医学信息学解锁21（2020）100463多组学方法揭示GDF10作为乳腺癌新的治疗生物标志物的关键证据Ferdausur Rahmana，Tousif Bin Mahmood b，Al Amin b，RahatAlamc， d，Jannatul Ferdous Jharnad，Abdus Samadc，d， *，Foysal Ahammadc，d，e，**a布拉克大学药学系。孟加拉国达卡市中心bNoakhali科技大学生物技术和遗传工程系，Noakhali，3814，孟加拉国c孟加拉国达卡生物解决方案中心计算生物学实验室d遗传工程和生物技术系，生物科学和技术学院，Jashore科技大学，Jashore，7408，孟加拉国e沙特阿拉伯吉达阿卜杜勒阿齐兹国王大学理学院生物科学系，邮编21589。A R T I C L EI N FO保留字：GDF10乳腺癌治疗靶点GDF 10突变预后率A B S T R A C T乳腺癌（BC）是女性中最常见的侵袭性癌症。它是癌症死亡的第二大原因，也是当今妇女面临的最重要的医疗问题。生长分化因子10（GDF 10）是转化生长因子β（TGF-β）超家族的成员，在组织的生长和分化过程中起重要作用。最近的研究表明GDF10与不同类型的癌症之间存在联系。但GDF10表达与乳腺癌发生发展的关系尚未得到确切的证实。因此，我们进行了多组学分析以评估GDF10作为人BC的治疗生物标志物的潜力。我们使用Oncomine、GEPIA2、免疫组织化学和UALCAN数据库分析了BC亚型中GDF10的mRNA表达模式。从分析获得的所得数据为BC亚型中GDF10表达的下调提供了明确的证据。此外，通过分析cBioPortal数据库中的16项BCE研究，在GDF 10蛋白序列中鉴定出3个随后的错义突变，频率为0.62%-2.95%拷贝数改变。此外，Kaplan-Meier曲线显示GDF 10的下调与BC患者的较低生存率之间呈正相关。GDF10的共表达基因谱也与BC的发生相关。ABCA8已被鉴定为最正共表达的基因，这通过使用bc-GenE XMiner和UCSC Xena服务器的相关性分析得到证实。我们还利用Enrichr数据库确定了GDF10及其共表达基因介导的不同癌症进展途径。结果数据累积地得出结论，GDF10的表达下调与BC进展和患者的生存相关，其 可作为 治疗 BC的治 疗生物 标志物 。1. 介绍癌症是一种遗传性或获得性疾病，其由正常细胞通过改变细胞的遗传物质而转化为恶性肿瘤所驱动。它是全球第二大死亡原因，约占所有死亡人数的六分之一。世界卫生组织（WHO）估计2018年全球有1810万癌症病例和960万死亡病例[1，2]。乳腺癌是最常见的癌症形式之一，其中乳房中的细胞生长失控。2018年，估计发生了209万例新病例和6，26，679例死亡因为乳腺癌乳腺癌患者的生存率随着早期发现、诊断以及治疗和姑息治疗的显著进步而提高[3]。然而，乳腺癌仍然导致大量死亡，其中约15%的妇女死于治疗靶点的鉴定可能是减少这种对生存的临床威胁的有前景的方法[4，5]。基因表达改变是基因突变的结果，经常被报道为乳腺癌发展的主要原因。此外，这些差异表达基因（DEG）的特性代表了乳腺癌的临床特征，这些临床特征与以下因素有关：* 通讯作者。 计算生物学实验室，生物解决方案中心（BioSol中心），孟加拉国达卡。** 通讯作者。沙特阿拉伯，吉达，21589，阿卜杜勒阿齐兹国王大学，理学院，生物科学系电子邮件地址：kazisamad50@gmail.com（A. Samad），foysalgebt@gmail.com（F.Ahammad）。https://doi.org/10.1016/j.imu.2020.100463接收日期：2020年5月28日;接收日期：2020年10月15日;接受日期：2020年10月18日2020年10月22日在线提供2352-9148/©2020的 作者。发表通过 Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表医学信息学期刊主页：http://www.elsevier.com/locate/imuF. Rahman等人医学信息学解锁21（2020）1004632图1.一、 代表当前 研究总体工作流程的 示意 图 。病人的生存。由于这些原因，与乳腺癌患者预后相关的DEG可用作致癌性疾病早期检测以及更有效治疗的生物标志物[ 6-8 ]。