CN113755585A - 与肾透明细胞癌预后相关的dna甲基化生物标志物 - Google Patents
与肾透明细胞癌预后相关的dna甲基化生物标志物 Download PDFInfo
- Publication number
- CN113755585A CN113755585A CN202010509273.4A CN202010509273A CN113755585A CN 113755585 A CN113755585 A CN 113755585A CN 202010509273 A CN202010509273 A CN 202010509273A CN 113755585 A CN113755585 A CN 113755585A
- Authority
- CN
- China
- Prior art keywords
- cell carcinoma
- methylation
- clear cell
- prognosis
- renal clear
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 208000030808 Clear cell renal carcinoma Diseases 0.000 title claims abstract description 65
- 206010073251 clear cell renal cell carcinoma Diseases 0.000 title claims abstract description 64
- 238000004393 prognosis Methods 0.000 title claims abstract description 28
- 230000007067 DNA methylation Effects 0.000 title claims abstract description 22
- 239000000090 biomarker Substances 0.000 title claims abstract description 19
- 230000011987 methylation Effects 0.000 claims abstract description 52
- 238000007069 methylation reaction Methods 0.000 claims abstract description 52
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 18
- 239000003550 marker Substances 0.000 claims abstract description 10
- 102100021411 C-terminal-binding protein 2 Human genes 0.000 claims abstract description 5
- 101150052649 ctbp2 gene Proteins 0.000 claims abstract description 5
- 108010091356 Tumor Protein p73 Proteins 0.000 claims abstract description 4
- 102000018252 Tumor Protein p73 Human genes 0.000 claims abstract 2
- 210000001519 tissue Anatomy 0.000 claims description 52
- 108091029430 CpG site Proteins 0.000 claims description 35
- 108090000623 proteins and genes Proteins 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 15
- 230000004083 survival effect Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 11
- 239000000523 sample Substances 0.000 claims description 10
- 208000008839 Kidney Neoplasms Diseases 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 206010038389 Renal cancer Diseases 0.000 claims description 6
- 201000010982 kidney cancer Diseases 0.000 claims description 6
- 102100021390 C-terminal-binding protein 1 Human genes 0.000 claims 1
- 101000735361 Mus musculus Poly(rC)-binding protein 2 Proteins 0.000 claims 1
- 210000002593 Y chromosome Anatomy 0.000 claims 1
- 239000000091 biomarker candidate Substances 0.000 claims 1
- 239000000092 prognostic biomarker Substances 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 9
- 201000010099 disease Diseases 0.000 abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 4
- 238000010835 comparative analysis Methods 0.000 abstract description 3
- 201000011330 nonpapillary renal cell carcinoma Diseases 0.000 description 19
- 208000006265 Renal cell carcinoma Diseases 0.000 description 18
- 210000000349 chromosome Anatomy 0.000 description 17
- 108020004414 DNA Proteins 0.000 description 7
- 230000019491 signal transduction Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 206010027476 Metastases Diseases 0.000 description 6
- 101000782147 Homo sapiens WD repeat-containing protein 20 Proteins 0.000 description 5
- 102100036561 WD repeat-containing protein 20 Human genes 0.000 description 5
- 230000009401 metastasis Effects 0.000 description 5
- 238000002493 microarray Methods 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 108091028043 Nucleic acid sequence Proteins 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013518 transcription Methods 0.000 description 3
- 230000035897 transcription Effects 0.000 description 3
- 108091006146 Channels Proteins 0.000 description 2
- 230000022963 DNA damage response, signal transduction by p53 class mediator Effects 0.000 description 2
- 230000005913 Notch signaling pathway Effects 0.000 description 2
- 102000013530 TOR Serine-Threonine Kinases Human genes 0.000 description 2
- 108010065917 TOR Serine-Threonine Kinases Proteins 0.000 description 2
- 102100030018 Tumor protein p73 Human genes 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical compound NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- UYTPUPDQBNUYGX-UHFFFAOYSA-N guanine Chemical compound O=C1NC(N)=NC2=C1N=CN2 UYTPUPDQBNUYGX-UHFFFAOYSA-N 0.000 description 2
