Einleitung und Ziele:
Das oligo-metastasierte kolorektale Karzinom (CRC) stellt eine potentiell kurable
Erkrankung dar. Ausgewählte Patienten profitieren langfristig von einer Resektion
limitierter kolorektaler Metastasierung, andere Patienten hingegen erleiden kurzfristig
Rezidive und einen Progress der Erkrankung. Die Zielsetzung der Studie war es daher,
tumorbiologische prognostische Charakteristika auf Transkriptom- und Proteom-Ebene
zu identifizieren und die Konsensus molekulare Subtypisierung (CMS), wie sie für Primärtumore
etabliert ist, im metastatischen Gewebe zu untersuchen. Darüber hinaus sollten organspezifische
Expressionsmuster für Leber- und Hirnmetastasen evaluiert werden.
Methodik:
Insgesamt konnte Gewebe von 61 an einem CRC erkrankten Patienten mit limitierter Leber-
oder OP-bedürftiger Hirnmetastasierung untersucht werden. Metastasengewebe wurde frisch
gesammelt und mittels RNA-seq und Reverse-Phase-Protein-Array innerhalb des BMBF-geförderten
Konsortiums MetastaSys untersucht. Mithilfe der Expressionsdaten erfolgte die molekulare Subtypisierung
der Metastasen sowie die Korrelation mit kliniko-pathologischen Daten und dem onkologischen
Langzeitverlauf der Patienten.
Ergebnis:
Die RNA- und Proteinexpression der untersuchten CRC Leber- und Hirnmetastasen zeigte
eine signifikant unterschiedliche Signatur (p < 0,001) in Abhängigkeit des Organorts
der Metastasierung. Eine Zuordnung gemäß der CMS war für einen Großteil der Metastasen
möglich und ergab interessanterweise für Lebermetastasen überwiegend den mesenchymalen
CM-Subtyp 4, während sich die meisten Hirnmetastasen dem metabolischen CM-Subtyp 3
zuordnen ließen. In Lebermetastasen zeigte sich der CM-Subtyp 4 als prognostisch günstig
(p = 0,018) mit einem 3-Jahresüberleben nach Metastasenresektion von 73,3% der Patienten.
Schlussfolgerung:
Die Verteilung der CMS unterscheidet sich in dem hier untersuchten Kollektiv von der
aus Primärtumoren bekannten. Die CMS in CRC Metastasen bedarf weiterer Untersuchungen,
könnte sich aber zukünftig als wertvoller Prognosemarker eignen und Therapiestratifizierung
erleichtern.
