譯者：許彥寧

一、 研究背景

腎上腺皮質腫瘤，特別是惡性的，在診斷及預後分析仍然具有挑戰性。這篇文章的目的在於辨識出惡性及存活的分子預測因子。

二、 研究對象與方法

153個單側腎上腺皮質腫瘤以微陣列分析(Microarray)(n=92)或RT-PCR (n=148)進行研究。在ㄧ個訓練標本組(training cohort)中(n=47)，利用無疾病存活期當作終點，我們創造出ㄧ個雙基因的惡性預測因子模組，隨後在ㄧ個獨立的驗證標本組(validation cohort)中(n=104)進行驗証。最好的候選基因利用Cox預測模型來認定，而最好的組合基因則利用log-rank 測驗來驗證。相似地，針對惡性的腫瘤，在ㄧ個訓練標本組中(n=23)利用整體存活期當作終點，ㄧ個雙基因的存活預測因子被創造出，隨後在ㄧ個獨立的驗證標本組(validation cohort)中(n=35)被驗証。

三、 研究結果

針對惡性腎上腺腫瘤，無人監督的聚集分析(Unsupervised clustering analysis)強烈的辨別出惡性及良性的腎上腺腫瘤，並發現在惡性腎上腺腫瘤中又可再區分出2組，分別有非常不同的預後。DLG7和PINK1的基因組合表現出最佳的預測無病存活期(log-rank P=10-12)，可克服中度的病理Weiss score的不確定性，且在經過Weiss score的校正後仍有意義(P<1.3 X 10-2)；在惡性腫瘤之間，BUB13及PINK1的基因組合表現出最佳的整體存活期(P<2 X10-６)，且在經過ＭacFarlane stage的校正後仍有意義(P<0.005)。

四、 結論

基因表現分析解開了兩組截然不同的腎上腺皮質癌。辨識出惡性及存活的分子預測因子是可信賴的並且在病理及腫瘤分期外提供有價值的獨立資訊。這些有獨創性的預測工具可提供在治療腎上腺皮質癌方面重要的進步資訊。