高分SCI肺癌生信分析思路

大家好,今天为各位医学童鞋安排解读的是2021年8月最新发表在Lung Cancer(IF=5.705)期刊上的文章。运用多种数据库综合分析确定离子通道基因GJB2和SCNN1B是肺腺癌的预后生物标志物和治疗靶点。一起学起来,拓展生信研究新思路!

                

题目:Integrative analyses identified ion channel genes GJB2 and SCNN1B as prognostic biomarkers and therapeutic targets for lung adenocarcinoma

综合分析确定离子通道基因GJB2和SCNN1B是肺腺癌的预后生物标志物和治疗靶点

摘要

目的:离子通道基因的异常表达与肿瘤的发生发展有关。目前,它们在肺腺癌(LUAD)癌变中的作用尚不清楚。

方法:从102个LUAD和配对相邻正常样本中的328个离子通道基因中鉴定出肿瘤发生中的差异表达(DE)基因。在177例转移性和286例非转移性LUAD样本之间进行了类似的分析,以确定LUAD进展中的去离子通道基因。从去离子通道基因中选择独立的预后因子用于构建预后模型。相关分析和药物-药物靶点相互作用网络用于筛选GJB2或SCNN1B分层的LUAD患者的潜在药物。

结果:六个离子通道基因(GJB2、CACNA1D、KCNQ1、SCNN1B、SCNN1G和TRPV6)在LUAD的肿瘤发生和进展中持续差异表达。对4组522例LUAD样本的生存分析表明,GJB2和SCNN1B是独立的预后生物标志物。GJB2过度表达或SCNN1B表达不足的患者总生存期较短。此外,多组学分析表明,GJB2的低甲基化和启动子区SCNN1B的高甲基化可能是其异常表达的原因。KEGG富集分析表明,GJB2高或SCNN1B低组中的高表达基因富集于肿瘤相关途径,而低表达基因富集于代谢相关途径。GJB2和SCNN1B的预后模型可以将所有LUAD患者分为两组,两组患者的生存率有显著差异。相关分析和药物-药物靶点相互作用网络表明GJB2和SCNN1B的表达可能对LUAD患者具有指示治疗价值。最后,对其他8种癌症类型的泛癌分析显示GJB2和SCNN1B可能也是KIRC的潜在预后因素。

结论:作者的研究发现GJB2和SCNN1B被确定为LUAD的预后生物标志物和治疗靶点。

结果

 

1. 数据的获取和整理

从HGNC数据库下载328个离子通道基因(http://www.genenames.org/),其中26个的Ca2+通道基因,17个Cl-通道基因,79个K+通道基因,18Na+通道基因、22 个家族、28 个瞬时(TRP) 家族。

基因表达谱临床信息和配对正常组织从TCGA和GEO(GSE18842)下载。此外,还收集了一个具有肿瘤节点转移 (TNM) 阶段的数据集 GSE68571 和其他三个具有生存时间的独立数据集 GSE31210、GSE50081 和 GSE41271。分析了其他八种癌症类型,包括(BRCA)、(COAD)、(ESCA)、(HNSC)、肾肾(KIRC)、肝肝细胞癌 (LIHC)、(LUSC) 和(STAD)。每种癌症类型包括两个具有肿瘤和配对正常组织的数据集,一个来自 TCGA 的RNA-seq 数据集和一个来自 GEO 的微阵列数据集。

