利用TCGA公共数据库挖掘乳腺癌预后相关长链非编码RNA生物标志物

目的通过数据挖掘的方式分析美籍非裔乳腺导管癌/小叶癌女性患者的乳腺癌及癌旁组织中差异表达的长链非编码RNA(lncRNA),筛选出与乳腺癌生存期相关的lncRNA,并探讨其潜在的生物学意义。方法利用TCGA数据库获取美籍非裔女性150例乳腺导管癌/小叶癌的癌组织和5例正常组织的转录组数据,采用Perl和R软件对数据进行提取、整理和分析,通过对差异表达的lncRNA进行单因素Cox回归分析,再将筛选得到的有显著性差异的基因进行多因素Cox比例风险回归模型分析,得到可将乳腺癌患者区分为高、低风险组的基因组合。采用lnCAR在线生存分析的方式验证筛选得到的基因。利用Pearson相关系数法筛选这些lncRNA的共表达基因,并将筛选得到的基因映射到metascape网站进行功能富集分析,探寻其潜在的调控网络。结果通过生物信息学分析筛选出在乳腺癌组织和正常组织中的表达差异具有显著性意义的差异表达lncRNA:lnc00640、PCAT6、HAGLROS和lnc00506。根据这4个lncRNA的表达模式将患者分为高、低风险组,其生存时间存在显著性差异(P<0.01)。这4个因素构建的模型,其一致性指数(C-index)为0.77(95%置信区间:0.67~0.87);其受试者工作特征曲线下面积为0.82,模型具有较好的准确性。结论lnc00640、PCAT6、HAGLROS、lnc00506这4个lncRNA的表达可能对乳腺癌患者预后起重要作用,值得在大量临床样本中进行验证和后续的机制探讨。利用数据挖掘的方式筛选乳腺癌相关lncRNA是一种高效而经济的研究方式。

基于TCGA数据的肝癌预后相关miRNA筛选

目的通过TCGA数据库中肝癌高通量测序数据的分析,寻找新的肝癌预后相关的miRNA,为后续研究提供数据支持。方法下载TCGA数据库中miRNA表达数据及肝癌患者相关临床病理参数,基于R语言进行数据的整理、合并及标准化;分别采用单因素Cox生存分析模型及Bh GLM R软件包中指数先验分布模型对miRNA表达数据进行分析,并选择两种方法筛选结果的交集。结果单因素Cox生存分析模型共筛选出63个预后相关miRNA(P<0.05),指数先验分布模型筛选出77个miRNA,两种方法共筛选出包括miR-188、miR-576、miR-887及miR-91等18个与肝癌患者预后密切相关的miRNA。结论单因素Cox模型联合指数先验分布模型筛选出的肝癌预后相关miRNA具有较高的可信度,或可成为肝癌预后判断的新指标。

基于TCGA数据库不平衡数据的改进分类方法

为解决癌症基因组图谱中DNA甲基化数据不平衡导致假阴率上升的问题,提出一种基于TCGA数据库不平衡数据的改进分类方法.使用合成少数类过采样技术和Tomek Link算法进行混合采样,解决数据不平衡问题.在此基础上,将经特征选择后的训练集数据输入改进模型进行训练、学习及分类.基于TCGA数据库6种癌症DNA甲基化数据的实验结果表明:改进方法对少数类样本的分类性能有显著提高,对多数类样本的分类性能也有一定的提升.

如何利用TCGA数据库实现医学数据共享

TCGA(The Cancer Genome Atlas)即肿瘤基因组图谱计划是一项由美国NCI(National Cancer Institute)和NHGRI(National Human Genome Research Institute)于2006年合作创立、共同监督的项目,是目前为止世界上最大的癌症基因信息数据库。该数据库借助于大规模测序为主的基因组分析技术,将目前人类几乎所有癌症的基因组变异与基因表达水平图谱进行绘制,这将为发现肿瘤基因组的改变以及研究其生物学分子机制提供海量的数据。目前,该数据库向科研人员免费开放,提供进行肿瘤相关研究的数据。本文的主旨是对TCGA公开数据的提取方法进行分析,从而对肿瘤学相关科研人员提供帮助。

