干湿结合7-mRNA预测模型轻松发5分+

百味科研芝士

发布于 2020-04-30 18:25:58

6000

发布于 2020-04-30 18:25:58

文章被收录于专栏：百味科研芝士

大家好，这次给大家分享一篇2020年1月发表在Int. J. Biol. Sci.杂志上的文章，即时影响因子5.03。本文主要是研究与食管癌预后相关的7-mRNA，同样是一篇预测模型的文章，下面一起来看一下这篇文章！

标题：Prognostic values of a novel multi-mRNA signature for predicting relapse of cholangiocarcinoma

一种新的多mRNA标志物预测胆管癌复发的预后价值

术语

CCA：胆管癌 DEGs：差异表达基因 mRNA：由DNA的一条链作为模板转录而来的、携带遗传信息的能指导蛋白质合成的一类单链核糖核酸

摘要

背景：胆管癌（CCA）是一种上皮性肿瘤，具有较高的死亡率和复发率，目前的方法不能满足有效预测肿瘤复发的需要。因此，本文旨在进行一个多mRNA标记，以提高CCA复发的预测。

方法：利用GEO数据库（GSE76297、GSE32879、GSE26566、GSE31370和GSE45001）和癌症基因组图谱（TCGA）数据库分析CCA数据集中的mRNA表达谱。用LASSO回归模型建立了一个基于7-mRNA的信号，该信号与两个试验系列的无复发生存率（RFS）显著相关。根据7-mRNA特征， TCGA患者可分为高风险组和低风险组，RFS明显不同。同时，在仁济医院临床标本中证实了7-mRNA标记的预后价值。进一步分析包括多变量和亚组分析显示，7-mRNA信号对CCA患者的复发有独立的预后价值。

结论：综上所述，本文的研究结果为CCA患者的复发预测提供了一个有效的工具（7个mRNA），有助于CCA患者的个体化治疗。

结果

1. 从公开数据中鉴别胆管癌差异表达基因

5个CCA的GEO数据集如表1所示。使用GEO2R分析这些CCA数据集后，GSE76297-T/P、GSE26566-T/P、GSE45001-T/P、GSE32879-T/N、GSE26566-T/N、GSE31370-T/N中分别识别出4005、6554、990、3893、879和399 DEGs（图1A-F）。在每个Venn图中，2个或更多数据集中中共享的DEG被视为可信DEG，T/P组和T/N组分别识别2666和422个可信DEG（图1G-H）。在GEO和TCGA数据库之间进一步进行了重叠分析，确定了194个DEGs，这些DEGs被认为在CCA中普遍失调（图1I）。

对这些重叠的上调或下调基因进行GO和KEGG途径富集分析（图2A、B）。通过GO-BP和KEGG分析，上调基因在细胞器分裂和细胞周期通路中富集，下调基因在羟基化合物代谢过程和胆汁分泌通路中富集（图2C-D）。

图1

图2

2. TCGA样本构建7-mRNA的特征标记

对于194个候选DEGs根据ROC曲线确定最佳的截断点。根据每个mRNA截断值，将36例患者分为高表达状态和低表达状态。利用127个AUC≥0.55的mRNA构建LASSO-COX回归模型（图3A）。在平均交叉验证误差最小的λ值下，选择了7个非零系数的mRNA，包括CD36、GGCX、UBASH3B、DBN1、PTTG1、CCNA2和SPATS2（图3B）。根据这7个mRNA的表达情况，构建了RFS的风险评分公式：风险评分=（-0.96873×CD36表达状态）+-0.03944×GGCX表达状态）+（0.01064×UBASH3B表达状态）+（0.04955×DBN1表达状态）+（0.24927×PTTG1表达状态）+（0.31598×CCNA2表达状态）+（0.57201×SPATS2的表达式状态）。公式中，低表达状态等于0，高表达状态等于1。

相关链接：手把手带你画高大上的lasso回归模型图

图3

3. TCGA样本复发风险评分公式的评估

计算TCGA数据集中每个患者的复发风险得分。如图4A所示，当风险评分增加时，患者更容易复发。将患者分为高风险组（n=17）和低风险组（n=19），以最佳风险评分作为临界点。在整个研究期间，高风险组的复发率极大地增加，直到分析终点，高风险组中94.74%的患者出现CCA复发，而低风险组中只有0.58%的患者复发（图4B）。Kaplan-Meier分析显示，CCA患者的危险评分高，RFS明显低于危险评分低的患者（图4C）。此外，7-mRNA信号和RFS之间的ROC曲线显示，1年、3年、5年和>5年的AUC分别为0.973、0.976、0.982和0.983（图4D）。此外，与任何单一的mRNA或临床因素相比，7-mRNA-signature对复发有更好的预测价值（图4E-F）。

图4

4. Ren Ji数据集7-mRNA特征对无复发生存预测的验证

为了进一步验证这种7-mRNA分类器在不同CCA人群中是否具有相似的预测能力，这里将其应用于一个独立数据集。2012年1月至2017年12月，在仁济医院登记了44名临床病理资料和预后良好的CCA患者。通过qRT-PCR检测44例CCA肿瘤标本中7个mRNA的表达水平。然后，根据这7个mRNA的表达情况计算每个患者的风险评分。根据ROC曲线确定的最佳临界风险评分，将患者进一步分为高风险组（n=31）和低风险组（n=13）。如图5A-B所示，CCA切除术后风险评分较高的患者更容易复发。生存分析显示，高危组患者的RFS时间明显短于低危组（图5C）。7-mRNA与RFS的ROC曲线的AUC分别为1年1000、3年0.958、5年0.977和5年以上0.979（图5D）。此外，7-mRNA风险评分模型的AUC显著高于任何单个mRNA或临床因素（图5E-F）。

图5

5. TCGA和Ren Ji数据集中基于7-mRNA分类器的分层分析

在TCGA和Ren Ji数据集中具有不同临床变量的患者亚组中进一步进行了基于7-mRNA特征的生存分析（图6-7）。对于TCGA数据集，根据个体临床病理特征（包括性别、年龄、CA19-9水平、肿瘤大小、病理分期和AJCC分期）分层后，该特征仍然是预测CCA患者复发的临床和统计学意义显著的适用模型（图6）。同样，7-mRNA信号是一个实用的预测因子，它独立于Renji数据集中的一些临床病理特征，如年龄、肿瘤血栓和AJCC分期（图7）。