Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

Ki-67 met neutrofiel-lymfocyten en CD4-positieve/CD8-positieve ratio's voorspelt vroege respons bij niet-kleincellige longkanker

231 weergaven

⸱

DOI:

10.3791/70014

⸱

20 maart 2026

 ,  ,  , 
1Department of Oncology, Binhaiwan Central Hospital of Dongguan, 2Department of internal medicine, Binhaiwan Central Hospital of Dongguan

* These authors contributed equally

In dit artikel

Samenvatting

Dit protocol standaardiseert vroege responsbeoordeling bij NSCLC-patiënten die PD-1/PD-L1-remmers ontvangen door de basislijn NLR, flowcytometrische CD4/CD8-ratio, tumor Ki-67 immunohistochemie-score en RECIST 1.1-evaluatie na twee cycli te integreren, met op reproduceerbaarheid gerichte kwaliteitscontrolecontrolepunten gedurende het hele proces.

Samenvatting

Deze studie evalueerde de gecombineerde voorspellende waarde van tumor Ki-67-expressiestatus, perifere bloedneutrofiel-tot-lymfocytenverhouding (NLR) en de CD4-positieve/CD8-positieve T-celverhouding voor kortetermijnresponsbeoordeling bij patiënten met niet-kleincellige longkanker die PD-1/PD-L1-remmertherapie ontvingen. We analyseerden achteraf 102 opeenvolgende patiënten die tussen januari 2021 en oktober 2023 in het Binhaiwan Central Hospital werden behandeld en die twee behandelcycli hadden afgerond. De responsen werden beoordeeld met behulp van Response Evaluation Criteria in Solid Tumors (RECIST), versie 1.1: 13 patiënten behaalden volledige respons, 26 gedeeltelijke respons, 54 stabiele ziekte en 9 progressieve ziekte. Voor de analyse definieerden we respons als volledige respons plus gedeeltelijke respons en non-response als stabiele ziekte plus progressieve ziekte. Univariabele screening identificeerde kandidaatvoorspellers die geassocieerd zijn met responsstatus, die werden ingevoerd in multivariabele logistische regressie aangepast voor leeftijd, prestatiestatus van de Eastern Cooperative Oncology Group en rookgeschiedenis, waarbij Ki-67-status, NLR en de CD4-positieve/CD8-positieve ratio onafhankelijke voorspellers van kortetermijnresponsclassificatie werden geïdentificeerd. Analyse van de functie van de ontvanger ondersteunde verbeterde discriminatie voor het gecombineerde biomarkermodel vergeleken met enkele markers, wat een praktische, minimaal invasieve benadering voor vroege responsstratificatie in deze klinische setting benadrukte.

Inleiding

Niet-kleincellige longkanker (NSCLC) is verantwoordelijk voor bijna 85% van de longkanker en is het meest voorkomende histologische subtype en treft voornamelijk middelbare en oudere volwassenen in China1. De etiologie is multifactorieel en omvat tabaksblootstelling, langdurig contact met industrieel stof of verontreinigingen, erfelijke vatbaarheid en chronische blootstelling aan milieukankerverwekkende stoffen2˒3. NSCLC in een vroeg stadium presenteert zich vaak met niet-specifieke respiratoire symptomen en kan verkeerd worden toegeschreven aan veelvoorkomende luchtwegaandoeningen in de eerstelijnszorg, wat bijdraagt aan vertraagde herkenning en een hoog percentage patiënten dat in gevorderde stadia4˒5 wordt gediagnosticeerd.

