预测乳腺癌新辅助化疗疗效的多基因表达谱研究进展

薛静彦 综述 吴炅 审校

复旦大学附属肿瘤医院乳腺外科，复旦大学上海医学院肿瘤学系，上海200032

乳腺癌是最常见的女性肿瘤。新辅助治疗是在除外转移的情况下，在局部治疗前(手术或放疗)进行的全身药物治疗。在早期患者中，新辅助治疗与术后辅助治疗的生存期无明显差别［1］。新辅助化疗的优势是可通过药物治疗使局部肿瘤退缩，缩小手术或放疗的范围，减少手术或放疗的损伤；并可通过药物治疗清除或抑制可能存在的微小转移病灶；早期使用药物治疗，肿瘤细胞产生耐药性的机会少，从手术切除的肿瘤标本中可快速了解药物治疗的敏感性［2］，为后续治疗的药物选择提供依据。

由于乳腺癌的异质性，目前尚无单个临床分子标志物(如Bcl-2、p53、MDR-1等)能够准确有效地预测特定细胞毒药物的疗效。传统的组织病理分型和分级、肿瘤大小以及ER、PR、Her-2受体状态等因素与疗效预测只有微弱联系［3］，基于这些因素选择的药物治疗并不能使患者均等受益。要解决此问题，需要在分子和基因水平深入研究肿瘤的生物学行为，寻找新的治疗靶点和能够预测特定药物疗效的基因，从而指导个体化治疗。

随着人类基因组测序技术和高通量基因分析技术的快速发展，通过对肿瘤组织中特定的靶基因群表达水平的检测，为乳腺癌药物治疗的个体化选择提供了可能性［4-5］。现就乳腺癌多基因预测系统在新辅助化疗中的应用作一综述。

1 乳腺癌分子分型

目前广为认可的乳腺癌分子病理分型是在基因和分子生物学层面将侵袭性乳腺癌分为luminal A［ER(+)/Her-2(-)］、luminal B［ER(+)/Her-2(+)］、Her-2阳性［ER(-)/Her-2(+)］、基底细胞样(basal-like)型［ER(-)/Her-2(-)］、正常乳腺样(normal breast-like)型5种分子亚型［6］，这在指导治疗、疗效预测和判断预后中的作用日益突出。

研究数据显示，各种亚型对治疗的反应不尽相同［7-8］：basal-like型对化疗的病理缓解率是5种亚型中最高的。luminal型属于内分泌治疗敏感性肿瘤，其内分泌治疗的敏感性与ER水平呈正相关。其中luminal A型Her-2表达阴性，内分泌治疗疗效明显优于luminal B型。Her-2阳性型由于激素受体阴性表达，内分泌治疗无效，但对于AC(多柔比星+环磷酰胺)化疗方案的疗效明显优于luminal A型［9］，且是赫赛汀治疗的适合病例。

2 疗效评定标准

2.1 乳腺癌病理完全缓解(pathologic complete response, pCR) 最严格的定义为新辅助治疗后乳腺原发灶及区域淋巴结无癌细胞残留，可显著延长无病生存期(DFS)及总生存期(OS)［1］。美国Anderson肿瘤中心亦报道，乳腺原发病灶及淋巴结残留乳腺导管原位癌(DCIS)患者与无癌细胞残留者具有相似的5年总生存率及无疾病复发率［10］。美国乳腺癌和大肠癌外科辅助治疗计划(NSABP)定义的pCR只考虑乳腺原发灶，而不考虑区域腋窝淋巴结状态。

2.2 残留乳腺癌负荷(residual cancer burden,RCB) 是基于新辅助化疗后残留乳腺癌组织计算的连续性参数。RCB可分为RCB-0、RCB-Ⅰ、RCB-Ⅱ、RCB-Ⅲ 4个等级。RCB-0级相当于pCR，RCB-Ⅰ相当于pCR，RCB-Ⅱ即适当残留肿瘤，RCB-Ⅲ则为广泛残留肿瘤。研究提示17%的RCB-Ⅰ级患者预后与达到pCR的患者相当；而13%的RCB-Ⅲ级患者，不论激素受体状态、辅助内分泌治疗情况以及术后病理分期，其预后均较差［11］。

