经历了周一综合症，相信周二是元气满满的一天呢。话不多说肿瘤自噬相专题第二谈来咯！
Prognostic and predictive value of an autophagy-related signature for early relapse in stages I-III colon cancer自噬相关特征对I-III期结肠癌早期复发的预后和预测价值本期带来的是有关结肠癌研究的最新发现。在全球范围内，结肠癌是最常见的恶性肿瘤之一，是导致癌症相关死亡的第四大原因。本文基于自噬相关基因的表达差异有助于区分I-III期结肠癌术后早期复发的风险和评估患者的预后这一假设，应用多队列数据进行了相应分析，确定了自噬相关特征与结肠癌之间的关联。从HADb（人类自噬数据库）中获得了232个文献报导过的人类自噬基因。这项研究纳入了来自GEO数据库的3个结肠癌数据集（GSE39582、GSE14333和GSE33113），用于构建并验证自噬相关基因特征的预后和预测价值。在芯片数据预处理过程中，使用RMA方法进行了标准化，并根据EntrezGeneID对探针进行了ID转换，把GSE39582作为测试集和内部验证集，GSE14333和GSE33113用作外部验证集。将GSE39582的测试和内部验证集中的数据分为早期复发组和长期生存组。在测试集和内部验证集中均进行了PSM（倾向评分匹配）分析，以调整疾病阶段和辅助化疗，这些临床因素与早期复发密切相关。最后，确定了76个测试集的配对患者和21个内部验证集的配对患者来构建整体的自噬基因表达谱，采用limma方法识别两组间差异表达的自噬基因。在测试集和内部验证集中，早期复发组和长期生存组的9个自噬相关基因的表达都存在差异，因此它们被选择用于在多变量Cox回归模型中构建预测特征。在纳入每个被选择基因的表达值后，为每个患者构建一个风险评分公式，并通过其在多变量Cox回归分析中的回归系数进行加权，以中位风险评分为分界点，将患者分为低风险组和高风险组。然后通过Kaplan-Meier方法评估两组之间的生存差异，并使用对数秩检验进行比较。接下来，采用多变量Cox回归分析和数据分层分析来检验风险评分在预测RFS中的独立作用。最后，利用随时间变化的ROC分析来研究每个特征以及自噬分类器的预后和预测准确性。验证分析的目的是为了进一步确认GSE39582分析后所选自噬基因组合的最佳特征的分类可靠性，作者基于GSE14333和GSE33113数据集进行了Cox回归分析，以评估自噬相关特征的预后意义。为了研究自噬基因的整体表达模式，作者根据TP53突变体和野生型结肠癌之间自噬基因的差异表达，对数据集GSE39582中的结肠癌样本进行聚类，t检验之后得到两个不同的样本簇(下图A)。下图B的结果显示两组的生存时间存在显著差异，两个样品簇的TP53突变率显著不同。作者在TP53突变型和野生型结肠癌之间共发现了63个差异表达的自噬基因，其中36个基因上调，27个基因下调。ATG16L1基因不仅参与自噬体的形成并促进自噬过程，而且还在TP53突变的样本中被上调，预后较差。DRAM基因在p53介导的自噬过程中对DNA损伤剂有显著的影响，同时也对自噬起着积极的调节作用。总的来说，自噬与结肠癌之间密切相关。
GSE39582中包含497例I-III期结肠癌患者，被分为一个测试集(386例)和一个内部验证集(111例)。然后将测试和内部验证集中的样品分为早期复发组和长期生存组。PSM分析前，早期复发组肿瘤分期明显高于长期存活组，但匹配后两组在年龄、性别、分期、肿瘤部位及辅助化疗方面均无显著差异。此外，作者还评估了整体自噬相关基因的表达模式，在测试组(下图A)和内部验证组(图B)中，有9个基因在两组之间差异表达。基于9个自噬基因的表达水平，并使用Cox比例风险回归模型作为权重，推导出了一个公式来计算每位患者的风险评分，以评估其疾病复发的风险。
以中位风险评分为分界点，将患者分为了低风险组和高风险组。在3年、5年和7年进行时间相关ROC分析，来评估9个自噬相关基因构成的分类器的预后准确性。结果发现，无论是在测试集或者内部验证集，还是在整个GSE39582数据集中， 都呈现了类似的结果：风险分值较低患者的总体生存情况好于风险分值较高的患者，I-III期结肠癌患者可分为RFS差异显著的低、高风险患者，其特征在术后3年预测准确率最高。
为了验证特征的生存预测能力，在另外两个独立的数据集GSE14333和GSE33113中验证了自噬分类器的预测能力。使用相同的风险评分公式，将每个数据集分为与测试数据集中相同临界点的低风险和高风险组。然而低风险组和高风险组患者呈现的结果与上述结果不太一致。为了证明该结果是有意义的，而与该研究中涉及的数据集无关，作者纳入了50例来自FUSCC（复旦大学上海癌症中心）数据集的原发性结肠癌患者去验证该结果。在FUSCC数据集中，高风险组的存活时间明显短于低风险组，这与上述结果基本一致。经过临床病理学变量的多变量分析和调整后，9个自噬相关特征在测试、内部验证和整个GSE39582数据集中被证明是一个有效的独立因素。分层分析也表明，在II期，III期，TP53野生型（见下图），TP53突变以及有无辅助化疗的患者中，自噬分类器可以作为临床和统计学上重要的预后模型。
为了给临床医生提供一种预测癌症复发风险的定量方法，构建了一个基于RFS的诺模图，该图结合了自噬分类器和4种临床病理风险因素(下图A)。诺谟图的总分可转换为预测患者3年、5年、7年RFS的概率，其中两年预测的AUC为0.758(下图B)。
看完第二篇肿瘤自噬是不是觉得做自噬也很容易呢，快快关注生信人公众号一起学习吧!欢迎关注生信人
TCGA | 小工具 | 数据库 |组装| 注释 | 基因家族 | Pvalue
基因预测 |bestorf | sci | NAR | 在线工具 | 生存分析 | 热图
生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos
舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 | 进化 | 测序简史
参考资料：Prognostic and predictive value of an autophagy-related signature for early relapse in stages I-III colon cancer
