PRECOG数据库重大更新：整合成人、儿科及免疫治疗队列的基因表达与临床结局关联资源

《Nucleic Acids Research》：PRECOG update: an augmented resource of clinical outcome associations with gene expression for adult, pediatric, and immunotherapy cohorts

本刊推荐：为解决癌症预后生物标志物资源分散、缺乏跨疗法比较的问题，研究人员开展PRECOG数据库更新研究，新增超1万成人患者、3000儿科患者及4000免疫治疗患者数据，通过Cox回归和CIBERSORTx计算基因/细胞类型与生存关联的z分数，实现跨人群、跨疗法的生物标志物发现，为精准医疗提供开放资源。

　　

随着精准医疗时代的到来，基因表达谱已成为预测癌症患者临床结局的重要工具。然而，当前存在的生物标志物资源往往存在数据分散、分析方法不统一、跨人群比较困难等局限。特别是在免疫治疗迅猛发展的背景下，如何系统评估基因表达在传统疗法与免疫检查点抑制剂（ICI）治疗中的预后价值，成为肿瘤研究领域的迫切需求。斯坦福大学研究团队早在2015年建立的PRECOG（PREdiction of Clinical Outcomes from Genomic Profiles）数据库，作为首个全面整合基因表达与患者生存关联的资源，为这一领域奠定了重要基础。但经过十年发展，原有数据库在癌症类型覆盖、儿科肿瘤代表性和免疫治疗数据整合方面已显不足。

为解决这些问题，研究人员对PRECOG进行了全面升级，相关成果发表于《Nucleic Acids Research》。本研究通过系统收集近年公开的基因表达数据集，显著扩充了数据库规模，特别是原先代表性不足的成人癌症类型，并首次整合了儿科肿瘤和免疫治疗队列。更新后的PRECOG包含约35,000名患者数据，较原版本规模翻倍，为比较不同癌症类型、年龄群体和治疗方式的生物标志物提供了统一平台。

研究方法上，团队从Gene Expression Omnibus、ArrayExpress等公共数据库筛选具有临床结局数据的基因表达数据集，严格遵循样本量（n≥50）和技术平台标准。对符合条件的数据进行标准化预处理，包括基因ID统一、表达量对数转换、分位数归一化和缺失值填补。关键分析技术包括：使用Cox比例风险回归计算时间-事件结局的基因水平z分数，逻辑回归用于应答者与非应答者分类；通过CIBERSORTx计算22种免疫细胞类型的比例及其与结局的关联；采用Liptak加权meta-z检验和Stouffer法计算癌种特异性及泛癌meta-z分数。

更新癌症类型和z分数结果

研究新增10,244名成人患者，涵盖57个数据集和32个癌症亚型，使数据库规模增加57%。特别关注了原先代表性不足的癌症类型，如胰腺腺癌（PDAC）样本量从102例增至870例，显著提升了基因集富集分析的统计效能。更新后，26个Hallmark基因集从非显著变为显著，包括"IFNα反应"和"TNFα信号通过NFκB"等与PDAC生物学相关的通路，验证了扩充数据对生物标志物发现的增强作用。

儿科PRECOG分析

儿科PRECOG整合了12种癌症的3,094例患者数据。成人vs儿科基因水平meta-z分数显示显著相关（R=0.47），Hallmark通路富集分数高度相关（R=0.76），但"雌激素反应"等成人特异性通路存在差异。免疫细胞比例在成人与儿科癌症间高度相关（R=0.78），但细胞比例与结局的关联除中性粒细胞外均无相关性，提示肿瘤微环境功能存在发育阶段特异性。

ICI PRECOG构建与分析

免疫治疗队列包含4,045例患者，涵盖20种癌症和69个数据集。基因水平meta-z分数显示T细胞耗竭基因（如TIGIT、LAG3）成为有利预后标志，而DOK4（T细胞活化负调控因子）为最不利标志。与常规治疗相比，ICI治疗背景下M1巨噬细胞和肥大细胞从有利因素转为不利因素，揭示了治疗方式对生物标志物意义的重塑。

新功能开发

网站新增"分析"标签页，支持基因vs基因、细胞类型vs细胞类型、癌症类型vs癌症类型的meta-z分数比较，增强了数据的可探索性。

本研究通过系统整合和扩充PRECOG资源，建立了目前最全面的基因表达-临床结局关联数据库。其重要意义在于：统一的分析流程确保了跨研究数据的可比性；严格的临床亚型分层（如头颈癌亚型、NSCLC组织学亚型）提升了生物标志物发现的精确度；成人-儿科-免疫治疗三模块设计支持发育生物学和治疗反应机制的对比研究。特别是中性粒细胞在成人和儿科癌症中均显示不利预后价值，为肿瘤相关炎症研究提供了新方向。该开放资源将加速新型生物标志物的发现，促进精准医疗在更广泛人群中的实施。