一.研究背景
在腫瘤發(fā)生過程中戒洼，會(huì)發(fā)生代謝組學(xué)相關(guān)的重編程，但在現(xiàn)有研究中，去分化甲狀腺癌（DDTC）中代謝相關(guān)基因的表達(dá)模式仍然未知露久，這篇文章找到了和分化甲狀腺癌（DDTC）代謝相關(guān)的基因標(biāo)志物看政。在此朴恳，為大家介紹一篇：Transcriptome analyses identify a metabolic gene signature indicative of dedifferentiation of papillary thyroid cancer發(fā)在ONCOIMMUNOLOGY?雜志上的關(guān)于免疫的文獻(xiàn)【J Clin Endocrinol Metab???2019.4.3??IF：5.605??通訊作者：Qinghai Ji? ? ?通訊作者單位：上海復(fù)旦大學(xué)醫(yī)學(xué)部癌癥研究中心】
甲狀腺乳頭狀癌（PTC）是去分化的甲狀腺癌（DDTC）中最常見的組織學(xué)類型[1]，大多數(shù)的PTC是不易復(fù)發(fā)且能夠被治愈的允蚣，但有5%-20%的患者會(huì)出現(xiàn)復(fù)發(fā)的情況[2]于颖，有一些還會(huì)進(jìn)一步惡化甚至死于該疾病。在Ben Ma等人之前發(fā)表的工作中嚷兔，他們發(fā)現(xiàn)甲狀腺乳頭狀癌的去分化是導(dǎo)致其預(yù)后差的原因[3]森渐。同時(shí)，雖然有幾項(xiàng)關(guān)于從基因組層面對(duì)PDTC和甲狀腺未分化癌（ATC）的研究冒晰，這些研究表明分化良好的甲狀腺癌是通過積累一些重要基因的突變同衣，如TERT和TP53突變，進(jìn)而從逐步腫瘤進(jìn)展（WDTC）到PDTC最終發(fā)展成ATC的[4-6]壶运，但PTC去分化的分子機(jī)制仍未澄清耐齐。之前的研究在甲狀腺癌中發(fā)現(xiàn)了代謝組學(xué)特征的改變、一些氧化應(yīng)激反應(yīng)的介質(zhì)和異常的脂質(zhì)代謝蒋情。代謝組學(xué)的分析可以有助于對(duì)惡性甲狀腺結(jié)節(jié)的準(zhǔn)確診斷和實(shí)現(xiàn)對(duì)PTC遠(yuǎn)端轉(zhuǎn)移和癌癥干細(xì)胞的預(yù)測埠况。因此，在上海復(fù)旦大學(xué)癌癥研究中心頭頸外科和腫瘤科的Ben Ma等研究員的研究中棵癣，他們?cè)噲D去找到與PTC分化相關(guān)的代謝基因辕翰，且進(jìn)一步識(shí)別和PTC預(yù)后相關(guān)的代謝基因.
二.材料和方法
該工作的研究思路如Fig 1所示。
1.甲狀腺癌數(shù)據(jù)：FUSCC數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集浙巫，包括5個(gè)PDTC金蜀，5個(gè)PTC和6個(gè)NT（normal thyroid）；?GEO數(shù)據(jù)庫中下載甲狀腺癌芯片數(shù)據(jù)的畴，即：GSE29265渊抄，GSE33630，GSE53157丧裁，GSE65144和GSE76039护桦；在UCSC Xena數(shù)據(jù)庫下載TCGA甲狀腺癌表達(dá)數(shù)據(jù)（n=502）。
2.?GEO平臺(tái)數(shù)據(jù)處理：對(duì)芯片表達(dá)譜進(jìn)行背景校正和RMA標(biāo)準(zhǔn)化處理煎娇，Combat去批次二庵，探針注釋到基因，當(dāng)多個(gè)探針注釋到同一個(gè)基因缓呛，取均值催享。
3.識(shí)別與DDTC相關(guān)的代謝基因：從KEGG數(shù)據(jù)庫中收集70條代謝相關(guān)通路，整合通路中的基因哟绊，共得到1466個(gè)候選代謝基因因妙。在FUSCC數(shù)據(jù)集中，通過分別計(jì)算PDTC v.s. PTC以及PDTC v.s. NT的Fold change值和p值，得到在這兩個(gè)比較集中都顯著上調(diào)和顯著下調(diào)的基因（|FC|≥1.5 & p<0.05）攀涵，并進(jìn)一步和在GSE29265和GSE33630兩套數(shù)據(jù)集中的失調(diào)基因取交集铣耘，得到在DDTC中顯著失調(diào)的基因。
4.識(shí)別預(yù)后相關(guān)的signature：基于單因素cox回歸分析以故，首先識(shí)別和預(yù)后相關(guān)的代謝基因和臨床以及其他的突變特征（如BRAFV600E等特征）蜗细；再通過多因素回歸分析進(jìn)一步識(shí)別可以作為獨(dú)立預(yù)后因素的代謝基因。將在多因素cox檢驗(yàn)中可以作為獨(dú)立的預(yù)后標(biāo)志物的代謝基因挑選出來怒详，作為影響甲狀腺癌預(yù)后的特征基因炉媒。
