[论文解读] Identify Statistical Similarities and Differences Between the Deadliest Cancer Types Through Gene Expression

A. Chávez-Chávez, Dimitris Koutentakis+3 more|arXiv (Cornell University)|Mar 19, 2019

Computational Drug Discovery Methods被引用 27

一句话总结

本研究利用加州大学欧文分校的基因表达数据，通过患者间相关性网络、加权基因共表达网络分析（WGCNA）和多项式逻辑回归，对五种致死性癌症类型——肺癌（LUAD）、结直肠癌（COAD）、前列腺癌（PRAD）、乳腺癌（BRCA）和肾癌（KIRC）——进行了统计相似性与差异性分析。研究揭示了保守的基因表达模式，并识别出关键枢纽基因，如LUAD中的MACF1和COAD中的VILL，强调了网络中心性作为跨癌症类型生物相关基因预测因子的作用。

ABSTRACT

Prognostic genes have been well studied within each type of cancer. However, investigations of the similarities and differences across cancer types are rare. In view of the optimal course of treatment, the classification of cancers into subtypes is critical to the diagnosis. We examined the properties in gene co-expression networks using a patient-to-patient correlation network analysis and a weighted gene correlation network analysis (WGCNA) for five cancer types using data generated by UC Irvine. We further analyze and compare the degree, centrality and betweenness of the network for each cancer type and apply a multinomial logistic regression to identify the critical subset of genes. Given the cancer types provided, our study presents a view of emergent similarities and differences across cancer types.

研究动机与目标

• 研究五种高死亡率和高发病率的主要癌症类型在基因表达谱上的统计相似性与差异性。
• 识别不同癌症类型中基因共表达网络的保守与独特网络特性（度、中心性、中介性）。
• 应用网络分析与多项式逻辑回归，定位可区分癌症亚型的关键基因。
• 验证网络中心性度量在预测预后相关及亚型区分基因方面的生物相关性。
• 为未来研究癌症中高影响力基因组区域提供数据驱动的框架。

提出的方法

• 基于五种癌症类型（LUAD、COAD、PRAD、BRCA、KIRC）共801个样本的基因表达数据，构建患者间相关性网络。
• 应用加权基因共表达网络分析（WGCNA）以建模基因共表达网络并识别基因模块。
• 计算网络拓扑指标：度、中介性和中心性，以识别每种癌症类型中的关键基因。
• 将基因按表达水平分为类别（A：显著下调，B：下调，C：正常，D：上调），并生成邻接矩阵以实现网络可视化。
• 使用多项式逻辑回归识别最能区分癌症类型的基因子集。
• 通过基于表达分组的节点着色可视化网络，评估LUAD与PRAD之间表达模式的保守性。

实验结果

研究问题

• RQ1 在五种致死性癌症类型中，基因共表达网络的统计相似性与差异性是什么？
• RQ2 网络拓扑指标（度、中心性、中介性）在不同癌症类型中如何变化，并与生物相关性相关联？
• RQ3 LUAD与PRAD之间的基因表达模式在多大程度上具有保守性，特别是上调和下调基因方面？
• RQ4 利用基于网络特征的多项式逻辑回归，哪些基因成为区分癌症类型的主要判别因子？
• RQ5 网络中心性度量能否作为癌症亚型中生物显著基因的可靠指标？

主要发现

• 五种癌症类型在降维空间中形成明确的聚类，表明其基因表达谱具有清晰的统计可分性。
• MACF1（基因ID 23499）和VILL（基因ID 50853）分别被识别为LUAD和COAD中的高度中心性基因，提示其潜在的生物学相关性。
• LUAD与PRAD的网络显示出部分表达分组的保守性，同一表达组（如B组和C组）的基因在两种癌症中均有分布，但未完全保留。
• 共表达网络中中心性高的基因始终与癌症亚型相关联，并显示出作为预后标志物的潜力。
• 多项式逻辑回归模型成功识别出一组关键基因，能够基于网络和表达特征有效区分不同癌症类型。
• 本研究表明，标准网络分析指标可有效突出具有生物意义的基因，支持其作为靶向研究的聚焦工具。