In de afgelopen jaren is de blokkade van de immuuncontrolepunten een centraal onderdeel geworden van systemische behandeling van geavanceerde NSCLC. Geprogrammeerde dood 1 (PD-1) en geprogrammeerde dood ligand 1 (PD-L1) remmers hebben blijvend klinisch voordeel en verbeterde overleving aangetoond bij geselecteerde patiënten6. De responsheterogeniteit blijft echter aanzienlijk, en de financiële last en potentiële toxiciteit van langdurige therapie zijn niet triviaal7˒8. Klinisch gebruikte voorspellers zoals tumor PD-L1 immunohistochemie en tumormutatiebelasting (TMB) leveren waardevolle informatie, maar beide hebben praktische beperkingen die hun uniforme inzet beperken. De beoordeling van PD-L1 kan worden beïnvloed door intratumorale heterogeniteit en variabiliteit in assay/platform, terwijl TMB over het algemeen sequencingmiddelen, een langere doorlooptijd enhogere kosten vereist. Deze beperkingen maken het klinisch relevant om workflows te ontwikkelen die gebruikmaken van routinematig beschikbare materialen en kunnen worden uitgevoerd met gestandaardiseerde kwaliteitscontrole in centra met variabele laboratoriumcapaciteit.

Vanuit praktisch oogpunt kan een protocolgedreven aanpak die een klein aantal toegankelijke biomarkers integreert, de vroege opvolgplanning na het starten van de behandeling ondersteunen. Zo kunnen gestandaardiseerde basislijnbemonstering vóór de eerste infusie en een gedefinieerd evaluatievenster van twee cycli clinici helpen patiënten te identificeren die een nauwkeurigere monitoring of vroegere herbeoordeling nodig hebben, terwijl transparantie wordt gehandhaafd over de stappen die nodig zijn om de metingen op verschillende locaties te reproduceren. Deze nadruk op haalbaarheid en reproduceerbaarheid is vooral relevant voor JoVE-protocolartikelen, waar de methodologische stappen—en hun kwaliteitscontroles—centraal staan in de bijdrage.

Ki-67 is een nucleaire proliferatiemarker die tumorgroeidynamiek weerspiegelt en is besproken in relatie tot immuuncontextuur. Verhoogde Ki-67 is gerapporteerd als correlant met PD-L1-expressie en kan in verband worden gebracht met immuunontsnappingsfenotypes die de gevoeligheid voor immuuncheckpointremmers (ICI's) vormen10. Tegelijkertijd is de neutrofiel-lymfocytenverhouding (NLR) een gemakkelijk toegankelijke index van systemische ontstekingstoestand en is deze uitgebreid onderzocht als een prognostische of voorspellende factor bij patiënten die PD-1/PD-L1-remmertherapie11 ontvangen. Een hogere NLR wordt vaak geïnterpreteerd als een weerspiegeling van een immunosuppressief milieu—via relatieve neutrofie en/of lymfopenie—en is geassocieerd met een slechtere respons en verminderde overleving in meerdere cohorten12. De perifere CD4-positieve/CD8-positieve T-celverhouding biedt een extra venster op adaptieve immuunhomeostase, en de functionele balans tussen helper- en cytotoxische T-celcompartimenten is mechanistisch relevant voor effectieve antitumorimmuniteit onder PD-1/PD-L1 blokkade13.

Hoewel Ki-67, NLR en de CD4-positieve/CD8-positieve ratio elk potentiële waarde als individuele markers hebben getoond, blijft hun geïntegreerde gebruik als operationele, minimaal invasieve workflow voor vroege responsbeoordeling in NSCLC onvoldoende gekarakteriseerd. Daarom onderzocht deze studie of het combineren van tumor Ki-67-expressiestatus met perifere bloed NLR en de CD4-positieve/CD8-positieve ratio de kortetermijnresponsclassificatie verbetert na twee cycli PD-1/PD-L1-remmertherapie, met als doel vroege risicostratificatie te informeren en tijdige klinische herbeoordeling in de routinepraktijk te ondersteunen.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

1. Ethiek en naleving van regelgeving

  1. Verkrijg goedkeuring van de Ethische Commissie van het Binhaiwan Central Hospital of Dongguan (goedkeuringsnummer: 2021045).
  2. Zorg ervoor dat alle procedures voldoen aan de Verklaring van Helsinki.
  3. Bevestig dat schriftelijke geïnformeerde toestemming is verkregen vóór de behandeling en documenteer de toestemmingsstatus in het onderzoeksdossier.

