miRNA分子亚型——生信分析新思路

[ixxmu]

https://mp.weixin.qq.com/s/h1uFgQBwtxg3uu4QnWlkgw

[github-actions[bot]]

miRNA分子亚型——生信分析新思路 by 医学僧的科研日记

今天和大家分享一篇发表在Computational and Structural Biotechnology Journa（IF：7.271）的文章，本文将miRNA与mRNA相关联确定前列腺癌（PCa）分子亚型，结合表观遗传学、基因组学、转录学、免疫学和临床水平上对确定的PCa亚型进行描述，具体如何实现的，一起来看看吧~

一、摘要

微核糖核酸（miRNA）失调通过调整mRNA水平在前列腺癌（PCa）的异质性发展中起着关键作用。作者通过用非负矩阵分解法对miRNA调控的转录组进行聚类，来描述PCa的分子特征。利用来自癌症基因组图谱的PCa478样本，在两个合并的微阵列和RNAseq数据集中，分别有656和252个样本，确定并验证了四个分子亚型（S-I、S-II、S-III和S-IV）。在对临床特征、多组学特征、免疫浸润和药物敏感性进行综合分析后，这四种亚型表现出不同的临床和生物学特征。总的来说，基于miRNA调控的基因谱，本研究确定了四种不同的PCa亚型，可以改善诊断时的风险分层并提供治疗指导。

二、流程图

三、结果简述

1、PCa分子亚型的开发

作者使用三个 miRNA数据库来预测潜在的mRNA 在TCGA-PRAD数据集的478个PCa样本的16,766个mRNA中的494个miRNA的靶点（图A）。作者从miRDB、miRTar、TargetScan v7.2数据库中的各获得281,308、91,401、453,371个miRNA-mRNA对，然后选择了三个数据库中共存的miRNAs 和mRNAs对14,046个。最终，利用Pearson相关系数 （图B）和q值，确定了570个MIRcor基因。KEGG和GO分析显示，这些MIRcor基因在上皮细胞增殖和迁移、细胞周期、生殖系统 发育、PI3K-Akt信号通路、P53信号通路、T细胞受体信号通路和TGF-β信号通路中明显富集（图C）。

 接下来，作者将非负矩阵分解（NMF）应用于570个MIRcor基因，并根据cophenetic相关系数和共识图 选择k=4作为最佳集群数（图D）。因此在TCGA-PRAD队列中确定了四个亚 类（S-I，S-II，S-III，S-IV） 。Kaplan-Meier 分析显示，四个亚类有明显的预后差异（DFS，p < 0.001；图E）。S-IV（ 24.1%）与最差的预后有关，而最大的亚型，S-II（44.6%）显示出最好的预后。S-I （16.7%）和S-III（14.6%）的预后介于两者之间。这些结果表明，MIRcor基因表达谱 可以将PCa患者分为不同的预后组。

2、跨独立数据集的PCa亚型的验证

为了验证聚类方法的稳健性，首先进行了差异表达分析，发现443个显著上调的基因，其中S-I为260个，S-II为57个，S-III为42个，S-IV为84个，如上图F所示。接下来，亚型特异性基因被用来通过NTP算法给两个合并的数据集中的每个样本分配类标签。亚图分析显示，两个合并的数据集中的亚型与TCGA-PRAD中的对应亚型有特异性的明显关联（图A）。此外，在两个合并的数据集中也验证了类似的预后差异（图B）。每个数据库里的所有独立的队列都显示了类似的结果（图C）。

3、PCa亚型与miRNA、DNA甲基化、体细胞拷贝数改变和突变的关系

作者首先分析了四个PCa亚型中的miRNA模式。与正常样本相比，这四种亚型显示了平均miRNA表达水平较高（图A）。除了S-IV的miRNA表达水平高于S-II，各亚型之间没有明显差异。差异分析显示，S-II比其他亚型（图B）表现出更少的DEmiRs。

接下来，利用GSEA来选择在相应亚型中过度代表的差异表达miRNA (DEmiRs)（图C）。结果显示，四个上调的和两个下调的DEmiRs分别在S-III和S-II中明显富集。为了阐明PCa亚型之间的表观遗传和基因组改变，作者计算了甲基化水平、体细胞突变和SCNAs。除了S-I表现出较低的甲基化水平外，S-II、S-III和S-IV的启动子甲基化水平相当。S-IV的非整倍体分数和TMB最高，其次是S-III。S-IV和S-III都显示出比S-I和S-II更高的TNA负荷（图D）。

与其他亚型相比，S-IV在病灶和手臂水平上的拷贝数增加和丢失的负担最高（图E）。具体来说，几个肿瘤抑制基因（即TP53、RB1和PTEN）在S-IV中更频繁地被删除（图F）。MYC和CCND1的扩增在S-IV中明显，而在S-II中最少见P<0.001）。作者还确定了PCa中前20个经常突变的基因（图G），发现TP53、FOXA1和LRP1B在S-IV中最经常突变，其次是S-III。

