影响因子9分+的TCGA泛癌分析思路

作图丫

发布于 2022-03-29 11:31:52

1.1K0

发布于 2022-03-29 11:31:52

文章被收录于专栏：作图丫

导语

GUIDE ╲

恶病质是一种与特异性肿瘤类型高度相关的多因素综合征，但恶病质患病率和严重程度变异的原因尚不清楚。

背景介绍

今天，小编给大家带来了TCGA泛癌分析相关思路，这篇文章于2020年2月发表在《Journal of Cachexia, Sarcopenia and Muscle》期刊上，影响因子9.802，题目为:The expression landscape of cachexia-inducing factorsin human cancers.

数据介绍

TCGA：下载了12个癌症的RNA-seq数据（4651个样本），使用GTEx（http://www.gtexportal.org/）获取了配对的正常样本数据（2737个样本）。

结果解析

分泌基因在多种癌症中的表达分析

研究人员对于被Human Protein Atlas预测具有至少一种分泌蛋白质的基因，筛选差异表达的基因，与正常样本相比，2933 个secretome genes中有 2162 个在至少一种癌症类型中差异表达（log2foldchange> 1 且 q value cutoff = 0.01）。

基于欧几里得距离的聚类分析显示，PAAD 显示出与其他癌症不同的基因表达谱（Fig.1A）。食管鳞状细胞癌(ESCA)和头颈鳞状细胞癌(HNSC)也有类似的表达特征（Fig.1A）。

为了测试基于转录组的分泌体分析是否定义了肿瘤类型，进行了主成分分析，发现PAAD、急性髓系白血病(LAML)基因群、LUSC和COAD和READ组成的cluster在12种癌症类型中被区分开（Fig.1B）。

作者研究了12种癌症类型中基于癌症转录组的分泌体的多样性和复杂性。与正常组织相比，肿瘤的分泌组异常基因数量差异很大。例如，PAAD有1365个失调基因，而肝细胞肝癌(LIHC)有380个(Fig.1C)。上调和下调分泌组基因的比例在恶性组织中也有广泛的分布，PAAD、胃腺癌(STAD)、ESCA和HNSC为72%至93%，而LUSC、LUAD和前列腺腺癌(PRAD)为24%至27%（Fig.1C）。

Fig.1

分泌基因揭示了人类癌症内外恶病质的潜在介质

鉴于许多分泌可溶性因子与不同类型肿瘤中的恶病质有关，这些肿瘤之间共享的分泌蛋白基因编码有可能揭示该综合征发病机制的关键因素。

PAAD与一种严重的恶病质相关，在所有测试的肿瘤类型中，上调基因数量最高（Fig.1D）。重要的是，分泌蛋白的共同上调基因揭示了肿瘤微环境中恶病质的潜在介质，特别是在与该综合征高度相关的肿瘤中。

在单一癌症类型中检测到的上调分泌体基因，特别是与恶病质高度相关的基因，是肿瘤特异性候选基因。在PAAD中，作者发现了371个特异性上调的基因，主要编码细胞因子-细胞因子受体相互作用、补体和凝血级联以及Rap1信号通路(Fig.1E)。

在癌症恶病质中具有潜在作用的分泌组通路

作者选择了在至少一种肿瘤类型中显著上下调的基因，使用KEGG和GO进行富集分析。观察到与恶病质相关的通路在高度软骨肿瘤中过度富集（Fig.2A）。PAAD、STAD、ESCA和HNSC呈现了明显的分泌组基因下调模式，许多上调基因的途径不太丰富（Fig.2A）。在PRAD中检测到与细胞外基质-受体相互作用、PI3K-AKt途径和蛋白质消化和吸收相关的下调基因的富集（Fig.2A）。

Fig.2

恶病质诱导因子的肿瘤特异表达与恶病质的发病率和体重减轻相关

考虑到细胞因子和与恶病质相关的肿瘤中富集的细胞因子和趋化因子途径包括已知的恶病质介质(PDGFB、HGF、CCL2、TNFSF11、LIF、CSF1、CXCL8、CSF2和IL6)(Fig.2B)，作者进一步将转录组数据筛选为25个细胞因子和生长因子。这一组CIFs以前被用于胰腺蛛网膜患者的蛋白血液筛查。

Fig.3

PAAD显示上调CIFs的数量最高(14个），而PRAD未显示显著的上调CIFs。LUSC和LUAD共享6个下调的CIFs(PDGFB、IL6、HGF、FGF2、CSF3和CXCL12)，在两个肺肿瘤中只有TGFA和MMP13上调。(Fig.3A)

接下来研究了每种肿瘤类型的上调CIFs的总数及其与恶病质患病率和体重减轻百分比的相关性。分析发现，与正常组织相比，肿瘤中上调CIF基因的数量与本分析的大多数肿瘤类型的恶病质和体重减轻率（平均百分比）密切相关（Fig.3B），唯一的例外是肺癌。这些发现揭示了特定的软骨细胞性肿瘤特征，并有可能解释为什么特定类型的癌症更有可能发生恶病质。

恶病质诱导因子的表达特征与肿瘤纯度有关

作者使用了先前发表的PAAD肿瘤纯度数据，由74个“低纯度”样本（绝对纯度<33%）和76个“高纯度”样本（绝对纯度≥33%）组成。利用层次聚类分析，观察到这25个CIFs的表达谱可以区分高纯度和低纯度肿瘤,并且这些基因大多数在低纯度肿瘤中过表达（Fig.4）。低纯度肿瘤中CIFs的过表达进一步与白细胞DNA高甲基化和肿瘤细胞DNA低甲基化模式纯度相关（Fig.4）。这些数据表明，白细胞浸润与PAAD中CIFs的高表达相关。而CIFs的表达水平与肿瘤分级之间没有相关性（Fig.4）。

Fig.4

恶病质诱导因子的表达预测了癌症的结果

作者使用生存分析平台比较了CIFs在肿瘤中的表达水平和患者的预后。根据25个CIFs的基因表达和12种肿瘤类型的癌症患者的生存率计算了预后指数（风险评分）。患者分为高风险和低风险两组，通过有序预后指数的优化算法最大限度地将患者数量分为风险组。发现在HNSC、READ、COAD、LIHC和BRCA的高危人群中，有50%以上的CIF基因过表达（P<0.05）（Fig.5A）。

热图显示了在HNSC、LIHC和BRCA中低存活率（高风险组）患者中存在特定CIFs的富集（Fig.5B）。在热图中聚集并在低存活率患者中过度表达的CIFs示例包括LIF、IL6和CSF3（在HNSC中）；TGFA、LIF、HGF、CXCL8和FGF2（在 LIHC中）；和LEP，FGF2，LIF，TGFA（在BRCA中）（Fig.5B）。