CN109859801B

CN109859801B - 一种含有七个基因作为生物标志物预测肺鳞癌预后的模型及建立方法

Info

Publication number: CN109859801B
Application number: CN201910114333.XA
Authority: CN
Inventors: 于韬; 李强; 赵丹; 王哲; 王浩天; 朱家伟
Original assignee: Liaoning Cancer Hospital and Institute
Current assignee: Liaoning Cancer Hospital and Institute
Priority date: 2019-02-14
Filing date: 2019-02-14
Publication date: 2023-09-19
Anticipated expiration: 2039-02-14
Also published as: CN109859801A

Abstract

本发明涉及基因技术及生物医学领域，具体涉及一种含有七个基因作为生物标志物预测肺鳞癌预后的模型及建立方法。一种预测肺鳞癌预后的模型，含有主要与肺鳞癌的预后有关的7个基因为：CSRNP1、CLEC18B、MIR27A、AC130456.4、DEFA6、ARL14EPL和ZFP42，其中CSRNP1和CLEC18B的表达与存活率呈正相关，而MIR27A、AC130456.4，DEFA6，ARL14EPL和ZFP42的表达与存活率呈负相关。本发明提供多个基因作为生物标记物，提高了对于预测肺鳞状细胞癌的预后灵敏度和准确性，从而降低肺鳞癌患者的死亡率、局部复发率，并通过风险预测模型改善患者的预后。

Description

一种含有七个基因作为生物标志物预测肺鳞癌预后的模型及建立方法

技术领域

本发明属于基因技术及生物医学领域，具体涉及一种含有七个基因作为生物标志物预测肺鳞癌预后的模型及建立方法。

背景技术

肺鳞癌即肺鳞状细胞癌，是最主要的肺癌病理类型之一，其来源于支气管上皮细胞恶变，病例数占非小细胞肺癌的30％左右。肺鳞癌的常规治疗方法主要包括手术治疗、化学治疗和分子靶向治疗，患者的5年生存率低于15％，全世界每年约40余万人因其致死。目前，对肺鳞癌患者的预后判定没有参考标准，也没有特异性的指标，远远不能适应对肺鳞癌患者进行预后判定的需求。因此，对肺鳞癌患者预后进行判定，以便选择最佳治疗方案，显著提高患者生存率，成为胸外科领域亟待解决的重要课题。因此，需要及时研究肺鳞癌治疗后的预后。

现有技术对预测肺鳞癌预后的有效基因知之甚少。此外，许多已经公开的研究只集中在单基因上来预测肺鳞癌的预后。例如，Podoplanin的强烈表达可能提示与癌细胞的侵袭或迁移相关的更好的总体存活。此外，FAM83B也被发现作为预示良好预后的生物标志物，而潜在的机制仍需要澄清。虽然p114RhoGEF的过表达可能成为反映其预测淋巴结转移的作用导致的总体生存率低的标志，而GASC1和5-microRNA表明预后不良。然而，作为生物标志物的单个基因对于预测肺鳞状细胞癌的预后不够灵敏和准确。

目前，作为生物标志物的多个基因对于预测肺鳞状细胞癌的预后判定没有参考标准，也没有特异性的指标，远远不能适应对肺鳞癌患者进行预后判定的需求。因此，寻找作为生物标志物的多个基因对于预测肺鳞状细胞癌的预后判定，以便选择最佳治疗方案，显著提高患者生存率，成为胸外科领域亟待解决的重要课题。

发明内容

鉴于现有技术存在的问题，本发明的目的在于提供一种含有七个基因作为生物标志物预测肺鳞癌预后的模型。本发明提供多个基因作为生物标记物，提高了对于预测肺鳞状细胞癌的预后灵敏度和准确性，从而降低肺鳞癌患者的死亡率、局部复发率，并通过风险预测模型改善患者的预后。

为了实现上述目的，本发明采用以下技术方案。

一种预测肺鳞癌预后的模型，含有主要与肺鳞癌的预后有关的7个基因为：CSRNP1、CLEC18B、MIR27A、AC130456.4、DEFA6、ARL14EPL和ZFP42，其中CSRNP1和CLEC18B的表达与存活率呈正相关，而MIR27A、AC130456.4，DEFA6，ARL14EPL和ZFP42的表达与存活率呈负相关。

