodologi setiap pembinaan set gen. Untuk PAM50, subtipe serta skor percambahan, ER, dan HER2 dijana menggunakan parameter ramalan asal yang ditentukan oleh Parker et al. [23].

Analisis pengayaan set gen (GSEA)

GSEA versi 3.0 digunakan untuk mengenal pasti set gen daripada pangkalan data Hallmark (v6.1, 'h.all.v6.1.symbols.gmt') serta set gen tersuai (diterangkan di bawah) yang diperkaya dengan ketara antara ER+ dan ER - kes atau antara kaedah penyimpanan sampel. Apabila menguji perbezaan antara status ER, sampel FFPE dan segar beku dibahagikan secara individu dengan fenotip ER dan ditanya terhadap set rujukan. Apabila menguji perbezaan antara kaedah penyimpanan sampel, semua sampel dibahagikan dengan kaedah penyimpanan dan ditanya terhadap set rujukan. Set gen tersuai dicipta dengan menentukan gen yang unik atau lazimnya dikenal pasti sebagai signifikan secara statistik (hlm ≤ 0.05, ujian tepat Fisher menggunakan semua gen input (14,330) sebagai hasil latar belakang dalam hlm < 2.2e-16) gen yang dinyatakan secara berbeza antara sampel ER+ (merah) dan ER- (biru) daripada FFPE atau spesimen segar (Rajah 5).

Analisis Regulon

Kami menggunakan algoritma inferens pengawal selia induk (MARINA) [24] yang disusun dalam pakej R 'viper' [25] untuk melakukan analisis regulon pada kanser payudara daripada tisu FFPE dan kumpulan data beku segar yang tersedia secara umum. Dua sumber data, tandatangan ekspresi gen dan rangkaian kawal selia, diperlukan sebagai input model. Dalam kerja ini, statistik ujian Wald dalam DESeq2 yang mengukur perbezaan ER+ dan ER- digunakan sebagai tandatangan ekspresi gen. Bagi rangkaian pengawalseliaan, kami secara langsung menggunakan rangkaian regulon kanser payudara yang diterbitkan 'regulonbrca' yang disusun dalam pakej R 'aracne.networks' yang direka bentuk semula oleh ARACne [25, 26] menggunakan data kanser payudara TCGA [27].

Aktiviti regulon berasaskan sampel tunggal telah disimpulkan oleh fungsi 'viper', yang merupakan lanjutan MARINA [24] dan mengubah matriks ekspresi gen kepada matriks aktiviti protein pengawalseliaan. Untuk input model, kami menggunakan serpihan per kilobase transkrip per juta (FPKM) kuantifikasi sampel kanser payudara dalam TCGA sebagai matriks ekspresi dan rangkaian regulon yang sama 'regulonbrca' sebagai rangkaian pengawalseliaan.

TCGA - Analisis Kaplan-Meier Kanser Payudara

Faktor gen/transkripsi utama yang ditentukan daripada analisis regulon BrCa telah dipilih sebagai gen yang diminati untuk penentuan ekspresi gen atau korelasi aktiviti regulon dengan hasil kelangsungan hidup. Plot Kaplan-Meier dihasilkan dengan memuat turun hasil TCGA, metadata kohort dan data ekspresi gen melalui alat UCSC-Xena Functional Genomics Browser [28], yang kemudiannya diplot dalam GraphPad Prism Software (v7.05, La Jolla California, USA) dan bilangan sampel yang ditunjukkan dalam kurungan untuk ekspresi gen Hi (merah) dan Lo (biru) kohort dengan hlm-nilai yang dipaparkan ditentukan oleh analisis peringkat log.


Analisis ekspresi gen mikroarray tisu arkib tetap membenarkan klasifikasi molekul dan pengenalpastian sasaran terapeutik yang berpotensi dalam limfoma sel B besar meresap

