Application of Linear Accelerator on Boarding Kilovolt Fan Beam CT and Megavolt Cone Beam CT System on Set-up Errors During Radiation Treatment
-
摘要:目的
应用直线加速器机载千伏级扇形束CT(kV-FBCT)及兆伏级锥形束CT(MV-CBCT)定量分析不同治疗部位的肿瘤患者调强放射治疗期间的摆位误差,为制定临床靶区外放边界提供参考。
方法回顾性分析我科行放射治疗的患者,分别于每次常规摆位后,调强放射治疗前行kV-FBCT和(或)MV-CBCT扫描,与计划CT配准,纠正摆位,获取每次摆位误差,根据患者的位移计算不同治疗部位患者在左右、前后、头脚方向上的平均位移M、系统误差(Σ)和随机误差(б),通过PTV边界公式(2.5Σ+0.7б)估计在该方向所需要的外放边界。根据同一个患者的单次放疗获得三维位移。
结果70例患者共记录到1 130人次位移偏差,根据外扩边界公式得出三个方向上所需的PTV边界。头颈1.9~3.1 mm,胸部2.8~5.1 mm,乳腺4.6~5.1 mm,上腹部3.0~5.5 mm及盆腔3.5~6.8 mm。3D平均位移头颈、胸部、乳腺、上腹部和盆腔分别为2.4±1.0 mm、4.0±1.6 mm、4.1±2.0 mm、4.6±2.1 mm及4.6±2.1 mm。利用kV-FBCT和MV-CBCT校位所得3D位移中位值分别为:4.1 mm和3.4 mm,差异无统计学意义(P=0.212)。
结论直线加速器机载FBCT均可获得相似的可定量的摆位误差数据,但非等中心的影像引导所致的潜在误差不能忽略。
Abstract:ObjectiveTo quantify the setup errors for the different anatomical sites of patients who received intensity-modulated radiotherapy (IMRT) with linear accelerator on-board kilovolt fan beam CT(kV-FBCT) as non-isocenter IGRT and megavolt cone beam CT (MV-CBCT) as isocenter IGRT.
MethodsA retrospective analysis was performedon 70 patients who underwent radiotherapy, kV-FBCT, and/or MV-CBCT scans after each routine setup prior to IMRT. The average displacement (M), systematic error (Σ), and random error (б) at different treatment sites in the left-right, anterior-posterior, and cranial-caudal directions were calculated according to the individual displacements. The formula 2.5Σ+0.7б was used to estimate the PTV margin in respective direction. For each single patient, the root mean square in three directions was used as 3D displacement.
ResultsA total of 1130 displacements were recorded in the 70 patients. The PTV margin was estimated to be 1.9-3.1 mm in head and neck cancer, 2.8-5.1 mm in thoracic cancer, 4.6-5.1 mm in breast cancer, 3.0-5.5 mm in upper abdominal cancer, and 3.5-6.8 mm in pelvic tumor. For the 3D mean displacements, the head and neck, thoracic, breast, upper abdominal, and pelvic cancer were 2.4±1.0, 4.0±1.6, 4.1±2.0, 4.6±2.1, and 4.6±2.1 mm, respectively. The average 3D displacement obtained by kV-FBCT and MV-CBCT were 4.1 and 3.4 mm, respectively (P=0.212).
ConclusionThe quantitative setup-error data can be obtained using linear accelerator on-board FBCT, and the non-isocenter IGRT induced set-up error cannot be negligible.