基于TCGA数据库分析Prx1在头颈部鳞状细胞癌患者组织中的表达及临床意义

目的 通过TCGA数据库在线分析工具,分析过氧化物还原酶1(peroxiredoxin1, Prx1)在头颈部鳞状细胞癌(head and neck squamous cell carcinoma, HNSCC)患者组织中的表达及临床意义。方法 基于TCGA数据库,利用UALCAN分析HNSCC中Prx1的表达水平及其与患者的性别、年龄、临床分期、肿瘤病理分级及淋巴结转移之间的关系。利用UCSC Xena分析Prx1表达与HNSCC患者吸烟相关性。利用PROGgeneV2对HNSCC患者组织中Prx1表达与总生存率的相关性进行分析。结果 Prx1在HNSCC患者组织中的表达高于正常组织,Prx1高表达与HNSCC患者临床分期、肿瘤病理分级及较差预后相关,与性别、年龄、淋巴结转移无显著相关性,Prx1高表达与患者吸烟密切相关。结论 Prx1在烟草相关HNSCC的发生发展中发挥重要作用,Prx1可能是防治HNSCC的潜在生物学靶点。

常用肿瘤基因分析方法及基于TCGA数据库的分析应用

随着二代测序技术的快速发展,数据量不断累积,肿瘤学家的目光逐渐由多物种测序转移至高通量测序数据的分析和比对。基因数据分析方法层出不穷,高通量的组学分析手段不断优化和创新,基因数据的挖掘和分析工作正处于飞速发展的时期。以肿瘤病人样本为核心的数据库The Cancer Genome Atlas (TCGA)由此应运而生,该数据库全方位记录了从临床肿瘤病人样本得到的基因数据如DNA序列、转录本信息、表观遗传学修饰等。本文主要从数据分析方法、TCGA数据库及其应用实例等3个方面详细介绍了肿瘤相关基因数据的深入挖掘和生物信息学分析方法的最新研究进展,以期为研究人员利用大数据发现肿瘤防治相关的新靶点提供借鉴和参考。

基于TCGA数据库分析BRAF^(V600E)和RAS基因突变与甲状腺乳头状癌临床病理特征的相关性

目的:分析BRAF^(V600E)和RAS基因突变在甲状腺乳头状癌(PTC)中的发生情况,研究BRAF^(V600E)和RAS基因突变与PTC各临床病理特征及预后的相关性。方法:通过cBioPortal网站下载整理癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中PTC的相关信息,选取资料完善的402例PTC样本的基因突变和临床信息进行分析。先单因素分析BRAF^(V600E)和RAS基因突变与临床病理参数的相关性,再对其进行多因素Logistic回归分析。结果:在402例PTC中,BRAF^(V600E)的突变率为48.5%(195/402),RAS基因突变率为10.2%(41/402)。单因素分析显示BRAF^(V600E)突变与患者的年龄、性别无关(P>0.05),与有无淋巴结转移、有无腺外侵犯、分期、复发进展和病理亚型有关(P<0.05);RAS基因突变与患者年龄、性别、分期、复发进展无关(P>0.05),与有无淋巴结转移、有无腺外侵犯和病理亚型有关(P <0.05)。Logistics回归分析显示BRAF^(V600E)基因突变与有无腺外侵犯和PTC的病理亚型有关(P<0.05),RAS基因突变与有无淋巴结转移、有无腺外侵犯和PTC病理亚型有关(P<0.05)。结论:在PTC中,BRAF^(V600E)基因突变率显著高于RAS基因突变率;BRAF^(V600E)和RAS基因突变可作为PTC患者预后的预测因素。