2. LUAD离子通道基因中潜在预后生物标志物的鉴定

在5%的FDR对照下,通过edgeR和Student t检验分别在TCGA和GSE18842数据集中的LUAD和正常肺样本之间鉴定出106和131个脱离子通道基因。如图1A所示,这两个基因列表中共有80个脱离子通道基因重叠,其中76个脱离子通道基因显示出相同的表达方向。同时,在TCGA LUAD和GSE68571数据集(FDR)的转移组和非转移组之间鉴定出31和35个脱离子通道基因 (图1B), 其中6个脱离子通道基因重叠(GJB2、CACNA1D、KCNQ1、SCNN1B、SCNN1G和TRPV6)。六个去离子通道基因在LUAD进展中的表达方向与它们在肿瘤发生中的表达方向一致(图1C)。GJB2在肿瘤发生和发展的连续过程中显著过度表达,而CACNA1D、KCNQ1、SCNN1B、SCNN1G和TRPV6显著低表达。单变量cox回归分析显示,三个基因(GJB2、SCNN1B和KCNQ1)的表达与TCGA数据集中LUAD患者的OS显著相关。如Kaplan–Meier曲线所示,GJB2高表达或SCNN1B或KCNQ1低表达的LUAD患者OS显著缩短(图1D)。进一步验证了GEO的其他三个独立LUAD数据集(GSE31210、GSE50081和GSE41271)中的关系。GJB2和SCNN1B仍然与OS保持显著关联(图1E)。TCGA LUAD数据中的多变量Cox回归分析表明,在调整年龄、吸烟、性别和分期后,GJB2和SCNN1B与患者的OS显著相关(图1F)。这些结果表明GJB2和SCNN1B是LUAD患者的独立预后标志物。

       

3. LUAD患者GJB2/SCNN1B表达与临床特征的关系

在数据集GSE68571中,GJB2的表达水平随着肿瘤分化程度的降低而显著增加(图2A)。分化良好和分化差之间存在显著差异或中度分化。此外,GJB2在III/IV期标本中的表达高于I/II期标本。然而,SCNN1B的表达水平与肿瘤分化程度呈正相关(图2A)。肿瘤分级之间存在显著差异。此外,在III/IV期和I/II期样本中观察到SCNN1B的低表达。然而,GJB2和SCNN1B在不同年龄、性别和吸烟状态之间的表达没有显著差异(表2)。这些结果表明,GJB2的高表达或SCNN1B的低表达在肿瘤恶化的严重程度中表现出来。

作者进一步评估了GJB2/SCNN1B的表达与LUAD中三种常见突变基因(KRAS、EGFR和TP53)突变状态之间的关系。与KRAS野生组相比,TCGA LUAD中KRAS突变组的GJB2表达显著或略高和GSE68571数据集,而SCNN1B在TCGA LUAD中略微或显著表达不足和GSE68571数据集。同样,与GSE68571数据集中的TP53野生组相比,GJB2略微过度表达和SCNN1B在TP53突变组中显著低表达。GJB2或SCNN1B表达与EGFR突变状态之间没有显著关系(图2B)。

       

       

 

4. GJB2和SCNN1B的多组学分析和功能分析

 

与正常样本相比,启动子区的表观遗传学分析表明,LUAD中GJB2显著低甲基化,SCNN1B显著高甲基化。拷贝数分析显示GJB2和SCNN1B分别在7%和5%的TCGA LUAD样本中发生改变。同样,突变分析表明,在LUAD中GJB2和SCNN1B很少发生体细胞突变,其中GJB2和SCNN1B分别只有0.2%和0.4%。总之,GJB2的低甲基化和SCNN1B的高甲基化可能归因于LUAD中基因表达的改变。在5%的FDR对照下,在TCGA LUAD、GSE31210、GSE41271和GSE50081数据集中GJB2高表达和低表达的样本之间分别鉴定出10700、5317、4507和3247个DE基因。功能富集分析表明,这些DE基因分别在84、77、70和69个KEGG途径中显著富集。在这四个数据集中,共有11条途径被过度表达的基因富集,如ECM受体相互作用、粘着斑、PI3K-Akt信号通路和p53信号通路,而三条途径被低表达的基因富集,包括脂肪酸降解、丙酸代谢、缬氨酸/亮氨酸和异亮氨酸降解(图3A)。类似地,在TCGA LUAD、GSE31210、GSE41271和GSE50081中,SCNN1B高表达和低表达的样本中分别鉴定出6543、5468、2448和2702个DE基因。功能富集分析表明,这些DE基因在79、57、46和45 KEGG途径中显著富集。八条通路通常由过度表达的基因富集,如脂肪酸降解、醛固酮调节的钠重吸收,四条通路通常由低表达的基因富集,如p53信号通路、DNA复制、细胞周期(图3B)。这些结果表明GJB2和SCNN1B可能通过这些途径对LUAD产生预后影响。