- 238000007417 hierarchical cluster analysis Methods 0.000 description 2
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 230000028327 secretion Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 102100023073 Calcium-activated potassium channel subunit alpha-1 Human genes 0.000 description 1
- 206010008631 Cholera Diseases 0.000 description 1
- 108010077544 Chromatin Proteins 0.000 description 1
- 108091029523 CpG island Proteins 0.000 description 1
- 108010058546 Cyclin D1 Proteins 0.000 description 1
- 102000000577 Cyclin-Dependent Kinase Inhibitor p27 Human genes 0.000 description 1
- 108010016777 Cyclin-Dependent Kinase Inhibitor p27 Proteins 0.000 description 1
- 101150027068 DEGS1 gene Proteins 0.000 description 1
- 238000001712 DNA sequencing Methods 0.000 description 1
- 102100030013 Endoribonuclease Human genes 0.000 description 1
- 101710199605 Endoribonuclease Proteins 0.000 description 1
- 102100024165 G1/S-specific cyclin-D1 Human genes 0.000 description 1
- 108700039691 Genetic Promoter Regions Proteins 0.000 description 1
- 208000032612 Glial tumor Diseases 0.000 description 1
- 206010018338 Glioma Diseases 0.000 description 1
- 102100039996 Histone deacetylase 1 Human genes 0.000 description 1
- 101001049859 Homo sapiens Calcium-activated potassium channel subunit alpha-1 Proteins 0.000 description 1
- 101001035024 Homo sapiens Histone deacetylase 1 Proteins 0.000 description 1
- 101000582254 Homo sapiens Nuclear receptor corepressor 2 Proteins 0.000 description 1
- 101001001531 Homo sapiens Phosphatidylinositol 5-phosphate 4-kinase type-2 alpha Proteins 0.000 description 1
- 101001051767 Homo sapiens Protein kinase C beta type Proteins 0.000 description 1
- 101000808011 Homo sapiens Vascular endothelial growth factor A Proteins 0.000 description 1
- 238000010824 Kaplan-Meier survival analysis Methods 0.000 description 1
- 238000003657 Likelihood-ratio test Methods 0.000 description 1
- 102100030569 Nuclear receptor corepressor 2 Human genes 0.000 description 1
- 108010011536 PTEN Phosphohydrolase Proteins 0.000 description 1
- 102000014160 PTEN Phosphohydrolase Human genes 0.000 description 1
- 102100036146 Phosphatidylinositol 5-phosphate 4-kinase type-2 alpha Human genes 0.000 description 1
- 102000055027 Protein Methyltransferases Human genes 0.000 description 1
- 108700040121 Protein Methyltransferases Proteins 0.000 description 1
- 102100024923 Protein kinase C beta type Human genes 0.000 description 1
- 108010029031 Regulatory-Associated Protein of mTOR Proteins 0.000 description 1
- 102100040969 Regulatory-associated protein of mTOR Human genes 0.000 description 1
- 108091005487 SCARB1 Proteins 0.000 description 1
- 108091006262 SLC4A4 Proteins 0.000 description 1
- 108091006649 SLC9A3 Proteins 0.000 description 1
- 102100037118 Scavenger receptor class B member 1 Human genes 0.000 description 1
- 101710113029 Serine/threonine-protein kinase Proteins 0.000 description 1
- 102000006633 Sodium-Bicarbonate Symporters Human genes 0.000 description 1
- 102100030375 Sodium/hydrogen exchanger 3 Human genes 0.000 description 1
- 102100039037 Vascular endothelial growth factor A Human genes 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000024245 cell differentiation Effects 0.000 description 1
- 230000035289 cell-matrix adhesion Effects 0.000 description 1
- 210000003570 cell-matrix junction Anatomy 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 230000004186 co-expression Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 229940104302 cytosine Drugs 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009274 differential gene expression Effects 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 230000012202 endocytosis Effects 0.000 description 1
- 230000004076 epigenetic alteration Effects 0.000 description 1
- 230000008995 epigenetic change Effects 0.000 description 1
- 230000001973 epigenetic effect Effects 0.000 description 1
