乳腺癌預后的相關(guān)基因生物信息學分析

左 　然 任曉虎 吳德生李 　萍 吳 　雯 謝 　妮袁建輝* 讓蔚清*

（1．南華大學公共衛(wèi)生學院，湖南　衡陽　421001；2．深圳市疾病預防控制中心毒理研究所，廣東 　深 圳 　518055；3．深圳市第二人民醫(yī)院轉(zhuǎn)化醫(yī)學研究院，廣東 　深 圳 　518000）

乳腺癌是全世界女性最常見的侵襲性腫瘤之一，其發(fā)病率高居女性腫瘤榜首，對女性健康造成極大威脅[1-2]。乳腺癌的發(fā)病機制目前尚不明確，遺傳、雌激素水平、生長因子、細胞因子、激酶和非編碼RNA等均在腫瘤細胞生長中起重要作用[3-4]。microRNA是一類重要的內(nèi)源性非編碼RNA，主要通過轉(zhuǎn)錄后水平調(diào)控基因表達[5]。microRNA和表觀遺傳調(diào)控過程之間存在復雜的反饋網(wǎng)絡并形成表觀遺傳學microRNA調(diào)控回路[6]。隨著對microRNA功能研究的不斷涌現(xiàn)，越來越多的研究表明microRNA與腫瘤之間存在密切關(guān)系。有報道發(fā)現(xiàn)，microRNA-214-3p通過抑制靶基因MELK表達從而抑制肝細胞癌進展[7]；而miR-137下調(diào)和肝癌淋巴結(jié)轉(zhuǎn)移被發(fā)現(xiàn)與不良預后密切相關(guān)[8]；另外microRNA-200可影響管腔祖細胞增殖進而促進乳腺癌生長和轉(zhuǎn)移[9]。盡管microRNA及其潛在靶向調(diào)控的基因已被廣泛應用于腫瘤研究，但類似的分子事件在乳腺癌預后中鮮有涉及。本研究通過挖掘腫瘤基因組圖譜計劃(the cancer genome atlas，TCGA)中的乳腺癌基因表達譜和microRNA測序數(shù)據(jù)，尋找乳腺癌預后相關(guān)的關(guān)鍵性分子事件。

本研究中，我們利用van Iterson等[10]提出的全局算法整合基因表達譜和microRNA測序數(shù)據(jù)，并預測給定臨床背景下的microRNA靶基因。該算法用到的統(tǒng)計學檢驗可以評估Pearson相關(guān)系數(shù)出現(xiàn)假陽性的情況，同時基于全局檢驗通過Lasso回歸預測數(shù)據(jù)庫中所有可能的目標mRNA[11-12]。為了進一步分析microRNA及相關(guān)靶基因在乳腺癌中起到的作用，我們利用通用基因集富集算法(general applicable gene set enrichment，GAGE)[13]分析microRNA及其靶基因涉及的異常變化通路。進一步證實所篩選的microRNA在乳腺癌組織和細胞中能負向調(diào)節(jié)其靶基因，并使用Cox回歸風險模型比例風險模型評估其作為預后標志物的潛力。本研究分別對乳腺癌相關(guān)microRNAs和基因的表達數(shù)據(jù)進行分析。

1　材料與方法

1.1　數(shù)據(jù)準備

從TCGA數(shù)據(jù)庫中(http://cancergenome.nih.gov/)下載經(jīng)Lowess標準化和對數(shù)轉(zhuǎn)化的乳腺癌3級基因表達數(shù)據(jù)和microRNA測序數(shù)據(jù)。將所有的基因符號轉(zhuǎn)換為Entrez Gene ID后，整理成矩陣并導入結(jié)構(gòu)調(diào)查語言(structure query language，SQL)數(shù)據(jù)庫中。

