B站课程《三阴性乳腺癌表达矩阵探索》笔记之文献解读

文献解读1：Comprehensive Genomic Analysis Identifies Novel Subtypes and Targets of Triple-negative Breast Cancer

本次文献解读涉及到三篇文章。这里要解读的第一篇是创建数据集的文章，后面的两篇文章在第一篇文章的数据集基础上进行了探索。

1. PMID: 25208879
2. PMID: 26921331
3. PMID: 30175120

文章摘要

数据集(GEO:GSE76275)

结果：最后分类得到四个不同的亚型，而且这四个亚型分别具有不同的遗传意义（文章高分亮点）

背景知识介绍

• 了解TNBC的定义，其分类根据IHC（Immunohistochemistry, 免疫组化染色）
  • TNBC这个概念在临床应用很适合，但是在肿瘤分子水平研究中，这样的定义太过宽泛
  • 免疫组织化学（IHC)测定显示ER（estrogen receptor）和PR（progesterone receptor）的表达<=1%，IHC 测定的Her2（human epidermal growth factor receptor 2）结果为0至1+，或者IHC 2+, 单荧光原位杂交（FISH）结果阴性（无扩增）
• basal-like 乳腺癌占所有TNBC的47-88% Basal-like和TNBC的区别

• basal-like是从分子表达的角度来看，TNBC是从病理切片染色的角度看，并不等同。basal-like才是真正的乳腺癌的阳类， TNBC只是病理的片子而已。

• 两种TNBC的类分类比较：(6类) subtypes of TNBC by LethmanSubtypes of TNBC by BurstenBasal-like1 (BL-1)\n Basal-like (BL-2)Basal-like Immune-Supressed (BLIS)Immunormodulatory(IM)Basal-like Immune-Activated (BLIA)Mesenchymal-like (ML)\nMesenchymal stem-like (MSL-L)Mesenchymal (MES)Luminal androgen receptor (LAR)Luminal-AR（LAR）

重要的分析方法

• 芯片平台在后续下游分析的探针注释中要用到
  • Affymetrix U133 Plus 2.0在NCBI数据库中对应的平台名是“GPL570”，在R中对应的软件包是hgu133plus2.db
  • affy package in R做表达量分析
  • Illumina 610k 做SNP ==Notes== (生物信息学的两个最重要应用，一是看表达量，而是看是否发生突变)
• PAM50 Breast Cancer Intrinsic Classifier(分类器)
• 挑选差异基因的方法,
  • 通过R包DEDS（Differential Expression via Distance Summary）
  • top 1000 median-centered genes
  • R包Non-negative Matrix Factorization (NMF)
  • 获得18209个基因
• IPA软件（Ingenuity System‘ Interactive Pathway Analysis) 来做注释分析
• 拷贝数分隔和分析：
  • ASPCF（Allele-Specific Piecewise Constant Fitting)
  • ASCAT (Allele-Specific Copy Number (CN) Analysis of Tumors),需要芯片表达数据
  • CISTIC (Genomic Identification of Significant Targets in Cancer)，检查拷贝数变化
• 生存分析：
  • DFS (disease-free survival)
  • OS(overall survival )
• WGCNA (Weighted gene correlation network analysis)是一个非常强大的网络分析工具，这些工具可以被用来识别发生在样本之间的高度相关的基因群体。因此基因可以被分为模块，而且这些模块可以通过其他的特征（必须是连续变量）联系在一起
  • 可用来做WGCNA的指标：Stage I-III， purity of tumor , the size of tumor 以及age,可以用来做WGCNA，找到跟这些指标相关的基因集
• 进行分类
  • NMF（Non-negative Matrix Factorization)，非负矩阵分解，一种特殊的聚类 非负矩阵分解

  

  • SigClust(Significance of Clustering)
• PAM50进行分类可以将其分为
  • luminal A
  • luminal B
  • HER-2-positive
  • basal-like
  • normal-like subtypes