- 210000003976 gap junction Anatomy 0.000 description 1
- 238000011223 gene expression profiling Methods 0.000 description 1
- 230000030279 gene silencing Effects 0.000 description 1
- 238000012226 gene silencing method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006607 hypermethylation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008271 nervous system development Effects 0.000 description 1
- 230000000683 nonmetastatic effect Effects 0.000 description 1
- 230000002018 overexpression Effects 0.000 description 1
- 150000003905 phosphatidylinositols Chemical class 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000020798 positive regulation of protein polymerization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000012488 skeletal system development Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000005748 tumor development Effects 0.000 description 1
- 230000005751 tumor progression Effects 0.000 description 1
- 238000007473 univariate analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 206010047470 viral myocarditis Diseases 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
- C12Q1/6886—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material for cancer
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/118—Prognosis of disease development
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/154—Methylation markers
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Zoology (AREA)
- Genetics & Genomics (AREA)
- Wood Science & Technology (AREA)
- Physics & Mathematics (AREA)
- Biotechnology (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Hospice & Palliative Care (AREA)
- Biophysics (AREA)
- Oncology (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明属于生物医学技术领域,涉及肾透明细胞癌预后的标志物及其应用。本发明通过试验观察在肾透明细胞癌中DNA甲基化相关标记物的变化与所属疾患预后状况的关系,对肿瘤组织和邻近的正常组织之间的全基因组甲基化水平、差异性甲基化位点和差异性甲基化区域进行了比较分析,利用LASSO–Cox回归模型,确定与肾透明细胞癌预后相关的生物标志物分别是TP73(cg00295572,cg07382920,cg20611911,cg01915516)和CTBP2(cg05749728)。本发明所述的DNA甲基化相关标记物可用于制备评估肾透明细胞癌预后的制品。
Description
技术领域
本发明属于生物医学技术领域,涉及DNA甲基化生物标志物,具体涉及肾透明细胞癌预后的标志物及其应用。
背景技术
现有技术公开了肾癌是人类常见的15种恶性肿瘤之一,每年以27万余的案例在不断增长[1]。其中,肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)是最常见的肾脏恶性肿瘤,占所有肾脏肿瘤的70%左右[2]。临床研究显示,尽管局限性肾透明细胞癌患者的5年生存率为91%,但是肾癌发病相对隐匿,在就诊时约有20%~30%的患者已经发生远处转移,同时大约有20%的局限性肾透明细胞癌患者在手术后还会发生转移。值得注意的是,一旦发生转移,患者的5年生存率则下降至11%~23%[3][4]。因此,开发新的干预手段,寻找与诊断和预后相关的生物标志物对于阻碍和预防肾透明细胞癌的转移尤为重要。
研究显示,在大多数肿瘤中,包括肾透明细胞癌,除了基因的改变,还大多存在表观遗传学的变化。表观遗传学是研究在基因的DNA序列不发生改变的情况下,基因功能发生可遗传的变化,并导致表型变化的一门科学;表观遗传的现象较多,主要有DNA甲基化、基因组印迹、基因沉默等[5]。
文献记载了DNA甲基化是指由活性甲基供体提供甲基,在DNA甲基转移酶的催化下,将甲基转移到DNA序列的某个碱基上。这是一种不改变DNA一级结构的修饰方式,但能够引起染色质结构、DNA构象、DNA稳定性及DNA与蛋白质相互作用方式的改变,从而影响基因表达,影响生理和病理活动[6,7,8]。最常见的DNA甲基化主要发生在5’-CpG–3’的C上,生成5’-甲基CpG。富含胞嘧啶和鸟嘌呤的基因组CpG以两种方式存在,一种是分散于DNA序列中,另一种是呈现高度聚集的状态,称之为CpG岛[9]。有研究表明,CpG的甲基化状态与肾癌的预后相关[10]。
现有技术中,DNA测序技术可以测出原发肿瘤和正常组织的变化,从而在肾透明细胞癌的生化、诊断和临床治疗等方面有巨大的应用价值。表观遗传学的改变可以调控肿瘤的发生和发展,同时也可以用来监测治疗后的效果[11,12,13]。
基于现有技术的基础与现状,本申请的发明人拟提供一种DNA甲基化生物标志物,尤其涉及肾透明细胞癌预后的标志物及其应用。
与本发明相关的参考文献有:
1.Alleman WG,Tabios RL,Chandramouli GV,et al.The in vitro and in vivoeffects of re-expressing methylated von Hippel-Lindau tumor suppressor genein clear cell renal carcinoma with 5-aza-2'-deoxycytidine.Clinical CancerResearch An Official Journal of the American Association for CancerResearch.2004;10(20):7011.
2.Becket E,Chopra S,Duymich CE,et al.Identification of DNAmethylation-independent epigenetic events underlying clear cell renal cellcarcinoma.CancerResearch.2016;76(7):1954.
3.Buck MJ,Raaijmakers LM,Ramakrishnan S,et al.Alterations inchromatin accessibility and DNA methylation in clear cell renal cellcarcinoma.Oncogene.2013;33(41):4961-4965.
4.Cohen,Herbert T,F.J.Mcgovern.Renal-cell carcinoma.N.engl.J.med353.23(2005):2477
5.Feinberg,Andrew P,Tycko,et al.The history of cancer epigenetics[J].4(2):143-153.
6.Celik H,Kramer A,Challen G A.DNA methylation in normal andmalignant hematopoiesis[J].International Journal of Hematology,2016,103(6):617-626.
7.Samuel T Keating,Assam El-Osta.Epigenetics and Metabolism[J].Circulation Research,2015,116(4):715-736.