2. Patiëntidentificatie en screening van geschiktheid

  1. Identificeer opeenvolgende patiënten met de diagnose niet-kleincellige longkanker die tussen januari 2021 en oktober 2023 in het onderzoekscentrum gestart zijn met geprogrammeerde celdoodsproteïne 1/geprogrammeerde death-ligand 1 remmertherapie.
  2. Bevestig de pathologische diagnose door het pathologierapport te bekijken.
  3. Bevestig de voltooiing van twee behandelcycli en definieer één cyclus als 3 weken.
  4. Pas de inclusiecriteria toe.
    1. Bevestig leeftijd 35–80 jaar bij aanvang van de behandeling.
    2. Bevestig de afwezigheid van levermetastase bij de basisbeeldvorming.
    3. Bevestig afwezigheid van andere primaire maligniteit.
    4. Bevestig de gedocumenteerde verwachte overlevingstijd > 12 maanden in het medisch dossier.
    5. Bevestig de beschikbaarheid van volledige medische basisdossiers en basisbeeldgegevens.
  5. Pas uitsluitingscriteria toe.
    1. Sluit patiënten uit die binnen 6 maanden voor de start van de behandeling een cardiothoracale operatie hebben ondergaan.
    2. Sluit patiënten uit met gedocumenteerde slechte naleving, wat de follow-up belemmert.
    3. Sluit patiënten met ernstige psychiatrische stoornissen uit die de protocolnaleving in gevaar brengen.
    4. Sluit patiënten met hematologische of stollingsafwijkingen uit bij de basisbeoordeling.
    5. Sluit patiënten met ernstige actieve infectie bij de aanvang uit.
    6. Sluit patiënten uit die binnen 30 dagen voor inschrijving immuntherapie of gerichte therapie hebben ontvangen.
    7. Sluit patiënten uit die de behandeling beëindigen tijdens het evaluatievenster van twee cycli vanwege overplaatsing, financiële beperkingen of overlijden.
  6. Ken een uniek studie-ID toe aan elke in aanmerking komende patiënt en deidentificeer alle dossiers vóór de analyse.
  7. Controleer de geschiktheid onafhankelijk door twee onderzoekers en los discrepanties op door consensus.
  8. Noteer de beoordeling in een screeningslogboek met onderzoeks-ID, gescreend item, beschrijving van het verschil, beoordelaars en datum.
    OPMERKING: Noteer basislijncondities die waarschijnlijk ontstekingsmarkers kunnen verschuiven (bijv. koorts, klinisch vermoedelijke infectie of systemische corticosteroïdenblootstelling) in het screeningslogboek ter ondersteuning van uitsluitingsbeslissingen en interpretatie14.

3. Klinische gegevensextractie van de basis

  1. Haal basislijnvariabelen op uit het elektronische medische dossiersysteem.
  2. Record geslacht, leeftijd, body mass index, opleidingsniveau, tumorlocatie, maximale tumordiameter, tumor-node-metastase-stadium, behandelmethode, rookgeschiedenis en prestatiestatus van de Eastern Cooperative Oncology Group.
  3. Exporteer alle basisvariabelen naar een gedeïdentificeerd spreadsheet.
  4. Vergrendel de dataset voor analyse door een alleen-lezen kopie met een tijdstempel op te slaan.
  5. Controleer de nauwkeurigheid van de gegevens door ten minste 10% van de vermeldingen te vergelijken met brongegevens.
  6. Noteer correcties in een correctielogboek met veldnaam, oorspronkelijke waarde, gecorrigeerde waarde, initialen van de beoordelaar en datum.
  7. Vat de basiskenmerken samen op basis van de responsstatus en stel de tabel met basiskenmerken samen voor rapportage als Tabel 1.