2.3 乳腺癌临床缓解 临床完全缓解(clinical complete response,cCR)指所有肿瘤病变完全消失且持续4周以上；部分缓解(partial response，PR)指肿瘤病灶的最大直径与其垂直径乘积之和较基线缩小50%以上，无其他新病灶出现，疗效持续4周以上。

3 预测新辅助化疗疗效的多基因表达谱

Oncotype Dx和MannaPrint基因芯片是获美国FDA批准用于预测预后的两个系统，现已有临床试验初步证实其在疗效预测方面的价值。

3.1 Oncotype Dx Oncotype Dx是通过RT-PCR技术对3个独立临床研究中的肿瘤标本(共447个样本)进行基因筛选，比较250个候选基因表达与疾病复发的关系后[12-13]，选出21个与ER阳性、淋巴结阴性的Ⅰ～Ⅱ期乳腺癌患者经他莫昔芬(TAM)治疗后远处复发相关的特定基因进行联合检测。这21个基因是：增殖相关的Ki-67、STK15、Survivin、CCNB1、MYBL2，侵袭相关的MMP11、CTSL2，雌激素相关的ER、PGR、Bcl2、SCUBE2，Her-2相关的GRB7、Her-2，以及GSTM-1、CD68、BAG1和5个参考基因ACTB、GAPDH、RPLPO、GUS、TFRC［14］。测定21个特定基因的表达情况后，得出复发风险指数(recurrence score，RS)和危险级分组，RS≤17为低危组，RS18～30为中危组，RS≥31为高危组，其特征和优势是可以在石蜡包埋组织中进行多基因表达水平检测。

RS评分很大程度上取决于ER、增殖相关基因和Her-2基因的表达程度，理论上能够预测不同患者对内分泌治疗和(或)化疗的反应。已有研究提示Oncotype Dx能够预测不同危险组别的ER(+)、无论淋巴结转移与否的患者对内分泌和(或)辅助化疗的受益情况。RS低危组患者能从内分泌治疗中受益，但不能从辅助化疗中受益；RS高危组患者在内分泌治疗的基础上可以从辅助化疗中受益，并且受益的程度与RS分值呈线性相关；而RS中危组能否受益还未确定［15-17］。正在进行的一项大型临床试验TAILORx旨在揭示RS中危组患者是否能够从辅助化疗中受益［18］。

已有临床试验研究RS评分是否能够预测新辅助化疗患者的pCR。Gianni等［19］采用多柔比星联合紫杉醇(AT)新辅助化疗治疗乳腺癌患者，结果提示RS评分与pCR有相关性(P=0.005)，pCR可能性随着RS评分的升高而增高，RS高危组患者更能从新辅助化疗中受益。而Mina等［20］研究了接受AD(多柔比星+多西他赛)新辅助化疗的病例，结果未显示RS分值与pCR有此相关性(P=0.67)。Chang等［21］则研究接受多西他赛新辅助化疗的患者，提示RS评分与cCR显著相关(P=0.008)，RS高危组患者可从新辅助化疗中获益。

3.2 MammaPrint MammaPrint是在<55岁的T1或T2期、淋巴结转移阴性、无远处转移的乳腺癌患者中，通过比较5年内发生远处转移与未发生远处转移的患者基因表达的差异，筛选出70个与细胞增殖、侵袭、转移、血管新生等相关的目标基因［22］。通过检测这70个基因的表达情况，运用计算公式得出低危级和高危级分组标准，进而预测预后。

现已有临床试验使用MammaPrint进行疗效预测。Knauer等［23］研究提示，MammaPrint高危组接受内分泌联合化疗的患者与单接受内分泌治疗的患者相比，乳腺癌特异生存期和无远处复发生存期更长(P<0.01)，高危组患者能从辅助化疗中获益，而MammaPrint低危组患者未能从辅助化疗中获益。

Straver等［24］研究接受新辅助化疗的患者，提示MammaPrint分组与疗效显著相关(P=0.015)，低危组无患者达到pCR，而高危组患者pCR率为20%，pCR与MammaPrint分值呈线性相关。研究进一步将患者分为ER(+) Her-2(-)、ER(-)Her-2 (-)和Her-2(+)3组，结果显示3组pCR率差异有统计学意义，分别为3%、34%及32%(P<0.001)。ER(+)和三阴性患者中获得pCR者均为MammaPrint高危组，MammaPrint低危组中Her-2(+)患者未获得pCR。

