INC國(guó)際兒童腦瘤大咖、世界神經(jīng)外科聯(lián)合會(huì)(WFNS)執(zhí)行委員會(huì)&顧問(wèn)委員會(huì)成員之一的James T. Rutka教授發(fā)表研究《Lipidomic-Based Approach to 10 s Classiffcation of Major Pediatric Brain Cancer Types with Picosecond Infrared Laser Mass Spectrometry》(基于脂質(zhì)組學(xué)的方法，利用皮秒紅外激光質(zhì)譜技術(shù)在10秒內(nèi)對(duì)主要的兒童腦瘤類型進(jìn)行分類)，以下是研究簡(jiǎn)述。

　　01. 摘要

　　通過(guò)回顧性患者組織研究，皮秒紅外激光質(zhì)譜(PIRLMS)顯示能夠區(qū)分髓母細(xì)胞瘤與毛細(xì)胞型星形細(xì)胞瘤及兩種室管膜瘤亞型(PF-EPN-A、ST-EPN-RELA)。在10秒的采樣和分析時(shí)間內(nèi)，利用激光提取的脂質(zhì)進(jìn)行PIRL-MS分析。以基因組學(xué)數(shù)據(jù)為標(biāo)準(zhǔn)，這種分類方法的平均敏感性和特異性分別為96.41%和99.54%，并且使用了許多在10秒PIRL-MS光譜中可解析的分子特征。液相色譜與高分辨率串聯(lián)質(zhì)譜(LC-MS/MS)進(jìn)一步分析，使我們能夠?qū)⒎肿犹卣髁斜砜s減至僅18種與分類相關(guān)的代謝脂質(zhì)標(biāo)志物。這些代謝標(biāo)志物包括磷脂酸、脂肪酸、神經(jīng)酰胺及磷脂酰膽堿/乙醇胺等，可在95%的預(yù)測(cè)概率閾值下，分別以94.39%和98.78%的平均敏感性和特異性進(jìn)行分類。因此，利用已知代謝生物標(biāo)志物，神經(jīng)外科醫(yī)生現(xiàn)在可以通過(guò)10秒的PIRL-MS分析，快速準(zhǔn)確地對(duì)選定的兒科腦癌類型進(jìn)行病理分類。通過(guò)回顧性挖掘“生存”與“切除范圍”數(shù)據(jù)，我們進(jìn)一步確定了可能從10秒PIRL-MS病理反饋中獲益的兒科癌癥類型。在這些情況下，可以優(yōu)化手術(shù)切除的激進(jìn)程度，以期使患者的總體生存率或無(wú)進(jìn)展生存率受益。PIRL-MS有望成為推動(dòng)手術(shù)室個(gè)性化決策的工具。

　　圖1. 主要兒科腦癌類型的代表性10秒PIRL-MS光譜。圖中展示了室管膜瘤(EPN)(PF-EPN-A、ST-EPN-RELA)、毛細(xì)胞型星形細(xì)胞瘤(PA)和髓母細(xì)胞瘤(MB，例如第4組亞組)的PIRL-MS光譜，這些光譜具有獨(dú)特的質(zhì)譜區(qū)分特征。負(fù)責(zé)這些癌癥類型10秒分類的質(zhì)荷比(m/z)值(本研究中確定了它們的分子身份，見(jiàn)表1)用黑色字體標(biāo)注。紅色字體的m/z值代表在所檢查的質(zhì)量范圍內(nèi)存在的豐富離子。我們還列出了每個(gè)質(zhì)譜的總離子計(jì)數(shù)，這表明在所提出的實(shí)驗(yàn)條件下，可以從這些標(biāo)本中獲得高質(zhì)量的質(zhì)譜。MB數(shù)據(jù)此前已發(fā)表6.此處重新展示是為了討論的清晰性，并確保新分析的EPN和PA標(biāo)本不會(huì)被誤分類為MB。

　　02. 研究方法

　　此前分析并發(fā)表的髓母細(xì)胞瘤(MB)標(biāo)本通過(guò)NanoString和甲基化分析進(jìn)行亞組分類。本研究主要使用NanoString方法對(duì)MB亞組進(jìn)行分類。NanoString方法尤其適用于WNT和SHH亞組的準(zhǔn)確分類，并且除了少數(shù)重疊病例外，也適用于清晰區(qū)分3組和4組。鑒于甲基化分析與NanoString之間的不一致程度相對(duì)較低，在少數(shù)情況下使用甲基化分析數(shù)據(jù)。室管膜瘤和毛細(xì)胞型星形細(xì)胞瘤(PA)標(biāo)本在PIRL-MS采樣后通過(guò)蘇木精-伊紅(H&E)評(píng)估進(jìn)行注釋。RELA融合狀態(tài)通過(guò)多倫多病童醫(yī)院(SickKids)的甲基化分析獲得。

