胶质母细胞瘤相关免疫细胞的放射基因组分析揭示CD49d表达与MRI参数和预后的相关性
,#1,2 ,#1,2 ,三 ,4和1,2 Hye Rim Cho公司
1韩国首尔国立大学医院放射科
2韩国首尔基础科学研究所纳米颗粒研究中心
Hyejin Jeon公司
1韩国首尔国立大学医院放射科
2韩国首尔基础科学研究所纳米颗粒研究中心
Seung Hong Choi先生
1韩国首尔国立大学医院放射科
2韩国首尔基础科学研究所纳米颗粒研究中心
1韩国首尔国立大学医院放射科
2韩国首尔基础科学研究所纳米粒子研究中心
三韩国首尔国立大学医院神经外科
4韩国首尔国立大学医院病理科
通讯作者。 #贡献均等。
2018年4月13日收到;2018年10月10日接受。
开放式访问本文是根据Creative Commons Attribution 4.0国际许可证授权的,该许可证允许以任何媒体或格式使用、共享、改编、分发和复制,只要您对原始作者和来源给予适当的信任,提供指向Creative Commons许可证的链接,并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可证中,除非材料的信用额度中另有说明。如果文章的Creative Commons许可证中没有包含材料,并且您的预期用途不被法律法规允许或超出了允许的用途,则您需要直接从版权所有者处获得许可。要查看此许可证的副本,请访问http://creativecommons.org/licenses/by/4.0/. - 补充资料
补充信息
GUID:65022CDF-69B3-4CC1-B90F-FC94A676E615
摘要
尽管已有大量与胶质母细胞瘤(GBM)相关的放射基因组学研究,但大多数研究仅使用肿瘤细胞的基因组信息。在这项研究中,我们使用放射基因组分析来确定GBM中MRI相关免疫细胞标记物,这也与预后相关。在总共60例GBM患者中,免疫细胞标记物的表达水平与定量MRI参数相关。选择14个免疫细胞标记物(即骨髓细胞的CD11b、CD68、CSF1R、CD163、CD33、CD123、CD83、CD63、CD49d和CD117,淋巴细胞的CD4、CD3e、CD25和CD8)进行定量RT-PCR的RNA水平分析。对于MRI分析,使用FLAIR、增强T1WI、动态磁化率对比灌注MRI和扩散加权图像的定量MRI参数。此外,通过Kaplan-Meier生存分析进行了与有趣的mRNA数据相关的PFS。标记肿瘤相关小胶质细胞/巨噬细胞(TAM)的CD163在GBM患者中表现出最高表达水平。CD68(TAM)、CSF1R(TAMs)、CD33(髓源性抑制细胞)和CD4(辅助性T细胞、调节性T细胞)水平与nCBV值高度正相关,而CD3e(辅助性T细胞、细胞毒性T细胞)和CD49d与表观扩散系数(ADC)值显著负相关。此外,无论其他任何分子特征如何,通过Cox比例回归分析,CD49d被揭示为GBM患者PFS的一个独立因素(P(P) = 0.0002)。CD49d表达水平与ADC相关的CD49d可被视为预测GBM患者进展的候选生物标志物。
介绍
最具侵袭性的脑癌称为胶质母细胞瘤(GBM),具有高度侵袭性,扩散迅速,难以完全切除。GBM还具有异质性、血管生成和强化细胞增殖的特点。尽管已经进行了许多研究和多模式治疗,包括手术切除、化疗和放疗,但患者平均生存时间约为1年1因此,针对GBM的肿瘤微环境(TME)是克服标准治疗对肿瘤耐药性的一种新兴方法2–5.
就TME中的免疫细胞而言,有两种主要的细胞谱系。一种是髓系,包括巨噬细胞、中性粒细胞、髓源性抑制细胞(MDSC)、树突状细胞(DC)和肥大细胞,另一种是淋巴系,包括CD4+辅助性T细胞、调节性T细胞和CD8+细胞毒性T细胞,它们在肿瘤发生过程中具有独特的功能6–8除其他外,巨噬细胞和T细胞是TME免疫细胞中最显著的特征。如几项研究所述9–13巨噬细胞有两种类型,M1型和M2型。肿瘤周围每种类型巨噬细胞的功能都有显著差异。促炎症是M1型的主要特征,与TME的抗肿瘤功能相关。相反,M2型的主要特征是抗炎,这与TME的促肿瘤功能有关。因此,它们被称为肿瘤相关小胶质细胞/巨噬细胞(TAM),其在肿瘤中的存在支持血管生成和侵袭9–13辅助T细胞也分为两种不同类型。1型辅助性T细胞(TH(H)1) 分泌促炎细胞因子,具有抗肿瘤作用;另一方面,2型辅助性T细胞(TH(H)2) 可能通过分泌抗炎细胞因子促肿瘤发生,表明TH(H)1至TH(H)2对肿瘤的分期和分级至关重要8,9,13,14因此,确定TME免疫细胞的各种作用已成为诊断和预测癌症进展的关键8.
CD系统建立于1标准Hyman白细胞分化抗原(HLDA)国际研讨会和会议通常用作免疫表型分析中的细胞标记15,16它允许根据细胞表面存在的分子来定义细胞,并经常用于将细胞与某些免疫功能联系起来,而不管每个患者的HLA多样性如何17在这里,我们根据之前的论文选择了14个CD标记来识别免疫细胞8.
