都2022年了，m6A+泛癌还能发高分吗

导语

GUIDE ╲

外周血中m6A显著失调在几种癌症类型中具有极高的诊断价值。然而，尚未确定用于准确筛查多种癌症类型的m6A-miRNA生物标志物。

背景介绍

m6A前些年一直是肿瘤领域的热点。有同学不禁有个疑问，m6A大家做了这么多年，还能发高分吗？答案是可以的，关键要看m6A修饰的RNA是否新颖！今天小编为大家带来一篇上个月刚刚发表在Molecular Cancer的m6A+miRNA的泛癌分析，影响因子27分+。

volume

数据介绍

数据全部来自GEO。共纳入14965份血清样本以确定候选的m6A修饰的miRNA，包括12个癌症队列和非癌症对照（胃癌(GC, n=1417),肝细胞癌(HCC, n=388),肺癌(LC, n=1573),神经胶质瘤(n=185),食管癌(ESCA, n=566),前列腺腺癌(PRAD, n=809),膀胱癌(BLCA, n=392),卵巢癌(OV, n=338)、肉瘤(SARC, n=486)、乳腺浸润性癌(BRCA, n=1285)、结直肠癌(CRC, n=242)和胰腺腺癌(PAAD, n=197)，以及非癌对照组(n=7087)）。训练集7299名参与者，验证集7298名参与者。

结果解析

01

鉴定血清中的m6A修饰的miRNA

研究设计如图1A所示。

从10个血清miRNA队列中共提取了228个m6A修饰的miRNA。为了探索这些miRNAs调控的生物学行为，作者利用clusterProfiler包进行了GO富集。这些miRNAs主要富集在癌症、免疫和RNA修复。

利用3756名癌症患者和3543名非癌症对照的训练集队列，作者比较了癌症组和对照组之间m6A-miRNA表达谱的差异，并使用LASSO方法获得18个候选的m6A修饰的miRNAs建立了诊断模型。结果显示，18个候选miRNAs在癌症样本中的表达显著上调(图1C)。miRNAs的无监督分层聚类呈现出明显的分离(图1D)。m6A修饰的miRNAs的主成分分析(PCA)显示了两个独立的簇，表明这18个miRNAs在癌症和非癌症对照组之间的表达模式完全不同(图1E)。

作者探究了每个miRNA单独用于检测癌症的诊断性能。AUC范围从0.676到0.940(图1F和G)。这些miRNA在验证集中同样具有较好的诊断性能(图1H)。因此，这些候选的m6A-miRNAs具有作为癌症标志物的潜力。

图1

02

m6A-miRNA模型的构建

在这18个m6A-miRNAs的基础上，作者使用支持向量机(SVM)构建了一个用于癌症检测的诊断模型。癌症组m6A-miRNAs的输出强度显著低于对照组(图2A)。

作者还研究了不同癌症类型间m6A-miRNAs值的差异。肝细胞癌患者平均最低，而PAAD平均最高。在训练集中，由18个miRNA组成的m6A-miRNA的Signature显然在区分癌症和非癌症时比单个miRNA具有更高的诊断能力，AUC为0.979(图2C)。验证队列与训练队列相似，m6A-miRNAs签名也显示出较高的诊断性能(图2D)。作者还计算了训练集和验证集合并的m6A-miRNAs Signature(图2E)。

为了探讨18个m6A-miRNA组成的模型与每个miRNA之间的关系，使用spearman相关性分析。m6A-miRNA模型输出强度与每个miRNA表达之间显著负相关，尤其是miR-320b(图2F)。先前的研究证实了miR-320b在肿瘤转移和预后中发挥的重要作用。

随后的校准曲线分析显示，无论是在训练队列还是验证队列中，m6A-miRNAs的校准都近乎完美，预测的癌症概率几乎等于观察到的实际概率。在决策曲线分析中，与miR-93和miR-122相比，m6A-miRNAs在广泛的决策阈值概率范围内显示了绝对优势净效益(图2G, H)。

图2

03

m6A-miRNA模型在不同临床条件泛癌中的诊断性能

按从患者性别分类的m6A-miRNAs模型中没有观察到女性和男性患者之间的显著差异(P=0.1，图3A)。无论在男性还是女性，m6A-miRNAs模型都表现出了优越的诊断性能和辨别能力。男性人群，AUC为0.987，特异性为94.4% ，敏感性为90.91%，诊断准确性为94.7%。女性人群，AUC为0.9，特异性为90.9%，敏感性为92.7%，诊断准确性为91.8%。

作者还观察了患者年龄对m6A-miRNAs模型的影响，发现患者年龄与m6A-miRNAs输出强度之间没有显著相关性(cor=−0.088，图3B)。这表明，m6A-miRNAs的Signature是独立的生物标志物，不受患者性别和年龄的干扰。

然后，作者研究了m6A-miRNAs区分癌症类型的能力。当作者将每种癌症类型单独与非癌症对照样本相结合时，m6A-miRNAs仍然显示出卓越的辨别能力(图3C)。这意味着，当判断一个患者是否属于某种癌症类型时，超过92%的这种癌症类型的患者可以通过m6A-miRNAs特征识别，漏诊率较低。其中，用于区分肝细胞癌、胃癌和肺癌类型的m6A-miRNAs显示出令人满意的曲线下面积，AUC分别达到0.765、0.791和0.801(图3E)。

图3

在图3D和E中，作者总结了m6A-miRNAs模型的诊断性能，包括AUC、特异性、敏感性和准确性。其中，m6A-miRNA在早期胃癌诊断中具有很好的AUC值，其AUC为0.989，特异性为0.948，敏感性为0.971，准确性为0.952(图3F)，远高于癌胚抗原(CEA)和碳水化合物抗原(CA19-9)。

由于乙型和丙型肝炎感染是HCC的主要原因之一，并且经常干扰HCC的诊断，作者还研究了m6A-miRNAs模型在HCC患者和慢性肝炎或肝硬化患者中的鉴别能力。发现m6A-miRNAs模型的诊断性能不受慢性肝炎或肝硬化的影响(AUC, 0.965;特异性,0.957;灵敏度:0.878;准确性:0.901;图3G)。基于这些候选m6A-miRNAs组合的诊断特征在区分HCC患者和慢性肝炎或肝硬化患者方面具有高度准确性(图3H)，远优于传统的生物标志物如AFP (AFP的表现:AUC, 0.65;特异性,51.4%;敏感性,73.3%)。HCC患者m6A-miRNAs信号的输出强度主要集中在0-0.13，与慢性肝炎\肝硬化患者的值范围几乎没有交叉(图3I)。以上结果表明，m6A-miRNAs模型的诊断性能不受慢性疾病的影响。

小编总结

这篇文章只用了GEO数据库中的12种癌症数据，以及非常常规的支持向量机构建模型。然而，这篇文章能发表27分的关键就在于选题和结果非常有意义。m6A可以修饰的RNA非常多，但是目前m6A-miRNA在癌症检测中的研究很少，而作者构建的m6A-miRNA模型性能又极佳。那么将文章中的m6A替换成m7G结果会怎样呢，大家不妨可以试试！