IF=10.6!南京大学主导,肺腺癌5mC预后模型出圈,“TCGA+GEO”双认证!

小树生信

研究以TCGA-LUAD的449例数据为基础，3:2分训练/测试集，筛选探针后确定8个核心5mC探针构建MethPro-LUAD模型；并在2个中国医院队列、2个欧洲GEO数据集完成外部验证。经多种分析及与50余种模型对比，该模型能有效分层风险，预测精度更优，为肺腺癌术后个性化管理提供可靠工具。

图1为研究流程图

(A)临床应用流程：肺腺癌患者手术肿瘤组织经 DNA 提取与甲基化分析，通过 MethPro-LUAD 模型分为高 / 低风险组，为个体化治疗、随访及成本管控提供依据

(B)研究设计流程：以 TCGA-LUAD 队列 60%（269 例）为训练集筛选探针，剩余 40%（180 例）为测试集，构建含 8 个探针的 MethPro-LUAD 模型，并经 2 个中国多中心队列、2 个 GEO 公开数据集完成验证

该研究旨在筛选肺腺癌预后相关5mC探针，构建精简高效的预后模型；验证其在不同人群中的泛化能力，确保独立于传统临床因素的预测价值；对比现有工具凸显临床优势，并探索低成本快速的检测方法，推动模型临床转化应用。

以TCGA-LUAD为训练测试库，联合中国多中心、GEO数据库做验证；提取FFPE样本DNA经亚硫酸氢盐转化后行甲基化芯片检测，筛选8个核心探针构建模型，统一阈值分层并多方法验证性能，设计BSAS方案验证转化可行性，通过R软件及专属包完成统计分析。

基于TCGA队列构建含8个5mC探针的MethPro-LUAD模型，经中外多队列验证（如图1B），表1汇总队列特征，主成分分析证实模型稳健无过拟合。

表1为训练组、测试组和验证组的基线特征

MethPro-LUAD以固定阈值分层，在TCGA队列中能显著区分患者生存风险（如图2B），5年预测AUC表现优异且随随访提升；亚组分析（如图3A-J）证实其独立于各类临床病理因素，预测性能稳定。

图2为TCGA训练队列中的总生存率与甲基化水平，以及MethPro-LUAD在TCGA训练与测试队列中的Kaplan-Meier分析和受试者工作特征分析

(A)TCGA训练队列中8个探针的甲基化β值，分为发生5年终点事件（是，短期生存）和未发生5年终点事件（否，长期生存）两组。采用Mann-Whitney U检验，图中展示了p值。数据以中位数（中线）、25%和75%分位数（箱体边界）表示，须形延伸至四分位距（IQR）的1.5倍

(B和C)TCGA训练队列(B)和测试队列(C)的Kaplan-Meier生存曲线，按低风险（红色）和高风险（蓝色）状态分组

图中展示了对应的p值以及风险比（HR）和95%置信区间（CI）

图3为根据性别、年龄、肿瘤分期和EGFR突变状态队列对TCGA-LUAD患者进行的Kaplan-Meier分析

(A-B) 性别分层（男性 / 女性）

(C-E) 年龄分层（<60 岁 / 60-69 岁 /≥70 岁）

(F-H) 肿瘤分期分层（I/II/III-IV 期）

(I-J) EGFR 突变状态分层（突变 / 野生型）。各亚组均分为低风险（红）、高风险（蓝）组，图中附 p 值及 95% 置信区间的风险比 (HR)

在北京协和、南京鼓楼多中心队列中，采用统一阈值验证MethPro-LUAD，模型均有效区分预后（如图4A-B），低风险组生存期显著更长。亚组分析显示其在各临床亚群中表现稳定，同时可精准预测DFS（如图4C），双结局验证模型稳健可靠。

图4为不同第三方独立队列及北京协和医院（PUMCH）、南京鼓楼医院（NDTH）队列中肺腺癌（LUAD）患者的Kaplan-Meier分析 低风险（红色）和高风险（蓝色）组的Kaplan-Meier生存曲线

(A) 北京协和医院队列（5年总生存期，OS）

(B) 南京鼓楼医院队列（4年总生存期）

(C) 北京协和医院队列（5年无病生存期，DFS）

(D) GSE56044队列（5年总生存期）

(E) GSE39279队列（5年无病生存期）

图中展示了对应的ρ值以及具有95%置信区间（CI）的风险比（HR）。OS为总生存期；DFS为无病生存期

MethPro-LUAD在GSE56044、GSE39279队列中均有效分层（如图4D-E），低风险组生存期更长；经中美欧多地域验证，模型适用性广、预后评估稳定。

MethPro-LUAD在北京协和、南京鼓楼及TCGA队列中，按辅助治疗、EGFR突变、吸烟史分层后，仍可有效区分高低风险患者（如图5），高风险组生存期显著更短。模型预测能力独立于上述临床因素，在各亚组中均保持稳定预后价值。

图5为不同分层下的Kaplan-Meier生存曲

(A) 北京协和医院队列按治疗方式分层

(B) 北京协和医院队列按 EGFR 突变状态分层

(C) 北京协和医院队列按吸烟状态分层

(D) 北京大学第三医院队列按吸烟状态分层

(E) 北京大学第三医院队列未接受治疗亚组的风险分层

图中包含各组 p 值、风险比（HR）及 95% 置信区间（CI）

通过PubMed检索30个已发表肺腺癌预后标志物，在相同队列与MethPro-LUAD对比（如图6）。结果显示，该模型的HR与5年AUC全面优于现有基因、甲基化及TMB模型，稳定性与预测精度更突出，探针更少且不易过拟合。

图6为MethPro-LUAD与其他预测模型在各队列中的ROC分析

(A-B)展示 MethPro-LUAD 与其他模型在 TCGA 训练 / 测试队列的 ROC 曲线（分 mRNA 组合、DNA 甲基化组合、单基因与 TMB 三类）

(C-E)柱状图呈现各模型在各队列中的 AUC 值（分 mRNA / 混合、甲基化、单 mRNA 与 TMB 三类）

MethPro-LUAD模型基于8个5mC探针，可精准预测肺腺癌患者OS与DFS，其预测效能独立于年龄、分期等临床因素，且优于已发表模型；配合BSAS检测，临床应用门槛低、转化潜力大，可作为个体化诊疗依据，未来将进一步验证优化。