四种乳腺癌基因/miRNA表达谱及生物信息学分类分析研究

医学信息学解锁20（2020）100425亚型特异性和常见基因/miRNA表达谱应用生物信息学方法对四种主要的乳腺癌亚型进行分类;四种基因和两种具有可能诊断和预后价值的Amir Mehrgoua，Shima Ebadollahi b，Behnam Jameie c，Shahram Teimouriand，*a伊朗德黑兰伊朗医科大学医学院医学遗传学和分子生物学系b伊朗Babol，Babol医科大学，医学院，生物化学和生物物理系。c伊朗德黑兰伊朗医科大学神经科学研究中心d伊朗德黑兰伊朗医科大学医学遗传学系A R T I C L EI N FO保留字：生物信息学分析差异表达基因差异表达microRNAs诊断基因表达谱预后基因表达谱乳腺癌亚型A B S T R A C T背景：乳腺癌是全球女性死亡的第二大原因。尽管医学取得了进步，但如今，我们面临着解决这一困境的某些解决方案的紧急需求。一种有效的方法可能是识别乳腺癌中的mRNA/miRNA表达谱材料方法：通过检索GEO数据库，利用GSE 29174和GSE 58606、GEO2R在线工具和Limma软件包，分别指定所有乳腺癌亚型的（共同）差异表达基因（DEG）和miRNAs（DEMs）。通过miRTarBase和Cytoscape发现并可视化所有DEGs-DEM相互作用。考虑到STRING数据库和Cytohubba插件，绘制了蛋白质-蛋白质相互作用（PPI）。通过R软件包和Kaplan-Meier Plotter分别进行功能富集和生存分析。然后，通过GSE 45827进行共同DEG验证，并绘制具有诊断和预后价值的最终PPI网络。最终，为了进行更多验证（严格），使用GEPIA对经确认的常见DEG进行了结果：发现了所有乳腺癌亚型的专有和通用DEG和DEM。然后，绘制DEG和DEM的相互作用。此外，诊断和治疗适用的基因表达谱，新的表达变化的四个基因，在两个microRNA，和一个偶然的新基因-miRNA相互作用在乳腺癌的发展和预后确定。结论：根据所发现的特征，以及我们的新发现，它们可能是即将进行的乳腺癌预后、诊断和靶向治疗研究1. 介绍每年，乳腺癌是一种异质性疾病，折磨着1，676，660名女性，其中521，900人死亡[1]。乳腺癌由四种主要亚型组成，即三阴性乳腺癌（TNBC）、HER2、管腔A（LA）和管腔B（LB），基于雌激素受体（ER）、孕酮受体（PR）和人表皮生长因子受体2（HER2）状态[2]。所有三种受体的状态在TNBC中均为阴性，而在HER2乳腺癌中，唯一的阳性受体是HER2。虽然ER和/或PR在两种情况下都是阳性的，LA和LB，区分这两种亚型的特征是LA肿瘤对HER2保持永久阴性，而LB肿瘤通常对HER2受体呈阳性[3]。每种亚型都有其独特的风险因素、预后、患病率、生存率、对不同治疗药物的反应性和临床结局[4，5]。基因和microRNA表达谱被证明可用于乳腺癌的预后和诊断[6，7]。被分类在乳腺癌特异性谱类别下的基因主要涉及细胞周期、侵袭、转移和血管生成的调节[8]。人类microRNAs（miRNAs）是一类长度约为22个核苷酸的非编码小RNA，* 通讯作者。电子邮件地址：amirmehrgou@yahoo.com（A. Mehrgou），shima7631@yahoo.com（S. Ebadollahi），behjame@gmail.com（B. Jameie），teimourian.sh @iums.ac.ir（S.Teimourian）。https://doi.org/10.1016/j.imu.2020.100425接收日期：2020年7月29日;接收日期：2020年8月28日;接受日期：2020年2020年9月11日网上发售2352-9148/© 2020由Elsevier Ltd.发布这是一篇基于CC BY-NC-ND许可证的开放获取文章（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/imuA. Mehrgou等人医学信息学解锁20（2020）1004252缩略词表DEG差异EX表达基因DEM差异EX表达microRNAER雌激素受体GEO基因表达综合体GO基因本体人表皮生长因子受体2HR风险比KM图Kaplan-Meier图LA管腔ALB管腔BlogFC倍数变化对数MCC最大集团中心性OS总生存期PPI蛋白质-蛋白质相互作用PR预后因子受体字符串用于检索相互作用基因三阴性乳腺癌通过与靶基因的结合在所有亚型中常见，以揭示在所有乳腺癌亚型中探索具有诊断和预后价值的潜在和适用靶点。