搜索
查看: 1996|回复: 1

甲基化联合基因表达预测OSCC生存

[复制链接]

365

主题

512

帖子

1713

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
1713
发表于 2017-10-16 18:41:06 | 显示全部楼层 |阅读模式


1
前言引索

口腔鳞状细胞癌(OSCC)是最常见的头颈部鳞状细胞癌(HNSCC)类型。鉴定与OSCC相关癌基因或抑癌基因的分子变化将有助于患者的生存预测和早期治疗。

DNA甲基化变化可能会影响基因的表达,并且可以和不同的正反馈或负反馈机制相互作用。

因此,CpG位点的异常甲基化被认为是肿瘤(包括OSCC)潜在的预后因子。 下面的研究就发现7个甲基化位点联合基因表达能预测OSCC的生存 [1]。

2
逻辑思路

1.甲基化芯片数据分析筛选OSCC差异甲基化位点
2.OSCC的甲基化预后分析
3.甲基化预后公式的敏感性分析
4.CpG甲基化、基因表达及预后之间的关系


3
方法剖析

1.甲基化芯片数据分析筛选OSCC差异甲基化位点
对32个OSCC病例的癌组织及癌旁组织进行全基因组甲基化差异分析,发现有1490个CpG位点的绝对甲基化差异>0.4(同时P值<1×10-7)。

在训练集(313个OSCC病例,数据来源于TCGA数据库)中通过单变量Cox回归分析差异甲基化位点与OS(overall survival)时共鉴定出15个P < 0.05的CpG位点。

进一步采用SIS(Sure independence screening,安全独立筛选)筛选获得7个非零系数的CpG位点。

通过使用Cox模型生成的系数,建立甲基化预后分值公式:prognostic score methylation = 0.0054 × cg13495205AJAP1 + 0.0318 × cg07110405SHANK2 + 0.0256× cg03774514FOXA2+ 0.0063× cg09137696MT1A + 0.0013×cg19655456ZNF570 - 0.0297 × cg03146625HOXC4 - 0.0157 ×cg21546671HOXB4。



2.OSCC的甲基化预后分析
建立甲基化预后分值公式后,下一步就是将它来应用到OSCC病例的预后分析中。

作者首先在训练集中应用了该公式:在训练集中,通过采用预后分值(阈值为0.02)能够将病例分为低风险和高风险组,其中较高预后分值和较低的生存期显著相关联(HR = 3.23; 95% CI 2.18–4.77; P = 5.52 × 10-10)。

在验证集1和2(GSE52793和GSE75537)中也证实:预后分值阈值为0.02能够将病例分为低危组和高危组。

评估甲基化预后公式在5年生存期的预测能力时发现:训练集、验证集1和验证集2的AUCs分别为0.76、0.67、0.66。



3.甲基化预后公式的敏感性分析
合并训练集和验证集2病例,采用多元线性回归对病例的年龄、性别、阶段、吸烟状况和疾病等级进行整理分析。

发现甲基化预后分值与HPV 状态无关(P = 0.898),根据HPV状态进行亚组分析,发现预后分值公式在HPV阴性和阳性组中仍适用。

合并训练集和验证集病例后,甲基化预后分值和OS显著相关(log-rank P = 2.74 × 10-10)。

根据临床特征进行分层分析,甲基化预后的低危组和高危组之间的OS仍存在显著差异性。



4.CpG甲基化、基因表达及预后之间的关系
(1)前边分析了基于7个甲基化位点的甲基化预后公式联合临床特征与OSCC预后的关系,现在作者将甲基化与基因表达放到一起来分析它们与OSCC预后的联系。

在训练集中分析发现AJAP1 、HOXB4 、MT1A 、ZNF570、SHANK2 5个基因启动子或第一外显子的甲基化水平和基因表达显著相关,而HOXC4和FOXA2的并没有。但这7个基因的表达均与OSCC的OS显著相关。

通过构建表达预后公式 (score expression = - 0.115 ×AJAP1 +0.089×SHANK2 +0.147× FOXA2+0.111× MT1A-0.173 × ZNF570 + 0.030 × HOXC4 + 0.789 × HOXB4,发现表达预后分值和预后显著相关(中位数为分组点,HR = 2.20; 95% CI 1.47–3.29 = 1.22 × 10-4),并且它能有效的预测5年生存期(AUC = 0.65)。

而同时结合临床信息、表达和甲基化数据能够更有效的预测5年生存期(AUC = 0.78)。



(2)使用VanderWeele’s mediation analysis(VanderWeele’s中介分析)分析甲基化、mRNA表达和OS之间的中介效应,其中mRNA表达为中介变量。

结果发现甲基化的预后效应能显著通过影响对应基因的mRNA表达来调节(HRindirect = 1.08; 95% CI 1.02–1.15; P = 0.008;proportion mediated, 11.27%)。

通过分别排除每个基因也发现mRNA表达具有显著的中介效应。



4
思维散发

这篇文章联合了甲基化、基因表达、临床信息来分析OSCC的预后,并且在多个数据集中进行了验证,该组合模型比起以往单个甲基化或基因表达预后模型更具有适用性和意义。

其次,这篇文章的数据分析方法很值得我们参考学习,包括多元线性回归、安全独立筛选(SIS)、中介效应分析(VanderWeele’s mediation analysis)等。

文章作者也表明其研究不足包括未鉴定某些未知功能基因在OSCC中生物功能。因此我们在进行类似的研究时,可以适当添加基础实验来验证预后基因的生物学功能。

1. Shen, S., et al., Seven-CpG-based prognostic signature coupled with gene expression predicts survival of oral squamous cell carcinoma. Clin Epigenetics, 2017. 9: p. 88.

END



上一篇:未来40年基因测序的发展
下一篇:免疫学和免疫治疗三大问题
回复

使用道具 举报

5

主题

18

帖子

96

积分

注册会员

Rank: 2

积分
96
发表于 2017-10-17 00:43:26 | 显示全部楼层
这是一篇典型的TCGA数据挖掘灌水文。 从生物学的角度来看这篇文章的问题很大, 因为 单一CpG位点的甲基化不足以影响基因表达,通过TCGA数据挖掘和分析, 作者找到7个基因,其中每个基因里面发现一个单一的CpG位点甲基化和OSCC癌症病人生存相关。但是实际上这几个单一CpG位点的甲基化根本就无法改变所在基因的表达,自然就谈不上影响OSCC的癌症生存期了。
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|生信技能树    

GMT+8, 2019-5-21 15:42 , Processed in 0.038522 second(s), 27 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.