腫瘤預(yù)后模型的構(gòu)建套路，大家看過多少了？是不是快視覺疲勞了呢？ 那么，路博今天帶來一版轉(zhuǎn)型升級款的腫瘤預(yù)后模型。 保證讓大家眼前一亮~ 今日轉(zhuǎn)型升級的創(chuàng)新點是：腫瘤內(nèi)異質(zhì)性（Intratumour heterogeneity，ITH） 在過去的二十年里，許多研究已經(jīng)評估了從腫瘤和/或鄰近非腫瘤組織的高通量表達(dá)數(shù)據(jù)中建立多種能夠預(yù)測預(yù)后的基因標(biāo)記物，然而距離臨床實踐尚有一段距離，可能是由于重復(fù)性較差，并且缺乏標(biāo)準(zhǔn)化的檢測方法。 腫瘤內(nèi)異質(zhì)性（Intratumour heterogeneity，ITH），就是大多數(shù)類型癌癥臨床應(yīng)用失敗的主要原因之一。因為在多種癌癥類型中，轉(zhuǎn)錄組學(xué)ITH混淆了現(xiàn)有的基于表達(dá)的生物標(biāo)記物，并可能導(dǎo)致抽樣偏差。因此，在預(yù)后標(biāo)志物設(shè)計中，將ITH這一混雜因素排除，對精確醫(yī)學(xué)至關(guān)重要。 當(dāng)看到腫瘤內(nèi)異質(zhì)性在大多數(shù)類型的癌癥中均存在時，路博的小腦袋瓜靈機一動，這不妥妥的套路又來了嘛，換個癌種又是一篇的豈不快哉！路博的生信敏感神經(jīng)立馬做出反應(yīng)，迫不及待的想分享給大家啦~ 話不多說，還是用事實說話，來看今天這篇8分+的文章：這篇文章不拘泥于常規(guī)腫瘤預(yù)后模型的構(gòu)建套路，而是通過引入、量化和整合了腫瘤間和腫瘤內(nèi)的異質(zhì)性，開發(fā)了一種克服臨床抽樣偏差的無ITH表達(dá)生物標(biāo)志物（AUGUR）。在整個過程中，不僅包括機器學(xué)習(xí)算法，還有生存分析、基因突變、列線圖構(gòu)建等多角度的分析與驗證。此外，這篇文章的最大亮點是納入了多個具有多區(qū)域腫瘤樣本的大型隊列，數(shù)據(jù)量是非?？勾虻模“l(fā)到8分+絕對名副其實??！這個思路在很多腫瘤相關(guān)疾病都很合適，換個疾病快去復(fù)現(xiàn)吧！

（ps：沒有思路、不知道怎么創(chuàng)新的找路博，超多個性化的分析思路供你選擇哦?。?/p>

題目：在肝細(xì)胞癌預(yù)后風(fēng)險分類中，轉(zhuǎn)錄組學(xué)腫瘤內(nèi)無異質(zhì)性標(biāo)志物克服了抽樣偏差

雜志：

JHEP Reports.

影響因子：IF=8.3

發(fā)表時間：2023年3月

研究背景

轉(zhuǎn)錄組學(xué)腫瘤內(nèi)異質(zhì)性（ITH）已被證明在多種癌癥類型中混淆了現(xiàn)有的基于RNA表達(dá)的生物標(biāo)記物，并可能導(dǎo)致抽樣偏差。此外，ITH被認(rèn)為是利用分子生物標(biāo)志物進行患者精確分層的一個未解決的混雜因素。這可能是缺乏臨床合格的肝細(xì)胞癌（HCC）生物標(biāo)記物的原因。因此，本研究旨在尋找一種無ITH的肝細(xì)胞癌預(yù)測標(biāo)志物。

研究思路

利用三個涉及30名患者142個腫瘤區(qū)域的多區(qū)域HCC轉(zhuǎn)錄組數(shù)據(jù)集，探討了ITH對分子生物標(biāo)志物性能的混雜影響，并量化了轉(zhuǎn)錄組異質(zhì)性。設(shè)計了一種基于異質(zhì)性指標(biāo)的從頭策略，使用三個數(shù)據(jù)集，利用機器學(xué)習(xí)算法提取腫瘤中差異表達(dá)的無ITH標(biāo)志物，并提供最大的患者間區(qū)分，從中開發(fā)了一種克服抽樣偏差的監(jiān)測生物標(biāo)志物（一種使用RNA的實用工具；AUGUR）。然后，在3個基于RNA序列的數(shù)據(jù)集和3個基于微陣列的轉(zhuǎn)錄組數(shù)據(jù)集中評估和驗證了AUGUR的預(yù)后和預(yù)測準(zhǔn)確性，并將其與之前報道的13個HCC預(yù)后模型進行了比較。最后，基于AUGUR和TNM分期系統(tǒng)建立并驗證了經(jīng)過良好校準(zhǔn)的諾模圖，以提供更個性化的方法來預(yù)測HCC患者的預(yù)后信息。