基于Oncomine和TCGA数据挖掘分析MTERF2在胰腺癌中的表达及临床意义

目的:探究人线粒体转录终止因子2(MTERF2)在胰腺癌中的表达及临床意义。方法:检索Oncomine数据库中的MTERF2信息,对其在胰腺癌组织和正常胰腺组织中的表达进行荟萃分析;从美国癌症基因组图谱(TCGA)中下载胰腺癌数据集MTERF2 RNA Seq V2数据及临床病理资料;利用R 2.15.3软件分析MTERF2表达量与临床病理参数的相关性及预后;利用Kaplan-Meier生存函数分析MTERF2表达量和胰腺癌患者预后的关联。结果:Oncomine数据库中共收集了586个不同类型的研究结果,其中关于MTERF2表达有统计学差异的研究有58个,MTERF2表达增高的研究有26个,表达减低的研究有32个。共有9项研究涉及MTERF2在胰腺癌组织和正常组织中的表达,包括226例临床样本,与对照组相比,MTERF2在胰腺癌中低表达(P=7.34×10-6)。TCGA胰腺癌数据集中共收集179例具有临床病理参数的病例及其对应的MTERF2 mRNA表达量。剔除病理参数不详或不完整的病例,利用R 2.15.3软件分析发现,MTERF2 mRNA表达量与胰腺癌患者T分期、M分期、癌症类型及原发部位存在显著相关(均P<0.05),而与患者的年龄、性别、N分期、AJCC病理分期、等级、组织学类型及饮酒史无显著相关(均P>0.05)。Kaplan-Meier生存分析发现,胰腺癌患者MTERF2的表达水平与总生存率(OS)无显著相关性(P>0.05),而与无病生存率(DFS)显著相关(P<0.001)。结论:Oncomine和TCGA数据挖掘显示,人MTERF2在胰腺癌组织中低表达,且MTERF2表达量与胰腺癌患者总生存率无显著相关性,与无病生存率有显著相关性。

基于TCGA数据的女性不吸烟肺癌患者相关lncRNAs的筛选

目的通过对TCGA数据库中女性不吸烟肺癌患者相关基因测序数据进行分析,筛选差异表达的长链非编码RNA(lncRNAs)。方法下载TCGA中女性不吸烟肺癌患者的基因表达数据及相应的临床信息,利用R软件包对数据进行处理、整合和分析,筛选差异表达基因,并通过Survival包进行预后分析。结果筛选获得354个与女性不吸烟肺癌相关的差异表达lncRNAs,其中在肿瘤组织中降低表达的lncRNAs 45个,高表达的lncRNAs 309个,预后分析表明LINC01863的表达水平与女性不吸烟肺癌患者的预后呈正相关(P<0.05),LINC02487、LINC01419和DSCAM-AS1的表达水平与患者的预后呈负相关(P<0.05)。结论对TCGA中的高通量测序数据进行再分析筛选获得多个与女性不吸烟肺癌患者致病相关的lncRNAs,为女性不吸烟肺癌患者的诊断和预后评估提供了潜在的新靶标。

GTPBP4在头颈部鳞状细胞癌中的表达及临床意义

目的 通过在线数据库分析鸟苷三磷酸结合蛋白4(GTP binding protein 4, GTPBP4)在头颈部鳞状细胞癌(head and neck squamous cell carcinoma, HNSCC)患者组织中的表达及临床意义。方法 利用UALCAN、Human Protein Atlas等肿瘤基因数据库分析HNSCC患者中GTPBP4的表达水平及其与肿瘤的临床分期、病理分级、淋巴结转移、HPV感染及TP53突变之间的关系。利用UCSC Xena对HNSCC患者组织中GTPBP4表达与总生存率的相关性进行分析。结果 GTPBP4在HNSCC患者组织中的表达明显升高,GTPBP4高表达与HNSCC患者肿瘤病理分级及较差预后相关,与肿瘤临床分期无显著相关性,且GTPBP4高表达与患者HPV感染及TP53突变密切相关。结论 GTPBP4可能在HNSCC的发生发展发挥促进作用,有望成为HNSCC治疗及预后的潜在靶点及新的生物标志物。