8.Demetriou C A,Van Veldhoven K,Relton C,et al.Biological embeddingof early-life exposures and disease risk in humans:a role for DNA methylation[J].European Journal of Clinical Investigation,2015,45(3):303-332.
9.Du Q,Luu P L,Stirzaker C,et al.Methyl-CpG-binding domain proteins:readers of the epigenome[J].Epigenomics,2015:1-23.
10.Wei J H,Haddad A,Wu K J,et al.A CpG-methylation-based assay topredict survival in clear cell renal cell carcinoma[J].Nature Communications,2015,6:8699.
11.Butcher LM,Beck S.Probe Lasso:a novel method to rope indifferentially methylated regions with 450K DNA methylationdata.Methods.2015;72:21-28.
12.Cha K,Yi L,Yi GS.Discovering gene expression signatures respondingto tyrosine kinase inhibitor treatment in chronic myeloid leukemia.BmcMedical Genomics.2016;9(1):29.
13.Elena C,Elizabeth M,Rao S,et al.Inactivation of the von Hippel-Lindau tumor suppressor leads to selective expression of a human endogenousretrovirus in kidney cancer.Oncogene.2011;30(47):4697-4706.。
发明内容
本发明的目的在于基于现有技术的基础与现状,提供一种DNA甲基化生物标志物,尤其是与肾透明细胞癌预后相关的DNA甲基化标志物。
本发明通过试验观察在肾透明细胞癌中DNA甲基化相关标记物的变化与所属疾患预后状况的关系,对肿瘤组织和邻近的正常组织之间的全基因组甲基化水平、差异性甲基化位点和差异性甲基化区域进行了比较分析,确定了与肾透明细胞癌预后相关的生物标志物,并建立了相关预后模型。
具体的,
本发明提供了与肾透明细胞癌预后相关的生物标志物及其筛选方法。基于TCGA、GEO数据库,分析了肾透明细胞癌的485578个CpG位点的DNA甲基化情况;筛选了肾癌组织和邻近正常组织间的差异性CpG位点和差异性表达基因,并确定二者之间存在负性相关的关系;本发明利用LASSO–Cox回归模型,筛选获得5种与肾透明细胞癌预后相关的生物标志物,分别是TP73(cg00295572,cg07382920,cg20611911,cg01915516)和CTBP2(cg05749728)。
在本发明的一个方面,提供了肾透明细胞癌和毗邻的正常组织间的全基因组DNA对比分析,发现二者的全基因组DNA甲基化情况存在差异,包括:
(1)在肾透明细胞癌组织和正常组织间存在14980个CpG位点高甲基化表达(Δβ≥0.14,p<0.05);
(2)在肾透明细胞癌组织和正常组织间存在14922个CpG位点低甲基化表达(Δβ≥0.14,p<0.05)。
在本发明的另一个方面,提供了51对肾透明细胞癌组织样本和正常组织样本之间的甲基化差异,包括:
(1)在这102个样本中存在显著差异的前500个CpG位点;
(2)1号染色体和2号染色体上的CpG位点表现出最高的甲基化水平;
(3)18号染色体和21号染色体上的CpG位点表现出最低的甲基化水平;
(4)除了1号、11号、16号和22号染色体,其余染色体更多地表现出低甲基化水平;
(5)4号、5号、13号和18号染色体的甲基化水平增高幅度超过两倍。
本发明提供了上述基因在生理过程中的作用,包括正性调控蛋白质的聚合,负性调控丝氨酸/苏氨酸蛋白激酶的活动和细胞基质的黏附。
在本发明的另一方面,提供了与上述基因相关的信号通路,包括p53信号通路、notch信号通路、mTOR信号通路、TGF-β信号通路、ErbB信号通路和内吞等。
本发明分析显示,在肾透明细胞癌患者中存在7066个差异性甲基化区域(DMR)(p<0.05)。
在本发明进一步提供了存在差异性甲基化区域的染色体,分别是1号染色体(9.9%),2号染色体(8.2%),5号染色体(7.5%),6号染色体(7.4%),7号染色体(6.9%)和11号染色体(6.2%)。
在本发明进一步提供了差异性甲基化区域(DMR)在基因内的分布情况:在基因内部–4192DMRs(59%);在启动子区域–798DMRs(11.3%);在5’重叠区域–135DMRs(1.9%);转录起始点下游–996DMRs(14%);转录起始点上游–893DMRs(12%)。
本发明提供了上述差异性甲基化区域(DMR)在生理过程中的作用,包括细胞分化、细胞间信息传递、***发育和发育过程、神经***发育、解剖结构形态形成和骨骼***的发育。