4. Basislijn perifere bloedopvang en hematologie-afgeleide neutrofiel-lymfocytenverhouding

  1. Verzamel nuchter veneus bloed uit een ader in de bovenste ledemaat binnen 2 uur vóór de eerste toediening van de remmer met EDTA-antistollingsbuisjes (zie Materiaaltabel).
  2. Keer elke buis 8–10 keer direct na het verzamelen om.
  3. Voer een volledig bloedtellingsonderzoek uit binnen 2 uur na afname met een geautomatiseerde hematologie-analyzer (model vermeld in de Materiaaltabel).
  4. Controleer dagelijks de interne kwaliteitscontrole van de analyzer vóór het monstertesten en registreer QC-status, controleniveau, operator en analyzermodel in het studielogboek.
  5. Noteer het absolute neutrofielaantal en het aantal lymfocyten van de output van de analyzer.
  6. Bereken de neutrofiel-lymfocytenverhouding met de formule NLR = absolute neutrofieltelling / absolute lymfocytentelling.
  7. Merk gestold of gehemolyseerde monsters als ongeldig in het onderzoekslogboek.
  8. Herhaal bloedafname binnen hetzelfde voorbehandelingsvenster wanneer klinisch mogelijk en documenteer de reden voor eventuele ontbrekende of ongeldige resultaten.
  9. Noteer de tijd van bloedafname en de CBC-tijd om het ≤ 2 uur durende pre-analytische venster te documenteren.

5. Flowcytometrie voor CD4-positieve/CD8-positieve T-celverhouding

  1. Aliquot 50 μL EDTA-anticoaguleerd volbloed in een 12 × 75 mm flowbuis (zie Materiaaltabel).
  2. Voeg 20 μL van een vierkleurige T-cel subset reagens toe die CD3, CD4, CD8 en CD45 identificeert met behulp van vier fluorochromen (zie Materiaaltabel).
  3. Vortex 1–2 seconden en 15 minuten incuberen bij 20–25 °C, beschermd tegen licht.
  4. Voeg 450 μL van 1× rode bloedcel lysingsoplossing toe, bereid uit een 10× concentraat (zie Materiaaltabel).
  5. Meng door een zachte omkering en bevrucht het 10 minuten op 20–25 °C, beschermd tegen licht.
  6. Voeg 2 ml fosfaatgeborreerde zoutoplossing toe (zie Materiaaltabel) en meng door inversie 3–5 keer.
  7. Centrifugeer op 350 × g gedurende 5 minuten op kamertemperatuur.
  8. Gooi het supernatant weg zonder het pellet te verstoren.
  9. Sussen de pellet opnieuw in 300–500 μL fosfaatgebufferde zoutoplossing voor opnemen.
  10. Voer dagelijkse cytometerprestatiecontroles uit volgens de werkwijze van het instrument en registreer de pass/fail-status in het runsheet.
  11. Stel de spanningen van de fotomultiplicator in met een ongekleurde buis.
  12. Voer eenkleurige regelingen uit (cellen of kralen) voor elk fluorochroom.
  13. Bereken de compensatie binnen de acquisitiesoftware met behulp van de eenkleurige besturing.
  14. Houd dezelfde spanningsinstellingen en compensatiematrix voor alle monsters binnen dezelfde batch en recorddatum, operator, spanningssnapshot en compensatiebestandsnaam.
  15. Neem elk monster met een lage tot matige stroomsnelheid en verzamel minstens 10.000 lymfocytengebeurtenissen per monster.
  16. Gate-lymfocyten met behulp van CD45 versus zijdelingse verstrooiing.
  17. Gate-singlets met behulp van voorwaarts verstrooiingsgebied versus voorwaartse verstrooiingshoogte.
  18. Gate CD3-positieve T-cellen.
  19. Kwantificeer CD4-positieve en CD8-positieve subsets binnen CD3-positieve gebeurtenissen.
  20. Bereken de CD4-positieve/CD8-positieve verhouding met behulp van de formule CD4-positief/CD8-positief = (% CD4-positief onder CD3-positieve) / (% CD8-positief onder CD3-positieve).
  21. Verifieer de scheiding van CD4-positieve en CD8-positieve populaties op bivariate plots.
  22. Herbereken compensatie en voer controles opnieuw uit bij het observeren van overlap die niet consistent is met de verwachte populatie-scheiding.
  23. Sla representatieve grafieken op voor elke batch (CD45/SSC, singlets, CD3-poort, CD4 versus CD8) en archiveer deze met batch-ID en datum.
    OPMERKING: Noteer lotnummers en uitvoerdata van reagens in interne run sheets om batchtracking15 te ondersteunen.