最后，为了产生具体的结果，我们用另一个基因表达阵列数据集验证了所获得的共同DEG。因此，考虑到其诊断和预后价值，为经验证的常见DEG绘制了显示顶级蛋白质的最终PPI网络。2. 材料和方法2.1. 微阵列数据利用1） 我们 取回了 mRNA 和 miRNA表达数据集，分别一个关键入选标准是存在细致的亚型分型或受体状态，包括HER2、ER和PR。GSE 29174基因表达阵列数据集，其基于GPL 3676平台（NKI-CMFHomo sapiens 35 k oligo array），GSE 58606miRNA表达阵列数据集使用GPL 18838平台（miRCURY LNA microRNA Array第7代）进行。是下载从的基因EX压 总括 (GEO，htt3′ UTR中的互补序列位于其靶基因中[7，9，10]。与基因类似，microRNA具有预后和诊断能力[7]。微阵列技术为测量和标记任何疾病（如乳腺癌）的上述特征奠定了基础[6，7]。在这项研究中，利用基本上代表乳腺癌亚型和健康对照之间基因和miRNA表达变化的微阵列数据集，我们获得了所有主要乳腺癌亚型中专有和常见的基因和micro-RNA表达谱。这些特异性和共同的特征可以作为乳腺癌患者的预后和诊断标志物。此外，我们评估了我们检测到的microRNA在改变我们获得的基因表达模式中的作用，考虑了四种主要亚型。在当前的研究中，我们编译了保存在Gene E X pression Omnibus（GEO，http：//www. ncbi.nlm.nih.gov/geo/），然后通过比较不同主要亚型的乳腺癌组织样本与正常组织样本，我们确定了差异表达基因（DEG）和差异表达的miRNA（DEM）。然后，DEG和DEM之间的相互作用进行了评估，并绘制了每一个亚型，单独。同样，利用STRING数据库和Cytoscape软件，得到了蛋白质相互作用（PPI）网络，并进行了可视化。此外，仅对DEG和DEM进行了生存和功能富集分析，p：www.ncbi.nlm.nih.gov/geo）。在GSE 29174表达阵列数据集中包括的所有样品中，选择147个乳腺组织样品（40个HER2阳性、13个管腔A、24个管腔B和70个三阴性乳腺癌（TNBC））和11个具有已知受体状态的非肿瘤样品GSE 58606miRNA表达阵列数据集由测试集中的61个乳腺癌（14个HER2阳性、15个Luminal A、16个Luminal B和16个三阴性乳腺癌（TNBC））和4个非肿瘤组织样本组成，所有这些都被考虑用于当前研究。2.2. 差异表达基因（DEG）和差异表达MicroRNA（DEM）使用GEO2R在线工具（https://www.ncbi.nlm.nih.gov/geo/geo2r/）进行分析。GEO2R，一个通过考虑实验数据对DEG和DEM进行条件和用户GEO系列中的样品。在本研究中，通过使用log 2变换和BenjaminiHochberg方法，通过比较五组样本（四个患者组和一个健康组），分别分析 了由 基因 和miRNA 表达 阵列 数据 组成 的GSE 29174[11] 和GSE58606[12& 此 外 ， 利 用 R 软 件 （ 版 本 3.6.1 ） 中 的 GEOquery （ 版 本2.54.0）[13]和Limma包（版本3.42.0）[14]，并通过计算错误发现率（FDR），精确生成DEG和DEM |Fig. 1. 不同乳腺癌亚型中的差异表达基因（DEG）。左侧：下调的DEG。 右侧：上调的DEG。A. Mehrgou等人医学信息学解锁20（2020）1004253表1乳腺癌中基因表达谱（下调和上调）列表。这些常见的DEG是通过基于GSE29174数据集的四种乳腺癌亚型的病例对照比较产生的。