4、PCa亚型与临床和生物学特征的关系

作者接下来在TCGA-PRAD（图A）、芯片（图B）和RNAseq队列中确定并验证了四个亚型的不同生物学特征。S-I与基底细胞、干细胞、神经内分泌性前列腺癌(NEPC)、前列腺发育显著相关。而S-II富含管腔细胞、ERG融合、雄性激素反应和代谢相关的特征。S-III表现出氧化磷酸化和中等水平的增殖，如丰富的DNA修复途径（包括碱基切除修复、核苷酸切除修复、同源重组和错配修复）。S-IV的特点是中等水平的NEPC、干性、EMT和血管生成，以及DNA修复和细胞周期相关途径的明显活动，如E2F、G2M和MYC目标。

5、PCa亚型与免疫浸润的关系

接下来，作者描述了TCGA-PRAD和芯片队列中PCa亚型的免疫状况。ESTIMATE算法显示，与S-II和S-III相比，S-I和S-IV的免疫和基质评分相对较高，肿瘤纯度较低（图A和C）。这预示着S-I和S-IV这可能与免疫有关。为了解码免疫微环境，作者进行了ssGSEA，发现S-IV明显富集了免疫炎症的特征（如人类白细胞抗原特征、CD8T效应细胞、自然杀伤细胞细胞毒性和T细胞炎症GEP；图B和D）。尽管S-I显示出与S-IV相似的免疫炎症特征的富集，但发现它比其他子类型具有更高水平的骨髓源性抑制细胞（MDSCs）、调节性T细胞（Tregs）、T细胞衰竭、TGFb家族成员和受体以及癌相关成纤维细胞（CAFs）。因此，S-I型显示出对免疫排斥亚型的更大倾向。

6、PCa亚型与疗效的关系

为了探索PCa亚型是否对常规PCa疗法有不同的反应，作者计算了PCa队列中阿比特龙、奥拉帕尼和基于他汀的化疗的AUC值（图A-C）。结果，S-II型与阿比特龙的敏感性增加有显著关系，而S-I型对奥拉帕尼的敏感性高于其他亚型。虽然各PCa队列的结果不一致，但总的来说，S-III和S-IV患者对多西紫杉醇和卡巴他赛更易受影响。作者还使用subMap比较PCa亚型和34名接受恩扎鲁胺（160mg/d）治疗的mCRPC患者之间的基因表达谱（GEPs）。数据显示，S-I与恩扎鲁胺耐药组明显相关（图D）。相比之下，S-II的GEP与恩扎鲁胺敏感组更为相似。由于PCa亚型与不同的免疫表型相关，作者疑问他们是否对免疫疗法有不同的反应。首先调查了PD-1、PD-L1和CTLA-4的表达水平，发现它们在S-I和S-IV之间没有明显差异。SubMap分析显示，S-I与抗PD-L1和抗PD-1无反应者明显相关。相反，S-IV与抗PD-L1应答者有类似的GEP（图D），表明S-IV可能从抗PD-L1治疗中获益。此外，PCa亚型和抗CTLA-4患者之间没有明显关联。

四、总结

本研究首次建立了基于miRNA调控的GEPs的稳健的PCa分子分类，这为miRNA在PCa异质性和亚型性中的作用提供了新的见解。作者确定并验证了四种PCa亚型，表现出不同的表观遗传学、基因组学、转录学和临床病理学特征。这些发现表明，目前的PCa亚型提供了提供ICB指导的潜力。

但此研究有几个局限性。首先，由于作者只使用miRNA调控的GEPs来对PCa患者进行分类，这种分类系统会存在偏倚，可能会掩盖由其他全向数据决定的重要特征。其次，由于缺乏miRNA表达数据，在TCGA-PRAD数据集中使用的分类管道没有在验证数据集中重复。最后，需要前瞻性的队列和功能实验来验证所提出的分类，并证实作者的发现。

医学僧的心愿是为医学僧的支持者和科研爱好者营造一个勤学好问、互帮互助、共同进步的优良环境。但是人多了难免鱼龙混杂，良莠不齐，群里不乏有真心实意、脚踏实地的科研人，我们很尊重并欢迎他们，因此不希望被少数来发广告的、划水的、看热闹的、占个坑的所打扰，最终我们的心意付之东流，大家的热情消磨殆尽。为了解决这个问题，我们决定提高入群的门槛——收费进群，这样，愿意进群的同志相信也是个圈内活跃用户，圈内人相互交流，岂不快哉！

因此，为了提升大家的效率，调动大家的积极性，吸收真正的科研爱好者，形成一个良好的学习交流氛围，我们决定增加群的数量，并细化群的功能，暂时增加以下几个主题群：

• 文献下载-医学僧

• 机器学习（分类）-医学僧

• ggplot可视化-医学僧

• 热图可视化-医学僧

• TCGA挖掘-医学僧

• GEO挖掘-医学僧

• 肿瘤预后模型-医学僧

• 肿瘤分子亚型-医学僧

欢迎小伙伴们进群👏👏👏，每个群收费15元。请联系小编微信yixuesengkyrj或扫描下面二维码：