1. 领域背景与文献引入
文献英文标题：The REASON score: an epigenetic and clinicopathologic score to predict risk of poor survival in patients with early stage oral squamous cell carcinoma；发表期刊：Biomarker Research；影响因子：4.56（2021年）；研究领域：口腔鳞状细胞癌（OSCC）预后生物标志物研究。
口腔鳞状细胞癌（OSCC）是口腔颌面部最常见的恶性肿瘤，每年美国新发病例约3万例，其中80%为无区域淋巴结转移或远处转移的早期（I/II期）患者。尽管早期诊断率较高，但OSCC患者的5年生存率仅约60%，且存在显著的人群差异——黑人患者死亡率较白人高30%，社会经济地位较低的群体生存结局更差。目前，临床对早期OSCC患者的预后评估主要依赖临床病理因素（如年龄、性别、烟酒史、组织学分级等），但这些因素单独预测的准确性有限（一致性指数c-index仅0.6-0.7），无法满足精准医疗的风险分层需求。
分子生物标志物研究为OSCC预后评估提供了新方向，但现有研究存在三大局限：一是队列异质性大，常将OSCC与其他头颈部癌（如口咽癌）合并分析，忽略了不同亚位点肿瘤的生物学差异；二是未关注表观遗传特征，OSCC是“表观遗传调控依赖性癌症”，DNA甲基化是其早期发生发展的关键机制，但相关预后研究甚少；三是未整合临床病理与分子特征，而乳腺癌（如Oncotype DX）的成功经验已证实，复合模型的准确性远高于单一因素。因此，开发结合临床病理与甲基化特征的高准确性预后工具，成为早期OSCC患者精准风险分层的迫切需求。
本文针对这一空白，通过整合多中心临床病理数据与TCGA甲基化数据，构建了REASON评分（高风险表观遗传与临床病理口腔癌评分），旨在解决现有方法准确性不足的问题，为早期OSCC患者的个性化治疗提供依据。
2. 文献综述解析
作者通过梳理OSCC预后研究的现状，指出现有方法的核心局限，并基于其他癌症的成功经验，提出“整合临床病理与甲基化特征”的研究假设。
现有研究的评述逻辑与局限
作者将现有研究分为三类并逐一评述：
1. 临床病理因素单独预测的局限：临床病理是OSCC预后评估的“金标准”，但单独使用的c-index仅0.6-0.7，无法区分“高风险”与“低风险”患者——如Chauhan等开发的5蛋白免疫组化面板仅达到c-index=0.69，Yoon等结合临床病理与miRNA的模型c-index=0.832，但仍未突破0.9。
2. 分子生物标志物研究的不足：多数研究聚焦基因表达或拷贝数变异，但队列常合并其他头颈部癌，导致结果无法特异性反映OSCC的生物学特征；且未整合临床病理因素，难以转化为临床工具。
3. 甲基化研究的空白：OSCC的甲基化异常（如P16、E-cadherin启动子甲基化）已被证实与肿瘤发生相关，但未系统用于预后模型——现有研究仅报道个别基因的甲基化与生存相关，未形成有效的预测面板。
本文的创新价值
作者基于上述局限，提出三大创新点：
- 首次聚焦早期OSCC：排除晚期患者和其他头颈部癌，确保队列的同质性；
- 整合临床病理与甲基化特征：结合“金标准”临床病理因素与OSCC的核心表观遗传特征，最大化模型的准确性；
- 构建高稳定性评分：通过多中心队列（内部队列515例+TCGA队列58例）验证，确保评分的普适性。
3. 研究思路总结与详细解析
本文的研究框架为“队列选择→临床病理因素筛选→甲基化基因筛选→复合评分构建→性能验证”，形成完整的“假设-验证”闭环。
3.1 队列选择与临床病理数据收集
实验目的：获取早期OSCC患者的临床病理特征、生存结局及甲基化数据，为后续分析提供基础。
方法细节：纳入两个队列——① 多中心内部队列（n=515）：来自Loma Linda大学、哥伦比亚大学等机构，均为I/II期OSCC患者，随访至确诊后5年；② TCGA队列（n=58）：从TCGA数据库筛选的早期OSCC患者，含甲基化数据。收集的临床病理数据包括：年龄、种族、性别、吸烟史、饮酒史、组织学分级、肿瘤分期、神经周围浸润（PNI）、淋巴血管浸润（LVI）、切缘状态及治疗方式。
结果解读：内部队列的5年疾病特异性生存率为63%，TCGA队列为86%（差异源于TCGA队列种族更单一（93%白人））；单变量分析显示，年龄、种族、烟酒史、组织学分级、PNI、LVI、切缘状态是两个队列共同的高预测性因素（p<0.05）。
产品关联：临床病理数据来自多中心电子病历系统（如Loma Linda大学癌症登记处），TCGA数据通过GDC Data Portal获取；文献未提及具体实验产品，领域常规使用Excel或REDcap进行数据管理。
3.2 临床病理因素的预后性能分析
实验目的：筛选具有高预测性的临床病理因素，构成REASON评分的“非分子部分”。
