利用基因芯片預測骨肉瘤新輔助化療療效研究進展

李洪濤++++沈贊*

摘 要 骨肉瘤在新輔助化療后的原發灶腫瘤組織壞死率對于患者的預后具有決定性意義，尋找有效的檢測手段或檢測指標在手術前預測化療療效，并在術前及時調整治療顯得尤為重要。本文綜述基因芯片對骨肉瘤新輔助化療療效的預測作用。

關鍵詞骨肉瘤新輔助化療壞死率預測基因芯片

中圖分類號：R738.1文獻標識碼：A文章編號：1006-1533（2014）12-0013-03

Progress in predicting response to neoadjuvant chemotherapy for osteosarcoma by gene-expression profiles

LI Hongtao, SHEN Zan

(Department of Oncology of Shanghai Six Peoples Hospital Affiliated to Shanghai Jiao Tong University, Shanghai 200233, China )

Abstract Histological response or tumor necrosis rate to neoadjuvant chemotherapy has been shown to be associated with survival in osteosarcoma patients. Accurate and noninvasive detective methods to predict response to neoadjuvant chemotherapy would be important for planning surgery and adjustment subsequent therapy. This review summarizes recent advances in predicting response to neoadjuvant chemotherapy for osteosarcoma by gene-expression profiles.

KEY WORDSosteosarcoma; neoadjuvant chemotherapy; necrosis rate; gene chip

骨肉瘤是青少年原發性惡性骨腫瘤中發病率最高的腫瘤[1- 2]。由于新輔助化療的治療進展，使5年生存率從＜20%提高到60%～70%[3]，而骨肉瘤在新輔助化療后的原發灶腫瘤組織壞死率對于患者的預后具有決定性意義。根據Salzer-Kuntschik標準（6級標準）或Huvas標準（4級標準），COSS臨床研究顯示骨肉瘤5年無事件生存期（event-free survival）在腫瘤組織壞死率高的人群為68%, 而壞死率低的則為39%[4-5]。

通過病理學評估腫瘤組織壞死率是目前驗證新輔助化療療效的金標準，因病理評估多為術后回顧性評估，故有其局限性。因此，尋找有效的檢測手段或檢測指標在手術前預測化療療效，并在術前及時調整治療顯得尤為重要。預測化療的腫瘤組織壞死率有多種方法，包括血清學、影像學及核素顯像等[6-7]。

近年來，以高密度基因芯片為核心的基因組學技術迅速發展，已廣泛應用到生物醫學的各個領域并取得突出進展，使基因芯片預測腫瘤患者的治療反應性、預后及生存成為可能。本文僅就基因芯片對骨肉瘤新輔助化療療效研究進行綜述。

細胞水平

在骨肉瘤細胞系水平研究方面，Walters等[8]用Human Genome U133 Plus 2.0基因芯片（1張可容納47 000個轉錄本）對比了MG3耐藥株M6和M8(MG3對依托泊苷、多柔比星和順鉑較M6和M8敏感)的表達差異，結果發現252個顯著差異表達基因(false discovery rate, FDR=0.5%)，這些基因中包括149個上調表達基因和103個下調表達基因，通過RT-PCR和Western印跡法選擇其中8個進行確認，證明了表達差異具有一致性。進一步對這些基因進行文獻復習，發現其中ABCG2、ADD3、NMT2、WNT5a和PTN與腫瘤細胞化療耐藥相關。通過對比同類研究，作者發現252個差異表達基因中的TRIM22、ADD3、PTN、WNT5A基因與Mintz等[9]通過芯片分析臨床標本的差異表達基因名稱重疊，前者上述4個基因表達倍數變化為4.4、2.2、3.3和-3.1[8]，而Mintz等[9]的研究則為-2.4、-2.2、3.2和-2.4，這種差異可能由于標本的不同或芯片平臺差異所致。

動物模型

Bruheim通過在可容納約20 000個探針的UniSet Human 20K Oligo Bioarray芯片上對比了10個骨肉瘤動物模型分別對多柔比星、順鉑和異環磷酰胺耐藥的表達差異，其中對多柔比星耐藥的差異表達基因有85個(FDR=5%)，包括48個高表達基因和37個低表達基因；對順鉑耐藥的基因差異表達有74個(FDR=2%)，包括38個高表達基因和36個低表達基因；而對異環磷酰胺耐藥的差異表達則有118個(FDR=0.5%)，高表達基因67個和低表達基因51個。上述三組差異表達的基因中，順鉑與多柔比星耐藥組中有21個基因重疊，順鉑與異環磷酰胺組中僅有2個重疊，而多柔比星與異環磷酰胺則無重疊[10]。這項研究提示同一腫瘤對不同化療藥物耐藥機制差異顯著。

臨床標本

Mintz等[9]收集30個骨肉瘤穿刺標本（15個Huvos I/Ⅱ級和15個HuvosⅢ/Ⅳ級），在含有12 625個轉錄本的U95Av2芯片上分析后發現腫瘤組織壞死率低的標本中有104個顯著差異表達基因，其中包括63個上調表達基因和41個下調表達基因。作者用這104個基因對化療耐藥的骨肉瘤裸鼠模型標本進行驗證，結果符合預期。在上述104個基因中包括有護骨素顯著低表達，而參與破骨過程（如annexin-2、SMAD、PLA2G2A和TGFB1）、細胞外基質重構過程(如desmoplakin、SPARCL1、biglyca和PECAM)相關基因卻出現了顯著高表達，這些基因經過RT-PCR驗證符合芯片檢測結果，作者據此推論雙膦酸鹽治療骨肉瘤中的可能意義。