-
Key words:
- On-board image system /
- Set-up error /
- Image-guided radiation therapy
-
0 引言
子宫内膜癌是女性生殖道三大恶性肿瘤之一,占女性生殖道恶性肿瘤的25%左右,近20年全球范围内的发病率逐年上升且呈现年轻化趋势。据中国癌症流行病学统计显示,我国子宫内膜癌每年新发病率为634/105,死亡率为21.8/105[1]。子宫内膜癌目前以手术治疗为主,但中晚期及复发患者常常因转移等失去手术机会,且化、放疗效果不理想,使其5年生存率仅维持在20%~57%[2-5]。因此,子宫内膜癌的早期发现及治疗至关重要,寻找子宫内膜癌生物学功能相关基因,用于早期诊断和治疗内膜癌的有效分子治疗靶点已经成为亟待解决的科学问题。RNA结合基序蛋白8A(RBM8A)是外显子连接复合体(EJC)的核心因子。EJC在真核生物中充当转录后调控网络中的节点[6-7]。RBM8A基因位于染色体1q21.1,在细胞中大量表达,在细胞质和细胞核之间穿梭[8-9]。有文献报道,RBM8A促进脑恶性胶质瘤的生长及迁移[10-11],且在肝癌中高表达并促进肿瘤进展[12-13]。但其在子宫内膜癌发生发展中的作用机制仍不明确。本研究拟探讨RBM8A对子宫内膜癌细胞HEC-1A增殖、凋亡、迁移、侵袭等生物学行为的影响,探索RBM8A在子宫内膜癌中发挥作用的通路,从而明确其在子宫内膜癌发生发展中的作用,为开发子宫内膜癌新的治疗靶点提供理论基础。
1 材料与方法
1.1 细胞系和细胞培养
人子宫内膜HEC-1A细胞株购自中国科学院细胞库(中国上海),在RPMI1640(Hyclone Laboratories, Logan, UT, 美国)培养基中培养。培养基中添加10%胎牛血清(澳大利亚悉尼Gibco公司)和1%青霉素-链霉素,并在37℃、5%CO2二氧化碳培养箱中孵育。
1.2 抗体与试剂
RBM8A抗体购自美国Proteintech公司,E-cadherin抗体、Vimentin抗体、cleaved-caspase9、cleaved-caspase3抗体及GAPDH内参均购自美国CST有限公司。RBM8A敲低质粒及空载质粒构建由上海吉凯基因化学技术有限公司完成。反转录试剂盒及2×SYBR Green qPCR Mix试剂盒均购自上海翊圣生物科技有限公司。CCK-8试剂盒购自上海碧云天生物技术有限公司。1×Bradford蛋白定量试剂盒购自美国Bio-Rad公司。Transwell小室购自美国Corning公司。RBM8A引物及GAPDH内参引物由北京擎科生物科技有限公司合成。RBM8A引物:正义:5’-GATGGGGACGAGAGCATTCAC-3’,反义:5’-CGCTGTCATAATCCTCACGCA-3’;GAPDH内参引物:正义:5’-CTGGCCAAGGTCATCCATGAC-3’,反义:5’-CTTGCCCACAGCCTTGGCAG-3’。
1.3 方法
1.3.1 实时定量PCR法检测RBM8A mRNA表达水平
取对数生长期HEC-1A细胞,胰酶消化,离心收集细胞,TRIzol法提取总RNA,反转录合成cDNA。以cDNA为模板,RT-qPCR法检测细胞中RBM8A mRNA水平。以GAPDH为内参,计算RBM8A相对表达量,绘制溶解曲线,最终数据以2-△△Ct方法进行分析。实验重复3次。
1.3.2 慢病毒感染
将对数生长期HEC-1A细胞按3×105个/孔接种于6孔板,培养24 h待细胞贴壁,融合至50%左右时,根据预实验结果,加入等量病毒上清液(其中无意义序列shControl为对照组,shRBM8A为实验组)感染细胞6 h后换液,48 h后荧光显微镜观察感染效率,待感染效率达80%时,用嘌呤霉素筛选感染成功的HEC-1A细胞并获得稳转细胞株用于后续实验。RT-qPCR及Western blot法鉴定慢病毒过表达效果。
1.3.3 细胞增殖实验
CCK-8法检测细胞增殖。取实验组及对照组处对数生长期的HEC-1A细胞,胰酶消化计数,使细胞密度为2×104个/毫升,按每孔200 μl接种于96孔板,每组均设置5个复孔,于37℃、5%CO2培养箱中培养。分别在培养1、2、3、4、5 d时每孔加20 μl CCK-8检测试剂继续培养45 min,酶标仪检测各孔在波长450 nm处的OD值,并绘制细胞生长曲线,OD值越大表示活细胞数越多,细胞增殖越快。实验重复3次。
1.3.4 Transwell实验
