表达量和拷贝数两个层面数据可以找到肺癌驱动基因吗？

最近微信群有小伙伴咨询表达量和拷贝数两个层面数据如何整合，正好分享一个2017年发表在plos one杂志的文章，标题是；《Integrated Analysis of Genome-Wide Copy Number Alterations and Gene Expression Profiling of Lung Cancer in Xuanwei, China》，链接 在：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0169098

该研究包括两个数据集 ：

• GSE89039 Gene expression profiling in 8 lung cancer in Xuanwei samples
• GSE89046 Copy number alterations in 8 lung cancer in Xuanwei samples

分别都是芯片：

• Agilent-039494 SurePrint G3 Human GE v2 8x60K Microarray 039381 (Probe Name version)
• NimbleGen Human CGH 3x720K Whole-Genome Tiling v3.0 Array [100718_HG18_WG_CGH_v3.1_HX3_HX3]

表达量芯片差异分析阈值：a false discovery rate (Benjamini–Hochberg test) adjusted p value of ≤ 0.05 and absolute fold-change values ≥ 2 or ≤ 0.5. （其中 3,248 were upregulated while the other 1,881 genes were downregulated ）

拷贝数芯片：Log2 ratio test/control thresholds of 0.25 and –0.25 were defined as copy number gains and losses, respectively.

文章介绍的表达量和拷贝数两个层面数据整合：

• In step 1, 在至少3个样品出现拷贝数变化的定义为 recurrent CNAs （从592 CNAs挑选到95 recurrent CNAs ）
• In step 2, 删除前面步骤部分 recurrent CNAs ，在不同样品出现冲突的，没有涉及到基因的，或者涉及基因的部分区域的。（最后剩下 34 gains and 4 losses，包括 246 genes ）
• In step3, DEGs 和 recurrent CNAs 做基因交集 ，得到 candidate driver genes （交集是24 个 genes ）
• In step 4, 在PubMed 数据库搜索前面步骤得到的 candidate driver genes ，最后判断得到：
• • 3 genes in the positively correlated set (CREB3L4, TRIP13, and CCNE2) as potential oncogenes
  • 4 genes in the negatively correlated set (AHRR, NKD2, MYC, and KLF10) as potential tumor suppressor genes.

最后使用 RT-qPCR 验证 这7个基因，因为是低通量实验，所以扩大了队列，包含76个病人看拷贝数以及50个病人看表达量。

有意思的是是这个 RT-qPCR 验证环节居然是过滤了 MYC 这个广为人知的 oncogenes ：

• the expression of MYC was significantly decreased in 52% (30/58) of the LCXW samples tested,
• its copy number increased in 48% (40/84) of the LCXW samples tested,

本文的逻辑链是OK的吗？