裴毅 蛋白质指纹标记与抗肿瘤药物治疗疗效预测的应用研究课件.ppt

前言 每个医生都希望药到病除，但是药物的临床适 应症与疗效是有差异的。 为什么？ 因为恶性肿瘤化疗有耐药性 原发性耐药 获得性耐药（继发性耐药） 这种耐药性是与恶性肿瘤的多变异特性和异质 体特性有关的，使得抗肿瘤药物适应症与实际平均 治疗效果有较大差异。 前言 由于耐药问题现阶段水平只能是治疗后才知道，不能提前预测。所以如果在治疗前就知道某种抗肿瘤药物的耐药性—— 疗效预测，则能有效地避免盲目用药，将有效地提高药物的抗肿瘤治疗效果。 前言 　　　我的研究生谢莉在选择其研究方向时向我报告希望用SELDI技术预测吉非替尼治疗非小细胞肺癌的疗效。 　——这是一个有价值的提醒。 基础研究 目前公认的抗肿瘤药物耐药机制有： ①膜蛋白介导的药物外排机制，包括P-糖蛋白 ②酶介导的多药耐药 如谷胱甘肽S—转移酶 、谷胱甘肽过氧化物酶、拓扑异构酶 ③凋亡调控基因介导 　可以看出耐药与蛋白质的产生和/或增多有关。 　但是针对某一种化疗方案及抗肿瘤治疗药物是与哪一种蛋白质有关，目前无法知道。 基础研究 SELDI （Surface-enhanced laser desorption/ionization ）技 术的全称是[SELDI-TOF-MS]，即表面增强激光 解析离子飞行时间质谱技术，其结果是用MS （质谱计mass spectrometer）在一焦平面上，按 被检物质的质荷比（M/Z）大小，顺次记录其含 量的大小（丰度）进行描述。 其最大特点是可以高效、快速地海量捕捉未 知蛋白质，以指纹进行结果描述 基础研究 　　　 　　　这是蛋白质指纹图——质谱图，每个指纹（质谱峰）代表一组蛋白质。 科学假说 　　　多项研究表明多药耐药多与蛋白质有关，不同化疗方案和药物是何种蛋白质异常，目前不清楚。SELDI技术有海量捕获未知蛋白质的特征，所以采用SELDI技术检测肿瘤患者化疗前的血液有可能发现能预测耐药的蛋白质指纹，用于指导临床用药。 科学假说图示 科学工作设计（回顾性资料） 研究工作瓶颈（关键问题及技术） 如何按疗效分组 —分组不正确，结果是错误的　 　　目前药物抗肿瘤治疗效果分析有两 个特点： 　 1.疗效界定界线是明确的 　2.临床实际判断是模糊的 研究工作瓶颈（关键问题及技术） 如何按疗效分组 —分组不正确，结果是错误的　 如SD的判断是肿块缩小和增大＜25%，而PR 的判断是肿块缩小＞50%。 按上述标准临床 判断就比较模糊——肿块测量的模糊性和测 量值界定的模糊性。 研究工作瓶颈（关键问题及技术） 　　由于化疗效果判断是模糊的计数分析， 即不确切的计量分析。而按疗效分组在交界 值分配方向具有明确的模糊性——应先建立 数学模型（MATLAB拟合曲线），看二者之 间有无函数关系，来决定下一步的研究步骤。 研究工作瓶颈（关键问题及技术） MATLAB 拟合曲线的应用 MATLAB是矩阵实验室（Matrix Laboratory） 的简称，其曲线拟合技术是指利用图形用户接口 或利用书写M文件的方法，设法找出某条光滑的 曲线，它能最佳地拟合数据,但不必经过每个点， 实现两个变量的曲线拟合，其思想是使数据点的 误差平方和最小。 研究工作瓶颈（关键问题及技术） MATLAB 拟合曲线的应用 以疗效分组，按丰度大小排序——X轴 丰度的量化值——Y轴（观察疗效变化进程中与丰 度的函数关系） 研究工作瓶颈（关键问题及技术） MATLAB 拟合曲线的分析 如果耐药与蛋白含量有关，上升曲线代表耐 药蛋白，而下降曲线代表抗耐药蛋白。 （一）吉非替尼 （一）吉非替尼 结论： M/Z： 6887、8693、13000-14000均下调基本不形成峰簇为吉非替尼治疗非小细胞肺癌有效的指纹标识。 M/Z： 6887、8693、13000-14000均上调形成较显著峰簇为吉非替尼治疗非小细胞肺癌无效的指纹标识。 （一）吉非替尼 （一）吉非替尼 （二）FOLFOX-4 （二）FOLFOX-4 结论： M/Z： 2868下调， M/Z： 1204、4176上调为FOLFOX-4治疗胃肠道肿瘤有效的指纹标识。 M/Z： 2868上调， M/Z： 1204、4176下调为FOLFOX-4治疗胃肠道肿瘤无效的指纹标识。 （二）FOLFOX-4 （二）FOLFOX-4 （三）替吉奥 （三）替吉奥 结论：