李洪涛++++沈赞*

摘 要 骨肉瘤在新辅助化疗后的原发灶肿瘤组织坏死率对于患者的预后具有决定性意义，寻找有效的检测手段或检测指标在手术前预测化疗疗效，并在术前及时调整治疗显得尤为重要。本文综述基因芯片对骨肉瘤新辅助化疗疗效的预测作用。

关键词骨肉瘤新辅助化疗坏死率预测基因芯片

中图分类号：R738.1文献标识码：A文章编号：1006-1533（2014）12-0013-03

Progress in predicting response to neoadjuvant chemotherapy for osteosarcoma by gene-expression profiles

LI Hongtao, SHEN Zan

(Department of Oncology of Shanghai Six Peoples Hospital Affiliated to Shanghai Jiao Tong University, Shanghai 200233, China )

Abstract Histological response or tumor necrosis rate to neoadjuvant chemotherapy has been shown to be associated with survival in osteosarcoma patients. Accurate and noninvasive detective methods to predict response to neoadjuvant chemotherapy would be important for planning surgery and adjustment subsequent therapy. This review summarizes recent advances in predicting response to neoadjuvant chemotherapy for osteosarcoma by gene-expression profiles.

KEY WORDSosteosarcoma; neoadjuvant chemotherapy; necrosis rate; gene chip

骨肉瘤是青少年原发性恶性骨肿瘤中发病率最高的肿瘤[1- 2]。由于新辅助化疗的治疗进展，使5年生存率从＜20%提高到60%～70%[3]，而骨肉瘤在新辅助化疗后的原发灶肿瘤组织坏死率对于患者的预后具有决定性意义。根据Salzer-Kuntschik标准（6级标准）或Huvas标准（4级标准），COSS临床研究显示骨肉瘤5年无事件生存期（event-free survival）在肿瘤组织坏死率高的人群为68%, 而坏死率低的则为39%[4-5]。

通过病理学评估肿瘤组织坏死率是目前验证新辅助化疗疗效的金标准，因病理评估多为术后回顾性评估，故有其局限性。因此，寻找有效的检测手段或检测指标在手术前预测化疗疗效，并在术前及时调整治疗显得尤为重要。预测化疗的肿瘤组织坏死率有多种方法，包括血清学、影像学及核素显像等[6-7]。

近年来，以高密度基因芯片为核心的基因组学技术迅速发展，已广泛应用到生物医学的各个领域并取得突出进展，使基因芯片预测肿瘤患者的治疗反应性、预后及生存成为可能。本文仅就基因芯片对骨肉瘤新辅助化疗疗效研究进行综述。

细胞水平

在骨肉瘤细胞系水平研究方面，Walters等[8]用Human Genome U133 Plus 2.0基因芯片（1张可容纳47 000个转录本）对比了MG3耐药株M6和M8(MG3对依托泊苷、多柔比星和顺铂较M6和M8敏感)的表达差异，结果发现252个显著差异表达基因(false discovery rate, FDR=0.5%)，这些基因中包括149个上调表达基因和103个下调表达基因，通过RT-PCR和Western印迹法选择其中8个进行确认，证明了表达差异具有一致性。进一步对这些基因进行文献复习，发现其中ABCG2、ADD3、NMT2、WNT5a和PTN与肿瘤细胞化疗耐药相关。通过对比同类研究，作者发现252个差异表达基因中的TRIM22、ADD3、PTN、WNT5A基因与Mintz等[9]通过芯片分析临床标本的差异表达基因名称重叠，前者上述4个基因表达倍数变化为4.4、2.2、3.3和-3.1[8]，而Mintz等[9]的研究则为-2.4、-2.2、3.2和-2.4，这种差异可能由于标本的不同或芯片平台差异所致。

动物模型

Bruheim通过在可容纳约20 000个探针的UniSet Human 20K Oligo Bioarray芯片上对比了10个骨肉瘤动物模型分别对多柔比星、顺铂和异环磷酰胺耐药的表达差异，其中对多柔比星耐药的差异表达基因有85个(FDR=5%)，包括48个高表达基因和37个低表达基因；对顺铂耐药的基因差异表达有74个(FDR=2%)，包括38个高表达基因和36个低表达基因；而对异环磷酰胺耐药的差异表达则有118个(FDR=0.5%)，高表达基因67个和低表达基因51个。上述三组差异表达的基因中，顺铂与多柔比星耐药组中有21个基因重叠，顺铂与异环磷酰胺组中仅有2个重叠，而多柔比星与异环磷酰胺则无重叠[10]。这项研究提示同一肿瘤对不同化疗药物耐药机制差异显著。

临床标本

Mintz等[9]收集30个骨肉瘤穿刺标本（15个Huvos I/Ⅱ级和15个HuvosⅢ/Ⅳ级），在含有12 625个转录本的U95Av2芯片上分析后发现肿瘤组织坏死率低的标本中有104个显著差异表达基因，其中包括63个上调表达基因和41个下调表达基因。作者用这104个基因对化疗耐药的骨肉瘤裸鼠模型标本进行验证，结果符合预期。在上述104个基因中包括有护骨素显著低表达，而参与破骨过程（如annexin-2、SMAD、PLA2G2A和TGFB1）、细胞外基质重构过程(如desmoplakin、SPARCL1、biglyca和PECAM)相关基因却出现了显著高表达，这些基因经过RT-PCR验证符合芯片检测结果，作者据此推论双膦酸盐治疗骨肉瘤中的可能意义。

