Molekularbiologische Klassifikation von Hochrisiko-Patientinnen beim primären Mammakarzinom durch Genexpressionsanalysen

 

 Buy Article Permissions and Reprints

Zusammenfassung

Fragestellung

Für viele Tumorarten existieren Subklassen, welche durch definierte genetische Marker weiter differenziert werden könnten, um eine individuelle Therapie zu ermöglichen. Mittels einer neuen molekularbiologischen Untersuchungsmethode, der DNA-Array-Technik, werden Genexpressionsprofile erstellt. Es ist zu erwarten, dass durch die Messung der gesamten zellulären transkriptionellen Aktivität Genexpressionsprofile identifiziert werden, welche mit dem klinischen Verlauf, z. B. beim Mammakarzinom, korrelieren.

Methode

Wir untersuchten mittels cDNA-Array-Hybridisierung (bis zu 45 000 Klone) in Kombination mit Real Time RT-PCR-Analysen die Genexpressionsprofile bei primären Mammakarzinomen an einem Kollektiv von 73 Gewebeproben (T1 - 4, N0 - 1, M0 - 1). Die Genexpressionsprofile der Mammakarzinome wurden nachfolgend für eine molekulare Tumorklassifikation mittels Gruppenanalyse herangezogen.

Ergebnisse

Durch diese Analyse („Class Discovery“) konnten Subgruppen innerhalb des Gesamtkollektivs identifiziert werden, deren Signifikanz durch Kreuzvalidierung bestätigt wird. Die Korrelation der molekularen Tumorcharakterisierung mit den klassischen klinisch/pathologischen Parametern (TNM) zeigte in der einen Gruppe (n = 16) einen Anteil von fast 90 % nodal-positiver Tumorproben (14 von 16). Weiterhin auffallend war in dieser Gruppe die Akkumulation von Tumorproben mit bereits erfolgter Metastasierung zum Zeitpunkt der Primärdiagnose (25 % [4 von 16] vs. 4 % [3 von 57]). In einer anderen, kleineren Subgruppe (n = 6) fanden sich ausschließlich hormonrezeptor-negative Mammakarzinome.

Schlussfolgerung

Mit der hier beschriebenen Gruppenanalyse kann anhand der Genexpressionsprofile ein Risikokollektiv beim Mammakarzinom identifiziert werden. Es ist zu erwarten, dass durch Erweiterung dieser multifaktoriellen Genexpressionsanalysen künftig exakte Vorhersagen des biologischen Verhaltens von Tumoren und damit patientinnenadaptierte Therapien möglich sind.

Abstract

Objective

Many tumors are subclassified with genetic markers to improve therapy and follow-up. A goal is to use DNA arrays as a tool to understand and classify tumors on the basis of gene expression patterns. Global determination of cellular transcriptional activity may identify gene expression signatures that predict the clinical behavior of tumors.

Methods

We performed DNA array studies and subsequent cluster analyses to establish a molecular profile of 73 breast cancer specimens (T1 - 4, N0 - 1, M0 - 1).

Results

Our analyses identified a group of transcriptionally related specimens. Fourteen of these 16 tumors were node positive. This group had an accumulation of patients with distant metastases at the time of diagnosis (25 % vs. 4 %).

Conclusions

Differentially expressed marker genes in conjunction with sample clustering algorithms provide a novel molecular classification system for breast cancers. This may help identify patients at high risk of recurrence.

