CN104732116A - 一种基于生物网络的癌症驱动基因的筛选方法 - Google Patents

Abstract

一种基于生物网络的癌症驱动基因的筛选方法，包括如下步骤：(1)癌症差异表达基因筛选；(2)癌症生物分子网络构建；(3)基于癌症生物分子网络的基因癌症驱动力计算；(4)根据驱动力计算结果排序确定癌症驱动基因；本发明方法不仅和成熟可靠的现代高通量技术紧密结合，而且符合系统生物学和网络药理学理论，与生物网络的结合使癌症驱动基因的筛选更加的贴合生物体内的生物学过程，为进一步的基因靶点药物研发打下了重要基础。

Description

一种基于生物网络的癌症驱动基因的筛选方法

技术领域

本发明涉及癌症医学领域，特别涉及一种基于生物网络的癌症驱动基因的筛选方法。

技术领域

癌症的发病过程是变异的驱动基因主导的癌细胞生存优势不断积累的过程。在整个癌症的发病过程中，癌细胞获得生存优势的积累，不断扩增，对周围组织环境产生浸润，直至发生扩散的过程需要一系列基因的遗传结构发生变化。这些遗传结构发生变化后能够为癌细胞带来生存优势的基因被称为驱动基因，它们是主导癌症发病过程的关键因素。

在肿瘤细胞中不是所有检测到相对正常细胞发生变化的基因都是驱动基因。基于日常细胞分裂较频繁的组织中，如血液和肠道，发生的癌症的研究发现，在肿瘤细胞中检测到的突变数目随着病人年龄的增长直线增加。如何有效的识别癌症驱动基因，仍然是当前的癌症研究中亟待解决的难题。

已有的癌症驱动基因相关研究中，多是基因突变频率或者突变功能预测的方法，现有的癌症驱动基因相关专利，申请号：CN201310284338.X公开了“一种检测非小细胞肺癌驱动基因突变谱的方法及试剂盒与应用”其中使用的是检测突变基因频率的方法判断驱动基因。此方法仅仅依赖基因的突变率，无法反映突变基因的在生物网络中的真实价值。因为所有基因的功能都不是独立实现的，都是通过在生物分子网络中和其他分子相互作用而实现的。所以说仅仅依赖突变频率的方法无法真实反映突变基因对于细胞功能的影响，也就无法正确判断此基因的遗传结构变化是否真的对癌症获得生存优势有贡献。

发明内容

为了克服上述现有技术的缺陷，本发明的目的在于提供一种基于生物网络的癌症驱动基因的筛选方法，将癌症生物分子网络与基因变异有机结合，为进一步的细胞和动物实验验证和基因靶点药物研发打下了重要基础。

为了达到上述目的，本发明的技术方案是这样实现的：

一种基于生物网络的癌症驱动基因的筛选方法，包括如下步骤：

(1)癌症差异表达基因筛选：选择一套包含癌症组织和对应正常样本的基因表达谱数据集作为分析基础，使用Fold change方法比较基因在每对癌症组织和正常组织中的表达量差异，将在癌症对正常样本比较中出现两倍及以上表达量差异的基因作为候选差异表达基因集合，然后对此集合进行筛选，将至少有三例以上癌症样本支持的基因作为癌症差异表达基因；

(2)癌症生物分子网络构建：整合BIOGRID数据库和HPRD数据库中的人类蛋白质相互作用数据，对蛋白质相互作用的数据进行筛选，筛选标准是：将一篇以上实验文献支持的蛋白质-蛋白质相互作用关系整理出来，删除不符合前述要求的蛋白质-蛋白质相互作用关系，使用筛选后的蛋白质-蛋白质相互作用关系将癌症差异表达基因编码的蛋白连接起来，建立人类癌症生物分子网络；

(3)基于癌症生物分子网络的基因癌症驱动力计算：对人类癌症生物分子网络进行拓扑结构分析，计算每个分子与网络中其他分子相互作用的次数，也就是拓扑学理论中的Degree，作为单个分子的癌变基础效力值，此效力值越高，与此分子作用的癌症分子越多，此分子在癌症中的作用越重要，然后使用如下公式计算网络中编码每个蛋白质分子的基因的癌变驱动力：

${\mathrm{DP}}_i=\frac{{\mathrm{NC}}_i}{\mathrm{NP}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{{\mathrm{NC}}_j}{\mathrm{NP}}{D}_j$

