患者样本收集与分组
获取TKI停药时的外周血样本，并基于后续TFR状态分组比较
纳入240例CML患者（训练样本122例、验证样本118例）和10例健康对照，在TKI停药当日采集外周血，分离白细胞用于RNA提取。根据36个月时是否维持MMR定义TFR和复发。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
慢性髓性白血病患者治疗无缓解和分子复发的综合分子特征：EURO-SKI生物标志物研究
Comprehensive molecular characterization of treatment-free remission and molecular relapse in chronic myeloid leukemia patients: the EURO-SKI Biomarker Study
实验完整度
高包含独立训练与验证样本的基因表达分析（Clariom D芯片、NanoString）、外部数据集整合、调节子分析、免疫细胞反卷积、预后关联及统计验证，多级证据支持。
主要模型
CML患者外周血白细胞 健康对照外周血白细胞 TKI初治CML患者（Adelaide和Seattle数据集）
重点核对
患者样本分组：TFR vs. 复发，基于36个月MMR状态 训练样本（Mannheim）和验证样本（Lund）的独立验证 FLT3表达阈值（6.40）区分不同TFR失去概率 基因表达数据平台：Clariom D和NanoString nCounter 统计方法：Cox回归和竞争风险模型
摘要
欧洲停止激酶抑制剂（EURO-SKI）试验旨在研究慢性髓性白血病（CML）患者停用酪氨酸激酶抑制剂（TKI）的情况。持续治疗无缓解（TFR）和TFR丧失的分子机制仍知之甚少。为此，我们进行了全转录组基因表达分析，并结合NanoString nCounter的绝对基因定量。在240名CML患者TKI摄入最后一天的外周血白细胞中评估了基因表达（训练样本：n=122，验证样本：n=118），以及10名健康对照。为了识别TKI特异性机制，我们整合了外部数据集中的96名TKI初治CML患者的转录组数据。TFR患者显示出GATA1、KLF1和MYBL1调节子激活，这是红细胞祖细胞的特征。TFR患者保持先天免疫（自然杀伤细胞和树突状细胞）与适应性免疫（例如CD8+、CD4+和γδ T淋巴细胞）之间的持续通讯，与健康对照观察到的模式相似。这种细胞间通讯在TFR丧失的患者中被破坏。此外，我们确定了一个FLT3阈值，可将TFR丧失概率显著不同的两组患者区分开来。利用重新建立或加强先天免疫与适应性免疫之间通讯的机制可能是实现持久TFR的关键。
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
- 慢性髓性白血病患者停用TKI后，持续治疗无缓解（TFR）与分子复发（丧失TFR）的分子和免疫机制是什么？
- 核心机制
- TFR患者表现为红细胞系转录因子（GATA1、KLF1、MYBL1）激活以及先天与适应性免疫细胞间通讯的维持；复发患者此通讯破坏，并伴随炎症相关基因表达上调。
- 主要证据
- 基于240例CML患者和10例健康对照的外周血白细胞转录组分析，结合外部数据集，发现TFR患者GATA1、KLF1和MYBL1调节子激活，以及免疫细胞亚群间正相关性（如pDC与T、B细胞）存在；FLT3阈值可预测TFR丧失。
- 研究意义
- 研究揭示了TFR与免疫监视的相关性，提出FLT3轴可能参与维持pDC介导的抗白血病免疫反应，为改善TFR策略提供潜在靶点。
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。
全转录组表达分析（训练样本）
筛选TFR与复发患者间差异表达基因和通路
对训练样本中60例患者（29例TFR、31例复发）使用Clariom D芯片进行全转录组表达分析，鉴定差异基因，并进行GSEA富集分析。
靶向基因表达验证（训练和验证样本）
验证与TFR相关的差异表达基因在更大样本中的稳健性
基于芯片结果和文献选取189个基因，在训练样本全部122例中用NanoString nCounter定量，随后在验证样本118例中检测16个候选基因，并用Cox回归分析其预后价值。
调节子分析
从转录组数据推断转录因子活性，识别TFR相关的主调控因子
利用ARACNe-AP算法构建TCGA AML、Adelaide和Seattle数据集的转录因子网络，用msVIPER计算60例训练样本的差异调节子活性，比较TFR与复发。
免疫细胞组成推断
比较TFR、复发、健康对照及TKI初治患者中免疫细胞丰度差异
使用xCell从训练样本和Adelaide数据集的表达谱推断36种免疫和基质细胞相对丰度，并用Wilcoxon秩和检验比较组间差异。
免疫细胞相关性分析
评估不同患者组中免疫细胞亚群之间的相互作用模式
基于xCell分数计算不同患者组的Spearman相关性矩阵，并用弦图展示关键细胞（如pDC）与其他细胞的相关性。
独立成分分析（ICA）
识别与TFR相关的数据驱动转录程序
使用consICA对训练样本进行共识独立成分分析，提取20个成分，并关联免疫细胞丰度，发现一个与TFR相关的成分（P=0.029）。
预后标志物评估
评估单基因对TFR的预后价值
对NanoString数据，用Cox回归筛选与TFR相关的基因（16个），再用多变量模型确定独立因子（4个），最后用最小P值法确定FLT3的cut-off（6.40）并在验证样本中验证。
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 |
|---|---|---|---|
| 全转录组表达分析 | Clariom D芯片 | Applied Biosystems | -- |
| 靶向基因表达定量 | NanoString nCounter实验 | Bruker | -- |
| RNA分离 | RNA分离 | -- | -- |
| 基因表达数据分析 | 转录组分析控制台软件 | Applied Biosystems | -- |
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 |
|---|---|
| 患者纳入标准 | 成年慢性期CML患者，稳定DMR（BCR::ABL1≤0.01%）至少1年，TKI治疗至少3年 阅读提示：Materials/subjects and methods: Study design and participants |
| 样本采集 | 外周血样本在TKI停药当日采集，24小时内运送至EUTOS实验室，RNA从白细胞中提取 阅读提示：Materials/subjects and methods: Study design and participants |
| 基因表达分析 | Clariom D arrays用于全转录组，SST-RMA归一化；NanoString nCounter使用5个参考基因（ABL1, GAPDH, GUSB, RPL19, TUBB）和6个阳性对照归一化，负对照背景扣除 阅读提示：Materials/subjects and methods: Gene expression analyses |
| 训练样本和验证样本 | 训练样本：Mannheim（n=122）；验证样本：Lund（n=118）；用于NanoString的基因panel：训练样本189个基因，验证样本16个基因 阅读提示：Results: Patient characteristics; Prognostic influence of novel biomarkers on TFR |
| 统计和预后分析 | 竞争风险模型（Aalen-Johansen估计，Gray检验）；Cox模型调整年龄、性别、TKI时长、DMR时长；FLT3阈值6.40（训练样本通过最小P值法确定，验证样本验证） 阅读提示：Materials/subjects and methods: Statistical analysis; Results: Prognostic influence of novel biomarkers on TFR |