Senologie - Zeitschrift für Mammadiagnostik und -therapie 2015; 12 - A62
DOI: 10.1055/s-0035-1550502

MicroRNA-basierte Klassifikation von Brustkrebs- Subtypen

M Hirschfeld 1, P Bronsert 2, U Wellner 3, K Werner 4, K Thurig 2, M Jäger 5, M Werner 2, E Stickeler 5
  • 1Deutsches Konsortium Translationale Krebsforschung, Dkfz Heidelberg, Universitätsfrauenklinik Freiburg, Freiburg, Deutschland
  • 2Institut für Pathologie, Universitätsklinik Freiburg, Freiburg, Deutschland
  • 3Chirurgische Klinik, Universitätsklinik Schleswig-Holstein, Campus Lübeck, Lübeck, Deutschland
  • 4Deutsches Konsortium Translationale Krebsforschung, Dkfz Heidelberg, Institut für Pathologie, Universitätsklinik Freiburg, Freiburg, Deutschland
  • 5Universitätsfrauenklinik Freiburg, Freiburg, Deutschland

Einleitung/Zielsetzung: Anhand immunhistochemischer Parameter erfolgt die Brustkrebsklassifikation in der klinischen Routine in sechs molekulare Subtypen (Luminal A, Luminal B, Luminal Her2, Her2-enriched, Basal-like und Triple-negative), wobei diese auf nur vier Faktoren beruht (Rezeptoren für Estrogen, Progesteron und Her2/neu, sowie Ki67). Diese Charakterisierung birgt jedoch Limitationen. MicroRNAs sind bekannte Regulatoren tumorbiologischer Prozesse. Ziel unserer Studie waren Untersuchungen zu Brustkrebssubtypen-spezifischen microRNA-Expressionmustern und deren Robustheit als prognostische und prädiktive Biomarker in der klinischen Anwendung.

Material & Methoden: Im Anschluss an clinico-pathologische Überprüfung wurden Gewebeproben aller Brustkrebssubtypen hinsichtlich Tumoranteil mikro-dissektiert und enthaltende microRNA via realtime PCR quantifiziert. Die Expressionsdaten von 16 vorab identifizierten, Subtypen-spezifischen microRNA-Typen und zwei Kontroll-microRNAs wurden in ein künstliches neuronales Netzwerk (ANN) als innovatives, multi-parametrisches Werkzeug, integriert und statistisch ausgewertet.

Ergebnisse: In 96% der Fälle (90 aus 94) konnte die auf der Expression von 16 microRNAs basierende Prädiktion den erwarteten intrinsischen Brustkrebssubtyp nach ANN-Anwendung korrekt vorhersagen. Die Spezifität der Subtypfestlegung rangierte dabei von 100% (Basal-like) bis 85% (Triple-negative), die Sensitivität von 100% (Basal-like) bis 99% (Triple-negative). Weitere Analysen zielten auf die Vorhersagbarkeit einer Lymphknotenbeteiligung ab, wobei Sensitivität und Spezifität in dieser Hinsicht in klinisch-negativen Patientinnen cNO mit 68% bzw. 72% kalkuliert werden konnte.

Zusammenfassung: Diese Studie ermöglicht erste Einblicke in die prognostische und prädiktive Relevanz molekularer microRNA-Expressionsmuster als aussichtsreiche Biomarkerkandidaten für die diagnostische Einordnung intrinsischer Brustkrebssubtypen und somit die Festlegung zusätzlicher clinico-pathologischer Parameter als Grundlage für gezieltere Behandlungsansätze.