本发明进一步提供了与这些区域相关的信号通路,分别是磷脂酰肌醇信号***、p53信号通路、Notch信号通路、胆汁分泌、病毒性心肌炎、胰腺分泌、mTOR信号通路、霍乱弧菌感染、ErbB信号通路、缝隙连接和神经胶质瘤等。
本发明对27例肾透明细胞癌患者的肿瘤组织和正常组织的基因表达谱进行分析,该27例患者中,包括13例肾透明细胞癌未发生转移的早期患者,和14例肾透明细胞癌已经发生远处转移的患者,并分别显示出3304和5056个差异基因表达(p<0.05);其中,相对于正常组织,未发生转移的肾透明细胞癌患者的肿瘤样本中有1516个基因表达上调,1743个基因表达下调;发生远处转移的肾透明细胞癌患者的肿瘤样本中有2514个基因表达上调,2542个基因表达下调。
本发明进一步分析显示在所述的27例肾透明细胞癌患者样本中,约有70%的差异性甲基化CpG位点与基因表达存在负性相关的关系。
本发明利用cox比例风险回归模型分析了320名肾透明细胞癌患者中267个CpG位点的甲基化情况,其中有24个CpG位点和患者的总生存期(OS)显著相关(p<0.05)。所述的24个CpG位点中有15个基因已注解,分别是NCOR2,CTBP2,HDAC1,SCARB1,RPTOR,CCND1,KCNMA1,VEGFA,CDKN1B,PIP4K2A,SLC9A3,PTEN,PRKCB,SLC4A4和INPP5A。
本发明采用LASSO回归模型和Kaplan-Meier生存分析,结果显示TP73(cg00295572,cg07382920,cg20611911,cg01915516)和CTBP2(cg05749728)该五个CpG位点与患者的生存期密切相关。
本发明进一步利用LASSO–Cox回归模型分析与所述的5个CpG位点甲基化相关的危险系数,危险系数=(0.5745×cg00295572)+(1.1764×cg07382920)+(0.4687×cg20611911)+(0.2034×cg01915516)+(0.0394×cg05749728);分析结果显示,所述的5个CpG位点的危险系数和肾透明细胞癌患者的生存期密切相关,危险系数越高,患者的生存期越短。
本发明提供了与肾透明细胞癌预后相关的生物标志物及其筛选方法。本发明通过试验观察在肾透明细胞癌中DNA甲基化相关标记物的变化与所属疾患预后状况的关系,对肿瘤组织和邻近的正常组织之间的全基因组甲基化水平、差异性甲基化位点和差异性甲基化区域进行了比较分析,确定了与肾透明细胞癌预后相关的生物标志物,并建立了相关预后模型。本发明所述的DNA甲基化相关标记物可用于制备评估肾透明细胞癌预后的制品。
附图说明
图1:ccRCC和邻,近正常组织的DNA甲基化的情况,其中,
(A)细胞内主要物质的450K甲基化芯片分析图,(B)450K甲基化芯片层次聚类分析图,红色代表ccRCC样本,蓝色代表相邻的正常组织样本,(C)ccRCC的全基因组的CpG甲基化水平始终低于邻近的正常组织,(D)在ccRCC中,低甲基化水平的CpG位点更多地分布在转录起始位点的上游或者是第一外显子区域内,高甲基化水平的CpG位点更多地分布在启动子区域(P<0.0001,威尔科克森秩和检验)。
图2:ccRCC和邻近正常组织间差异性甲基化的特点,其中,
(A)利用单变量分析选择出的500个CpG位点,火山图显示ccRCC和邻近正常组织甲基化水平的对比(n=102,HumanMethylation450 platform),X轴代表生物学意义,Y轴代表统计学意义(-log10 P),存在显著差异的前500个CpG位点的β>0.375,在肿瘤组织中有141个CpG位点(红色)的甲基化水平高于正常组织,有359个CpG位点(绿色)的甲基化水平低于正常组织,(B)使用T检验和调整后P≤0.05的ccRCC和正常组织样本的无监督聚类分析图,ccRCC组织样本总体呈现出低甲基化水平,红色区域代表高甲基化,蓝色区域代表低甲基化,(C)核型图显示了前500个存在显著差异的甲基化CpG位点。红色代表高甲基化,绿色代表低甲基化,每条染色体上的黑线区域代表全基因组被覆盖的区域,(D)ccRCC启动子内DNA的平均甲基化水平偏低。(E-F)由GO和KEGG数据库分别分析得到的散点图,富集值由某通路中差异性表达的基因的数目和总基因数目的比值得来,经P值校验后的Q值范围为0~1,图中散点的颜色和形状分别代表了Q值的范围和DEGs的数目,图中表示了前30条富集的信号通路。
图3:ccRCC和正常组织间的差异性甲基化区域,其中,
(A-B)51个蓝点和51个红点分别代表51份正常组织样本和51份肿瘤组织样本所在的基因区域,曲线代表了甲基化水平的平滑估计,其中蓝色代表肿瘤组织,红色代表正常组织,绿色横线所在的区域代表差异性甲基化区域(DMR),黑色曲线表示了正常组织和肿瘤组织总体水平上的差异,(C-D)由GO和KEGG数据库分析得到的散点图。
图4:筛选的差异性表达的基因和27对ccRCC聚类分析的微阵列数据表,其中,
(A)基于U133微阵列表达数据对基本组成成分的分析,(B)U133微阵列表达数据的层次聚类分析,红色代表ccRCC病人,蓝色代表毗邻的正常组织,(C-D)使用T检验和调整后P≤0.05的正常组织和ccRCC样本的无监督聚类分析图,红色区域代表过表达,蓝色区域代表低表达,(E-F)火山图中,两条竖线是2倍改变的边界线,水平线是具有统计学意义的边界(p<0.05),倍数改变≥2且有统计学意义的基因用红点表示,倍数改变≤1/2的基因用蓝点表示。
图5:ccRCC中CpG甲基化和基因表达之间的联系,其中,
