13+SCI 基因集泛癌分析纯生信 可重复

大家好，今天要和大家分享的是2021年7月发表的一篇文章“Pan-cancer analyses reveal genomics and clinical characteristics of the melatonergic regulators in cancer”。

该思路换做其他基因集均可重复以及增加内容，需要做该思路的分析欢迎交流。

褪黑素是一种内源性激素，除调节昼夜节律、睡眠和神经内分泌活动外，还在各种生存途径中发挥作用。在本研究中，作者使用来自癌症基因组图谱和癌细胞系百科全书中的多组学数据对33种癌症类型的9125个肿瘤样本中的褪黑素调节剂进行了全面分析。在基因组领域，作者将AANAT和GPR50的杂合扩增以及PER3、CYP2C19和MTNR1A的杂合缺失确定为主要改变事件。基因表达分析则揭示了甲基化介导的褪黑素调节表达下调。此外，作者还发现褪黑素调节因子的表达可用于预测多种癌症患者的存活率。microRNA(miRNA)分析揭示了一个miRNA-mRNA相互作用网络，并且失调的miRNA可通过靶向生物钟基因参与褪黑素的分泌和代谢。通路分析表明，褪黑素调节剂与抑制细胞凋亡、细胞周期、DNA损伤反应以及RAS/MAPK和RTK信号通路的激活有关。重要的是，通过挖掘癌症数据库中药物敏感性基因组学，作者还发现了许多可能针对褪黑素调节剂的潜在药物。这项研究揭示了褪黑素调节剂在泛癌中的基因组改变和临床特征，可能为癌症的临床治疗提供一种新的方法。

发表杂志：J Pineal Res.

影响因子：13.001

研究背景

流行病学研究表明，环境因素和生活方式的改变可能是全球癌症发病率上升的重要原因。最近的研究表明，昼夜节律紊乱会增加多种癌症的易感性，包括肺癌、乳腺癌、前列腺癌、结直肠癌和非霍奇金淋巴瘤。褪黑素(N-乙酰-5-甲氧基色胺)是松果体分泌的一种普遍存在的多效性分子。褪黑素循环的高峰出现在夜间，负责调节昼夜节律，包括睡眠周期、青春期发育和神经内分泌活动。褪黑素的自然合成与多种过程有关，乙酰5-羟色胺O-甲基转移酶(ASMT)和芳基烷胺N-乙酰基转移酶(AANAT)是褪黑素生物合成途径中的重要合成酶。另外，褪黑素可通过与褪黑素受体1A(MTNR1A)和褪黑素受体1B(MTNR1B)相互作用，进而触发RORA下游信号的激活，从而发挥多种生理功能。然而，癌症中褪黑素调节因子的基因组和临床特征还需要进一步的研究。

