三阴性乳腺癌表达数据分析笔记之PAM50

  1. 文献解读

  2. 数据下载及理解

  3. 差异性分析

  4. 差异基因的富集分析

  5. TNBC定义

PAM50的介绍

在临床实践中，就需要HR阳性，HER2阴性乳腺癌的预后和预测模型，为了实现这些目的，基因检测，如OncotypeDx和PAM50, 已经被开发并在多个临床实验中得以验证

基于基因在癌症中的表达，乳腺癌可以分为5个固有的分子亚型

  • Luminal A：荷尔蒙受体阳性（雌激素受体(ER)或者/以及雄激素受体(PR)阳性），HER2阴性，以及低水平的蛋白Ki-67，它可以帮助控制癌细胞生长的快慢。Luminal A癌症是低级的，趋向于生长缓慢，而且预后最好
  • Luminal B：荷尔蒙受体阳（性雌激素受体(ER)或者/以及雄激素受体(PR)阳性），HER2阳性或者HER2阴性伴随着较高水平的Ki-67。Luminal B这种类型的癌症一般比Luminal A型的癌症生长较快而且预后也较差。
  • Triple-negative/basal-like: 荷尔蒙受体阴性（性雌激素受体(ER)以及雄激素受体(PR)阴性）而且HER2阴性。这种类型的癌症在BRCA1基因突变的女性中是最常见的。研究中并不确定原因，但是这种类型的癌症也是更常见于年轻以及非洲裔美国人。
  • HER2-enriched: 荷尔蒙受体阴性（性雌激素受体(ER)以及雄激素受体(PR)阴性），HER2阳性。HER2-enriched 的癌症趋向于比luminal性癌症生长地快，而有较差的预后，但是它们通常可以用靶向HER2蛋白的治疗方法成功治疗。
  • Normal-like: 类似于Luminal A型癌症：荷尔蒙受体阳（性雌激素受体(ER)或者/以及雄激素受体(PR)阳性），HER2阴性伴随着较低水平的Ki-67。尽管normal-like型乳腺癌有一个较好的预后，它的预后依然要比Luminal A型癌症的预后要差。

R 语言实现PAM50分类：genefu

load(file = 'step1-output.Rdata')
# 每次都要检测数据
dat[1:4,1:4]  
dim(dat)
class(dat)
str(dat)
library(hgu133plus2.db)
ids=toTable(hgu133plus2SYMBOL)
head(ids)
dat=dat[ids$probe_id,]
dat[1:4,1:4]

ids$median=apply(dat,1,median)
ids=ids[order(ids$symbol,ids$median,decreasing = T),]
ids=ids[!duplicated(ids$symbol),]
dat=dat[ids$probe_id,]
rownames(dat)=ids$symbol
dat[1:4,1:4]  
dim(dat)
dat['GAPDH',]
boxplot(dat[,1])

if(T){
  ddata=t(dat) #首先要进行转置，列名为基因，行名为样本名
  ddata[1:4,1:4]
  s=colnames(ddata);head(s)
  library(org.Hs.eg.db)
  s2g=toTable(org.Hs.egSYMBOL)
  g=s2g[match(s,s2g$symbol),1];head(g)
  #  probe Gene.symbol Gene.ID
  dannot=data.frame(probe=s,
                    "Gene.Symbol" =s, 
                    "EntrezGene.ID"=g) #将symbol转换成ENTREZID是下游分析必须的
  ddata=ddata[,!is.na(dannot$EntrezGene.ID)]#去除列的NA值
  dannot=dannot[!is.na(dannot$EntrezGene.ID),] #去除行的NA值
  head(dannot)
  library(genefu)
  # c("scmgene", "scmod1", "scmod2","pam50", "ssp2006", "ssp2003", "intClust", "AIMS","claudinLow")
  
  s<-molecular.subtyping(sbt.model = "pam50",data=ddata,
                         annot=dannot,do.mapping=TRUE) #挑选模型pam50
  table(s$subtype) #这就是一个分组依据，和我们之前根据是否是TNBC分组一样
  tmp=as.data.frame(s$subtype)
  subtypes=as.character(s$subtype)
}

取出PAM50基因，根据这些基因的表达了绘制热图，并添加分组信息，与原始分组（TNBC，noTNBC）进行对比。

library(genefu)
pam50genes=pam50$centroids.map[c(1,3)]
#我们表达数据中的这三个基因名与PAM50中的基因名不一样，所以需要先进行转换
pam50genes[pam50genes$probe=='CDCA1',1]='NUF2' 
pam50genes[pam50genes$probe=='KNTC2',1]='NDC80'
pam50genes[pam50genes$probe=='ORC6L',1]='ORC6'
x=dat
x=x[pam50genes$probe[pam50genes$probe %in% rownames(x)] ,] #判断pam50基因是否存在于我们的基因中，存在才取出对应的表达信息

table(group_list)
tmp=data.frame(group=group_list,
                  subtypes=subtypes) #制作分组信息，分组信息有两个，第一个是原始的分组信息，也就是是否是TNBC，第二个分组信息为PAM50给出的分组信息
rownames(tmp)=colnames(x)

library(pheatmap)
#原始表达数据
pheatmap(x,show_rownames = T,show_colnames = F,
         annotation_col = tmp,fontsize = 5)

#表达值进行归一化，只对基因的表达值进行样本之间的比较，不考虑基因之间的差异
x=t(scale(t(x)))
x[x>1.6]=1.6
x[x< -1.6]= -1.6
pheatmap(x,show_rownames = T,show_colnames = F,
         annotation_col = tmp,fontsize = 5)

未进行归一化之前的热图

pam50_热图_原图.Rplot01

进行了归一化之后的数据绘制的热图可以更明显的看出样本之间的差异，而基因之间的差异则被弱化了。

pam50_热图_归一化.Rplot01

比较两个分组信息我们可以发现：

TNBC和basal-like的重合度很高。TNBC是根据组织切片对三阴性乳腺癌的定义，而basal-like则是根据芯片表达数据定义的，都是恶性的，这说明我们的分析是可靠的。

赞 (0)

相关推荐