Limfoma sel B besar (DLBCL) refraktori/berulang meresap mempunyai prognosis yang buruk. Ubat baru yang menyasarkan ciri laluan NF-κB yang diaktifkan secara konstitutif bagi ABC-DLBCL adalah menjanjikan, tetapi penilaian bergantung pada klasifikasi molekul seperti sel B teraktif (ABC)/pusat germinal B seperti sel (GCB) yang tepat. Ini secara tradisinya dilakukan pada profil ekspresi mikroarray gen biopsi segar, yang tidak dikumpulkan secara rutin, atau oleh imunohistokimia pada tisu tetap formalin, parafin-tertanam (FFPE), yang tidak mempunyai kebolehulangan dan ketepatan klasifikasi. Kami meneroka kemungkinan menggunakan tisu FFPE arkib rutin untuk aplikasi microarray gen. Kami memeriksa profil ekspresi gen Affymetrix HG U133 Plus 2.0 daripada FFPE arkib berpasangan dan tisu beku segar daripada 40 kes DLBCL yang dikelaskan ABC/GCB untuk membandingkan ketepatan pengelasan dan menguji potensi pendekatan ini untuk membantu penemuan sasaran terapeutik dan pengelas penyakit dalam DLBCL. Pengelompokan hierarki yang tidak diselia bagi set siasatan sekarang yang tidak dipilih membezakan ABC/GCB dalam FFPE dengan ketepatan yang luar biasa, dan pengelas Bayesian dengan betul menetapkan 32 daripada 36 kes dengan kebarangkalian >90%. Pengayaan untuk gen NF-κB dilihat dengan sewajarnya dalam tisu FFPE ABC-DLBCL. Gen diskriminasi teratas yang dinyatakan dalam kes yang dipisahkan FFPE dengan kepentingan statistik yang tinggi dan mengandungi biologi novel dengan pandangan terapeutik yang berpotensi, yang memerlukan penyiasatan lanjut. Keputusan ini menyokong pemahaman yang semakin meningkat bahawa tisu FFPE arkib boleh digunakan dalam eksperimen microarray yang bertujuan untuk klasifikasi molekul, penemuan biomarker prognostik dan penerokaan molekul penyakit jarang berlaku.

Hak Cipta © 2012 American Society for Investigative Pathology dan Association for Molecular Pathology. Diterbitkan oleh Elsevier Inc. Hak cipta terpelihara.


Ketahanan Rawatan Mengikuti Terapi Anti-kanser

Kajian TRANSLATE bertujuan untuk lebih memahami mengapa tumor menjadi tahan terhadap terapi anti-kanser standard.

Biopsi tumor dan sampel darah baharu dikumpul selepas perkembangan penyakit pada rawatan anti-kanser standard penjagaan dan dibandingkan dengan sampel biopsi tumor awal (arkib) yang diambil daripada pesakit yang sama.

Laporan beranotasi keputusan daripada ujian panel gen Penjujukan Generasi Seterusnya (NGS) klinikal bagi kedua-dua tumor dan darah dihantar terus dari makmal ujian kepada doktor kajian untuk perbincangan dengan pesakit semasa kajian.

Pesakit boleh mengambil bahagian dalam ujian klinikal rawatan intervensi pada masa yang sama dengan mengambil bahagian dalam kajian TRANSLATE.

Data utama akan tersedia secara umum selepas kajian untuk menyokong penyelidikan lanjut.


Keadaan atau penyakit Intervensi/rawatan fasa
Perkembangan Penyakit Prosedur: Biopsi tisu tumor de novo Prosedur: Penyelidikan pengambilan darah Tidak berkaitan

Latar belakang: Pembangunan rawatan kanser baharu memerlukan pemahaman yang lebih baik tentang sebab tumor membina daya tahan terhadap terapi standard-of-care (SOC). Walau bagaimanapun, biopsi tumor selepas perkembangan tidak dikumpulkan secara rutin, mengehadkan tisu yang tersedia untuk mencirikan mekanisme rintangan rawatan. Kajian klinikal TRANSLATE direka khusus untuk menangani jurang kritikal ini.

Reka bentuk percubaan: TRANSLATE ialah kajian translasi global, berbilang pusat, direka untuk mengumpul dan membandingkan tisu tumor pra-rawatan arkib dengan tumor de novo berpasangan dan sampel darah yang diperolehi berikutan perkembangan penyakit pada terapi SOC, menyasarkan bidang biologi kanser yang penting secara terapeutik.

Jenis Tumor yang Layak dan Terapi SOC Terkini:

  • Monoterapi paru-paru bukan sel kecil dan Anti-PD-1/-L1
  • Paru bukan sel kecil dan Anti-PD-1/-L1 + platinum
  • Karsinoma sel renal sel yang jelas dan monoterapi Anti-PD-1/-L1
  • Karsinoma sel renal sel jelas dan Doublet anti-PD-1/-L1 + anti-CTLA-4
  • Karsinoma sel renal sel yang jelas dan Pembrolizumab + axitinib
  • Karsinoma sel renal sel jelas dan Avelumab + axitinib
  • HR+ HER2- payudara dan Palbociclib + terapi hormon
  • payudara BRCA bermutasi germline dan monoterapi Olaparib atau talazoparib
  • Prostat tahan kastrasi dan Enzalutamide
  • Prostat tahan pengebirian dan Abiraterone + prednison

Kriteria kelayakan termasuk orang dewasa dengan tumor maju tempatan atau metastatik bukti radiografi penyakit progresif semasa rejimen SOC terkini yang mencukupi tisu tumor arkib dan lesi tumor selepas perkembangan yang boleh diakses dengan selamat untuk biopsi baharu.