Literatur

• 1 Ahr A, Holtrich U, Karn T, Solbach C, Göhring U-J, Scharl A, Strebhardt K, Kaufmann M. Detektion differentiell exprimierter Gene beim primären Mammakarzinom mittels cDNA-Array-Hybridisierung.  Geburtsh Frauenheilk. 2000;  60 412-417
  Article in Thieme ConnectPubMedGoogle Scholar
• 2 Alizadeh A A, Eisen M B, Davis R E, Ma C, Lossos I S, Rosenwald A, Boldrick J C, Sabel H, Tran T, Yu X, Powell J I, Yang L, Marti G E, Moore T, Hudson J, Lu L, Lewis D B, Tibshirani R, Sherlock G, Chan W C, Greiner T C, Weisenburger D D, Armitage J O, Warnke R, Staudt L M. et al . Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling.  Nature. 2000;  403 503-511
  CrossrefPubMedGoogle Scholar
• 3 Brown M P, Grundy W N, Lin D, Cristianini N, Sugnet C W, Furey T S, Ares M, Haussier D. Knowledge-based analysis of microarray gene expression data by using support vector machines.  Proc Natl Acad Sci USA. 2000;  97 262-267
  CrossrefPubMedGoogle Scholar
• 4 Chirgwin J M, Przybyla A E, MacDonald R J, Rutter W J. Isolation of biologically active ribonucleic acid from sources enriched in ribonuclease.  Biochemistry. 1979;  18 5294-5299
  CrossrefPubMedGoogle Scholar
• 5 Eisen M B, Spellman P T, Brown P O, Botstein D. Cluster analysis and display of genome-wide expression patterns.  Proc Natl Acad Sci USA. 1998;  95 14863-14868
  CrossrefPubMedGoogle Scholar
• 6 Golub T R, Slonim D K, Tamayo P, Huard C, Gaasenbeek M, Mesirov J P, Coller H, Loh M L, Downing J R, Caligiuri M A, Bloomfield C D, Lander E S. Molecular classification of cancer: class discovery and class prediction by gene expression monitoring.  Science. 1999;  286 531-537
  CrossrefPubMedGoogle Scholar
• 7 Holtrich U, Wolf G, Brauninger A, Karn T, Bohme B, Rubsamen-Waigmann H, Strebhardt K. Induction and down-regulation of PLK, a human serine/threonine kinase expressed in proliferating cells and tumors.  Proc Natl Acad Sci USA. 1994;  91 1736-1740
  PubMedGoogle Scholar
• 8 Ishii H, Baffa R, Numata S I, Murakumo Y, Rattan S, Inoue H, Mori M, Fidanza V, Aider H, Croce C M. The FEZ1 gene at chromosome Bp22 encodes a leucine-zipper protein, and its expression is altered in multiple human tumors.  Proc Natl Acad Sci USA. 1999;  96 3928-3933
  CrossrefPubMedGoogle Scholar
• 9 Jarvinen T A, Pelto-Huikko M, Holli K, Isola J. Estrogen receptor beta is coexpressed with ERalpha and PR and associated with nodal status, grade, and proliferation rate in breast cancer.  Am J Pathol. 2000;  156 29-35
  PubMedGoogle Scholar
• 10 Kam T, Holtrich U, Brauninger A, Bohme B, Wolf G, Rubsamen-Waigmann H, Strebhardt K. Structure, expression and chromosomal mapping of TKT from man and mouse: a new subclass of receptor tyrosine kinases with a factor VIII-like domain.  Oncogene. 1993;  8 3433-3440
  PubMedGoogle Scholar
• 11 Kaminski N, Allard J D, Pittet J F, Zuo F, Griffiths M J, Morris D, Huang X, Sheppard D, Heller R A. Global analysis of gene expression in pulmonary fibrosis reveals distinct programs regulating lung inflammation and fibrosis.  Proc Natl Acad Sci USA. 2000;  97 1778-1783
  CrossrefPubMedGoogle Scholar
• 12 Kaufmann M, Jonat W. Therapie des primären Mammakarzinoms.  Dt Ärzteblatt. 1998;  95 1977-1980
  PubMedGoogle Scholar
• 13 Kibertis P A. Letter to the editor.  Science. 2000;  287 933
  PubMedGoogle Scholar