重要的是，了解与DEG相关的癌症进展的重要机制是证明该基因作为治疗靶标的基本要求[9生长分化因子10（GDF 10）是转化生长因子β（TGF-β）超家族的重要成员。GDF 10通过TGF- β信号通路调节细胞增殖和分化。GDF 10与SMAD 7相互作用以调节TGF-β信号通路。通过TGF-β途径调节的GDF 10的功能障碍与癌症转移相关，并且免疫细胞中有缺陷的TGFβ细胞抑制反应可导致不同类型的肿瘤转移。癌症[7]。几项研究证实了TGF-β信号通路在促进乳腺癌中的作用，这是由于GDF 10的突变表达[16研究人员还通过在小鼠和人细胞系中敲低GDF10，通过实验观察更高的细胞增殖和肿瘤发生，预测了GDF 10的肿瘤抑制作用[19一些研究还指出了GDF10在乳腺癌的几个小生境中的潜在抑制作用，但没有反映GDF10在乳腺癌中的肿瘤抑制作用的全部情况，以确认它们之间可能的联系[23]。因此，我们从多组学的角度研究了GDF10在乳腺癌中的表达模式，以证实预测的联系，并建立其作为诊断，预后和药物研究的治疗生物标志物的临床意义。F. Rahman等人医学信息学解锁21（2020）1004633≤图二. 不同癌症类型中的GDF10 mRNA表达：（A）不同类型癌症中GDF10的mRNA上调（红色）和下调（蓝色）。GDF10在不同的癌症类型中下调，包括乳腺癌，以蓝色表示。(B)将具有肿瘤（红色）和正常样品（蓝色）的各种TCGA癌症数据中GDF10的表达描绘为方框图。盒内上下四分位数之间的值和虚线表示平均表达的上限和下限（有关此图例中颜色的解释，请读者参考本文的Web版本2. 方法和材料目标识别和分析的总体程序流程图如图1所示。2.1. GDF10 mRNA在不同肿瘤中的表达通过使用Oncomine（https://www.oncomine.org/）数据库和默认 阈 值 参 数 分 析 不 同 致 癌 条 件 下 GDF10 的 mRNA 表 达 水 平 。Oncomine是一个基于网络的数据挖掘平台，用于分析与癌症发展相关 的 基 因 的 多 组 学 表 达 [24 ， 25] 。 通 过 UALCAN（http://ualcan.path.uab.edu/ ）数据库观察GDF10 的泛癌分析。UALCAN是一个可公开访问的数据库，用于基于TCGA数据集表征多癌症进展方面的差异表达基因（DEG）[26]。2.2. BC和正常组织已通过使用Oncomine数据库、基因表达谱交互分析2（GEPIA2）工具和UALCAN网络服务器进行了乳腺癌中GDF10的mRNA表达分析[26，27]。应用阈值限制以获得p值0.05的显著性结果。Oncomine分析比较了GDF10的正常组织特异性表达与癌组织。还通过观察从人类蛋白质图谱（HPA）数据库检索的乳腺癌细胞的免疫组织化学来研究GDF10在致癌条件下的变异表达。还通过使用UALCAN数据库的TCGA数据基于乳腺癌预后2.3. 基于临床特征的乳腺癌GDF10基因启动子甲基化分析通过使用UALCAN数据库生成乳腺癌中响应GDF10启动子甲基化的TCGA数据[26]。基于乳腺癌患者的多维临床病理特征分析GDF10甲基化状态。甲基化分析仅考虑统计学显著性结果。2.4. GDF10蛋白序列通过研究来自cBioPortal（https://www.cbioportal.org/）服务器[28，29]。突变分析估计氨基酸残基中遗传变化的位置、频率和类型2.5. GDF10表达与乳腺癌患者生存期的比较使用Kaplan-Meier Plotter服务器观察生存分析，以确定GDF 10表达在乳腺癌进展中的临床影响。Kaplan-Meier模型是一个可公开访问的网络平台，基于多组学数据集进行荟萃分析[30，31]。为了分析预后价值，将基因表达水平分为上四分位数和下四分位数。生存曲线描述了GDF10 mRNA表达水平与乳腺癌患者生存预后2.6. 与GDF10通过使用Oncomine数据库分析与GDF10正相关的基因[24，25]。为了鉴定具有共同功能和相似表达模式的基因，F. Rahman等人医学信息学解锁21（2020）1004634图三. 乳腺癌组织与正常组织中GDF 10表达模式的比较（A-O）乳腺癌中GDF 10表达下调。 方框图表示GDF10表达特异性倍数变化。(P)与正常组织相比，GDF10在乳腺癌中的表达降低。