基于rMKL-LPP方法的乳头状肾细胞癌多组学数据整合分型分析

摘要：

目的 探讨局部保留投影的正则化多核学习(regularized multiple kernel learning with locality preserving projections,rMKL-LPP)在乳头状肾细胞癌(papillary renal cell carcinoma,PRCC)多组学数据分子分型中的应用,进一步研究PRCC分子分型在信号通路活性和基因表达调控方面的异质性.方法 采用rMKL-LPP方法对PRCC的mRNA、miRNA和DNA甲基化数据进行整合,进一步采用k-means方法聚类分型,并通过Cox回归分析研究不同分型的预后风险.针对不同分型,进行通路活性分析,使用差异表达分析筛选DEmRNAs(differentially expressed mRNAs),DEmiRNAs(differentially expressed miRNAs)和DMGs(differentially methylated genes),并对三者的重合基因进行GO(gene ontology)富集分析,最后使用相关及生存分析筛选可能受DNA甲基化或miRNA调控且影响患者生存的基因.结果 PRCC患者分为三型,不同亚型在通路活性和基因表达方面均有差异.筛选出10条活性存在差异的通路;1185个DEmRNAs,13个DEmiRNAs及416个DMGs,其中36个重合基因富集于有统计学差异的8个GO生物项.相关分析发现,ABL2可能受hsa-miR-107调控,13个基因可能受DNA甲基化调控.生存分析表明,ZNF135和RBPMS2可能与患者生存结局相关.结论 rMKL-LPP能够有效识别PRCC亚型,筛选出的通路及潜在生物标志物,可为PRCC针对性治疗提供依据.

关键词：局部保留投影的正则化多核学习、多组学数据整合、分子亚型、乳头状肾细胞癌

所属期刊栏目：39

分类号：R195(保健组织与事业（卫生事业管理）)

资助基金：国家自然科学基金;山西省应用基础研究计划项目;山西医科大学校级博士启动基金项目;教育部国家留学基金

在线出版日期：2022-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：522-528