常见的下调DEG常见的上调DEG基因名称基因ID基因名称基因IDAKR1C21646AKAP910,142CA4762ARID4B51,742CFD1675公司简介55,088CHRDL191,851CLIP16249CIDEA1149COL10A11300EDN31908COL11A11301FABP42167CREBBP1387FAM189A29413GBP5115,362GPD12819GCC29648GSTM 52949Hist1h4a8359HLF3131MMP14312IGFBP63489NBPF 10100132406LEP3952S100p6286LPL4023Tet254,790LYVE110,894TRIM149830NDUFAF579,133公司简介54,989OSR1130,497PLIN15346PLIN4729,359PTN5764RASL10A10,633RBP45950SCGB3A192,304SEL1L280,343滕州东方54,997TNXB7148ZBTB167704logFC|> 3，且|logFC|在P值0.05的伴随下> 0.5<被设定为我们的截止阈值，以便分别检索统计学上显著的DEG和DEM。在这个过程中，每个患者组都有分别与对照组进行比较。因此，所有四种亚型都产生了它们特定的DEG和DEM。Venny在线工具（版本2.1.0）（https://bioinfogp.cnb.csic.es/tools/venny/）有助于获得所有乳腺癌亚型中共有的DEG和DEM。2.3. DEGs-DEM相互作用通 过 miRTarBase 在 线 软 件 （ 版 本 7.0 ） （ http ：//mirtarbase.mbc.nctu.edu.tw/）指定各亚型特异性DEG与相应DEM之间以及常见DEG-常见DEM之间的相互作用[15]。随后，通过Cytoscape软件（3.7.2版）可视化所获得的mRNA-miRNA相互作用结果。2.4. PPI网络建设检索相互作用基因的搜索工具（STRING）版本11.0）（https://string-db.org/）[16]，置信度得分>0.4作为临界标准，用于评估蛋白质-蛋白质相互作用（PPI） 信息 关于 所有 亚型特异DEGs 和共同所有研究亚型中的DEG。然后，通过考虑最大集团中心性[17，18]方法，Cytoscape软件（版本3.7.2）中的Cytohubba插件为可视化和评分研究中所有检测到的DEG内的PPI网络铺平了道路。MCC方法能够鉴定高级和低级蛋白质。此外，这种方法比Cytohubba中的其他方法更有利2.5. 功能富集分析在每种亚型特异性DEG的伴随物中检测到的共同DEG被引入R软件中的QuantiterProfiler（版本3.14.3）[19]、DOSE（版本3.12.0）[20]和Enrichplot（版本1.6.1）[21]包，以基于基因本体(GO)注释。 P值0.05被认为是统计学上<重要门槛2.6. Kaplan-Meier根据总生存期（OS），关 于 随 访 时 间 和 患 者 临 床 / 治 疗 状 况 的 任 何 限 制 性 标 准 ，www.kmplot.comtients。KMTR是一种在线生存分析工具，能够评估所选基因/miRNA表达水平对不同癌症类型（在这种情况下为乳腺癌）的临床数据的预后价值。该在线工具使用从Gene EX pression Omnibus（GEO），ArrayEXpress和其他相关数据库收集的癌症患者的表达数据和生存信息。为了评估特定基因或miRNA的预后价值，根据通过KM分析确定的最佳截止阈值，将患者样品分为两个组。 最佳截止值是帮助计算错误发现率（FDR）和考虑最高HR值（或在以下情况下为1/HR）的标准：HR 1）。< 具有95%置信度的证据间隔嵌入所产生的图中。值得注意的是：1）HR低于1时，将其倒置以产生更多有形结果，2）P值0.05被认为具有统计学显著性，<显著性，以及3）基于JetSet选择最佳探针组用于评估基因的预后价值[24]。图二. 不同乳腺癌亚型中差异表达的miRNA（DEM）。左侧：下调的DEM。 右侧：上调的DEM。A. Mehrgou等人医学信息学解锁20（2020）1004254图三. 乳腺癌中DEG及其相应DEM之间的相互作用。A）左侧：TNBC中下调的DEG-上调的DEM相互作用。右侧：TNBC中上调的DEG-下调的DEM相互作用。B）左侧：HER 2中下调的DEG-上调的DEM相互作用。右侧：HER 2中上调的DEG-下调的DEM相互作用。C）左侧：LA中下调的DEG-上调的DEM相互作用。右侧：LA中上调的DEG-下调的DEM相互作用。D）左侧：LB中下调的DEG-上调的DEM相互作用。