没有合适的资源?快使用搜索试试~ 我知道了~
首页TCGA乳腺癌:六种罕见组织学类型与基因特征解析
TCGA乳腺癌:六种罕见组织学类型与基因特征解析
0 下载量 66 浏览量
更新于2024-06-18
收藏 3.11MB PDF 举报
"TCGA乳腺癌组织学类型及分子分析"是一项深入研究了美国癌症基因组图谱(TCGA)数据库中1,095例乳腺癌患者的大型研究项目。这项工作由Aatish Thennavan、Francisco Beca等多机构的研究团队进行,他们专注于探索乳腺癌的六种罕见组织学类型,并且通过整合基因组数据和组织学信息,构建了一种综合模型,以更好地理解这些类型的基因特征。 该研究的重点在于罕见乳腺癌类型,以往对于这类肿瘤的了解相对匮乏。通过对这些病例的详细分析,研究人员发现了一种名为“粘液基因标签”的指标,它在泛癌中的粘液癌中具有重要意义。这表明,通过基因表达模式,他们能够区分不同类型的乳腺癌,包括那些通常难以分类的罕见类型。 研究团队利用了TCGA的数据集,对乳腺癌的基因组特征进行了全面的解读,将12个共有的组织学亚型进行了整合,这有助于临床医生制定更精准的治疗策略。他们的研究成果发表在《细胞基因组学》杂志上,论文编号为2021年100067,于2021年12月8日发布,可供公开访问。 该研究的作者包括来自多个知名机构的专家,如北卡罗来纳大学教堂山分校的Lineberger综合癌症中心、斯坦福大学医学院、哈佛医学院等,他们的合作展示了跨学科研究在理解复杂疾病如乳腺癌中的力量。 这项工作不仅扩大了我们对乳腺癌罕见类型的认识,还为未来的临床实践提供了重要的分子生物学依据,为个性化医疗决策提供了科学支持。通过这项开创性的研究,科学家们正在逐步揭示乳腺癌这一疾病的更多面,并朝着更精确的诊断和治疗方向迈进。"
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/88613682/bg5.jpg)
4
Cell Genomics1,100067,2021
会
开放获取
资源
为了鉴定与每种罕见组织学类型唯一相关的基因,我们仅分析
了来自2016年组织学注释模式(数据S1)的至少5个样本的组织
学类型,这为我们留下了侵袭性筛状(CRIB,n = 6)、侵袭性
微乳头状(MCPAP,n = 17)、MED(n = 12)、MUC(n =
24)、Meta(n = 14)和PAP(n = 16)。将每种组织学类型与
其余TCGA-BRCA样本进行比较的差异基因表达分析产生了为了
完整起见,对IDC的四种内在亚型(LumA、LumB、基底细胞
样、HER 2 E)和ILC整体进行了类似的分析;请注意,对于大多
数比较分析,排除了具有“混合”组织学类型注释的肿瘤这些来自
“原始"基因特征的显著基因
为了鉴定进一步的转录组学特征,我们进行了基因集富集分析
(GSEA),其鉴定了组织学类型之间的相似重叠LumA/LumB
亚型主要组织学(即,CRIB、MCPAP、MUC、PAP-Luminal)
共享GSEA标志,包括早期雌激素反应、晚期雌激素反应和蛋白
分 泌 ( FDR = 0 , 数 据 S3 ) , 而 基 底 样 组 组 织 学 ( MED 、
Meta)共享免疫相关的GSEA(炎症反应、TNF-α信号传导、
IFN-g信号传导)、有丝分裂相关的GSEA(G2 M检查点、有丝
分裂纺 锤体、E2 F靶 标)和信 号传导途径如 MYC、KRAS和
WNT-b-连环蛋白(FDR = 0,数据S3)。总体而言,这些结果
表明,尽管上调的“原始”基因对于每种组织学类型是独特的,但
内在亚型基因仍然主导该比较的生物学意义。
为了避免内在亚型的混杂因素,我们对每种罕见组织学类型与
TCGA-BRCA中仅属于相应罕见组织学类型相同分子亚型的其余
乳腺癌(包括分析中的IDC和ILC)进行了差异表达分析。我们
将这种差异基因表达称为“mol-sub”(分子亚型)。 以这种方
式 , 我 们 进 行 了 以 下 比 较 组 : ( 1 ) CRIB 与 LumA BRCA ,
