癌症预后共同分子特征模块挖掘及其在线分析平台构建

Understanding molecular mechanism of cancer prognosis can help in its diagnosis and treatment. Most studies only focus on one tumor type or feature category. However, such strategy will overlook comprehensive genetic information underlying cancer and cannot detect prognosis related signatures..This project targets on integrating multi-level data of 14 cancer types, including genomic, transcriptomic and epigenomic features, to study the underlying mechanisms for cancer prognosis. Firstly, for each tumor type, we classify cancer subtypes with significantly different clinical outcomes and then identify modular signatures which best distinguish them. After that, signatures across 14 cancer types are compared to discover cancer-common signatures and cancer-specific modular signatures by network methods. Moreover, independent datasets and biological experiments will be both performed to verify the common signatures as well as the cancer-specific modules. Based on the previous results, we further build a web analytic platform to identify cancer common signatures..We first integrate cancer-omics datasets to study the underlying mechanisms of cancer heterogeneity and similarity in the system level. Modular signatures detected by this project can be used to classify tumor samples more accurately and to detect target genes for new drug discovery.

研究癌症预后分子机制对于癌症病程进展追踪、诊断与治疗有重要意义。过去大部分研究只针对一种癌症，或只使用一类遗传数据。如此，会丢失大量遗传信息，无法有效鉴定与癌症预后有关的分子特征。.本项目整合癌症基因组项目中14种癌症的基因组、转录组、表观遗传组学和临床样本数据，从系统水平上探索癌症预后遗传机制。首先，对每一种癌症，整合其多组学数据、分类预后亚型、鉴别相关分子特征模块。其次，通过网络比较方法，挖掘多种癌症预后相关的共同分子特征模块和每种癌症特有的分子模块。再次，对挖掘到的分子模块进行数据集和初步实验验证。最后，开发挖掘共同分子特征模块的在线分析平台。.本项目首次从系统水平上、利用高通量异质数据提供的遗传变异信息来研究癌症预后分子机制的共同性和异质性。预后有关的分子特征模块既能为癌症预后亚型分类提供更精确的分子标签，也可为抗癌药物的研发提供新的候选靶基因或位点。

对TCGA项目中最为详实的14种癌症（乳腺癌[BRCA]，卵巢癌[OV]，肾透明细胞癌[KIRC]，脑胶质瘤 [GBM]，甲状腺癌 [THCA] ，子宫内膜癌 [UCEC]，肺腺癌[LUAD]，结肠腺癌 [COAD]，肺鳞状细胞癌 [LUSC]，头颈部鳞状细胞癌 [HNSC]，皮肤黑色素瘤[SKCM]，胃腺癌[STAD]，低级别胶质瘤 [LGG]，急性髓系白血病[AML]），收集整合它们的基因组、转录组、表观遗传组等多组学数据；使用本课题组对卵巢癌多组学数据整合研究的分析流程，开展了癌症预后相关的分子特征模块挖掘工作，两两比较各种癌症子类型特有的分子特征模块，鉴别癌症预后有关的共同分子特征模块以及所富集的信号通路。我们通过计算分析初步发现不同癌症两两间都存在着一定相同数目的共同预后分子特征，但是这14种癌症之间却没有共同的预后相关分子特征。只有GPR97 和FKBP4这两个基因是10种癌症所共有的预后相关分子特征，6个基因(GPR97，MBL1P，FKBP4，CIAPIN1 ，DEXI，SOCS1)为9种癌症所共有。.此外，下载了来自NCBI GEO数据库中的三种癌症基因表达谱数据，包含了正常组织，炎症组织和癌症组织，可以用来研究慢性炎症向癌症的发展过程。我们首先分别对不同癌症的基因表达数据进行了数据预处理，消除了批次效应，以保证后续分析的准确性。通过网络模块挖掘，我们发现了在炎症向癌症发展过程中起关键作用的模块和它们所富集的核心生物学通路, 并提出了一个炎癌转换的分子模型。