放射基因组学是一项将医学图像与人类肿瘤基因组图谱联系起来的研究。它在提供非侵入性诊断和预测机会方面有几个好处。例如,通过放射基因组学,我们可以发现成像生物标记物,它可以在不使用活检的情况下识别疾病的基因组,特别是癌症18最近,尽管有大量与GBM相关的放射基因组学研究,但大多数研究使用的是肿瘤细胞的基因组信息,而不是免疫细胞19–22由于胶质瘤中30-50%的细胞是免疫细胞23–27揭示TME中免疫细胞的信息对于理解肿瘤与宿主相互作用的基本细节和预测预后至关重要。此外,如果我们能够通过MRI发现获得免疫细胞信息,这是脑肿瘤的通用诊断方法,那么它将有助于GBM的诊断和治疗。
在这项研究中,我们使用放射基因组分析来确定GBM中MRI相关免疫细胞标记物,这也与预后相关。
结果
GBM患者的临床特征
基线流行病学和分子特征如表所示简而言之,35名男性和25名女性患者的平均年龄为54.22岁 ± 诊断为GBM时11.39年的患者被纳入本研究。GBM主要位于幕上脑(97%,n个 = 59),包括额叶(55%,n个 = 顶叶(35%,n个 = 21),颞叶(57%,n个 = 34),枕叶(7%,n个 = 4) 岛叶(13%,n个 = 8) ,深灰质(23%,n个 = 14) 胼胝体(13%,n个 = 8) 中脑(8%,n个 = 5). 在分子特征方面,9名(15%)和2名(3%)患者(15%)分别出现IDH1和IDH2突变肿瘤。一半的患者(n个 = 30)MGMT启动子甲基化,13例患者出现ATRX突变,而无1例患者出现1p/19q共缺失肿瘤。
表1
特点 | N个 |
---|
年龄 | 54.22 ± 11.39* |
性别 |
男 | 35 |
女性 | 25 |
肿瘤位置** |
幕上的 | 59 |
正面 | 33(24) |
顶叶 | 21 (18) |
暂时的 | 34 (22) |
枕骨 | 4 (4) |
因苏拉 | 8 (7) |
深灰质 | 14 (14) |
胼胝体 | 8 (8) |
中脑 | 5 |
基础设施 | 2 |
基础设施 | 2 (1) |
组织病理学测定 |
印尼盾1 |
突变体 | 9 |
野生型 | 51 |
IDH2公司 |
突变体 | 2 |
野生型 | 58 |
19年第1季度 |
共同删除 | 0 |
未共同删除 | 60 |
MGMT启动子 | |
甲基化的 | 30 |
非甲基化的 | 30 |
自动条码读取器 |
突变体 | 13 |
野生型 | 47 |
GBM中免疫细胞RNA的表达水平
图中总结了每个患者中CD11b、CD68、CSF1R、CD163、CD33、CD123、CD83、CD63、CD49d、CD117、CD4、CD3e、CD25和CD8的标准化表达水平我们发现髓系免疫细胞标记物比淋巴系标记物更占优势。在髓系免疫细胞标记物中,CD163、CD63、CD83和CD49d的RNA表达水平超过10%。
说明每个患者的年龄、性别、肿瘤位置、遗传信息和免疫细胞标记物的标准化RNA表达水平。
TAM和T细胞标记物与nCBV、ADC、体积和坏死值相关
我们进行了皮尔逊相关分析,以确定免疫细胞标记物和MRI参数之间的关联,图,补充图1和表总结相关性。根据FLAIR和CE T1WI的感兴趣区域(ROI),CD68、CSF1R、CD33和CD4的表达水平与nCBV值均呈显著正相关,而CD11b的表达水平仅与CE T1W的nCBV数值呈显著正相关性(图; 案例1和案例2)。我们发现,FLAIR和CE T1WI中CD49d和CD3e的表达水平与ADC值之间存在显著的负相关,CD33和CD123以及CD25的表达水平分别与FLAIR和CET1WI的ADC值呈负相关(图; 案例3和案例4)。基于FLAIR或CE T1WI的肿瘤体积与CD123、CD49d和CD117的表达水平呈显著负相关,但没有免疫细胞标记物与肿瘤坏死或坏死率呈显著相关。
MRI参数与免疫细胞标记物的相关性说明(一个),以及具有代表性的案例(B类). (一个)病例1和病例2分别显示CD68、CSF1R、CD33和CD4的高表达和低表达,与nCBV值显著相关。在病例3和病例4中,CD33、CD123、CD49d和CD3e的高表达和低表达水平与ADC值显著相关。
表2
| FLAIR nCBV平均值 | FLAIR nCBV 95% | FLAIR ADC平均值 | FLAIR ADC 5% | CET1 nCBV平均值 | CET1 nCBV 95% | CET1 ADC平均值 | CET1 ADC 5% | FLAIR音量 | CET1卷 | 坏死体积 | FLAIR坏死率 | CET1坏死率 |
---|
CD11b型 |
第页
| 0.179 | 0.203 | −0.176 | 0 | 0.255 | 0.271 | −0.243 | −0.088 | −0.074 | −0.199 | −0.122 | −0.13 | −0.08 |
P(P)
| 0.1702 | 0.1205 | 0.1787 | 0.9994 | 0.0494 | 0.0363 | 0.0616 | 0.5054 | 0.5747 | 0.127 | 0.3534 | 0.3207 | 0.5439 |
CD68型 |
第页
| 0.254 | 0.292 | −0.084 | 0.035 | 0.232 | 0.301 | −0.028 | 0.033 | 0.248 | 0.087 | 0.115 | −0.05 | 0.044 |
P(P)
| 0.0505 | 0.0236 | 0.5249 | 0.7926 | 0.0746 | 0.0196 | 0.8311 | 0.8026 | 0.0556 | 0.5097 | 0.38 | 0.7062 | 0.7407 |
CSF1R公司 |
第页
| 0.364 | 0.385 | −0.101 | 0.075 | 0.366 | 0.404 | −0.017 | 0.125 | −0.036 | −0.148 | −0.061 | −0.138 | −0.046 |
P(P)
| 0.0043 | 0.0024 | 0.4408 | 0.5678 | 0.0041 | 0.0014 | 0.8956 | 0.3406 | 0.7829 | 0.2604 | 0.6444 | 0.2917 | 0.7246 |
CD163型 |
第页
| −0.084 | −0.002 | 0.118 | 0.154 | 0.119 | 0.069 | 0.048 | 0.214 | 0.245 | 0.068 | −0.027 | −0.163 | −0.156 |
P(P)
| 0.5231 | 0.9879 | 0.3704 | 0.2411 | 0.3653 | 0.5984 | 0.7177 | 0.1002 | 0.0589 | 0.6039 | 0.8361 | 0.213 | 0.2326 |