使用GEPIA 2，如BOX图所示（* 表示p≤ 0.05）。（组织（腺细胞）和乳腺癌（肿瘤细胞）。F. Rahman等人医学信息学解锁21（2020）1004635图三. （续）与GDF10相关的基因。通过该分析，发现ABCA 8是GDF 10的最高共表达基因。因此，通过使用UCSC Xena web [32]进一步以图形方式2.7. GDF10共表达基因的鉴定及其信号通路从Oncomine服务器检索GDF10的共表达基因。鉴定的共表达基因用于确定与GDF10相关的信号传导途径。该分析是通过使用Enrichr Web服务器完成的。Enrichr由大量基因文库组成，用于通过不同的基因特异性实验解释信号通路[33]。3. 结果3.1. GDF10 mRNA在不同肿瘤中的表达为了确定GDF10表达在不同致癌条件下的变化，我们研究了与正常组织相比，GDF10在多种癌症研究中的表达模式。这项比较分析发现，GDF10在8种不同的癌症类型中下调，即乳腺癌、脑癌和CNS癌、结直肠癌、头颈癌、肾癌、肺癌、卵巢癌和胰腺癌。有趣的是，最高数量的显著独特分析涉及与乳腺癌相关的GDF10的表达下调（图2A）。之后，我们使用UALCAN数据库调查了24个多癌症研究中GDF10的变异表达水平。在这里，我们发现GDF10在19种不同的癌症类型中下调，在5种癌症类型中上调（图11）。 2 B）。F. Rahman等人医学信息学解锁21（2020）1004636见图4。利用TCGA数据集分析不同临床病理状态下GDF10基因启动子甲基化水平。基于（A）样品类型，（B）阶段，（C）种族，（D）性别，（E）年龄，（F）癌症亚类，（G）绝经状态，（H）组织学亚型，进行与GDF10的甲基化水平比较的分析。然后，基于表达水平的中值（具有95%CI）在（I）癌症亚类（K）肿瘤组织学中比较GDF10的启动子甲基化。基于（J）癌症亚类和（L）肿瘤组织学描绘甲基化的倍数变化3.2. 乳腺癌组织为了了解GDF10在乳腺癌的多变异亚型中的表达，我们通过使用Oncomine数据库检查了每个亚型。在这里，我们通过比较正常情况下GDF 10的表达水平，与髓样癌，浸润性乳腺癌，管状乳腺癌、粘液性乳腺癌、浸润性导管乳腺癌、浸润性导管和小叶癌、浸润性小叶乳腺癌和混合性小叶和导管乳腺癌。我们发现GDF 10在每种乳腺癌亚型中显著下调（图3A-30）。通过使用GEPIA2数据库，我们发现了代表乳腺癌中GDF10表达下调的类似结果（图3P）。接下来，我们观察了F. Rahman等人医学信息学解锁21（2020）1004637图五. 乳腺癌中GDF10的基因组突变测定（A）。棒棒糖图显示GDF10中的错义型突变（B）。GDF10中CNA的改变频率呈现为条形图，其中绿色块表示突变，红色块表示扩增，蓝色块表示深度缺失型CNA（C）。基于TCGA数据库分析GDF10中CNA变体类型的mRNA表达。(For对本图中颜色图例的解释，读者可参考本文的网络版GDF10蛋白在正常组织（腺细胞）和乳腺癌（肿瘤细胞）组织中的表达，使用来自人类蛋白质图谱计划的免疫组织化学数据。在此，我们发现正常腺细胞中的染色信号水平中等，而肿瘤细胞表达的染色水平较高。此外，腺细胞的信号强度处于中等水平。但是在肿瘤细胞的情况下，我们发现了强强度信号（图3Q-R）。对应于乳腺癌亚型中GDF10表达的数据列于补充表1中。3.3. GDF10在乳腺癌中的我们根据乳腺癌患者的各种临床病理特征我们发现在所有临床病理病例中GDF10表达显著降低（补充图1A）。对于各个癌症阶段，我们在第2阶段获得了最低水平的GDF10表达（补充图1B）。但在所有阶段中，发现GDF10的表达在第1阶段中上调最多。如果患者的种族，F. Rahman等人医学信息学解锁21（2020）1004638高加索人的GDF 10表达显著降低（Supple-Fig. 1C）。在性别方面，我们发现与男性患者相比，女性患者的GDF10表达下调更多（Sup.表1从多项乳腺癌研究中鉴定的GDF10蛋白序列突变列表。补充图1D）。根据年龄组，我们观察到81-100岁患者的GDF 10表达上癌数据集样本量蛋白变化突变类型样本ID另一方面，在不同年龄组中，21-40岁的年龄组通过分析GDF10在不同癌症亚类中的表达，我们将三阴性亚类鉴定为最具抑制性的类型（补充图1F）。同时，发现管腔亚类是肿瘤组织学亚类中最主要的亚类（补充图1I）。