6. Tumor Ki-67 immunohistochemie en binaire statustoewijzing

  1. Snijd formaline-gefixeerde paraffine-ingebedde tumorweefseldoorsneden op 4 μm en monteer secties op geladen glaasjes (zie Materiaaltabel).
  2. Deparaffiniseer secties in xyleen en rehydrateer secties via gegradueerd ethanol tot water.
  3. Voer warmte-geïnduceerde epitoopwinning uit met behulp van een citratenterugwinningsbuffer, pH 6 (zie Materiaaltabel).
  4. Verwarm de terughaalbuffer voor tot bijna kookpunt voordat je het tijdstip neemt.
  5. Warmte glijdt 20 minuten in de retrieval buffer.
  6. Koele glijbanen op kamertemperatuur gedurende 20 minuten.
  7. Spoel de glaasjes af met een wasbuffer om de resterende ophaaloplossing te verwijderen.
  8. Incubeer secties met 3% waterstofperoxide gedurende 10 minuten bij kamertemperatuur.
  9. Wash slides drie keer met wash buffer gedurende 1–2 minuten per was.
  10. Incubeer secties met Ki-67 primair antilichaam (kloon MIB-1; kant-en-klare formulering; zie Materiaaltabel) gedurende 20 minuten bij kamertemperatuur.
  11. Wash slides drie keer met wash buffer gedurende 1–2 minuten per was.
  12. Pas een HRP-gebaseerd detectiesysteem toe en ontwikkel chromogeen met DAB volgens de instructies van de fabrikant (zie Materiaaltabel).
  13. Stop de ontwikkeling van chromogenen door te spoelen met water zodra nucleaire verkleuring duidelijk zichtbaar is en de achtergrond laag blijft.
  14. Tegenkleursecties met hematoxyline, spoelen, blauw maken, dehydrateren via gegradueerd ethanol, doormaken in xyleen en monteren met permanent montagemedium (zie Materiaaltabel).
  15. Onderzoek secties onder brightfield-microscopie bij 400×.
  16. Selecteer vijf niet-overlappende levensvatbare tumorvelden en voorkom necrose, verpletteringsartefacten en randeffecten.
  17. Tel minstens 100 tumorkernen per veld en registreer het aantal kernen met ondubbelzinnige bruine kernkleuring.
  18. Tel minstens 500 tumorkernen per geval in de vijf vakgebieden.
  19. Bereken de case-level Ki-67 labeling index met behulp van de formule labeling index (%) = (totaal aantal positieve tumorkernen / totaal aantal tumorkernen geteld) × 100%.
  20. Score de kleuringsintensiteit per geval als 0 (geen), 1 (lichtgeel), 2 (bruin-geel) of 3 (donkerbruin) met de overheersende intensiteit over de getelde tumorkernen.
  21. Score het percentage positieve cellen per geval als 0 (0–5%), 1 (6–25%), 2 (26–50%), 3 (51–75%) of 4 (>75%) met behulp van de case-level labeling index.
  22. Bereken de immunoreactieve score met IRS = intensiteitsscore × procentuele score.
  23. Ken de expressiestatus van Ki-67 toe voor analyse als Ki-67 negatief voor IRS 0–4 en Ki-67 positief voor IRS 5–12, en gebruik deze binaire status consequent in Tabel 1–4 en de modelleringsuitkomsten.
  24. Voer blinde scoring uit door twee pathologen.
  25. Beide pathologen blind voor klinische uitkomsten en bloedbiomarkerwaarden.
  26. Los meningsverschillen op door gezamenlijke beoordeling en noter de definitieve consensusclassificatie en datum.
  27. Archiveer representatieve afbeeldingen voor elke casus met studie-ID en vergroting.
  28. Voeg bij elke kleuringsronde een bekend positief controleweefsel en een negatieve controle (primair antilichaam weglaten) op.
  29. Herhaalde kleuring bij controlefout of bij achtergrondvlekken die interpretatie verhinderen.
    OPMERKING: Archiveer het scorewerkblad met vijfveldentellingen, labelindex, intensiteitsscore, procentuele score, IRS en de definitieve negatieve/positieve status voor controleerbaarheid16.