CD33型 |
第页
| 0.354 | 0.305 | −0.321 | −0.11 | 0.303 | 0.302 | −0.233 | −0.046 | −0.197 | −0.141 | −0.015 | 0.041 | 0.049 |
P(P)
| 0.0056 | 0.0178 | 0.0125 | 0.403 | 0.0186 | 0.0189 | 0.0726 | 0.7284 | 0.1322 | 0.2839 | 0.9112 | 0.7549 | 0.7112 |
CD123编号 |
第页
| 0.125 | 0.025 | −0.279 | −0.117 | 0.047 | 0.015 | −0.213 | −0.057 | −0.169 | −0.273 | −0.161 | −0.095 | −0.027 |
P(P)
| 0.3416 | 0.8514 | 0.0306 | 0.3713 | 0.7189 | 0.9084 | 0.1022 | 0.6642 | 0.1981 | 0.0345 | 0.2205 | 0.468 | 0.8393 |
CD83型 |
第页
| 0.175 | 0.047 | −0.241 | −0.133 | 0.045 | 0.034 | −0.028 | 0.066 | −0.122 | −0.229 | −0.11 | 0.014 | −0.005 |
P(P)
| 0.1814 | 0.7223 | 0.064 | 0.3098 | 0.7323 | 0.7952 | 0.8293 | 0.6157 | 0.354 | 0.0781 | 0.4025 | 0.9154 | 0.9689 |
CD63型 |
第页
| 0.054 | 0.037 | −0.24 | −0.089 | 0.073 | 0.036 | −0.187 | −0.062 | −0.182 | −0.229 | −0.03 | 0.014 | 0.064 |
P(P)
| 0.6794 | 0.7787 | 0.0646 | 0.5012 | 0.5813 | 0.7837 | 0.1536 | 0.6384 | 0.1642 | 0.0782 | 0.8218 | 0.914 | 0.6273 |
CD49天 |
第页
| 0.034 | −0.003 | −0.278 | −0.233 | 0.081 | 0.038 | −0.284 | −0.169 | −0.217 | −0.291 | −0.223 | −0.234 | −0.106 |
P(P)
| 0.7971 | 0.9821 | 0.0314 | 0.0736 | 0.5373 | 0.7713 | 0.0281 | 0.1974 | 0.0961 | 0.0242 | 0.087 | 0.0718 | 0.4184 |
CD117号 |
第页
| −0.007 | −0.044 | −0.212 | −0.053 | −0.015 | 0.014 | −0.001 | 0.012 | −0.278 | −0.271 | −0.133 | −0.079 | −0.092 |
P(P)
| 0.9554 | 0.7397 | 0.104 | 0.6859 | 0.9118 | 0.9138 | 0.9961 | 0.9245 | 0.0313 | 0.036 | 0.311 | 0.5461 | 0.4859 |
CD4细胞 |
第页
| 0.447 | 0.431 | −0.149 | −0.09 | 0.433 | 0.433 | −0.163 | −0.166 | −0.069 | −0.118 | −0.055 | −0.048 | 0.018 |
P(P)
| 0.0003 | 0.0006 | 0.2551 | 0.4934 | 0.0005 | 0.0005 | 0.2137 | 0.2049 | 0.5986 | 0.37 | 0.6789 | 0.7167 | 0.8896 |
CD3e公司 |
第页
| −0.005 | −0.015 | −0.301 | −0.3 | 0.024 | 0.026 | −0.376 | −0.304 | −0.099 | −0.082 | −0.016 | −0.034 | −0.041 |
P(P)
| 0.9686 | 0.9085 | 0.0195 | 0.0197 | 0.8552 | 0.8419 | 0.0031 | 0.0181 | 0.4511 | 0.5324 | 0.9023 | 0.7968 | 0.7567 |
CD25型 |
第页
| 0.118 | 0.145 | −0.204 | −0.168 | 0.209 | 0.166 | −0.33 | −0.215 | −0.031 | −0.055 | −0.146 | −0.087 | −0.139 |
P(P)
| 0.3677 | 0.2697 | 0.1179 | 0.1991 | 0.1098 | 0.2051 | 0.01 | 0.0985 | 0.8113 | 0.6787 | 0.2644 | 0.5101 | 0.2896 |
CD8(CD8) |
第页
| 0.107 | 0.095 | −0.191 | −0.133 | 0.13 | 0.128 | −0.094 | 0.058 | −0.061 | −0.233 | −0.213 | −0.21 | −0.207 |
P(P)
| 0.4167 | 0.4696 | 0.1445 | 0.3105 | 0.3206 | 0.3311 | 0.4751 | 0.6605 | 0.6418 | 0.0727 | 0.1027 | 0.1075 | 0.1134 |
与PFS相关的免疫细胞标记物
PFS与14个免疫细胞标志物相关,8个标志物具有统计学意义(P(P) < 0.05),包括髓细胞标记物(例如CD11b、CD123、CD33、CD163、CD63和CD49d)和淋巴细胞标记基因(例如CD25和CD8)。较高阈值的每个基因表达水平与较差的PFS相关(图,补充图2和补充表1-三). 然后,我们进行了Cox比例风险模型分析,包括八个与PFS显著相关的基因和先前报告的预后因素(例如IDH1、IDH2、1p/19q、MGMT和ATRX状态)(表),这表明在13个协变量中只有CD49d是显著的(表,P(P) = 0.0007). 在所有患者中,CD49d低表达和高表达肿瘤的PFS存在显著差异(中位数为25.1[95%CI,12.3-25.1]vs 7.5[95%CI3.5-10.6]个月;P(P) = 0.0002,log-rank检验),这与IDH1突变状态无关(图和补充表2和三).
