8分纯生信miRNA预测模型套路大曝光

现在，ceRNA，预测模型，WGCNA，预后分析等等已经成为生信入门级别的套路了，大多数纯生信的文章可能如今只能发2-3分的文章了。

最近，小编发现一篇非常熟悉的套路文章——miRNA预测模型，竟然是2020年7月份[IF:8.579]的。非常惊讶！接下来就好好解析这篇文章，看是否能学习到其中的奥秘呢？

原文链接：

https://www.thno.org/v10p8771.htm

文章背景

三阴性乳腺癌(TNBC)是目前复发率最高、生存期最短的乳腺癌。并且，由于缺乏有效的治疗靶点，TNBC的治疗策略仅限于手术，化疗和放疗。因此，迫切需要一种优于TNM分期系统的风险评估方法来预测术后的复发率，改善患者预后价值。

本文通过从癌症基因组图谱(TCGA)数据库和GEO数据库中获得癌症患者的miRNA数据和临床信息，通过Logistic回归和高斯混合分析建立8-miRNA预测模型，并进一步利用验证数据集来验证预测模型的准确性。

文献内容

1

 研究对象

数据集：TCGA，GEO

下载TCGA_BRCA的miRNA数据，其中包括117名患者，637名正常人；

从GSE40525下载miRNA数据，其中包括

验证数据集：GSE40049，GSE19783，E-MTAB-1989

2

差异分析

通过癌症组织和癌旁组织分组求取差异基因，以P<0.05,FDR<0.05为标准筛选差异基因。结果显示：分别从TCGA_TNBC,GSE40525中得到109，44个DEmiRNAs。并通过取交集的方式，求出共同的10个DEmiRNAs，分别是miR-139-5p、miR-10b-5p、miR-486-5p、miR-455-3p、miR-107、miR-146b-5p、miR-17-5p、miR-324-5p、miR-20a-5p和miR-142-3p（图1A-B）。

同时，在TCGA,GEO中，10个候选miRNAs水平在癌症与癌旁组织中的差异均有统计学意义（图1C-D）。

 图1 10个候选miRNA在TCGA_TNBC和GSE40525数据集的差异表达

3

TNBC复发预测模型建立

运用高斯混合模型对10个miRNA进行聚类分析，并且通过Logistic回归模型，ROC曲线计算出对应的AUC值。

结果显示，一共将基因聚类到8个聚类中，并且选取最高AUC值的第八个聚类作为TNBC复发的预测模型，其包括8个miRNAs（hsa-miR-139-5p, hsa-miR-107, hsa-miR-486-5p, hsa- miR-10b-5p, hsa-miR-146b-5p, hsa-miR-455-3p, hsa-miR-20a-5p and hsa-miR-324-5p）（图2A）。

因乳腺癌按分子分型，分为luminal A型，luminal B型，HER2型，TNBC型。接下来计算预测模型在各分子分型中的AUC值。

结果显示，此复发预测模型在TNBC型中的AUC值仅为0.8，并且比其他分子分型的要低（图2B）。

 图2 logistic回归模型和AUC值结果

4

TCGA中预测模型的验证

通过预测模型计算风险分数，风险分数=(0.02554× expression value of miR-139) + (-0.000005284× expression value of miR-10b) + (-0.0003305× expression value of miR-486) + (0.008664× expression value of miR-107) + (0.003201× expression value of miR-324) + (0.001031× expression value of miR-455) + (0.000474× expression value of miR-146b) + (-0.001575× expression value of miR-20a)。

取中位数1.602为截点分为低风险（n=56），高风险（n=55）两组（其中6个患者样本信息无OS和DFS，对其进行删除）（图3A-B）。并进行KM生存分析分别计算对应的总生存率与无病生存率。

结果显示，相比于低风险组，高风险组有更好的复发率和死亡率（图3C-D）。且预测模型的AUC值为0.8032，表明预测模型有较高的准确率，能显著提高预后价值（图3E）。

 图3 8-miRNA预测模型在111例TNBC患者中的预测价值

5

预测模型与临床特征的相关性

进一步采用KM分析方法确定模型中单独的miRNA与临床特征的关系。

结果显示：hsa-miR-486-5p， hsa-miR-455-3p，hsa-miR-107表达量在两组的总生存率中具有显著差异（图 4A-B）；而只有hsa-miR-139-5p表达量在在两组的无病生存率中具有显著差异（图 5A-B）。

这些结果表明hsa-miR-139-5p的表达量和TNBC患者的复发率有关，hsa-miR-486-5p， hsa-miR-455-3p，hsa-miR-107表达量和TNBC患者的生存率有关。

进一步也计算了miRNA表达量对TNM分期的影响。

结果显示只有hsa-miR-139-5p表达量在肿瘤Ⅰ-Ⅱ期和Ⅲ-Ⅳ期间有显著差异，并且与淋巴转移，远处转移相关（图6）。

以上结果表明，hsa-miR-139-5p可能在TNBC的进展和转移中发挥重要作用。

 图4 8个miRNA的表达量对生存率的影响

 图5 8个miRNA的表达量对无病生存率的影响

 图6 8个miRNA的表达量对TNM分期的影响

6

富集分析

为了研究miRNAs与其功能之间的关系，作者进行了基于GO功能分析和Hallmark信号通路的GSEA富集分析。

GSEA结果发现模型相关的miRNA在炎症和癌症转移相关通路中发挥作用。而前10个GO通路均与淋巴细胞活化，细胞间黏附，质膜的外侧有关，这些也是与炎症反应，肿瘤进展高度相关（图7A-B）。

为了进一步确认与模型相关的生物学功能，将从miRTarBase得到靶向基因，将基因与模型放在一起确认他们的生物学功能。结果显示最显著的通路与免疫系统，细胞反应，基因表达，癌症和信号的转导有关（图7C-D）。

以上结果表明，预测模型与炎症和癌症转移密切相关。这一发现可能是由于免疫逃逸促进了肿瘤复发，因此相对于低风险的患者而言，高风险患者有更高的复发率和死亡率。

 图7 预测模型的富集分析图

7

GEO中预测模型的验证

验证数据集：GSE40049，GSE19783，E-MTAB-1989

先对数据集进行分组。GSE40049中以风险分数（中位数=-1.9938）分为高风险组（n=11）和低风险组（n=13）。GSE19783中以风险分数（中位数=-3371）分为高风险组（n=8）和低风险组（n=10）（图8A-B）。

然后通过KM生存分析发现，与低风险组相比，高风险组有更高的复发率（文中没有显示E-MTAB-1989的结果图）（图8C-D）。同时，验证数据集的AUC值为0.8961（GSE19783）和0.9062（GSE40049），而训练数据集的AUC值为0.8032（图8E）。

结论：8-miRNA预测模型有较高的准确性并能显著改善预后价值，且高风险组的复发率和死亡率高于低风险组。

 图8 预测模型的预测结果

总结

到了最后可以发现，这篇文章的套路还是十分友好的，换了任意一种癌症都可以模仿。那他为何能发如此高的文章呢？其实这篇文章的图标做的蛮漂亮的。并且虽然是纯生信文章，但两个数据库的应用，与临床信息的分析，最后的验证做得挺全的。