原发性血小板增多症、纤维化前骨髓纤维化和明显骨髓纤维化的无创多参数特征

Non-invasive multiparametric characterization of essential thrombocythemia, premyelofibrosis, and overt myelofibrosis

作者信息Carole Mosnier, Marie-Christine Copin, Isabelle Quintin-Roué, Eric Lippert, Yunjiao Lu, Jérémie Riou, Simon Blanchard, Nathalie Mérillon, Bertille Pawlicki, Françoise Boyer, Joris Argentin, Léa Sureau, Anaïs Malinge, Julie Sevestre, Marine Demoy, Christophe Aubé, Noémi Reboux, Jonathan Farhi, Aurélien Giltat, Christopher Nunes Gomes, Mathilde Hunault, Yves Delneste, Valérie Ugo, Jean-Christophe Ianotto, Corentin Orvain, Damien Luque Paz
PMID42547820
期刊Leukemia
发布时间2026-10
DOI10.1038/s41375-026-03088-w

实验完整度

中

前瞻性队列128例,含NGS、细胞因子、流式CD34、弹性成像等多层检测,但无独立功能或机制验证。

主要模型

128例新诊断MPN患者(44例ET、53例preMF、21例PMF) 外周血血浆细胞因子检测 骨髓活检病理诊断

重点核对

最终诊断由两名医师组成的裁决委员会根据2016/2022 WHO标准确认,裁决委员会对无创参数设盲 骨髓组织学由三名血液病理学家独立评估,意见不一致时共同复核达成共识 细胞因子在EDTA抗凝血浆中于研究结束时集中检测,IL-1β因Luminex检测不可测而改用超敏ELISA 脾脏弹性成像采用VTQ点剪切波或2D剪切波弹性成像,每例患者10次测量取中位数,结果按中心归一化为z评分 两步Lasso回归使用bootstrap .632内部验证(1000次重采样),λ通过交叉验证选择

摘要

在骨髓增殖性肿瘤(MPN)中,自2016年世界卫生组织(WHO)分类修订以来,纤维化前骨髓纤维化(preMF)被定义为与原发性血小板增多症(ET)和原发性明显骨髓纤维化(PMF)不同的独立实体,但在某些情况下精确区分可能困难。在此背景下,若干无创参数已显示出区分ET与PMF的潜力。本研究旨在前瞻性评估128例患者(44例ET、53例preMF和21例PMF)的无创参数。从ET到preMF再到PMF,突变图谱变得越来越复杂。我们观察到ET与PMF之间炎症介质(IL-1RA、IL-1β、IL-6、S100A8/S100A9、CCL4)、免疫激活标志物(CD25和CXCL10)、基质调节因子(YLK-40和TIMP1)的显著差异表达,以及EGF和CXCL4水平较低,preMF与PMF之间结果相似。采用内部bootstrap验证的两步Lasso回归策略对患者进行分类,可可靠识别PMF(AUC:0.909 [0.804–0.994]),并在ET与preMF之间实现合理区分(AUC:0.762 [0.656–0.847])。所研究的无创参数能够有效区分PMF,并有助于区分preMF与ET,尽管这些参数的区分能力较低,支持这些疾病之间存在病理生理连续体的假设。

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
在按WHO标准严格分类的ET、preMF和PMF患者中,多种无创参数能否有效区分这三种疾病实体?
核心机制
从ET到preMF再到PMF,突变复杂性和炎症/基质重塑标志物逐渐增加,提示三者处于病理生理连续体中,PMF为更晚期的明确阶段。
主要证据
128例患者的前瞻性队列中,NGS显示驱动突变VAF和额外突变数量从ET到PMF递增;血浆IL-1RA、IL-1β、IL-6、S100A8/S100A9、CCL4、CD25、CXCL10、YKL-40、TIMP1在PMF中升高而EGF和CXCL4降低;两步Lasso模型识别PMF的AUC为0.909,区分ET与preMF的AUC为0.762。
研究意义
所研究的无创参数可有效区分PMF并有助于区分preMF与ET,为未来开发无创分类评分提供基础;参数区分能力较低支持这些疾病之间存在病理生理连续体的假设。

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

前瞻性患者招募与样本采集

建立按WHO标准严格分类的ET、preMF和PMF患者队列,并在任何细胞减灭治疗前采集样本。

2019年至2024年在法国昂热和布雷斯特大学医院前瞻性纳入新诊断MPN成人患者,采集外周血用于NGS、细胞因子和CD34计数,进行骨髓活检和脾脏超声/弹性成像。