根据CD49d表达水平对PFS的Kaplan-Meier估计(一个和B类)和代表性案例(C类). CD49d低表达(≤170)的GBM患者的PFS显著长于CD49d高表达(>170)的患者(一个),与IDH1突变状态无关(B类). 在所有患者中,CD49d低表达和高表达肿瘤的PFS存在显著差异(中位数为25.1[95%CI,12.3-25.1]vs 7.5[95%CI3.5-10.6]个月;P(P) = 0.0002,log-rank测试)。IDH1野生型GBM患者在CD49d低表达和高表达肿瘤之间的PFS也有显著差异(中位数为18.7[95%可信区间,11.0-18.7]vs 7.5[95%可信域,3.5-12.3]个月;P(P) = 0.0025,对数库测试)。在IDH1突变型GBM患者中,CD49d低表达和高表达肿瘤的PFS也存在显著差异(中位数,25.1[95%CI,11.7-25.1]vs 3个月;P(P) = 0.0047,对数秩检验)。(C类)病例1和病例2分别显示CD49d的高表达和低表达水平,这与基于FLARI和CE T1WI的ADC平均值以及CE T1W上的肿瘤体积呈负相关。(D类)CD49d的免疫组织化学结果与CD49d RNA表达水平相关。(胶质纤维酸性蛋白:GFP,CD49d:RFP,细胞核:DAPI)。
表3
协变量 | b条 | 东南方 |
P(P)
| 实验(b) | 实验95%置信区间(b) |
---|
CD49d表达水平(≥170) | 1.3476 | 0.3954 | 0.0007 | 3.848 | 1.7728至8.3525 |
讨论
在本研究中,我们应用放射基因组学分析GBM患者的定量MRI特征与免疫细胞标记物表达水平之间的关系,这也与PFS相关。我们发现骨髓系免疫细胞标志物(如CD163、CD63、CD83和CD49d)在GBM中比淋巴系标志物更占优势。就基于FLAIR或CE T1WI的CBV值而言,CD68、CSF1R、CD33、CD4和CD11b的表达水平呈正相关。此外,CD49d、CD3e、CD33、CD123和CD25的表达水平与基于FLAIR或CE T1WI的ADC值呈负相关。CD123、CD49d和CD117的表达水平与肿瘤体积呈负相关。PFS还与髓细胞标记物(如CD11b、CD123、CD33、CD163、CD63和CD49d)和淋巴细胞标记基因(如CD25和CD8)相关。其中,无论GBM的遗传状态如何,CD49d是最重要的预后标志物。
已知TAM在肿瘤血管生成中起作用;因此,我们假设TAM可以影响nCBV值的增加,这可以与TAM标记物(例如CD11b、CD68和CSF1R)同时相关。最近的研究阐述了CSF1R-克隆刺激因子-1受体在脑TAM中的重要作用;例如,CSF1R的抑制作用或降低28或使TAM去极化29此外,MDSC标记CD33与nCBV值具有高度相关性。MDSC的抑制活性是患者最常见的免疫逃避机制之一30,这是癌症中异常骨髓生成的结果。MDSC在肿瘤发生和浸润发展中的肿瘤时被动员,从而促进肿瘤血管生成31并破坏主要免疫监视机制。在淋巴系标志物中,CD4与nCBV值显著正相关。如上所述,nCBV似乎与TAM的功能有关,TAM可诱导肿瘤血管生成。调节性T细胞和2型辅助性T细胞(TH(H)2) 以CD4表达白细胞介素-10为标志32、白介素-4和白介素-1333,是M2型巨噬细胞极化的细胞因子11,34,35换句话说,TAMs主要可通过抑制性免疫监测和抗炎细胞因子的促肿瘤作用诱导,这可导致血管生成引起的nCBV增加,而血管生成是TAMs在GBM中的关键作用之一10,23.
CD49d、CD33、CD123、CD3e和CD25分别标记骨髓源性细胞(MDSCs)树突状细胞(DC)、辅助性T细胞、细胞毒性T细胞和调节性T细胞,与ADC值呈负相关。树突状细胞是来源于骨髓的抗原提呈细胞,可诱导先天性和适应性免疫反应36当肿瘤发生时,免疫细胞,包括MDSC,它们是DC、巨噬细胞和粒细胞的前体9,12,13树突状细胞和T细胞从骨髓中募集,并通过免疫系统汇聚到肿瘤一侧13我们认为,通过ADC值测量的肿瘤细胞数,会受到免疫细胞浸润以及肿瘤组织本身的影响。此外,髓细胞在肿瘤细胞中似乎比淋巴细胞发挥更重要的作用。
此外,CD123、CD117和CD49d标记DC、肥大细胞和骨髓源性细胞8分别与肿瘤体积呈负相关。DC和肥大细胞在被肿瘤吸收之前,会诱导先天性和适应性免疫反应,以使肿瘤退化并防止复发9CD49d是造血骨髓源性细胞的标记物37DC和肥大细胞激活T细胞以清除肿瘤8,12这可以通过发现这些免疫细胞在胶质瘤发生的早期进行招募来解释。
就PFS而言,正如先前的研究报告所述,CD49d高表达与慢性淋巴细胞白血病的低生存率相关38值得注意的是,尽管TAM标记在免疫细胞群中很突出,并且与一些成像特征相关,但CD49d被发现是一个独立的生物标记物,而与任何其他分子特征无关。CD49d也称为整合素α4,与整合素β1(VLA4)形成异二聚体,VLA4是造血细胞即骨髓源性细胞的特异性标记物。鲍曼RL等证明小胶质细胞特异性抑制整合素α4(CD49d),使其能够在小鼠和人类的原发性和转移性疾病中作为小胶质细胞和骨髓源性巨噬细胞之间的鉴别标志物37一些研究报告称,脑旁小胶质细胞和血液中浸润的单核细胞/巨噬细胞是构成肿瘤微环境的主要胶质瘤相关炎症细胞39,40特别是最近的一份报告41和一项临床研究42发现单核细胞/巨噬细胞,而非小胶质细胞和淋巴细胞,是GBM中最主要的TAM。单核细胞,即髓系细胞,在炎症过程中被释放并分化为巨噬细胞以维持免疫稳态43以前的一项研究表明循环单核细胞对肿瘤细胞具有细胞毒性44; 然而,当单核细胞到达肿瘤块时,肿瘤分子环境根据肿瘤需要诱导分化为新的细胞类型45最近的一份报告表明,减少GBM中单核细胞/巨噬细胞的促瘤作用可被视为胶质瘤的辅助治疗46然而,粘附GBM的单核细胞/巨噬细胞的命运及其对GBM生长的影响仍不清楚。众所周知,粘附分子可以调节细胞间的相互作用,尤其是免疫细胞和靶组织之间的相互作用。血管细胞黏附分子-1(VCAM-1)是一种诱导性黏附分子,可促进单核细胞/巨噬细胞相关整合素α4β1(VLA4)的紧密黏附47肿瘤表面表达的VCAM-1与单核细胞/巨噬细胞上的VLA4相互作用,促进肿瘤侵袭、血管生成和转移10简而言之,GBM中较高的CD49d表达水平被认为会诱导TAM粘附于GBM,增加细胞数,导致MRI上ADC降低,肿瘤侵袭性减弱,患者进展较差。先前的研究报道,MRI参数(如nCBV和ADC)用于评估GBM患者的总体生存率(OS)和PFS,它们与GBM进展不良有关。例如,高nCBV值和低ADC值是PFS不良的结果48因此,我们与免疫细胞标记物和MR成像参数相关的发现可以遵循先前的研究。
除了回顾性设计外,本研究还有一些局限性。首先,在这项研究中,我们没有进行实验来提供直接证据来显示免疫细胞迁移、血管生成和细胞数之间的关系。因此,未来的研究是有必要的。其次,我们看不到免疫细胞和癌细胞之间的相互作用,这需要进一步研究在体外和体内将实验转化为未来的临床研究。
我们的放射基因组学分析显示,免疫细胞标志物如TAM标志物与nCBV和ADC值具有显著相关性,与ADC相关的CD49d表达水平可被视为预测GBM患者进展的候选生物标志物。我们相信,我们的研究结果可以用于了解GBM的微环境以及制定评估和治疗策略。
方法
这项回顾性人体研究得到了首尔国立大学医院机构审查委员会的批准,该委员会放弃了获得知情同意的要求。
患者人数
