研究背景

在全世界分范围内，每年因肝癌死亡的病例超过 50 万人，是主要的致死恶性肿瘤之一。在过去的十年中，随着影像学的进步以及健康体检的普及，越来越多的肝癌病人在患病早期被发现。但由于肝脏捐赠者的短缺，外科肝脏切除术仍然是治疗早期肝癌病人的最主要方法。目前对于术后患者缺乏准确预测体系或标志物。本研究建立了一种预测早期肝癌病人术后复发的模型。

研究结果

1.CpG 位点选择

研究者首先对 66 例病人的样本采用 450K 芯片（该研究中 IlluminaMethylation 450k Beadchip 服务由伯豪生物提供）检测，过滤得到 2550 个差异 CpG 位点。随后，研究者为了区分高风险和低风险的病人，采用 LASSO 和 SVM-RFE 算法分别得到了 30 个差异最显著的 CpG 位点。

2. 探究可预测的标签

通过比较两种算法得到的 CpG 位点，共筛选出 46 个不同的 CpG 位点。通过分析 46 个位点，把 66 例样本分成复发和不复发两个亚类。研究者随后采用 Cox 回归模型在训练组中进一步缩小了病人的甲基化检测位点。结果发现，cg20657849（SCAND3）, cg19406367（SGIP1）, 和 cg19931348（PI3）三个甲基化位点与病人复发高度相关。

随后研究者采用焦磷酸测序技术，分别在训练组和鉴定组中量化这一发现。为了更好的研究这三个 CpG 位点用来预测肝癌患者复发的准确性，在训练组中设定了一种危险系数评分。

3. 证实这一标签

为了证实这一模型的稳定性，研究者分别在一组内部样本和两组外部样本进行了检测。在内部样本中，该模型成功的分类了 68 例复发高风险病人，73 例低复发风险病人。在外部样本中，同样成功分类了高风险和低风险病人。ROC 分析发现，预测模型预测早期肝癌病人复发比三个 CpG 位点单独检测更有效。

4. 建立可预测的诺模图

为了建立临床上适用的用来预测个体复发的模型，综合考虑了协变量后，研究者用诺模图建立了可以用来预测的模型。研究者生成了一个诺模图预测患者的 5 年生存率，通过三个校正点的检测均得到理想结果。

本文通过分析早期肝癌患者甲基化芯片结果，得到三个与早期肝癌患者复发相关的 CpG 位点，并通过训练组和验证组优化了这一预测模式。最终，研究者建立了一种诺模图，用来预测早期肝癌患者的术后复发风险。

原文出处：Qiu JL, Peng BG, Tang YQ, Qian YB, Guo P, Li MF,Luo JH, Chen B, Tang H, Lu CL, Cai MY, Ke ZF, He W, Zheng Y, Xie D, Li BK, Yuan YF. CpG methylation signature predicts recurrence in early-stage hepatocellular carcinoma: results from a multi-center study. journal of clinical oncology.2016.