Keputusan daripada ujian panel NGS klinikal boleh membantu memaklumkan pelan rawatan berikutnya atau pengenalpastian ujian klinikal intervensi yang berkaitan.

Pesakit didaftarkan selepas perkembangan penyakit pada SOC dan sebelum perubahan dalam rawatan dan mengambil bahagian dalam 3 lawatan sambil belajar dalam masa lebih kurang 3 bulan.

Hasil penjujukan generasi seterusnya daripada analisis tisu tumor dan darah akan dikembalikan kepada doktor kajian dan pesakit untuk semakan pada lawatan sambil belajar berikutnya dalam jangka masa ini.

Titik akhir utama ialah perubahan kekerapan perubahan gen antara biopsi tumor pra-rawatan dan selepas perkembangan. Titik akhir sekunder menangani hipotesis saintifik yang diutamakan khusus untuk setiap bidang sasaran biologi dan petunjuk.

Data utama akan tersedia secara umum selepas kajian untuk menyokong penyelidikan lanjut.

Ditaja oleh Pfizer Inc. EudraCT: 2018-003612-45.

Jadual susun atur untuk maklumat kajian
Jenis Kajian : Intervensi (Percubaan Klinikal)
Pendaftaran Sebenar: 38 peserta
Peruntukan: T/A
Model Intervensi: Tugasan Kumpulan Tunggal
Bertopeng: Tiada (Label Terbuka)
Tujuan utama: Lain-lain
Tajuk Rasmi: KETAHANAN RAWATAN IKUT TERAPI ANTI-KANSER (TERJEMAHAN)
Tarikh Mula Kajian Sebenar : 13 Februari 2019
Tarikh Siap Sebenar: 14 Disember 2020
Tarikh Siap Kajian Sebenar : 14 Disember 2020

Pautan sumber disediakan oleh Perpustakaan Perubatan Negara

Apakah itu Tisu Tumor Arkib? Untuk Tujuan Apa ia dikumpul? - Biologi

Limfoma sel B besar (DLBCL) refraktori/berulang meresap mempunyai prognosis yang buruk. Novel drugs targeting the constitutively activated NF-κB pathway characteristic of ABC-DLBCL are promising, but evaluation depends on accurate activated B cell-like (ABC)/germinal center B cell-like (GCB) molecular classification. This is traditionally performed on gene microarray expression profiles of fresh biopsies, which are not routinely collected, or by immunohistochemistry on formalin-fixed, paraffin-embedded (FFPE) tissue, which lacks reproducibility and classification accuracy. We explored the possibility of using routine archival FFPE tissue for gene microarray applications. We examined Affymetrix HG U133 Plus 2.0 gene expression profiles from paired archival FFPE and fresh-frozen tissues of 40 ABC/GCB-classified DLBCL cases to compare classification accuracy and test the potential for this approach to aid the discovery of therapeutic targets and disease classifiers in DLBCL. Unsupervised hierarchical clustering of unselected present probe sets distinguished ABC/GCB in FFPE with remarkable accuracy, and a Bayesian classifier correctly assigned 32 of 36 cases with >90% probability. Enrichment for NF-κB genes was appropriately seen in ABC-DLBCL FFPE tissues. The top discriminatory genes expressed in FFPE separated cases with high statistical significance and contained novel biology with potential therapeutic insights, warranting further investigation. These results support a growing understanding that archival FFPE tissues can be used in microarray experiments aimed at molecular classification, prognostic biomarker discovery, and molecular exploration of rare diseases.


Perkhidmatan

The histology service offers routine and specialized histology services including grossing, embedding, tissue processing, sectioning and staining, whether routine H&E or specialized. It operates on frozen and FFPE tissue. It also offers tissue micro array construction service and expertise, and an experimental immunohistochemistry/ immunofluorescence service. Last year, it processed more than 13,000 blocks and an excess of 161,000 sections were generated. The service is known for its high quality, quick turn around time and dedicated personnel.

