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：
data screening flow.png
- 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。
Fig.1.png
- 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。
Fig.2.png
- 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。
Fig.3.png
- The verification of the prognostic marker in the verification group
- 进行验证队列的验证。
Fig.4.png
Fig.5.png
- 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。
Table 2.png
Table 3.png
- 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。
Fig.6.png
网友评论