(A-B)CpG甲基化和基因表达主要为负性相关的关系,在未发生转移和发生转移的ccRCC样本中分别存在70.4%和69.2%的差异性甲基化CpG位点。
图6:五个CpG位点的相关分析,其中,
(A-B)由LASSO–Cox回归分析得出的5个CpG位点,a,图中竖线所在的最佳值即为最小标准,b,24个CpG位点的LASSO系数曲线,由LASSO–Cox回归模型得出的5个CpG位点——(cg00295572,cg07382920,cg20611911,cg01915516)和cg05749728的系数分别是0.5745,1.1764,0.4687,0.2034和0.0394,(C-H)ccRCC患者无复发生存率的Kaplan–Meier的生存曲线,其中:(C)cg00295572;(D)cg07382920;(E)cg20611911;(F)cg01915516;(G)cg05749728;(H)5个CpG的总影响。
具体实施方式
下面结合具体实施实例,进一步阐释本发明,但本发明不局限于如下描述范围。
实施例1、分析全基因组DNA甲基化情况
DNA甲基化基础数据采集:从TCGA数据库中下载320个肾透明细胞癌样本,样本包括以下信息:临床病理因素,如诊断时的年龄和阶段、***的状态以及人种和种族等:
微阵列数据:利用美国国家生物技术中心(NCBI)的基因表达谱(GEO,https://www.ncbi.nlm.nih.gov/geo/)对基因表达数据集(GSE66272)进行分析。其中,GSE66272包括27对肾透明细胞癌组织和其毗邻的正常组织(平台:GPL96 Affymetrix Human GenomeU133A Array)。
实施例2、分析ccRCC和邻近正常组织间差异性表达的CpG位点和差异性表达的基因之间的关系
甲基化数据处理:使用TCGA level-3数据库分析相关CpG位点的β值和CpG位点所在位置、所在染色体;
β值由(M/M+U)计算得,其数值范围是从0到1,其中,M代表甲基化,U代表非甲基化,本发明移除了染色体X、Y上的CpG探针以消除性别的差异,在CpG位点和基因水平检测102份样本的甲基化水平,102份样本包括51份原发肿瘤组织和51份正常组织;
差异性甲基化位点分析:包括长度在10bp以内的CpG单核苷酸在内的所有探针全部移除,当原发肿瘤和正常组织样本之间β值大于等于0.14,p值小于0.05时,则认为该CpG位点的甲基化水平存在差异;
差异性甲基化区域分析:使用minfi甲基化芯片分析疾病和正常组织之间的差异性甲基化区域,每个位点经过标准化处理后,建立其线性回归模型,随后通过基因群的系数来确定凸点;
另一方面,通过线性模型来测定肿瘤组织和正常组织的甲基化水平差异的系数,随后,利用bump hunter确定在肿瘤组织和正常组织间甲基化数据有显著性差异的区域;
聚类分析:基于分位数归一化数据来对主成分进行分析,比较两组之间的甲基化密度差异,用散点图表示;
基因本体论和富集通路的分析:对于每个共表达簇中的蛋白编码基因,通过GO分析方法论的R包分析生物过程中不同基因集的富集情况,利用超几何检验估计GO富集的显著性;
通过KEGGREST的R包分析每个集群的生物信息通路。
实施例3、筛选出作为生物标志物的CpG位点,并分析其与生存期的关系
LASSO回归分析:对于高维度的数据,利用LASSO进行基因的优化选择,以防止过度拟合,获得更高的诊断和预后价值,LASSO通过消除多余变量来使系数值趋近于0。使用R软件3.0.3版本和“glmnet”软件包来进行LASSO回归分析;
数据分析:利用R软件对数据进行分析,显著性特征为两侧P值<0.05,通过平均值±标准差或中位数表示数据,在回归性分析中,P值由似然比检验计算得,利用T检验分析连续数据,卡方检验比较比例;
利用LASSO逻辑回归中的非零系数来确定候选的CpG位点;
利用单因素Cox比例风险回归模型初步筛选基因,然后进一步使用LASSO方法筛选候选CpG位点中关于预后的标志物;
利用Kaplan–Meier法分析变量和总生存期之间的关系,利用时序检验比较生存曲线。
Claims (11)
1.与肾透明细胞癌预后相关的生物标志物,其特征在于:所述标志物为以下5种DNA甲基化标志物的任意一种或多种:cg00295572,cg07382920,cg20611911,cg01915516和cg05749728。
2.按权利要求1所述的与肾透明细胞癌预后相关的生物标志物,其特征在于,所述的5种DNA甲基化标志物中,cg00295572,cg07382920,cg20611911,cg01915516位于TP73;cg05749728位于CTBP2。
3.按权利要求2所述的与肾透明细胞癌预后相关的生物标志物,其特征在于,所述的5种DNA甲基化标志物:TP73(cg00295572,cg07382920,cg20611911,cg01915516)和CTBP2(cg05749728)与患者的生存期密切相关。
4.按权利要求3所述的与肾透明细胞癌预后相关的生物标志物,其特征在于,所述的5种标志物甲基化相关的危险系数越高,肾癌患者的生存期越短。
5.按权利要求4所述的与肾透明细胞癌预后相关的生物标志物,其特征在于,所述的危险系数采用LASSO–Cox回归模型分析获得:危险系数=(0.5745×cg00295572)+(1.1764×cg07382920)+(0.4687×cg20611911)+(0.2034×cg01915516)+(0.0394×cg05749728)。
6.一种肾透明细胞癌预后标志物的筛选方法,其特征在于:其包含以下步骤:
(1)利用甲基化450K芯片对比分析51对ccRCC和邻近正常组织在CpG位点/区域上的甲基化差异;
