由于胃癌（GC）的基因组和分子谱较为复杂，迄今为止，还没有可用的预测性生物标志物来指导GC患者的治疗选择。除了手术治疗之外，予以辅助化疗有望改善GC患者的生存率。除了5-氟尿嘧啶（5-FU）和铂类，紫杉醇在部分GC患者中展现出了较好的抗肿瘤活性，若可找到GC患者紫杉醇治疗获益的相关生物标志物，则有助于为GC患者制定更有效的治疗方案。
SAMIT是一项2×2因子随机III期临床试验研究，将治愈性手术后的胃癌患者被随机分成四组，分别接受紫杉醇+S-1（Pac-S-1）、Pac-UFT、单纯S-1或UFT治疗。
注释：UFT是尿嘧啶和替加氟的口服混合药；S-1是替加氟、吉米拉西（DPD抑制剂）和奥曲西汀的口服混合药。
本研究的主要目的是识别预测胃癌患者从紫杉醇化疗中获益的基因特征。对GC样本的476个基因进行靶向测序。应用随机森林机器学习模型来开发基因特征。一组接受紫杉醇和雷莫芦单抗 (Pac-Ram)治疗的独立胃癌患者作为外部验证队列。
Pac-UFT验证队列中Pac敏感和耐药患者的生存期
总体上，本研究对SAMIT试验的499个样本进行了分析。在Pac-S-1训练队列中，随机森林模型鉴定出了一个19-基因特征，将患者分成了两组：pac敏感组和pac耐药组。在Pac-UFT验证队列中，pac敏感患者的无病生存期(DFS)显著改善：3年DFS为66% vs 40% (HR 0.44, p=0.0029)。在单纯UFT或S-1组中，Pac敏感和Pac耐药组患者之间的生存率无差异。
Pac-Ram验证队列中Pac敏感和耐药患者的生存期
在外部Pac-Ram验证队列中，该基因特征预测的Pac敏感和Pac耐药患者的中位无进展生存期分别是147天和112天（HR 0.48, p=0.022)。
综上，在大规模的胃癌试验(SAMIT)中，Sundar等使用机器学习技术，确定了一个可预测从紫杉醇治疗中获益的首个生物标志物的基因特征。
原始出处：
Sundar Raghav,Barr Kumarakulasinghe Nesaretnam,Huak Chan Yiong et al. Machine-learning model derived gene signature predictive of paclitaxel survival benefit in gastric cancer: results from the randomised phase III SAMIT trial.[J] .Gut, 2021, https://doi.org/10.1136/gutjnl-2021-324060
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#基因特征#
43
谢谢分享
62