一种含有七个基因作为生物标志物预测肺鳞癌预后的模型的建立方法，具体包括以下步骤。

1. 数据采集。

从癌症基因组图谱（TCGA）数据库（http://cancergenome.nih.gov/）总共获得551个样品，包括49个正常样品和502个肺鳞状癌样品。同时所有样品包含来自数据库的关于年龄、性别、种族、吸烟状况、癌症阶段、存活时间和RNA表达谱的相应临床数据。通过符合选择标准的R（http://www.r-project.org）筛选出差异表达的基因如下：1）p<0.05；2）|log2fold更改|>1。

2. Cox回归模型的构建。

通过收集不同表达的基因，随机选择363个样本作为训练集，188个样本作为基于R的测验集；使用Cox单变量分析来获得预后相关基因。通过逐步回归进行Cox多变量分析，以最终确定具有可预测变量的模型；风险评分分期模型是通过R包“生存”函数coxph（）开发的。公式如下：（i表示可预测基因的数量；β表示基因系数；X表示相应基因的相对表达值）。系数β>0的基因与存活时间呈负相关，可能是危险因素，系数β<0的基因被定义为保护基因。样本按风险评分进行分类，高风险组的风险评分超过风险评分的中位数，低风险组的风险评分较低。并且通过Kaplan-Meier曲线进行高风险组和低风险组之间的存活率比较，并通过R包“生存”通过对数秩检验进行分析。进行关于随访时间和风险评分之间关系的另一个图。通过R包“pROC”进一步使用接受者操作特征（ROC）分析来评估该模型是否是预测预后的最佳模型。

3. 在测验集和所有样本上验证模型。

为进一步验证该模型是否普遍适用于临床使用，在检查组和所有样本中进行了测试。根据测验集和所有样本中先前的风险评分，将样本分为高风险组和低风险组。使用Kaplan-Meier曲线和对数秩检验来比较两组之间存活率的差异。

4. 风险评分与其他因素的关系分析。

确定风险评分与预后显着相关。然后比较了不同分数的临床信息之间的差异。此外，Cox回归模型用于调查风险评分与其他临床信息之间的关系，包括年龄，性别，种族，吸烟状况和癌症阶段。利用树图来找出存活率与临床因素之间的关系以及风险评分，同时进行相关图以直接找到关联。

5. 基因集富集分析。

通过GSEA（http://software.broadinstitute.org/gsea/index.jsp）评估了高风险组和低风险组之间显着改变的信号通路，基因集富集分析通过Java软件GSEA进行。

6. 统计分析。

使用R软件包（http://www.r-project.org）进行统计分析。所有分析均在R版本3.3.2中进行，使用以下软件包：“glmnet”、“lpc”、“CoxBoost”、“limma”和“ROCR”。

与现有技术相比，本发明具有以下有益效果。

本发明主要强调收集生物标志物来评估肺鳞癌患者的预后，通过COX单变量分析获得训练集中预后相关基因，然后进行逐步Cox多变量分析，最终确定模型。根据风险评分的中位数将样本分为高风险组和低风险组。区别于现有技术的，本发明基于多变量分析，并且对每个基因的功能进行了阐述和验证。

本发明提出一种含有七个基因作为生物标志物预测肺鳞癌预后的模型来预测肺鳞癌患者的预后。并且在实施例中进一步验证了该模型的可行性，此外该模型中的基因主要与DNA损伤刺激，DNA修复和DNA复制相关。本发明为分析肺鳞癌和癌症相关基因患者的预后提供了可靠的方法。

附图说明

图1为测验集中7基因模型的表现，其中（A）Kaplan-Meier生存曲线说明了高风险组和低风险组之间关于生存率的差异；（B）样本的风险评分分布，随访时间的存活状态和检查组中7种基因的表达谱。

图2为所有样品中7基因模型的性能，其中（A）Kaplan-Meier生存曲线说明了所有样本中高风险组和低风险组之间存活率的差异；（B）样品的风险评分分布，随访时间的存活状态和样品中7种基因的表达谱。