4 预测特定新辅助治疗方案疗效的多基因表达谱

4.1 蒽环类药物为基础的新辅助化疗 Ayers等［25］通过对接受T/FAC方案(氟尿嘧啶+多柔比星+环磷酰胺序贯多西他赛)新辅助化疗患者的研究获得含74个靶基因的预测模型，验证得到100%的阳性预测率(PPV)和73%的阴性预测率(NPV)，预测准确率达78%，其灵敏度为43%，特异度为100%。在此基础上，Hess等［26］对同样接受T/FAC新辅助化疗的患者进行研究，获得了含30个靶基因预测模型(30-gene pharmacogenomic test)，验证提示与年龄、组织学分级、激素受体状态等临床预测指标相比，其具有更高的灵敏度(92% vs 61%)和NPV(96% vs 86%)，预测准确率达76%。目前美国MD Anderson肿瘤中心正在进行一项Ⅲ期临床试验，验证该基因表达谱对乳腺癌新辅助化疗疗效的预测价值。

Peintinger等［27］亦对接受T/FAC新辅助化疗的患者应用上述30个靶基因表达谱进行pCR预测，并与RCB分级进行关联分析。结果提示，30个靶基因表达谱预测系统与RCB分级有很好的相关性(P<0.0001)，RCB-0/Ⅰ级的病例中76%被预测可获得pCR，RCB-Ⅲ级的病例中92%被预测为肿瘤残留。

Gianni等［19］通过RT-PCR技术在接受AT方案新辅助化疗的患者中筛选获得含86个靶基因的预测pCR模型，并发现pCR主要与增殖调节基因(如CDC20、E2F1、MYBL2、TopoⅡα)、免疫相关基因(如MCP1、CD68、CTSB、CD18、ILT-2等)的高表达及ER相关基因(如ER、PR、SCUBE2及GATA3)的低表达相关。Thuerigen等［28］则对接受GE/D(吉西他滨+表柔比星/序贯多西他赛)方案新辅助化疗的患者研究提出了含512个靶基因的pCR预测模型，在包括此多基因表达谱、Her-2状态及肿瘤病灶原始大小、组织学分级、激素受体状态等临床预测指标的多元回归分析中发现，只有此多基因表达谱(HR 38.3，P=0.01)及Her-2过表达(HR=10.5，P=0.01)是独立的pCR预测指标。

Cleator等［29］对接受AC方案新辅助化疗的患者进行研究发现，有253个基因在获得cCR的患者与耐药患者之间表达差异有统计学意义，67%的患者可基于此253个基因准确辨别为敏感组或耐药组(P=0.04)。并发现Chang等［30］发展的92个靶基因的多西他赛疗效预测模型无法对AC方案疗效进行预测(P=0.38～0.88)，此92个基因与253个基因无一相同，提示通过特定的多基因模型对特定药物的疗效进行预测是完全可行的，但需要更大的样本量来验证。

4.2 紫杉醇类药物为基础的新辅助治疗Chang等［30］对多西他赛新辅助化疗的病例研究，以肿瘤残余<25%(或>25%)分为治疗敏感(或耐药)，获得92个靶基因的疗效预测模型(含Oncotype Dx 21基因)(P=0.001)，其灵敏度为85%，特异度为90%，PPV为92%，NPV为83%，预测准确率达88%。进一步研究发现其中14个靶基因与临床完全缓解率(cCR)显著相关(P<0.05)［22］。

Iwa o-Koizumi等［31］亦对接受多西他赛新辅助化疗的乳腺癌患者进行研究并建立了含85个靶基因的疗效预测模型，预测准确率达80.7%。并发现氧化还原基因(如谷胱甘肽系统及硫氧化还原蛋白系统)高表达在多西他赛耐药中发挥重要作用，为后续治疗与研究提供了新靶点。