通过研究绝经状态，我们发现GDF10在绝经后乳腺癌患者中大部分表达下调（补充图1G）。最后，我们进行了基于组织学亚型的GDF10表达分析。在这里，我们发现，MBC（MBC）PLoSMed，2016）MBC暂定，2020年2月BIC（TCGAPanCancerAtlas，2016）216 R337C错义MBC_95237 G272 R错义MBC-MBC项目_MYuoCmI7-肿瘤-SM-DL 4 R71034 R374 T错义TCGA-D8-A73 U 01在IDC中GDF10的表达大部分降低（补充图1H）。此外，我们还观察到GDF10在ILC中表达最多（补充图1K）。倍数变化的图证明了主要乳腺癌亚类和肿瘤组织学之间GDF10表达的比较变化（补充图4J，4L）。所有这些对应于乳腺癌患者不同临床病理状态的GDF10表达的TCGA数据列于补充表2中。3.4. 基于不同临床病理参数接下来，我们基于独特的临床病理学参数研究了GDF10表达对于样品类型，我们观察到与正常组织相比，在原发性肿瘤的情况下GDF10的启动子甲基化水平上调（图1B）。 4 A）。就单个癌症阶段而言，我们发现GDF10在第3阶段的甲基化水平最高在对应物上，与其他癌症阶段相比，在第4阶段发现GDF10的最低甲基化水平（图4B）。在那之后，与所有其他种族相比，我们得到亚洲患者的GDF10甲基化状态的最高水平，而非洲裔美国人患者的水平最低（图4C）。然后，我们发现女性患者的GDF10的启动子甲基化相对于男性更多地上调（图4D）。考虑到不同的年龄组，我们发现61-80岁患者的启动子甲基化另一方面，我们发现21-40岁患者的GDF 10启动子甲基化水平下调最多（图4E）。基于乳腺癌亚类，我们探索了Her 2阳性类型的GDF 10的最高启动子甲基化水平（图4F）。同时，在致癌亚型中，发现三阴性乳腺癌的GDF10甲基化水平降低最多（图41）。在绝经状态方面，我们经历了最高的甲基化水平，GDF10在绝经后时期（图 4 G）。根据组织学-cal亚型中，我们发现ILC中GDF10的启动子甲基化水平上调最多（图4H）。相比之下，与所有其他组织学亚型相比，我们观察到粘液型的GDF10的甲基化水平最低表达（图4K）。倍数变化代表主要BC亚类和肿瘤组织学之间GDF10表达的比较变化（图1B）。 4 J，L）。总体而言，根据乳腺癌患者的不同临床病理参数，这些变体GDF10启动子甲基化水平的数据列于补充表3中。3.5. GDF10基因突变和CNA分析与乳腺癌的关系我们研究了与乳腺癌相关的GDF10蛋白序列的基因组突变和拷贝数改变（CNA）。在这里，我们发现了478个氨基酸长的人GDF10蛋白的三个错义突变类型。GDF10的整个蛋白质序列包括两个结构域，即TGF-β前肽和TGF-β样结构域。有趣的是，在TGF-β样结构域中发现了突变之一（图5A）。然后，我们观察到不同类型的拷贝数改变，频率范围在0.62%和2.95%之间。条形图是基于多项乳腺癌研究构建的，其中MBC项目中发现的改变频率最高（2.95%）。乳腺癌的TCGA数据也提供了较高水平的改变频率（1.35%）。在这些研究中，发现扩增是最常见的改变类型（图5B）。我们观察到浅缺失型CNA的优势超过任何其他类型的改变。然而，对于增益类型改变，发现GDF10的表达上调最多（图5C）。与突变和蛋白质变化相关的数据集列于表1中。3.6. GDF10表达与肿瘤患者尽管功能特征，GDF10在乳腺癌的临床预后中的作用需要澄清。首先，我们发现较低的GDF 10表达与基于无复发存活的基础-内在亚型的较低存活率相关（图6A）。根据无复发生存期的管腔A-内在亚型，我们确定稍微较低的生存率与GDF 10的较低表达相关，而不是与GDF 10的较高表达相关（图6B）。之后，我们经历了类似的结果，其表示当荟萃分析与基于2级无复发存活的GDF10的较高表达相比时，GDF10的较低表达与较低存活概率的正相关（图6C）。此外，我们观察到乳腺癌患者的较低临床预后率与GDF10表达的接下来，我们研究了在管腔雄激素受体的无复发存活的情况下与GDF10表达相互关联的类似类型的预后概率报告，其表示与GDF10对应物的上调表达相比，乳腺癌患者的较低预后概率与GDF10的下调表达相结合（图1B）。 6 E）。PR阳性状态对无复发生存期的分析也确定乳腺癌患者的生存概率较低，根据GDF10的较低表达定向（图6F）。然后，我们对与GDF 10相关的乳腺癌患者的总生存率进行了类似的分析。