tcga肿瘤数据做生存分析竟然发了cell主刊.pdfVIP

TCGA 肿瘤数据做生存分析，竟然发了 cell 主刊 癌症基因组图谱（ TCGA ）计划收集了临床病理学注释 数据以及跨越 33 种不同癌症类型的 11,000 多种人类肿瘤的 多平台分子谱。 TCGA 临床数据包含代表数据收集过程民主 化特征的关键特征。为确保正确使用与基因组特征相关的大 型临床数据集，我们开发了一个名为 TCGA Pan-Cancer 临 床数据资源（ TCGA-CDR ）的标准化数据集，其中包括四个 主要的临床结果终点。据我们所知，目前还没有系统地尝试 分析 TCGA 临床数据，并在涉及 11,160 名患者的所有 33 种 TCGA 癌症类型中推导出可接受的结果终点， 或者评估每 个生存终点测试的临床随访间隔的充分性。在这里，我们提 出策划和过滤的临床和生存结果数据作为整个科学界的新 集成资源，描述分析这些数据时遇到的问题是如何解决的， 以及研究人员在将这些数据用于未来相关性和存活研究时 应该注意哪些缺陷。基于我们全面的临床评估，我们还提供 评分建议，以便将来适当使用和肿瘤特异性终点选择。由此 产生的精选数据汇编现在作为 TCGA 泛癌症临床数据资源 （TCGA-CDR ）提供，供公众查阅和未来的转化癌症研究。 图 1 。临床数据分析 （B ），PFI （C ），DFI （D ）和 DSS （E ） 的癌症类型（ A-E ）流程图（ A ）和 KM 图。当少于 10 名患 者处于危险中时，每条 KM 曲线的尾部被截断。有关端点推 导的更多详细信息，请参见图 S1OS ，PFI ，DFI 和 DSS 的 临床结局终点肿瘤研究中使用的临床结果有许多定义。在分 析了用于本研究的所有 TCGA 临床数据之后， 我们得出结论， 使用可用数据可以相对准确地推导 OS 和 PFI 。我们也合理 准确地推导了 DFI ，但是在大多数情况下， DSS 只能被估算。 图 1B 显示 33 种不同癌症类型的所有病例的 OS Kaplan-Meier （KM ）图。尽管 TCGA 并未将生存分析作为 主要计划目标，但大多数癌症类型的结果生存图与前瞻性设 计的前瞻性独立研究类似，以评估这些相同的生存终点。这 可能是 GBM ，OV （Cancer Genome Atlas Research Network ， 2008 ，2011 ）的 TCGA 结果最好的例证）和低 级别胶质瘤（ LGG ）（Cancer Genome Atlas Research Network 等，2015 ）。KM 地块为 PFI ，DFI 和 DSS 示于图 1 的 C-1E （也参见图 S1 ）。 我们根据每种癌症类型的这四个终点的观察时间（表 2 ; 表 S1 ，标签 TCGA-CDR ）计算了中位随访时间以及事件或审 查的中位时间。所有肿瘤的总体中位随访时间为 22.1 个月， 但这些时间在不同癌症类型中差异很大