7. Responsevaluatie na twee cycli

  1. Voer basisbeeldvorming uit vóór cyclus 1 binnen de routinematige klinische workflow.
  2. Herhaal beeldvorming na twee behandelcycli en definieer elke cyclus als 3 weken.
  3. Evalueer de behandelingsrespons met behulp van de Response Evaluation Criteria in Solid Tumors, versie 1.1. 14
  4. Voer een onafhankelijke blinde beoordeling uit door twee radiologen.
  5. Beide radiologen blind voor biomarkerwaarden en het modelleren van covariaten.
  6. Los meningsverschillen op door consensus en registreer de details van de beoordeling (lezersinitialen, datum, definitieve beslissing).
  7. Classificeer responscategorie als volledige respons, gedeeltelijke respons, stabiele ziekte of progressieve ziekte volgens RECIST 1.1.
  8. Ken volledige respons + gedeeltelijke respons toe aan de responsgroep.
  9. Ken stabiele ziekte + progressieve ziekte toe aan de niet-responsgroep.
  10. Bewaar de basis- en vervolgdata van beeldvorming en controleer dat het evaluatievenster overeenkomt met twee cycli.
  11. Archiveer RECIST-meetbladen met studie-ID, lezer en datum voor audit.

8. Statistische analyse

  1. Voer statistische analyses uit met statistische software (zie Materiaaltabel).
  2. Presenteer normaal verdeelde continue variabelen als gemiddelde ± standaarddeviatie en vergelijk groepen met een onafhankelijke steekproef t-test.
  3. Presenteer categorische variabelen als tellingen en percentages en vergelijk groepen met behulp van de chi-kwadraattest of de exacte test van Fisher, indien van toepassing.
  4. Codeer onafhankelijke variabelen volgens het vooraf gespecificeerde coderingsschema en compileer de coderingstabel als Tabel 2.
  5. Screenen voorspellers met univariabele analyses en variabelen selecteren die voldoen aan het vooraf bepaalde criterium voor multivariabele modellering.
  6. Pas een multivariabele logistisch regressiemodel aan met response = 0 en non-response = 1 als afhankelijke variabele.
  7. Pas het multivariabele model aan op leeftijd, prestatiestatus van de Eastern Cooperative Oncology Group en rookgeschiedenis.
  8. Rapporteer de definitieve aangepaste modelschattingen als Tabel 3.
  9. Genereer de bedieningskarakteristiekcurves van de ontvanger voor enkele voorspellers en het gecombineerde model.
  10. Bepaal ROC-gebaseerde drempels met behulp van Youden's index voor NLR en CD4-positieve/CD8-positieve ratio en pas de afgeleide drempels consequent toe in de dichotomiseerde analyses die in Tabel 4 worden gerapporteerd.
  11. Vat discriminatie- en classificatieprestaties voor enkele voorspellers en het gecombineerde model samen in Tabel 4.
  12. Voer gevoeligheidsanalyses uit waarbij neutrofiel-lymfocytenverhouding en CD4-positieve/CD8-positieve ratio worden behandeld als continue voorspellers onder dezelfde uitkomstcodering en aanpassingsset.
  13. Rapporteer de resultaten van gevoeligheidsanalyse als Aanvullende Tabel S1.
  14. Controleer de consistentie tussen waarden in de manuscripttekst en de bijbehorende tabellen en figuren en archiveer de uiteindelijke uitvoerbestanden en de gebruikte softwareversie.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Basiskenmerken
Klinische basiskenmerken van de 102 patiënten met niet-kleincellige longkanker worden samengevat in Tabel 1. De responsgroep (volledige respons + gedeeltelijke respons) bestond uit 30 mannen en 9 vrouwen, terwijl de niet-responsgroep (stabiele ziekte + progressieve ziekte) 50 mannen en 13 vrouwen omvatte (p = 0,771). In de responsgroep was 79,49% van de patiënten jonger dan 65 jaar, vergeleken met 66,67% in de niet-responsgroep. Er werd...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Immuuncheckpointremming is een essentieel onderdeel geworden van systemische therapie voor gevorderde niet-kleincellige longkanker (NSCLC), maar klinisch betekenisvolle voordelen blijven geconcentreerd in een subgroep vanpatiënten van 15˒16. Deze responsheterogeniteit, samen met de kosten en potentiële toxiciteit van langdurige behandeling, maakt vroege responsstratificatie klinisch relevant voor vervolgplanning en tijdige herbeoordeling

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs geven aan dat er geen concurrerende financiële belangen of persoonlijke relaties zijn die invloed hadden kunnen hebben op het werk dat in dit artikel wordt gerapporteerd.