1.2　乳腺癌中的基因與microRNA表達的定量分析

將來自120對癌-癌旁組織的基因表達譜數(shù)據(jù)以及204對癌-癌旁組織的microRNA測序數(shù)據(jù)整理、優(yōu)化后，利用R語言Limma軟件包(Limma package R 3.1.1)通過整合線性模型、經(jīng)驗貝葉斯理論與傳統(tǒng)t檢驗對基因表達譜數(shù)據(jù)進行定量及統(tǒng)計分析。利用Holm-Bonferroni方法控制多次統(tǒng)計學檢驗可能產(chǎn)生的假陽性，將假陽性率(false discovery rate，F(xiàn)DR)控制在0.01。差異表達基因的篩選標準為：FDR值(即矯正后的P值)小于0.01，差異表達絕對值變化大于4。對于異常改變的microRNA，篩選標準為FDR值(即矯正后的P值)小于0.01，差異表達絕對值變化大于1.5[14-15]。

1.3　乳腺癌中microRNAs潛在調(diào)控靶基因的預測

收集388例乳腺癌和388例配對癌旁組織的基因表達譜和microRNA表達數(shù)據(jù)。從miRTarBase(http://mirtarbase.mbc.nctu.edu.tw/)，MSigDBC3 motif Gene set(http://www.broadinstitute.org/)，PITA(http://genie.weizmann.ac.il/pubs/mir07/mir07_data.html)，Microcosm(http://www.ebi.ac.uk/enright-srv/microcosm/htdocs/targets/v5/)和TargetScan(http://www.targetscan.org/) 數(shù)據(jù)庫獲得microRNA靶基因。將來自388名患者基因譜表達數(shù)據(jù)和microRNA測序數(shù)據(jù)整理為矩陣格式。利用van Iterson等提出的基于線性(或廣義線性)回歸模型的全局無效假設的microRNA靶基因預測算法分析microRNA的潛在靶基因，該方法旨在提供一種有效的方法來評估多種疾病之間的定量比較，并預測每個潛在的microRNA-mRNA的關(guān)聯(lián)性[10]。該算法在R軟件microRNA-mRNA包中實現(xiàn)(http://www.humgen.nl/Microarray Analysis Group.html)。選擇同時在2個或以上數(shù)據(jù)庫中預測到的microRNA靶基因作為基礎數(shù)據(jù)庫。將樣本隨機分為訓練集(所有樣品的2/3)和測試集(所有樣品的1/3)，把microRNA預測靶基因?qū)σ刖€性回歸模型的全局無效假設方法應用于訓練集，找出關(guān)聯(lián)并在測試集中進行驗證。

1.4　基因集富集分析

傳統(tǒng)定量分析關(guān)注單個基因顯著變化卻忽視了多個基因之間的協(xié)同作用，因此通用基因集富集算法(GAGE)是對特定基因集合(如特定信號通路)的變化進行分析，而不考慮單個基因改變。將基因表達譜數(shù)據(jù)整理成矩陣(基因表達為行，樣本分組為列)導入R軟件，通過GAGE包進行分析?；蚣瘉碜訫SigDB C2 Curated Gene set(http://www.broadinstitute.org/)。不同于傳統(tǒng)的基因集富集，GAGE算法允許基因同時向不同方向(上調(diào)或下調(diào))變化，因此更適合于通路分析。Benjamini和Hochberg方法來控制多重測試的假陽性率，選擇校正后的P值(即Q值)＜0.05基因集進一步分析?；蚣拇笮?包括在基因集中的基因的數(shù)目)設定在50～500個之間，選擇差異變化大于1倍標準差的基因集。

1.5　Cox回歸風險模型篩選乳腺癌潛在評估預后的分子靶標基因

利用R survival包(R package survival)分析microRNA及潛在靶基因在乳腺癌預后中的作用。以microRNA測序數(shù)據(jù)及基因表達譜數(shù)據(jù)作為主要自變量，生存時間為因變量，相關(guān)臨床資料作為次要自變量，使用Cox回歸風險模型進行迭代分析，Kaplan-Meier進行統(tǒng)計學檢驗。

2　結(jié)果

2.1　乳腺癌中異常表達的基因和microRNA

對基因表達譜和microRNA測序數(shù)據(jù)的分析結(jié)果顯示，17 533個基因中只有344個基因表達呈顯著改變(矯正后p＜0.01，差異表達絕對值變化大于4)，見圖1A和表1。而microRNA中，135個在乳腺癌組織中表達發(fā)生異常改變化(矯正后p＜0.01，差異表達絕對值變化大于1.5)，見圖1B和表2。

