生信文献解读(3)乳腺癌组织病理学与蛋白基因组学相关分析

这篇文章分析揭示了整合形态学信息和分子数据,使人们对组织形态学调控和蛋白质这一过程有更深的理解,有助于对癌症生物学和预后预测产生新的见解。

众所周知,肿瘤是具有不同类型细胞的异质性组织,其中包括癌细胞、成纤维细胞和淋巴细胞等,并且肿瘤的形态学特征对肿瘤的诊断和预后至关重要,然而其潜在的分子事件和肿瘤形态学与基因的关系尚不清楚。但是随着计算病理学的进步和大量具有分子和组织病理学数据的癌症样本的积累,研究人员能够进行综合分析来研究这一问题。今天就和大家分享一篇相关研究的文章【Correlation Analysis of Histopathology and Proteogenomics Data for Breast Cancer

attachments-2019-08-ho0mngLG5d637b1d67602.png

在这项研究中,作者系统地研究了乳腺癌的形态学特征与各种分子数据之间的关系。

attachments-2019-08-FOBNeHyW5d637b75dd488.png

来自TCGA以及CPTAC73例具有图像,RNA-seq,以及蛋白质组学数据.

attachments-2019-08-MsqyImCd5d637e4f44fc6.png

attachments-2019-08-ra8tr66P5d637e3594257.png                  图1

研究的主要流程如图1所示

attachments-2019-08-ti8kJZzd5d637e9fb21f8.png

1.多组学数据与形态学的相关性分析

attachments-2019-08-9DCOAqtf5d637ec27e19e.png                    表1

attachments-2019-08-GpEN2tq05d637f15a86d7.pngattachments-2019-08-7oHFSPwZ5d637ef1d6433.png

attachments-2019-08-8nMT1Civ5d637f797fce7.png                       表2

为了探讨分子数据和组织病理学特征之间的关系,作者首先进行了成像特征和mRNA以及蛋白质之间的相关分析,结果如表1所示。接下来,我们比较了单个形态学特征的image-mRNAimage- protein对的相关系数分布。作者主要关注表2中所选的形态学特征。图像特征与大部分蛋白质的相关性与匹配的mRNA一致。在个体特征水平上,个体图像特征的相关性分布也揭示了图像- mRNA与图像-蛋白对之间一致的相关性模式。

2.CPTACTCGA数据的图像蛋白相关性比较

attachments-2019-08-xfWSERjS5d637fbe9d89b.png                       图2

作者为了检验image-CPTAC测量的相关模式是否与数据吻合,在这部分使用了这73个基于RPPA技术的匹配蛋白组数据的样本进行验证。在此,比较了基于ms技术和RPPA技术的图像特征与蛋白质测量之间的相关模式。如图2所示,这是Large_Nucleus_Area特性的示例。观察到总体一致的结果,支持蛋白质谱和形态学特征之间相关性的鲁棒性。

3.图像蛋白相关分析揭示与形态学特征相关的特定生物学过程

attachments-2019-08-QA5xhJXB5d6380041dfaf.png                     图3

attachments-2019-08-FzVmJXw35d63802c4f819.png                          表3

在这一部分作者为了检验蛋白质组学数据是否能够揭示单凭转录组(mRNA)数据无法推断的与形态学特征相关的生物学过程,作者将从mRNA中获得的GO注释结果与个体形态学特征呈强正相关的蛋白质进行比较(图3)。表3显示了基于正相关蛋白和mRNA的个体形态学特征最显著富集的生物学过程项。

4.与图像特征相关的特定生物学过程

attachments-2019-08-HlxZwYxd5d638073ed710.png                    表4

attachments-2019-08-59DIJ0TH5d6380ada3bdb.png                  图4

由于与形态学特征相关的基因和蛋白可能为癌症细胞和组织形态学的分子基础提供线索,因此,作者对与每个个体形态学特征相关的蛋白进行GO富集分析,判断这些蛋白是正相关还是负相关,富集分析结果如图4所示,而在表4中展示了基于蛋白质组学数据得到的与形态特征显著相关的蛋白质显著富集的生物学过程综上所述,基于与形态学特征有很强的相关性蛋白质组学数据,识别出代谢、免疫、细胞周期和ECM发育四种主要的生物学过程类型。

5.基于形态学特征的生存分析

attachments-2019-08-0Jyg4gFG5d6380edf4116.png                 图5

attachments-2019-08-1nscbEoE5d63811a8ef72.png                  图6

attachments-2019-08-6XnGPu8V5d63813a96204.png                  表5

由于组织病理学图像中提取的形态学参数对乳腺癌的诊断和预后至关重要,作者还研究了这些形态学特征与患者临床结局的关系,作者对TCGA乳腺癌的1057例患者进行形态学特征与患者总体生存信息的相关性分析。生存分析结果如图5所示,图6展示了选择的与患者总体生存密切相关的5个预后形态学特征。表5概述了与生存相关的形态学特征。

到这里这篇文章的主要内容就介绍完了,总结下,这篇文章分析揭示了整合形态学信息和分子数据,使人们对组织形态学调控和蛋白质这一过程有更深的理解,有助于对癌症生物学和预后预测产生新的见解。

attachments-2019-08-Ij7QwIMT5d6381b353309.png生信文献解读(1)多组学数据的生存分析识别胰腺癌中的预后标志物

生信文献解读(2)What? 传统识别基因预后标志物的方法存在鲁棒性差,可移植性差的问题得到解决了?

  • 发表于 2019-08-26 14:54
  • 阅读 ( 98 )
  • 分类:文献解读

0 条评论

请先 登录 后评论
不写代码的码农
蛋壳

19 篇文章

作家榜 »

  1. 合肥国肽生物 113 文章
  2. 祝让飞 105 文章
  3. 刘永鑫 64 文章
  4. SXR 44 文章
  5. 生信分析流 41 文章
  6. 调研图 38 文章
  7. 张海伦 31 文章
  8. 爽儿 25 文章