在此，我们还发现GDF 10表达与基于ER阴性和基底样2状态的乳腺癌患者的较低存活率正相关（图6G-H）。然而，总生存期的p值没有发现统计学显著性。基于HR值在森林图中描绘了所有结果（图6I）。通过列出与该荟萃分析相对应的所有数据，GDF 10在乳腺癌临床预后中的显著相关性见表2。F. Rahman等人医学信息学解锁21（2020）1004639==见图6。乳腺癌患者的预后生存与GDF 10表达相关。（A-H）基于GDF 10表达针对多学科乳腺癌类型分析无复发和总体存活概率。存活曲线以红线表示较高表达，以黑线表示较低表达。(I)森林图表示基于风险比（HR）的荟萃分析结果。(For对本图中颜色图例的解释，读者可参考本文的网络版。）3.7. 乳腺癌相关基因GDF10共表达的研究为了鉴定与乳腺癌发生相关的GDF10共表达基因我们发现了与GDF 10阳性共表达的19个基因的列表（Supple-Fig. 2A）。在所有这些基因中，ABCA 8是最显著的与GDF10的表达共表达（R= 0.875）。bcGenEX-矿工网络服务器用于皮尔逊的图形表示相关性（r 0.45），其中X轴显示GDF 10表达，Y轴反映ABCA 8表达（补充说明图 2B）。在此之后，我们还验证了Pearson0.8230）和Spearman相关比（r 0.8432），其也揭示了⑶ F10和ABCA 8表达之间的显著关系（补充图11）。图2C-D）。总体而言，研究结果表明ABCA 8是GDF 10最重要的共表达基因之一，可能通过任何可能的信号通路促进乳腺癌的发展。展示ABCA 8与GDF 10的共表达关系的数据集在补充说明中表示。F. Rahman等人医学信息学解锁21（2020）10046310表2GDF10表达与乳腺癌患者临床病理特征n风险比p值无复发生存期（RFS）所有3955 0.64（0.57-ER状态ER阳性2565 0.64（0.44ER阴性1214 0.87（0.3HER2状态HER 2阴性1456 0.77（0.59HER 2阳性414 1.01（0.65PR状态PR阳性954 0.67（0.47PR阴性1028 0.98（0.74内在亚型基础型879 0.74（0.58管腔A 2504 0.59（0.49-0.7）1.2e-09管腔B 1425 0.77（0.63-0.93）0.0072HER2+335 0.85（0.58-1.24）0.4第一阶段69 2.28（0.83第二阶段145 1.89（1.04第三阶段319 1.92（1.41-第四阶段152 1.3（0.88淋巴结状态淋巴结阳性1459 0.8（0.66-0.97）0.026淋巴结阴性2259 0.8（0.67-0.94）0.0084级（0.41- 1.41）0.382 1077 0.74（0.58- 0.95）0.163 1090 1.14（0.82- 1.61）0.44TP53状态突变232 1.15（0.37-3.61）0.81野生型363 0.98（0.64-1.49）0.92皮滕波尔亚型腔雄激素受体276 0.61（0.41总生存期（OS）ER阴性1214 0.8（0.5基底样2 97 0.51（0.14-1.82）0.29表4.3.8. 乳腺癌中GDF10等共表达基因相关确定了由GDF10和相关共表达基因贡献的显著乳腺癌促进途径。KEGG途径探索了乳腺癌进展的主要信号传导途径，例如癌症和细胞周期的途径（图7A）。此外，最顶端的反应组途径表明GDF10和其他正共改变的基因与癌症发展相关的多学科途径结合，如细胞周期、细胞外基质组织、有丝分裂细胞周期、发育生物学、止血、有丝分裂中期和后期、M期、有丝分裂后期、免疫系统和细胞周期检查点（图7B）。基于最顶级的豹通路，我们发现GDF10和共表达基因主要与钙粘蛋白和Wnt信号通路相关（图1B）。 7 C）。最后，我们研究了乳腺癌的生物学过程通过使用GDF10的共表达基因列表来预测预后 在这种情况下，我们发现列出的基因在生物过程的情况下与细胞对细胞因子刺激的反应最显著相关（图7 D），在细胞组分方面与粘着斑最显著相关（图7E），在分子功能的情况下与激酶结合最显著相关（图7 E）。 7F）。4. 讨论乳腺癌已成为对妇女威胁最大的癌症类型，估计占癌症患者总数的25.1%。手术和其他术后肿瘤学步骤，如放射治疗，内分泌治疗和化疗是早期乳腺癌最常见的治疗方法。