今天和大家分享的是2020年1月发表在EBioMedicine(IF:5.736)上的一篇文章,作者通过单因素、多因素cox回归分析、KM生存分析等途径建立了TP63亚型的表达对TCGA-膀胱癌(BLCA)及泛癌的差异预后效应,同时首次构建出了TP63在BLCA中的完整亚型列表。

标题:TP63 isoform expression is linked with distinct clinical outcomes in cancer

TP63亚型表达与癌症的不同临床结果有关

一、 研究背景

在多方式的积极治疗下,50%的肌肉浸润性膀胱癌(MIBC)患者仍将发展为致命的转移复发。因此,识别预后生物标志物,以确定患者的复发和死亡风险是至关重要的。TP63通常在膀胱和其他类型的癌症中表达,但它在肿瘤生物学和预后指标中的作用尚不清楚;它可以表达为多个独特的异构体,根据它们表达的氨基端结构域可分为DNp63和TAp63两类。先前的研究表明,这些不同的TP63亚型在肿瘤生物学和患者预后中具有不同的作用,但TP63亚型的表达尚未系统地描述并与临床结果相关。

二、 分析流程

三、 结果解读

1.泛癌中TP63的表达水平及其与生存的关系
  • 作者从TCGA中29个疾病队列中下载了z-score标准化的RNA-seq数据(8519例),以z-score作为标准化后的数据,得到在泛癌中TP63.表达水平较高的几种癌症类型,其中包括BLCA(图1.a)

  • 利用单因素cox回归分析,发现TP63的高表达与以TCGA-低级别胶质瘤(LGG)、TCGA-皮肤黑色素瘤(SKCM)为代表的的癌症队列的生存率降低显著相关;而与以TCGA-乳腺癌(BRCA)等为代表的癌症队列的生存率提高显著相关 (图1.b)

  • 接下来作者针对TP63表达与BLCA患者预后的关系进行分析,首先对BLCA队列患者进行TP63高/低表达的分组(取最低的10%分位数作为分界),接着对TP63高/低表达分组做kaplan-meier(KM)生存分析,结果显示高表达组BLCA患者的中位OS(44.8mos)明显高于低表达组的中位OS(19.8mos)(图1.c、d)

  • 对BLCA不同分子亚型做cox回归分析,发现TP63表达与腔内分子亚型患者生存率提高有显著相关性;而与基础鳞状亚型患者生存率的相关性不显著,这一结果提示了TP63对预后的差异效应可能与癌症的分子亚型有关(图1.e)

图1.泛癌中的TP63表达水平及其生存分析

2.构建BLCA中TP63亚型的完整列表
  • 在Refgene和Gencode数据库中共有14个TP63亚型,而在BLCA队列的至少7%(28名患者)样本中又鉴定出两个额外的TP63异构体,在这里作者将两种异构体称为DNp63αP和DNp63βP, 为了证实DNp63αP和DNp63βP亚型在人膀胱癌中确实表达,作者构建了一组引物(如图2.c)

  • 图2.b显示利用cufflinks获得的TP63异构体目录,同时也是制作引物(图2.c)的依据

  • 用构建好的引物做qPCR。253J和UM-UC10细胞株的内源性TP63表达较低,作为阴性对照。;DNp63α过表达的UM-UC10细胞株作为阳性对照。只有当DNp63α异构体被过表达时,对应于TP63α的PCR产物才能在UM-UC10中被稳定地检测到。以上结果表明:DNp63αP和DNp63βP两种亚型存在于人膀胱癌细胞中(图2.d)

图2.BLCA中TP63亚型的鉴定过程

3.TP63亚型表达的定量
  • 作者考虑了多个异构体量化算法(Salmon、Kallisto和Cufflinks)后,使用了量化预测结果与TP63亚型的RT-PCR结果最接近的salmon算法,以下是作者对salmon算法准确性的检测。

