文獻標題
Cell-of-Origin Patterns Dominate the Molecular Classification of 10,000 Tumors from 33 Types of Cancer
關鍵詞
- TCGA
- Pan-Cancer analysis
提要
此篇延續作者2014年的工作成果，把TCGA計畫的腫瘤樣本，各自以五種分子特徵（chromosome-arm-level aneuploidy、 DNA hypermethylation、 mRNA和miRNA expression levels，加上reverse-phase protein array）劃為10至25群。汰除分類結果較不明確的aneuploidy資料後，按不同加權整合其餘分子特徵，用 iCluster將原先依照患部區分的33種腫瘤重新分為28群。
檢視新舊分類的異同後，考察分類時未採納的特性（突變量、免疫反應類型、病理機制、訊息傳遞路徑）在新分類中的表現狀況，評估具醫療潛力之處。
結論
- 無論是依照分子特徵或病理機制分類，都沒有推翻組織解剖分類系統，反倒佐證了同組織器官中的各類腫瘤在分子層次的相似性，奠定往後泛癌分析之基礎。
- 雖然組織細胞的來源主導腫瘤分類，但仍有異例（例如：C20和C3）不以位置而以分子特徵聚叢，有助於改善部分病患的癌症鑑定與治療。
條列式筆記
依照分子特徵劃分腫瘤
- 依不同分子特徵採不同分類法將樣本各自分群。
- 利用clustering of cluster assignments (COCA) algorithm分析組織來源相同的多種癌症在各分類中的分布情形。（例如：腫瘤A、B和C依照甲標準歸為同類，依乙標準又分為三類。）
- 使用 iCluster，將樣本依照加權過的四種特徵分類為28群。
比較新舊分類的幾個方向
- 一種腫瘤細分為多類
- 多種腫瘤整合為一類（佐證了組織器官分類的分子基礎）
- 新舊分類相同（佐證了組織器官分類的分子基礎）
- 主導上列差異的分子特徵
新分類系統的內部一致性
以分類內主要的腫瘤類型以及分類內樣本的一致性為兩軸呈現各分類的歧異狀況。其中一致性相同但內部腫瘤分布不同的分類意味著組織器官對分類影響重大。
比較不同分類系統
將樣本點依照iCluster 的潛在變數計算兩兩歐幾里得距離後表示在平面上，並根據iCluster、腫瘤類型和所屬器官系統著色。若一個集團內有很多種顏色代表分類系統表現沒辦法反映相似性。
後續亦用此圖，但改以未納入分類標準的其他特徵著色，結果顯示相同病理機制和免疫類型者的分布和組織器官分類的分布相似，意味著組織器官對病理機制的影響。
檢視新分類中其他特徵的表現狀況
檢視這些特徵是為了找出潛在的藥物針對目標。
- Somatic mutation frequency
- Mutational signatures
- 特異的訊息傳遞途徑
沒有留言:
張貼留言