一.研究背景
在腫瘤發(fā)生過(guò)程中，會(huì)發(fā)生代謝組學(xué)相關(guān)的重編程烹棉，但在現(xiàn)有研究中滥崩，去分化甲狀腺癌（DDTC）中代謝相關(guān)基因的表達(dá)模式仍然未知涂臣，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)志物惨险。在此，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(jiàn)的組織學(xué)類(lèi)型[1]脊髓，大多數(shù)的PTC是不易復(fù)發(fā)且能夠被治愈的辫愉，但有5%-20%的患者會(huì)出現(xiàn)復(fù)發(fā)的情況[2]，有一些還會(huì)進(jìn)一步惡化甚至死于該疾病将硝。在Ben Ma等人之前發(fā)表的工作中恭朗，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]。同時(shí)依疼，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）的研究痰腮，這些研究表明分化良好的甲狀腺癌是通過(guò)積累一些重要基因的突變，如TERT和TP53突變律罢，進(jìn)而從逐步腫瘤進(jìn)展（WDTC）到PDTC最終發(fā)展成ATC的[4-6]膀值，但PTC去分化的分子機(jī)制仍未澄清。之前的研究在甲狀腺癌中發(fā)現(xiàn)了代謝組學(xué)特征的改變误辑、一些氧化應(yīng)激反應(yīng)的介質(zhì)和異常的脂質(zhì)代謝沧踏。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(cè)。因此巾钉，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等研究員的研究中翘狱，他們?cè)噲D去找到與PTC分化相關(guān)的代謝基因，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所示砰苍。
Fig 1. 流程圖
1.甲狀腺癌數(shù)據(jù)：FUSCC數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集潦匈，包括5個(gè)PDTC阱高，5個(gè)PTC和6個(gè)NT（normal thyroid）； GEO數(shù)據(jù)庫(kù)中下載甲狀腺癌芯片數(shù)據(jù)茬缩，即：GSE29265赤惊，GSE33630，GSE53157寒屯，GSE65144和GSE76039荐捻；在UCSC Xena數(shù)據(jù)庫(kù)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)化處理寡夹，Combat去批次处面，探針注釋到基因，當(dāng)多個(gè)探針注釋到同一個(gè)基因菩掏，取均值魂角。
3.識(shí)別與DDTC相關(guān)的代謝基因：從KEGG數(shù)據(jù)庫(kù)中收集70條代謝相關(guān)通路，整合通路中的基因智绸，共得到1466個(gè)候選代謝基因野揪。在FUSCC數(shù)據(jù)集中，通過(guò)分別計(jì)算PDTC v.s. PTC以及PDTC v.s. NT的Fold change值和p值瞧栗，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）斯稳，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，得到在DDTC中顯著失調(diào)的基因迹恐。
4.識(shí)別預(yù)后相關(guān)的signature：基于單因素cox回歸分析挣惰，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）；再通過(guò)多因素回歸分析進(jìn)一步識(shí)別可以作為獨(dú)立預(yù)后因素的代謝基因殴边。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(lái)憎茂，作為影響甲狀腺癌預(yù)后的特征基因。
5.風(fēng)險(xiǎn)模型的構(gòu)建：結(jié)合TCGA甲狀腺癌锤岸，利用上述預(yù)后相關(guān)基因構(gòu)建風(fēng)險(xiǎn)模型竖幔，采取中位數(shù)值作為閾值將樣本劃分高低風(fēng)險(xiǎn)組。在TCGA數(shù)據(jù)集以及整合的GEO數(shù)據(jù)集（包括GSE29265是偷，GSE33630拳氢，GSE53157，GSE65144和GSE76039）中分別去刻畫(huà)高低風(fēng)險(xiǎn)組蛋铆，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(xiàn)下面積AUC值饿幅，進(jìn)而評(píng)價(jià)該預(yù)后模型的性能。
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的功能戒职，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栗恩，70個(gè)代謝相關(guān)的KEGG通路作為背景基因集，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(kù)（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的影響磕秤。
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)集中乳乌，通過(guò)|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）市咆，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)基因取交集汉操，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）蒙兰。
Fig 2. 失調(diào)代謝基因
2.構(gòu)建預(yù)后風(fēng)險(xiǎn)模型：基于單因素分析磷瘤，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、LNM和BRAFV600E mutation搜变。進(jìn)一步整合這49個(gè)基因和T3/T4 stage采缚、LNM和BRAFV600E mutation這些特征構(gòu)建多因素cox回歸模型，發(fā)現(xiàn)LPCAT2挠他、ACOT7扳抽、HSD17B8、PDE8B以及ST3GAL1這5個(gè)基因可以作為獨(dú)立的預(yù)后標(biāo)志物殖侵，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）贸呢，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(guò)在TCGA數(shù)據(jù)集以及整合的GEO數(shù)據(jù)集（包括GSE29265拢军，GSE33630楞陷，GSE53157，GSE65144和GSE76039）中計(jì)算AUC值去評(píng)價(jià)該預(yù)后模型茉唉，在TCGA數(shù)據(jù)集中的AUC=0.9固蛾，在整合數(shù)據(jù)集中的AUC=0.79（如Fig 3所示）。
Fig 3. LPCAT2赌渣、ACOT7、HSD17B8昌犹、PDE8B以及ST3GAL1這5個(gè)基因構(gòu)成的標(biāo)志物與PTC差的預(yù)后相關(guān)
3.高低風(fēng)險(xiǎn)組病人特征刻畫(huà)：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)行諸如年齡坚芜、性別、T stage斜姥，TERT突變特征以及相應(yīng)LPCAT2鸿竖、ACOT7、HSD17B8铸敏、PDE8B以及ST3GAL1這5個(gè)基因表達(dá)分布的刻畫(huà)缚忧，通過(guò)圖中的展示，發(fā)現(xiàn)高風(fēng)險(xiǎn)組的病人顯著發(fā)生BRAFV600E的突變杈笔。
Fig 4. TCGA數(shù)據(jù)集中高低風(fēng)險(xiǎn)組病人相關(guān)臨床和分子特征的刻畫(huà)
4.基因功能的刻畫(huà)：在TCGA樣本表達(dá)譜中闪水，映射得到LPCAT2、ACOT7蒙具、HSD17B8球榆、PDE8B以及ST3GAL1這5個(gè)基因表達(dá)譜數(shù)據(jù)朽肥，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持钉，循環(huán)1000次衡招，去看這5個(gè)基因所參與的生物學(xué)功能（如圖 Fig 5所示）。
Fig 5. 代謝基因標(biāo)志物的功能. a)在TCGA數(shù)據(jù)集中GSEA刻畫(huà)代謝基因所參與的功能每强；b-d) LPCAT2始腾，ACOT7和HSD17B8所參與的代謝功能
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)
