基因表达可以预测CML患者的DMR

对于慢性髓系白血病(CML)患者，实现稳定深度分子缓解(DMR)是无治疗缓解的前提。但是，预测DMR的生物标志物尚不清楚。美国的Jerald Radich教授等人进行了一项研究，目的是确定与DMR相关的生物指标。研究的结果在近期召开的第八届美国血液肿瘤学会年会(SOHO 2020)上公布。小编将主要内容整理如下，供广大读者参考。

研究方法

设计：对随机、开放标签的3期研究ENESTnd(NCT00471497)样本进行探索性分析。

患者：采集既往接受过酪氨酸激酶抑制剂(TKI)治疗的112例患者(尼洛替尼 300mg BID[n=33]、尼洛替尼 400mg BID[n=32]或伊马替尼 400mg QD[n=47])的血液样本并进行RNA测序分析。将每组中应答较差患者(治疗3个月时BCR-ABL1 IS>10%)和应答良好患者(治疗12个月时BCR-ABL1 IS<0.01%)的血液样本纳入研究。

主要终点：使用多元Logistic回归分析评估临床变量(如Sokal风险评分、TKI、年龄、性别)与患者应答状态的关联。

此外，对独立和联合(基因和临床)模型中的临床变量和基因表达(13569个基因)应用了惩罚线性回归模型，以建立患者应答状态的预测模型。

研究结果

以分子缓解4.5(MR4.5)(BCR-ABL1 IS≤0.0032%)为终点，排除了42例在5年前未达到MR4.5的停药患者。

其余的70例患者包括47例(尼罗替尼31例，伊马替尼16例)应答良好患者(5年内达到MR4.5)和23例(尼罗替尼10例，伊马替尼13例)应答较差患者(在≥5年的治疗中未达到MR4.5)。

多变量分析显示，年龄较低(<35岁)与良好的应答相关(P<0.02)。

基因表达对实现主要分子学缓解(MMR)、DMR的可能性起着重要的作用(图1)。在惩罚线性回归模型测试中，预测患者的应答状态的最佳模型使用的是来自MR4.5患者与应答较差患者的基因特征(药物曲线下面积[AUC]=0.87)。在模型中纳入临床变量并不能改善效果(AUC=0.85)。这些模型优于仅具有临床变量的模型(AUC=0.65)。在基因表达模型中加入临床变量对模型无影响。

图1

被归类为应答良好患者表现出与免疫反应相关的基因上调，例如NLRP2、TNF和TNFRSF21;被归类为应答较差患者表现出与代谢和细胞周期相关的基因上调，例如WNT6、SNX21和FLT3(图2)。

图2

研究结论

基因表达模型将5年后达到DMR的患者与应答较差患者区分开。这项工作可用于开发治疗靶点并促进应答较差患者的DMR。