(2)利用Affy芯片分析27对ccRCC肿瘤组织样本的基因表达谱;
(3)分析上述差异性表达的CpG位点/区域和差异性表达的基因之间的关系;
(4)利用比例风险回归模型筛选出作为生物标志物的候选CpG位点,并确定其与生存期的关系。
7.按权利要求6所述的方法,其特征在于:所述的步骤(1)中移除X、Y染色体上的CpG探针,消除性别差异。
8.按权利要求6所述的方法,其特征在于,所述的步骤(1)中的CpG位点由β值筛选获得,β=(M/M+U),范围为0~1,其中,M代表甲基化,U代表非甲基化。
9.按权利要求6所述的方法,其特征在于:所述方法中利用minifi甲基化芯片,基于bump hunting方法筛选差异性甲基化区域DMR。
10.按权利要求6所述的方法,其特征在于:所述的步骤(4)中采用Kaplan–Meier法分析获得候选的生物标志物和生存期的关系。
11.权利要求1所述的与肾透明细胞癌预后相关的生物标志物在用于制备评估肾透明细胞癌预后的制品中的用途。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010509273.4A CN113755585A (zh) | 2020-06-07 | 2020-06-07 | 与肾透明细胞癌预后相关的dna甲基化生物标志物 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010509273.4A CN113755585A (zh) | 2020-06-07 | 2020-06-07 | 与肾透明细胞癌预后相关的dna甲基化生物标志物 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113755585A true CN113755585A (zh) | 2021-12-07 |
Family
ID=78785216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010509273.4A Pending CN113755585A (zh) | 2020-06-07 | 2020-06-07 | 与肾透明细胞癌预后相关的dna甲基化生物标志物 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113755585A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113948150A (zh) * | 2021-12-21 | 2022-01-18 | 北京迈基诺基因科技股份有限公司 | Jmml相关基因甲基化水平评估方法、模型及构建方法 |
CN115497561A (zh) * | 2022-09-01 | 2022-12-20 | 北京吉因加医学检验实验室有限公司 | 一种甲基化标志物分层筛选的方法及装置 |
CN115786516A (zh) * | 2022-11-25 | 2023-03-14 | 广州希灵生物科技有限公司 | 一种检测肾细胞癌甲基化生物标志物的引物的应用 |
WO2024007205A1 (zh) * | 2022-07-06 | 2024-01-11 | 何肇基 | 评估组织微环境的恶性程度的指标的建立与使用方法及其*** |
CN117831619A (zh) * | 2023-12-29 | 2024-04-05 | 北京吉因加医学检验实验室有限公司 | 肾脏细胞甲基化标志物组合及其应用 |
-
2020
- 2020-06-07 CN CN202010509273.4A patent/CN113755585A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113948150A (zh) * | 2021-12-21 | 2022-01-18 | 北京迈基诺基因科技股份有限公司 | Jmml相关基因甲基化水平评估方法、模型及构建方法 |
CN113948150B (zh) * | 2021-12-21 | 2022-04-19 | 北京迈基诺基因科技股份有限公司 | Jmml相关基因甲基化水平评估方法、模型及构建方法 |
WO2024007205A1 (zh) * | 2022-07-06 | 2024-01-11 | 何肇基 | 评估组织微环境的恶性程度的指标的建立与使用方法及其*** |
CN115497561A (zh) * | 2022-09-01 | 2022-12-20 | 北京吉因加医学检验实验室有限公司 | 一种甲基化标志物分层筛选的方法及装置 |
CN115497561B (zh) * | 2022-09-01 | 2023-08-29 | 北京吉因加医学检验实验室有限公司 | 一种甲基化标志物分层筛选的方法及装置 |
CN115786516A (zh) * | 2022-11-25 | 2023-03-14 | 广州希灵生物科技有限公司 | 一种检测肾细胞癌甲基化生物标志物的引物的应用 |
CN117831619A (zh) * | 2023-12-29 | 2024-04-05 | 北京吉因加医学检验实验室有限公司 | 肾脏细胞甲基化标志物组合及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6931013B2 (ja) | 癌関連の遺伝子または分子異常の検出 | |