2012年8月至2015年12月,我们连续招募了258名最初在我们机构被诊断患有GBM的患者。纳入标准如下:患者(a)根据世界卫生组织2016年标准,组织病理学诊断为GBM,无其他细胞成分;(b) 接受常规扩散加权成像(DWI)和DSC灌注MR成像24-48 手术前小时;(c) 在我院脑肿瘤库中有可用的肿瘤样本;和(d)接受了标准治疗,包括近全切除术、同步放化疗(CCRT)和辅助替莫唑胺药物治疗。根据这些纳入标准,我们的研究纳入了60名患者。本研究中使用的所有肿瘤样本在手术期间尽快在液氮中进行snap冷冻,并储存在−80 摄氏度。
RNA分离和实时PCR
根据制造商的说明,使用QIAquick RNeasy Mini试剂盒(Qiagen)分离每个组织样品的总RNA,并使用安捷伦2100生物分析仪(安捷伦科技)验证RNA的质量。使用RevertAid H Minus逆转录酶(Thermo)进行逆转录。简单地说,逆转录是在100卷中进行的 2.0μl μg RNA,15 寡脱氧胸腺嘧啶引物的pmol,20 µl 5μRT缓冲液和20 μl,每个2.5 mM dNTP混合物、核糖核酸酶抑制剂和逆转录酶。RT条件如下:10 65分钟 摄氏度,60 42分钟 摄氏度,10 25分钟 °C和10 70分钟 摄氏度。
根据制造商的说明,使用Rotor-Genes SYBR Green PCR试剂盒(Qiagen)在Rotor-Genes Q循环机(Qiangen)中进行实时PCR,总体积为20 µl。免疫细胞标记物和GAPDH的循环条件为10 95分钟 °C,40次循环10次 95秒 摄氏度,15 最佳Tm下的秒数,以及20 72秒 摄氏度。引物序列如下:
CD11b;5′-caactatggaatgtcctaagct-3′/5'-tgtccagtcgctcttctcttct-3′,CSF1R;5′-tttggggctagacagactgg-3′/5′-cctgactgagtgtgtgctg-3′,CD123;5′-ggggg tctgcctcaatct-3′/5′-cacacccgtagagatatgtc-3′,CD33;5′-tttaacacccacacaggcaat-3′/5′-gcacacagatttgatcacaga-3′,CD3e;5′-tcctaccaaccctatac-3′/5′-tacggagatgcaataccata-3′,CD25;5′-agtttcaggtccaga-3′/5′-ggggagagtgcagag-3′,CD8;5′-ctgcctctgctcaactagc-3′/5′-gaagtgcatgttggacag-3′,CD68;5′-aaagttcctgccccagt-3′/5′-gcagaagcaataagcacca-3′,CD163;5′-tgagcacatgaaaggaa-3′/5′-gctccatcaatagtccagtc-3′,CD83;5′-caggtccaggtcttctt-3′/5′-cttcgtgaagtctctcc-3′,CD63;5′-ttttgtcgaggtgaat-3′/5′-cagatgaggtgaggag-3′,CD49d;5′-tacaagaatgcgtgcag-3′/5′-gagcatcaacttcccttgg-3′,CD117;5′-ccagaagctccataggtgg-3′/5′-agtgcttaaggtggaa-3′,CD4;5′-ggctctcaccagtgtagt-3′/5′-cctctgctcgtaaa-3′和GAPDH;5′-ggcatgctcaatgacaa-3′/5′-atgtagccatgcaca-3′。生成标准曲线,并在每次分析中运行非模板对照,以将扩增图中的阈值(Ct)与拷贝数相关联。所有样品一式两份,并使用平均值。
我们通过每个患者中最高表达的标记物对免疫细胞标记物进行标准化。
MRI协议
所有患者均使用3 T扫描仪(Verio;Siemens Healthcare Sector),带有32通道磁头线圈。常规MRI包括T1加权成像(T1WI),如横向自旋回波成像,增强前后或多平面重建横向、冠状面成像,在增强前后使用矢状面三维磁化制备的快速采集梯度回波(3D-MPRAGE)序列,以及使用涡轮自旋回波序列和FLAIR图像的横向T2加权成像(T2WI)。静脉注射浓度为0.1的gadobutrol(Gadovist®,Bayer Schering Pharma)后获得对比增强型(CE)T1WI mmol/kg体重。横向自旋回波T1加权成像通过以下参数获得:重复时间(TR),558 毫秒;回波时间(TE),9.8 毫秒;翻转角(FA),70°;矩阵,384 × 187; 视野(FOV),175 × 220 毫米;截面厚度,5 毫米;和激发次数(NEX),1。我们使用以下参数获得了3D-MPRAGE序列:TR,1500 毫秒;TE,1.9 毫秒;FA,9°;矩阵,256× 232; 视野,220 × 250; 截面厚度,1 毫米;和NEX,1。横向T2加权成像参数如下:TR,5160 毫秒;TE,91岁 毫秒;FA,124-130°;矩阵,640 × 510–580; 视野,175-199 × 220; 截面厚度,5 毫米;和NEX,3。横向FLAIR的参数为TR 9000 毫秒,TE为97 毫秒,TI为2500 ms,FA为130°,矩阵为384 × 348,视野199 × 220,截面厚度为5 mm,NEX为1。
在注射b值分别为0和1000的对比剂之前,采用单次激发、自旋回波、轴平面回波成像(EPI)序列进行DWI检查 秒/毫米2,TR为6300 毫秒,TE为92 ms,FA为180°,矩阵为240 × 240,视野240 × 240,截面厚度为3 mm,NEX为3。在三个正交方向上获取DWI,并将其合并为轨迹图像。ADC图是在逐个体素的基础上使用软件计算的,该软件使用这些数据集成到MRI单元中。
静脉注射浓度为0.1的钆丁醇期间,通过单次激发、梯度回波、回波序列获得横向DSC灌注MRI mmol/kg体重,速率为4 ml/秒,使用电动注射器(Spectris;Medrad)。随后以相同的注射速率进行30ml生理盐水的大剂量注射。对于每个截面,以等于TR的间隔采集60张图像。参数如下:TR,1500 毫秒;TE,30岁 毫秒;FA,90°;矩阵,128 × 128; 截面厚度,5 毫米;交叉间隙,1 毫米;视野,240 × 240 毫米;截面,15-20;体素大小,1.875 × 1.875 × 5 毫米三; 像素带宽,1563 赫兹;和总采集时间,1 第30分钟 秒。
图像后处理和数据分析
将常规MR图像、ADC图和DSC PWI从图像存档和通信系统工作站数字传输到个人计算机进行进一步分析。相对CBV(rCBV)是通过专用软件包(nordicICE;Nordic Imaging Lab,Bergen,Norway)获得的,该软件包将已建立的示踪动力学模型应用于首次通过数据49,50首先,在动态扫描过程中进行重新校准,以最小化患者的运动。伽马-变量函数用于拟合1/T2*曲线,以减少再循环的影响,该函数近似于无再循环时出现的一次通过响应。为了减少造影剂泄漏影响,使用专用软件上的泄漏校正软件包对动态曲线进行数学校正51在消除造影剂的再循环和渗漏后,通过曲线的数值积分计算rCBV。为了最小化单个患者rCBV的方差,通过将特定节段中的每个rCBV值除以未受影响白质中的rCBV,对基于像素的rCBW图进行标准化,最后生成标准化rCBV(nCBV)图52.
