垂体神经内分泌肿瘤侵袭性的基因组表征

Genomic characterization of aggressiveness in pituitary neuroendocrine tumors

作者信息Nesrine Benanteur, Chiara Villa, Fabio Bioletto, Maria Francesca Birtolo, Daniel De Murat, Julien Masliah-Planchon, Victor Gravrand, Inès Lebib, Mounia Benkhellat, Robin Boezennec, Stéphanie Allassonnière, Franck Letourneur, Yoann Martin, Fidéline Bonnet Serrano, Julian Jacob, Valentin Calugaru, Maxime Barat, Anthony Dohan, Jennifer Arrondeau, Olivier Huillard, Marie-Laure Raffin-Sanson, Jean François Emile, Gérald Raverot, Rossella Libé, Laurence Guignat, Cyril Garcia, Lionel Groussin, Xavier Bertagna, Stephan Gaillard, Jérôme Bertherat, Anne Jouinot, Bertrand Baussart, Guillaume Assié
PMID41955313
发布时间2026-09-01
DOI10.1093/neuonc/noag074

实验完整度

高

该研究基于206例患者的多组学数据(转录组、甲基化、基因改变),包括功能验证(如基因改变与临床特征关联)和机制验证(如转录组增殖特征),且包含纵向克隆进化分析,证据层级丰富。

主要模型

206例PitNETs患者肿瘤样本 促肾上腺皮质激素谱系(TPIT)PitNETs 哺乳动物-生长-促甲状腺激素谱系(PIT1)PitNETs

重点核对

患者队列:来自206例PitNETs患者,所有亚型,201例来自1997-2024年间的手术,最新肿瘤样本用于分子分析(89%为初次手术) 临床病理特征:收集9种特征,包括肿瘤最大直径≥40mm、海绵窦或蝶窦侵袭、Ki67≥10%、放疗后进展、快速进展、替莫唑胺治疗、转移和特异性死亡 转录组分析:227个PitNETs,包括134个先前发表的样本和93个富含侵袭特征的新样本,采用RNA测序(frozen样本用TruSeq,FFPE样本用QuantSeq) 甲基化分析:100个PitNETs,使用Infinium MethylationEPIC BeadChip芯片 基因改变分析:156个PitNETs,外显子组或靶向panel测序,以及SNP array;发现LRP1B(5个病例)和TP53、CDKN2A等基因改变与侵袭性相关

摘要

背景:PitNETs的侵袭性进展罕见,转移扩散更为罕见。定义侵袭性和恶性具有挑战性,因此难以预测和理解。目的是使用基因组方法提供侵袭性的分子定义。方法:纳入206例患者的PitNETs。探讨了9种临床病理侵袭性特征与PitNETs组学之间的关联。组学包括转录组、DNA甲基化、染色体改变和突变。对7例患者进行了克隆肿瘤进化监测。结果:在9种临床病理侵袭性特征中,只有快速进展、放疗后进展、Ki67/MIB1增殖指数≥10%、替莫唑胺治疗、转移和特异性死亡与特定组学特征相关,而肿瘤最大直径≥40毫米、海绵窦和蝶窦侵袭则无关。与这些侵袭性特征相关的组学特征在促肾上腺皮质激素谱系和哺乳动物-生长-促甲状腺激素谱系之间存在重叠但仍不同。对于每个谱系,确定了侵袭性的共同特征,包括增殖性转录组特征和DNA高甲基化。特定基因的改变与侵袭性特征相关,包括一个新的PitNET基因LRP1B,以及已知的癌症基因(TP53, CDKN2A),而USP8和GNAS改变则无关。基因改变与甲基化组和转录组特征的整合分离出一组分子定义的侵袭性PitNETs。尽管病程中向侵袭性方向演变和可能存在克隆分歧,但分子特征保持稳定。结论:这项使用综合多组学方法对临床病理侵袭性特征的系统性分析确立了PitNETs侵袭性的组织分子学定义。需要前瞻性队列研究来验证这些分子特征并确定其预后价值。