肝细胞癌自噬相关标志物生物信息学分析

目的基于生物信息学方法分析肝细胞癌(hepatocellular carcinoma,HCC)自噬相关长链非编码RNA(long noncoding RNA,lncRNA)生物标志物,用于评估HCC的临床预后及指导治疗。方法从TCGA数据库中下载HCC全转录组数据以及对应的临床数据,在人类自噬数据库(http://www.autophagy.lu/)下载自噬相关基因,通过共表达分析找到自噬相关lncRNA。然后,根据K-M分析及Cox分析构建临床预后模型预测HCC患者生存风险及临床相关性分析。最后,针对这些自噬相关lncRNA进行GSEA功能富集分析和临床样本验证。结果共筛选出919条自噬相关lncRNA,其中AC009403.1、AC099850.3、AL365203.2、AL117336.3和AC015908.3具有临床预后价值且能预测HCC患者生存风险。根据构建的风险模型将高表达AC015908.3患者归为低风险患者,AC099850.3,AL117336.3和AL365203.2归为高风险患者,独立预后分析也验证了构建的预后模型能够预后肝癌患者的生存风险。GSEA功能富集分析发现这5条自噬相关lncRNA主要富集在补体凝血级联、脂肪酸代谢、药物代谢与细胞色素P450、视黄醇代谢、氨基酸代谢、嘧啶代谢、剪接体、嘌呤代谢、碱基切除修复和细胞周期等通路。PCR结果显示,相对于正常肝脏组织,AC009403.1(6.36±2.44 vs 12.67±3.58;t=11.21,P<0.001)、AC099850.3(9.48±3.08 vs 16.11±4.52;t=9.45,P<0.001)、AL365203.2(5.89±2.33 vs 13.05±4.19;t=10.45,P<0.001)、AL117336.3(5.44±2.60 vs 16.41±6.90;t=9.28,P<0.001)在HCC组织中高表达,AC015908.3在HCC组织低表达(12.43±4.56 vs 6.03±1.94;t=9.13,P<0.001)。结论5条自噬相关lncRNA构建的风险预测模型能够预测HCC患者的临床预后,且通过生物代谢和细胞增殖等生物学过程参与HCC发生发展。

基于公共数据库分析GABRD基因在肾透明细胞癌组织中的表达及预后意义

目的:探讨γ-氨基丁酸A受体δ亚基(GABRD)基因在肾透明细胞癌组织中的表达及预后意义,通过富集分析初步了解GABRD基因在肾透明细胞癌中可能发挥的功能。方法:提取Oncomine和TCGA数据库中有关GABRD基因表达的数据集,进行数据挖掘。筛选GABRD基因在肾透明细胞癌中的关联基因并进行富集分析。结果:Oncomine和TCGA数据库中检索到涉及GABRD基因的研究包含肾透明细胞癌标本75例和正常组织597例。在肾透明细胞癌组织中GABRD mRNA的表达量显著高于正常组织(P<0.01)。使用UALCAN网站分析来自TCGA数据库531例肾透明细胞癌患者发现,GABRD高表达的患者总体死亡率较高,而低表达GABRD的患者预后较好(P=0.012)。基于UALCAN网站筛选出的GABRD关联基因,富集分析发现这些基因主要涉及血管生成、肌动蛋白着丝过程、细胞连接、对生长因子的反应、小GTP酶介导的信号转导、涉及细胞分化的细胞表型等。结论:GABRD基因在肾透明细胞癌组织中呈现高表达,并与肾透明细胞癌预后相关,其共表达基因参与多个和肿瘤发生进展有关的生物过程,有望成为肾透明细胞癌的治疗靶点。

基于数据挖掘分析VHL,PBRM1,TTN,SETD2,BAP1在肾透明细胞癌中的表达及预后意义

目的:研究相关基因在肾透明细胞癌中的表达变化,评价相关基因与肾透明细胞癌的关系及其对预后的影响。方法:在TCGA(The Cancer Genome Atlas)数据库中配对肾透明细胞癌组织和正常肾细胞组织相关基因表达谱数据,通过数据挖掘技术挖掘相关基因(VHL,PBRM1,TTN,SETD2,BAP1)与肾透明细胞癌表达及预后的关系。结果:相对比正常肾透明细胞组织,VHL,PBRM1,SETD2,BAP1均呈低表达,TTN呈高表达,通过建立相关生存曲线,可知PBRM1低表达与TTN高表达能够减少肾透明细胞癌患者的生存时间,而VHL、SETD2、BAP1基因低表达与肾透明细胞癌患者的生存时间无统计学差异。结论:PBRM1的低表达与TTN高表达是影响肾透明细胞癌预后的不良因素,因此PRBM1、TTN基因的表达对判断肾透明细胞癌患者的生存预后具有参考价值。