图3为所有样本中临床因素和风险评分的临床意义（临床因素和风险评分的临床重要性.CI，置信区间； HR，风险比）。

图4为所有样本中风险评分与临床因素之间的关联。

图5为GSEA关于高风险和低风险组之间不同表达基因的结果，（A）DNA损伤刺激；（B）DNA修复；（C）DNA复制。GSEA，基因集富集分析。

具体实施方式

下面结合附图和实施例详细描述本发明，以下所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。

实施例1含有七个基因作为生物标志物预测肺鳞癌预后的模型建立方法。

1. 数据采集。

从癌症基因组图谱（TCGA）数据库（http://cancergenome.nih.gov/）总共获得551个样品，包括49个正常样品和502个肺鳞状癌样品。同时，所有样品包含来自数据库的关于年龄，性别，种族，吸烟状况，癌症阶段，存活时间和RNA表达谱的相应临床数据。通过符合选择标准的R（http://www.r-project.org）筛选出差异表达的基因，如下：1）p<0.05；2）|log2fold更改|>1。

2. Cox回归模型的构建。

通过收集不同表达的基因，随机选择363个样本作为训练集，188个样本作为基于R的测验集；使用Cox单变量分析来获得预后相关基因。通过逐步回归进行Cox多变量分析，以最终确定具有可预测变量的模型；风险评分分期模型是通过R包“生存”函数coxph（）开发的。公式如下：（i表示可预测基因的数量;β表示基因系数; X表示相应基因的相对表达值）。系数β>0的基因与存活时间呈负相关，可能是危险因素，系数β<0的基因被定义为保护基因。样本按风险评分进行分类，高风险组的风险评分超过风险评分的中位数，低风险组的风险评分较低。并且通过Kaplan-Meier曲线进行高风险组和低风险组之间的存活率比较，并通过R包“生存”通过对数秩检验进行分析。还进行了关于随访时间和风险评分之间关系的另一个图。通过R包“pROC”进一步使用接受者操作特征（ROC）分析来评估该模型是否是预测预后的最佳模型。

3. 在测验集和所有样本上验证模型。

4. 风险评分与其他因素的关系分析。

确定风险评分与预后显着相关，然后比较了不同分数的临床信息之间的差异。此外Cox回归模型用于调查风险评分与其他临床信息之间的关系，包括年龄、性别、种族、吸烟状况和癌症阶段，利用树图来找出存活率与临床因素之间的关系以及风险评分，同时进行相关图以直接找到关联。

5.基因集富集分析。

6. 统计分析。

使用R软件包（http://www.r-project.org）进行统计分析，所有分析均在R版本3.3.2中进行，使用以下软件包：“glmnet”、“lpc”，“CoxBoost”、“limma”和“ROCR”。

实施例2 含有七个基因作为生物标志物预测肺鳞癌预后的模型预测患肺鳞癌的应用。

1. Cox回归模型预测患肺鳞癌。

从Cox多变量回归分析中收集的7个基因和风险评分公式可以在每个样本列表中计算如下：

风险评分= -0.1311 * CSRNP1 + 0.1390 * MIR27A-0.1951 * CLEC18B +0.1708 * AC130456.4 + 0.1702 * DEFA6 + 0.1821 *ARL14EPL + 0.1135 * ZFP42。只有CSRNP1和CLEC18B与存活率呈正相关，并作为保护因素。 MIR27A，AC130456.4，DEFA6，ARL14EPL和ZFP42与存活率呈负相关，在风险增加中发挥作用见表1。

。

2. 训练集风险评分的表现。

根据风险评分中位数作为阈值，将肺鳞癌样本分为高风险组和低风险组。Kaplan-Meier曲线用于指示高风险组和低风险组之间存活率的差异（p<0.0001）。 ROC曲线下面积为0.765，进一步说明该模型具有更好的诊断效率。还证实了训练集中风险评分，生存信息和基因表达热图的分布。