Zembutsu等［32］则对接受多西他赛新辅助治疗的患者进行研究，并建立了含9个靶基因的预测模型，获得了100%的预测准确率。进一步应用RT-PCR技术(9个靶基因+ SAP130、NDUFB8、CLIC1 3个参考基因)对同一样本进行分析，获得与基因芯片研究一致的结果。但此研究以临床缓解(cCR+PR)作为疗效预测标准，且样本量偏少，故需扩大样本量进行验证。

5 乳腺癌分子分型为基础的疗效预测多基因表达谱

Rouzier等［7］发现各亚型中basal-like型及Her-2阳性型获得更高的pCR率，且2个亚型与pCR相关的基因完全不同。Bonnefoi等［33］则选择EORTC 10994及BIG 00-01 两个临床试验中ER(-)、接受FEC(氟尿嘧啶+表柔比星+环磷酰胺)或TET(多西他赛+表柔比星)新辅助化疗的乳腺癌患者，应用体外试验所获得的特定药物疗效相关基因表达谱［34］进行pCR预测，证实体外试验所得的特定药物疗效相关基因表达谱与特定方案治疗获得的pCR显著相关(P<0.0001)，在此研究中，通过基因表达谱为患者选择治疗方案，使患者pCR率从44%上升至70%。

Vegran等［35］选择30个与细胞周期、DNA修复及凋亡相关的基因(经典的肿瘤相关通路基因)，应用RT-PCR技术对38例Her-2(+)接受多西他赛联合曲妥珠单抗(TH)方案治疗的患者进行分析，未发现与疗效相关的差异表达基因。继而应用基因芯片技术分析其中25例患者与pCR相关的基因表达差异，获得含28个靶基因的pCR预测模型，并对剩余13例患者进行疗效预测，获得了92%的预测准确率，灵敏度100%，特异度89%。

基因等级指数(genomic grade index，GGI)是含97个基因的肿瘤组织学分级模型，GGI高与复发风险增高、无病生存期缩短相关［36］。Liedtke等［37］对Her-2(-)、接受T/FAC新辅助化疗的患者研究发现GGI可作为独立的疗效预测指标，不论激素受体状态如何，GGI与疗效显著相关(P<0.001)，GGI高提示能获得RCB-0级或RCB-Ⅰ级。

Lin等［38］则对接受ED或T/FAC新辅助化疗的basal-like型乳腺癌患者研究获得含23个靶基因的预测pCR模型，验证获得了92%的预测准确率，灵敏度80%，特异度100%，并进一步发现此23个基因表达谱与复发风险增高相关。

总之，应用分子标志物对新辅助治疗疗效预测，能够对患者进行个体化治疗，最大程度地使患者获益，但这仍需要更多的临床研究来证实和支持各种分子标志物的潜在作用。乳腺癌的治疗往往采用联合用药方案，不同药物的作用途径不同，很难通过研究明确单个药物的疗效预测因子。目前的研究策略是，先通过高通量基因分析技术筛选一组差异表达基因，再回到临床研究中，设计单一药物的治疗方案，验证某些关键参考基因的预测价值。多基因表达谱已成为预测因子研究的重要工具，样本提取方法、基因数据分析统计方法、基因功能的确定、信号转导通路的研究等各个方面都需更多的研究数据支持，以期用于临床实践。目前已商用的Oncotype Dx和MannaPrint基因芯片的疗效预测作用已引起关注，30个靶基因测序模型的临床试验正在进行中，其他多基因表达谱还需更多的前瞻性临床试验进行验证。

［1］ Gralow JR, Burstein HJ, Wood W, et al.Preoperative therapy in invasive breast cancer: Pathologic assessment and systemic therapy issues in operable disease［J］.J Clin Oncol, 2008,26(5): 814-819.

［2］ van Nes JGH, Johanna GH, Putter H, et al.Preoperative chemotherapy is safe in early breast cancer, even after 10 years of follow-up; clinical and translational results from the EORTC trial 10902［J］.Breast Cancer Res Treat, 2009,115(1): 101-113.

［3］ Hortobagyi GN, Hayes DF, Pusztai L.Integrating newer science into breast cancer prognosis and treatment: A review of current molecular predictors and profiles［C］.38th Annual Meeting of the American Society of Clinical Oncology, 2002,pp 191-202.