基于公共数据库分析NAT2基因在结肠癌组织中的表达及其与预后的相关性

目的:探讨N-乙酰化转移酶2(NAT2)基因在结肠癌组织中的表达及其与预后的相关性。方法:下载公共数据库中(Oncomine和TCGA)有关NAT2基因表达的数据集,利用在线平台进行数据挖掘,然后对NAT2在结肠癌中的作用进行荟萃分析。结果:Oncomine中检索到涉及NAT2基因的研究包含结肠癌446例和正常组织200例,TCGA中检索到涉及NAT2基因的研究包含结肠癌286例和正常组织41例。与正常结肠组织相比,在结肠癌中NAT2 mRNA的表达量显著降低(P<0.01)。另外,免疫组化结果表明NAT2在正常组织中呈较强或中等表达,而在结肠癌组织中则表达较弱或呈阴性。通过分析结肠癌患者的生存信息发现,NAT2基因低表达患者有着更高的死亡率,而高表达NAT2的患者则预后较好(P<0.05)。结论:在结肠癌中,NAT2基因和蛋白均呈现低表达,并与结肠癌预后相关,有望发展为结肠癌新的诊断和治疗靶点。

癌症基因组学相关数据管理与应用探析

目的:梳理美国癌症基因组图谱计划相关数据的收集、整理、组织、共享及应用情况,为建立及完善国家级大型的癌症基因组学相关数据开放资源提供参考。方法:系统调研TCGA计划的数据管理相关机构工作流程、数据共享利用等方面的解决方案和最佳实践。结果:TCGA计划通过多中心合作,建立了组织样本采集、处理、质量控制、序列测定、特征分析、数据共享与研究应用等全链条的癌症基因组图谱数据管理流程,从所属癌症、数据类型、处理水平等角度对数据进行精细分类,并针对汇总数据和个体数据分别采取开放存取和受控访问两种共享机制,研究者利用其共享数据开展了相关癌症特征基因的突变、扩增和缺失以及受影响的信号通路等多方面研究。结论:癌症基因组图谱计划的实践探索可为大规模癌症基因组学相关研究计划的实施提供数据管理方面的经验与参考。

基于数据挖掘分析ERO1L在肺腺癌中的表达及临床意义

目的探索内质网氧化还原1样蛋白(endoplasmic reticulum oxidoreductin-1-like protein,ERO1L)在肺腺癌中的表达及意义。方法利用c Bio Portal在线分析癌症基因图谱(The Cancer Genome Atlas,TCGA)数据库中586例肺腺癌样本中的RNA-Seq数据,并结合患者的完整生存时间信息,采用KaplanMeier法分析ERO1L变异与肺腺癌患者生存之间的关系。通过基因表达谱动态分析(Gene Expression Profiling Interactive Analysis,GEPIA)数据库搜索ERO1L mRNA在正常肺组织与肺腺癌组织表达的情况,分析其在不同TNM分期中的表达情况。用MethHC数据库分析ERO1L基因在肺腺癌中的甲基化水平。String-DB数据库分析与ERO1L相互作用的蛋白。结果在230例肺腺癌样本中有18例发生ERO1L基因变异,变异率为8%。Kaplan-Meier生存曲线分析显示ERO1L变异组总体生存期(overall survival,OS)短于无变异组(P=0. 0268)。肺腺癌组织中ERO1L mRNA表达明显高于正常肺组织(P <0. 05),且其启动子甲基化水平显著减低(P <0. 005)。ERO1LB、ERP29、ERP44、GPX7、GPX8、INS、P4HB、PDIA4、PDIA6、TXNDC5等基因与ERO1L有明显的相互作用。结论通过肿瘤基因数据库信息挖掘表明,ERO1L在肺腺癌组织中呈高表达,且与患者预后不良相关,为深入研究ERO1L在肺腺癌发生发展中的作用提供重要理论依据。