3. 在测验集和所有样本中验证模型。

为验证普遍适用性，使用训练集中风险评分的中位数作为考试组和所有样本的阈值。因此，获得了考试组中的高风险组和低风险组。 Kaplan-Meier曲线也表明高风险组和低风险组之间的显着差异（p = 0.044）与在训练集中发现的一致（如图1A所示）。还证实测验集中风险评分与生存信息和基因表达热图之间的关系（如图1B所示）。此外在所有样本中验证了本发明的模型，结果与训练集和测验集的效果相似。 Kaplan-Meier曲线显示高危组的存活率显着低于低风险组（如图2A所示），ROC曲线也证明该模型适用于所有样品，还证实了所有样品中风险评分，存活信息和基因表达热图之间的关系（如图2B所示）。

4. 风险评分与其他临床因素的关系。

为分析临床意义，使用Cox多变量分析来找出风险评分的危险率以及其他临床因素。结果显示，包括年龄，性别和吸烟状况在内的临床因素没有显着差异，而所有种族和风险评分的人在危险率方面均有显着差异（如图3所示）。此外，相关性分析表明，获得的临床因素包括年龄（p = 0.53），性别（p = 0.35），种族（0.13），吸烟状况（p =0.42），癌症分期（p= 0.11）与风险无关得分（如图4所示）。

5. 改变高风险和低风险评分组的途径。

为找出可以通过风险评分预测预后的原因，在高风险和低风险组之间进行基因集富集分析（GSEA），发现GO途径包括DNA损伤刺激（如图5A所示），DNA修复（如图5B所示）和DNA复制（如图5C所示）在高风险组中比低风险组富集。

Claims

1.含有七个基因作为生物标志物在预测肺鳞癌预后模型中的应用，其特征在于，所述7个基因为CSRNP1、CLEC18B、MIR27A、AC130456.4、DEFA6、ARL14EPL和ZFP42，其中CSRNP1和CLEC18B的表达与存活率呈正相关，而MIR27A、AC130456.4、DEFA6、ARL14EPL和ZFP42的表达与存活率呈负相关。

2.如权利要求1所述的应用，其特征在于，所述肺鳞癌预后模型的建立方法，具体包括以下步骤：

1）数据采集

从癌症基因组图谱数据库总共获得551个样品，包括49个正常样品和502个肺鳞状癌样品，所有样品包含年龄、性别、种族、吸烟状况、癌症阶段、存活时间和RNA表达谱的相应临床数据，通过符合选择标准的R筛选出差异表达的基因如下：p <0.05；| log2fold更改|> 1；

2）Cox回归模型的构建

通过收集不同表达的基因，随机选择363个样本作为训练集，188个样本作为基于R的测验集，使用Cox单变量分析来获得预后相关基因；通过逐步回归进行Cox多变量分析，以最终确定具有可预测变量的模型；风险评分分期模型是通过R包“生存”函数coxph（）开发的，公式如下：，其中i表示可预测基因的数量，β表示基因系数，X表示相应基因的相对表达值，系数β>0的基因与存活时间呈负相关，是危险因素，系数β<0的基因被定义为保护基因；样本按风险评分进行分类，高风险组的风险评分超过风险评分的中位数，低风险组的风险评分较低，并且通过Kaplan-Meier曲线进行高风险组和低风险组之间的存活率比较，并通过R包“生存”通过对数秩检验进行分析，进行关于随访时间和风险评分之间关系的关系图，通过R包“pROC”进一步使用接受者操作特征分析来评估该模型是否是预测预后的最佳模型；

3）在测验集和所有样本上验证模型

根据测验集和所有样本中先前的风险评分，将样本分为高风险组和低风险组，使用Kaplan-Meier曲线和对数秩检验来比较两组之间存活率的差异；

4）风险评分与其他因素的关系分析

首先确定风险评分与预后显著相关，然后比较不同分数的临床信息之间的差异，此外Cox回归模型用于调查风险评分与其他临床信息之间的关系，包括年龄、性别、种族、吸烟状况和癌症阶段，利用树图来找出存活率与临床因素之间的关系以及风险评分，同时进行相关图以直接找到关联；

5）基因集富集分析

通过GSEA评估了高风险组和低风险组之间显著改变的信号通路，基因集富集分析通过Java软件GSEA进行；

6）统计分析

使用R软件包进行统计分析，所有分析均在R版本3.3.2中进行，使用以下软件包：“glmnet”、“lpc”、“CoxBoost”、“limma”和“ROCR”。