       

5. 构建GJB2和SCNN1B预测模型

 

相关分析表明,在TCGA-LUAD数据集中GJB2和SCNN1B的表达之间存在显著相关性(图4A)。在其他四个数据集中也观察到了一致的负相关(图4A)。PPI网络显示GJB2和SCNN1B不直接相互作用,它们与23个基因相关(图4B)。间接联系可能归因于TCGA-LUAD数据集中GJB2和SCNN1B之间的弱相关性。根据GJB2和SCNN1B的生存系数和表达值,构建如下预测模型:

score = e(−0.1163*expression(GJB2) +0.1327 *expression(SCNN1B))

根据风险评分的中值,LUAD样本被分为高风险评分组和低风险评分组,在TCGA-LUAD数据集中生存率存在显著差异(图4C),与高危评分组相比,低危评分组的预后显著不良。在GSE31210、GSE41271和GSE50081三个数据集中验证了预后基因特征(图4C)。多变量cox比例风险回归模型表明,GJB2和SCNN1B的组合模型独立于TCGA-LUAD数据集中的年龄、吸烟状况、性别和肿瘤分期等临床因素(图4D)。

       

6. GJB2和SCNN1B是潜在的药物靶点

 

作者进一步研究了分别按GJB2和SCNN1B分层的组的潜在药物。基于DrugBank数据库,发现,在TCGA LUAD数据集中,共有19种药物靶向的9个和39个药物靶基因分别与GJB2呈显著的负相关和正相关。药物、目标基因和GJB2之间的网络如图5A所示。有趣的是,EGFR是几种药物的靶基因,包括阿法替尼、布列他尼、达科替尼、厄洛替尼、吉非替尼、奈替单抗、奥西美替尼,与GJB2呈显著正相关。吉西他滨耐药基因TYMS、CMPK1和RRM1与GJB2呈正相关。此外,药物依托泊苷的转运体DNA拓扑异构酶IIα(TOP2A)也与GJB2的表达呈正相关。结果表明GJB2过度表达的LUAD患者可能对EGFR抑制剂和足叶乙甙更敏感,而对吉西他滨更具耐药性。

 

同样,12个和26个药物靶基因分别与SCNN1B呈显著负相关和正相关(图5B)。三个紫杉醇和多西紫杉醇耐药基因TUBB1、MAPT和BCL2与SCNN1B呈正相关。这些结果表明,SCNN1B低表达的患者可能对紫杉醇和多西紫杉醇更敏感。

       

7. GJB2和SCNN1B在其他癌症类型中的相关性

 

作者在TCGA和GEO数据集中进一步研究了GJB2和SCNN1B在其他8种癌症类型中的表达模式和预后影响。在5%FDR对照组中,GJB2在KIRC、BRCA、LUSC和STAD中显著高表达,但在COAD和LIHC中显著低表达(如图6A所示)。KIRC中GJB2过度表达的预后不良,这与LUAD中的发现一致,而LIHC中GJB2的低表达与预后不良相关 (图6B)。SCNN1B在其他六种不同的癌症组织中显著低表达,包括KIRC、HNSC、STAD、COAD、LUSC和ESCA(图6C)。只有SCNN1B的低表达与KIRC中较短的OS显著相关(图6D)。这些结果表明GJB2和SCNN1B也可能是KIRC的潜在预后生物标志物。

       

结论

 

本研究表明GJB2和SCNN1B是LUAD的预后因素和治疗靶点,GJB2和SCNN1B的预后模型可用于预测总生存期。

文献解读

适合模仿的生物信息学 lncRNA结合肿瘤的研究思路

2021-10-9 17:53:15

文献解读

国自然热点大碰撞——癌症中的外泌体结合miRNA

2021-10-9 18:13:25

声明 本网站部分文章源于互联网,出于传递更多信息和学习之目的转载,并不保证内容正确或赞同其观点。
如转载稿涉及失效、版权等问题,请立即联系管理员;我们会予以修改、删除相关文章,请留言反馈
Notice: When your legal rights are being violated, please send an email to: sci666net@qq.com.
0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索