  • 首先,给出用salmon算法计算出的BLCA队列中的TP63亚型表达水平,以及原发性膀胱癌队列、UMICH膀胱癌细胞系中的TP63亚型表达水平,得出一致的结论:DNp63是膀胱癌中的主要TP63亚型,TAp63的表达相对较少(图3.a、b、c)

  • 对TP63的prime和non-prime型异构体进行RT-PCR,将结果与基于salmon算法的定量结果进行比较,发现结果中都出现了prime亚型高表达,且两种方法得到的表达比例接近(图3.d、e)

  • 对TP63的α、β、δ异构体进行RT-PCR,将结果与基于salmon算法的定量结果进行比较,发现在两种方法得到的结果中α、β、δ异构体的表达比例基本一致(图3.f、g);由以上两点结果证实了使用salmon算法可以准确的预测TP63亚型的表达

  • 为了在蛋白水平检验TP63亚型的表达水平是否与在mRNA水平上的一致,作者对总TP63和TP63α进行了immunoblot(免疫印迹)。结果显示:DNp63α分别占UM-UC5和UM-UC14细胞系中TP63蛋白表达总量的84%和80%;而基于salmon的定量结果显示,在UM-UC5和UC14中DNp63α的表达对应于TP63mRNA总量的90%和91%。这一结果让DNp63是BLCA中的表达的主要亚型有了说服力(图3.h)

  • 对TCGA泛癌队列绘制TP63亚型表达水平的热图,除个别例外,基本与BLCA中的亚型表达比例一致。(图3.i)

图3.用salmon算法进行TP63亚型定量的准确性验证

4.不同TP63亚型对BLCA不同分子亚型的预后影响分析
  • TP63亚型在基底鳞状(BS)、腔乳头(LP)、腔浸润、腔和神经内分泌亚型中的表达谱有明显差异:DNp63亚型在LP和BS亚型中的表达明显高于其他亚型(Wilcoxon p<0.0001);BS亚型患者的TAp63表达明显高于腔内亚型 (Wilcoxon p<0.0001),这说明 DNp63和TAp63在不同BLCA亚型中有不同的表达谱,且会产生不同的预后影响(图4)

图4.DNp63与TAp63基于BLCA分子亚型的表达差异

  • 将BLCA患者分别按照DNp63表达量(第10%分位数cut-off)和TAp63表达量(第95%分位数cut-off)进行分组,并分别对BLCA、BRCA、TCGA-肺鳞癌(LUSC)做KM生存分析,结果显示DNp63和高表达组和TAp63的低表达组的中位OS明显更高,所以认为DNp63的高表达与患者生存率的提高有关,而TAp63的高表达与患者生存率的降低有关(图5.a、b)

  • 接着作者对DNp63和TAp63两亚型对BLCA分子亚型的具体预后作用做单因素cox分析,发现DNp63与腔内亚型的生存率提高有关(HR=0.89),而与BS亚型预后基本无关;TAp63与BS亚型生存率降低有关(HR=2.35),而与腔内亚型预后基本无关(图5.c)

  • 已知有年龄和病理阶段与BLCA的生存有关,为了验证DNp63和TAp63表达对BLCA预后影响的独立性,作者进行了多因素cox回归分析,结果证明:在控制年龄和病理分期的条件下,DNp63高表达与BLCA预后生存率提高明显有关,TAp63高表达与BLCA生存率降低明显有关,证明了两种亚型对BLCA预后价值的独立性(图5.d)

图5.DNp63和TAp63对BLCA不同分子亚型的具体预后关系

  • 分别用DNp63和TAp63亚型与TCGA泛癌队列做单因素cox回归,将两种TP63亚型表达的预后价值上升到泛癌水平,结果显示,DNp63高表达改善了BRCA、BLCA、LUSC等的癌症预后;而TAp63的高表达则与BLCA、LUSC等癌症的预后恶化有关(图6.a、b)