Dankbetuigingen

Wij danken de afdeling Pathologie en het Centraal Laboratorium van het Binhaiwan Central Hospital van Dongguan voor de technische ondersteuning met immunohistochemie en flowcytometrie. Dit werk werd ondersteund door het Guangdong Medical Science and Technology Research Fund Project (Subsidie nr. B2022247).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Geautomatiseerde hematologie analyzerSysmex CorporationXN-1000Volledig bloedbeeld en NLR-berekening
HelderveldmicroscoopOlympusBX53Histologische evaluatie
Citraat antigeenretrieval buffer (pH 6,0)Abcamab93678Warmte-geïnduceerde antigeenretrieval
DAB substraat kitVector LaboratoriesSK-4100Chromogeen ontwikkeling
EDTA anticoagulant bloedafnamebuisjeBD Biosciences367525Perifere bloedafname
Flow cytometerBD BiosciencesFACSCanto IIT-cel subset analyse
Flow cytometry buisjes (12 figure-materials-1 75 mm)BD Falcon352058Monster afname buisjes
Formaline-gefixeerd paraffine-ingebedde tumorweefselblokkenClinical Pathology ArchiveN/ANSCLC tumor monsters
Vier-kleurig T-cel subset reagens (CD3/CD4/CD8/CD45)BD Biosciences340499Voor detectie van lymfocyten subset
Hematoxyline kleurstofSigma-AldrichH3136Kern contrakleuring
HRP detectie kitDako (Agilent)K5007Secundaire antilichaam detectiesysteem
Ki-67 primaire antilichaam (kloon MIB-1)Abcamab16667Immunohistochemische detectie
MicrotoomLeica MicrosystemsRM2235Snijden van 4 figure-materials-2 m FFPE secties
Fosfaat-gebufferde saline (PBS)Thermo Fisher Scientific10010023Cel wassen en hersuspensie
Positief geladen microscoopglaasjesThermo Fisher ScientificJ1800AMNZMontage van weefselsecties
Rode bloedcel lyserende oplossingBD Biosciences349202Erytrocyt lysis voor flow cytometry
Statistisch analyse softwareIBMSPSS v26.0Gegevensanalyse

