按年龄组划分的中枢神经系统肿瘤类型患病率:基于甲基化谱分析的21,000例病例分析,重点关注青少年和年轻人

CNS tumor type prevalence according to age group: an analysis of 21,000 cases confirmed by methylation profiling, with a focus on adolescents and young adults

作者信息Adriana Fonseca, Leeor Yefet, Omkar Singh, Christopher Dampier, Karen Dazelle, Michelle Lam, Zied Abdullaev, Hye-Jung Chung, Martha Quezado, Mark Raffeld, Jeffrey Gagan, Ina Lee, MacLean Nasrallah, Julie Bennett, Eric Bouffet, Dipak Poria, Pieter Wesseling, Martin van den Bent, Patrick Y Wen, Pascale Varlet, Arnault Tauziède-Espariat, Cristiane M Ida, Gelareh Zadeh, Kenneth Aldape
PMID41978543
发布时间2026-04-13
DOI10.1093/neuonc/noag082

实验完整度

基于大规模队列的回顾性分析,使用甲基化谱分类、拷贝数分析和诊断影响评估,未进行前瞻性实验。

主要模型

21,712例中枢神经系统肿瘤样本队列 儿童(<15岁)队列 青少年和年轻成人(15-39岁)队列 成人(>39岁)队列

重点核对

队列规模:21,712例,其中AYA 5,351例,儿童7,231例,成人9,130例 年龄分组:儿童(<15岁)、AYA(15-39岁)、成人(>39岁) 甲基化谱分析:Infinium MethylationEPIC或MethylationEPICv2芯片 分类标准:NCI/Bethesda分类器高置信度匹配 诊断影响:7951例有初始诊断,与甲基化分类比较

摘要

背景。每年大约有12,000名青少年和年轻人(年龄15-39岁,AYA)被诊断出患有原发性中枢神经系统肿瘤。DNA甲基化谱分析通过提高诊断准确性和识别生物学上不同的亚型,改变了中枢神经系统肿瘤的分类,但其在AYA人群中的应用尚未得到系统评估。在本研究中,我们检查了不同年龄组的中枢神经系统肿瘤类型谱,重点关注AYA人群。方法。我们组装了一个大型中枢神经系统肿瘤样本数据集,其中包含年龄注释和甲基化谱,这些数据使用NCI/Bethesda分类器与中枢神经系统肿瘤类型高度匹配。比较了不同年龄层(儿童、AYA和成人)中肿瘤类型、甲基化类别和DNA拷贝数畸变的患病率。结果。该队列包含21,712例中枢神经系统肿瘤,其中5,351例来自AYA(25%),显示出混合模式,既有儿童典型的肿瘤(如髓母细胞瘤),也有老年人常见的肿瘤(如胶质母细胞瘤)。几种肿瘤类型在AYA中特别富集,包括IDH突变型星形细胞瘤、多形性黄色星形细胞瘤、后颅窝B组室管膜瘤和弥漫性半球胶质瘤H3 G34突变型等。在AYA中观察到多种肿瘤类型的不同甲基化亚类,基因组畸变模式显示出年龄特异性分布。结论。大规模甲基化谱分析揭示了AYA中中枢神经系统肿瘤的独特分类模式,具有特定肿瘤类型、亚类和基因组改变在该人群中富集。这些数据可能作为更好地理解影响AYA患者的CNS肿瘤谱的宝贵参考资源。

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
青少年和年轻成人(AYA)中枢神经系统肿瘤的分子分类谱是否具有独特性?
核心机制
文中未明确说明
主要证据
对21,712例经甲基化谱分类的CNS肿瘤进行分析,涵盖儿童、AYA和成人,发现AYA肿瘤类型分布跨度大,融合儿童和成人特征,并富集IDH突变星形细胞瘤、多形性黄色星形细胞瘤、后颅窝B型室管膜瘤、H3 G34突变型弥漫性半球胶质瘤等;同时发现某些甲基化亚类和拷贝数改变在AYA中特异富集。
研究意义
研究结果可作为理解AYA CNS肿瘤谱的参考资源,支持年龄意识诊断和研究。

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

队列构建与分类

建立经甲基化谱分类的CNS肿瘤大型队列,用于分析不同年龄组的肿瘤类型分布。

收集NIH咨询病例、合作者病例和公共数据库病例,共21,712例,使用NCI/Bethesda分类器进行甲基化分类。

2

年龄分组肿瘤类型分布分析

比较不同年龄组中CNS肿瘤类型和类别的相对比例。

计算各年龄组在17个肿瘤类别和100个肿瘤类型中的分布,并识别在AYA中富集的类型。

3

甲基化亚类年龄分布分析

探究特定肿瘤类型中甲基化亚类在不同年龄组的分布差异。

对IDH突变星形细胞瘤、髓母细胞瘤SHH型、弥漫性儿童型高级别胶质瘤、毛细胞星形细胞瘤等,分析其亚类在年龄组中的比例。

4

拷贝数变异分析

比较不同年龄组中特定肿瘤类型的拷贝数改变频率。

使用conumee包计算拷贝数谱,比较胶质母细胞瘤、SHH髓母细胞瘤、脑膜瘤等的拷贝数改变。

5

诊断影响评估

评估甲基化谱分类对AYA患者诊断的影响。

对来自NIH咨询服务的7951例(其中3434例为AYA)进行初始诊断与甲基化分类比较,分类为细化、改变或无变化。

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
Infinium MethylationEPICIllumina--
MethylationEPICv2Illumina--
AllPrep DNA FFPE试剂盒Qiagen--

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
队列构建与分类
样本来源构成(NIH咨询病例、合作者、公共数据库)及过滤标准(高置信度匹配)
阅读提示:Methods: Study Population and Diagnostics
DNA甲基化阵列与数据分析
DNA提取试剂盒(AllPrep DNA FFPE Kit)、芯片平台(Infinium MethylationEPIC或MethylationEPICv2)、数据处理软件(minfi R包)、CNV分析(conumee包)
阅读提示:Methods: DNA Methylation Array and Data Analysis
年龄分组分析
年龄分组定义:儿童<15岁,AYA 15-39岁,成人>39岁;各年龄组样本量:儿童7231,AYA 5351,成人9130
阅读提示:Methods: Study Population and Diagnostics; Results: Overview of Cohort...
诊断影响评估
初始诊断记录处理方式,诊断影响分类标准(Refinement, Diagnostic change, No meaningful change)
阅读提示:Methods: Assessment of Meaningful Diagnostic Change