备战2021NSFC| 肿瘤相关lncRNA深度分析与功能预测

TCGA（The Cancer Genome Atlas），即癌症基因组图谱项目，始于2005年，由美国政府出资，美国国家癌症研究所和美国人类基因组研究所共同监督，旨在应用高通量的基因组分析技术，以帮助人们对癌症有个更好的认知，从而提高对于癌症的预防、诊断和治疗能力。目前，利用TCGA数据，进行深度数据挖掘，再设计实验验证而发表的文章越来越多，其中包括癌症亚型、driver mutation、假基因等新型研究领域。

数字展示出TCGA数据之丰富

但是TCGA数据库中只提供数据的下载，后续的分析任务才是更重要的部分。表观生物通过整合挖掘TCGA 7,332套RNA-seq数据、拷贝数变化数据及临床相关数据，将15,931个高可信度的长非编码RNA（下称lncRNA）与18种肿瘤进行关联分析，鉴定了异常表达的lncRNA，发生频繁拷贝数变化的lncRNA以及显著预后相关的lncRNA。同时，表观生物评估了与这些lncRNA共表达的蛋白编码基因，并预测了其可能的生物学功能。这些数据有望为研究癌症相关lncRNA奠定坚实基础和提升研究效率！

表1. 涉及肿瘤类型及分析的样本数量

数据应用

1. 快速获取在肿瘤中异常表达及存在拷贝数变异的lncRNA，为验证肿瘤相关lncRNA奠定基础；

2. 为相关研究论文的发表提供重要的数据支撑；

3. 可作为申请课题的基础工作，降低前期投入的成本；

4. 为lncRN的功能高通量筛选结果提供参照，指导精确锁定肿瘤相关的lncRNA。

技术优势

1.  国内首个TCGA数据挖掘服务！

2.  表观生物承诺，每个癌种的全部相关数据均只出售一次，售完即止；18组肿瘤的数据，先到先得！

分析内容

1. 差异表达分析

我们通过利用Limma包中的voom算法对每种癌症类型中差异表达的长链非编码RNA进行鉴定，统计显著的长链非编码RNA被定义为倍数变化大于或等于2倍，假阳性发现率（FDR）小于0.05。以胃癌为例，我们用上述的方法分析了15931个长链非编码RNA在413例肿瘤样本与36例癌旁组织样本之间的表达水平，发现2581个长链非编码RNA在癌与癌旁组织之间显著差异表达（见图1）。例如，lnc_ENSG00000236081和lnc_ENSG00000274979在胃癌中显著上调（见图2）。

2. 拷贝数变化分析

基于已经鉴定的显著失调的长链非编码RNA，我们进一步探索了拷贝数变化对其变化的影响。通过整合分析拷贝数变化和表达数据，我们发现一批显著失调的长链非编码RNA的DNA拷贝数发生了高频的变化。例如，lnc_ENSG00000274979在胃癌中均发生了频繁的扩增，且明显与它们升高的表达显著相关（见图3）。

3. 生存分析

我们也基于临床数据，评估了这些差异表达的长链非编码RNA与病人生存之间的关联。基于多因素cox回归模型（以年龄和性别作为协变量），我们鉴定了一批长链非编码RNA与病人生存显著相关。例如，高表达lnc_ENSG00000223949的胃癌病人比那些低表达的病人拥有更短的生存时间（见图4）。

3. 鉴定与lncRNA表达相关的蛋白编码基因

为了研究lncRNA与蛋白编码基因之间的调控关系，我们分析了lncRNA与近20000个蛋白编码基因之间的表达相关性。以经典的癌相关长非编码RNA PVT1为例（在胃癌中显著上调），我们鉴定了800多个与PVT1显著相关的蛋白编码基因（FDR<0.05）。图5显示了与PVT1相关的前50个蛋白编码基因，其中包括了已报道的PVT1与MYC的调控关系。基于表达相关性的研究，将有助于我们发现lncRNA介导的调控关系。

4. lncRNA功能预测

通过分析与lncRNA显著相关的蛋白编码基因集，我们能够推断lncRNA可能的功能。继续以PVT1为例，通过对与之相关的蛋白编码基因集进行GO分析，我们发现这些基因显著富集在细胞周期，DNA复制以及修复相关的生物学过程中。同时，KEGG Pathway分析也显示了这些基因显著富集在细胞周期相关的信号通路中，这些结果与已报道的PVT1的功能相一致。

注：客户可通过分析结果总表挑选最多10个重点目标的长链非编码RNA分子，由表观生物进行差异表达箱线图、表达与拷贝数变化关系图、表达与生存关系图，共表达网络图以及GO和KEGG分析图绘制。