右侧：LB中上调的DEG-下调的DEM相互作用E）在共同上调的DEG和共同下调的DEM之间鉴定的唯一相互作用2.7. 常见DEGGSE 45827基因表达阵列数据集[25]由GPL 570平台执行，通过GEO数据库下载，该数据库包含我们研究的所有亚型的130名乳腺癌患者和11名健康参与者。对于相同的统计情况，等|logFC| Limma<包中的P值> 3且P值0.05，考虑对于常见DEG的初步识别，在对数据集进行归一化处理后，再现了常见DEG检测的分析过程，以严格验证我们的上述结果。此外，我们以前获得的共同DEG通过考虑0<|logFC| P<值<0.05。值得一提的是，在整个验证过程中，对常见的下调DEG和常见的上调DEG进行了离散研究2.8. 具有诊断和预后价值的所有常见DEG的前十个基因的PPI网络，其通过以下验证：|logFC|> 3且P值<0.05，且0 <|logFC|根据<0.4和Cytohubba插件与观察MCC方法。2.9. 对GEPIA利用基因表达谱交互分析（GEPIA）数据库（http://gepia.cancer-pku.cn/）[26]，我们仔细检查了TCGA数据库中经验证和严格验证的DEG。BRCA（乳腺A. Mehrgou等人医学信息学解锁20（2020）1004255见图4。乳腺癌中DEG的PPI网络。A）左侧：连接TNBC中下调的DEG的PPI网络。右侧：PPI网络连接TNBC中上调的DEG。B）左侧：连接HER2中下调的DEG的PPI网络。右侧：PPI网络连接HER2中上调的DEG。C）左侧：连接LA中下调的DEG的PPI网络。右侧：PPI网络连接洛杉矶上调的DEG。D）左侧：连接LB中下调的DEG的PPI网络。右侧：连接LB中上调的DEG的PPI网络。E）左侧：连接常见下调的DEG的PPI网络。右侧：连接常见上调DEG的PPI网络。* 颜色范围定义在红色和黄色之间。颜色越接近纯红色，越表明重要性TCGA数据库中的1085例患者和291例TCGA正常人组成了TCGA数据库中的1085例（浸润性癌）癌症类型。后LogScale转换并考虑P值<0.05，0 <|LogFC|<3和|LogFC|> 3分别被确定为经验证和严格验证的DEG的统计学显著阈值。3. 结果3.1. 差异表达基因（DEG）和miRNA（DEM）的鉴定遵守关键标准，包括|logFC| GSE <29174表达阵列数据集的P值> 3和P值0.05，如在 这 本 纸， 181 DEGs （88） 下调 和 上升93对于TNBC，100个DEG（59个下调和41个上调）为HER2，208DEGs （120） 下调 和 88起-对于LA，发现了93个DEG（68个下调和25个上调）（图1），其中43个DEG（27个下调和16个上调）存在于所有乳腺癌亚组中。类型（表1） 再加上|logFC|> 0.5，P值<0.05GSE 58606 miRNA表达阵列数据集的标准，如当前研究的数据文章所示，45个DEM（20例下调，25例上调），16例DEM（12例下调和4例上调），43例DEM发现LA的46个DEM（28个下调和15个上调），LB的46个DEM（17个下调和29个上调）（图2），其中四个下调的miRNA（hsa-miR-3164、hsa-miR-3676- 3 p、hsa-miR-3656和hsa-miR-3148）和一个上调的miRNA（hsa-miR-1278）被定义为常见的DEM。值得注意的是，hsa-mir-1278和hsa-mir-3148是乳腺癌中的两个新的microRNA，我们在这项研究中很幸运地发现了它们。A. Mehrgou等人医学信息学解锁20（2020）1004256图五. 乳腺癌中常见下调DEG的功能富集A）常见下调的DEG中的生物过程的条形图。B）常见下调的DEG中的生物过程的Cnetplot。C）常见下调的DEG中分子功能的条形图。D）常见下调的DEG中的分子功能的Cnetplot。3.2. DEGs-DEM相互作用单独检查与每种亚型相关的所有DEGs-DEM相互作用。最终，对常见DEG和DEM的研究仅产生ZNF 770基因与hsa-miR-3656之间的一种相互作用，其分别包含在下调的常见DEG和上调的常见DEM中。在图3中，描绘了所有前述相互作用。