【文献解读】利用METABRIC和TCGA挖掘CNA负荷对乳腺癌的预后影响

今天继续跟大家分享文献解读专题，这次给大家解读一篇18年发表在Frontiers in Genetics的文章，题目为：Association Analysis of Somatic Copy Number Alteration Burden With Breast Cancer Survival。

这篇文章同样是关于CNV的文章，但却不再是单基因的CNV状态，作者关注的是CNV的burden，也就是肿瘤基因组发生这些改变的百分比，也称为CNA负荷。整篇文章作者都在回答一个问题，CNA负荷对乳腺癌的预后影响究竟是怎样的？作者是借助METABRIC data和TCGA data实现对数据的挖掘。

壹

METABRIC 和TCGA患者的临床特征

作者下载了METABRIC数据集，包括临床数据和体细胞突变数据，并将METABRIC分为Discovery (n=980) and Validation (n=985)，同时TCGA数据集也被用于做Validation（n=825）。在Method部分，作者写到剔除了所有可能的 germline CNVs来保证所获得的均为体细胞的CNV。

壹

METABRIC 和TCGA患者的临床特征

对于乳腺癌研究而言，PAM50十分重要，作者首先基于PAM50进行了生存分析，绘制了生存曲线，发现无论在METABRIC 的发现数据集还是测试数据集中，the luminal A亚型在OS和DSS方面有较好生存时间：

叁

CNA Landscape以及与生存结果的关系

首先我们要明确CNA burden是指常染色体上（1-22）出现CNA的百分比。作者对每个病人样本计算了每一条染色体的CNA burden，发现1, 8, and 16 号染色体的CNA burden是显著的比其他染色体高，并通过热图的形式展示，如下：

肆

基因集富集分析

接着作者对1，8，16号染色体上的存在CNA 的基因 进行基因集富集分析，每个染色体我们分别去前10%变化频率较高的基因进行分析，并考察CNA burden 是否与患者的OS和DSS相关。结果发现在METABRIC数据集中，较高的CNA burden的生存概率变低，同时在TCGA数据集中也发现了类似的结果。

伍

CNA Burden与PAM50，年龄之间的关系

由于之前有文献报道称PAM50，年龄与病人的预后显著相关，作者接着考察了CNA Burden与PAM50，年龄之间的关系。单因素方差分析用于计算CNA Burden与PAM50的关系，发现二者显著相关，同时对年龄分别采用去线性回归分析以及将年龄分段（21–39, 40–49, 50–59, 60–69, and 70–97）进行单因素方差分析，也发现了他们之间存在显著相关。

陆

CNA Burden 预后因素考察

作者最后一步进行了常规的单因素和多因素cox分析，发现CNA Burden是一个独立的预后因子（常见的三线表展示）。

OK，这个文章就结束了，这篇文章思路还是比较新颖，我们听说过TMB，这次的CAN burden也是一个新颖的概念，作者以此切入点来分析，来挖掘自己的故事，希望对您有帮助！