2

骨髓活检病理诊断与裁决

确定最终诊断(ET、preMF或PMF)作为金标准。

骨髓活检由三名血液病理学家独立评估,意见不一致时共同复核达成共识;最终诊断由两名医师组成的裁决委员会根据骨髓组织学结合临床生物学参数确认,裁决委员会对无创参数设盲。

3

分子图谱分析

比较ET、preMF和PMF之间的突变景观。

对外周血DNA进行靶向髓系恶性肿瘤52基因全外显子NGS,分析致病或可能致病突变,计算等位基因负荷;CALR突变通过PCR片段分析测定。

4

循环细胞因子定量

比较不同诊断组之间的血浆细胞因子水平。

使用商业ELISA试剂盒定量S100A8/S100A9异二聚体和IL-34,使用Luminex多重荧光珠技术定量27种细胞因子,IL-1β因Luminex检测不可测而改用超敏ELISA。

5

循环CD34+细胞计数

比较不同诊断组之间的循环CD34+细胞浓度。

在昂热或布雷斯特大学医院通过流式细胞术标准化平台技术,CD45设门后定量循环CD34+细胞。

6

脾脏超声与弹性成像

评估脾脏大小和脾脏硬度在不同诊断组之间的差异。

在昂热或布雷斯特大学医院进行脾脏超声和弹性成像,使用VTQ点剪切波弹性成像(Sequoia, Siemens)、2D剪切波弹性成像(Aixplorer, Supersonic Imaging)或2D剪切波弹性成像(Aplio a450, Canon)。

7

多参数整合与两步Lasso分类模型

评估无创参数组合能否区分ET、preMF和PMF,并建立分类模型。

首先使用DIABLO框架进行监督稀疏PLS-DA分析,将参数分为临床、基因组和细胞因子三个数据块;然后采用两步Lasso回归,第一步区分PMF与非PMF,第二步在非PMF患者中区分ET与preMF;使用bootstrap .632进行内部验证。

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
BD干细胞计数试剂盒BD Bioscience--
Stem-Kit CD34 HPC计数试剂盒Beckman Coulter--
Sequoia超声仪Siemens--
Aixplorer超声仪Supersonic Imaging--
Aplio a450超声仪Canon--
Quantikine ELISA试剂盒R&D® Systems--
Luminex 200分析仪----
定制磁性Luminex检测R&D Systems--
Quantikine超敏ELISA试剂盒R&D® Systems--

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
患者队列与样本采集
纳入中心(昂热和布雷斯特大学医院)、纳入时间(2019–2024年)、纳入标准(新诊断ET/preMF/PMF成人)、样本采集时间(细胞减灭治疗前)
阅读提示:Methods 'Patients and samples'小节
骨髓活检病理诊断与裁决
病理学家人数(3名)、活检可评估骨小梁最低数量(5个)、纤维化分级标准(0–3)、裁决委员会组成(2名医师)、诊断标准版本(WHO第5版)
阅读提示:Methods 'Patients and samples'小节
分子分析
NGS panel基因数(52个)、测序样本来源(外周血DNA)、灵敏度(2%)、突变纳入标准(致病或可能致病)、CALR突变检测方法(PCR片段分析)
阅读提示:Methods 'Molecular analysis'小节及Supplementary Table S1
细胞因子定量
血浆制备条件(EDTA抗凝、2000×g离心10分钟、−80°C保存)、检测细胞因子数量(29种)、检测平台(Luminex和ELISA)、IL-1β超敏ELISA的使用原因
阅读提示:Methods 'Cytokines'小节
脾脏弹性成像
设备型号及中心分布、测量次数(10次)、取值方式(中位数)、归一化方法(按中心z评分)、操作者设盲
阅读提示:Methods 'Spleen ultrasound and elastography'小节
两步Lasso分类模型
第一步和第二步的结局定义、λ选择方法(交叉验证lambda.min)、内部验证方法(bootstrap .632、1000次重采样)、AUC/灵敏度/特异度估计方式(out-of-bag样本、Youden最优阈值)、敏感性分析方法(重复分层10折交叉验证、10次重复)
阅读提示:Methods 'Statistical analysis'小节及Supplementary Fig. S4、S5