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
如何基于基因组特征定义垂体神经内分泌肿瘤(PitNETs)的侵袭性,并识别与临床病程相关的分子亚型。
核心机制
转录组增殖特征和DNA高甲基化是侵袭性的共同分子特征,但具体机制涉及细胞周期相关基因(如G1/S/M期在促肾上腺皮质激素肿瘤中,M期在哺乳动物-生长-促甲状腺激素肿瘤中)和特定基因改变,如LRP1B缺失可能影响肿瘤抑制功能。
主要证据
多组学整合分析(转录组、甲基化、基因改变和拷贝数变异)揭示侵袭性分子亚型;在corticotroph和mammo-somato-thyrotroph谱系中,侵袭性肿瘤显示高增殖转录组特征和DNA高甲基化;LRP1B基因在5例侵袭性PitNETs中改变。
研究意义
提出PitNETs侵袭性的组织分子学定义和风险分层工作流程,有助于临床识别高危患者并指导治疗决策。

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

患者队列建立与临床病理特征收集

建立包含所有亚型的PitNETs队列,并收集9种临床病理侵袭性特征,以探索其分子基础。

纳入了206例患者的228个PitNETs样本,涵盖所有亚型。所有患者接受MRI和手术,肿瘤样本由病理专家复习。收集了9种临床病理特征:肿瘤最大直径≥40mm、海绵窦侵袭、蝶窦侵袭、Ki67≥10%、放疗后进展、快速进展、替莫唑胺治疗、转移和特异性死亡。

2

转录组分析

识别与临床病理侵袭性特征相关的转录组表达特征。

对227个PitNETs进行RNA测序(frozen样本用TruSeq,FFPE样本用QuantSeq)。使用无监督聚类和有监督差异表达分析。无监督聚类基于NMF,有监督分析比较具有和不具有每种侵袭性特征的肿瘤。

3

甲基化分析

识别与临床病理侵袭性特征相关的DNA甲基化特征。

对100个PitNETs进行全基因组DNA甲基化分析(Illumina EPIC BeadChip)。采用无监督聚类和有监督差异甲基化分析,识别与侵袭性特征相关的CpG位点。

4

基因改变与拷贝数分析

鉴定与临床病理侵袭性特征相关的基因突变和拷贝数变异。

对156个PitNETs进行测序(144个通过外显子组或RNA推断,12个靶向panel)。在107个PitNETs中检测拷贝数变异(SNP array)。识别复发基因改变,评估其与侵袭性特征的关联。

5

纵向克隆进化分析

探索侵袭性PitNETs在疾病过程中分子特征的稳定性和克隆进化。

对14例具有侵袭性特征的患者的多份样本(2-5次手术)进行纵向分析。对7例患者的17个PitNETs进行体细胞基因改变(突变和染色体改变)测序,并在相关样本中评估转录组和甲基化评分。

6

多组学整合与风险分层

整合分子、病理和临床特征,提出PitNETs侵袭性的组织分子学风险分层。

将转录组分组、甲基化分组和基因改变状态整合,在corticotroph和mammo-somato-thyrotroph谱系中定义高风险分子组(如TPIT_t3b和PIT1_t5a)。据此提出结合Ki67和DNA测序的实用工作流程。

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
BenchMark XT 自动染色仪Roche—Ventana Medical System, Inc.--
TruSeq链式mRNA文库制备Illumina--
QuantSeq 3' mRNA文库制备Lexogen--
Infinium MethylationEPIC BeadChip芯片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
患者招募和样本
患者入组标准、所有亚型覆盖、肿瘤样本来源(frozen或FFPE)
阅读提示:Methods: Patients Samples
临床病理特征定义
9种特征的评估方法(如Knosp分级、Ki67测量方法)
阅读提示:Methods: Clinical Features of Aggressiveness
转录组分析
RNA-seq文库制备方法(TruSeq vs QuantSeq)、测序平台、生物信息学流程
阅读提示:Methods: Transcriptome Analyses; Supplementary Methods
甲基化分析
EPIC芯片处理流程、数据分析方法
阅读提示:Methods: Methylome Analyses; Supplementary Methods
基因改变分析
外显子组测序或靶向panel的基因列表、SNP array数据分析
阅读提示:Methods: Gene Alterations Landscape Analyses; Supplementary Methods
统计和分类分析
NMF聚类参数、差异分析阈值、多组学整合方法
阅读提示:Methods; Results(Figure legends)