取Transwell小室置于24孔板,将shControl、shRBM8A组HEC-1A细胞,胰蛋白酶消化,完全培养基终止消化,离心后弃上清液,用无血清的培养基重悬,使其细胞密度为5×105个/毫升。迁移试验:取上述重悬细胞,上室加入200 μl细胞悬液,下室加入700 μl含10%胎牛血清的培养基。培养48 h后,取出小室,PBS清洗3次,棉签轻轻擦拭上室细胞,4%多聚甲醛固定15 min,0.4%结晶紫染色5 min,PBS清洗干净并晾干,显微镜下随机取5个视野细胞计数并取平均值。侵袭试验:将基质胶与无血清培养基按1:8稀释后,均匀铺在Transwell小室底部膜的上室面(50 μl),室温干燥后待用。上室加入上述细胞悬液100 μl,下室内加入700 μl含10%胎牛血清的培养基。后续操作同迁移试验,所有实验重复3次。
1.3.5 流式凋亡检测
取对数生长期细胞,制成单细胞悬液,按1×106细胞/孔接种于6孔板。次日,细胞贴壁后,加入等量病毒上清液(其中无意义序列shControl为对照组,shRBM8A为实验组),继续培养72 h,细胞用不含EDTA的胰酶消化至皿底呈花斑状,用完全培养基终止消化后转移至15 ml离心管,转速300 g,4℃离心5 min,弃上清液。用预冷的PBS 300 g离心力,4℃离心5 min,洗涤细胞两次,吸去PBS,加入100 μl 1×Binding Buffer重悬细胞。加入5 μl Annexin V-FITC和10 μl PI染液,轻轻混匀。避光、室温反应10~15 min。样品在1 h内用流式细胞仪检测,结果用FlowJo_V10软件分析。实验重复3次。
1.3.6 Western blot检测蛋白水平
收集各组细胞,加入MCLB细胞裂解液,提取总蛋白,Bradford法检测蛋白浓度。根据各组蛋白浓度上样总量25 mg,以80~120 V电压进行SDS-PAGE电泳,分离后360 mA转膜90 min,封闭1 h后加入相应一抗,4℃孵育过夜。次日,将膜取出,TBST缓冲液清洗3次,加入二抗室温孵育40 min;TBST缓冲液洗涤3次,每次10 min。在凝胶成像系统利用超敏ECL化学发光底物曝光显影并保存数据。以GAPDH为内参,分析目的蛋白相对表达量。实验重复3次。
1.4 统计学方法
所有数据采用GraphPad Prism 8.0版本用于统计分析和绘图。计量资料以(x±s)表示,连续变量组间比较用Student’s t检验,所有检验均为双边检验,P < 0.05为差异有统计学意义。
2 结果
2.1 RBM8A在子宫内膜癌中高表达
TCGA数据库分析,RBM8A在子宫内膜癌中表达量高于正常子宫内膜组织(P < 0.05),差异有统计学意义,见图 1。
图 1 TCGA示RBM8A在正常子宫内膜和子宫内膜癌组织中的差异表达*: P < 0.05; T: endometrial cancer tissues; N: normal endometrial tissues. TCGA data showed that the expression of RBM8A in endometrial cancer tissues (174 cases) was higher than that in normal endometrial tissues (91 cases), and the difference was statistically significant.Figure 1 TCGA showed that the expression of RBM8A was different in normal endometrial and eddometrial cancer tissues2.2 慢病毒敲低RBM8A对HEC-1A细胞的效率
细胞转染对照组及敲低RBM8A病毒后,收取细胞沉淀,提取细胞RNA,并反转录成CDNA,RT-qPCR法证明其RBM8A基因被敲低。实验组HEC-1A细胞中RBM8A mRNA相对表达量明显低于对照组,差异有统计学意义(P < 0.001),见图 2A。此外,收取另一部分细胞沉淀,提取细胞蛋白。Western blot法证明在HEC-1A shRBM8A细胞中RBM8A蛋白表达降低,见图 2B。提示携带重组慢病毒感染HEC-1A细胞成功。
2.3 RBM8A对HEC-1A细胞增殖的影响
细胞消化计数后种入96孔板后,每天同一时间测细胞OD值,持续5天,两组细胞的OD值均逐渐升高,与对照组相比,实验组2~4天OD值均较低,且差异有统计学意义。提示敲低RBM8A能抑制HEC-1A细胞的增殖,见图 3。
2.4 RBM8A对HEC-1A细胞凋亡的影响
通过测定Annexin V染色细胞的数量,观察细胞凋亡程度。我们发现当RBM8A被敲低后,HEC-1A细胞凋亡明显增加(22.97% vs. 7.51%, P=0.0010),见图 4。
2.5 RBM8A对HEC-1A细胞迁移和侵袭的影响