流程图

分析解读

褪黑素调节因子的基因组表达和亚型分析

①测定30个正常器官/组织中褪黑素调节因子的基因表达。

②泛癌中各肿瘤组织mRNA差异表达分析。

③生存分析：Cox比例风险模型计算每个基因的生存风险(HR)，随后对每个基因进行Kaplan-Meier生存的对数检验。

④为了鉴定影响癌症亚型的临床相关基因，进行表达亚型分析。

结果：

下图A：GTEx数据集中褪黑素能调节剂表达谱的热图。

下图B：正常组织与肿瘤组织的mRNA差异。

下图C：褪黑素能调节亚型在癌症中的表达。

下图D：褪黑素调节剂生存分析。

下图E-F：PER3(E)和ARNTL(F)与癌症预后有关。

单核苷酸变异(SNV)分析

①SNV数据(n=8,663)是从TCGA数据库收集的33种癌症的SNV数据。

②用突变样本数/肿瘤样本数计算各基因编码区SNV突变频率(百分比)。

结果：

下图A：褪黑素调节因子的突变频率。

下图B：显示褪黑素调节因子的突变分布。

拷贝数变异(CNV)分析

①从TCGA数据库中收集33种癌症类型的CNV的原始数据(n=11,495)并使用GISTICS2.0进行处理。

②在CNV模块分析中计算CNV百分比和CNV与mRNA的相关性。

③使用GISTIC处理的CNV数据生成基于CNV亚型的百分比统计，并使用原始CNV数据和mRNA RSEM数据计算相关性。

④将mRNA表达与CNV原始数据合并，探讨两者之间的相关性。

⑤成对的mRNA表达和成对的CNV百分比样本之间的关联基于人的乘积矩相关系数和t分布进行了测试。

结果：

下图A：CNV饼图显示了泛癌中每个基因的杂合/纯合CNV组合。

下图B：杂合性CNV图谱显示杂合性CNV的百分比，包括泛癌中每个基因杂合性CNV的扩增和缺失百分比。

下图C：CNV与mRNA表达的相关性。

甲基化分析

①在这项研究中，具有超过10个肿瘤-正常对的癌症将在肿瘤和正常之间进行进行Student's T检验以定义肿瘤和正常样本之间的甲基化差异。

②褪黑素调节因子的mRNA表达和甲基化数据进行合并。

③基于Pearson的乘积矩相关系数测试配对mRNA表达和甲基化之间的关联，然后进行t分布测试。

④结合甲基化数据和临床总生存期数据，根据中位甲基化水平将基因甲基化水平分为两组。用Cox回归分析两组基因甲基化的比例。

结果：

下图A：在每种癌症中，肿瘤和正常样本之间的褪黑素调节因子的甲基化程度不同。

下图B：甲基化与mRNA基因表达的相关性。蓝点代表负相关，红点代表正相关，颜色越深，相关性越高。

下图C：具有高甲基化和低甲基化的褪黑素调节因子的样本之间的存活率存在统计学差异。

下图D-E：肾上腺皮质癌CYP1A2甲基化(D)和肾透明细胞癌(KIRC)RORA甲基化（E）的预后分析。

microRNA(MiRNA)调控网络分析

①合并miRNA和基因表达。

②基于Pearson相关系数对mRNA和miRNA表达之间的关联。

③计算所有配对样本的相关性。

③负相关的miRNA-基因对将被视为潜在的负调控对。

结果：

下图：一个miRNA和一个调节子连接节点代表了miRNA对基因的调控。节点大小与节点度呈正相关，边宽由相关系数的绝对值决定。

褪黑激素调节因子之间的通路分析

①来自TCPA数据库的反相蛋白质阵列(RPPA)数据用于计算7876个样品的分数。

②基因表达按中位表达分为两组（高和低），组间通路活性评分(PAS)的差异使用Student's T检验定义，p值由FDR调整。

结果：

下图A：生物钟基因对通路活性影响的综合百分比。

下图B：线代表不同途径之间的连接，其中连接一条途径的实线代表激活，连接一条途径的虚线代表抑制，线的颜色代表了不同的癌症类型。

褪黑素调节因子的药物敏感性分析

①从GDSC下载药物的剂量-反应曲线(AUC)值下的面积和所有癌细胞系的基因表达谱。

②使用Fisher<80><99>s Z变换将转录水平和AUC的Pearson相关系数标准化。

③将注释的药物-靶标对的Pearson相关系数与通过随机抽样相关性生成的相同数量的相关对进行比较，对GDSC IC50药物数据进行基因集耐药性分析。

结果：

下图：Spearman相关系数用于显示基因表达是否与药物敏感性相关。正相关是基因高表达表示对药物耐药，负相关是基因高表达表示对药物敏感。

小结：

在本项研究中，作者综合评价了33个实体瘤中褪黑素调节因子的基因组学和临床特征。研究发现，基因组和表观遗传学的改变，以及mRNA表达与miRNA网络介导的褪黑素调节因子的异位表达参与了癌症相关通路的激活，并与临床生存密切相关。另外，遗传分析显示褪黑素调节因子的拷贝数变异频率很高，而生物钟基因的异常高甲基化介导了褪黑素调节因子的下调。因此，作者推测在某些情况下，褪黑素调节基因的遗传和表观遗传改变可能会导致褪黑素功能障碍，促进肿瘤的发生，而针对这些褪黑素调节因子靶向疗法可能是治疗癌症的突破口。