血清代谢组学用于切除的晚期口腔鳞癌的预后分层

Serum Metabolomics for Prognostic Stratification in Resected Advanced-Stage Oral Cavity Cancer

作者信息Eric Yi-Liang Shen, Li-Yu Lee, Shu-Hang Ng, Chien-Yu Lin, Hung-Ming Wang, Chia-Hsun Hsieh, Chih-Hua Yeh, Shiang-Fu Huang, Chung-Jan Kang, Tzu-Chen Yen, Nai-Ming Cheng, Chun-Ta Liao
PMID41343178
发布时间2025-12-04
DOI10.1001/jamaoto.2025.4267

实验完整度

中

研究为回顾性队列,包含代谢组学检测和统计建模,但缺乏体外或动物模型验证,证据层级有限。

主要模型

228例切除的晚期口腔鳞癌患者队列 血清代谢组学样本

重点核对

代谢物筛选阈值:P<0.05且FC>1.1或<0.909 MetaboScore最佳截断值11 多变量Cox模型中的混杂因素:17个因素 LASSO交叉验证确定最优λ

摘要

重要性:需要改进的方法来预测口腔鳞状细胞癌的复发。然而,迄今为止,尚无代谢组学研究充分探索OCSCC复发模式及生存的预测。目的:识别与OCSCC复发相关的血清代谢物,并开发和验证预后评分系统。设计、设置和参与者:这项回顾性队列研究在单一三级学术中心进行,纳入了来自槟榔咀嚼区域的组织学确诊、手术切除的首发晚期OCSCC患者。患者在2007年2月至2018年5月期间接受初次手术,随访数据通过前瞻性维护的机构注册系统系统收集。数据分析时间为2024年12月至2025年9月。暴露:使用液相色谱-质谱法进行术前血清代谢组学分析。主要结局和指标:识别可预测复发和生存的代谢物;开发和验证MetaboScore。结果:在纳入的228名患者中,216名(94.7%)为男性,OCSCC发病时的平均(SD)年龄为51.9(10.8)岁。MetaboScore中包含19种与复发相关的代谢物。与评分低于11的患者相比,评分为11或更高与更高的复发风险相关,包括局部复发(79例中的22例[27.8%]对149例中的5例[3.4%])、区域复发(19例[24.1%]对10例[6.7%])和远处转移(29例[36.7%]对21例[14.1%])。评分为11或更高的患者的5年无病生存率较差(38% [95% CI, 28-51] vs 83% [95% CI, 77-89];差异,45个百分点;95% CI, 32-57),疾病特异性生存率也较差(58% [95% CI, 48-70] vs 85% [95% CI, 79-91];差异,27个百分点;95% CI, 14-40)。多变量分析证实了MetaboScore的独立预后价值(局部复发:风险比[HR],14.84;95% CI, 5.45-40.40;区域复发:HR,4.22;95% CI, 1.94-9.15;远处转移:HR,2.53;95% CI, 1.42-4.50;无病生存率:HR,4.40;95% CI, 2.71-7.15;疾病特异性生存率:HR,3.04;95% CI, 1.76-5.25)。值得注意的是,MetaboScore在pN3b状态之外提供了额外的预后信息。结论和相关性:在这项队列研究中,高MetaboScore与局部复发、区域复发和远处转移相关,即使在应用传统分期后也是如此。其来源于以男性、槟榔暴露和晚期疾病为主的队列,需要谨慎解释。在进行广泛的临床实施之前,在不同病因、疾病分期和人口特征的更多样化人群中进行前瞻性验证将是必要的。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
探讨血清代谢组学是否能够识别预测口腔鳞状细胞癌复发和生存的生物标志物,并构建预后评分系统。
核心机制
文中未明确说明一个单一的机制,但讨论部分提出代谢物如正磷酸盐与HRAS驱动的代谢重编程相关,1-(5'-磷酸核糖基)-5-氨基-4-咪唑甲酰胺参与嘌呤生物合成等。
主要证据
基于228例患者队列,采用液相色谱-质谱法进行血清代谢组学分析,结合单变量分析、XGBoost算法和Kaplan-Meier曲线筛选出19种与复发相关的代谢物,构建MetaboScore;多变量Cox回归证实其独立预后价值。
研究意义
MetaboScore可增强OCSCC的预后分层,为个体化治疗决策提供信息,但需在不同人群中进行前瞻性验证。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

患者队列建立

纳入符合条件的手术切除的晚期口腔鳞癌患者,并系统收集临床病理数据。

在单一三级医疗中心回顾性纳入2007年2月至2018年5月期间接受初次手术的228例患者,通过机构注册系统收集临床病理因素。

2

血清代谢组学分析

鉴定与复发相关的血清代谢物,并用于构建预后评分。

使用液相色谱-质谱法对术前血清样本进行代谢组学分析,通过主成分分析、偏最小二乘判别分析、单变量分析(t检验和倍数变化)及XGBoost机器学习算法筛选代谢物。

3

MetaboScore评分系统开发

基于筛选出的代谢物构建预后评分系统,并确定最佳截断值。

对36种候选代谢物通过Cox比例风险模型中的惩罚样条回归确定最佳截断值,并通过Kaplan-Meier曲线和log-rank检验验证与无病生存的关联,最终纳入19种代谢物构建MetaboScore,并通过分析确定最佳截断值为11。

4

预后验证和统计分析

验证MetaboScore的预后价值,并评估其独立于传统危险因素的作用。

通过Kaplan-Meier曲线、log-rank检验、单变量和多变量Cox回归分析评估MetaboScore与5年局部控制、颈部控制、远处转移、无病生存和疾病特异性生存的关联,并使用LASSO回归进行敏感性分析。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
液相色谱-质谱联用----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
患者队列
患者纳入标准、排除标准、样本量、临床病理数据收集
阅读提示:Methods - 研究患者部分
血清样本采集
空腹时间(至少6小时)、采血时机(手术当日)
阅读提示:Methods - 代谢物生物标志物发现部分
代谢组学分析
分析平台、代谢物筛选标准(P值和倍数变化阈值)
阅读提示:Methods - 代谢物生物标志物发现部分
MetaboScore构建
候选代谢物数量、纳入评分系统的代谢物、评分方法、最佳截断值
阅读提示:Methods - MetaboScore开发部分
统计模型
多变量模型中的协变量、逐步选择法、LASSO交叉验证参数
阅读提示:Methods - 统计分析部分