然而，这些辅助疗法可能有一些缺点，大多数乳腺癌患者面临着各种临床病理问题，如疼痛，感觉异常和奇怪的感觉[34，35]。此外，辅助内分泌治疗与骨矿物质减少有关，也可能导致骨骼发病。然而，分子靶向治疗通过选择性抑制靶向癌细胞而提高了治愈概率，难度较小[36，37]。乳腺癌主要有两种形式：（1）小叶型和（2）导管型乳腺癌。临床上，乳腺癌分为三种亚型：（1）ERBB-2扩增的乳腺癌，（2）表达促孕激素受体（PR）或雌激素受体（ER）的肿瘤，和（3）三阴性乳腺癌（TNBC）[38，39]。TNBC是最独特的，因为它缺乏PR，ER和HER2表达。通过促进Smad7的功能抑制途径的上调，GDF10抑制TNBC的进展[40]。在这里，我们使用公开可用的生物信息学工具的变体编号对乳腺癌中的GDF10表达模式进行了深入的多组学分析。有趣的是，在所有病例中，我们发现GDF10在乳腺癌中的表达下调。此后，我们对多种类型乳腺癌的GDF10表达进行了分析。并对乳腺癌组织与正常组织进行免疫组化对比研究.在本研究中，我们注意到肿瘤细胞与正常腺细胞相比在染色、强度和质量上存在巨大差异。然后，我们评估了GDF10的表达和启动子甲基化水平的基础上，个人的临床病理特征。该分析的结果数据还表明，乳腺癌中GDF10 mRNA表达下调，每个选定参数的启动子甲基化水平上调为了探索这些基因表达变化背后的原因从这项研究中，我们确定了三种错义突变类型，以及478个氨基酸长的人GDF 10蛋白中不同的其他拷贝数改变，其中遗传变化的频率范围在0.62- 2.95%之间。这些遗传变化可能是乳腺癌中GDF10表达下调的重要标志。在此基础上，我们研究了生存概率之间的关系乳腺癌患者GDF 10表达水平与乳腺癌患者GDF 10表达水平相关图形该研究的结果表明GDF 10表达与乳腺癌患者的生存概率为了探索与GDF10相关的乳腺癌进展途径，我们分析了GDF10的最高共表达基因。我们鉴定了19个显著共表达的基因，并指出ABCA 8是最显著相关的基因。ABCA8是ABC（ATP结合盒）超家族的成员。ABC与膜蛋白、运输、调节和细胞信号传导相关[41，42]。包括ABCA 8的ABC家族参与胆固醇和脂质稳态、肿瘤和癌症进展。脂质和胆固醇是维持肿瘤微环境和细胞增殖所需的细胞膜组分所必需的。它们还直接作为生长因子和间接作为信号分子来激活有助于肿瘤发生的癌症途径[43，44]。然而，ABCA 8与GDF 10相互连接的特定致癌作用尚不清楚。后来， 我们 确定 的 显著 途径 诱导GDF10及其最高共表达基因。在大多数情况下，我们发现GDF10及其共表达基因与癌症发展相关的信号通路有关。基于KEGG通路，我们发现GDF10及其阳性共表达基因与直接参与癌症的通路之间的关联。这种途径分析强烈表明GDF10与癌症发展的直接相互联系。从Reactome途径，我们经历了GDF10和所有其他共表达基因与细胞周期的关系。细胞周期是一个基本的生物学途径与功能障碍，是相互联系的癌症发展，通过促进恶性生长。细胞周期的功能障碍可能是由GDF 10的致突变、下调表达介导的。F. Rahman等人医学信息学解锁21（2020）10046311见图7。GDF10的信号通路和共表达基因。条的长度表示该术语的重要性，更亮的颜色表示更重要。（一）. KEGG 2019途径，（B）。反应组途径，（C）. Panther2016路径。（D）. GO生物工艺2018（E）。GO Cellular Component 2018（F）. GO分子功能2018.（有关此图例中颜色的解释，请读者参考本文的Web版本肿瘤抑制基因及其共表达基因。PANTHER通路表明GDF10最可能的相互连接是与钙粘蛋白信号通路和Wnt信号通路。最近的一项研究表明，β-钙粘蛋白和Wnt信号通路与癌症的发展有关。更具体地说，这些通路通过TGF- β信号通路促进乳腺癌进展。血管钙粘蛋白促进TGF-β信号通路，通过利用内皮间质传递（EMT）介导乳腺癌进展。TGF-β信号通路还通过抑制Dickkopf相关蛋白1（DKK 1）增强致癌Wnt信号通路的激活[45，46]。TGF-β信号通路由Smad 2/Smad 4复合物促进。 在这种情况下，Smad 7通过抑制 Smad 2/Smad 4复合物的表达而充当TGF-β信号传导途径GDF10的工作原理是刺激Smad 7的表达并有助于抑制TGF-β信号通路。然而，在致癌条件下，下调的GDF10表达并不能促进Smad7的表达.