肾癌EMT基因预后标志物发5+分
关注「科研菌」
今天跟大家分享的是一月份发表在Aging (IF:5.515)杂志上的一篇文章Prognostic value of epithelial- mesenchymal transition markers in clear cell renal cell carcinoma。作者通过对EMT标志分子的表达谱分析，建立肾透明细胞癌患者的预后模型。
Prognostic value of epithelial-mesenchymal transition markers in clear cell renal cell carcinomae
EMT标志分子在肾透明细胞癌病人中的预后价值
一.研究背景
肾透明细胞癌（cell renal cell carcinoma，ccRCC）是肾癌中最常见的一种，占肾癌的70-80%。ccRCC是最致命的泌尿科肿瘤之一，然而到现在都没能建立起一种很好的监控技术。更好的对RCC病人预后情况做出预测有助于建立一个更好的治疗计划。本篇文章从癌症常见的表型---上皮间质转化EMT的六个标志分子出发，根据TCGA数据库和自己的FUSCC(复旦大学附属肿瘤医院)的ccRCC队列数据，研究表达差异，建立了一个多因素预后模型，证明其预后价值，有一定临床意义。
二.研究思路
研究思路
三.结果解读
1. EMT相关基因在ccRCC病人癌组织中差异表达
作者选取了CDH1，CDH2，SNAI1，SNAI2，VIM，TWIST1这六个EMT相关基因，其中CDH1，CDH2是上皮细胞标志，其余4个基因是间质细胞标志。在Oncomine数据库中分析了这些基因在20种癌组织与癌旁正常组织中的mRNA表达差异(图1.A)。图中绿色圈出的即在肾癌中的表达情况，可以看出CDH1和SNAI2都在7个研究中表达量显著下调；VIM在肾癌中表达显著上调（8个研究集中）。接着利用TCGA中533个ccRCC病人的RNA-seq数据分析这六个基因的表达情况（图1.B-G），与Oncomine分析结果一致，CDH1在ccRCC中表达显著下调；VIM和TWIST1，SNAI1，CDH2表达显著上调；SNAI2在癌组织和正常组织中差异不显著。
图1.Oncomine和TCGA数据库中6个EMT相关基因表达分析
2.ccRCC病人中EMT基因的差异表达有预后价值
为进行生存分析并建立Cox回归模型做铺垫，作者展示了TCGA中516个ccRCC病人和FUSCC中367个ccRCC病人的临床数据三线表(表1)。里面包含了肿瘤TNM分期，AJCC分期，ISUP等级等肿瘤临床数据。
表1.TCGA和FUSCC数据中病人临床信息
接着作者先对TCGA数据库中的ccRRC病人根据六种EMT相关基因的表达高低做了关于OS(总生存期)和PFS(无进展生存期)的Kaplan Meier生存分析(图2)。这里作者使用X-tile软件对EMT相关基因的表达量计算cut-off值，根据这些界值将病人分为高低表达组。
图2.TCGA数据库中ccRCC患者关于EMT相关基因的Kaplan-Meier生存图
之后又以FUSCC的ccRCC病人进行了验证(图3)。两次生存分析结果一致，CDH2对OS，PFS的影响不显著；CDH1(上皮细胞标志)低表达预示着更差的PFS和OS；其它四种MET相关基因(基质细胞标志)的高表达预示着更差的PFS和OS。
图3.FUSCC数据库中ccRCC患者关于EMT相关基因的Kaplan-Meier生存图
3.建立整合的预后和诊断模型
根据表1中给出的FUSCC中病人的临床病理资料以及6个EMT相关基因在ccRCC病人中的表达量，对病人OS和PFS分别进行单因素和多因素Cox回归分析，并对FUSCC中的ccRCC病人的OS和PFS建立多因素Cox比例回归模型。模型的参数展示在表2中。得到的两个预后预测模型如下：
