建立研究队列与数据收集
构建可用于分析放疗时间与昼夜节律基因型交互作用的前列腺癌患者队列。
从REQUITE前瞻性观察研究纳入接受外照射放疗的前列腺癌患者，收集治疗前、治疗（含CT影像和放疗计划数据）及随访数据；筛选具有基因型和分次放疗时间等完整数据的患者进行分析。
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
PER3昼夜节律基因型与前列腺癌放疗时间交互影响晚期副作用风险
Circadian Genotypes in PER3 and Time of Prostate Cancer Radiotherapy Interact to Affect Risk of Late Side Effects
实验完整度
中基于前瞻性观察队列的基因型×放疗时间交互分析，采用LASSO与逻辑回归建模，未含体外或动物功能验证
主要模型
REQUITE前瞻性观察性前列腺癌队列（n = 1,760） 具有完整基因型及分次放疗时间数据的患者（n = 877，来自6个治疗中心）
重点核对
放疗分次时间以光生物学R包转换为太阳时，并按距12:00或日出的小时偏移建模 治疗时间标准差>3小时的患者被排除 基因型经Illumina Infinium OncoArrays 600k SNP集中检测并行质控 LASSO五折交叉验证筛选变量后纳入固定效应和混合效应逻辑回归 以ROC-AUC五折交叉验证评估模型性能，FDR校正基于5个独立位点
摘要
目的：我们此前发现，具有特定昼夜节律基因型的乳腺癌患者在不同时间接受放疗时毒性发生率更高。这为以基因指导的时辰调节作为一种经济有效、可在保持疗效的同时减少副作用的方式开辟了道路。我们旨在检验在前列腺癌中是否观察到类似的给药时间效应。实验设计：本分析使用跨国、前瞻性观察性REQUITE前列腺癌队列（n = 1,760）。所有患者均接受外照射放疗并随访2年。在具有完整数据（包括基因型和放疗分次时间）的患者（n = 877）中进行回归分析。最小绝对收缩和选择算子（LASSO）及逻辑回归模型纳入昼夜节律基因单核苷酸多态性基因型、放疗时间及其交互作用。主要终点为晚期直肠出血（RB）和尿失禁（UI）。结果：多变量模型显示，对于两个主要终点，基因型、治疗时机以及PER3基因型与治疗时机的交互作用均具有显著效应。携带rs696305 C/C基因型的44%患者，其RB风险预计可从上午9:00治疗的11%降至下午5:00治疗的5%。同样，分析预测，对于rs172933杂合患者（占患者36%），避免在正午时段治疗可使UI风险从15%显著降至5%。结论：这些结果与既往在接受放疗的乳腺癌患者中的发现一致。基因型与治疗时间之间的交互作用提示，患者群体可通过时辰调节减少副作用并改善生活质量。
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
- 前列腺癌放疗的给药时间及其与昼夜节律基因常见变异的组合是否影响晚期放疗副作用（尤其是直肠出血和尿失禁）的风险。
- 核心机制
- PER3基因型与放疗时间存在交互作用，同一基因型亚组在不同时间放疗的副作用风险不同；作者提出PER3可能通过影响外周生物钟、DNA损伤应答（ATM/Chk2）及细胞周期时相而改变正常组织放射敏感性，但确切机制尚未明确。
- 主要证据
- 在REQUITE前列腺癌队列（n = 877）中，多变量逻辑回归显示PER3多个SNP与治疗时间交互对晚期RB和UI具有统计学显著效应；模型预测rs696305 C/C患者RB风险从上午9:00的11%降至下午5:00的5%，rs172933杂合患者避开正午可使UI风险从15%降至5%。
- 研究意义
- 结果与既往乳腺癌研究一致，提示基因型与治疗时间的交互作用可使患者群体通过时辰调节减少副作用、改善生活质量，并支持进一步开展小型验证队列和基因指导治疗时机的试点试验。
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。
确定终点与候选预测因素
明确晚期毒性终点并选择临床、治疗及昼夜节律基因预测变量。
以放疗后2年医护人员按CTCAE v4.0评分的RB、UI、腹泻（2级及以上）和尿频较基线恶化至少一个等级为终点；纳入患者因素、治疗变量、治疗时间变量及昼夜节律基因SNP；放疗剂量以BEDlate表示。
放疗时间的太阳时转换与时间指标计算
消除时区、夏令时和季节差异，获得可比较的放疗时间变量。
将每个分次的当地日期和时间用photobiology R包转换为太阳时，计算平均治疗时间、日长、最大太阳高度角及分次时间标准差，并计算距不同起算时间的小时偏移。
基因分型与SNP选择
获得昼夜节律基因SNP基因型用于交互分析。
集中使用Illumina Infinium OncoArrays进行600k SNP基因分型并质控，基于1000 Genome Project数据以MAF>0.05进行填充；因PER3 VNTR基因型数据不可得，选择与其强连锁不平衡的多个SNP作为替代。
特征选择与回归建模
筛选变量并评估基因型、放疗时间及其交互作用对晚期毒性的效应。
采用LASSO回归（binomial，mixture = 1）五折交叉验证选择λ并保留非零系数变量，纳入固定效应和混合效应逻辑回归；将治疗时间与SNP及其交互项加入基础模型，并以ROC-AUC评估模型性能。
模型预测与敏感性分析
量化不同基因型患者在不同放疗时间下的副作用风险，并检验结果稳健性。
基于固定效应模型预测不同治疗时间和基因型下RB与UI的发生概率；对12个月和24个月终点进行敏感性分析，包括剔除12个月恶化但24个月改善的患者，以及合并12或24个月任一时间点恶化的患者。
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。
验证放疗时间特征
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 基因分型 | Illumina Infinium OncoArray芯片 | Illumina | -- |
| 放疗时间转换 | photobiology R包（v0.10.5） | -- | v0.10.5 |
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 |
|---|---|
| 研究队列与样本筛选 | 总招募n = 1,760、最终分析n = 877、来自6个治疗中心、随访时间点（放疗后12和24个月） 阅读提示：Materials and Methods的Study participants and data source及Figure 1的STROBE流程图 |
| 晚期毒性终点定义 | CTCAE v4.0评分、较基线恶化至少一个等级、评估时间点为放疗后2年、RB与UI的样本量 阅读提示：Materials and Methods的Endpoints及Results中Late RB与Late UI小节 |
| 放疗时间变量 | 太阳时转换方法、分次时间标准差>3小时排除标准、时间起算点（12:00或日出）、季节与纬度相关变量 阅读提示：Materials and Methods的Treatment times及Tables 3和4的注释 |
| 基因分型与SNP选择 | Illumina Infinium OncoArrays 600k、填充MAF>0.05、PER3 VNTR以连锁不平衡SNP替代、5个独立位点的FDR校正 阅读提示：Materials and Methods的Genetic analysis及Table 2 |
| 回归建模与预测 | LASSO五折交叉验证、BMI和BEDlate的强制纳入、混合效应模型以治疗中心为随机截距、ROC-AUC评估、模型预测的典型患者设定 阅读提示：Materials and Methods的Statistical analysis methods及Tables 3和4 |