论文部分内容阅读
目的:三阴性乳腺癌（Triple-negative breast cancer,TNBC）是女性最常见的癌症—乳腺癌（breast cancer,BC）的一种特殊亚型,约占乳腺癌病例的12%～20%,在所有乳腺癌亚型中死亡率最高。TNBC患者具有比其他BC患者更高的复发率、死亡率,更容易发生转移和侵袭,并且对包括阿霉素在内多种药物产生耐药性。lnc RNA广泛存在于人体内并参与调控人体基因表达及病理和生理过程。lnc RNA能够通过调控癌细胞生长、介导迁移和转移、调控化疗敏感性及影响细胞周期等方式来调控TNBC。因此,本研究利用生物信息学探索在阿霉素治疗TNBC中存在不良预后的lnc RNA相关基因及其可能的调控机制,并构建Cox风险回归临床预测模型,为今后TNBC临床治疗和研究提供借鉴。研究方法:1.数据下载:本研究运用R语言,首先从TCGA数据库中下载BC临床数据。再依据免疫组织化学结果,雌激素受体、孕激素受体及人表皮生长因子受体2阴性表达为TNBC,其余为non-TNBC。2.目的基因筛选:运用R语言编程包“DESeq2”分别以筛选条件P＜0.05且log2Fold Change＞2进行差异分析,利用韦恩图筛出差异基因。并运用R程序包“survival”以筛选条件P＜0.05对所得到的信息进行生存分析进一步筛选目的基因。3.构建独立风险预后因子:计算目的基因的风险评分Rise score,通过单因素多因素COX回归独立预后分析,单因素及多因素P＜0.05证明因素与生存显著性相关,其可作为独立风险预后因子。4.Cox回归临床预测模型构建及:运用R语言lasso回归模型及交叉验证对临床因素进行筛选,最后保留的因素作为模型构建因素。并运用Cox风险回归模型构建临床预测模型。运用R语言编程包“Hmisc”计算模型C-index指数并绘制校准曲线。使用R语言编程包“time ROC”绘制模型及各个单因素的风险评分的ROC曲线,从而验证模型预测能力。最后,以模型风险评分中位数进行分组并进行生存分析以评价模型高风险和低风险的区分程度。5.通路分析:运用GSEA软件分别对目标基因进行单基因功能富集分析。根据目的基因表达量中位数,对阿霉素治疗患者的基因集分组为高表达组和低表达组,并以log2Fold Change排序。以探讨目标基因相关基因集在KEGG基因集、GO基因集中的富集情况。进而得到在生物过程、细胞成分、分子功能及通路的可能调控机制。结果:1.从TCGA数据库中分别提取TNBC样本127例,non-TNBC样本1094例。以筛选条件P＜0.05且log2Fold Change＞2对二者进行差异分析。结果得到TNBC差异基因共2886个,其中上调基因1422个,下调基因1464个;non-TNBC差异基因共1418个,其中上调基因684个,下调基因734个。对TNBC和non-TNBC差异基因取交集,得到仅在TNBC中存在差异的编码及非编码基因共2171个。2.对TNBC与non-TNBC的所有患者及阿霉素用药患者进行生存分析。结果发现,TNBC患者预后与non-TNBC患者相比预后更差（P=0.066）。阿霉素治疗的TNBC患者与non-TNBC患者相比预后更差（P=0.05）,差异更显著。这表明,阿霉素药物治疗TNBC患者存在更严重的预后不良现象。3.对使用阿霉素治疗的患者以五年存活情况分组,进行差异分析得到127个与阿霉素疗效相关差异基因。随后对所得到的差异基因与TNBC差异基因取交集并绘制韦恩图,得到阿霉素疗效相关的TNBC差异基因共14个。最后,14个基因分为高表达组和低表达组进行生存分析。筛选得到具有显著性差异Lnc RNA的基因（P＜0.05）:TBX2-AS1（P=0.016）;LINC02437（P=0.0046）:LINC00165（P=0.008）。4.风险预后因子的构建。对所得到的差异基因进行风险评分计算Risk.Score=-1.0465*EXPTBX2-AS1+-0.8649*EXPLINC02437+-0.9480*EXPLINC00165。单因素及多因素COX回归独立预后分析,结果显示,单因素分析中Risk.Score与生存显著性相关（P=0.005）,多因素分析中Risk.Score与生存显著性相关（P=0.03）。以Risk.Score中位数分组绘制生存曲线（P=0.0036）,结果显示高评分TNBC患者出现显著性的不良预后。ROC曲线(AUC3year=0.66;AUC5year=0.71)证明了基因COX回归模型对阿霉素治疗TNBC患者具有中等预测能力。TBX2-AS1、LINC02437及LINC00165三个基因所得到的Risk.Score可以作为独立预后因子。5.对lasso回归保留的八个因素:年龄（age）、肿瘤分期（tumor.stage）、初级诊断（primary.diagnosis）、种族（race）、T、N、Risk.Score、远端转移（The.distal.metastasis）共同绘制临床预测模型nomogram图。该模型C-index=0.7422,表现出中等准确度。模型校正曲线结果显示,预测3年OS时,模型预测概率红线均与参考重合,模型能够准确地预测风险。预测5年OS时,模型预测概率红线角度接近45°,模型能够较好地预测风险。生存分析表明,低风险组和高风险组预测显示出良好的区分程度,高风险组表现出显著性不良预后（P=0.00075）。ROC曲线结果表明模型AUC值均大于其他单因素AUC值,AUCmodel=0.82,显示出模型具有的良好的预测能力。6.通过GSEA软件分别对TBX2-AS1,LINC02437及LINC00165三个基因进行富集分析。结果显示,在GO基因集富集分析中,三者分子功能均富集于DNA结合受损,细胞成分均富集于染色体区域和染色体着丝粒区;三者主要生物学过程也包含中心粒复制的调控、nc RNA转录及DNA依赖性DNA复制等DNA转录前调控过程。在KEGG基因集富集分析中,TBX2-AS1,LINC02437及LINC00165三个基因共同富集于错配修复及DNA复制相关KEGG基因集。提示TBX2-AS1,LINC02437及LINC00165可能通过影响转录前生物过程来影响阿霉素药物的疗效和预后。结论:本研究基于TNBC TCGA数据库,鉴定阿霉素不良预后lnc RNA相关基因TBX2-AS1,LINC02437及LINC00165。构建阿霉素用药TNBC患者相关的临床预后模型。初步生物信息分析提示TBX2-AS1,LINC02437及LINC00165可能通过调控转录前错配修复影响阿霉素不良预后。为今后阿霉素用药TNBC患者临床诊断及关于阿霉素不良预后调控机制的深入研究提供思路。