Referenties

  1. Chen, Z., et al. Non-small-cell lung cancers: a heterogeneous set of diseases. Nat. Rev. Cancer. 14 (8), 535-546 (2014).
  2. Kotecha, J., et al. Evaluating the delay prior to primary care presentation in patients with lung cancer: a cohort study. BJGPO Open. 5 (2), (2021).
  3. Cheng, E. S., Weber, M., Steinberg, J., Yu, X. Q. Lung cancer risk in never-smokers: An overview of environmental and genetic factors. Chin J Cancer Res. 33 (5), 548-562 (2021).
  4. Hamilton, W., Peters, T. J., Round, A., Sharp, D. What are the clinical features of lung cancer before the diagnosis is made. A population based case-control study. 60 (12), 1059-1065 (2005).
  5. Caswell, G., Seymour, J., Crosby, V. Lung cancer diagnosed following an emergency admission: Exploring patient and carer perspectives on delay in seeking help. Support Care Cancer. 25 (7), 2259-2266 (2017).
  6. Li, F., Liao, B., Wang, T., Qi, T., Wang, Y. Programmed cell death protein 1/programmed cell death protein ligand 1 immunosuppressants in advanced non-small cell lung cancer: Research progress in treatment. Front Pharmacol. 13, 918709(2022).
  7. Liao, W., Huang, J., Hutton, D., Li, Q. Cost-effectiveness analysis of first-line pembrolizumab treatment for PD-L1 positive, non-small cell lung cancer in China. J Med Econ. 22 (4), 344-349 (2019).
  8. Schneider, B. J., et al. Management of immune-related adverse events in patients treated with immune checkpoint inhibitor therapy: ASCO guideline update. J Clin Oncol. 39 (36), 4073-4126 (2021).
  9. Dong, A., Zhao, Y., Li, Z., Hu, H. PD-L1 versus tumor mutation burden: Which is the better immunotherapy biomarker in advanced non-small cell lung cancer. J Gene Med. 23 (2), e3294(2021).
  10. Mitchell, K. G., et al. Tumor cellular proliferation is associated with enhanced immune checkpoint expression in stage I non-small cell lung cancer. J Thorac Cardiovasc Surg. 158 (3), 911-919.e6 (2019).
  11. Jiang, T., et al. Clinical value of neutrophil-to-lymphocyte ratio in patients with non-small-cell lung cancer treated with PD-1/PD-L1 inhibitors. Lung Cancer. 130, 76-83 (2019).
  12. Yang, T., et al. Prognostic value of derived neutrophil-to-lymphocyte ratio (dNLR) in patients with non-small cell lung cancer receiving immune checkpoint inhibitors: a meta-analysis. BMJ Open. 11 (9), e049123(2021).
  13. Su, S., et al. Predictive value of peripheral blood biomarkers in patients with non-small-cell lung cancer responding to anti-PD-1-based treatment. Cancer Immunol Immunother. 73 (1), 12(2024).
  14. Riley, L. K., Rupert, J. Evaluation of patients with leukocytosis. Fam Physician. 92 (11), 1004-1011 (2015).
  15. Cossarizza, A., et al. Guidelines for the use of flow cytometry and cell sorting in immunological studies. J Immunol. 51 (12), 2708-3145 (2021).
  16. Leung, S. C. Y., et al. Analytical validation of a standardized scoring protocol for Ki67: phase 3 of an international multicenter collaboration. NPJ Breast Cancer. 2, 16014(2016).
  17. Wang, J., Fan, X., Zhang, J. Clinical value of peripheral blood circulating tumor DNA in predicting the efficacy of immunotherapy for non-small cell lung cancer. Thorac Dis. 15 (5), 2659-2667 (2023).
  18. Li, H., van der Merwe, P. A., Sivakumar, S. Biomarkers of response to PD-1 pathway blockade. BR J Cancer. 126, 1663-1675 (2022).
  19. Sholl, L. M. Biomarkers of response to checkpoint inhibitors beyond PD-L1 in lung cancer. Mod Pathol. 35, 66-74 (2022).
  20. Narayanan, S., Guder, W. G. Preanalytical Variables and Their Influence on the Quality of Laboratory Results. EJIFCC. 13 (1), 9-12 (2001).
  21. Maecker, H. T., McCoy, J. P., Nussenblatt, R. Standardizing immunophenotyping for the Human Immunology Project. Nat Rev Immunol. 12 (3), 191-200 (2012).
  22. Dowsett, M., et al. Assessment of Ki67 in breast cancer: recommendations from the International Ki67 in Breast Cancer working group. Natl Cancer Inst. 103 (22), 1656-1664 (2011).
  23. Eisenhauer, E. A., et al. New response evaluation criteria in solid tumours: revised RECIST guideline (version 1.1). Eur J Cancer. 45 (2), 228-247 (2009).
  24. Fenizia, F., et al. Measuring tumor mutation burden in non-small cell lung cancer: tissue versus liquid biopsy. Transl Lung Cancer Res. 7 (6), 668(2018).
  25. Royston, P., Altman, D. G., Sauerbrei, W. Dichotomizing continuous predictors in multiple regression: a bad idea. Stat Med. 25 (1), 127-141 (2006).
  26. Moons, K. G. M., et al. Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD): explanation and elaboration. Ann Intern Med. 162 (1), W1-W73 (2015).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Meer artikelen verkennen

Ki-67-expressieneutrofiel-lymfocytenratioCD4-CD8-ratioPD-1-remmerPD-L1-remmervoorspelling van vroege responstumorbiomarkerslogistische regressieresponsbeoordelingscriteria
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.