• 14 Li S, Ting N S, Zheng L, Chen P L, Ziv Y, Shilon Y, Lee E Y, Lee W H. Functional link of BRCA1 and ataxia teleangiectasia gene product in DNA damage response.  Nature. 2000;  406 210-215
  CrossrefPubMedGoogle Scholar
• 15 Ogawa S, Inoue S, Watanabe T, Orimo A, Hosoi T, Ouchi Y, Muramatsu M. Molecular cloning and characterization of human estrogen receptor betacx: a potential inhibitor oestrogen action in human.  Nucleic Acids Res. 1998;  26 3505-3512
  CrossrefPubMedGoogle Scholar
• 16 Perou C M, Sorlie T, Eisen M B, van de Rijan M, Heffrey S S, Rees C A, Pollack J R, Ross D T, Johnsen H, Akslen L A, Fluge O, Pergamenschikov A, Williams C, Zhu S X, Lonning P E, Borresen-Dale A L, Brown P O, Botstein D. Molecular portraits of human breast tumours.  Nature. 2000;  406 747-752
  CrossrefPubMedGoogle Scholar
• 17 Ross D T, Scherf U, Eisen M B, Perou C M, Rees C, Spellman P, Iyer V, Jeffrey S S, Van de Rijn M, Waltham M, Pergamenschikov A, Lee J C, Lashkari D, Shalon D, Myers T G, Weinstein J N, Botstein D, Brown P O. Systematic variation in gene expression patterns in human cancer cell lines.  Nat Genet. 2000;  24 227-235
  CrossrefPubMedGoogle Scholar
• 18 Scherf U, Ross D T, Waltham M, Smith L H, Lee J K, Tanabe L, Kohn K W, Reinhold W C, Myers T G, Andrews D T, Scudiero D A, Eisen M B, Sausville E A, Pommier Y, Botstein D, Brown P O, Weinstein J N. A gene expression database for the molecular pharmacology of cancer.  Nat Genet. 2000;  24 236-244
  PubMedGoogle Scholar
• 19 Schmutzler R K, Bierhoff E, Werkhausen T, Fimmers R, Speiser P, Kubista E, Krebs D, Zeilinger R, Wiestler O D, von Deimling A. Genomic deletions in the BRCA1, BRCA2 and TP53 regions associate with low expression of the estrogen receptor in sporadic breast carcinoma.  Int J Cancer. 1997;  74 322-325
  CrossrefPubMedGoogle Scholar
• 20 Tamayo P, Slonim D, Mesirov J, Zhu Q, Kitareewan S, Dmitrovsky E, Lander E S, Golub T R. Interpreting patterns of gene expression with self-organizing maps: methods and application to hematopoietic differentiation.  Proc Natl Acad Sci USA. 1999;  96 2907-2912
  CrossrefPubMedGoogle Scholar
• 21 Tavazoie S, Hughes J D, Campbell M J, Cho R J, Church G M. Systematic determination of genetic network architecture.  Nat Genet. 1999;  22 281-285
  CrossrefPubMedGoogle Scholar
• 22 Vairapandi M, Azam N, Balliet A G, Hoffman B, Liebermann D A. Characterization of MyD118, Gadd45, and proliferating cell nuclear antigen (PCNA) interacting domains. PCNA impedes MyD118 AND Gadd45-mediated negative growth control.  J Biol Chem. 2000;  275 16810-16819
  CrossrefPubMedGoogle Scholar
• 23 Venter J C. et al . The sequence of the human genome.  Science. 2001;  291 1304-1351
  CrossrefPubMedGoogle Scholar
• 24 Vogel W. Discoidin domain receptors: structural relations and functional implications.  FASEB J. 1999;  13 77-82
  PubMedGoogle Scholar
• 25 Wolf G, Elez R, Doermer A, Holtrich U, Ackermann H, Stutte H J, Altmannsberger H M, Rubsamen-Waigmann H, Strebhardt K. Prognostic significance of polo-like kinase (PLK) expression in non-small cell lung cancer.  Oncogene. 1997;  14 543-549
  CrossrefPubMedGoogle Scholar
• 26 Zhang L, Zhou W, Velculescu V E, Kern S E, Hruban R H, Hamilton S R, Vogelstein B, Kinzler K W. Gene expression profiles in normal and cancer cells.  Science. 1997;  276 1268-1272
  CrossrefPubMedGoogle Scholar

Priv.-Doz. Dr. med. A. Ahr

Universitäts-Frauenklinik Frankfurt

Theodor-Stern-Kai 7

60590 Frankfurt

Email: Ahr@em.uni-frankfurt.de