因此，TGF-β信号传导途径保持与钙黏着蛋白信号传导途径和Wnt信号传导途径相互连接的功能[45，47]。通过下调表达的GDF10促进Wnt信号传导途径和钙粘蛋白信号传导途径被预测为乳腺癌进展的潜在原因（图8）。此后，我们已经解决了GO分析研究GDF10和其他共表达基因在生物，细胞和分子水平上的最重要的功能。在生物过程的情况下，我们发现GDF 10的最大结合是细胞对细胞因子刺激的反应。乳腺细胞能够产生细胞因子，并且这些细胞因子可以作为肿瘤抑制剂或F. Rahman等人医学信息学解锁21（2020）10046312见图7。 （续）促进生长的因素。由于GDF10与细胞对细胞因子刺激的反应相关，并且细胞因子参与肿瘤生长调节，因此GDF10表达被认为与肿瘤生长过程间接相关[48]。此外，基于细胞成分，我们确定GDF10的最高关系是与粘着斑，这是乳腺癌开始，转移和进展的重要决定因素。根据该报告和细胞成分的GO分析，GDF 10与乳腺癌之间存在相互联系，因为它与粘着斑相关[49]。GO分子功能研究表明，乳腺癌中GDF10及其相关共改变基因大多与激酶结合有关。据报道，蛋白酪氨酸激酶是乳腺癌中由于致癌突变而受到严格调控的催化剂。因此，GDF10可能与乳腺癌结合，因为它与激酶结合相互作用。总体而言，所有这些分析都表明GDF10可以用作乳腺癌的可能生物标志物。然而，希望发现关于GDF10在乳腺癌中的功能作用和肿瘤学意义的更普遍的分子知识。5. 结论在这项多学科研究中，我们利用几种生物信息学工具来证明GDF10作为乳腺癌新的治疗生物标志物的效率。我们进行了系统的多组学分析，以检查表达水平，甲基化状态，免疫组织化学，通过突变和拷贝数改变分析的功能态度，预后意义，以及它们对与乳腺癌发展相关的变异信号通路的影响。目前的研究结果探索了GDF10作为一种潜在的肿瘤抑制因子，其表达在乳腺癌发展组织中显著下调。甲基化水平升高和遗传水平的其他变化，如突变或拷贝数改变，可能是促进GDF10表达降低的原因。 换句话说，这种研究方法的最终结果决定了GDF10作为乳腺癌新的治疗生物标志物的效率。因此，预计更多相关的基于湿实验室的研究将强调GDF 10对早期诊断的重要性，F. Rahman等人医学信息学解锁21（2020）10046313见图8。代表GDF10表达在乳腺癌发展中的影响的示意图。在正常情况下，GDF 10刺激Smad 7以抑制Smad 2/Smad 4复合物的形成。但在致癌条件下，低表达的GDF10不能触发Smad7的作用。因此，Smad 2/Smad 4复合物参与了乳腺癌的信号通路，最终促进了乳腺癌的发展。改善乳腺癌的治疗策略。作者贡献AS和FA设计了该项目;所有作者都为生成和分析数据做出了贡献。FR撰写稿件的引言和方法学结果; TBM撰写稿件的结果和讨论部分; RA、AS和FA审查稿件。所有作者阅读并批准了最终手稿。资金这项研究没有收到任何来自公共，商业或非营利部门资助机构的具体资助。竞合利益作者声明，他们没有已知的可能影响本文所报告工作致谢作者感谢生物解决方案中心（BioSol Centre;www.biosolcentre.org）的技术支持。附录A. 补充数据本文的补充数据可在https：//doi网站上找到。org/10.1016/j.imu.2020.100463。引用[1] FerlayJ ， ColombetM ， Soerjomataram I ， MathersC ， Parkin DM ， PinPasterosM ， Znaor A ， Bray F. 估 计 2018年全 球 癌 症 发 病 率 和 死 亡 率 ：GLOBOCAN来源和方法。IntJ Canc2019;144：1941-53.[2] Bray F，FerlayJ，Soerjomataram I，Siegel RL，Torre LA，Jemal A. 2018年全球癌症统计数据：GLOBOCAN估计全球185个国家36种癌症的发病率和死亡率。 Cancer J. Clin. 2018;68：394-424.[3] Kone AS，Diakite A，Diarra IM，Diabate K，Camara MA，Diallo YL，Sidibe S. 巴 马 科 放射治疗中心乳腺癌的流行病学和临床概况。JCancerTher 2019;10. 七三九四六[4] Akram M，Iqbal M，Daniyal M，Khan AU.