与对照组相比,实验组细胞的迁移及侵袭数量明显减少,见图 5。提示降低RBM8A表达能抑制子宫内膜癌细胞HEC-1A的迁移(P=0.0001)和侵袭(P=0.0013),差异有统计学意义。
2.6 RBM8A对凋亡相关蛋白表达的影响
敲低RBM8A后,HEC-1A细胞中cleaved-caspase9及cleaved-caspase3表达明显升高,见图 6。说明敲低RBM8A激活了细胞内源性凋亡通路。
2.7 RBM8A对EMT通路相关蛋白表达的影响
相比对照组,实验组E-cadherin蛋白表达升高,Vimentin表达降低,见图 7。提示敲低RBM8A可抑制HEC-1A细胞的EMT过程。
3 讨论
据最新流行病学数据统计,子宫内膜癌的发病率和相关死亡率每年都在上升[14]。近年来,子宫内膜癌的手术治疗已不断完善。来自癌症的数据基因组图谱(TCGA)项目提高了我们对子宫内膜癌异质性的认识[15-17]。这种新知识已经更加开放了针对复发性疾病的靶向治疗选择。随着肥胖率继续上升,子宫内膜癌预防和治疗都需要新的方法,来解决不断增加的子宫内膜癌病例和相关死亡。
无意义介导的mRNA衰减(nonsense-mediated RNA decay, NMD)通路中关键因子的异常表达与各种类型的癌症有关[18]。NMD通路通过消除终止密码子mRNA的转录,以及降解编码细胞生长、迁移和细胞存活的蛋白质,帮助调节细胞功能[19-20]。有文献报道NMD功能的丧失会促进肿瘤的生长和侵袭[21],这表明靶向NMD通路的关键因子可能对癌症治疗有效[22-24]。
其中一个NMD因子是RBM8A,它是外显子连接复合体的核心因子,有助于调节RNA转录、翻译、细胞周期调节和凋亡[8, 25-27]。RBM8A在多种类型的肿瘤中异常表达,包括宫颈癌、非小细胞肺癌、骨髓瘤和肝细胞癌[28-30]。文献报道,它与转录因子STAT3结合,促进其DNA结合,从而上调靶基因[31]。然而RBM8A在子宫内膜癌中的作用尚未见报道。本研究中,我们发现RBM8A在子宫内膜癌组织中高表达,因此我们探讨了RBM8A表达水平对子宫内膜癌细胞生物学行为的影响。我们发现,与正常子宫内膜组织比较,子宫内膜癌组织中RBM8A表达升高,抑制RBM8A的表达会抑制细胞生长和侵袭能力,促进细胞的凋亡。然而导致这一现象的具体作用机制尚不清楚,需要进一步探讨。
凋亡是一种严格受控的细胞死亡模式,以核固缩、细胞皱缩、细胞膜起泡和DNA片段化为特征。凋亡的核心调控分子是caspase。我们观察到,敲低RBM8A后细胞凋亡增加。为了验证这一现象,我们通过Western blot检测有活性的caspase蛋白。结果发现敲低RBM8A后,cleaved-caspase9及cleaved-caspase3表达增加,这提示与凋亡信号和活动紧密相联系的“启动型”caspase-9通过剪切和活化激活下游的“执行型”caspase-3,从而引起最终细胞程序性死亡。
上皮细胞-间充质转化(EMT),是指上皮细胞通过特定程序转化为具有间质表型细胞的生物学过程。EMT在胚胎发育、慢性炎性反应、组织重建、癌症转移和多种纤维化疾病中发挥了重要作用[32],其主要的特征有细胞黏附分子(如E-钙黏蛋白)表达减少、细胞角蛋白细胞骨架转化为波形蛋白(Vimentin)为主的细胞骨架及形态上具有间充质细胞的特征等。通过EMT,上皮细胞失去了细胞极性,失去与基底膜的连接等上皮表型,获得了较高的迁移与侵袭、抗凋亡和降解细胞外基质的能力等间质表型。阐明调控恶性肿瘤细胞发生EMT过程的分子机制,明确其在恶性肿瘤的发生、发展、转移中的病理意义,并探索基于EMT关键分子的诊断方法及靶向EMT关键分子的治疗手段是肿瘤转移中EMT机制研究的关键科学问题。本研究结果显示,敲低RBM8A后HEC-1A细胞E-cadherin蛋白表达水平显著升高,而Vimentin蛋白表达水平显著降低,表明HEC-1A细胞EMT过程受到抑制,提示降低RBM8A后是通过抑制EMT过程导致子宫内膜癌细胞增殖、迁移和侵袭受到抑制。
综上所述,本研究通过体外实验证实沉默RBM8A基因可致子宫内膜癌细胞的增殖、迁移、侵袭并促进细胞凋亡,抑制EMT信号转导通路可能是其作用机制。由于本课题组条件有限,未进行动物实验验证其作用。未来可继续通过人体组织表达验证及动物皮下成瘤验证RBM8A在子宫内膜癌中的作用及机制。RBM8A有望成为子宫内膜癌的分子靶向治疗新的靶点。
Competing interests: The authors declare that they have no competing interests.利益冲突声明:所有作者均声明不存在利益冲突。作者贡献:周勇、谭文勇:课题设计、资料分析、统计学分析、论文撰写与修改江泽莹、苏宝锋、周剑烽、王骞、王安婷、刘静娴、薛琰、冯惠仪、吴小亮、肖明星:数据收集与分析、论文撰写与讨论 -
