不同的分子特征谱描述了IDH突变型低级别星形细胞瘤和少突胶质细胞瘤的自发生长速率

Distinct molecular profiles characterize the spontaneous growth rate of IDHmt low-grade astrocytomas and oligodendrogliomas

作者信息Amélie Darlix, Pierre Bady, Jérémy Deverdun, Emmanuelle Le Bars, Arthur Coget, Justine Meriadec, Mathilde Carrière, Hugues Duffau, Monika E Hegi
PMID41460180
发布时间2026-04-01
DOI10.1093/neuonc/noaf296

实验完整度

研究基于77例患者队列,包含DNA甲基化组和RNA测序,以及MRI肿瘤体积测量和TVGR计算,并通过TCGA验证,但未进行功能实验或机制验证。

主要模型

IDHmt低级别胶质瘤患者队列(共缺失与非共缺失) TCGA-LGG验证队列

重点核对

患者年龄>18岁,WHO 2016分级II级,IDH突变状态经甲基化确认 TVGR计算基于“观察与等待”期间连续MRI,首次治疗前的FIFS定义 按1p/19q共缺失状态分层:共缺失(n=29)与非共缺失(n=48) 相关分子分析使用EPIC甲基化芯片和RNA-seq,基因集富集分析采用Bonferroni校正P≤0.05

摘要

弥漫性IDH突变型低级别胶质瘤(IDHmt LGG)患者的预期寿命从5年到超过20年不等。即使在同质分类的少突胶质细胞瘤和星形细胞瘤亚型中,肿瘤行为(包括自发生长速率)也存在差异。需要根据风险调整的治疗策略,以避免治疗相关毒性而不损害预后。自发性肿瘤体积生长速率(TVGR)作为预后标志物,并可预测治疗反应。通过生物标志物准确预测TVGR将有助于改善循证风险管理。纳入了法国蒙彼利埃治疗的77例IDHmt LGG II级(WHO 2016)患者队列(29例少突胶质细胞瘤,48例星形细胞瘤)。建立了DNA甲基化组(Illumina,EPIC芯片)和转录组(RNAseq)。TVGR基于在首次手术以外治疗前的“观察与等待”期间收集的系列MRI确定。使用秩-秩回归及随后的预排序基因集富集分析,分析了与TVGR相关的转录组和甲基化组特征。IDHmt共缺失LGG的中位TVGR低于非共缺失LGG(0.241年−1,范围0.082-0.366,对比0.424年−1,范围0.264-0.609,P<0.001)。在共缺失IDHmt LGG中,TVGR与神经元系统、突触活性以及神经祖细胞抑制或待激活特征的激活相关的上调基因特征相关,而在非共缺失IDHmt LGG中,TVGR主要由上调的增殖相关特征主导,包括DNA复制和修复。共缺失和非共缺失IDHmt LGG的自发性TVGR涉及不同的生物学过程,提示对治疗的反应可能存在差异。

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
IDHmt低级别胶质瘤的自发性肿瘤体积生长速率(TVGR)是否与不同的分子特征相关,这些特征在不同亚型(共缺失与非共缺失)中是否存在差异?
核心机制
本研究未验证具体分子机制,但发现共缺失IDHmt LGG的TVGR与神经元系统、突触信号、神经祖细胞发育相关信号通路上调相关;而非共缺失IDHmt LGG的TVGR与增殖相关信号通路(如DNA复制和修复)上调相关。
主要证据
基于77例患者队列(29例共缺失,48例非共缺失)的MRI测量TVGR,结合DNA甲基化组和RNA-seq数据,通过秩-秩回归和GSEA鉴定TVGR相关通路;并在TCGA-LGG数据集中验证了相关特征。
研究意义
研究提示不同生物学过程驱动两种亚型的生长速率,可能导致对治疗反应的差异,有助于未来根据风险调整治疗策略。

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

患者队列构建和MRI肿瘤体积测量

确定自发性肿瘤体积生长速率并建立研究队列

纳入77例IDHmt LGG患者,包括29例共缺失和48例非共缺失。收集“观察与等待”期间的系列MRI,采用自动分割并由神经放射学专家校正,计算TVGR。

2

分子谱分析

获取肿瘤组织的DNA甲基化和转录组数据,用于关联分析

利用Illumina EPIC甲基化芯片和RNA-seq分析肿瘤组织的DNA甲基化组和转录组,并进行质量控制。

3

亚型分组和分子特征与TVGR的关联分析

识别与TVGR相关的分子特征,并比较共缺失与非共缺失亚型的差异

使用秩-秩回归生成与TVGR相关的基因列表,随后进行预排序基因集富集分析(GSEA),并对共缺失和非共缺失分别分析。

4

分子亚型分组与结果关联性分析

确定与TVGR相关的分子亚型是否与预后关联

基于通路表达谱使用K-means聚类将非共缺失和共缺失肿瘤分别分为3个和2个分子亚组,并分析与FIFS和OS的关联。

5

外部数据集验证

验证在Montpellier队列中识别的TVGR相关特征是否在TCGA数据集中再现

基于TCGA-LGG(IDHmt,II级)数据集中共缺失和非共缺失样本,进行特征相似性分析(RV系数)。

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
AllPrep DNA/RNA微量提取试剂盒Qiagen80284
片段分析仪Agilent Technologies--
Illumina链特异性mRNA制备试剂Illumina--
Sciclone液体处理机器人PerkinElmer--
QubIT荧光定量仪Life Technologies--
Illumina NovaSeq 6000测序仪Illumina--

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
患者队列选择
患者年龄(>18岁)、WHO 2016分级II级、IDH突变状态经甲基化确认、1p/19q共缺失状态
阅读提示:Methods: Patient Selection
MRI体积测量和TVGR计算
MRI序列(T1w和T2-FLAIR)、分割工具(自动+人工校正)、TVGR模型(混合线性模型、随机截距和斜率)、bootstrap重复次数(50次)
阅读提示:Methods: Automated Determination of Tumor Volumes, Modelling Tumor Growth and Estimation of the Growth Rate
分子分析
DNA甲基化芯片(EPIC 850k)、RNA-seq文库制备方法(Illumina Stranded mRNA Prep)、测序平台(NovaSeq 6000)、RNA质量(RQN 6.3-9.7)
阅读提示:Methods: DNA Methylome Analyses, Data Preparation and Analysis of RNA Sequencing
关联分析
秩-秩回归方法、GSEA基因集(MSigDB v7.5.1)、显著性阈值(Bonferroni校正P≤0.05)、聚类分组参数(Calinski-Harabasz准则)
阅读提示:Methods: Pathway Analyses, Statistical Analyses; Results: Transcriptome-based Prediction...