使用专用软件包(nordicICE),根据存储在各自数据集中的几何信息,在结构图像(例如FLAIR图像和CE T1WI)与nCBV和ADC图之间进行联合注册。基于底层结构图像,通过重新分割和联合配准,自动校正图像之间的层厚差异。nCBV和ADC图在FLAIR图像和CE T1WI上显示为彩色叠加。
一位对临床数据一无所知的神经放射科医生(拥有16年脑部MR成像经验的S.H.C.)绘制了多边形ROI,其中包含共同注册图像的每个部分中的整个增强病变。CE T1WI上明显的坏死、出血或非肿瘤宏观血管区域不包括在ROI中。然后,T2高SI病灶的ROI,无论增强程度如何,也在每个横向FLAIR图像上定义,避免出现囊性和坏死区域以及大血管。由于ROI定位是在与结构图像共同注册的nCBV和ADC图上进行的,因此可以确定病灶的边缘。计算造影增强病灶、T2高SI病灶和坏死的整体体积,即FLAIR图像上肿块内CE T1WI上未增强的低信号区域。
根据CE T1WI和FLAIR图像,使用北欧ICE对每个截面获得的数据进行汇总,得出整个肿瘤范围的逐体ADC和nCBV。用ADC和nCBV在各自的x轴上绘制ADC和nCBV直方图,面元大小为3 × 10−5 毫米2/sec和0.1,而y轴表示为总病变体积的百分比,方法是将每个箱子中的频率除以分析的体素总数。为了进行进一步的定量分析,在y轴上绘制了直到指定仓的所有仓中的累积观测次数,作为累积直方图中的百分比。导出ADC的第5个百分位点(5%ADC)和nCBV的第95个百分位点(95%nCBV)(第X个百分位点是形成直方图的体素值的X%位于直方图左侧的点)53,54.
免疫组织化学染色
用于IHC分析的抗体包括小鼠抗人整合素α4(CD49d)抗体(sc-365209,Santa Cruz Biotechnology,Inc.)和兔抗人胶质纤维酸性蛋白(GFAP)抗体(ab7260,abcam)。石蜡切片(4 μm)进行脱蜡和复水,将切片置于表位回收溶液中,在微波中进行抗原回收(0.01 柠檬酸盐缓冲液,pH 6.0)20 分钟,然后在3%过氧化氢中培养20分钟 室温下的最小值。然后用3%BSA封闭石蜡切片30 min,用抗体染色1 室温下1小时,用洗涤缓冲液(S3006,Dako)洗涤并用二级抗体(A-11008,Alexa Fluor 488,Invitrogen)染色TM(TM); A-11032,Alexa Fluor 594,Invitrogen公司TM(TM))对于30 室温下的最小值。DAPI染色细胞核。
统计分析
所有统计分析均使用两个商业软件程序(MedCalc 17.2版,MedCalc软件)进行。一个P(P)价值 < 0.05被认为具有统计学意义。Kolmogorov-Smirnov检验用于确定变量是否符合正态分布。非参数数据表示为中位数和四分位范围(IQR,范围从第25个百分位到第75个百分位数),参数数据表示平均值 ± 标准偏差。对参数数据进行Pearson相关分析,以确定免疫细胞标记物的表达水平与定量成像参数之间的相关性。
根据免疫细胞标记物的表达水平,使用Kaplan-Meier方法评估无进展生存率(PFS),并使用对数秩检验进行比较。GBM进展是根据RANO标准定义的55。我们只记录了第一个进展。计算从手术日期到GBM进展、死亡、最后一次确认无疾病证据或最近一次随访检查的PFS。无事件的患者在最近一次随访时被审查,无论他们是被安排在未来的随访中,还是已经失去随访。从PFS分析中排除了8名因进展无关疾病(如梗死和感染)而死亡的患者。为了确定PFS的每个免疫细胞标记物表达水平的阈值,使用了受体操作曲线分析。使用Cox比例风险模型进行多变量分析,该模型根据包括免疫细胞标记物表达水平和IDH1突变状态在内的预后因素进行调整。
致谢
本研究得到了韩国卫生、福利和家庭事务部保健技术研发项目(HI16C1111)的资助,以及大脑研究计划通过韩国国家研究基金会(NRF)通过科学、信息通信技术和未来规划部资助的资助(2016M3C7A1914002),首尔国立大学(SNU)的创新研究人员计划和项目代码(IBS-R006-D1)。
作者贡献
H.R.C.、H.J.、C.-K.P.和S.-H.P.构思了这项研究。H.R.C.、H.J.和S.H.C.编写了主要手稿文本。H.R.C.、H.J.和S.H.C.进行了实验。H.R.C.、H.J.、C.-K.P.和S.-H.P.分析结果。所有作者都审阅了手稿。
脚注
出版商备注:Springer Nature在公布的地图和机构关联中的管辖权主张方面保持中立。
赵惠林和郑惠珍贡献均等。
电子辅助材料
补充信息本文随附于10.1038/s41598-018-34242-9。
工具书类
1Stupp R等。放射治疗加伴随和辅助替莫唑胺治疗胶质母细胞瘤。N英格兰医学杂志。2005;352:987–996。doi:10.1056/NEJMoa043330。[公共医学] [交叉参考][谷歌学者] 2Barker HE、Paget JT、Khan AA、Harrington KJ。放疗后肿瘤微环境:抵抗和复发机制。Nat Rev癌症。2015;15:409–425. doi:10.1038/nrc3958。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 三。Quail DF等。肿瘤微环境是胶质瘤对CSF-1R抑制产生获得性耐药性的基础。科学。2016;352:aad3018.doi:10.1126/science.aad3018。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 4Antonios JP等。胶质母细胞瘤中免疫抑制肿瘤浸润髓样细胞通过PD-1/PD-L1机制介导适应性免疫抵抗。神经肿瘤学。2017;19:796–807. doi:10.1093/neuonc/now287。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 5Kamran Neha、Chandran Mayuri、Lowenstein Pedro R、Castro Maria G.肿瘤微环境中的未成熟髓样细胞:免疫治疗的意义。临床免疫学。2018;189:34–42. doi:10.1016/j.clim.2016.10.008。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 6Junttila MR,de Sauvage FJ。肿瘤微环境异质性对治疗反应的影响。自然。2013;501:346–354. doi:10.1038/nature12626。[公共医学] [交叉参考][谷歌学者] 7施密德MC、瓦尔纳JA。肿瘤微环境中的髓样细胞:肿瘤血管生成和肿瘤炎症的调节。《Oncol杂志》。2010;2010:201026.doi:10.1155/2010/201026。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 8鹌鹑DF,Joyce JA。肿瘤进展和转移的微环境调控。自然医学。2013;19:1423–1437. doi:10.1038/nm.3394。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 9Joyce JA和Pollard JW。转移的微环境调节。Nat Rev癌症。2009;9:239–252. doi:10.1038/nrc2618。