［4］ Chuthapisith S, Eremin JM, Eremin O.Predicting response to neoadjuvant chemotherapy in breast cancer:molecular imaging, systemic biomarkers and the cancer metabolome(review)［J］.Oncol Rep, 2008, 20(4): 699-703.

［5］ Weigelt B, Baehner FL, Reis JS.The contribution of gene expression profiling to breast cancer classification,prognostication and prediction: a retrospective of the last decade(review)［J］.J Pathology, 2010, 220(2): 263-280.

［6］ Perou CM, Sφrlie T, Eisen MB, et al.Molecular portraits of human breast tumors ［J］.Nature, 2000, 406(6797): 747-752.

［7］ Rouzier R, Perou CM, Symmans WF, et al.Breast cancer molecular subtypes respond differently to preoperative chemotherapy ［J］.Clin Cancer Res, 2005, 11(16): 5678-5685.

［8］ Liedtke C, Mazouni C, Hess KR, et al.Response to neoadjuvant therapy and long-term survival in patients with triple-negative breast cancer ［J］.J Clin Oncol, 2008,26(8): 1275-1281.

［9］ Carey LA, Dees EC, Sawyer L, et al.The triple negative paradox: primary tumor chemosensitivity of breast cancer subtypes ［J］.Clin Cancer Res, 2007, 13: 2329-2334.

［10］ Mazouni C, Peintinger F, Wan-Kau S, et al.Residual ductal carcinoma in situ in patients with complete eradication of invasive breast cancer after neoadjuvant chemotherapy does not adversely affect patient outcome［J］.J Clin Oncol, 2007,25(19): 2650-2655.

［11］ Symmans WF, Peintinger F, Hatzis C, et al.Measurement of residual breast cancer burden to predict survival after neoadjuvant chemotherapy［J］.J Clin Oncol, 2007, 25(28):4414-4422.

［12］ Esteban J, Baker J, Cronin M, et al.Tumor gene expression and prognosis in breast cancer: Multi-gene RT-PCR assay of paraffin-embedded tissue ［J］.Proc Am Soc Clin Oncol,2003, 22: 850: abstract 3416.

［13］ Cobleifh MA, Bitterman P, Baker J, et al.Tumor gene expression predicts distant disease-free survival(DDFS) in breast cancer patients with 10 or more positive nodes: High throughput RT-PCR assay of paraffin-embedded tumor tissues［J］.Proc Am Soc Clin Oncol, 2003, 22: 850: abstract 3415.

［14］ Paik S, Shak S, Tang G, et al.A multigene assay to predict recurrence of tamoxifen-treated, node-negative breast cancer［J］.N Engl J Med, 2004, 351(27): 2817-2826.

［15］ Paik S, Tang G, Shak S, et al.Gene expression and benefit of chemotherapy in women with node-negative, estrogen receptor-positive breast cancer ［J］.J Clin Oncol, 2006,24(23): 3726-3734.

［16］ Goldstein LJ, Gray R, Badve S, et al.Prognostic utility of the 21-gene assay in hormone receptor-positive operable breast cancer compared with classical clinicopathologic features［J］.J Clin Oncol, 2008, 26: 4063-4071.

［17］ Albain K, Barlow W, Shak S, et al.Prognostic and predictive value of the 21-gene recurrence score assay in postmenopausal, node-positive, ER-positive breast cancer(S8814, INT0100) ［J］.Breast Cancer Res Treat,2008, 109: 505.

［18］ Sparano JA.TAILORx: trial assigning individualized options for treatment(Rx) ［J］.Clin Breast Cancer, 2006, 7(4): 347-350.

［19］ Gianni L, Zambetti M, Clark K, et al.Gene expression profiles in paraffin-embedded core biopsy tissue predict response to chemotherapy in women with locally advanced breast cancer［J］.J Clin Oncol, 2005, 23: 7265-7277.

［20］ Mina L, Soule SE, Badve S, et al.Predicting response to primary chemotherapy: gene expression prodiling of paraffinembedded core biopsy tissue［J］.Breast Cancer Res Treat,2007, 103: 197-208.

［21］ Chang JC, Makris A, Gutierrez MC, et al.Gene expression patterns in formalin-fixed paraffin-embeded core biopsies predict docetaxel chemosensitivity in breast cancer patients［J］.Breast Cancer Res Treat, 2008, 108: 233-240.

［22］ Van’t Veer LJ, Dai H, Van de Vijver MJ, et al.Gene expression profilinf predicts clinical outcome of breast cancer［J］.Nature, 2002, 415(6871): 530-536.

［23］ Knauer M, Mook S, Emiel JTR, et al.The predictive value of the 70-gene signature for adjuvant chemotherapy in early breast cancer［J］.Breast Cancer Res Treat, 2010, 120:655-661.

［24］ Straver ME, Glas AM, Hannemann J, et al.The 70-gene signature as a response predictor for neoadjuvant chemotherapy in breast cancer［J］.Breast Cancer Res Treat, 2010, 119: 551-558.

［25］ Ayers M, Symmans WF, Stec J, et al.Gene expression profiles predict complete pathologic response to neoadjuvant paclitaxel and fluorouracil, doxorubicin, and cyclophosphamide chemotherapy in breast cancer ［J］.J Clin Oncol, 2004,22(12): 2284-2293.

［26］ Hess KR, Anderson K, Symmans WF, et al.Pharmacogenomic predictor of sensitivity to preoperative chemotherapy with paclitaxel and fluorouracil, doxorubicin, and cyclophosphamide in breast cancer［J］.J Clin Oncol, 2006, 24: 4236-4244.

［27］ Peintinger F, Anderson K, Mazouni C, et al.Thirty-gene pharmacogenomic test correlates with residual cancer burden after preoperative chemotherapy for breast cancer［J］.Clin Cancer Res, 2007, 13(14): 4078-4082.

［28］ Thuerigen O, Schneeweiss A, Toedt G, et al.Gene expression signature predicting pathologic complete response with gemcitabine, epirubicin, and docetaxel in primary breast cancer［J］.J Clin Oncol, 2006, 24: 1839-1845.

［29］ Cleator S, Tsimelzon A, Ashworth A, et al.Gene expression patterns for doxorubicin(Adriamycin) and cyclophosphamide(Cytoxan)(AC) response and resistance［J］.Breast Cancer Res Treat, 2006, 95: 229-233.

［30］ Chang JC, Wooten EC, Tsimelzon A, et al.Gene expression profiling for the prediction of therapeutic response to docetaxel in patients with breast cancer［J］.Lancet, 2003, 362: 362-369.

［31］ Iwao-Koizumi K, Matoba R, Ueno N, et al.Prediction of docetaxel response in human breast cancer by gene expression profiling［J］.J Clin Oncol, 2005, 23: 422-431.

［32］ Zembutsu H, Suzuki Y, Sasaki A, et al.Predicting response to docetaxel neoadjuvant chemotherapy for advanced breast cancers through genome-wide gene expression profiling［J］.Int J Oncol, 2009, 34: 361-370.

［33］ Bonnefoi H, Potti A, Delorenzi M, et al.Validation of gene signatures that predict the response of breast cancer to neoadjuvant chemotherapy: a substudy of the EPRTC 10994/BIG 00-01 clinical trial［J］.Lancet Oncol, 2007, 8: 1071-1078.

［34］ Potti A, Dressman HK, Bild A, et al.Genomic signatures to guide the use of chemotherapeutics［J］.Nat Med, 2006, 12:1294-1300.

［35］ Vegran F, Boidot R, Coudert B, et al.Gene expression profile and response to trastuzumab-docetaxel-based treatment in breast carcinoma［J］.Br J Cancer, 2009, 101: 1357-1364.

［36］ Sotiriou C, Wirapati P, Loi S, et al.Gene expression profiling in breast cancer: Understanding the molecular basis of histologic grade to improve prognosis［J］.J Natl Cancer Inst, 2006, 98: 262-272.

［37］ Liedtke C, Hatzis C, Symmans WF, et al.Genomic grade index is associated with response to chemotherapy in patients with breast cancer［J］.J Clin Oncol, 2009, 27: 3185-3191.

［38］ Lin Y, Lin S, Watson M, et al.A gene expression signature that predicts the therapeutic response of the basal-like breast cancer to neoadjuvant chemotherapy［J］.Breast Cancer Res Treat, 2010, 123(3): 691-699.