同样，检测到NBPF 10基因与mir- 3941之间在HER 2和LA亚型中的新相互作用，伴随着在HER 2、LA和TNBC亚型中连接CLIP 1基因与mir-42863.3. 构建蛋白质相互作用（PPI）网络图4中示出了用于获得的每个亚型的DEG及其共同DEG的PPI网络。考虑到常见的DEG，网络中最高评分的下调和最高评分的上调蛋白质的数量分别为6个（FABP4、LPL、CFD、LEP、PLIN 1和CIDEA）和5个（HIST 1H4A、CREBBP、AKAP 9、GCC 2和CIDEA）。CLIP1）。3.4. 乳腺癌常见DEGs的功能富集分析随着GO功能富集的深入研究，揭示了常见下调DEG中最重要的生物学过程，包括对酸性化学物质的（细胞）反应、对视黄酸的反应和对脂质储存的调节。同样，LEP、TESC、OSR1和LPL基因在该组GO生物学过程中的参与最多。此外，在该类别中非常重要的分子功能包括糖胺聚糖结合和蛋白聚糖结合以及PTN和LPL是该组GO分子功能中两个注释最多的基因（图5）。共同上调的DEG具有不同的GO注释。它们更多地参与蛋白质复合物的正向调节，就像生物学过程和CLIP 1一样，AKAP 9基因在这一注释中发挥着主要作用（图6）。唯一的分子对于常见的上调DEG，可能已经发现的功能是出于同样的原因，每个亚型的GO功能富集的结果-具体的DEG在本文件的数据文章中说明。A. Mehrgou等人医学信息学解锁20（2020）1004257见图6。乳腺癌中常见上调DEG的功能富集A）常见上调的DEG中的生物过程的条形图。B）常见上调的DEG中的生物过程3.5. 常见DEG和常见DEM的预后价值根据Kaplan-Meier曲线，两种常见的下调DEG和一种常见的上调DEG的低表达与乳腺癌患者的预后较好相关。然而，伴随着7种常见的上调DEG，16种常见的下调DEG的较高表达代表了更佳的预后价值（图1A和1B）。第7和第8段）。出于同样的原因，常见DEM（hsa-miR-3164、hsa-miR-3656、hsa-miR- 3148和hsa-miR-1278）的较低表达与较长的总体存活有关（图9）。由于KM图支持的DEG和DEM在整个乳腺癌亚型中的验证存在，KM图的所有结果可以推广到所有乳腺癌患者，无论其分子亚型如何。3.6. 经验证的诊断和预后DEG在最初检测到的43种常见DEG中，考虑到以下因素，27种DEG被严格验证：|logFC|> 3，P值<0.05。另外11种常见DEG的表达增加/减少，<|logFC| 3<和P值<0.05（表2）。在26例常见DEG中，有17例符合KM图，经严格验证，|logFC|>>3和P值<0.05的标准，6个常见的DEG被证明为0 <|logFC| 3<和P值<0.05统计基准（表3）。 通过验证过程，在四个基因中表达发生了变化，其 中 （ FAM189A2 、 RASL10A 和 TESC ） 是 严 格 验 证 的 ， 其 中 一 个（NBF10）是非严格验证的，首次在乳腺癌中被识别。3.7. 十大诊断和预后基因考虑到具有诊断（38个基因）和预后（23个基因）应用的经验证的常见DEG，单独构建其PPI网络（图10）。 除Hist1H4A基因外，所有前网络中具有诊断价值的基因被证明是严格验证的常见DEG之一，|logFC|> 3，P值<0.05。值得注意的是，无一例外地，在网络中展示了从KM图中摘录，经过严格验证的共同DEG通 过 以 下 方 式 实现：|logFC|> 3，P值<0.05。3.8. 经验证和严格验证的具有诊断价值的常见DEG在TCGA数据库总的来说，19个（16个下调，3个上调）严格A. Mehrgou等人医学信息学解锁20（2020）1004258图7.第一次会议。乳腺癌中常见下调DEG的统计学显著预后结果（Kaplan-Meier图）。* 每个KM图下列出的患者数量（总体和每组）取决于参加KM研究的患者数量和反应性。A. Mehrgou等人医学信息学解锁20（2020）1004259见图7。 （续）基于GEPIA数据库证实了经验证的常见DEG和四个（两个下调和两个上调）经验证的常见DEG具有统计学显著性（图1A和1B）。第11和12段）。根据GEPIA产生的结果，我们的四个新基因尚未发现统计学显著性，这反过来又验证了这些基因的新颖性（图1）。 13）。