一.研究背景
表達譜的多因素分析是判斷包括腦癌在內的多種疾病預后的有效指標扰柠。世界衛(wèi)生組織(WHO)根據惡性腫瘤和總生存率(OS)將膠質瘤分為四類高职。而膠質母細胞瘤是生長迅速的星形細胞瘤中最惡性的一種(4級膠質瘤)次坡。膠質母細胞瘤的中位OS為9-15個月呼猪，5年生存率低于5%。因此贸毕，對膠質母細胞瘤的早期診斷和預后的準確預測是當務之急郑叠。
今天小編為大家?guī)磉@篇文章作者在這篇研究中夜赵，以EMT和GSCs為研究對象明棍，利用膠質母細胞瘤患者的表達數據和OS進行多變量分析。最終一些候選基因被確定為潛在膠質母細胞瘤預測因子寇僧。
標題：【Promising Prognosis Marker Candidates on the Status of Epithelial–Mesenchymal Transition and Glioma Stem Cells in Glioblastoma】
雜志：Cells? ? ? ?IF:5.656? ? ? 日期：2019.10.24
二.方法和材料
1)????????數據：文章使用來自TCGA以及CGGA的具有臨床信息的膠質瘤樣本的表達數據摊腋。
2)????????基因注釋：使用GOstat2.5?對感興趣的基因注釋、可視化和整合嘁傀，使用數據庫(DAVID)進行在線注釋.
3)????????聚類分析：基因表達值通過來自患者的平均值進行處理兴蒸，然后法進行層次聚類分析。繪制熱圖细办，以可視化橙凳。
4)????????隨機生存森林分析：使用隨機生存森林的方法區(qū)分基因表達和生存之間的關系。
5)????????Cox風險比例回歸模型分析
6)????????Graphical Lasso Estimation來對多個基因進行分析
7)????????主成分分析以及生存樹分析
三.結果展示
1 刻畫EMT和GSC在膠質母細胞瘤中的表達狀態(tài)
這篇文章研究的目的是識別潛在的膠質母細胞瘤預后標志物笑撞。神經膠質瘤是由EMT引起和神經膠質瘤干細胞維持,在這項研究中,作者使用了來自286個TCGA和CGGA膠質母細胞瘤患者的表達數據和臨床信息岛啸，關注了EMT基因與神經膠質瘤基因（圖1）。
TCGA數據集的151個樣本中的126個基因的表達以熱圖為代表分級聚類包括EPI(14個基因;圖1a)茴肥、MES(23個基因;圖1b)坚踩、GLI(53個基因;圖1c)、GSCs(17個基因;圖1d)瓤狐， MTT(34個基因;圖1e)瞬铸、PGBs(24個基因;圖1 f)批幌。然而，能夠將患者分層成簇的不同表達模式尚未被識別嗓节，這表明基因的差異表達可能需要聯(lián)合使用來評估膠質母細胞瘤患者的預后荧缘。
因此，作者研究了這些基因組合是否與膠質母細胞瘤的EMT和GSC相關拦宣。
2 重要變量的重要性以及基因的風險比胜宇，膠質母細胞瘤預后預測公式的評估
作者在這部分使用隨機生存森林分析顯示每個基因的變量重要性，以及Cox比例風險回歸分析顯示顯著系數和風險比(HRs)恢着。最終作者得到一個由22個基因構成的線性公式確定患者的生存桐愉。使用中值將患者分成不同組。隨后繪制Kaplan Meier生存曲線(圖2)掰派。
所有低評分亞組預后良好从诲，如EPIlow (HR 0.51, 95% CI 0.32 0.81, p = 0.0039;圖2a)， MESlow (HR 0.41, 95% CI 0.27 0.62, p = 1.4 10 5;圖2b)靡羡， GLIlow (HR 0.27, 95% CI 0.17 0.42, p = 1.6 10 9;圖2c)系洛， GSClow (HR 0.34, 95% CI 0.21 0.55, p = 3.4 10 6;圖2d)， MTTlow (HR 0.31, 95% CI 0.19 0.51, p = 1.5 10 6;圖2e)略步、PGBlow (HR 0.29, 95% CI 0.18 0.48, p = 2.7 10 7;圖2 f)描扯。CGGA數據集也顯示了類似的結果。
這些結果表明趟薄，預后預測公式對評估膠質母細胞瘤患者的生存是有用的绽诚。
3 遺傳互作以及興趣基因的hub網絡
作者評估了基于表達強度的遺傳相互作用，以檢測膠質母細胞瘤中的hub網絡和中心因素(圖3)杭煎。