圖1　mRNA和microRNA表達譜的火山圖

表1　microRNA及其潛在靶基因?qū)嶒烌炞C

2.2　乳腺癌中基于表達數(shù)據(jù)的microRNAs潛在靶基因預測

對338對乳腺癌-癌旁組織的microRNA及基因表達譜數(shù)據(jù)進行關(guān)聯(lián)性研究發(fā)現(xiàn)，31個microRNA與6 429個預測靶基因顯著相關(guān)。其中有部分microRNA對基因表達呈正相關(guān)，盡管研究報道發(fā)現(xiàn)microRNA可誘導上調(diào)靶mRNA對細胞周期阻滯[16-17]，亦可促進結(jié)合核糖體mRNA基因的5′UTR和增強翻譯[18]，但目前尚無證據(jù)表明在人群中microRNA上調(diào)能引起mRNA表達增加，因此正相關(guān)可能由于microRNA對基因的間接調(diào)控作用。然而為保證結(jié)果的可靠性，我們僅選擇與靶基因表達呈負相關(guān)的microRNA進行驗證。利用另外60對癌-癌旁的microRNA和基因表達譜數(shù)據(jù)，對14個microRNA和67個負相關(guān)的潛在靶基因進行驗證。結(jié)果顯示，其中6個microRNA表達上調(diào)，其潛在靶基因表達下調(diào)，而8個microRNA表達下調(diào)，其潛在調(diào)控靶基因上調(diào)。

2.3　microRNA及其潛在調(diào)控靶基因的通路富集

為了進一步探討microRNA及相關(guān)靶基因在乳腺癌中可能的作用機制，基因集富集算法對microRNA測序及基因表達譜數(shù)據(jù)進行富集分析，發(fā)現(xiàn)了8個乳腺癌相關(guān)microRNA及其調(diào)控的31個關(guān)鍵潛在調(diào)控靶基因參與139條乳腺癌富集通路(見圖2)。

表2　乳腺癌相關(guān)臨床資料的生存分析

2.4　乳腺癌潛在預后標志物

生存曲線顯示，乳腺癌患者從初始診斷起的6年，生存率明顯下降(2 000 d，圖3A)。為避免樣本變異和未記錄樣本的選擇偏倚，選擇有完整記錄的樣本(有臨床結(jié)局和治療方案)進行分析。由于某些類別的腫瘤分期(IV，Tis和X)樣本量非常少，因此未被納入生存分析。Cox回歸風險模型顯示，腫瘤邊緣狀態(tài)、更年期狀態(tài)和淋巴結(jié)數(shù)量等相關(guān)臨床資料對患者預后無明顯影響。而放射治療顯示腫瘤邊緣狀態(tài)呈保護作用(HR=0.432，P=0.058，圖3B)。進一步深入分析發(fā)現(xiàn)，分泌卷曲相關(guān)蛋白1(SFRP1)高表達呈保護作用(HR=0.9，P=0.015，圖3C)，has-miR-342-5p既沒有保護作用，也沒有危害效應(HR=0.99，P=0.144，圖3D)。然而，交互作用研究顯示，has-miR-342-5p抑制靶基因SFRP1時提示不良預后(見表3)。另外，hasmiR-342-5p對生長特異型抑制基因2(GASP2)的抑制作用則代表不良預后(Cox多因素分析，P=0.016，HR=18.88)。

