分子特征筛选发18+？怎么做到的？

导语

GUIDE ╲

原发性肺淋巴上皮瘤样癌(pLELC)是一种罕见的非小细胞肺癌(NSCLC)亚型。

背景介绍

今天小编给大家带来的是一篇新鲜的高分分子特征筛选文献，作者结合WGS、RNA-seq和EBV联合分析，并加入实验数据，探讨了pLELC的基因组特征。这篇文章于2021年发表在《Signal Transduction and Targeted Therapy》杂志上，最新影响因子18.19，题目为：Molecular characteristics of primary pulmonary lymphoepithelioma-like carcinoma based on integrated genomic analyses。

“作图丫”，一个关注文章作图与生信数据挖掘的微信公众号。推出R和单细胞数据分析课程，敬请您的关注。

关注公众号“作图丫”，后台回复相应关键词即可获得免费资料。

数据介绍

四川大学华西医院128例原发性pLELC患者、162名非pLELC NSCLC患者为对照。这些登记标准尽可能地尽量减少医生的临床偏好的影响。对照组包括82例LUAD，73例LUSCs，腺鳞癌7例，并收集临床数据。

对8例pLELC患者进行手术切除的冷冻标本，包括肿瘤组织和邻近的正常肺组织，分别进行WGS、RNA-seq和EBV整合分析。

结果解析

01

pLELC与非pLELC NSCLC患者的临床特征

本研究的工作流程如图1所示。

图1

表1总结了128例原发性pLELC和162例非pLELC NSCLC患者的临床病理特征。

表1（部分）

中位随访时间为25.6个月。如图2a，c所示，疾病进展在pLELC患者中观察到更少。同样，根据pLELC患者的平均PFS值估计，高censor率患者的中位PFS为78.4个月，明显优于非pLELC患者。

在总生存率(OS)分析中（图2b，c)，在pLELC和非pLELC NSCLC队列中，自诊断后死亡的患者数量分别为4例和123例。pLELC患者的中位OS为124.0个月，也明显高于对照组。

图2

在PD-L1和p53表达分析中，61.7%（29/47）样本呈PD-L1阳性，其中12例强和17例中。值得注意的是，PD-L1强表达的患者中位DFS最长(图2d，f)。此外，在超过一半的队列（26/47）中观察到突变型p53的表达，该组的DFS比p53表达正常的组更短(图2e，f)。由于p53的异常表达是TP53潜在突变的一个强预测因子，结果提示TP53突变状态与pLELC的预后相关。

02

pLELC的整合基因组分析

pLELC的突变负荷和突变谱

为了进一步了解pLELC的分子特征并探讨其肿瘤发生机制，作者对8例肿瘤标本进行了WGS检测。由于pLELC在组织病理学上与LUSC非常相似，使鉴别诊断复杂化，因此首先将它们的基因组进行比较，然后与LUAD的基因组进行比较。pLELC的总体非同义突变率明显低于LUSC（图3a）。

在8个pLELC样品中均发现了较强的C>T过渡富集(图3b)。结合非负矩阵分解聚类和与癌症体细胞突变目录（COSMIC）数据库定义的30个突变signatures的相关性，显示了4个主要特征(图3b)。主要的特征是5-methyl-cytosine的脱氨过程（signature 1），其次是有缺陷的DNA错配修复（signature 3+15）和APOBEC/AID signature（signatures13）（图3b，c)。

pLELC的体细胞突变

pLELC组共发现14个异常高水平的频繁突变基因(FMGs)（图3d)。为了探索pLELC中独特的驱动基因。将典型的体细胞突变谱与其他肺癌亚型(TCGA中的50例LUADs和50例LUSCs）和26例EBV+-NPC病例进行了比较。虽然pLELC和鼻咽癌的癌变都与EBV感染有关，但作者发现pLELC的体细胞突变与EBV+-鼻咽癌有显著不同(图3e)。同时，除TP53和CDKN2A外，LUAD和LUSC中报道的典型驱动基因在pLELC中很少检测到(图3f)。

然后使用Control-FREEC工具和GISTIC软件分析体细胞拷贝数的变化，cutoff为0.05。CNV的缺失在pLELCs中被广泛观察到(图3g)，CNV损失最显著的是发生在3p24.1、5q12.3、11q24.3和14q11.2（图3h)。结果表明，CNV缺失可能是pLELC癌变的基础。

差异表达的单特征基因(DEGs)的KEGG通路富集

使用Cufflflinks和RSEM比较肿瘤和邻近正常肺组织，对每个患者进行DEG分析，使用EdgeR分析KEGG通路富集，校正的P<0.05，表明KEGG通路富集显著。共458个DEG富集了20个显著的信号通路（图3i)。

整合的基因组和转录组分析

通过整合基因组和转录组分析，在pLELC中检测到5个肿瘤相关基因，特别是ZBTB16、PPARG和TGFBR2的拷贝数和表达减少(图3j)。晚期患者似乎也表现出更明显的肿瘤相关基因减少，这可能是pLELC的潜在发病机制(图3j)。

图3

EBV集成分析

WGS 数据与 EBV 参考基因组比对，以对 EBV 整合进行全面分析。WGS数据中EBV序列的平均百分比为0.14%，覆盖深度平均为220.69×。此外，发现肿瘤组织中的 EBV 基因组含量高于正常样本中的含量，在 EBV 基因组上映射的读数百分比更大，深度更大。共鉴定出 288 个 EBV 整合断点，在 5 名患者（P2、P3、P4、P5 和 P7）中发现了 268 个断点位点。 除了 Y 染色体外，这些断裂点位点分散在 23 条人类染色体上（图 4a、b）。

通过对整合位点的基因注释，发现EBV具有很强的整合到基因间区域而不是基因内区域的倾向，主要是在内含子区域内(图。4c)。

此外，在EBV中鉴定的43个miRNAs中，共检测到321个（72.1%）差异表达的miR-bart。2个BARTs(BART5-3P和BART20-3P)频繁上调，其余3个(BART10-5P、BART20-5P和BART11-3P)的变化相对较小（图 4d)。

图4

小编总结

该研究通过WGS、RNA-seq和EBV联合分析在pLELC中发现了一个独特的突变特征。三个肿瘤相关基因被发现下调，同时CNV丢失。此外还对pLELC中的EBV整合景观进行了的大规模全基因组分析。miRNA衍生EBV的潜在靶点为探索pLELC中EBV的发病机制提供了另一条线索。该研究收集了128个pLELC样本，针对发病率罕见的pLELC进行了深入的基因组分析，为pLELC的作用机制研究提供了很好的基础！