【IF=8.6】Motif有效预测肺癌脑转移：脑脊液片段组学新探索

　　【IF=8.6】Motif有效预测肺癌脑转移：脑脊液片段组学新探索

        导语

　　20％-65%的肺癌患者在病程中可能发生脑转移（BM），患者发生脑转移后预后较差，及时的发现和治疗是改善这类患者生存的有效方法。脑核磁共振成像（MRI）或脑脊液（CSF）细胞学检测是临床上评估脑转移的方法，但目前没有指南明确MRI检查时机，同时癌症治疗也可能使脑部对比度增强，从而干扰脑转移诊断。此外，脑脊液细胞学灵敏度不足，并且高度依赖病理学家的经验。因此，探索更敏感和准确的脑转移诊断方法对于促进肺癌脑转移患者的生存至关重要。

　　山东省肿瘤医院袁双虎教授团队对81例肺癌患者脑脊液进行NGS大Panel检测，并基于脑脊液cfDNA多组学特征构建脑转移预测模型。研究发现基于片段末端特征构建的BPM（Breakpoint Motif）模型预测脑转移性能优异，验证集AUC高达0.944，且在不同临床亚组中性能稳定。同时基于脑脊液基因突变信息，发现RB1基因变异及EGFR基因扩增与肺癌脑转移的预后显著相关。相关研究发表于Clinical and.Translational Medicine杂志（IF=8.554）。

　　研究亮点

　　1、首个尝试基于脑脊液cfDNA Motif特征构建的肺癌脑转移预测模型，性能优异，且在不同临床亚组中性能稳定，适用性广，有较高的临床应用潜力；

　　2、模型使用NGS大Panel检测，评估脑脊液cfDNA Motif特征，检测成本低，具有较高的临床落地可行性；

　　3、发现脑脊液中RB1基因变异及EGFR基因扩增可能可以提示患者的无脑转移生存期。

　　研究内容

　　研究共纳入81例肺癌疑似/诊断脑转移患者，探究基于脑脊液cfDNA Motif特征构建肺癌脑转移预测模型的可能性。根据采样以及随访结束时患者的脑转移情况分为三组：采样时即发生脑转移，POS组（62例）；随访结束时仍未发生脑转移，NEG组（10例）；采样时未发生脑转移，随访中发生脑转移，NTP组（9例）。根据三组患者不同脑脊液cfDNA Motif特征，采用机器学习方法联合或不联合脑脊液ctDNA突变构建肺癌脑转移预测模型，并在验证集中进一步验证模型性能。同时基于脑脊液ctDNA突变分析脑转移分子标志物（图1 A,B）

图1. 研究路线图及目的

　　研究结果

　　BPM模型预测肺癌脑转移性能优异

　　基于脑脊液cfDNA Motif构建的BPM模型（图2 A,B），在训练集中AUC为0.929 (95% CI:0.862-0.997)，BPM+ctDNA模型AUC为0.940 (95% CI: 0.885-0.995)；验证集中BPM模型AUC为0.944 (95% CI: 0.7905-1)，BPM+ctDNA模型AUC为0.833 (95% CI: 0.4681-1)。模型性能方面BPM验证集更稳定、更优异。同时BPM模型的风险评分比BPM+ctDNA模型能更好地反映患者的无脑转移生存期（BMS）（图2 C,D）。因此，脑脊液cfDNA单独BPM模型在预测LCBM方面表现更好，且能提示患者BMS长短。

图2. BPM和BPM+ctDNA模型预测性能对比

　　A：训练集中BPM及BPM+ctDNA模型AUC分别为0.929和0.940，二者性能无差异；B：验证集中BPM及BPM+ctDNA模型AUC分别为0.944和0.833；C：BPM模型可预测患者无脑转移生存期，风险评分高的患者BMS略短；D：BPM+ctDNA模型预测患者无脑转移生存期效果差

　　BPM模型预测性能稳定，不受脑脊液ctDNA释放及治疗情况影响

　　综合临床特征进一步分析提示，BPM模型风险评分在POS、NTP、NEG三组患者中依次降低（图3 A），脑脊液ctDNA突变阳性患者评分高于阴性（图3 B）。研究进一步评估了BPM模型在不同临床亚组中的性能，该模型预测性能不受脑脊液ctDNA突变状态以及治疗情况的影响，AUC均在0.90以上（图3 C,D）。在90%灵敏度情况下，各个亚组中特异性均在70%以上（图3 E,F）。

图3. BPM模型在不同临床亚组中性能稳定

　　A：BPM模型能很好地区分不同脑转移情况，POS、NTP、NEG三组风险评分依次降低；B：BPM模型能很好区分不同脑脊液ctDNA突变状态，脑脊液ctDNA突变阳性患者评分高于阴性；C：模型预测性能不受脑脊液ctDNA突变状态影响，AUC均在0.9以上；D：模型预测性能不受治疗情况影响，AUC均在0.9以上；E，F：90%灵敏度情况下，不同脑脊液ctDNA突变状态及治疗情况特异性均在70%以上

　　BPM模型中预测脑转移的关键Motif探索

　　为了确定哪个Motif对BPM模型的预测能力贡献最大，在训练集中，研究将模型中纳入的Motif进行聚类分析（图4 A），结果发现CGTTCG Motif与脑转移发生的正相关性最强，在NEG组中占比显著低于其他两组（图4 B）。相反，GGAAAT Motif与脑转移发生的负相关性最强，在NEG组中占比较其他两组更高（图4 C）。

图4. BPM模型关键Motif分析

　　A：纳入模型构建的Motif聚类结果，CGTTCG正相关性最强，GGAAAT负相关性最强；B: CGTTCG Motif占比在NEG、NTP、POS三组中呈上升趋势；C：GGAAAT Motif占比在NEG、NTP、POS三组中呈下降趋势

　　脑脊液ctDNA突变层面探索分子标志物

　　除了基于脑脊液cfDNA Motif特征去预测脑转移外，研究进一步分析了脑脊液中基因变异对于脑转移的预测价值。Cox单因素分析发现，RB1基因变异，EGFR基因扩增以及FA通路相关变异的患者BMS更短。多因素分析后发现，RB1基因变异和EGFR基因扩增仍具有显著性（图5）。

图5. 与脑转移相关的脑脊液ctDNA突变特征

　　A：Cox多因素分析显示RB1基因变异和EGFR基因扩增仍然显著；B：RB1基因变异的患者BMS更短；C：EGFR基因扩增的患者BMS更短

　　结语

　　研究首次利用脑脊液cfDNA Motif特征建立了一个性能优异的肺癌脑转移预测模型，该模型性能在不同临床特征中稳定，且不受脑脊液ctDNA突变状态及治疗情况的影响。模型使用NGS大Panel评估脑脊液cfDNA Motif特征，在临床检测突变的同时又可预测脑转移，临床实用性和落地可行性较高。

　　本研究使用了世和基因瑞递康放疗大Panel以及MERCURY片段组学技术。

　　参考文献

　　[1]  Xueting Qin, Yujun Bai, Shizhen Zhou, Hongjin.Shi, Xiaoli Liu, Song Wang, Xiaoying Wu, Jiaohui Pang, Xi Song, Xiaojun Fan, Qiuxiang Ou, Yang Xu, Hua Bao, Li Li, Jun Li, Yang Shao, Shuanghu Yuan. Early diagnosis of brain. metastases using cerebrospinal fluid cell-free DNA-based breakpoint motifand.. mutational featuresin. lung cancer. Clin. Transl. Med. 2023;13:e1221. DOI: 10.1002/ctm2.1221