Man等[11]通过自组装含有9 216个独立元件的芯片对比了7个化疗坏死率大于90%的标本和13个化疗坏死率小于90%的标本，确定了由45个基因组成的预测模型，这45个基因中有91%在坏死率小于90%的标本中呈高表达。作者用此预测模型对6个穿刺标本进行预测检验，而这6个标本先前在建立45个基因预测芯片过程中已经检测，结果提示正确符合率为83%，而用该模型对8个单独穿刺标本进行预测，正确符合率则为100%。Ochi等[12]在自组装的含有23 040个cDNA位点的芯片中对比了13个骨肉瘤标本，包括6个坏死率大于90%和7个坏死率小于90%的标本，并从两组共有率70%的4 722个基因中选取60个基因组成药物反应评分系统(drug response scoring, DSR)，该评分系统能准确区分骨肉瘤标本对化疗的反应性，其中最显著的基因名称为AKR1C4。

虽然，上述研究充分说明基因芯片检测临床标本预测疗效的可能性，但也有研究并未发现阳性结果，如Cleton-Jansen通过收集25个化疗前的活检标本，包括8个化疗坏死率大于90%和17个化疗坏死率小于90%的标本，在Hu133A GeneChip Arrays中分析并未发现差异表达基因的存在[13]。

自2002年《Nature》杂志发表成功利用基因表达谱芯片的差异对乳腺癌患者5年内的预后进行预测以来[14]，越来越多的基因芯片经FDA批准用于临床。然而，芯片平台差异及芯片检测结果的重复性尚值得进一步确证。通过上述文献分析，我们看出重复性的结果少于研究结论，这有可能是样本本身、样本量及检测手段的差异造成。基于条件所限，我们仅对5年前文献进行了分析总结，而近年来，基因芯片技术以其标准化的流程、坚实的理论和实验的支持，已成为非常稳定可信的实验技术，相信通过扩大样本量进行必要的重复研究将使芯片快速检测预测骨肉瘤化疗疗效成为可能。

参考文献

Duong LA, Richardson LC. Descriptive epidemiology of m alignant primary osteosarcoma using population-based registries, United States, 1999-2008[J]. J Registry Manag, 2013, 40(2): 59-64.

Ottaviani G, Jaffe N. The epidemiology of osteosarcoma[J]. Cancer Treat Res, 2009, 152: 3-13.

Allison DC, Carney SC, Ahlmann ER, et al. A meta-analysis of osteosarcoma outcomes in the modern medical era[J/OL]. Sarcoma, 2012, doi: 10.1155/2012/704872.

Carrle D, Bielack SS. Current strategies of chemotherapy in osteosarcoma[J]. Int Orthop, 2006, 30(6): 445-451.

Bielack SS, Kempf-Bielack B, Winkler K. Osteosarcoma: relationship of response to preoperative chemotherapy and type of surgery to local recurrence[J]. J Clin Oncol, 1996, 14(2): 683-684.

Hongtao L, Hui Z, Bingshun W, et al. 18F-FDG positron emission tomography for the assessment of histological response to neoadjuvant chemotherapy in osteosarcomas: A meta-analysis[J]. Surg Oncol, 2012, 21(4): e165-170.

李洪涛, 沈赞. 18F-FDG PET/CT对骨肉瘤新辅助化疗疗效评估的进展[J].中国癌症杂志, 2012, 22(9): 675-679.

Walters DK, Steinmann P, Langsam B, et al. Identification of potential chemoresistance genes in osteosarcoma[J]. Anticancer Res, 2008, 28(2A): 673-679.

Mintz MB, Sowers R, Brown KM, et al. An expression signature classifies chemotherapy-resistant pediatric osteosarcoma[J]. Cancer Res, 2005, 65(5): 1748-1754.

Bruheim S, Xi Y, Ju J, et al. Gene expression profiles classify human osteosarcoma xenografts according to sensitivity to doxorubicin, cisplatin, and ifosfamide[J]. Clin Cancer Res, 2009, 15(23): 7161-7169.

Man TK, Chintagumpala M, Visvanathan J, et al. Expression profiles of osteosarcoma that can predict response to chemotherapy[J]. Cancer Res, 2005, 65(18): 8142-8150.

Ochi K, Daigo Y, Katagiri T, et al. Prediction of response to neoadjuvant chemotherapy for osteosarcoma by gene-expression profiles[J]. Int J Oncol, 2004. 24(3): 647-655.

Cleton-Jansen AM, Anninga JK, Briaire-de Bruijn IH, et al. Profiling of high-grade central osteosarcoma and its putative progenitor cells identifies tumourigenic pathways[J]. Br J Cancer, 2009, 101(11): 1909-1918.

van ‘t Veer LJ, Dai H, van de Vijver MJ, et al. Gene expression profiling predicts clinical outcome of breast cancer[J]. Nature, 2002, 415(6871): 530-536.

（收稿日期：2014-05-07）*作者简介：沈赞，副主任医师，副教授，硕士研究生导师，肿瘤内科行政副主任，医学博士。擅长乳腺癌、肺癌及前列腺癌转移的诊断和综合治疗、骨转移癌及恶性淋巴瘤的诊断和治疗。