主要結(jié)果

1. 腫瘤內(nèi)異質(zhì)性廣泛影響標(biāo)志物表現(xiàn)

在MultiRRnaSeq1隊列、MultiRRnaSeq2隊列或MultiRArray隊列中，對大多數(shù)變異基因的無監(jiān)督分層聚類都顯示出患者的獨立聚類，這表明來自同一腫瘤區(qū)域的聚類一致性，并顯示出比ITH更強的腫瘤間RNA異質(zhì)性（圖1A）。然而，整個轉(zhuǎn)錄組圖譜的PCA分析清楚地揭示了同一HCC不同區(qū)域之間的RNA ITH，例如來自MultiRRnaSeq1隊列中H2、H3、H9和H11的這些樣本沒有特殊的抽樣地理分布（圖1B）。為了評估RNA ITH對分子生物標(biāo)志物性能的影響，首先在MultiRRnaSeq1隊列中使用先前發(fā)表的上皮和免疫相關(guān)HCC ProGESigs研究了患者風(fēng)險偏差（圖1C）。使用與原始研究中相同的風(fēng)險評分計算方法，將腫瘤區(qū)域分為高風(fēng)險或低風(fēng)險，分別有55%和46%的患者表現(xiàn)出不一致的風(fēng)險分類。采用同樣方法，使用細(xì)胞焦亡相關(guān)、DNA甲基化驅(qū)動、突變衍生、微血管侵襲相關(guān)、新血管生成相關(guān)、最廣泛引用的五個基因標(biāo)志物和其他HCC ProGESigs，觀察到平均不一致率為39.9%（圖1D）。不一致的風(fēng)險分類率與標(biāo)志物的基因大小沒有顯著相關(guān)性。這些結(jié)果表明，在不考慮腫瘤異質(zhì)性的情況下，ProGESigs評估HCC患者的預(yù)后風(fēng)險經(jīng)常受到抽樣偏差的影響，這可能導(dǎo)致ProGESig在獨立隊列中的有效性和可重復(fù)性有限，從而潛在地限制了ProGESigs的臨床實用性。

圖1 腫瘤內(nèi)異質(zhì)性廣泛影響標(biāo)志物表現(xiàn)

2. 開發(fā)無ITH HCC預(yù)后標(biāo)志物的從頭策略

使用MultiRRnaSeq1隊列推導(dǎo)每個基因的腫瘤間和腫瘤內(nèi)異質(zhì)性指標(biāo)，并根據(jù)其平均值將這兩個異質(zhì)性指標(biāo)分為高或低組，從而形成了HCC的四個RNA異質(zhì)性象限（圖2B）。Q4組中的基因（1477個具有高腫瘤間異質(zhì)性和低ITH的基因）在腫瘤之間表現(xiàn)出高度可變，在腫瘤內(nèi)表現(xiàn)出高度同質(zhì)，從而限制了抽樣偏差，并可能促進患者分層（圖2B）。為了在Q4基因集中獲得具有可重復(fù)生存相關(guān)性的基因，從兩個獨立數(shù)據(jù)集（分別為ICGCLIRI-JP和TCGA-LIHC）中獲得的HCC差異表達(dá)基因和預(yù)后基因相結(jié)合，得到了包含34個基因的候選基因集（圖2C）。對于包含HCC和正常肝組織的五個隊列進行差異表達(dá)分析，結(jié)果顯示，這34個基因的表達(dá)都具有顯著差異（圖2D），驗證了這些基因在HCC中普遍失調(diào)，而與最初的基因譜平臺無關(guān)，因此它們可能在HCC的進展中發(fā)揮關(guān)鍵作用。隨后，使用彈性網(wǎng)絡(luò)算法來縮小34個候選基因的范圍，以去除冗余并選擇最有用的HCC預(yù)后標(biāo)志物，該算法生成了一個不含ITH的12基因預(yù)后標(biāo)記物，稱之為AUGUR（圖2E）。圖1 腫瘤內(nèi)異質(zhì)性廣泛影響標(biāo)志物表現(xiàn)

