挑选METEBRIC和TCGA数据库的TNBC重新分类-（2019年7月份）第27周（总第75周 ）

Posted on by

文章发表于 Annals of Oncology, April 2018, 链接是,https://doi.org/10.1093/annonc/mdy024
主要是下载两个数据库总共 (n = 550) 的TNBC病人的3数据进行分析，即：

  • Molecular Taxonomy of Breast Cancer International Consortium (METABRIC)
  • The Cancer Genome Atlas. TNBC samples
    这3种数据分别是：
  • copy-number aberrations
  • somatic mutations
  • gene expression
    进行了整合分析，所谓的多组学整合，其实就是根据表达数据对样本进行分组， 然后看CNV和SNV层面的差异。

    关于TNBC分组背景

    最开始2011的那篇meta分析把TNBC分成6类；

  • basal-like 1 (BL1), basal-like 2 (BL2), immunomodulatory (IM), luminal androgen receptor (LAR), mesenchymal (M) and mesenchymal stem-like (MSL)
    后来作者重新修正了，为4类：
  • basal-like/immune-suppressed (BLIS)
  • basal-like/immune activated (BLIA)
  • luminal androgen receptor (LAR)
  • mesenchymal (MES)
    关于TNBC分类问题，在2019年文献分享第09篇有详细整理介绍过，这里就不再赘述，我们直接来看看作者是如何整理不同数据库的TNBC病人的3种组学数据的。

    TNBC数据下载

    在下面两个数据库，可以分别下载到总共550个病人数据，分别是355 and 195 TNBC samples

  • Molecular Taxonomy of Breast Cancer International Consortium (METABRIC)
  • The Cancer Genome Atlas Consortium (TCGA)

    使用consensus聚类

    这里直接可以使用 https://www.bioconductor.org/packages/release/bioc/html/ConsensusClusterPlus.html
    主要是基于 cumulative distribution function (CDF) curve 选择合适的群，这里选择5群：
    image-20190820112310597

    consensus聚类结果跟2011的 meta分类结果对比

    可以看到全局overlap还行，这样作者自己的5群， 就可以根据overlap来进行命名啦。
    image-20190820112421344

    consensus聚类结果跟PAM50比较

    可以看到，是符合认知的，大多数TNBC都是PAM50分类的basal-like亚型
    image-20190820112606098

    consensus分类后看突变差异

    首先可以看突变全景图，这里作者就可以大片段描述
    image-20190820114655791
    还可以看一些简单的统计指标

  • Frequency distribution of substitution type,
  • mutation effect on protein in the genes.
  • Mutational burden for each TNBC molecular subtype considering all exonic mutations
    作者在这里展现了另外一种比较方式，不同亚型的不同pathway基因的突变频率。
    image-20190820112814671

    consensus分类后看基因组不稳定性

    主要是拷贝数变异，同样是全景图展现：
    image-20190820114749108
    然后使用 Chromosomal instability 值的分布情况来比较不同亚型的TNBC区别。
    image-20190820113146173
    这里的chromosomal instability (CIN) 定义很简单，就是 the percentage of the genome affected by CNAs according to hormonal status

    后记

    总体上来说，本文没有啥亮点，都是很常规的分析，就如同我开始评价的，所谓的多组学整合，其实就是根据表达数据对样本进行分组， 然后看CNV和SNV层面的差异。

​

Comments are closed.