表 1 70例患者kV-FBCT和MV-CBCT引导所得的不同解剖部位的三维方向摆位误差值(mm)
Table 1 Set-up errors indifferent anatomical sites of 70 patients with kV-FBCT and MV-CBCT guidance (mm)
表 2 70例患者kV-FBCT和MV-CBCT测得的不同解剖部位各方向外扩边界及三维位移值(mm)
Table 2 Estimated PTV margin and 3D displacements of the different anatomical sites in 70 patients from kV-FBCT and MV-CBCT in each direction (mm)
表 3 不同图像引导方式的三维位移值(mm)
Table 3 3D displacement values by different image-guiding methods (mm)
-
[1] Jaffray DA. Image-guided radiotherapy: from current concept to future perspectives[J]. Nat Rev Clin Oncol, 2012, 9(12): 688-699. doi: 10.1038/nrclinonc.2012.194
[2] Baumann M, Krause M, Overgaard J, et al. Radiation oncology in the era of precision medicine[J]. Nat Rev Cancer, 2016, 16(4): 234-249. doi: 10.1038/nrc.2016.18
[3] van Herk M. Different styles of image-guided radiotherapy[J]. Semin Radiat Oncol, 2007, 17(4): 258-267. doi: 10.1016/j.semradonc.2007.07.003
[4] Elstrøm UV, Muren LP, Petersen JB, et al. Evaluation of image quality for different kV cone-beam CT acquisition and reconstruction methods in the head and neck region[J]. Acta Oncol, 2011, 50(6): 908-917. doi: 10.3109/0284186X.2011.590525
[5] Garayoa J, Castro P. A study on image quality provided by a kilovoltage cone-beam computed tomography[J]. J Appl Clin Med Phys, 2013, 14(1): 3888.
[6] van Herk M. Errors and margins in radiotherapy[J]. Semin Radiat Oncol, 2004, 14(1): 52-64. doi: 10.1053/j.semradonc.2003.10.003
[7] Heimann T, Meinzer HP. Statistical shape models for 3D medical image segmentation: a review[J]. Med Image Anal, 2009, 13(4): 543-563. doi: 10.1016/j.media.2009.05.004
[8] Tan W, Li Y, Han G, et al. Target volume and position variations during intensity-modulated radiotherapy for patients with nasopharyngeal carcinoma[J]. Onco Targets Ther, 2013, 6: 1719-1728.
[9] Lechuga L, Weidlich GA. Cone Beam CT vs. Fan Beam CT: A Comparison of Image Quality and Dose Delivered Between Two Differing CT Imaging Modalities[J]. Cureus, 2016, 8(9): e778.