　　在加拿大多倫多的病童醫(yī)院(SickKids)開(kāi)展的“神經(jīng)系統(tǒng)腫瘤組織庫(kù)的形成”研究中，收集了患者材料。該研究在獲得書(shū)面知情同意(包括發(fā)表數(shù)據(jù)的同意)后進(jìn)行，并在SickKids研究倫理審查委員會(huì)的批準(zhǔn)和監(jiān)督下開(kāi)展。這些冷凍的兒科腦癌標(biāo)本在獲得機(jī)構(gòu)授權(quán)(UHN 17-5298和SickKids 1000057113)后從SickKids庫(kù)中獲取。標(biāo)本按照危險(xiǎn)貨物運(yùn)輸(TDG)指南的要求在干冰上運(yùn)輸，并在生物安全柜內(nèi)分析前在室溫下解凍。

　　表1. 通過(guò)色譜分析、高分辨率質(zhì)譜和串聯(lián)質(zhì)譜確定的用于高靈敏度和高特異性分類兒科腦癌的代謝物陣列的分子身份

　　在本表中，我們展示了通過(guò)精確質(zhì)量、MS2模式和同位素比值分析(基于LipidMaps在線工具中的匹配結(jié)果，詳見(jiàn)實(shí)驗(yàn)部分)從圖S4的加載圖分析中確認(rèn)的18種代謝脂質(zhì)的分子身份。我們包含了觀測(cè)質(zhì)量和理論質(zhì)量、離子形式、診斷碎片、建議的分配以及與理論質(zhì)量的偏差(以ppm為單位)，這些信息與之前的研究一致。對(duì)于僅通過(guò)精確質(zhì)量比較得出的初步分配，我們已明確標(biāo)注。需要注意的是，對(duì)于m/z 792.74.PC(38:5)的碎片顯示出PC(16:0/22:5)和PC(18:1/20:4)的混合物。

　　圖2. 基于表1中18種已鑒定代謝物的稀疏PCA-LDA模型。該模型采用稀疏(或低復(fù)雜度)的PCA-LDA建模方法(使用AMX6.18)，與圖S2中使用m/z 100−1000范圍內(nèi)所有m/z特征不同，此處僅利用表1中完全鑒定的代謝物陣列。在此，多變量模型僅基于表1中確定并報(bào)告的18種特征的分子身份進(jìn)行同步降維構(gòu)建。我們展示了模型的兩個(gè)視圖(圍繞LD3軸，藍(lán)色軸旋轉(zhuǎn))。LD1和LD2軸分別以紅色和綠色顯示。

　　表2：使用特征代謝物陣列進(jìn)行盲樣品預(yù)測(cè)的靈敏度和特異性計(jì)算

　　在這里，我們采用了圖2中的稀疏低復(fù)雜度PCA-LDA模型，該模型使用表1中的18種代謝物來(lái)計(jì)算兒科癌癥類型預(yù)測(cè)的敏感性和特異性。我們使用了與圖S2模型(該模型使用整個(gè)m/z 100−1000范圍內(nèi)的未鑒定光譜特征)相同的未知樣本進(jìn)行預(yù)測(cè)。表S4的注釋為讀者提供了關(guān)于盲樣分類、報(bào)告以及敏感性和特異性值計(jì)算的必要細(xì)節(jié)。

　　在此，我們展示了在兩個(gè)馬氏距離預(yù)測(cè)置信區(qū)間下，以及僅考慮預(yù)測(cè)概率大于95%的正向匹配情況下的原始數(shù)據(jù)敏感性和特異性計(jì)算結(jié)果(詳見(jiàn)表S7)。為了實(shí)現(xiàn)這種“概率閾值”，我們將預(yù)測(cè)概率小于95%的分類(在表S7中劃線標(biāo)注)從敏感性和特異性的計(jì)算中排除。

　　平均敏感性值在無(wú)95%置信閾值和有95%置信閾值的情況下分別為：75.00%、88.24%、93.10%、100%(平均為89.08%)，以及77.55%、100%、100%、100%(平均為94.39%)。相應(yīng)的平均特異性值計(jì)算如下：97.27%、95.13%、97.60%、100%(平均為97.50%)，以及100%、96.22%、98.88%、100%(平均為98.77%)。

