通过整合TCGA多重生物信息筛选和验证肿瘤化疗疗效相关基因

Chemotherapy has significantly improved the average survival of cancer patients, but the effect is variable among individuals. Although certain molecular markers can predict tumor sensitivity to some targeted therapies, most regimens still lack a reliable marker for treatment response. Literature and our previous work show that integrative analysis of multi-omics data with clinical annotations can give insights into the prediction of response to chemotherapy. Thus, we hereby propose to use the high-throughput data and clinical annotations of 9 cancer types in The Cancer Genome Atlas consortium to construct a prediction model for chemotherapy response. First, we will use survival regression model to screen for candidate single nucleotide polymorphisms, gene mutations, and gene expression that interact with chemotherapy in the survival model. Second, integrative analysis of the three sets of screening outcome will be performed for the epigenetic regulation and drug-related biological pathways of candidate genes. Third, the predictive value of candidate genes will be tested by independent datasets for validation. Finally, we will manipulate the expression levels of candidate genes in vitro bi-directionally to explore each gene's influence on chemosensitivity and other phenotypes of cancer cells. This study will assemble a pipeline for integrative analysis of bioinformatics data in search of predictive biomarkers, reveal potential molecular targets for chemosensitivity improvement, and provide evidence for decision making in clinical oncology.

化疗显著延长了肿瘤患者的平均生存时间，在个体患者中效果各异。尽管部分靶向治疗可以肿瘤分子表型划分敏感人群，大多数化疗并无此类疗效预测信息，临床工作中主要仍依据患者预后或肿瘤分期决定是否化疗。文献和我们以往的研究工作表明，临床及多组学生物信息的系统性整合、挖掘及功能分析可为化疗疗效预测提供依据。因此，本课题拟利用肿瘤基因组图谱数据库中9类肿瘤的临床注释与高通量生物数据建立化疗疗效预测模型。首先，用生存回归模型筛选与化疗存在相互作用的兴趣单核苷酸多态性位点、基因突变位点及基因表达谱；其次，整合、比对这三类数据，分析兴趣基因的表观遗传学调控和化疗相关生物学通路；然后，用独立数据集对关键基因进行生物信息学验证；最后，在肿瘤细胞化疗模型中调控关键基因表达，进行细胞表型验证。本研究将在方法上建立整合生物信息预测疗效的分析流程，在理论上发掘化疗应答的生物学通路，并在临床上为选择最优治疗方案提供依据。

化疗显著延长了肿瘤患者的平均生存时间，在个体患者中效果各异。尽管部分靶向治疗可以肿瘤分子表型划分敏感人群，大多数化疗并无此类疗效预测信息，临床工作中主要仍依据患者预后或肿瘤分期决定是否化疗。文献和我们以往的研究工作表明，临床及多组学生物信息的系统性整合、挖掘及功能分析可为化疗疗效预测提供依据。本项目对TCGA数据库9种恶性肿瘤共4000余例进行了数据收集和预处理，继而建立Cox比例风险模型，根据临床预后因素筛选与化疗疗效相关的兴趣SNP位点、基因突变位点和基因表达谱。将FDR < 0.2的SNP作为兴趣SNP位点与DNA酶高敏区域、组蛋白修饰区域以及转录因子结合基序进行比对。对于结直肠癌，我们发现有5个SNP位点存在和前三者重叠的情况，同时这些SNP位点的基因型与化疗存在显著相互作用，且其他8种肿瘤也得到了类似的结果。本研究提取了GEO基因表达数据集的临床注释信息，构建多变量Cox比例风险模型以验证化疗与基因表达的相互作用变量对预后的影响。在TCGA发现的兴趣SNP中，无一通过TCGA或GEO数据集的mRNA验证。而通过TCGA发现的化疗疗效关键基因中有3个基因（DNAH3、IGSF3、IL27）通过了GEO数据集的验证，目前尚处于生物验证阶段。另外，我们还开展了衍生的子项目：在肿瘤浸润和肿瘤间质的淋巴细胞亚型的空间分布与术前放化疗效果（肿瘤退缩分级）的相关性研究中，我们发现无论治疗方案或错配修复状态如何，CD8+肿瘤浸润淋巴细胞（而非肿瘤内腺管旁淋巴细胞）均与对术前放化疗的反应独立相关；在术前放化疗和手术方式对直肠癌患者术后功能和生活质量影响的研究中，我们发现长期术前放疗、低位吻合以及回肠转流性造口是肠道术后功能障碍和生活质量的独立危险因素，而手术方式（经肛腔镜对比经腹腔镜全直肠系膜切除）则无独立相关性。本项目初步系统性地研究了通过筛选TCGA数据库所得基因与肿瘤化疗疗效的联系，因此，通过临床及多组学生物信息整合来预测化疗疗效的方法仍有待进一步探索及验证，以便为临床化疗选择提供更优方案。