出于同样的原因，其余5个（4个下调，1个上调）严格验证的常见DEG和6个上调验证的常见DEG未被证实具有统计学显著性，如本研究工作的数据文章所示同样，我们的共同DEG的热图是由UALCAN数据库（http://ualcan.path.uab.edu）绘制的/index.html）[27]基于TCGA数据中的BRCA癌症类型基地（图） 14）。4. 讨论妇女死亡的第二大原因是乳腺癌。作为一种异质性疾病，乳腺癌是由各种分子亚型组成的，因此，它们的表达模式是不同的或在某种程度上类似[28，29]。虽然在治疗方面出现了许多突破，但由于不同亚型乳腺癌患者之间存在分子多样性，尚未发现明确的治疗方法[30]。然而，基因和microRNA表达的改变可以在几种疾病（如癌症）中作为肿瘤抑制因子或致癌基因发挥作用，这可能是一个促进发现具有临床益处的潜在靶点的线索[29，31，32]。在本研究中，我们搜索了由主要乳腺癌亚型和正常样本组成的基因表达阵列数据集和miRNA表达阵列数据集。最终，分别从GEO数据库下载了具有147个和61个乳腺癌样品的GSE 29174和GSE 58606。为了避免假阳性结果，而不是将每个数据集中的所有癌症样本视为一个池，通过生物信息学分析离散地获得每个亚型的DEG和DEM，然后过滤所有亚型中的共同DEG和共同DEM。通过miRTarBase研究了所有DEG及其相应DEM之间的相互作用。之后，使用Cytoscape中的STRING数据库和Cytohubba插件绘制所有DEG的PPI网络，以描绘得分最高A. Mehrgou等人医学信息学解锁20（2020）10042510见图8。 乳腺癌中常见上调DEG的统计学显著预后结果（Kaplan-Meier图）。* 每个KM图下列出的患者数量（总体和每组）取决于参加KM研究的患者数量和反应性。proteins.此外，对常见DEG进行了基于GO的功能富集，并考虑了常见DEG和常见DEM的各亚型特异性DEG和Kaplan Meier分析。因此，每个DEG的细致功能和所有常见DEG和所有常见DEM的预后价值被指定。为了验证我们的结果，对于常见的DEG，GSE 45827基因表达阵列数据集被利用，其包含130例乳腺癌患者和11例正常人样本。最终，我们通过构建PPI网络，分别通过STRING数据库和Cytohhuba插件，为验证的常见DEG和验证的KM图支持的常见DEG展示了诊断和预后类别中的顶级蛋白质。在下文中，更详细地解释了我们重要结果的摘录，其中包括先前已知在乳腺癌中具有肿瘤抑制/致瘤作用的最终前十种蛋白质，四种基因和两种miRNA在这种恶性肿瘤中的新的表达参与模式，以及三种新的基因-miRNA相互作用。虽然上调 FABP4被认为是 关键在乳腺癌发展中的一个重要因素，以及TNBC转移性转化[33，34]中，我们在所有乳腺癌亚型中作为癌症发展抑制剂的常见下调DEG中发现了该基因，这与先前已经建立的相反[34]。因此，尽管FABP4的存在以前被宣布为较差的生存指标[34]，但在另一项研究中，该基因的上调被证明适用于乳腺癌患者的更好生存[33]。因此，与报道FABP4为不良预后因子的一些研究相反[34]，我们的结果表明FABP4的上调可以被假定具有良好的预后价值。由于LPL在乳腺癌患者中的下调已经被不幸地宣布[35]，我们的结果证实了这种表达变化 在这种恶性肿瘤中与正常状态相比也是如此。此外，我们发现LPL的上调可以作为患者更长总生存期的预后因素。根据我们的研究结果，该基因可能是控制表达的mir-29- 3 p在管腔B亚型。而乳腺癌患者血浆中CFD表达A. Mehrgou等人医学信息学解锁20（2020）10042511见图9。乳腺癌常见DEM的统计学显著预后结果（Kaplan-Meier图）。A）常见下调的DEM的Kaplan-Meier存活曲线。B）常见上调的DEM的Kaplan-Meier存活曲线* 每个KM图下列出的患者数量（总体和每组）取决于参加KM研究的患者数量和反应性。[36]，我们在乳腺癌组织中也检测到了同样的表达变化。该基因通过其增强的表达导致更好的总体生存。然而，CFD的确切作用仅被证实涉及肿瘤的侵袭性[37]。在乳腺癌患者中，有一个突出的基因，称为LEP。LEP基因在包括我们在内的多项研究中被频繁发现下调。虽然LEP在乳腺细胞中包含肿瘤发生相关的功能特性[38]，但无法证明为什么该基因的较高表达伴随着患者的较好总体存活。值得注意的是，已经证实许多癌症与肥胖有关，如乳腺癌、前列腺癌和结肠直肠癌[39]。