[10] Lee AW, Lin JC, Ng WT. Current management of nasopharyngeal cancer[J]. Semin Radiat Oncol, 2012, 22(3): 233-244. doi: 10.1016/j.semradonc.2012.03.008
[11] Tan W, Ye J, Xu R, et al. The tumor shape changes of nasopharyngeal cancer during chemoradiotherapy: the estimated margin to cover the geometrical variation[J]. Quant Imaging Med Surg, 2016, 6(2): 115-124. doi: 10.21037/qims.2016.03.07
[12] Su J, Chen W, Yang H, et al. Different setup errors assessed by weekly cone-beam computed tomography on different registration in nasopharyngeal carcinoma treated with intensity-modulated radiation therapy[J]. Onco Targets Ther, 2015, 8: 2545-2553.
[13] Donovan EM, Castellano I, Eagle S, et al. Clinical implementation of kilovoltage cone beam CT for the verification of sequential and integrated photon boost treatments for breast cancer patients[J]. Br J Radiol, 2012, 85(1019): e1051-1057. doi: 10.1259/bjr/28845176
[14] Ipsen S, Bruder R, Kuhlemann I, et al. A visual probe positioning tool for 4D ultrasound-guided radiotherapy[J]. Annu Int Conf IEEE Eng Med Biol Soc, 2018, 2018: 883-886.
[15] van Herk M, Remeijer P, Rasch C, et al. The probability of correct target dosage: dose-population histograms for deriving treatment margins in radiotherapy[J]. Int J Radiat Oncol Biol Phys, 2000, 47(4): 1121-1135. doi: 10.1016/S0360-3016(00)00518-6
[16] Zhang Y, Alshaikhi J, Amos RA, et al. Improving workflow for adaptive proton therapy with predictive anatomical modelling: A proof of concept[J]. Radiother Oncol, 2022, 173: 93-101. doi: 10.1016/j.radonc.2022.05.036
[17] Zhang Y, Alshaikhi J, Amos RA, et al. Pre-treatment analysis of non-rigid variations can assist robust intensity-modulated proton therapy plan selection for head and neck patients[J]. Med Phys, 2022, 49(12): 7683-7693. doi: 10.1002/mp.15971
[18] Zhang Y, McGowan Holloway S, Zoë Wilson M, et al. DIR-based models to predict weekly anatomical changes in head and neck cancer proton therapy[J]. Phys Med Biol, 2022, 67(9): 095001. doi: 10.1088/1361-6560/ac5fe2
[19] Huynh E, Hosny A, Guthier C, et al. Artificial intelligence in radiation oncology[J]. Nat Rev Clin Oncol, 2020, 17(12): 771-781. doi: 10.1038/s41571-020-0417-8
[20] Kneepkens E, Bakx N, van der Sangen M, et al. Clinical evaluation of two AI models for automated breast cancer plan generation[J]. Radiat Oncol, 2022, 17(1): 25. doi: 10.1186/s13014-022-01993-9
[21] Tan W, Wang Y, Yang M, et al. Analysis of geometric variation of neck node levels during image-guided radiotherapy for nasopharyngeal carcinoma: recommended planning margins[J]. Quant Imaging Med Surg, 2018, 8(7): 637-647. doi: 10.21037/qims.2018.08.03
-
期刊类型引用(3)
1. 周艺杰,谈顺. lncRNA CRNDE对子宫内膜癌HEC-1A细胞增殖、侵袭及凋亡的影响. 中国优生与遗传杂志. 2024(04): 681-685 . 百度学术
2. 杨娟,吴伟棋,卢秀仪,温柳演,袁绍萍,白艳,吴启文. 鸦胆子苦醇通过TLR9-MyD88信号通路调控Hela细胞凋亡的机制研究. 世界科学技术-中医药现代化. 2024(06): 1481-1489 . 百度学术
3. 徐颖洁,刘明慧,陈佳婧,韩云标,丁奕文,朱瑞颖,陆靖. IL-6/STAT3信号通路介导索拉非尼治疗原发性肝癌耐药机制的研究进展. 现代医药卫生. 2024(17): 3017-3022 . 百度学术
其他类型引用(0)