尿液DNA甲基化检测可实现膀胱癌的早期检测和复发监测

Urine DNA methylation assay enables early detection and recurrence monitoring for bladder cancer

作者信息Xu Chen, Jingtong Zhang, Weimei Ruan, Ming Huang, Chanjuan Wang, Hong Wang, Zeyu Jiang, Shaogang Wang, Zheng Liu, Chunxiao Liu, Wanlong Tan, Jin Yang, Jiaxin Chen, Zhiwei Chen, Xia Li, Xiaoyu Zhang, Peng Xu, Lin Chen, Ruihui Xie, Qianghua Zhou, Shizhong Xu, Darryl Luke Irwin, Jian-Bing Fan, Jian Huang, Tianxin Lin
PMID32817589
发布时间2020-12-01
DOI10.1172/JCI139597

实验完整度

包含多队列甲基化标志物发现、回顾性建模、前瞻性多中心验证、与现有方法对比、残留与复发监测等多层级验证。

主要模型

膀胱癌组织与癌旁组织配对样本 尿沉渣细胞样本 多中心前瞻性临床队列

重点核对

多中心前瞻性验证队列样本量及医院来源 LASSO模型构建时训练集与验证集划分比例 尿液样本处理时间与离心条件 UD评分截断值(0.3564)的确定方法

摘要

背景:目前膀胱癌的检测和监测方法通常具有侵入性和/或敏感性和特异性欠佳,尤其是在早期、微小和残留肿瘤中。方法:我们开发了一种高效的方法,称为utMeMA,通过MassARRAY检测多个基因组区域的尿液肿瘤DNA甲基化。我们通过综合分析中山大学孙逸仙纪念医院队列、癌症基因组图谱和基因表达综合数据库的队列,鉴定了膀胱癌特异性甲基化标志物。膀胱癌诊断模型在一个回顾性队列(n = 313)中构建,并在一个多中心、前瞻性队列(n = 175)中得到验证。对该诊断检测的性能进行了分析,并与尿细胞学检查和FISH进行了比较。结果:我们首先在综合分析中发现了26个膀胱癌显著甲基化标志物。我们构建并验证了一个基于2个标志物的诊断模型,该模型能以高准确性(86.7%)、敏感性(90.0%)和特异性(83.1%)区分膀胱癌患者。此外,基于utMeMA的检测在敏感性方面比尿细胞学检查和FISH有显著提高,尤其是在检测早期(Ta期和低级别肿瘤,64.5% vs. 11.8%,15.8%)、微小(81.0% vs. 14.8%,37.9%)、残留(93.3% vs. 27.3%,64.3%)和复发(89.5% vs. 31.4%,52.8%)肿瘤方面。该检测的尿液诊断评分与肿瘤恶性程度和负荷的相关性更好。结论:尿液肿瘤DNA甲基化评估用于膀胱癌的早期诊断、微小残留病灶检测和监测是一种快速、高通量、非侵入性且有前景的方法,可能减轻膀胱镜检查和盲目二次手术的负担。

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
开发一种基于尿液DNA甲基化的非侵入性方法,用于膀胱癌的早期检测、微小残留病灶识别及复发监测。
核心机制
膀胱癌组织中存在特异性DNA甲基化标志物,且尿液中的甲基化水平与肿瘤组织显著相关,可作为诊断标志物。
主要证据
通过多个独立队列(SYSMH、TCGA、GEO)差异甲基化分析确定26个标志物,基于2个CpG位点(cg21472506和cg11437784)的LASSO模型在回顾性(n=313)和前瞻性多中心(n=175)队列中验证,整体敏感性90.0%,特异性83.1%,且在早期、微小、残留和复发肿瘤中的敏感性显著优于尿细胞学检查与FISH。
研究意义
该无创检测方法可能减轻膀胱镜检查和盲目二次手术的负担,为膀胱癌的早期诊断和复发监测提供有前景的方案。

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

甲基化标志物发现

识别膀胱癌特异的DNA甲基化标志物,以区分肿瘤组织与正常组织。

对SYSMH队列11对、TCGA队列21对膀胱癌及癌旁组织进行靶向甲基化测序或450K数据分析,并结合TCGA 412例肿瘤及GEO 656例正常血白细胞数据,通过差异甲基化分析和统计过滤,最终鉴定出26个标志物。

2

模型构建与验证

建立基于尿液DNA甲基化的膀胱癌诊断模型并进行独立验证。

采用utMeMA技术检测23个可代表肿瘤甲基化水平的尿沉渣标志物,在回顾性队列(n=313)中通过LASSO回归筛选出2个CpG标志物并构建模型,随后在前瞻性多中心队列(n=175)中验证性能。

3

在多中心队列中验证诊断性能

验证构建的尿液DNA甲基化诊断模型在临床样本中的诊断效能和稳定性。

在纳入的患者中应用该模型计算UD评分,评估其诊断膀胱癌的敏感性、特异性、准确性、PPV和NPV,并验证其与临床病理特征的相关性。

4

性能对比与临床亚组分析

比较utMeMA与现有检测方法在不同临床特征下对膀胱癌的诊断性能。

在251例膀胱癌患者中,比较utMeMA、尿细胞学检查及FISH在不同分级、分期、肿瘤大小和数量等亚组中的敏感性,并评估特异性。

5

残留及复发肿瘤检测

评估utMeMA在检测残留肿瘤和监测术后复发中的临床价值。

检测行Re-TURBT患者术前尿样,评估其识别残留肿瘤的效能;另外,对接受监测随访的患者进行尿液检测,评估其预测肿瘤复发的效能,并与尿细胞学检查和FISH比较。

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
DNeasy血液和组织试剂盒Qiagen69506
Quick-DNA尿液试剂盒Zymo ResearchD3061
EZ DNA甲基化快速试剂盒Zymo ResearchD5030
iPLEX Pro试剂盒Agena Bioscience10217

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
样本处理
尿液样本需在收集后1小时内处理,离心条件为3000g、10分钟,沉淀用PBS洗涤两次。
阅读提示:Methods中的Sample processing部分
模型构建
回顾性队列是否随机分为训练集和测试集,且分层因素包括年龄、性别、吸烟状态和病理类别。
阅读提示:Methods中的Construction and validation of a urine diagnostic model部分
诊断模型阈值确定
UD评分截断值0.3564是否通过Youden指数确定,且该截断点在模型ROC上。
阅读提示:Methods中的Construction and validation of a urine diagnostic model部分
统计学分析
所有假设检验为双侧检验,P值小于0.05视为具有统计学意义。
阅读提示:Methods中的Statistics部分