首先，考虑到LEP参与脂质储存和代谢的调节，并且对于两者，水平的LEP 在肥胖各位，易感他们上述恶性肿瘤，至关重要的问题，在乳腺癌患者中表达下调”PLIN 1基因在乳腺癌中作为肿瘤抑制因子发挥作用[41]，其表达水平已被声称在该乳腺癌中下调[42]，如在当前研究中发现的。自2015年以来[43]，PLIN 1已被确定用于乳腺癌患者的预后应用[41]并且其下调是较差的总体转移性无复发生存期的指标[42]。同样，我们的KM图结果证实PLIN 1下调伴随着更差和更短的总生存期。ZhouC.，中国青冈C.已经证明细胞增殖、迁移、侵袭和肿瘤发生可以被抑制，通过PLIN 1的外源表达。由于PLIN 1在调节脂肪细胞中的甘油三酯储存和脂解中起作用， 考虑到乳腺癌发展与人体中的脂质代谢密切相关，PLIN 1在这种疾病中起的重要作用是显而易见的[42]。考虑到CIDEA的促细胞凋亡作用、其在治疗后的过表达[44]以及CIDEA确实在原发性乳腺癌患者中反复引发甲基化[45]，不仅本研究中该基因的下调状态是合理的，而且甲基化可以被认为是我们研究中CIDEA负调控的过程之一。基于CIDEA与mir-39 a-5 p在管腔B型乳腺癌亚型中的相互作用，该基因的另一个调控系统可能是该亚型中的基因-miRNA相互作用。Jiao，C.等人提出，RBP4的血清水平在乳腺癌中增加[46]，该基因在乳腺癌组织中的下调与Sultan，G.等人[47]在我们的研究中，我们发现PLIN 4基因在乳腺癌组织中相对于健康组织低表达，这得到了Sirois所做工作的支持I.已经证明了化疗后PLIN 4的增加[48]。出于同样的原因，我们说明了PLIN 4的过表达在乳腺癌患者中提供了更好的总体存活率。GPD 1是一种肿瘤抑制基因，能够抑制细胞增殖、迁移和侵袭[49]。因此，该基因促进肿瘤进展[49]。在所有乳腺癌亚型中，A. Mehrgou等人医学信息学解锁20（2020）10042512表2在乳腺癌诊断中具有应用价值的经验证的基因表达谱列表。根据基于GSE 45827数据集的病例对照比较，获得并计算这些基因、logFC值和P值。一个经过验证的诊断基因表达谱（|logFC|> 3）经验证的诊断基因表达谱（0 <|logFC|第<三章基因名称基因ID LogFC P值基因名称基因ID LogFC P值AKR1C2 1646-4.62051 6.34E-12 AKAP 9 10，142 0.443705 0.03547CA4CFDb762-4.52188 1.45E-52 ARID4B 51，742 1.727009 4.61E-131675-5.79836 6.05E-24CHRDL 1 91，851-6.25022 2.63E-181908-2.68306 5.74E-13COL10A1 1300 7.336463 1.90E-20 GBP5 115，362 2.320614 0.000259COL11A1 1301 7.674673 2.24E-20 Hist1h4ab8359 1.349041 3.18E-06FABP4b2167-7.43714 8.16E-13 NBPF10c1001324062.679153 8.47E-21FAM189A2c9413-4.63529 2.75E-20 OSR 1 130，497-1.51485 0.000219GPD1b2819-5.75272 5.59E-47 TET2 54，790 0.480629 0.003575GSTM 5 2949-4.00076 1.12E-34 TRIM 14 9830 1.64788 1.09E-08HLF 3131-4.00599 1.03E-36IGFBP63489-3.91626 8.44E-24LEPb3952-6.94076 2.69E-40LPLb4023-5.7189 1.84E-17LYVE1 10，894-3.62238 2.28E-23MMP1 4312 4.396274 3.97E-05PLIN 1b5346-6.4155 1.02E-23PLIN 4b729，359-6.12334 3.54E-32PTN RASL10Ac5764-4.6971110，633-3.1327 1.97E-18RBP4b5950-7.01063S100P 6286 6.402723 4.80E-10SCGB3A1 92，304-5.89632 1.81E-13TESCc54，997-3.73501粤ICP备16037888号-1ZBTB16 7704-4.52893 2.22E-17a确定依据|logFC|> 3和P值<0.05基准。