应用支撑向量模型预测晚期鼻咽癌预后和在鼻咽癌细胞中靶向Aurora-A激酶的实验研究.pdf

中山大学博士论文 应用支撑向量模型预测晚期鼻咽癌预后及在鼻咽癌细胞中靶向Amxxa-A激酶的实验研究 应用支撑向量模型预测晚期鼻咽癌预后及在鼻咽癌 细胞中靶向Aurora．A激酶的实验研究 专 业：肿瘤学 博士研究生： 万香波 导 师： 洪明晃教授 中文摘要 鼻咽癌(nasopharyngeal 颈部肿瘤对放射治疗敏感，使得放疗成为未转移鼻咽癌患者的首选根治性治疗手 段。虽然近年来放射治疗技术的进步、化疗及靶点药物等综合治疗方法的应用， 在一定程度上提高了肿瘤的局部控制率，减轻了周围正常组织的不良放疗反应， 但是患者5年生存率仍然徘徊在60％左右，局部晚期患者甚至更低。因而，探索 较为准确的患者预后模型，有望为患者的个体化治疗提供理论依据，并最终提高 患者的生存率。 肿瘤标记物作为肿瘤组织中异常或突变表达的特异分子，近年来发现其表达 水平可用于肿瘤的诊断和患者的预后判断。在鼻咽癌组织中，有报道nm23一HI、 EGFR、Survivin、MMP-2、Ki．67及Beclinl等分子高表达是患者的独立预后因 素。但是，具体到某一位患者，单一预后因子难以准确判断患者的预后情况。因 而，建立可准确预测患者预后的多分子预后模型具有重要的临床意义。 Vector Machine)理论是由V 支撑向量机(Support N．Vapnik等于1992至 1995年提出的。其核心思想在于：对于输入空间中非线性可分的情形，选择一 个适当的非线性映射，将输入空问中的样本点映射到一个高维空间(超平面)， 然后通过一系列核函数、参数因子的选择得到最优分界面。同时，SVM可在训 练样本很少的情况下达到良好的分类效果。实践证明SVM对于二分类问题具有 中山大学博士论文 应用支撑向量模型预测晚期鼻咽癌预后及在鼻咽癌细胞中靶向Atm)I：a-A激酶的实验研究 较高的分辨能力。因而，对于鼻咽癌患者的预后，如生存VS死亡、肿瘤进展 VS无进展、转移VS无转移等二分类数据，SVM有望通过整合分析多个肿瘤预 后分子的表达情况，为患者提供准确的个体化预后信息。 SVM的乳腺癌X光照片计算机辅助诊断模型表明：在处理相同的样本数据 集时，基于SVM算法的计算机辅助诊断系统相对于BP神经网络，有更高的诊 断灵敏度。在IB期非小细胞肺癌(NSCLC)患者中，通过训练集的整合分析， SVM对测试集患者术后的5年生存情况的阳性预测值为92．4％、阴性预测值为 80．O％、总准确率为81．3％，显示出较高的预测效率。但在鼻咽癌中，个体患者 预后的准确预测问题尚无报道。因而，本研究拟构建立足于鼻咽癌自身特点的 SVM预后模型，研究内容如下： 第一章25种分子标记物在鼻咽癌中的表达检测及数据预处理 目的： 检测25种分子标记物在局部晚期鼻咽癌组织中的表达情况，通过半定量评 分量化各分子在组织中的表达水平，并对各分子的表达与患者预后关系进行初步 探讨。 方法： 本研究所需的145例组织标本来源于一项基于局部晚期鼻咽癌的随机对照临 l， D EZH2，E—Cadherin，N—Cadherin,CENP—H，cyclin MMP一2，c-Met，Ki一67，P21，CDC2，Bcl-2，COX一2，nm23·HI，Bax，Snail，Twist,ERK， + IC／RTVSInduction + chemotherapyRadiotherapy, chemotherapy 应用ROC曲线分析，初步获得各分子标记物对患者治疗后5年的生存状态(生 Kaplan—Meier生存曲线分析。 Ⅱ 中山大学博士论文 应用支撑向量模型预测晚期鼻咽癌预后及在