专栏名称: Freescience联盟

Freescience联盟是由高校、医院FS公众号和科研技能公众号等百家单位联合创建的科研交流分享平台；联盟的宗旨：“公正至上，自由分享，平等共赢”。欢迎您的关注，让我们共同学习进步！

10+合成致死生信分析案例讲解

Freescience联盟 · 公众号 · · 2022-05-13 22:59

正文

在了解了合成致死性与研究人员以往对其的研究方法和进展之后，我们今天来介绍一篇去年8月最新见刊《Theranostics》（if=11.556）的一篇合成致死相互作用的文章，这篇文章介绍了与先前研究不同的研究方法和角度来分析肝癌合成致死相互作用的基因图景《Mapping the landscape of synthetic lethal interactions in liver cancer》

绘制合成致死相互作用在肝癌中的图景

研究概览

目前几乎所有针对肝癌的治疗方法都是基于“一刀切”原则，只能提供有限的生存益处。幸运的是，合成致死(SL)可能为肝癌的个体化治疗提供了另一种途径。两个基因同时丢失对一个细胞来说是致命的，而一个基因丢失则是非致命的，这一概念可以被用来选择性地消除具有基因畸变的肿瘤。

本研究采用的SiLi是一个计算管道，用于使用高通量临床数据集从统计上推断候选SL交互，借鉴了一些以前的方法经验。该计算管道包括5个推理步骤:

(1)功能相似性分析，

(2)差异基因表达分析，

(3)两两基因共表达分析，

(4)两两生存分析，

(5)秩聚合分析。

SiLi的简要说明和验证

SiLi的简要说明

研究人员发现CDC7抑制剂可以选择性地抑制tp53突变型肝癌细胞株的生长和增殖，提示两者之间可能存在SL相互作用TP53和CDC7在肝癌中的作用(图A)。通过利用这一发现，我们可以简单地举例说明SiLi的实际应用，并检验用于SiLi发展的理论假设是否适用于这种真实的SL交互。功能相似度分析则给出了TP53-CDC7对的FS评分为0.654，高于研究人员设定的阈值(0.5)(图B)。CDC7在TP53突变体和TP53野生型样品中的表达差异分析表明，两组间存在显著差异，在TP53突变体样品中CDC7的表达高于TP53野生型样品(图C)。共表达分析显示TP53与CDC7显著正相关， Spearman相关系数值(0.187)也高于研究人员的阈值(0.15)(图D)。在两两生存分析中，研究人员观察到TP53和CDC7共同失活的患者的生存结果明显好于没有共同失活的患者(图E)。总的来说，这些分析结果不仅直观地展示了SiLi的流程，也在一定程度上证明了SiLi管道设计的合理性。

肝脏癌症中驱动基因的测定

确定候选驱动因素

为了确定候选驱动因素，研究人员对目前最全面的肝癌元数据集应用了一种基于网络的方法DriverNet，该方法包括了来自4个临床队列的849名肝癌患者，其中有表达和突变数据(图A)。该分析共得到34个q < 0.05的基因。其中,至少在之前的一项研究中，已有25个基因(73.5%)被报道为驱动候选基因，这证明了预测的可靠性(图B)。每个子类都有不同的突变特征。NBS1和NBS2的TSG突变比例较高(TSG的鉴定见下)，包括TP53、AXIN1、RB1、BAP1和BRD7，而NBS3的特点是CTNNB1突变频率高，TSG突变频率低(图C)。基于这一结果，将NBS1和NBS2定义为tsg富集子类。NBS的分类也与之前报道的基于转录组的分类有关。此外，生存分析显示，NBS三亚类患者的生存预后差异有统计学意义，NBS1的预后较NBS2 和NBS3 较差(图3D)。

肿瘤抑制基因-药物靶标-药物网络

肿瘤抑制基因-药物靶标-药物网络

SL相互作用的鉴定结果。(A) 272个TSG(肿瘤抑制基因)-DT(药物靶标)相互作用的二部网络。节点大小与节点度成正比。只有RAS分数最高的前30对TSG-DT配对被标记在图上。(B) 165个TSG - DT -药物相互作用的二部网络。对于内层的节点，节点大小与节点度值成正比。对于外层节点，节点大小与交叉分响应分析的折叠变化值成正比。图中只标注了变化倍数最高的前30对tsg - dt药物对。

驱动基因可以进一步分为两类:TSGs(肿瘤抑制基因)和致癌基因。TSGs的大部分改变导致基因功能的丧失，而癌基因的改变往往是功能获得突变。这两个驱动基因类之间的功能差异可能导致推断其SL伴侣的不同策略。

TSG-DT网络中目的基因的特征

基因的临床和生物学意义

272对TSG-DT中有209个独特的靶基因。为了评估这些基因的临床和生物学意义，研究人员使用来自元数据集的临床数据以及来自CRISPR和RNAi筛选的基因依赖数据进行了综合分析。与209个目标相关的生物过程首先进行了富集分析。大多数显著富集的过程，如E2F靶点、G2M checkpoint、MYC靶点V1等，都与细胞增殖相关，且与SL伙伴的功能基本一致(图A)。然后，研究这些基因在肿瘤组织和正常组织中的表达差异。通过调整阈值鉴定差异基因。如预期的那样，所有的差异靶基因在肿瘤组织中的表达水平都高于正常组织(图B)。Cox比例风险回归分析也用于揭示其与生存结果的相关性。结果表明，209个显著基因(207个)均与不良预后相关(图C)。此外，还探讨了靶基因在肝癌细胞系中的依赖性。研究人员首先生成一个大小相同的随机基因集(209)，然后比较目标集和随机集的依赖分数。与使用crispr数据(图D)或rnai数据进行比较的随机组相比，目标组的依赖分数显著降低(图E)。TP53和PLK1共同参与细胞周期过程(图F)。为了描述肝癌中TP53和PLK1的关系，研究人员分析了PLK1在TP53-突变型和TP53-野生型肝癌细胞株上的依赖性得分(图G和H)。

tp53突变型肝癌新治疗方法的鉴定

tp53突变型肝癌新治疗方法的鉴定

目前有许多针对PLK1的小分子抑制剂。生物信息学分析结果表明，TP53突变可导致肿瘤对多种PLK1抑制剂治疗的敏感性提高(图A)。图B显示了这些PLK1抑制剂目前的临床状态和靶向特异性。其中，volasertib因其临床晚期、靶向特异性高而被选择进行进一步的实验验证。