对乳腺癌的认识和当前知识。50.第50章大结局[5] SahaBiswas，Gil，Cho. TTYH3的高表达与人胃癌的不良临床结局相关。 临床医学杂志2019;8：1762。[6] Kan Z，Ding Y，KimJ，Jung HH，Chung W，Lal S，Cho S，Fernando-BanetJ，Lee SK，Kim SW，Lee JE，Choi Y La，Deng S，Kim JY，Ahn JS，Sha Y，Mu XJ，Nam JY，Im YH，Lee S，Park WY，Nam SJ，Park YH.年轻亚洲乳腺癌的多组学分析揭示了独特的分子特征。Nat Commun 2018;9. 1725-1725年。[7] Ma XJ，Salunga R，Tuggle JT，GaudetJ，Enright E，McQuary P，PayetteT，Pistone M，Stecker K，Zhang BM，Zhou YX，Varnholt H，Smith B，Gadd M，Chatfield E，Kessler J，Baer TM，Erlander MG，Sgroi DC. 人乳腺癌进展的基因表达谱。Proc Natl Acad Sci U.S.A 2003;100：5974.-9岁[8] [10]杨文，李文. 基质金属蛋白酶8基因表达实验操作后人乳腺癌细胞转移行为的改变。第1687页。-94[9] Saha SK ， Kader MA， Samad KA， Biswas KC ， Rahman MA， Parvez MAK ，Rahman MS. 乳腺癌中BIN1的预后和临床病理意义19.第一次的约会 100327[10] Latha NR，Rajan A，Nadhan R，Achyutuni S，Sengodan SK，Hemalatha SK，Varghese GR，Sengappan R，Krishnan N，Patra D，Bachier A，Srinivas P.Geneexpression signatures：a tool for analysis of breast cancer prognosis andtherapy. 151.第151章. 102964[11] Samad A，Haque F，Nain Z，Alam R，Al Noman MA，Ahammad F，et al.Computational assessment of MCM2 transcriptional expression and identificationF. Rahman等人医学信息学解锁21（2020）10046314人类乳腺癌的预后生物标志物。Heliyon 2020;6（10）：e05087。https://doi.org/10.1016/j.heliyon.2020.e05087网站。[12] Barman UD，Saha SK，Kader MA，Jamal MAHM，Sharma SP，Samad A，Rahman MS. GPC3在乳腺癌中的临床病理意义及其三维结构预测 Netw ModelAnal Health Inf Bioinf 2020;9：1-18.[13] 李春，崔军，邹丽，朱丽，魏伟. HOXC13表达与乳腺癌预后的生物信息学分析肿瘤学通讯2020;19：899-907.[14] Karim MA，Samad A，Adhikari UK，Kader MA，Kabir MM，Islam MA，HasanMN.使用生物信息学方法对不同癌症中骨形态发生蛋白5（BMP 5）mRNA表达和临床预后结果进行多组学分析。生物医学2020;8：19.[15] Samad A，Jafar T，Rafi JH.使用计算分析鉴定血管紧张素转换酶2（ACE 2）蛋白作为SARS-CoV-2感染相关肺癌的潜在生物标志物Genomics 2020;vol.112.4912- 23[16] Othman AH，Tandon M，Tarhoni I，Borgia JA.肺癌干细胞：特征和调控机制的见解。成人干细胞2017;3. 247比53[17] Cheng CW，Hsiao JR，Fan CC，Lo YK，Tsen CY，Wu L W，Fang WY，ChengAJ，Chen CH，Chang IS，Jiang SS，Cha