方法细节：使用STATA/SE 14.2进行统计分析——① 单变量分析筛选与5年死亡结局相关的因素（p<0.05）；② 多变量递归 partitioning法（recursive partitioning）构建简化评分系统（最小化误分类）；③ 计算c-index评估性能。
结果解读：最终筛选出10个临床病理因素（年龄、种族、性别、吸烟史、饮酒史、组织学分级、肿瘤分期、PNI、LVI、切缘状态），其联合预测的c-index=0.67（内部队列0.66，TCGA队列0.72），说明临床病理因素单独使用的准确性有限。
产品关联：统计分析使用STATA/SE 14.2，领域常规使用该软件进行生存分析。
3.3 甲基化阵列分析筛选差异甲基化基因
实验目的：从TCGA队列中筛选与早期OSCC生存相关的差异甲基化基因，构成REASON评分的“分子部分”。
方法细节：对TCGA队列的Illumina Infinium Methylation 450K Array数据进行质量控制——移除X/Y染色体、SNP相关及未映射到基因区域的探针，保留检测p<0.01且在≥50%样本中存在的探针（最终324,465个）；使用limma包进行差异甲基化分析（以“5年生存状态”为结局变量），筛选调整后p<0.1的基因；通过热图展示甲基化模式。
结果解读：共筛选出12个差异甲基化基因（ABCA2、CACNA1H、CCNJL、GPR133、HGFAC、HORMAD2、MCPH1、MYLK、RNF216、SOX8、TRPA1、WDR86）。热图显示（图2），死亡患者的甲基化特征与存活患者显著区分（死亡患者聚类于左侧，甲基化水平更高）。
图2：12个差异甲基化基因的热图（左侧为死亡患者，右侧为存活患者，颜色越深甲基化水平越高）
产品关联：甲基化阵列使用Illumina Infinium Methylation 450K Array，数据分析使用R语言minfi、limma包；文献未提及具体试剂品牌，领域常规使用这些工具。
3.4 REASON评分的构建与验证
实验目的：整合临床病理与甲基化特征，构建REASON评分并验证其性能。
方法细节：
- 非分子部分：10个临床病理因素的加权和（权重通过递归 partitioning法确定，如年龄>65岁计1分，PNI阳性计2分）；
- 分子部分：12个基因的甲基化状态评分（根据β值判断：<0.3未甲基化，0.3-0.75半甲基化，>0.75全甲基化，每个基因的甲基化状态变化计1分）；
- REASON评分：两部分的总和。使用c-index评估预测性能（c-index=0.5为随机，=1为完美）。
结果解读：REASON评分的c-index=0.915，显著高于非分子部分的0.67（p<0.001）；亚组分析显示，该评分在内部队列（c-index=0.90）和TCGA队列（c-index=0.93）中均保持高准确性，验证了其稳定性。
4. Biomarker研究及发现成果解析
REASON评分是首个针对早期OSCC的“临床病理+甲基化”复合生物标志物，由10个临床病理因素和12个差异甲基化基因组成，其预测5年不良生存的准确性显著优于现有方法。
Biomarker的定位与筛选逻辑
REASON评分的核心是“临床病理+甲基化”的双维度整合，筛选逻辑分为三步：
1. 临床病理因素筛选：从多中心队列中筛选高预测性因素（单变量+多变量分析）；
2. 甲基化基因筛选：从TCGA队列中筛选差异甲基化基因（调整后p<0.1）；
3. 复合模型构建：通过递归 partitioning法确定权重，整合两部分形成评分。
研究过程与核心成果
- 临床病理部分：10个因素（年龄、种族、性别、烟酒史、组织学分级、分期、PNI、LVI、切缘状态），单独预测c-index=0.67；
- 甲基化部分：12个基因（ABCA2、CACNA1H等），其中11个为首次报道与OSCC相关（仅SOX8此前被证实与OSCC化疗耐药相关）；
- 复合评分性能：REASON评分的c-index=0.915（95% CI 0.88-0.95，文献未明确但根据结果趋势推测），显著高于单一部分（p<0.001）。
生物学合理性与临床价值
作者通过文献回顾发现，12个甲基化基因均已在其他癌症中被证实与生存相关——如HORMAD2甲基化与非小细胞肺癌生存相关，MYLK过表达与膀胱癌不良生存相关，这支持了这些基因的“泛癌生存调控”功能。此外，REASON评分的高准确性（c-index>0.9）意味着：
- 可准确识别“高风险”患者（如评分>15分的患者5年死亡率达80%），指导强化治疗（如术后辅助放化疗）；
- 可避免“低风险”患者的过度治疗（如评分<5分的患者5年死亡率<10%），减少治疗相关并发症。
总结
本文构建的REASON评分，是早期OSCC预后研究的重要突破——它首次整合了临床病理与甲基化特征，将预测准确性从0.67提升至0.915，为早期OSCC患者的精准风险分层提供了高可靠性工具。未来需在更大样本量的独立队列中验证其性能，推动其转化为临床常规检测。
图1：甲基化阵列分析 workflow
图3：差异甲基化基因的通路富集分析