2. 開發(fā)無ITH HCC預(yù)后標(biāo)志物的從頭策略

使用MultiRRnaSeq1隊列推導(dǎo)每個基因的腫瘤間和腫瘤內(nèi)異質(zhì)性指標(biāo)，并根據(jù)其平均值將這兩個異質(zhì)性指標(biāo)分為高或低組，從而形成了HCC的四個RNA異質(zhì)性象限（圖2B）。Q4組中的基因（1477個具有高腫瘤間異質(zhì)性和低ITH的基因）在腫瘤之間表現(xiàn)出高度可變，在腫瘤內(nèi)表現(xiàn)出高度同質(zhì)，從而限制了抽樣偏差，并可能促進患者分層（圖2B）。為了在Q4基因集中獲得具有可重復(fù)生存相關(guān)性的基因，從兩個獨立數(shù)據(jù)集（分別為ICGCLIRI-JP和TCGA-LIHC）中獲得的HCC差異表達(dá)基因和預(yù)后基因相結(jié)合，得到了包含34個基因的候選基因集（圖2C）。對于包含HCC和正常肝組織的五個隊列進行差異表達(dá)分析，結(jié)果顯示，這34個基因的表達(dá)都具有顯著差異（圖2D），驗證了這些基因在HCC中普遍失調(diào)，而與最初的基因譜平臺無關(guān)，因此它們可能在HCC的進展中發(fā)揮關(guān)鍵作用。隨后，使用彈性網(wǎng)絡(luò)算法來縮小34個候選基因的范圍，以去除冗余并選擇最有用的HCC預(yù)后標(biāo)志物，該算法生成了一個不含ITH的12基因預(yù)后標(biāo)記物，稱之為AUGUR（圖2E）。

圖2?開發(fā)無ITH HCC預(yù)后標(biāo)志物的從頭策略

3. 無ITH標(biāo)志物AUGUR在HCC中具有強大的預(yù)測作用

為了研究AUGUR的預(yù)后表現(xiàn)，首先使用中位數(shù)風(fēng)險評分將TCGA-LIHC患者分為兩組，發(fā)現(xiàn)AUGUR風(fēng)險評分與死亡率呈現(xiàn)顯著正相關(guān)（圖3A）；高AUGUR評分組HCC患者的中位OS間期為3.48年，而低AUGUR評分組HCC患者的OS間期為6.72年。隨后，在另外三個獨立的基于RNA-seq的HCC數(shù)據(jù)集中觀察到相同的結(jié)果，即高AUGUR評分組HCC患者的中位生存間期更短（圖3B-D）。此外，還納入了三個基于微陣列的HCC數(shù)據(jù)集，以評估AUGUR的預(yù)后能力，結(jié)果顯示AUGUR與生存率顯著相關(guān)（圖3E）。在考慮所有訓(xùn)練和測試隊列的meta分析中，AUGUR也顯示出與結(jié)果的顯著相關(guān)性（圖3F）。這些結(jié)果證明了AUGUR在來自不同分析平臺的多個隊列中的預(yù)測性、重復(fù)性和一致性。

4. 無ITH標(biāo)記物AUGUR與其他基因表達(dá)標(biāo)記物的比較

時間相關(guān)ROC曲線和C指數(shù)的結(jié)果表明，AUGUR在1年、3年和5年生存預(yù)測方面優(yōu)于或相當(dāng)于其他13個模型（圖4A-C）；尤其是在1年生存率和C指數(shù)AUC方面，AUGUR明顯優(yōu)于其他模型（圖4A）。此外，只有MultiRRnaSeq1納入HCC患者的9%和MultiRRnaSeq2納入HCC患者的14%使用AUGUR表現(xiàn)出不一致的風(fēng)險分類（圖4D-E），這甚至低于Nault等人開發(fā)的最廣泛引用的五個基因標(biāo)志物（圖1D）。此外，AUGUR，與其他標(biāo)志物相比，預(yù)測來自同一患者的多區(qū)域樣本的中位風(fēng)險偏倚最低（圖4F）。并在另外兩個多區(qū)域樣本數(shù)據(jù)集（MultiRRnaSeq2和MultiRArray隊列）中證實了這一結(jié)果（圖4G）。這些結(jié)果表明，AUGUR與已建立的ProGESigs的一致率相比是有利的（圖4E、圖1D），更有力地克服了抽樣偏差，并可應(yīng)用于單一活檢以進行患者風(fēng)險分類。 鑒于AUGUR的成分來源于Q4象限，為了了解其他標(biāo)志物的基因主要分布在哪個象限，使用MultiRRnaSeq1隊列評估了13個標(biāo)志物中所有基因的腫瘤間和腫瘤內(nèi)異質(zhì)性（圖4H），發(fā)現(xiàn)顯著超過預(yù)期數(shù)量的60%的基因位于Q1象限，其中基因表現(xiàn)出高度的腫瘤內(nèi)和腫瘤間異質(zhì)性（圖4I）。突變衍生的標(biāo)志物和ceRNA調(diào)控網(wǎng)絡(luò)相關(guān)標(biāo)志物，分別包含100%和75%的Q1基因，分別表現(xiàn)出46%和55%的不一致風(fēng)險分類（圖1D，圖4H），其高于包含100%Q4基因的AUGUR（低ITH）（圖4D和E），這表明標(biāo)志物中基因的ITH水平影響標(biāo)志物對ITH的敏感性。