　　圖3. 使用PIRL-MS對(duì)主要兒科腦癌進(jìn)行監(jiān)督式兩步分類的協(xié)議。通過(guò)結(jié)合本文的研究成果與我們之前的工作，我們提出了一種用于在10秒內(nèi)對(duì)7種兒科腦癌進(jìn)行分類的監(jiān)督式兩步協(xié)議。該方法使用兩個(gè)包含4個(gè)組件的PCA-LDA模型，部署在引用的質(zhì)量范圍內(nèi)，以提供高于94%的敏感性和特異性，用于兒科腦癌類型的分類。第一個(gè)模型僅使用18種代謝物的特征列表，這些代謝物的特征已經(jīng)明確;第二個(gè)模型則深入探討髓母細(xì)胞瘤的分子亞組，將使用大量m/z特征，其中一些目前尚未明確。

　　03. 研究結(jié)論

　　在這項(xiàng)研究中，我們展示了使用PIRL-MS技術(shù)在10秒內(nèi)對(duì)常見(jiàn)兒科腦癌類型進(jìn)行分類。盡管本研究?jī)H使用了156個(gè)冷凍標(biāo)本(其中113例為髓母細(xì)胞瘤，之前已發(fā)表)，但將最后40%的標(biāo)本納入研究并未提高基于圖S7中學(xué)習(xí)曲線所示的圖S2中4組件PCA-LDA模型的預(yù)測(cè)敏感性和特異性。這一觀察結(jié)果表明，所使用的分子模型很可能是穩(wěn)健的(盡管僅使用了數(shù)十例室管膜瘤和毛細(xì)胞型星形細(xì)胞瘤標(biāo)本)，并且必須在更大規(guī)模的前瞻性新鮮組織研究(包括罕見(jiàn)癌癥)中進(jìn)一步驗(yàn)證，以嚴(yán)格評(píng)估其臨床實(shí)用性。在這里，小鼠研究已表明大腦組織的新鮮和冷凍組織特征之間存在一致性。

　　此外，盡管在10秒內(nèi)客觀區(qū)分髓母細(xì)胞瘤、毛細(xì)胞型星形細(xì)胞瘤和室管膜瘤的優(yōu)勢(shì)與當(dāng)前術(shù)中組織病理學(xué)染色和顯微鏡檢查(約30分鐘，是目前的術(shù)中標(biāo)準(zhǔn))相比仍需討論，但本研究中以90%、100%(ST-EPN-RELA)和95.65%、100%(基于表S4結(jié)果)的敏感性和特異性將室管膜瘤分子亞型區(qū)分為ST-EPN-RELA和PF-EPN-A隊(duì)列必須強(qiáng)調(diào)?？傮w而言，我們認(rèn)為這里展示的初步研究，結(jié)合之前發(fā)表的髓母細(xì)胞瘤亞組分類(目前無(wú)法通過(guò)常規(guī)冷凍切片分析實(shí)現(xiàn))，在成熟后，可能根據(jù)表S9中總結(jié)的情景，使手術(shù)室中的個(gè)性化決策成為可能，以確定切除范圍。這些假設(shè)基于對(duì)“生存”與“切除范圍”數(shù)據(jù)的回顧性分析，必須通過(guò)臨床試驗(yàn)的患者結(jié)果進(jìn)一步驗(yàn)證。

• 所屬欄目：神外資訊
• 如想轉(zhuǎn)載“【INC國(guó)際大咖研究成果】基于脂質(zhì)組學(xué)的方法，利用皮秒紅外激光質(zhì)譜技術(shù)在10秒內(nèi)對(duì)主要的兒童腦瘤類型進(jìn)行分類”請(qǐng)務(wù)必注明來(lái)源和鏈接。
• 網(wǎng)址：http://www.juxingjiadian.com/shenwaizixun/5160.html
• 更新時(shí)間：2025-03-25 10:53:06

• 上一篇：拯救腦瘤危機(jī)，華南地區(qū)患者“家門口”將迎來(lái)一位德國(guó)神外大咖！
• 下一篇：巴教授周五面對(duì)面咨詢開(kāi)啟|癲癇發(fā)作、腦干出血…被腦瘤“背叛”的他們?cè)撊绾螒?yīng)對(duì)？