首先針對(duì)部分粉絲的需求統(tǒng)一回答下，弗雷賽斯目前只有2種課題服務(wù)模式：

1.提供完整技術(shù)路線的中文分析報(bào)告（包括原始數(shù)據(jù)，圖片及解讀，用戶可自行翻譯后投稿）

2.深度合作，完成從選題到發(fā)表的全過(guò)程，未達(dá)到協(xié)議目標(biāo)，弗雷賽斯將全額退款！

言歸正傳，代謝一直是生命科學(xué)中久火不衰的研究方向，原因就在于任何生命活動(dòng)都離不開(kāi)代謝的變化，就不用說(shuō)腫瘤了。有關(guān)腫瘤代謝的研究在pubmed上多如牛毛，人們把腫瘤的代謝改變叫做“重編程”。 567 那么可以想象，特定腫瘤狀態(tài)會(huì)有特定的重編程狀態(tài)。

今天ZY就為大家解讀一篇文獻(xiàn)有關(guān)代謝組學(xué)重編程得的文章，發(fā)表在4月份的

JOURNAL OF CLINICAL ENDOCRINOLOGY & METABOLISM（IF=5.605）上， 期刊詳情。作者以 去分化甲狀腺癌（DDTC）為研究對(duì)象，研究其代謝相關(guān)基因的表達(dá)模式。

研究背景：

甲狀腺乳頭狀癌（PTC）是去分化的甲狀腺癌（DDTC）中最常見(jiàn)的組織學(xué)類型[1]，大多數(shù)的PTC是不易復(fù)發(fā)且能夠被治愈的，但有5%-20%的患者會(huì)出現(xiàn)復(fù)發(fā)的情況[2]，有一些還會(huì)進(jìn)一步惡化甚至死于該疾病。在BenMa等人之前發(fā)表的工作中，他們發(fā)現(xiàn)甲狀腺乳頭狀癌的去分化是導(dǎo)致其預(yù)后差的原因[3]。同時(shí)，雖然有幾項(xiàng)關(guān)于從基因組層面對(duì)差預(yù)后甲狀腺癌(PDTC)和甲狀腺未分化癌（ATC）的研究，這些研究表明分化良好的甲狀腺癌是通過(guò)積累一些重要基因的突變，如TERT和TP53突變，進(jìn)而從逐步腫瘤進(jìn)展（WDTC）到PDTC最終發(fā)展成ATC的[4-6]，但PTC去分化的分子機(jī)制仍未澄清。

之前的研究在甲狀腺癌中發(fā)現(xiàn)了代謝組學(xué)特征的改變、一些氧化應(yīng)激反應(yīng)的介質(zhì)和異常的脂質(zhì)代謝。代謝組學(xué)的分析可以有助于對(duì)惡性甲狀腺結(jié)節(jié)的準(zhǔn)確診斷和實(shí)現(xiàn)對(duì)PTC遠(yuǎn)端轉(zhuǎn)移和癌癥干細(xì)胞的預(yù)測(cè)。因此，在上海復(fù)旦大學(xué)癌癥研究中心頭頸外科和腫瘤科的BenMa等研究員的研究中，他們?cè)噲D去找到與PTC分化相關(guān)的代謝基因，且進(jìn)一步識(shí)別和PTC預(yù)后相關(guān)的代謝基因，該工作的研究思路如Fig1所示。

Fig1. 流程圖

材料與方法

甲狀腺癌數(shù)據(jù)：FUSCC數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集，包括5個(gè)PDTC，5個(gè)PTC和6個(gè)NT（normalthyroid）；GEO數(shù)據(jù)庫(kù)中下載甲狀腺癌芯片數(shù)據(jù)，即：GSE29265，GSE33630，GSE53157，GSE65144和GSE76039；在UCSCXena數(shù)據(jù)庫(kù)下載TCGA甲狀腺癌表達(dá)數(shù)據(jù)（n=502）。

GEO平臺(tái)數(shù)據(jù)處理：對(duì)芯片表達(dá)譜進(jìn)行背景校正和RMA標(biāo)準(zhǔn)化處理，Combat去批次，探針注釋到基因，當(dāng)多個(gè)探針注釋到同一個(gè)基因，取均值。