b诊断PPI网络中的顶级蛋白质。c在当前研究中发现的参与乳腺癌的新表3在乳腺癌中具有预后应用的经验证的基因表达谱列表。这些基因被KM图所支持。根据基于GSE 45827数据集的病例对照比较，获得并计算经验证的预后基因表达谱（0 <|logFC|第<三章一个经过验证的预后基因表达谱（|logFC|> 3）基因名称基因ID LogFC P值基因名称基因ID LogFC P值CFDb1675-5.79836 6.05E-24 AKAP 9 10，142 0.443705 0.03547CHRDL1 91，851-6.25022 2.63E-18 CCDC186 55，088 0.802934 1.88E-051908-2.68306 5.74E-13FABP4b2167-7.43714 8.16E-13 GBP5 115，362 2.320614 0.000259FAM189A2c9413-4.63529 2.75E-20 NBPF10c1001324062.679153 8.47E-21GPD1b2819-5.75272 5.59E-47 TET2 54，790 0.480629 0.003575GSTM 5 2949-4.00076 1.12E-34IGFBP63489-3.91626 8.44E-24LEPb3952-6.94076 2.69E-40LPLb4023-5.7189 1.84E-17PLIN 1b5346-6.4155 1.02E-23PLIN 4b729，359-6.12334 3.54E-32PTNb5764-4.69711 5.04E-11S100P 6286 6.402723 4.80E-10TESCc54，997-3.73501粤ICP备16037888号-1ZBTB16 7704-4.52893 2.22E-17a确定依据|logFC|> 3和P值<0.05基准。b预后PPI网络中的顶级蛋白质。c在当前研究中发现的参与乳腺癌的新乳腺癌患者组织中GPD1的下调常常得到证实[49，50]。正如我们所声称的关于总生存率，Zhou，C.提出GPD1基因的低表达也与较差的转移性、复发性和无病生存期相关[49，50]。PTN是另一个基因，我们报道它是一个更好的总体生存指标，我们的研究发现该基因的下调是一个很好的指标。乳腺癌的发展。 另一方面，Huang，P等人已知PTN及其过表达分别代表预后差和更具侵袭性的表型[51]。在严格的验证标准下，本研究首次报道了FAM189A2基因在乳腺癌组织中的表达与正常组织相比显著下调。一项研究调查表明，该基因在甲状腺滤泡中上调，公司简介55,0880.8029341.88E-05CLIP162491.9548352.77E-09A. Mehrgou等人医学信息学解锁20（2020）10042513图10个。乳腺癌诊断（左侧）和预后（右侧）基因表达谱的PPI网络。* 颜色范围定义在红色和黄色之间。颜色越接近纯红色，越表明重要性与滤泡性甲状腺腺瘤相比[52]。此外，我们发现FAM189A2基因的高表达伴随着更好的总生存期，并且在口腔鳞状细胞癌中已经宣布了类似的结果[53]。TESC基因先前已被发现在多种癌症类型中过表达;包括非小细胞肺癌[54]、结直肠癌[55]、肾细胞癌[56]、胃癌[57]和甲状腺癌[58]。TESC基因具有促进上皮-间质转化（EMT）和癌症干细胞特征的潜力，从而导致非小细胞肺癌的放射抗性和肿瘤发生[54]。出于同样的原因，该基因使癌细胞存活时间更长，结肠直肠癌和胃癌生长更好[55，57]。至于TESC，Luo，A.等[56]。胃癌中TESC的一个偶然调控过程是其启动子和/或组蛋白的甲基化[57]。尽管如此，我们还是首次发现并严格验证了TESC基因在乳腺癌中的差异表达基因，该基因在这种恶性肿瘤中引起了极度下调的状态。此外，事实上，作为对我们指控的认可的一个标志，该基因的高表达。 问题是“为什么TESC基因在不同癌症类型中的作用有争议吗”据我们所知，另一种新的表达变化与RASL10A基因有关，其参与任何类型的癌症尚未被指定。我们发现RASL10A基因在乳腺癌组织