圖4?無ITH標(biāo)記物AUGUR與其他基因表達(dá)標(biāo)記物的比較

5. AUGUR與腫瘤不良特征有關(guān)

使用TCGA-LIHC HCC隊列探索AUGUR標(biāo)志物的臨床病理和生物學(xué)基礎(chǔ)（圖5A），在高AUGUR風(fēng)險組中觀察到高TNM分期（圖5B）和組織學(xué)分級（圖5C）表現(xiàn)出顯著較高的富集率。此外，發(fā)現(xiàn)AUGUR風(fēng)險評分與基于GSE54236隊列的成像數(shù)據(jù)計算的HCC倍增時間呈顯著負(fù)相關(guān)（圖5D），AUGUR評分高的患者HCC倍增次數(shù)顯著更短（圖5E）。高AUGUR風(fēng)險評分預(yù)測了TCGA-LIHC隊列中血管侵襲和轉(zhuǎn)移的高風(fēng)險（圖5F），ICGC-LIRI-JP隊列中也獲得了相同的結(jié)果。在訓(xùn)練和驗證數(shù)據(jù)集以及基于RNA-seq和基于微陣列的平臺中，AFP（一種公認(rèn)的HCC生物標(biāo)志物）的血清水平也與AUGUR風(fēng)險評分顯著正相關(guān)（圖5H）。此外，在TCGA-LIHC隊列中進行了顯著突變基因（SMG）分析，結(jié)果顯示，TP53（31%）和CTNNB1（27%）是HCC中最常見的兩個突變基因（圖5I）；AUGUR評分高的患者TP53的突變概率顯著更高，而AUGUR評分低的患者CTNNB1的突變概率明顯更高。這些結(jié)果表明，AUGUR評分高的HCC患者具有侵襲性特征，包括晚期腫瘤狀態(tài)、更快的腫瘤生長速度以及高侵襲性和轉(zhuǎn)移潛力。

圖5?AUGUR與腫瘤不良特征有關(guān)

6. 構(gòu)建和驗證一個融合AUGUR和其他獨立預(yù)測因素的結(jié)果預(yù)測列線圖

為了提供一個定量模型來預(yù)測特定HCC患者的生存概率，構(gòu)建了一個結(jié)合AUGUR和臨床病理風(fēng)險因素的列線圖，使用TCGA-LIHC數(shù)據(jù)集預(yù)測1年、3年和5年的結(jié)果。根據(jù)多變量分析，AUGUR和TNM分期在多個隊列中也顯示出獨立的預(yù)后能力（圖6A）。生成了1年、3年和5年生存率的校準(zhǔn)圖，并顯示列線圖預(yù)測的結(jié)果在所有TCGA-LIHC訓(xùn)練和三個驗證隊列中接近實際（圖6B-E）。時間依賴性ROC曲線進一步證明，預(yù)后列線圖的特異性和敏感性優(yōu)于1年（圖6F）、3年（圖6G）和5年（圖6H）生存率的任何單一獨立預(yù)測因素?？傊?，與單一預(yù)后因素相比，基于AUGUR和TNM分期的合作列線圖可以提高生存預(yù)測。

圖6?構(gòu)建和驗證一個融合AUGUR和其他獨立預(yù)測因素的結(jié)果預(yù)測列線圖

文章小結(jié)

這篇文章基于常規(guī)腫瘤預(yù)后模型的構(gòu)建套路，通過引入、量化和整合了腫瘤間和腫瘤內(nèi)的異質(zhì)性，開發(fā)了一種無腫瘤內(nèi)異質(zhì)性的HCC生物標(biāo)志物（AUGUR）。文章的選題方向創(chuàng)新性比較高、純生信數(shù)據(jù)量滿滿，并且思路又很高級。目前“腫瘤異質(zhì)性”這個方向發(fā)文量比較少，創(chuàng)新性比較高，是個很不錯的方向呢，有興趣的小伙伴趕快沖一波吧！