PFS:formula=-0.708×CDH1expression (ref. Low) + 1.360×SNAI1 expression (ref. Low) + 1.905×VIM expression (ref. Low) + 2.179×TWIST1 expression (ref. Low) + 1.274×Tstage (ref. T1-T2) + 1.919×M stage (ref. M0) + 2.021×AJCC stage (ref. I-II) + 2.013×ISUP grade (ref. 1-2)
OS:formula=-0.564×CDH1 expression (ref. Low) + 1.532×SNAI1 expression (ref. Low) + 1.804×VIM expression (ref. Low) + 1.714×TWIST1 expression (ref.Low) + 1.226×T stage (ref. T1-T2) + 1.778×M stage(ref. M0) + 2.515×AJCC stage (ref. I-II) + 1.954×ISUP grade (ref. 1-2)
表2.FUSCC队列Cox回归结果
可以看到只有CDH1，SNAI1，VIM，TWIST1与预后显著相关。根据模型分别算出每个病人的PFS和OS得分，对PFS和OS分别进行Kaplan–Meier生存分析 (图4.A-B)，两个模型都统计显著（p<0.0001）。作者又分别展示了两个模型在预测FUSCC和TCGA中ccRCC病人预后情况的ROC曲线，AUC即红色曲线下方的面积占比，越大说明模型的的预测能力越好，准确度越高。可以看出模型对FUSCC中ccRCC病人预后预测能力较好(AUC>0.8),但在验证集TCGA中的预测能力略差(AUC在0.7左右)。
图4.综合预测诊断模型的构建及内部验证
4.EMT相关基因与ccRCC肿瘤微环境的相关性
用ESTIMATE包分析了TCGA中ccRCC病人癌组织的纯度，并研究了六种EMT相关基因和肿瘤基质得分(stromal score)的相关性(图5).可以看出VIM与基质得分的相关性不显著（p>0.05）；肿瘤中CDH1的表达与基质得分呈负相关；CDH2，SNAI1，SNAI2，TWIST1基因mRNA表达与基质得分呈正相关。
图5.EMT相关基因参与ccRCC肿瘤环境的基质过程
5.EMT相关分子间的蛋白质相互作用以及功能注释
利用STRING数据库获取肿瘤中六个差异表达的EMT相关基因和其它差异表达的基因的PPI(蛋白间相互作用)网络。图6.A展示了这些差异表达的EMT相关基因(蓝色)的蛋白与其它蛋白的相互作用网络。图6.B展示了这些EMT相关基因的蛋白的内部互相作用网络。(这里选取了相互作用socre>0.4的相互作用关系，不同颜色的线条表示不同相互作用)。紧接着对这包含六个EMT相关基因和上文得到的蛋白质有相互作用且差异表达的基因在内的共48个基因在DAVID数据库进行了GO分析和KEGG通路分析。图6.C给出了这些EMT相关基因在GO和KEGG数据库中功能分析的结果，这里用气泡图展示，横坐标表示GO分析的三个层面和KEGG通路，纵坐标是相关功能及信号通路。最后对FUSCC和TCGA的ccRCC病人根据六个EMT相关基因进行聚类分析，并用热图展示。
图6.六个EMT相关基因的模块分析及功能注释
本篇文章中作者选定一些EMT相关基因，先验证表达差异，再开展后预后研究，相关性研究，功能研究等。该篇文章用到了FUSCC的ccRCC队列(来自于复旦大学附属肿瘤医院)，建立Cox回归模型，并用TCGA数据库的ccRCC队列进行验证。文章还用到了多个在线数据库：Oncomine，TCGA，STRING，DAVID等，高度利用了其中的信息，将对该基因组的研究扩展了很多，值得我们借鉴。今天的文献分享就告一段落啦，我们下期不见不散哦。
此外，如果大家有什么想要进一步讨论的，可以在扫描下方二维码，关注「科研菌」，在公众号后台私信我们，或者是在下方留言和我们共同讨论。
扫上方二维码即可关注科研菌