包括在遺傳網絡中基因如下:EPI標記中的CLDN1(圖3a);MES標記中的CDH11和FN1(圖3b);HDAC1/3/7, FLT1, EGFR, PTEN, MGMT恩够，和PGF的GLI標記(圖3c);GSC標記中的OLIG2、STAT3羡铲、L1CAM和BMI1(圖3d);MTT基因中的HDAC1/3/7蜂桶、SIRT1和EGFR(圖3e);以及PGBs中的GFAP、TIMP4也切、IGFBP2扑媚、MGMT和GADD45A(圖3f)。其中雷恃，一部分MES疆股、GSCs和PGBs的生物標志物網絡也被復制到CGGA數據集中。
這些結果也揭示了研究的基因對預測膠質母細胞瘤的預后是有幫助的褂萧。
4 評估EMT, GSCs, MTT, 和PGBs之間的相關性
作者用主成分分析法檢驗了這六程序之間的相關性押桃。各程序得分由第一主成分積分指數與歸一化FPKM值之和計算，將程序間的相關性引入散點圖矩陣，相關系數(r)與統(tǒng)計顯著性結合(p < 0.001;圖4)唱凯。幾乎所有相關得分都相對較高(r > 0.61;圖4)羡忘。lasso(圖4b)檢測到GLI MTT (r = 0.88)和EPI MES (r = 0.71)之間存在很強的正相關，而其他細胞程序如MES PGB (r = 0.38)磕昼、PGB GSC (r = 0.30)和GSC GLI (r = 0.25)之間存在微弱的正相關卷雕。然而，在CGGA驗證數據集中票从，這些相關網絡并沒有被復制漫雕，作者驗證了GLI MTT (r = 0.87)、GSC PGB (r = 0.43)和MES PGB (r = 0.43)之間的正相關關系峰鄙。這些結果提示浸间，將MES和GSC作為惡性狀態(tài)對預測膠質母細胞瘤的預后意義不大。然而吟榴，將GLI與GSCs魁蒜、MTT基因和PGBs的標記相結合，可能會開發(fā)出新的治療方法和新的候選基因標記來預測膠質母細胞瘤的預后吩翻。
5 EMT和GSCs聯(lián)合應用評估膠質瘤進展
作者研究了一些EMT結合GSC對于OS評估的相關性兜看，對膠質母細胞瘤患者使用生存樹分析(圖5)。利用MES和GLI標記,MESmiddle MESlowGLIhigh,表現(xiàn)出良好的預測,而MEShighGLIlow顯示預后不良(圖5),這表明間充質基因的表達可能是膠質母細胞瘤的預后的良好指標狭瞎。MESmiddle比MEShigh預后更好(圖5b)细移。使用GLI和GSC標記，GSClow預后良好熊锭，而GSChighGLIlow預后較GSChighGLIhigh差(圖5c)弧轧，表明GSC標記可能提示惡性膠質瘤細胞。
此外球涛，與PGBlow相比劣针，PGBhigh和PGBmiddle的預后較差(圖5d,e)，從而驗證了研究使用的候選標記和公式亿扁。MEShighMTTlow的預后比MESmiddle差(圖5f)。這表明MTT靶基因表達的減少導致患者生存能力下降鸟廓。相比之下从祝，CGGA驗證數據集顯示EPIlow的預后優(yōu)于EPImiddle和EPIhigh，這表明EPI基因的過表達可能能夠區(qū)分腫瘤發(fā)生的起始階段和正常的上皮細胞分化引谜。綜上所述牍陌，包括MES、EPI员咽、GSC毒涧、PGBs在內的EMT標志物的表達可能提示預后不良和惡性膠質母細胞瘤。MES贝室、GLI和MTT基因標記聯(lián)合使用可能有助于判斷膠質母細胞瘤的預后契讲。
6 膠質母細胞瘤的診斷和預后預測需要多種評估
根據Cox比例風險回歸分析和作者之前的研究結果構建了一個綜合公式仿吞，該公式將Kaplan Meier生存曲線除以中位數分數，顯著HR為3.08 (95% CI 2.04 4.70, p < 0.0001;圖6a)與驗證數據集結果相似(圖6b)捡偏。為了確定基于ESI唤冈、MES、GLI/GSC標志物银伟、PGBs等代表性基因的預后預測作用你虹，作者將之前使用的公式分解為幾個公式減去各種因素(圖6c)。
發(fā)現(xiàn)沒有GSC的公式(ΔGSC)和MES標記(ΔMES)顯示了相反的結果(圖6 d, e),這表明評估MES和GSC標記組合公式是必不可少的彤避。因此傅物，根據膠質瘤的進展選擇幾個因素的合理組合，可以保證預測膠質母細胞瘤的預后琉预。