5.風(fēng)險(xiǎn)模型的構(gòu)建：結(jié)合TCGA甲狀腺癌，利用上述預(yù)后相關(guān)基因構(gòu)建風(fēng)險(xiǎn)模型棘利，采取中位數(shù)值作為閾值將樣本劃分高低風(fēng)險(xiǎn)組橱野。在TCGA數(shù)據(jù)集以及整合的GEO數(shù)據(jù)集（包括GSE29265，GSE33630善玫，GSE53157水援，GSE65144和GSE76039）中分別去刻畫高低風(fēng)險(xiǎn)組，并計(jì)算該預(yù)后模型分別在TCGA數(shù)據(jù)集以及整合的GEO數(shù)據(jù)集中的曲線下面積AUC值茅郎，進(jìn)而評(píng)價(jià)該預(yù)后模型的性能蜗元。
6.功能富集分析（GSEA）：為驗(yàn)證這風(fēng)險(xiǎn)模型中所構(gòu)成的代謝基因signature的功能，根據(jù)上述的風(fēng)險(xiǎn)得分公式將TCGA樣本所劃分成的高低風(fēng)險(xiǎn)標(biāo)簽作為phenotype label系冗，70個(gè)代謝相關(guān)的KEGG通路作為背景基因集奕扣，利用GSEA軟件隨機(jī)1000次去完成基因功能的富集分析。
7.代謝基因?qū)ι娴挠绊懀涸贕epia數(shù)據(jù)庫（http://gepia.cancer-pku.cn/index.html）驗(yàn)證這些代謝相關(guān)基因的高低表達(dá)對(duì)甲狀腺癌病人的DFS和OS的影響掌敬。
三.結(jié)果展示
1.識(shí)別和驗(yàn)證在DDTC相關(guān)的代謝基因：在FUSCC數(shù)據(jù)集中惯豆，通過|FC|≥1.5 & p<0.05，我們獲取在PDTC v.s. PTC和PDTC v.s. NT中共顯著失調(diào)（上調(diào)和下調(diào)）的121個(gè)基因（81個(gè)下調(diào)基因和40個(gè)上調(diào)基因）（如圖?Fig 2b）奔害，并進(jìn)一步和GSE29265和GSE33630兩套數(shù)據(jù)集中識(shí)別到的上調(diào)和下調(diào)基因取交集楷兽，最終得到了在DDTC中27個(gè)上調(diào)和38個(gè)下調(diào)基因，共65個(gè)失調(diào)基因（如圖?Fig 2c所示）华临。
2.構(gòu)建預(yù)后風(fēng)險(xiǎn)模型：基于單因素分析芯杀，我們從上述的65個(gè)失調(diào)代謝基因中找到49個(gè)和生存相關(guān)的候選基因集以及T3/T4 stage揭厚、LNM和BRAFV600E?mutation。進(jìn)一步整合這49個(gè)基因和T3/T4 stage筛圆、LNM和BRAFV600E?mutation這些特征構(gòu)建多因素cox回歸模型椿浓，發(fā)現(xiàn)LPCAT2漾岳、ACOT7粉寞、HSD17B8左腔、PDE8B以及ST3GAL1這5個(gè)基因可以作為獨(dú)立的預(yù)后標(biāo)志物，并利用這5個(gè)基因構(gòu)建風(fēng)險(xiǎn)評(píng)估模型（如下所示）振亮，我們發(fā)現(xiàn)該風(fēng)險(xiǎn)模型和甲狀腺癌差的預(yù)后相關(guān)（如圖?Fig 3d）。通過在TCGA數(shù)據(jù)集以及整合的GEO數(shù)據(jù)集（包括GSE29265坊秸，GSE33630澎怒，GSE53157，GSE65144和GSE76039）中計(jì)算AUC值去評(píng)價(jià)該預(yù)后模型喷面，在TCGA數(shù)據(jù)集中的AUC=0.9，在整合數(shù)據(jù)集中的AUC=0.79（如Fig 3所示）琳状。
3.高低風(fēng)險(xiǎn)組病人特征刻畫：對(duì)依據(jù)上述預(yù)后模型劃分的高低風(fēng)險(xiǎn)組病人進(jìn)行諸如年齡、性別审洞、T stage待讳，TERT突變特征以及相應(yīng)LPCAT2、ACOT7创淡、HSD17B8、PDE8B以及ST3GAL1這5個(gè)基因表達(dá)分布的刻畫琳彩，通過圖中的展示部凑，發(fā)現(xiàn)高風(fēng)險(xiǎn)組的病人顯著發(fā)生BRAFV600E的突變涂邀。
