RSS-Feed abonnieren
DOI: 10.1055/s-0038-1640122
Mutationssignaturen korrelieren mit häufigen Risikofaktoren und mit dem Überleben von Kopf-Hals-Tumor-Patienten
Einleitung:
Genomische Veränderungen sind im mehrstufigem Prozess des Kopf-Hals-Tumors (HNC) wichtig und resultieren aus der Interaktion von Umwelteinflüssen und endogenen zellulären Prozessen. Jeder Prozess hinterlässt ein charakteristisches Muster an Mutationen auf dem Tumorgenom. Das Ziel ist es, spezifische Signaturen von Mutationsprozessen, die während der HNC-Pathogenese wirksam sind, zu entschlüsseln und die prognostische Relevanz zu evaluieren.
Methoden:
Es wurden vollständige Exomsequenzierungsdaten mit primären Tumorproben von HNC-Patienten (n = 83) generiert und somatische Mutationssignaturen durch einen systematischen Berechnungsansatz erkannt. Mithilfe der Hauptkomponentenanalyse (PCA) wurden unterschiedliche Patientenuntergruppen identifiziert. Die Berechnung der Überlebensunterschiede erfolgte durch uni- und multivariate Analysen. Die Daten wurden mit öffentlich verfügbaren Daten aus der TCGA-HNC-Kohorte bestätigt.
Ergebnisse:
Die Analyse der globalen Exomsequenzierungsdaten ergab fünf prominente Mutationssignaturen, die deutliche Beziehungen zu den wichtigsten ätiologischen Risikofaktoren (Tabak, Alkohol und HPV) aufwiesen. Diese Mutationssignaturen waren auch im Datensatz von TCGA-HNC am häufigsten vertreten. Die PCA-Analyse zeigte vier Patientenuntergruppen mit statistisch signifikanten Unterschieden in klinischen und pathologischen Merkmalen sowie im Überleben in beiden Kohorten.
Schlussfolgerung:
Diese Studie liefert einen Proof-of-Concept, dass die rechnerische Analyse von somatischen Mutationssignaturen nicht nur ein leistungsfähiges Werkzeug zur Entschlüsselung von Umwelt- und intrinsischen Prozessen in der Pathogenese von HNC ist, sondern auch, dass es den Weg zu zuverlässigen prognostischen Mustern ebnen könnte.
#
Die Autoren geben an, dass kein Interessenkonflikt besteht.
Publikationsverlauf
Publikationsdatum:
18. April 2018 (online)
© 2018. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial-License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commercial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/).
Georg Thieme Verlag KG
Stuttgart · New York