  • 由于DNp63和TAp63表达与预后的相反关系,作者假设TP63与预后改善或恶化的关联可能要用DNp63和TAp63两种异构体的相对丰度的变化来解释。于是作者分别计算了TAp63和DNp63在TCGA各类癌症人群中相对于TP63的平均比例,并将每种癌症的这一数值与对应癌症HR值相关联作出散点图,结果显示TP63预后较差的疾病具有更高的TAp63水平和更低的DNp63水平(图6.c、d)

图6.DNp63和TAp63在泛癌水平的预后效应

5.DNp63与TAp63的相关信号通路预测
  • 分别做BLCA、BRCA、LUSC人群中高表达DNp63和高表达TAp63的队列的GSEA基因富集分析,(用Wilcoxon-P值来对GSEA的基因集进行排序,并识别统计富集的基因集)。发现DNp63高表达的肿瘤患者有与表皮细胞分化、角化和皮肤发育有关的富集基因集;将同样的方法应用于TAP63,发现了与适应性和天然免疫反应、VEGF通路、Jak- Stat通路和其他几种转录因子(CHOP、PAX6、TCF11、MAFG) 有关的常见富集基因集(图7.a、b)

  • 作者使用来自HPRD数据库(human protein reference database:人类蛋白互作信息数据库http://www.hprd.org/)中的蛋白相互作用数据来识别可能与TAP63相关的候选信号通路。由32个基因构建的通路包含总共40个蛋白质相互作用,包括与免疫反应、细胞应激反应和肌动蛋白细胞骨架组织有关的信号。这些发现意味着TAp63具有作为免疫细胞相互作用的生物标志物的潜力,进一步增强了它的预后价值(图7.c)

图7.DNp63和TAp63亚型的信号通路预测

小结

本篇文章中作者为了阐明TP63在癌症患者预后中的作用,对TCGA泛癌队列的TP63表达进行了全面的分析,然后将TP63的表达与患者的预后相关联。并将研究范围集中在了膀胱癌队列上,对TAp63和DNp63对膀胱癌不同亚型的预后价值给出详细分析,验证了癌症预后与两亚型的比例有关的假设。最后还利用GSEA富集分析和HPRD数据库对TP63亚型的相关信号通路给出预测,提出了TAp63具有作为免疫细胞相互作用的生物标志物的潜力;另外值得一提的是,作者在确定BLCA中的TP63亚型目录时发现了DNp63αp和DNp63βp两种以前没有被注释过的亚型的表达,并在此基础上完成了首次对TP63在泛癌水平上的表达分析。后台回复:泛癌,获取泛癌文章合集

最近公众号改版,

以防失联,加个星标吧!

往期推荐

多点好看,少点脱发

单基因gsea_单基因如何干湿结合发5分+泛癌分析相关推荐

  1. 单基因gsea_单基因TCGA联合GEO干湿结合在胃癌中再发4分+

    大家好!今天跟大家分享的是2020年5月发表在Frontiers in Oncology(IF = 4.848)上的文章.文章利用了从TCGA及GEO数据库中搜集的胃癌(Gastric Cancer, ...

  2. 单基因gsea_单基因想要简单分析发4分+,你要这样补实验!

    大家好,今天和大家分享的是2020年1月发表在Frontiers in Oncology(IF:4.848)上的一篇文章,作者研究了UBASH3B在前列腺癌中的mRNA和蛋白表达.通过构建lncRNA ...

  3. 单基因gsea_单基因GSEA怎么做?

    生物信息学习的正确姿势 NGS系列文章包括NGS基础.在线绘图.转录组分析 (Nature重磅综述|关于RNA-seq你想知道的全在这).ChIP-seq分析 (ChIP-seq基本分析流程).单细胞 ...

  4. 单基因gsea_单基因纯生信分析系列 5+单基因突变新思路1

    各位小伙伴们好呀,虽然马上放长假了,但是今儿也是要认真工作的一天吆!小编今天给大家带来了一篇九月份刚刚发表在EBioMedicine(IF=5.736)杂志有关突变的文章.目前,TP53与KRAS/A ...