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 10Qian BZ,Pollard JW。巨噬细胞多样性促进肿瘤进展和转移。单元格。2010;141:39–51. doi:10.1016/j.cell.2010.03.014。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 11Mosser DM,Edwards JP。探索巨噬细胞激活的全谱。国家免疫学评论。2008;8:958–969. doi:10.1038/nri2448。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 12Gabrilovich DI,Ostrand-Rosenberg S,Bronte V.肿瘤对骨髓细胞的协调调节。国家免疫学评论。2012;12:253–268. doi:10.1038/nri3175。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 13Fridman WH,Pages F,Sautes-Fredman C,Galon J.人类肿瘤中的免疫环境:对临床结果的影响。Nat Rev癌症。2012;12:298–306. doi:10.1038/nrc3245。[公共医学] [交叉参考][谷歌学者] 14Coussens LM、Zitvogel L、Palucka AK。中和肿瘤促进慢性炎症:灵丹妙药?科学。2013;339:286–291. doi:10.1126/science.1232227。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 15Bernard A,Boumsell L.人类白细胞分化抗原。按Med。1984;13:2311–2316.[公共医学][谷歌学者] 16Chan JK,Ng CS,Hui PK.白细胞单克隆抗体术语和应用的简单指南。组织病理学。1988;12:461–480. doi:10.1111/j.1365-2559.1988.tb01967.x。[公共医学] [交叉参考][谷歌学者] 17Zola H等,CD分子2006–人类细胞分化分子。免疫学方法杂志。2007;319:1-5.数字对象标识代码:10.1016/j.jim.2006.11.001。[公共医学] [交叉参考][谷歌学者] 18放射基因组学:它是什么以及为什么它很重要。美国大学无线电杂志。2015;12:862–866. doi:10.1016/j.jacr.2015.04.019。[公共医学] [交叉参考][谷歌学者] 19Ellingson BM。胶质母细胞瘤的放射基因组学和成像表型:新观察和与分子特征的相关性。当前神经科学代表。2015;15:506.网址:10.1007/s11910-014-0506-0。[公共医学] [交叉参考][谷歌学者] 20崔毅、任尚杰、Tha Khin Khin、Wu Jia、Shirato Hiroki、李瑞江。多参数MR成像中高风险瘤内亚区的体积预测了总体生存率,并补充了胶质母细胞瘤的分子分析。欧洲放射学。2017;27(9):3583–3592. doi:10.1007/s00330-017-4751-x。[公共医学] [交叉参考][谷歌学者] 21Kickingereder P等人。胶质母细胞瘤的放射基因组学:利用多参数和多区域MR成像特征对分子特征进行基于机器学习的分类。放射科。2016;281:907–918. doi:10.1148/radiol.20161382。[公共医学] [交叉参考][谷歌学者] 22Hu LS等。胶质母细胞瘤区域遗传异质性特征的放射基因组学。神经肿瘤学。2017;19:128–137. doi:10.1093/neuonc/now135。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 23Hambardzumyan D,Gutmann DH,Kettenmann H。小胶质细胞和巨噬细胞在胶质瘤维持和进展中的作用。自然神经科学。2016;19:20–27. doi:10.1038/nn.4185。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 24Gutmann DH等。体细胞神经纤维瘤病1型(NF1)失活是NF1相关毛细胞星形细胞瘤的特征。基因组研究。2013;23:431–439. doi:10.1101/gr.142604.112。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 25Simmons GW等。神经纤维瘤病-1杂合性以与小鼠视神经胶质瘤形成和生长相关的空间和时间限制模式增加小胶质细胞。神经病理学实验神经学杂志。2011;70:51–62. doi:10.1097/NEN.0b013e3182032d37。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 26Morantz RA、Wood GW、Foster M、Clark M、Gollahon K.实验性和人类脑肿瘤中的巨噬细胞。第二部分:人脑肿瘤巨噬细胞含量的研究。神经外科杂志。1979;50:305–311. doi:10.3171/jns.1979.50.3.0305。[公共医学] [交叉参考][谷歌学者] 27Rossi ML、Hughes JT、Esiri MM、Coakham HB、Brownell DB。恶性胶质瘤中单核细胞浸润的免疫组织学研究。神经病理学学报。1987;74:269–277. doi:10.1007/BF00688191。[公共医学] [交叉参考][谷歌学者] 28Coniglio SJ等。小胶质细胞刺激胶质母细胞瘤侵袭涉及表皮生长因子受体(EGFR)和集落刺激因子1受体(CSF-1R)信号传导。分子医学。2012;18:519–527. doi:10.2119/molmed.2011.00217。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 29Pyonteck SM等。CSF-1R抑制改变巨噬细胞极化并阻止胶质瘤进展。自然医学。2013;19:1264–1272. doi:10.1038/nm.3337。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 30Almand B等人,《癌症患者未成熟髓细胞生成增加:癌症免疫抑制机制》。免疫学杂志。2001;166:678–689. doi:10.4049/jimmunol.166.1.678。[公共医学] [交叉参考][谷歌学者] 31Talmadge JE,Gabrilovich DI。髓源性抑制细胞的病史。Nat Rev癌症。2013;13:739–752. doi:10.1038/nrc3581。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 32Annacker O,Asseman C,Read S,Powrie F.白细胞介素-10在调节T细胞诱导的结肠炎中的作用。J自动免疫。2003;20:277–279. doi:10.1016/S0896-8411(03)00045-3。