Man等[11]通過自組裝含有9 216個獨立元件的芯片對比了7個化療壞死率大于90%的標本和13個化療壞死率小于90%的標本，確定了由45個基因組成的預測模型，這45個基因中有91%在壞死率小于90%的標本中呈高表達。作者用此預測模型對6個穿刺標本進行預測檢驗，而這6個標本先前在建立45個基因預測芯片過程中已經檢測，結果提示正確符合率為83%，而用該模型對8個單獨穿刺標本進行預測，正確符合率則為100%。Ochi等[12]在自組裝的含有23 040個cDNA位點的芯片中對比了13個骨肉瘤標本，包括6個壞死率大于90%和7個壞死率小于90%的標本，并從兩組共有率70%的4 722個基因中選取60個基因組成藥物反應評分系統(drug response scoring, DSR)，該評分系統能準確區分骨肉瘤標本對化療的反應性，其中最顯著的基因名稱為AKR1C4。

雖然，上述研究充分說明基因芯片檢測臨床標本預測療效的可能性，但也有研究并未發現陽性結果，如Cleton-Jansen通過收集25個化療前的活檢標本，包括8個化療壞死率大于90%和17個化療壞死率小于90%的標本，在Hu133A GeneChip Arrays中分析并未發現差異表達基因的存在[13]。

自2002年《Nature》雜志發表成功利用基因表達譜芯片的差異對乳腺癌患者5年內的預后進行預測以來[14]，越來越多的基因芯片經FDA批準用于臨床。然而，芯片平臺差異及芯片檢測結果的重復性尚值得進一步確證。通過上述文獻分析，我們看出重復性的結果少于研究結論，這有可能是樣本本身、樣本量及檢測手段的差異造成。基于條件所限，我們僅對5年前文獻進行了分析總結，而近年來，基因芯片技術以其標準化的流程、堅實的理論和實驗的支持，已成為非常穩定可信的實驗技術，相信通過擴大樣本量進行必要的重復研究將使芯片快速檢測預測骨肉瘤化療療效成為可能。

參考文獻

Duong LA, Richardson LC. Descriptive epidemiology of m alignant primary osteosarcoma using population-based registries, United States, 1999-2008[J]. J Registry Manag, 2013, 40(2): 59-64.

Ottaviani G, Jaffe N. The epidemiology of osteosarcoma[J]. Cancer Treat Res, 2009, 152: 3-13.

Allison DC, Carney SC, Ahlmann ER, et al. A meta-analysis of osteosarcoma outcomes in the modern medical era[J/OL]. Sarcoma, 2012, doi: 10.1155/2012/704872.

Carrle D, Bielack SS. Current strategies of chemotherapy in osteosarcoma[J]. Int Orthop, 2006, 30(6): 445-451.

Bielack SS, Kempf-Bielack B, Winkler K. Osteosarcoma: relationship of response to preoperative chemotherapy and type of surgery to local recurrence[J]. J Clin Oncol, 1996, 14(2): 683-684.

Hongtao L, Hui Z, Bingshun W, et al. 18F-FDG positron emission tomography for the assessment of histological response to neoadjuvant chemotherapy in osteosarcomas: A meta-analysis[J]. Surg Oncol, 2012, 21(4): e165-170.

李洪濤, 沈贊. 18F-FDG PET/CT對骨肉瘤新輔助化療療效評估的進展[J].中國癌癥雜志, 2012, 22(9): 675-679.

Walters DK, Steinmann P, Langsam B, et al. Identification of potential chemoresistance genes in osteosarcoma[J]. Anticancer Res, 2008, 28(2A): 673-679.

Mintz MB, Sowers R, Brown KM, et al. An expression signature classifies chemotherapy-resistant pediatric osteosarcoma[J]. Cancer Res, 2005, 65(5): 1748-1754.

Bruheim S, Xi Y, Ju J, et al. Gene expression profiles classify human osteosarcoma xenografts according to sensitivity to doxorubicin, cisplatin, and ifosfamide[J]. Clin Cancer Res, 2009, 15(23): 7161-7169.

Man TK, Chintagumpala M, Visvanathan J, et al. Expression profiles of osteosarcoma that can predict response to chemotherapy[J]. Cancer Res, 2005, 65(18): 8142-8150.

Ochi K, Daigo Y, Katagiri T, et al. Prediction of response to neoadjuvant chemotherapy for osteosarcoma by gene-expression profiles[J]. Int J Oncol, 2004. 24(3): 647-655.

Cleton-Jansen AM, Anninga JK, Briaire-de Bruijn IH, et al. Profiling of high-grade central osteosarcoma and its putative progenitor cells identifies tumourigenic pathways[J]. Br J Cancer, 2009, 101(11): 1909-1918.

van ‘t Veer LJ, Dai H, van de Vijver MJ, et al. Gene expression profiling predicts clinical outcome of breast cancer[J]. Nature, 2002, 415(6871): 530-536.

（收稿日期：2014-05-07）*作者簡介：沈贊，副主任醫師，副教授，碩士研究生導師，腫瘤內科行政副主任，醫學博士。擅長乳腺癌、肺癌及前列腺癌轉移的診斷和綜合治療、骨轉移癌及惡性淋巴瘤的診斷和治療。