基于数据库挖掘CLEC16A基因在KIPAN中的表达及其临床意义

目的基于数据挖掘,研究CLEC16A基因与混合性肾癌(KIPAN)发展、预后的关系及意义。方法从TCGA数据库中下载KIPAN的CLEC16A基因表达谱及其临床信息,利用Perl脚本和R包进行处理并分析之间的关系。结果CLEC16A在KIPAN中的表达较正常组织低,且随着KIPAN临床分级的提高,CLEC16A的表达呈下调趋势。CLEC16A低表达与KIPAN预后不良呈正相关(总生存率:HR=0.69,P=0.006;无病生存率:HR=0.72,P=0.028)。基因富集分析结果显示,CLEC16A高表达主要在溶酶体和氧化磷酸化等生物学过程或通路存在富集。而CLEC16A低表达在抗原加工及呈递、免疫球蛋白A(Ig A)肠道免疫网络产生、白细胞跨内皮迁移、NOD样受体信号通路、自然杀伤细胞介导的细胞毒性等信号通路中存在富集。结论CLEC16A可能作为KIPAN发生的抑制物,其低表达是肾癌进展及不良预后的危险因素,高表达可能是抑制KIPAN发生的保护因子。

癌症基因组图集数据库及其应用

癌症多是由DNA变异引起的细胞恶性增生,在基因组水平上研究这些变异及变异间相互作用引起的癌变分子机制,将有助于提高我们对癌症的预防、诊断及治疗能力。基于此,美国国家癌症研究所(NCI)和国家人类基因组研究所(NHGRI)联合发起了癌症基因组图集计划(TCGA),获得了海量数据。这些数据加速了人们对癌变分子机制的认识,为精准治疗和个性化治疗奠定了坚实的基础。此计划完成后国内鲜有对其详实的介绍,本文将对该基因组数据的产生、数据的类型、数据的获取与应用等进行描述,促进这些数据运用于癌症的预防、早期诊断和治疗中。

基于TCGA数据库Wnt相关长链非编码RNA构建肾乳头状细胞癌预后模型

目的构建一种Wnt通路相关的长链非编码RNA(LncRNAs)的肾乳头状细胞癌(pRCC)预后模型。方法经癌症基因组图谱(TCGA)获取pRCC患者的转录组数据和对应的临床信息。采用共表达网络分析、COX回归和Lasso分析方法筛选出Wnt相关的LncRNA用于构建风险预后模型。此外,通过绘制受试者工作特征(ROC)曲线验证模型的预测性能。结果构建了由5个Wnt相关的LncRNAs(CT66,PRECSIT,AL352984.1,AC124798.1,AC011503.2)组成的肾乳头状细胞癌预后模型。生存分析结果表明,该模型在TCGA训练组(P=0.002)、测试组(P=0.013)和完整组(P<0.001)中均具有较好的有效性。将风险评分作为独立预后指标时,完整组患者5年总生存率的ROC曲线下面积(AUC)为0.708。结论由5个Wnt相关lncRNA构建的新的预后模型有助于评估pRCC患者的预后。

基于TCGA数据集分析mRNA在子宫内膜癌中差异表达及对预后影响

目的基于TCGA数据集分析mRNA在子宫内膜癌中的差异表达,建立mRNA差异表达与子宫内膜癌预后的关联。方法提取TCGA数据库中子宫内膜癌样本的mRNA表达量及临床数据资料,采用edgeR算法比较正常组织与子宫内膜癌组织的mRNA表达量,通过mRNA差异表达和临床存活时间作生存分析,寻找对子宫内膜癌预后产生影响的mRNA。结果正常组织与子宫内膜癌组织之间共发现4 429个差异表达mRNA,从中选取前1 000个差异表达mRNA进行GO富集分析、KEGG富集分析及蛋白互作网络分析,筛选出20例hub基因。通过生存分析发现,7个差异表达mRNA(ASPM、AURKA、BUB1、CDCA8、KIF2C、TOP2A、UBE2C)与子宫内膜癌患者存活时间相关(P <0. 05)。结论正常组织和子宫内膜癌组织之间的ASPM、AURKA、BUB1、CDCA8、KIF2C、TOP2A、UBE2C 7个差异表达mRNA与子宫内膜癌患者预后相关,对mRNA在子宫内膜癌领域的研究具有参考价值。