四.結論
在這項研究中,作者選擇了包括22個基因的基因標記集如DSG3 FN1, IGFBP2, CLDN1, HDAC7,和L1CAM等,可用于預測膠質母細胞瘤的預后,基于EMT的狀態(tài)評估等構建了預后預測公式挟伙，在混合的細胞程序中，有效地評估膠質母細胞瘤患者的生存模孩，這將有助于開發(fā)新的治療方法尖阔，并為預測膠質母細胞瘤的預后提供新的標志物。
五.參考文獻
1.?????????Louis, D.N.; Perry, A.; Reifenberger, G.; von Deimling, A.; Figarella-Branger, D.; Cavenee, W.K.; Ohgaki, H.; Wiestler, O.D.; Kleihues, P.; Ellison, D.W. The 2016 World Health Organization Classification of Tumors of the Central Nervous System: A summary.Acta Neuropathol.2016,131, 803–820.
2.?????????Silantyev, A.S.; Falzone, L.; Libra, M.; Gurina, O.I.; Kardashova, K.S.; Nikolouzakis, T.K.; Nosyrev, A.E.; Sutton, C.W.; Mitsias, P.D.; Tsatsakis, A. Current and Future Trends on Diagnosis and Prognosis of Glioblastoma: From Molecular Biology to Proteomics.Cells2019,8, 863.
3.?????????Stewart, L.A. Chemotherapy in adult high-grade glioma: A systematic review and meta-analysis of individual patient data from 12 randomised trials.Lancet2002,359, 1011–1018.
4.?????????Stupp, R.; Hegi, M.E.; Mason, W.P.; van den Bent, M.J.; Taphoorn, M.J.; Janzer, R.C.; Ludwin, S.K.; Allgeier, A.; Fisher, B.; Belanger, K.; et al. Effects of radiotherapy with concomitant and adjuvant temozolomide versus radiotherapy alone on survival in glioblastoma in a randomised phase III study: 5-year analysis of the EORTC-NCIC trial.Lancet Oncol.2009,10, 459–466.
5.?????????Tran, B.; Rosenthal, M.A. Survival comparison between glioblastoma multiforme and other incurable cancers.J. Clin. Neurosci.2010,17, 417–421.
6.?????????Iser, I.C.; Pereira, M.B.; Lenz, G.; Wink, M.R. The Epithelial-to-Mesenchymal Transition-Like Process in Glioblastoma: An Updated Systematic Review and In Silico Investigation.Med. Res. Rev.2017,37, 271–313.
往期分享
16-IF4+:非腫瘤的疾病挖掘 利用WGCNA分析挖掘孕前BMI和新生兒體重的關鍵基因
17-思路清奇：純生信分析表觀基因組學和形態(tài)學ITH的比較空間分析