識(shí)別與DDTC相關(guān)的代謝基因：從KEGG數(shù)據(jù)庫(kù)中收集70條代謝相關(guān)通路，整合通路中的基因，共得到1466個(gè)候選代謝基因。在FUSCC數(shù)據(jù)集中，通過(guò)分別計(jì)算PDTCv.s. PTC以及PDTC v.s. NT的Foldchange值和p值，得到在這兩個(gè)比較集中都顯著上調(diào)和顯著下調(diào)的基因（|FC|≥1.5& p<0.05），并進(jìn)一步和在GSE29265和GSE33630兩套數(shù)據(jù)集中的失調(diào)基因取交集，得到在DDTC中顯著失調(diào)的基因。

識(shí)別預(yù)后相關(guān)的signature：基于單因素cox回歸分析，首先識(shí)別和預(yù)后相關(guān)的代謝基因和臨床以及其他的突變特征（如BRAFV600E等特征）；再通過(guò)多因素回歸分析進(jìn)一步識(shí)別可以作為獨(dú)立預(yù)后因素的代謝基因。將在多因素cox檢驗(yàn)中可以作為獨(dú)立的預(yù)后標(biāo)志物的代謝基因挑選出來(lái)，作為影響甲狀腺癌預(yù)后的特征基因。

風(fēng)險(xiǎn)模型的構(gòu)建：結(jié)合TCGA甲狀腺癌，利用上述預(yù)后相關(guān)基因構(gòu)建風(fēng)險(xiǎn)模型，采取中位數(shù)值作為閾值將樣本劃分高低風(fēng)險(xiǎn)組。在TCGA數(shù)據(jù)集以及整合的GEO數(shù)據(jù)集（包括GSE29265，GSE33630，GSE53157，GSE65144和GSE76039）中分別去刻畫(huà)高低風(fēng)險(xiǎn)組，并計(jì)算該預(yù)后模型分別在TCGA數(shù)據(jù)集以及整合的GEO數(shù)據(jù)集中的曲線下面積AUC值，進(jìn)而評(píng)價(jià)該預(yù)后模型的性能。

功能富集分析（GSEA）：為驗(yàn)證這風(fēng)險(xiǎn)模型中所構(gòu)成的代謝基因signature的功能，根據(jù)上述的風(fēng)險(xiǎn)得分公式將TCGA樣本所劃分成的高低風(fēng)險(xiǎn)標(biāo)簽作為phenotypelabel，70個(gè)代謝相關(guān)的KEGG通路作為背景基因集，利用GSEA軟件隨機(jī)1000次去完成基因功能的富集分析。

代謝基因?qū)ι娴挠绊懀?/span>在Gepia數(shù)據(jù)庫(kù)（http://gepia./index.html）驗(yàn)證這些代謝相關(guān)基因的高低表達(dá)對(duì)甲狀腺癌病人的DFS和OS的影響。

結(jié)果展示：

1.識(shí)別和驗(yàn)證在DDTC相關(guān)的代謝基因：

在FUSCC數(shù)據(jù)集中，通過(guò)|FC|≥1.5& p<0.05，我們獲取在PDTC v.s. PTC和PDTCv.s. NT中共顯著失調(diào)（上調(diào)和下調(diào)）的121個(gè)基因（81個(gè)下調(diào)基因和40個(gè)上調(diào)基因）（如圖Fig 2b），并進(jìn)一步和GSE29265和GSE33630兩套數(shù)據(jù)集中識(shí)別到的上調(diào)和下調(diào)基因取交集，最終得到了在DDTC中27個(gè)上調(diào)和38個(gè)下調(diào)基因，共65個(gè)失調(diào)基因（如圖Fig 2c所示）。

Fig2. 失調(diào)代謝基因

2.構(gòu)建預(yù)后風(fēng)險(xiǎn)模型：基于單因素分析，我們從上述的65個(gè)失調(diào)代謝基因中找到49個(gè)和生存相關(guān)的候選基因集以及T3/T4stage、LNM和BRAFV600Emutation。進(jìn)一步整合這49個(gè)基因和T3/T4stage、LNM和BRAFV600Emutation這些特征構(gòu)建多因素cox回歸模型，發(fā)現(xiàn)LPCAT2、ACOT7、HSD17B8、PDE8B以及ST3GAL1這5個(gè)基因可以作為獨(dú)立的預(yù)后標(biāo)志物，并利用這5個(gè)基因構(gòu)建風(fēng)險(xiǎn)評(píng)估模型（如下所示）。我們發(fā)現(xiàn)該風(fēng)險(xiǎn)模型和甲狀腺癌差的預(yù)后相關(guān)（如圖Fig 3d）。通過(guò)在TCGA數(shù)據(jù)集以及整合的GEO數(shù)據(jù)集（包括GSE29265，GSE33630，GSE53157，GSE65144和GSE76039）中計(jì)算AUC值去評(píng)價(jià)該預(yù)后模型，在TCGA數(shù)據(jù)集中的AUC=0.9，在整合數(shù)據(jù)集中的AUC=0.79（如Fig3所示）。

Fig3. LPCAT2、ACOT7、HSD17B8、PDE8B以及ST3GAL1這5個(gè)基因構(gòu)成的標(biāo)志物與PTC差的預(yù)后相關(guān)

3.高低風(fēng)險(xiǎn)組病人特征刻畫(huà)：對(duì)依據(jù)上述預(yù)后模型劃分的高低風(fēng)險(xiǎn)組病人進(jìn)行諸如年齡、性別、Tstage，TERT突變特征以及相應(yīng)LPCAT2、ACOT7、HSD17B8、PDE8B以及ST3GAL1這5個(gè)基因表達(dá)分布的刻畫(huà)，通過(guò)圖中的展示，發(fā)現(xiàn)高風(fēng)險(xiǎn)組的病人顯著發(fā)生BRAFV600E的突變。

Fig4. TCGA數(shù)據(jù)集中高低風(fēng)險(xiǎn)組病人相關(guān)臨床和分子特征的刻畫(huà)

4.基因功能的刻畫(huà)：在TCGA樣本表達(dá)譜中，映射得到LPCAT2、ACOT7、HSD17B8、PDE8B以及ST3GAL1這5個(gè)基因表達(dá)譜數(shù)據(jù)，70條代謝相關(guān)的KEGG通路作為背景基因集，預(yù)后風(fēng)險(xiǎn)模型對(duì)樣本劃分的高低風(fēng)險(xiǎn)作為phenotypelabel，循環(huán)1000次，去看這5個(gè)基因所參與的生物學(xué)功能（如圖Fig 5所示）。

Fig5. 代謝基因標(biāo)志物的功能.a)在TCGA數(shù)據(jù)集中GSEA刻畫(huà)代謝基因所參與的功能；b-d)LPCAT2，ACOT7和HSD17B8所參與的代謝功能。

由此，大家應(yīng)該已經(jīng)了解腫瘤代謝組學(xué)技術(shù)路線的要點(diǎn)了，主要分為以下四步，包括：獲得代謝基因，預(yù)后模型構(gòu)建，臨床樣本分層，基因功能探索。在實(shí)際應(yīng)用中，可以進(jìn)一步靈活使用，比如代謝組學(xué)和之前講過(guò)的免疫分型，單基因技術(shù)路線的結(jié)合等等...

部分參考文獻(xiàn)：

AschebrookkilfoyB, Ward M H, Sabra M M, et al. Thyroid Cancer Incidence Patterns in the UnitedStates by Histologic Type, 1992–2006[J]. Thyroid, 2011, 21(2): 125-134.

SchlumbergerM. Papillary and follicular thyroid carcinoma.[J]. The New England Journal ofMedicine, 1998, 338(5): 297-306.

MaB, Xu W, Wei W, et al. Clinicopathological and Survival Outcomes ofWell-Differentiated Thyroid Carcinoma Undergoing Dedifferentiation: ARetrospective Study from FUSCC[J]. International Journal of Endocrinology,2018.

......

生信學(xué)習(xí)需要持之以恒，大家可以到目前國(guó)內(nèi)最大的生信學(xué)習(xí)社區(qū)（https:///）逛逛，尤其是神秘的SangerBox可視化生信分析軟件，相信對(duì)大家玩轉(zhuǎn)生信一定有益。生信套路千千萬(wàn)，不變的是生信的精髓:差異。生信及其他科研視頻，請(qǐng)直接點(diǎn)擊“閱讀全文”。