大规模转录组学分析鉴定了ELANE 和 PRTN3是肾透明细胞癌
2020-04-23 本文已影响0人
javen_spring
生物信息学分析可指导实验进展,干湿结合的实验套路是科研人的最爱。今天的文章是有关于癌症的转录组学分析和甲基化。文章发表于2019.6月,发表在J cellular physiology,IF过4分。
题目
title.png摘要
- 背景:DNA methylation存在于多种肿瘤进展的过程中,包括肾透明细胞癌(ccRCCs)。
- 目标:通过转录组学分析鉴定ccRCCs的甲基化的预后标志物。
- 方法:提取TCGA数据,随机分为学习组及验证组。接着,作者筛选出差异表达的CpG位点及生存相关的CpG位点,然后纳入CpG对及生存相关的CpG对。通过C-index及 前向搜索算法构建ccRCCs的预后标签。标签构建后通过验证队列进行验证,对标签的CpG位点进行的蛋白质-蛋白质互作网络分析(PPI)。结果见结果部分。最后PPI网络分析认为ELANE 和 PRTN3与ccRCCs的侵袭和转移相关,可作为潜在的预后及治疗标签。
前言与背景
- 肾细胞癌(RCC)是来源于肾的最常见恶性肿瘤,占全身恶性肿瘤的2–3%。RCC的组织学亚型最常见的为ccRCCs,占了80–90%。
- 目前TNM分期仍是评估预后的主要方法。但是,(不足之处)临床特征相似的病人可能结果不同。因此,在目前的分期基础上,需要寻找其他的预后指标。
- 甲基化是重要的表观遗传的标志,参与到多种生物学过程。异常的基因甲基化与多种癌症的发生和发展有关。
结果
- Construction of the prognostic maker
- 流程如下:
- 如下图,1a图显示了7对甲基化位点对学习队列的检验效能,能将学习队列分成两个预后明显不同的组。1b图显示了7组甲基化基因对在癌症组及配对的正常组有明显差异的表达。
- The effect of the prognostic marker on the 99 patients with ccRCCs
- 分析计算得到的预后标签对99例ccRCCs患者的影响。一般指标--预后。
- 作者将学习组样本根据风险评分(Risk score= Ni -N/2,Ni为支持样本为风险样本的基因对数目,N为标签的基因对数目)将样本分为低风险(Risk score<0)及高风险组(Risk score>0)。
- 图2a、2b显示依据7组标签而分的高低风险组的风险评分及死亡率有明显差别。图2c显示年龄,性别,位置,分期及分级修正后与OS的关系。R语言生存分析 Cox回归模型survival analysis
- 图3a与2c有重复,显示图2c中的变量修正后标签仍能够很好的预测预后。图3d的p值为临界值0.01,作者不能得出年龄对患者预后的预测作用。图3c,f显示不同分级有一定的分开的趋势,需进一步分析。
- The verification of the prognostic marker in the verification group
- 进行验证队列的验证。
- 与图2类似,验证队列图4,图5支持了标签的预测能力及可重复性。
- PPI network analysis of the prognostic marker
- 表2为7组标签的甲基化位点基因对。表3为标签的甲基化对对应的基因。以此为基础进行PPI网络分析。
- 图6为PPI网络分析结果。 结果提示两个关键的枢纽基因(hub genes)可能与ccRCCs的治疗及预后有关,即ELANE和 PRTN3。而ELANE和 PRTN3均被报道参与了癌症的侵袭及转移。ELANE和 PRTN3功能与中性粒细胞相关,ELANE参与产生中性粒细胞弹性蛋白酶,而 PRTN3则与ELANE类似,它参与了中性粒细胞跨内皮迁移的过程。两者可能与肿瘤免疫相关。