[文献解读]8分的肿瘤大数据挖掘是怎样炼成的？

作者：白介素2

---

[文献解读]8分的肿瘤大数据挖掘是怎样炼成的？摘要文章内容ER单阳性乳腺癌预后不良基因与表观遗传改变导致的PR丢失IHC找出ER单阳性组中的非luminal亚型总结

image

摘要

2018年12月发表了上海复旦肿瘤医院的基于TCGA,METABRIC，SEER等数据库的分析论文，发表在Theranostics杂志上，影响因子IF=8.5。ER单阳性乳腺癌约占乳腺癌病人总数的10%，全文总共使用了5个数据集，分别包括SEER，METABRIC，TCGA, MD Anderson以及作者自己的数据集作为验证。临床问题：ER单阳性乳腺癌对内分泌治疗抵抗，在基因组水平上PR基因拷贝数丢失与启动子甲基化解释了PR的丢失。有近20%的ER单阳性乳腺癌表现为非Luminal型，并且对内分泌治疗不敏感，作者找到了这个亚型的3个biomarker。作者得出结论，ER单阳性组乳腺癌还存在亚型与不良预后相关，应该使用不同的治疗策略。

广而告之

说一个事，鉴于平台在信息传播方面有不足之处，应粉丝要求，白介素2的个人微信平台已经开启，继续聊临床与科研的故事，R语言，数据挖掘，文献阅读等内容。当然也不要期望过高，微信平台目前的定位是作为自己的读书笔记，如果对大家有帮助最好。如果感兴趣， 可以扫码关注下。

qrcode_for_gh_9eaa04438675_258.jpg

文章内容

ER单阳性乳腺癌预后不良

• 首先是给出了SEER与METABRIC数据集的临床病理特征，作者对此做了一些描述。

image.png

• 其次比较了单阳性乳腺癌与ER/PR阳性乳腺癌及TNBC的生存率，为了说明ER单阳性乳腺癌的预后更差， 值得一提的是，作者使用了OS与BCSS两个生存时间，Breast Cancer-Specific Survival指的是从诊断到死亡的时间。生存分析结果如下，很明显单阳性预后差得多：

  

  image.png

• 作者还做了单因素与多因素Cox分析，结果仍然显示ER单阳性较ER/PR双阳性HR高。

---

基因与表观遗传改变导致的PR丢失

• 使用**TCGA****数据库分析 PR基因的mRNA表达，蛋白表达，与CNA, 启动子甲基化的关系，综合分析。多组学数据也恰恰是 TCGA数据库的优势所在（仅展示部分结果)。

image.png

* * *

IHC找出ER单阳性组中的非luminal亚型

• 应用TCGA****数据库对三种乳腺癌进行 PAM50分型，并对 luminal-like 与non-luminal** 组进行常规的差异分析，做 KEGG富集分析，以及一些常规的分析。
  

  

  image.png

• 找到分型的候选基因，选择几个用作免疫组化marker。ER单阳性PAM50各亚型的内分泌治疗敏感性分数展示（可计算）。作者自身的前瞻性分析结果证实内分泌治疗在ER单阳性乳腺癌组确实没有表现出生存差异，可指导临床治疗。

image.png

* * *

总结

• 这篇文献充分有效的应用了现有大规模肿瘤数据库，进行多维度，深层次的数据挖掘。小伙伴们，可别说数据挖掘都是灌水了（不然你灌一个试试）
  
  
  

  ，还是咱自己多动动脑吧。

• 个人认为本文有很好的借鉴意义，分享给大家，希望对大家有帮助。附上文献原文链接。文献下载http://www.thno.org/v08p6386.htm

本文已投稿至生信人微信公众平台，欢迎关注