Lazar et al. | Comprehensive and integrated genomic characterization of adult soft tissue sarcomas | |
CN113755585A (zh) | 与肾透明细胞癌预后相关的dna甲基化生物标志物 | |
EP3481966B1 (en) | Methods for fragmentome profiling of cell-free nucleic acids | |
CN106795562B (zh) | Dna混合物中的组织甲基化模式分析 | |
EP3766986B1 (en) | Detection and treatment of disease exhibiting disease cell heterogeneity and systems and methods for communicating test results | |
CN104781422B (zh) | 从血浆无创测定胎儿或肿瘤的甲基化组 | |
Naumov et al. | Genome-scale analysis of DNA methylation in colorectal cancer using Infinium HumanMethylation450 BeadChips | |
JP2021061861A (ja) | 癌スクリーニング及び胎児分析のための変異検出 | |
Bonome et al. | A gene signature predicting for survival in suboptimally debulked patients with ovarian cancer | |
Wong et al. | Poor survival with wild-type TP53 ovarian cancer? | |
JP6704861B2 (ja) | 癌処置のための個別化三剤治療を選択するための方法 | |
Jiang et al. | Multi-omics analysis identifies osteosarcoma subtypes with distinct prognosis indicating stratified treatment | |
Poage et al. | Identification of an epigenetic profile classifier that is associated with survival in head and neck cancer | |
Rakosy et al. | Integrative genomics identifies gene signature associated with melanoma ulceration | |
KR20210023804A (ko) | 조직 특이적 메틸화 마커 | |
JP2014519319A (ja) | エピジェネティックドメインの安定性の全般的な損失を通して癌を検出する方法およびその組成物 | |
Muse et al. | Genome-scale DNA methylation analysis identifies repeat element alterations that modulate the genomic stability of melanocytic nevi | |
Clay et al. | DNA methylation profiling reveals prognostically significant groups in pediatric adrenocortical tumors: a report from the International Pediatric Adrenocortical Tumor Registry | |
Yang et al. | Genomic characterization of Chinese ovarian clear cell carcinoma identifies driver genes by whole exome sequencing | |
Su et al. | DNA methylome and transcriptome landscapes of cancer-associated fibroblasts reveal a smoking-associated malignancy index | |
CN110004229A (zh) | 多基因作为egfr单克隆抗体类药物耐药标志物的应用 | |
Kotliarov et al. | Correlation analysis between single-nucleotide polymorphism and expression arrays in gliomas identifies potentially relevant target genes | |
Song et al. | Development and validation of prognostic markers in sarcomas base on a multi-omics analysis | |
EP3402898A1 (en) | Method and kit for the diagnosis of lung cancer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |