به‏ كارگيري مدل مخاطره جمعي براي پيش‏بيني زمان بقاي بيماران مبتلا به لنفوم منتشر سلول‏هاي بزرگ B و تعيين ژن‏هاي موثر بر آن با استفاده از داده‏هاي ريزآرايه

Applied the additive hazard model to predict the survival time of patient with diffuse large B- cell lymphoma and determine the effective genes, using microarray data

زمينه: تحقيقات اخير نشان داده است كه بيان ژن‏هاي موثر بر بقاي بيماران سرطاني، نقش مهمي را به‏عنوان عامل خطر يا عامل پيشگيري كننده بيماري بازي مي‏كنند. مطالعه حاضر براي تعيين ژن‏هاي موثر بر بقاي بيماران مبتلا به لنفوم منتشر سلول بزرگ B و پيش‏بيني زمان بقاي آن‏ها با استفاده از اين ژن‏ها طراحي شده است. مواد و روش‌ها: مطالعه حاضر يك مطالعه مقطعي بوده كه بر روي 40 بيمار مبتلا به لنفوم منتشر سلول B انجام شده است. براي اين بيماران 2042 بيان ژن اندازه‏گيري شده است، به‏منظور پيش‏بيني زمان بقاي بيماران، تركيب مدل بقاي نيمه‏پارامتري جمعي با دو روش انتخاب ژن الستيك نت و لاسو به‏كار رفته است. مقايسه‏ي روش‏هاي ذكر شده با رسم سطح زير منحني مشخصه عملكرد و محاسبه ميانه آن منحني انجام گرفت. يافته‌ها: براساس يافته‏هاي اين مطالعه ده ژن موثر به‏وسيله روش الستيك نت- جمعي انتخاب شده است و روش لاسو- جمعي هفت ژن انتخاب كرده است. ژن‏ GENE3325X زمان بقاي بيماران را افزايش مي‏دهد (006/0=P) و ژن‏هاي GENE3980X و GENE377X زمان بقاي بيماران را كاهش مي‏دهند (004/0=P). اين سه ژن به‏عنوان مهم‌ترين ژن‏ها‏ در هر دو روش انتخاب شده است. نتيجه‌گيري: مطالعه حاضر نشان داد كه روش الستيك نت كارايي بهتري از روش رايج لاسو در تعيين ژن‏هاي موثر بر زمان بقاي بيماران دارد. علاوه‌بر اين مشاهده شد كه به‏كار بردن مدل بقاي جمعي به جاي مدل رايج كاكس و استفاده از داده‏هاي ريزآرايه راهكاري مفيد و قابل استفاده براي پيش‏بيني زمان بقاي بيماران مبتلا به سرطان است.

Background: Recent studies have shown that effective genes on survival time of cancer patients play an important role as a risk factor or preventive factor. Present study was designed to determine effective genes on survival time for diffuse large B-cell lymphoma patients and predict the survival time using these selected genes. Materials & Methods: Present study is a cohort study was conducted on 40 patients with diffuse large B-cell lymphoma. For these patients, 2042 gene expression was measured. In order to predict the survival time, the composition of the semi-parametric additive survival model with two gene selection methods elastic net and lasso were used. Two methods were evaluated by plotting area under the ROC curve over time and calculating the integral of this curve. Results: Based on our findings, the elastic net method identified 10 genes, and Lasso-Cox method identified 7 genes. GENE3325X increased the survival time (P=0.006), Whereas GENE3980X and GENE377X reduced the survival time (P=0.004). These three genes were selected as important genes in both methods. Conclusion: This study showed that the elastic net method outperformed the common Lasso method in terms of predictive power. Moreover, apply the additive model instead Cox regression and using microarray data is usable way for predict the survival time of patients.