生物学意义

通过通路注释得出结论,因为每个亚类都有很多基因参与到相关的生物学过程

• Subtype1 （Lumminal/ Androgen Receptor, LAR subtype）可以对传统的抗雌激素（anti-estrogen)治疗以及抗雄激素（anti-androgens)的治疗方法做出应答
• Subtype2( Mesenchymal，MES), 富集到在乳腺癌中有调控作用的通路，而且对于骨细胞（OGN）和脂肪细胞（ADIPOQ）以及重要的生长因子（IGF-1）特异性的基因在这个亚型中都高表达，具有“Mesenchymal stem-like”或者“claudin-low"的一些性质
• Subtype3(Basal-like Immune Suppressed, BLIS), 这个亚型有最糟糕的DFS和DDS，而且调控抗原传递，免疫细胞分化以及先天和适应性免疫细胞交流。但是，这个类群特有地表达多个SOX家族转录因子
• Subtype4（the Basal-Like Immune Activated, BLIA)。在这个亚型中，调控B细胞，T细胞以及自然杀手细胞功能的基因表达上调。有最好的预后，STAT转录因子介导的信号通路被激活，而且有高表达的STAT基因

文献解读二：Phosphatase PTP4A3 promotes triple-negative breast cancer growth and predicts poor patient survival

==Note== 这篇文献是在上一篇文献的基础上做了生存分析

背景知识：

癌症亚型

摘要

• 102个病人，分组为TNBC（49）和ER-positive（53）
• 相比于ER-positive，TNBC中有146个磷酸化相关的酶都表达了
• 以细胞系为模型来进行研究，TNBC和ER-positive各四个细胞系(参考文献Breast Cancer Cell Line Classification and Its Relevance with Breast Tumor Subtyping)

三阴性乳腺癌的定义

• 15-20% 的乳腺癌并没有表达ER，PR或者HER2，称为三阴性乳腺癌（Triple-Negative Breast Cancer, TNBC）。临床对TNBC的定义为，通过细胞表面的ER，PR，HER2受体的表达量来确定。分子学的定义为，检测控制ER、PR、HER2受体表达的基因是否表达量低。
• 特征：侵略性强，预后差
• RMA（Robust Multi-array Average) , 应用于Affymetrix的三步标准化流程。
  • background correction （背景校正）
  • quantile normalisation (分位数标准化)
  • summarization (归纳)
• 在观察生物学变异的时候，标准化的数据可以被用来控制阵列之间的技术误差
• 后续重复文章结果需要使用相同的参数
  • FDR (False Discovery Rate)<0.05
  • Fold change >= 1.5, increased expression
• qRT-PCR 来进行实验验证
• Growth assays :通过观察细胞生长的快慢来判断癌症细胞的活力
• Survival Analysis: 生存分析 生成分析

• R语言
• Oncomine database(专门研究与癌症相关的数据库): 生成Kaplan-Meier survival curve
• log rank (Mantel-Cox): 确定统计学意义
• Cox proportional hazards 模型分析

• 文章亮点：
  • 146磷酸化酶基因差异性表达（82个上调，64个下调，p<0.05）==曾老师提醒==：只有那些不符合统计学规律的东西，才有研究的意义。p<0.05说明这种现象不太可能发生，我们关注的应该是这些异常现象。
  • 缩小范围，最后找到四个对TNBC 不依赖贴壁性生长特别重要的磷酸化酶（PTP4A3, PPAP2B, CDC25B, TIMM50)

文献解读三：Identification of Key Genes and Pathways in Triple-Negative Breast Cancer by Integrated Bioinformatics Analysis

摘要

摘要重点

• 找差异基因简答总结一下就是：对数据集进行分组，找到上调和下调的基因，注释到数据库，并解释其生物学意义
• 数据集 non-TNBCTNBC67198
• 分析方法
  • 基因主要富集到卵母细胞减数分裂（Oocyte meiosis)这个KEGG通路
  • 找出差异基因（fold change >=1.5，p<0.01），56个上调，151个下调 火山图

  

  • GO和KEGG注释（DAVID软件）
  • PPI（Protein-Protein Interaction) 网络构建（STRING database, Cytoscape 的MCODE插件）
  • 整合TCGA来做生存分析 （METABRIC） 生存分析

  

视频观看方式

我把3年前的收费视频课程：3年前的GEO数据挖掘课程你可以听3小时或者3天甚至3个月，免费到B站:

• 这个课程超级棒，B站免费学习咯：https://m.bilibili.com/video/BV1dy4y1C7jz
• 配套代码在GitHub哈：https://github.com/jmzeng1314/GSE76275-TNBC
• TCGA数据库挖掘，代码在：https://github.com/jmzeng1314/TCGA_BRCA
• GTEx数据库挖掘，代码在：https://github.com/jmzeng1314/gtex_BRCA
• METABRIC数据库挖掘，代码在：https://github.com/jmzeng1314/METABRIC

然后马上就有了3千多学习量，而且有学员给出来了图文并茂版本万字笔记，让我非常感动！