(2)MCPAP与LumA/LumB BRCA,(3)MUC与LumA/LumB
BRCA,(4)MED与LumB/基底样BRCA,(5)Meta与基底样
BRCA,(6)PAP-Luminal与LumA/LumB BRCA。对于Meta对
照组,我们排除了具有CLOW基因特征的META样本(META-
CLOW,META组的4/14),因为这些样本在TCGA-BRCA数据
集中没有任何其他组织学类型的互补CLOW样本。与“原始"列表
相比,”mol-sub“差异表达基因显示每种总的来说,将此外,虽
然
CRIB与MCPAP“原始"GSEA相比,MCPAP”mol-sub“GSEA富集了显
著量的血管生成(FWER p值= 0,FDR = 0)、内皮(FWER p
值= 0.005,FDR = 0.0004)和脉管系统发育(FWER p值= 0,
FDR = 0)途径(数据S3); MCPAP组织学特征为肿瘤细胞簇存
在于类似血管间隙的空间中,并与淋巴血管浸润(LVI)增加相
关,
28
我们发现9/17(53%)TCGA-BRCA MCPAP样本中也存
在LVI(数据S2和表S2)。与MED“原始"GSEA相比,MED最
后,Meta有趣的是,对PAP-Luminal的类似GSEA分析鉴定了轴
丝组装的高度富集(FWER p值= 0.007,FDR = 0.001)(数据
S3)。
跨多个数据集的乳腺癌罕见组织学的监督聚类
为了分析用于验证的额外数据集,我们从源自每种组织学类型的
个体“mol-sub”基因列表构建了组合基因列表来自每个组织学
“mol-亚基”基因列 表的上调基因一致地表现良好 ;将来自 六个
“mol-亚基”基因列表的log 2倍数变化> 2的最高上调显著基因
(FDR 0.05)组合。从这个列表中,重复的基因被删除,只计
数一次。我们将这个构建的基因列表命名为“上调的mol-亚基”内
在组织学基因列表。当使用TCGA训练集数据时,利用“上调的
mol-亚基”基因列表的监督分级聚类使用一致聚类来评估稳健
性,我们发现了8个聚类,这些聚类在很大程度上跟踪了组织学
类型(图S3A
为了验证其性能,我们在对乳腺癌数据集的监督分层聚类分析
中利用使用具有32个MED和46个MUC样品的METABRIC,将
27/32个MED样品聚类在一起,并且将43/46个MUC样品分组在
一起。对于NKI数据集,15/19个MUC样本被分组在一起,7/8个
MCPAP、14/20个Meta和8/10个MED样本也是如此。
乳腺癌
MUC
基因特征可预测其他癌症
我们接下来考虑了这些乳腺癌特殊组织学类型对TCGA泛癌症图
谱数据集中的9,000个其他样本的适用性
[29]
我们首先通过名称/
术语检索相似的组织学类型,这些类型存在于具有可用组织学数
据的其他组织系统中。甲状腺癌和肾癌
剩余21页未读,继续阅读
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- AirKiss技术详解:无线传递信息与智能家居连接
- Hibernate主键生成策略详解
- 操作系统实验:位示图法管理磁盘空闲空间
- JSON详解:数据交换的主流格式
- Win7安装Ubuntu双系统详细指南
- FPGA内部结构与工作原理探索
- 信用评分模型解析:WOE、IV与ROC
- 使用LVS+Keepalived构建高可用负载均衡集群
- 微信小程序驱动餐饮与服装业创新转型:便捷管理与低成本优势
- 机器学习入门指南:从基础到进阶
- 解决Win7 IIS配置错误500.22与0x80070032
- SQL-DFS:优化HDFS小文件存储的解决方案
- Hadoop、Hbase、Spark环境部署与主机配置详解
- Kisso:加密会话Cookie实现的单点登录SSO
- OpenCV读取与拼接多幅图像教程
- QT实战:轻松生成与解析JSON数据
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)