论文部分内容阅读
研究背景膀胱癌（Bladder Cancer,BC）是泌尿系统常见恶性肿瘤之一,具有高发展性、高侵袭性和高死亡率等特点。随着分子生物学和遗传学研究的不断深入,越来越多的证据表明,驱动基因的突变是导致BC发展的主要因素之一,并与BC患者的预后密切相关。因此,寻找BC相关的驱动基因具有重要意义。研究表明,基因突变与BC的组织形态关系密切,通过对BC病理图像的深度解析,能够发现潜在的突变信号。近年来,人工智能（Artificial Intelligence,AI）技术飞速发展,其中,深度学习（Deep Learning,DL）作为主流的AI模型,在影像学、病理学等各方面有着广泛应用。通过对BC病理图像的深度学习训练,有利于发现BC的驱动信号,并进一步预测患者的预后,推动BC的精准医学和“基因型-临床表型”跨尺度研究。目的本研究交叉融合泌尿外科学与生物信息学研究方法和技术,通过构建深度学习模型,预测BC的驱动基因突变及患者预后。方法收集三组BC患者的临床数据和病理样本。第一组队列来自TCGA（The Cancer Genome Atlas）数据库,包括404位病人的427张冰冻组织切片（TCGA-tissue）、37位病人的37张正常组织切片（TCGA-nocancer）和386位病人的457张HE染色切片（TCGA-dia）,该部分数据用于DL的训练与内部验证。第二组队列（Soo-Seq）来源于苏州大学附属第一医院2014-2017年间的19位膀胱癌术后患者的46张HE染色切片,同时收集了对应的临床资料和基因测序数据,主要用于DL的外部验证。第三组队列（Soo-NSeq）来源于苏州大学第一附属医院2011年至2020年间的136例膀胱癌术后患者的542张HE染色切片,同时收集临床数据,该部分数据不包含基因测序信息,主要用于患者预后预测的外部验证。通过计算机扫描,将TCGA每一片切片扫描成互相不重叠的224*224的像素窗口,并基于MobileNetV2体系构建DL模型。将冰冻切片中75%作为训练集（TCGA-val）,25%作为测试集（TCGA-test）。利用TCGA-val对卷积神经网络（Convolutional Neural Networks,CNN）进行训练,并进一步使用 TCGA-test、TCGA-nocancer、TCGA-dia 用于内部验证。为发现BC中高驱动性基因,本文引入适应度评分（fitness score,FS）的概念。计算BC各突变基因的FS,选择驱动性排列前10位的基因进行分析。根据每个病理切片中所有小切片的平均概率即预测分数（prediction score）进行突变的预测,并根据组织病理学图像中基因的突变状态调整MobileNetV2中的参数权重。比较模型预测各驱动突变的AUC,筛选出预测精度最高的驱动突变进行预后分析。在筛选出的驱动突变中,根据预测分数高低将病人排序,前20%为高分亚组,中间60%为中分亚组,后20%为低分亚组。分别比较各驱动突变中三个亚组间的生存率,并将各驱动突变的预测分数结合形成Combined模型,并在各亚组中进行分析。其次,根据各驱动突变预测分数的百分位范围从高到低进行排序（0-15%、5%-20%、10%-25%、15%-30%、20%-35%、25%-40%、30%-45%、35%-50%、50%以下）对病例进行分组划分,将高百分数组和50%以下的分组的生存率进行比较,同样将各驱动突变的预测分数进行结合分析。使用 Python 绘制 TCGA-test、TCGA-nocancer、TCGA-dia 和 Soo-Seq 队列各亚组的 ROC 曲线,采用Kaplan-Meier 分析和log-rank 检验评估TCGA-test、TCGA-nocancer、TCGA-dia和Soo-NSeq亚组间生存率的差异。结果通过TCGA-val对DL进行训练,并计算BC各驱动基因的FS,筛选出驱动性排名前 10 位的基因:TP53、FGFR3、CDKN2A、RB1、TSC1、KRAS、ARID1A、CDKN1A、KDM6A、STAG2。TCGA-test 中,DL预测前十位驱动突变的AUC分别为:FGFR3=0.74、TP53=0.66、STAG2=0.59、CDKN2A=0.59、KRAS=0.58、RB 1=0.58、CDKN1A=0.58、KDM6A=0.57、ARID1A=0.49 和 TSC1=0.43。通过AUC值,发现DL对FGFR3、TP53和STAG2这三个基因的预测精度最高,因此选择其进行内部和外部验证。内部验证上,TCGA-nocancer 中,DL 预测突变的AUC 为 FGFR3=0.41、TP53=0.50、STAG2 无法预测。TCGA-dia 中,DL 预测突变的 AUC:FGFR3=0.69、TP53=0.57、STAG2=0.58。外部验证上,在Soo-Seq中,DL预测突变的AUC为:FGFR3=0.90、TP53=0.63、STAG2=0.67。表明DL对这三个基因具有可靠的预测精度。预后分析中,在TCGA-test和TCGA-dia的内部验证上,FGFR3、TP53、STAG2和Combined模型的生存曲线和生存率差异曲线表明,FGFR3、STAG2和Combined中,预测分数与病人预后呈正相关。TP53的预后分数与病人呈负相关。在Soo-Nseq的外部验证中,生存曲线和生存率差异曲线同样表明,FGFR3、STAG2和Combined中,预测分数与病人预后呈正相关。TP53的预后分数与病人呈负相关。其中Combined模型高分与低分患者预后差异最明显（高vs低分组:p=0.007）。结论1、大多数驱动性高的基因也具有相对较高的FS。与突变频率相比,FS是驱动基因的独立测量因子。2、FGFR3和STAG2的预测分数与患者生存呈正相关,而TP53的预测分数与患者生存呈负相关。Combined模型对患者预后预测效果最佳,预测分数与患者生存呈正相关。3、DL可作为辅助诊断工具,将驱动突变与病理图像结合对驱动突变进行量化分析,帮助临床医生辅助判断病人的驱动基因突变类型并预测患者预后,为临床医生制定下一步治疗方案提供有效帮助。