通过生物信息学分析和临床样本验证鉴定与乳腺癌脑转移相关的标志物

Identification of markers associated with brain metastasis from breast cancer through bioinformatics analysis and verification in clinical samples.

作者信息Yongchang Gao, Jianjing Liu, Xiaolong Qian, Xianghui He
PMID33842237
发布时间2021-03
DOI10.21037/gs-20-767

实验完整度

中

进行了WGCNA、LASSO Cox回归、生存分析、GSEA及临床样本IHC验证。

主要模型

GSE14690数据集(24例乳腺癌脑转移样本及原发样本) TCGA-BRCA数据集 103例人原发性乳腺癌手术组织样本

重点核对

WGCNA软组织阈值power=9,R2=0.808 LASSO Cox回归模型,λ=0.024,10折交叉验证 IHC验证DLG3和GFI1表达,评分标准(0-12) TCGA-BRCA数据集作为训练集,外部TCGA数据集作为验证集 生存分析P<0.01,ROC曲线AUC值0.731、0.651、0.667、0.601

摘要

背景:乳腺癌(BC)脑转移是BC相关死亡的重要原因。本研究旨在鉴定BC脑转移的标志物。方法:从公共数据库基因表达综合数据库(GEO)和癌症基因组图谱(TCGA)下载数据集。进行加权基因共表达网络分析(WGCNA)以鉴定转移相关基因(MAGs)。构建最小绝对收缩和选择算子(LASSO)Cox比例风险回归模型以筛选关键MAGs。使用生存分析和受试者工作特征(ROC)曲线评估预后价值。整合与肿瘤转移相关的因素,使用R软件创建TCGA数据的列线图。进行基因集富集分析(GSEA)以检测所鉴定MAGs的潜在机制。使用免疫组织化学(IHC)验证临床样本中关键基因的表达。结果:通过WGCNA鉴定出2个模块中的基因与转移显著相关。LASSO Cox比例风险回归模型成功构建。随后,构建了临床预测模型,并绘制了列线图,其对BC转移具有较好的敏感性和特异性。两个关键基因,discs large homolog 3(DLG3)和growth factor independence 1(GFI1),在临床样本中高表达,且这两个基因的表达与患者生存时间相关。结论:我们成功构建了BC脑转移的临床预测模型,并鉴定DLG3和GFI1的表达与BC脑转移密切相关。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
寻找与乳腺癌脑转移相关的标志物。
核心机制
DLG3和GFI1的高表达与乳腺癌脑转移相关。
主要证据
通过WGCNA和LASSO筛选出DLG3和GFI1,并在临床样本中通过IHC验证其高表达。
研究意义
为乳腺癌脑转移提供潜在的预测标志物。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据收集与预处理

获取基因表达数据用于分析

从GEO下载GSE14690数据集,从TCGA下载BRCA数据,包含BC和正常样本。

2

WGCNA共表达网络构建

鉴定与转移相关的基因模块

使用WGCNA构建基因共表达网络,筛选转移相关模块。

3

LASSO Cox回归模型构建

筛选与转移相关的关键基因

对WGCNA筛选出的模块内基因进行LASSO Cox回归,筛选MAGs。

4

生存分析

评估风险评分对预后的预测价值

利用Kaplan-Meier和ROC曲线评估MAGs的预后价值。

5

列线图构建与评估

构建临床预测模型

通过单因素和多因素Cox回归构建列线图,进行校准;并绘制ROC曲线。

6

GSEA分析

探索MAGs的潜在机制

使用GSEA鉴定与MAGs相关的KEGG通路和GO术语。

7

临床样本IHC验证

验证关键基因在临床样本中的表达

通过IHC检测103例乳腺癌原发组织中DLG3和GFI1的表达,并分析其与临床病理特征及生存的关系。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
DLG3抗体Abcamab254634
GFI1抗体Sabbiotech47575
免疫组织化学试剂盒ServicebioG1211

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据收集
GSE14690和TCGA-BRCA数据集的样本量和类型
阅读提示:Methods - Data collection
WGCNA
软组织阈值power=9,模块最小基因数50
阅读提示:Methods - WGCNA of GSE14690 dataset
LASSO Cox回归
λ=0.024,10折交叉验证
阅读提示:Methods - Construction of LASSO Cox proportional hazards regression models
列线图
年龄和MAGs为预测因子
阅读提示:Methods - The construction and evaluation of the nomogram
IHC验证
DLG3和GFI1抗体稀释度(1:1,000和1:200)
阅读提示:Methods - Immunohistochemistry
生存分析
TCGA-BRCA数据集作为训练集,外部数据集作为验证集
阅读提示:Methods - Survival analysis