BMCCancer
Aug3
IF:4.
0
—
Introduction
肝细胞癌(HCC)是世界上第五大最常见的癌症，也是癌症相关死亡的第二大常见原因。每年诊断出超过,例新的HCC病例。将先进的基因组分析与蛋白质组学特征相结合，不仅在发现有用的生物标志物方面具有巨大潜力，而且还推动了新诊断方法的发展。
02
—
Method
本研究从CPTAC中获得蛋白质组数据，并在TCPA和TCGA数据集中进行验证，以识别HCC生物标志物和蛋白质组学的功能障碍。
03
—
Results
.与患者预后相关基因标志的建立
图显示了该研究方案的流程图。
图
从CPTAC数据库中确定了总共59名被诊断为乙型肝炎相关的HCC患者（59种肿瘤组织和59种瘤旁组织）和种差异蛋白（2种上调和30种下调）。为了分析鉴定的差异表达蛋白质的功能，使用GO通路富集和KEGG通路富集进行生物学分析。GO分析显示，差异表达蛋白在生物过程（BP）相关的通路上主要富集到与脂肪酸合成和分解代谢相关通路，在分子功能（MF）相关通路上主要富集到与辅因子结合、辅酶结合、维生素结合,单加氧酶活性,羧酸结合,铁离子结合等通路，在细胞组分（cc）相关通路上主要富集到与线粒体基质、MCM复合物、胶原三聚体、过氧化物酶体、微体、微体部分、过氧化物酶体部分、过氧化物酶体基质和微体腔相关的通路。
KEGG通路分析显示差异表达蛋白主要富集于视*醇代谢、化学致癌、药物代谢-细胞色素P、脂肪酸降解、精氨酸生物合成、PPAR信号通路和其他代谢途径（图2）。
图2
2.蛋白质-蛋白质相互作用（PPI）网络构建和模块分析
为了在蛋白层面进一步探讨差异表达蛋白间的关系，研究人员基于差异表达蛋白见的互作关系构建了蛋白质-蛋白质互作网络（ppi）。共筛选出个相关关系和个节点建立PPI网络，基因间edge数最多的前5个节点分别为CDK、AOX、CYP2E、CYP3A4和TOP2A。
3.生存分析
从CPTAC的HCC患者中提取生存数据并用于进行单变量Cox回归分析。共筛选出05种生存相关蛋白（P0.05）。对临床因素和生存相关蛋白进行单变量和多变量Cox回归分析，确定了4种可作为OS独立预后因素的蛋白。ROC曲线用于研究使用蛋白质模式作为HCC发病率的早期预测因子。该模型表明8种蛋白质（MCM3、MCM7、PCNA、SLC39A、SMC2、TOP2A、UBE2C和UHRF）的AUC值高于0.7。这8种蛋白质用于构建预后模型，并将中位风险评分设置为将队列分为高风险和低风险组的阈值。HCC组的详细预后特征信息如图3所示。
图3
4.构建预测性诺模图
通过临床、病理和预后模型的建立，构建了一个诺模图。使用LASSO，Logistic回归算法选择最重要的预测指标，对最终的预测模型做出了很大贡献。该模型包括CPTAC的特征：性别、年龄、肿瘤分化程度、肝硬化史、肿瘤数量、肿瘤大小、肿瘤血栓、肿瘤包膜、HBcAb、AFP、PTT、TB、ALB、ALT和GGT(图4)。使用预后模型和临床病理数据可以提高、3和5年OS预测的敏感性和特异性。
图4
5.免疫组织化学分析
蛋白质组学数据从TCPA-HCC(4级；84个样本和28个蛋白质)下载，并与TCGA的临床数据相结合。单因素COX回归分析确定生存相关蛋白的表达。将生存相关蛋白与CPTAC数据库中的蛋白取交集，共鉴定出四个与生存相关的蛋白：PCNA、MSH6、CDK和ASNS。人类蛋白质图谱(HPA)是一个网站，涉及20个肿瘤组织、47个细胞系、48个人类正常组织和2个血细胞的基于免疫组织化学的表达数据。在本研究中，通过免疫组织化学图像直接对比四种基因在正常肝组织和肝细胞癌组织中的蛋白表达，结果如图5所示。而在正常肝组织中，PCNA、CDK和ASNS蛋白不表达，而在肝细胞癌组织中有高到中等水平的表达。此外，MSH6在正常组织中低表达，在肿瘤组织中高表达。TimeR(差异基因表达模块)用于系统地研究各种恶性肿瘤类型的免疫渗透。它被用来探索PCNA、MSH6、CDK和ASN，基于成千上万的拷贝数或基因表达在肝细胞癌患者中的变化。与我们的发现类似，在TIMER数据库中，这四种蛋白在肝细胞癌患者中显著过度表达(图6)。OS分析显示，四种蛋白高表达组预后较低组差(P0.05)(图7)。
图5
图6
图7
04
—
Conclusion
Reference:
Identificationofaproteinsignatureforpredictingoverallsurvivalofhepatocellularcarcinoma:astudybasedondataminingPMID:
DOI:0.86/s---x
预览时标签不可点收录于合集#个上一篇下一篇