圖3　乳腺癌患者的生存曲線

表3　乳腺癌潛在預后標志物

3　討論

在本研究中，我們將microRNA與其靶基因的關(guān)聯(lián)性研究與通路富集分析整合后篩選出有明顯改變的microRNAs及其潛在靶基因。此外，我們對所有預測的microRNA-靶基因中，發(fā)現(xiàn)9對microRNA-靶基因已在其他研究中被實驗驗證(表1)。其中7個microRNA及其30個潛在靶基因被發(fā)現(xiàn)在139個乳腺癌異常通路中發(fā)揮關(guān)鍵作用。Cox回歸風險模型分析揭示了來自這些microRNA及其靶基因參與的分子事件可作為乳腺癌重要的預后特征。使用Cox比例風險分析，SFRP1、CLDN19及KRT5在患者生存中被發(fā)現(xiàn)有保護作用。已知SFRP1是與乳腺癌細胞生長負相關(guān)的腫瘤抑制因子[19]。據(jù)報道，乳腺癌中SFRP1的失活與不良預后有關(guān)[20]。此外，SFRP1僅在2 400～3 500 d內(nèi)表示出顯著的危害效應，而在3 500 d后危害效應降低。然而，由于miR-342-5p的調(diào)節(jié)，SFRP1的保護作用受到了影響。

目前已有一些研究表明microRNA與乳腺癌的相關(guān)性，在乳腺癌的發(fā)生過程中起到促癌或抑癌的作用。miR-342-5p是一種多功能的microRNA，參與細胞增殖、分化、信號轉(zhuǎn)導等許多重要的生物學過程。據(jù)報道m(xù)iR-342-5p在由MCF-7細胞構(gòu)成的三維組織模型中通過靶向DNA結(jié)合抑制劑4(ID4)和DNA甲基轉(zhuǎn)移酶1(DNMT1)來調(diào)節(jié)CEACAM1誘導的管腔形成[21]。此外，miR-342-5p還通過調(diào)節(jié)Notch信號傳導參與神經(jīng)元干細胞分化[22]，并可作為阿爾茨海默癥的潛在血漿生物標志物[23]。其他研究表明，miR-342-5p可能通過下調(diào)阿爾茨海默癥轉(zhuǎn)基因模型小鼠中的錨蛋白G來促成軸突病變[24]。

SFRP1是富含半胱氨酸結(jié)構(gòu)域的SFRP家族成員，可能被Wnt結(jié)合。同時SFRP1還介導視網(wǎng)膜中感光細胞的極性[20]。CLDN19是一個重要的膜蛋白，在細胞間緊密連接中起關(guān)鍵作用[25]，CLDN19的異常表達可促進癌前病變的細胞向惡性方向發(fā)展[26]。也有報道CLDN19 在乳腺癌中表達異常降低[27]，與我們的研究結(jié)果一致。

在乳腺癌中microRNA靶向調(diào)控特定基因作為預后關(guān)鍵分子事件的研究還相對較少。因此我們的研究不僅揭示了miR-342-5p、SFRP1、CLDN19以及KRT5在乳腺癌發(fā)生發(fā)展中具有的重要生物學功能，同時還表明miR-342-5p可能通過抑制乳腺癌中的SFRP1、KRT5以及CLDN19來提示不良預后，這為miR-342-5p相關(guān)的分子事件作為乳腺癌臨床監(jiān)測的潛在指標提供了科學依據(jù)。

[1] SIEGEL R L，MILLER K D，JEMAL A. Cancer statistics，2017[J]. CA Cancer J Clin，2017，67(1)：7-30.

[2] CHEN W，ZHENG R，ZHANG S，et al. Cancer incidence and mortality in China，2013[J]. Cancer Lett，2017，401：63-71.

[3] JORDAN C T，GUZMAN M L. Mechanisms controlling pathogenesis and survival of leukemic stem cells[J]. Oncogene，2004，23(43)：7178-7187.

[4] TSATSANIS C，SPANDIDOS D A. The role of oncogenic kinases in human cancer (Review)[J]. Int J Mol Med，2000，5(6)：583-590.

[5] CHEN K，RAJEWSKY N. The evolution of gene regulation by transcription factors and microRNAs[J]. Nat Rev Genet，2007，8(2)：93-103.

[6] MOUTINHO C，ESTELLER M. MicroRNAs and epigenetics[J].Adv Cancer Res，2017，135：189-220.

[7] LI Y，LI Y，CHEN Y，et al. MicroRNA-214-3p inhibits proliferation and cell cycle progression by targeting MELK in hepatocellular carcinoma and correlates cancer prognosis[J].Cancer Cell Int，2017，17：102.

[8] CUI S， SUN Y， LIU Y， et al. MicroRNA137 has a suppressive role in liver cancer via targeting EZH2[J]. Mol Med Rep，2017，16(6)：9494-9502.