  5. 肿瘤/非肿瘤/单基因/单细胞/非编码:史上最全生信分析攻略!!!

    解读生信之美,探讨每篇文献背后的逻辑 非肿瘤专栏:条条大路通罗马 1.4+非肿瘤生信分析+铁死亡/焦亡/自噬/代谢/免疫的万能钥匙 短评:适合一些热门机制如铁死亡/焦亡/自噬等在非肿瘤疾病中的研究 2 ...

  6. 差异表达基因热图怎么看_R绘图 雷达图-单基因泛癌差异表达的另类展现形式

    往期回顾: R语言学习系列之"多变的热图" 蚂蚁金服在线可视化引擎 G2 R绘图:无与伦比的华丽风行(桑基图) R绘图:相关性分析与作图(单基因相关性) R绘图:相关性分析与作图R ...

  7. 单基因gsea_零代码5分+的单基因综合分析

    小伙伴们好呀!今天和大家分享的是2020年一月份发表在Front Bioeng Biotechnol(IF:5.122)的一篇文章,作者在主要针对头颈癌,从表达量入手,对PGRMC1高低表达组中的差异 ...

  8. 单基因gsea_这篇3+分核心基因筛选,点个在看,我们复现这篇文章!

    今天和大家分享的是2019年11月发表在Frontiers in Genetics(IF:3.517)上的一篇文章,"Identifying Key Genes and Functional ...

  9. 单基因gsea_筛到5分的核心基因以后你可以怎么做?

    这一次我们从一些已经发表的文章拆解,我们来看看,你找到了一个核心基因以后,你可以怎么做呢?我们就不说那么多废话了,直接用几篇文章的解读来带着大家领会一下如何去进行下一步的分析. Case1:预后标志物 ...

最新文章

  1. lnmp一键安装脚本
  2. python 网站 源码_在线浏览美图源码,附带python源码
  3. codevs 1779 单词的划分
  4. 四个关键步骤,精进算法和数据结构 ​
  5. Hystrix降级逻辑中如何获取触发的异常 1
  6. cloudsim样例描述
  7. mtk一键usb驱动_6寸三防手持终端 Windows系统 安卓系统,高通 MTK 条码扫描 NFC
  8. 计算机辅助外文文献,计算机辅助设计建筑CAD论文中英文对照资料外文翻译文献.doc...
  9. 使用数组操作解码YOLO Core ML对象检测(三)
  10. PE格式第七讲,重定位表
  11. java中map类型_Java中Map类型遍历的两种方式对比
  12. 20.Mybatis之逆向工程
  13. 安全测试简历项目经验怎么写?
  14. WPS插入页码,自动生成目录
  15. 一篇几乎涵盖95%英语语法的文章[Pending]
  16. 数字逻辑:时序逻辑元件——锁存器
  17. yum命令 启用仓库_技术|如何列出在 Linux 上已启用/激活的仓库
  18. python getch_python – 是否可以使用getch()来获取不同长度的输入?
  19. vue中的this.$router.replace()和.push()和.go()的区别解析
  20. 简单易上手的理财方法介绍

热门文章

  1. 微电网调度(风、光、储能、电网交互)(MatlabPython代码实现)
  2. 咋阻止别人用计算机监控我家,我想用我家里的电脑控制办公室电脑的打印机怎么处理?...
  3. 安全狗陈荣有:打造“即开即用”的云原生安全能力
  4. PCB设计之阻抗不连续性,如何解决?
  5. css里banner是什么,div+css banner的问题
  6. 【ACM】kuangbin基础数论专题
  7. 什么是个人热点?安卓手机怎么开启个人热点?
  8. 微信公众号微信小程序申请出现的问题
  9. Java: 猜拳游戏
  10. 目标检测模型从训练到部署,其实如此简单