[公共医学] [交叉参考][谷歌学者] 33Serre K等。IL-4引导CD4和CD8 T细胞产生Th2细胞因子在体外,但只有CD4 T细胞对明矾沉淀蛋白产生这些细胞因子体内.分子免疫学。2010;47:1914–1922. doi:10.1016/j.molimm.2010.03.010。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 34Gordon S,Martinez FO.巨噬细胞的替代激活:机制和功能。免疫。2010;32:593–604. doi:10.1016/j.immuni.2010.05.007。[公共医学] [交叉参考][谷歌学者] 35Mantovani A等。多种形式巨噬细胞活化和极化的趋化因子系统。趋势免疫。2004;25:677–686. doi:10.1016/j.it.2004.09.015。[公共医学] [交叉参考][谷歌学者] 36Paluka K,Banchereau J.通过树突状细胞进行癌症免疫治疗。Nat Rev癌症。2012;12:265–277. doi:10.1038/nrc3258。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 37Bowman RL等。脑恶性肿瘤中巨噬细胞个体发生在肿瘤特异性教育中的差异。单元格代表。2016;17:2445–2459. doi:10.1016/j.celrep.2016.10.052。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 38Bulian P等。CD49d是基于流式细胞术的慢性淋巴细胞白血病总生存率的最强预测因子。临床肿瘤学杂志。2014;32:897–904. doi:10.1200/JCO.2013.50.8515。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 39Hussain SF等。人类胶质瘤滤过小胶质细胞/巨噬细胞在介导抗肿瘤免疫反应中的作用。神经肿瘤学。2006;8:261–279. doi:10.1215/15228517-2006-008。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 40Yeh WL、Lu DY、Liou HC、Fu WM。胶质瘤和小胶质细胞之间的前向环路:胶质瘤衍生的细胞外基质激活的小胶质细胞分泌IL-18,以增强胶质瘤细胞的迁移。细胞生理学杂志。2012;227:558–568. doi:10.1002/jcp.22746。[公共医学] [交叉参考][谷歌学者] 41周伟,等。胶质母细胞瘤干细胞分泌的骨膜炎素招募M2肿瘤相关巨噬细胞并促进恶性生长。自然细胞生物学。2015;17:170–182. doi:10.1038/ncb3090。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 42Parney IF、Waldron JS、Parsa AT。流式细胞仪和在体外人类胶质瘤相关巨噬细胞的分析。实验室调查。神经外科杂志。2009;110:572–582. doi:10.3171/2008.7.JNS08475。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 43Shi C,Pamer EG。感染和炎症期间单核细胞募集。国家免疫学评论。2011;11:762–774. doi:10.1038/nri3070。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 44Munn DH,Cheung NK。重组巨噬细胞集落刺激因子培养的人单核细胞吞噬肿瘤细胞。《实验医学杂志》。1990年;172:231–237. doi:10.1084/jem.172.1.231。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 45波拉德JW。肿瘤诱导的巨噬细胞促进肿瘤进展和转移。Nat Rev癌症。2004;4:71–78. doi:10.1038/nrc1256。[公共医学] [交叉参考][谷歌学者] 46Feng X等。CX3CR1缺失增加炎性单核细胞的积聚并促进胶质瘤形成。Oncotarget公司。2015;6:15077–15094. doi:10.18632/目标3730。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 47Meerschaert J,Furie MB。单核细胞用于迁移穿过内皮的粘附分子包括单核细胞上的CD11a/CD18、CD11b/CD18和VLA-4,以及内皮上的ICAM-1、VCAM-1和其他配体。免疫学杂志。1995;154:4099–4112。[公共医学][谷歌学者] 48Szopa W、Burley TA、Kramer-Marek G、Kaspera W。胶质母细胞瘤的诊断和治疗生物标记物:现状和未来展望。生物识别研究国际。2017;2017:8013575.doi:10.1155/2017/8013575。 [PMC免费文章][公共医学] [交叉参考][谷歌学者] 49Rosen BR、Belliveau JW、Vevea JM、Brady TJ。核磁共振造影剂灌注成像。麦格纳森医学。1990年;14:249–265. doi:10.1002/mrm.1910140211。[公共医学] [交叉参考][谷歌学者] 50Ostergaard L,Weisskoff RM,Chesler DA,Gyldensted C,Rosen BR。使用血管内示踪剂团注通道的高分辨率脑血流测量。第一部分:数学方法和统计分析。麦格纳森医学。1996;36:715–725. doi:10.1002/mrm.1910360510。[公共医学] [交叉参考][谷歌学者] 51Boxerman JL、Schmainda KM、Weisskoff RM。对比剂外渗校正后的相对脑血容量图与胶质瘤分级显著相关,而未校正的脑血容量地图则不相关。AJNR美国神经放射杂志。2006;27:859–867. [PMC免费文章][公共医学][谷歌学者] 52Wetzel SG等。颅内肿块病变的相对脑血容量测量:观察者间和观察者内再现性研究。放射科。2002;224:797–803. doi:10.1148/radiol.2243011014。[公共医学] [交叉参考][谷歌学者] 53Kang Y等。胶质瘤:标准或高b值扩散加权MR成像的表观扩散系数图直方图分析——与肿瘤分级的相关性。放射科。2011;261:882–890。doi:10.1148/radiol.11110686。[公共医学] [交叉参考][谷歌学者] 54Tozer DJ等。表观扩散系数直方图可预测低级别胶质瘤亚型。核磁共振生物识别。2007;20:49–57. doi:10.1002/nbm.1091。[公共医学] [交叉参考][谷歌学者] 55Nasseri M,等。使用费莫氧醇动态磁共振成像评估多形性胶质母细胞瘤患者的假进展,对RANO标准提出质疑。神经肿瘤学。2014;16:1146–1154. doi:10.1093/neuonc/not328。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]