[9] SANCHEZ-CID L， PONS M， LOZANO J J， et al.MicroRNA-200， associated with metastatic breast cancer，promotes traits of mammary luminal progenitor cells[J].Oncotarget，2017，8(48)：83384-83406.

[10] VAN ITERSON M，BERVOETS S，DE MEIJER E J，et al.Integrated analysis of microRNA and mRNA expression：adding biological significance to microRNA target predictions[J].Nucleic Acids Res，2013，41(15)：e146.

[11] GOEMAN J J，MANSMANN U. Multiple testing on the directed acyclic graph of gene ontology[J]. Bioinformatics，2008，24(4)：537-544.

[12] LI X，GILL R，COOPER N G，et al. Modeling microRNA-mRNA interactions using PLS regression in human colon cancer[J]. BMC Med Genomics，2011，4：44.

[13] LUO W，F(xiàn)RIEDMAN M S，SHEDDEN K，et al. GAGE：generally applicable gene set enrichment for pathway analysis[J].BMC Bioinformatics，2009，10：161.

[14] TOMCZAK K，CZERWINSKA P，WIZNEROWICZ M. The Cancer Genome Atlas (TCGA)：an immeasurable source of knowledge[J]. Contemp Oncol (Pozn)，2015，19(1A)：68-77.

[15] LEE H，PALM J，GRIMES S M，et al. The cancer genome atlas clinical explorer：a web and mobile interface for identifying clinical-genomic driver associations[J]. Genome Med，2015，7：112.

[16] VASUDEVAN S，TONG Y，STEITZ J A. Switching from repression t o a ctivation：microRNAs c an u p-regulate t ranslation[J].Science，2007，318(5858)：1931-1934.

[17] ZHANG R，SU B. Small but influential：the role of microRNAs on gene regulatory network and 3'UTR evolution[J]. J Genet Genomics，2009，36(1)：1-6.

[18] OROM U A，NIELSEN F C，LUND A H. MicroRNA-10a binds the 5'UTR of ribosomal protein mRNAs and enhances their translation[J]. Mol Cell，2008，30(4)：460-471.

[19] KLOPOCKI E，KRISTIANSEN G，WILD P J，et al. Loss of SFRP1 is associated with breast cancer progression and poor prognosis in early stage tumors[J]. Int J Oncol，2004，25(3)：641-649.

[20] VEECK J， NIEDERACHER D， AN H， et al. Aberrant methylation of the Wnt antagonist SFRP1 in breast cancer is associated with unfavourable prognosis[J]. Oncogene，2006，25(24)：3479-3488.

[21] WENG C， NGUYEN T， SHIVELY J E. miRNA-342 Regulates CEACAM1-induced lumen formation in a threedimensional model of mammary gland morphogenesis[J]. J Biol Chem，2016，291(32)：16777-16786.

[22] GAO F，ZHANG Y F，ZHANG Z P，et al. miR-342-5p regulates neural stem cell proliferation and differentiation downstream to Notch signaling in mice[J]. Stem Cell Reports，2017，8(4)：1032-1045.

[23] LUGLI G，COHEN A M，BENNETT D A，et al. Plasma exosomal miRNAs in persons with and without Alzheimer disease：Altered expression and prospects for biomarkers[J].PLoS One，2015，10(10)：e0139233.

[24] SUN X，WU Y，GU M，et al. miR-342-5p decreases ankyrin G levels in Alzheimer's disease transgenic mouse models[J]. Cell Rep，2014，6(2)：264-270.

[25] TSUKITA S， FURUSE M. Pores in the wall： claudins constitute tight junction strands containing aqueous pores[J]. J Cell Biol，2000，149(1)：13-16.

[26] SINGH A B，SHARMA A，DHAWAN P. Claudin family of proteins and cancer：an overview[J]. J Oncol，2010，2010：541957.

[27] TOKES A M，SZASZ A M，JUHASZ E，et al. Expression of tight junction molecules in breast carcinomas analysed by array PCR and immunohistochemistry[J]. Pathol Oncol Res，2012，18(3)：593-606.