For all service inquiries send e-mail to [email protected] MPSR main Tel: 1-212-305-1608

MPSR histology service location for drop off and pick up: Black Building 4-455
Hours: 09:00 - 17:00
(Drop-off: 09:00 - 12:00 & 13:30 - 16:00)
(Pick-up: 09:00 - 12:00 & 13:30 - 17:00)


Perbincangan

The CBCTR is a publicly available collection of paraffin-embedded tissue blocks, coupled with pathological, clinical, and outcome data. It is a “virtual tissue bank,” because the pathological material remains at the contributing local site yet is retrievable for investigators seeking material for studies of prognostic markers in breast cancer. A central database of coded information has been constructed, and a subset of the database has been placed on the World Wide Web to allow detailed categorical searches by individuals seeking this material for their studies.

The description of the Resource in this paper demonstrates that the accessioned cases generally reflect breast cancer as diagnosed and treated in the community, with a few potentially important differences. The cases tend to be younger and have somewhat more advanced disease than women reported by SEER. This combination of poorer prognostic factors is reflected in an increased mortality, as shown by a median survival that is some 5–10% less than the SEER population. Whether this degree of poorer prognosis will affect the validity of marker studies is uncertain. We believe it is unlikely to be detrimental to such studies for at least two reasons: (a) the effect described is relatively small and (b) investigators may, if they so choose, design their study to examine a sample of specimens that more closely mirrors a less advanced risk group. There are sufficient numbers of cases available to make practicable any reasonable selection process.

Cases entered in the Resource must have been large enough to allow for extra material in the tissue block for analyses beyond just routine histological examination. Cases that were very small, for example those diagnosed by mammography as performed today, do not appear in CBCTR files, though there are over 1800 cases of 1 cm or less in diameter at diagnosis, indicating that some screen-detected cancers have been included. The tissue available on such cases is necessarily limited to that present in the surgical block and may only be available for a few studies.

The follow-up information in the Resource has been extensively evaluated at each of the semiannual meetings of the Coordinating Committee and at the quality assessments undertaken at each site as part of routine operations. Data concerning the initial diagnosis and treatment has been found to be quite accurate. Similarly, notation of signal dates (diagnosis and death in particular) is very reliable. The deficiencies that exist in the data reflect the known weaknesses of cancer registries. These include: (a) the lack of outpatient treatment data, because these registries are all hospital-based and (b) inconsistent notation and inadequate description of the development of metastases and their treatment. For these reasons some investigators have relied on “death” as a well-defined end point or explicit statements regarding treatment or recurrence status.

The Resource was particularly designed to support validation studies of markers believed to be of prognostic importance. Such studies require large numbers of specimens, accurate clinical and pathological material, and extended follow-up. Although the material and data cataloged for the CBCTR is extensive, more clinical and pathological data can sometimes be obtained if requested. Obtaining additional data may require additional examination of medical records or more extensive pathological review, both of which may be arranged on a collaborative basis.

The CBCTR represents a valuable resource for laboratory investigators who seek large numbers of archival specimens accessioned and evaluated uniformly by a single protocol and linked to extensive clinical and outcome data. Interested individuals using the World Wide Web can readily access the catalogue of available material. Searches of this catalogue not only verify that the material is representative of breast cancer, but that ample numbers of specimens are available for study.


CT-based radiomic features predict tumor grading and have prognostic value in patients with soft tissue sarcomas treated with neoadjuvant radiation therapy

Tujuan: In soft tissue sarcoma (STS) patients systemic progression and survival remain comparably low despite low local recurrence rates. In this work, we investigated whether quantitative imaging features ("radiomics") of radiotherapy planning CT-scans carry a prognostic value for pre-therapeutic risk assessment.

Kaedah: CT-scans, tumor grade, and clinical information were collected from three independent retrospective cohorts of 83 (TUM), 87 (UW) and 51 (McGill) STS patients, respectively. After manual segmentation and preprocessing, 1358 radiomic features were extracted. Feature reduction and machine learning modeling for the prediction of grading, overall survival (OS), distant (DPFS) and local (LPFS) progression free survival were performed followed by external validation.

Keputusan: Radiomic models were able to differentiate grade 3 from non-grade 3 STS (area under the receiver operator characteristic curve (AUC): 0.64). The Radiomic models were able to predict OS (C-index: 0.73), DPFS (C-index: 0.68) and LPFS (C-index: 0.77) in the validation cohort. A combined clinical-radiomics model showed the best prediction for OS (C-index: 0.76). The radiomic scores were significantly associated in univariate and multivariate cox regression and allowed for significant risk stratification for all three endpoints.

Kesimpulan: This is the first report demonstrating a prognostic potential and tumor grading differentiation by CT-based radiomics.

Kata kunci: Biomarker Machine learning Neoadjuvant radiotherapy Radiomics Soft tissue sarcoma Tumor grading.


Tonton video: DEWS #10 REVIEW TISU BASAH TERLENGKAP SEMUA MEREK ADA (Disember 2022).