單位：中南大學湘雅醫院神經內科

雜志：CNS Neuroscience & Therapeutics

接受時間：2020-4-28

伯豪生物提供了焦磷酸檢測和數據分析服務，文章四作

背景：顳葉癲癇（TLE) 是成人常見的局灶性癲癇綜合征，常發生耐藥，需要手術治療，預后較好。此外，認知障礙和精神疾病合并癥，包括抑郁和焦慮障礙，加上長期的實際癲癇發作和伴隨藥物使用，往往會對生活質量和個人健康造成嚴重影響。目前，癲癇的診斷主要依靠臨床表現、神經影像學和腦電圖。這些方法不僅昂貴、耗時，而且需要專業設備和訓練有素的專家，許多患者無法獲得這些設備，從而在一定程度上造成延誤診斷或誤診。此外，藥物反應預測主要基于臨床經驗的主觀特征，尚未形成定論。及時發現耐藥患者使癲癇手術獲益成為可能。因此，迫切需要生物標志物來輔助當前的診斷和預測治療結果。DNA 甲基化標志物作為標志物的成功案例有 MGMT 啟動子甲基化可預測膠質母細胞瘤和血漿中甲基化 SEPTIN 9(SEPT9) 檢測無癥狀結直腸癌，這些都已被納入臨床指南并轉化為商業化臨床試驗。此外，有還有一種趨勢是研究人員更傾向于多種 CpG 標記的組合生物標志物。

在本研究中，作者旨在識別和驗證 TLE 中疾病相關和藥物反應相關的 DNA 甲基化標志物。首先在 TLE 患者中進行了全基因組 DNA 甲基化分析；然后在訓練隊列中選取候選的 CG 位點，并利用機器學習算法在另一個獨立隊列中對這些 cpg 進行驗證。此外，還生成了包含 DNA 甲基化和臨床病理數據的 nomogram 圖來預測整個患者隊列的藥物反應。通過生物信息學分析尋找各生物標志物 CpGs 對應基因的可能聯系。

研究路線：

主要結果：

表 1   樣本信息

圖 1   疾病相關 CpG 的篩選和驗證。A, 237 個與 TLE 相關的 DMC 聚類分析；在訓練隊列中采用邏輯回歸分析，閾值設為 p  value 0.001。B、訓練隊列中的 SVM 算法。C, TLE 患者和健康對照的 8 個顯著 CpGs 位點的 ROC 區域。訓練隊列 ROC 曲線下面積為 0.90，驗證隊列 ROC 曲線下面積為 0.81。

圖 2   藥物反應相關 CpG 位點的篩選和驗證。A, 99 個與 TLE 病例中藥物反應相關的 DMC 的聚類分析，p value 閾值設為  p value 0.005（t 檢驗，訓練集）。B 訓練隊列中的邏輯回歸算法。C，預測 TLE 患者藥物應答或耐藥的 6 個顯著 CpGs 的 ROC。訓練隊列 ROC 曲線下面積為 0.99，驗證隊列 ROC 曲線下面積為 0.79。

圖 3  Nomogram 用于預測整個 TLE 患者隊列的藥物反應。nomogram 是通過將量表中四個變量的得分相加來使用的。總和位于“Total points”尺度上，并在軸向下畫一條線來確定耐藥的風險。

圖 4   在整個 TLE 患者隊列中預測藥物響應或耐藥的 6 個 CpGs 標志物聯合和非聯合臨床病理因素的 ROC 曲線。

圖 5   圖中所示為 4 個 CpG 位點的甲基化程度，由甲基化芯片（Y 軸，比率）和焦磷酸測序（X 軸，比率）相關性分析。對于 cg25838818 (A)、cg27564766 (B)、cg11954680 (C)、cg26119877 (D)，兩種方法檢測的甲基化程度呈正相關。

小編的話

文章初次證明了 DNA 甲基化標記可以定義人類 TLE，并與臨床病理因素結合，以改善對藥物治療反應的預測。此外，本研究引入了一種篩選和驗證生物標志物的方法學框架，并展示了機器學習作為潛在臨床研究工具的能力。但是文章缺陷在于沒有對所有標志物位點進行驗證，如果能擴大樣本量對所有標志物的位點進行再驗證，或許能沖刺更高分的文章。

更多伯豪生物人工服務：