4.基因功能的刻畫：在TCGA樣本表達(dá)譜中箱锐，映射得到LPCAT2、ACOT7驹止、HSD17B8、PDE8B以及ST3GAL1這5個(gè)基因表達(dá)譜數(shù)據(jù)臊恋，70條代謝相關(guān)的KEGG通路作為背景基因集，預(yù)后風(fēng)險(xiǎn)模型對(duì)樣本劃分的高低風(fēng)險(xiǎn)作為phenotype label坊夫，循環(huán)1000次岸售，去看這5個(gè)基因所參與的生物學(xué)功能（如圖?Fig 5所示）。
?參考文獻(xiàn)：
1.?Aschebrookkilfoy B, Ward M H, Sabra M M, et al. Thyroid Cancer Incidence Patterns in the United States by Histologic Type, 1992–2006[J]. Thyroid, 2011, 21(2): 125-134.
2.?Schlumberger M. Papillary and follicular thyroid carcinoma.[J]. The New England Journal of Medicine, 1998, 338(5): 297-306.
3.?Ma B, Xu W, Wei W, et al. Clinicopathological and Survival Outcomes of Well-Differentiated Thyroid Carcinoma Undergoing Dedifferentiation: A Retrospective Study from FUSCC[J]. International Journal of Endocrinology, 2018.
4.?Landa I, Ibrahimpasic T, Boucai L, et al. Genomic and transcriptomic hallmarks of poorly differentiated and anaplastic thyroid cancers[J]. Journal of Clinical Investigation, 2016, 126(3): 1052-1066.
5.?Ibrahimpasic T, Xu B, Landa I, et al. Genomic alterations in fatal forms of non-anaplastic thyroid cancer: Identification of MED12 and RBM10 as novel thyroid cancer genes associated with tumor virulence[J]. Clinical Cancer Research, 2017, 23(19): 5970-5980.
6.?Pozdeyev N, Sokol E S, Hartmaier R J, et al. Genetic analysis of 779 advanced differentiated and anaplastic thyroid cancers[J]. Clinical Cancer Research, 2018, 24(13): 3059-3068.
7.?Pavlova N N, Thompson C B. The Emerging Hallmarks of Cancer Metabolism.[J]. Cell Metabolism, 2016, 23(1): 27-47.
8.?Caria P, Tronci L, Dettori T, et al. Metabolomic Alterations in Thyrospheres and Adherent Parental Cells in Papillary Thyroid Carcinoma Cell Lines: A Pilot Study[J]. International Journal of Molecular Sciences, 2018, 19(10).
9.?Huang F, Li J, Jiang L, et al. Serum‐plasma matched metabolomics for comprehensive characterization of benign thyroid nodule and papillary thyroid carcinoma[J]. International Journal of Cancer, 2019, 144(4): 868-876.
往期分享
21-Deep learning (DL)一種基于多組學(xué)構(gòu)建肝癌患者分型的新算法
22-從DNA損傷修復(fù)以及分析亞型角度分析膀胱癌中的免疫調(diào)節(jié)
