|
结果： 构建ceRNA网络，作者使用了TCGA-KIRC（n = 602）项目中的差异表达（DE）基因。根据|log2FC| > 2和经过假发现率（FDR）调整的p值 < 0.01的阈值，这项分析结果得到了2842个mRNA和271个lncRNA DE（图S1）。利用这些DE基因，作者构建了由18个lncRNA、128个mRNA和75个miRNA组成的ceRNA网络（图2）。miRNA按照第4.2节所述被包含在ceRNA网络中。
网络结构明确展示了miRNA、lncRNA和mRNA之间的连接。在这个推断的网络中，作者观察到了一组多样的基因，它们共享miRNA和一些lncRNA。这一特征指向了一种聚类组织，其中这些基因与一个共同的结果相关。在对这个聚类组织进行更详细的分析时，作者注意到了一个模式，即一个聚类是完全连接的，而其他聚类则更稀疏。为了评估作者的ceRNA网络的拓扑结构，作者测试了度分布与幂律模型的适应性， Pk= ∝ kα ，结果得到α = 2.163。作者对ceRNA网络进行了Kolmogorov-Smirnov检验，发现作者的数据分布并不严格符合幂律模型。然而，使用似然比检验，作者的网络在幂律分布和正态对数分布之间适应良好（图S2）。
通过来自221个ceRNA网络基因的表达数据和来自192名患者的转移分类，作者进行了平衡性能评估。随后，作者执行了特征选择的训练过程，并开发了九个初始基因签名（图3）。在特征选择技术中，只有stepAIC没有收敛。递归特征消除（RFE）显示出76.30％的准确率和0.5663的Kappa系数，显示出实际转移样本和预测样本之间的适度一致性水平。进行基因组水平的变异分析可以帮助作者评估其对基因产物的影响。这些变异可以包括遗传结构的改变、蛋白质合成的中断，或者基因产物数量的变化。作者使用Maftools软件包来研究TCGA-KIRC队列中的单核苷酸多态性（SNPs）和拷贝数变异（CNVs）。错义突变是SNP数据中最常见的变异，每个样本大约有44个变异体，而且胞嘧啶和胸腺嘧啶转换的患病率较高。此外，十个样本中显示了特征编码基因的突变（图S6）。具体而言，作者检测到了基因HECW2、BTBD11、INSR和PTTG1的错义突变；BTBD11的移码缺失；以及HECW2的多重突变。然而，基因HMMR、RASD1和RFLNB没有出现任何突变。拷贝数变异的分析显示，在样本中，染色体1、4、5、6、7、12、17、18和20上存在大量且频繁的改变。在调查作者基因特征在国家生物技术信息中心的染色体位置时，作者发现虽然作者的基因位于发生显著变化的染色体上，但并不特别位于表现出明显改变的区域（表S2）。为了评估基因表达水平、转移发展和患者生存状况之间的关系，作者进行了风险分析。Aalen的加法回归显示了基因签名中的一些基因与患者生存之间的显著关系，例如(i) AF1117829.1 (p值=0.0001627) (ii) hsa-miR-130a-3p (p值=0.016)，(iii) hsa.miR.381.3p (p值=0.027)，以及 (iv) PTTG1 (p值=0.020)，详见图S7。赔率比分析显示，miRNA hsa-miR-130a-3p和lncRNA AF117829.1是唯一具有显著关联的，分别为p值=0.011和p值=0.029（图4）。
作者使用签名编码基因和签名miRNA的靶点对京都基因与基因组百科全书（KEGG）通路进行了功能分析。在评估miRNA及其生物途径的靶点时，作者还观察到了一些与肿瘤学相关的著名途径，如PI3K-AKT信号通路、p53信号通路、转化生长因子-beta（TGF-beta）信号通路、肾癌和HIF-alfa通路，这些观察结果在统计学上具有显著意义（图S8a）。注释的生物过程与细胞分裂调控相关，如染色单体姐妹分离和染色体分离（图5）。miRNA靶点注释的通路与细胞分裂过程相关。此外，与信号转导、生长因子和DNA聚合酶I调控相关的其他通路也显著富集（p值<0.05）（图S8b）。
由于对ceRNA网络中的基因进行了签名构建，评估它们的位置和它们的第一邻居可以提高对它们功能和可能的ccRCC转移效应的了解。总结 通过聚类分析，可以了解清除型肾细胞癌细胞环境中签名基因的作用以及这种调控过程的影响如何发生，指出了 lncRNA AF117829.1 和 mRNA RASD1 的新角色。随着对 lncRNA 在癌症发展中作用的研究不断发展，作者最新的发现提供了新的见解，为未来的探索提供了有希望的途径。这一领域的动态性强调了我们研究的重要性，并指向了进一步研究的潜在方向。
|