   公式(I)

i为癌症生物分子网络中的一个蛋白质；

j为癌症生物分子网络中与蛋白质i相互作用的另一个蛋白质；

n为癌症生物分子网络中与蛋白质i相互作用的蛋白质总数；

DP_i为编码癌症生物分子网络中的一个蛋白质i的基因的癌变驱动力值；

NC_i为发生编码蛋白质i的基因差异表达的癌症样本数目；

NC_j为发生编码蛋白质j的基因差异表达的癌症样本数目；

D_j为蛋白质j的癌变基础效力值，也就是与蛋白质j相互作用的癌症分子总数；

NP为整个数据集合所有癌症样本的数目；

(4)根据驱动力计算结果排序确定癌症驱动基因：对步骤3计算获得的所有基因的癌症驱动力按照数值大小进行排序；数值越大，排序越高，其作为癌症驱动基因的可能性越高，将排序前十位的基因作为此癌症的驱动基因。

所述步骤(1)中的癌症，其类型包括但不限于肝细胞癌、非小细胞肺癌和胃癌。

所述步骤(1)中的癌症组织和对应正常样本的基因表达谱数据来源可以是公共数据库，也可以是自行采集病人组织样本通过高通量芯片或者测序平台分析获得，芯片产生的基因表达谱数据，具体包括但不限于Affiymerix公司的芯片或Agilent公司的基因芯片；转录组测序产生的表达谱数据，具体包括但不限于Illumina公司的测序仪或Life Technologies公司的测序仪产生的数据。

所述步骤(1)中比较基因在每对癌症组织和正常组织中的表达量差异所采用的方法可以采用本领域常用的各种方法，例如包括但不限于：标准FoldChange法、基于标准Fold Change方法改良的能够指示基因差异表达方向的比较方法。

所述步骤(1)中的候选差异表达基因的筛选标准包括但不限于癌症和正常组织两倍差异表达；癌症差异表达基因的筛选标准包括但不限于三例癌症样本支持。本领域技术人员也可以根据本领域常识并结合具体癌症表达谱的实验情况进行确定。

所述步骤(2)中的人类蛋白质相互作用网络数据是本领域常用的各种蛋白质相互作用网络，本发明包括但不限于实验证实的蛋白质相互作用网络数据，本领域技术人员也可以根据本领域常识并结合具体需求选取其他类型的分子相互作用数据。

所述步骤(3)中的癌症生物分子网络为在癌症中发生变异的生物分子通过它们之间的相互作用关系连接而成的网络。

所述步骤(4)中的癌症驱动基因的判定，包括但不限于排序的前十位基因，本领域技术人员也可以根据实验情况自行选择排序靠前的基因作为驱动基因。

本发明所述方法中，采用公式(I)计算驱动力值，根据某个蛋白质在生物网络中能够影响的蛋白质越多，这个蛋白质越重要，而一个受一个癌症驱动基因编码的蛋白质影响的癌症相关蛋白越多，这个驱动基因变异对于癌症的驱动力越强。同时驱动基因发生变异的样本数和总癌症样本数的比值反映了驱动基因的突变率。这个公式均衡了传统的变异率和生物网络影响力，能够比较全面的评估癌症基因的驱动力。

本发明对芯片和测序平台没有任何限制，使用灵活方便，可移植性强。

本发明方法不仅和成熟可靠的现代高通量技术紧密结合，而且符合系统生物学和网络药理学理论，与生物网络的结合使癌症驱动基因的筛选更加的贴合生物体内的生物学过程，为进一步的细胞和动物实验验证和基因靶点药物研发打下了重要基础。

具体实施方式

本发明通过以下实施例进一步说明本发明的用途和使用方法，但本发明并不受限于此。

实施例一

1.实验材料

肝细胞癌芯片表达谱数据：下载自GEO数据库(http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi？acc＝GSE50579)；

R：开源计算平台，下载于R官方网站；

Limma分析包：开源分析包，下载于Bioconductor网站；

蛋白质相互作用数据：下载于BioGRID和HPRD数据库；

2.实验方法

(1)将来自GEO数据库编号为GSE50579数据集的70例肝细胞癌表达谱芯片和10例正常肝脏组织表达谱芯片在R平台使用Limma软件包进行质控，选择质量合格的芯片数据进行下一步表达谱比较分析；

(2)使用Limma软件包将70例肝细胞癌表达谱分别与10例正常肝脏组织表达谱进行比较，寻在在每例肝癌中出现差异表达的基因(lgFC>1或lgFC<-1，肝癌VS正常)，将在至少三例肝癌中出现差异表达的基因筛选出来用作下一步分析；

(3)肝癌差异表达基因编码的蛋白之间如果有来着HPRD或者BIOGRID数据库的证据表明存在相互作用关系，而且这个作用关系被至少一篇实验文献支持，那么这两个相互作用的蛋白和它们之间的相互作用关系就被纳入肝癌生物分子网络；

(4)计算肝癌生物分子网络中每个蛋白质的Degree，然后根据如下公式：

${\mathrm{DP}}_i=\frac{{\mathrm{NC}}_i}{\mathrm{NP}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\frac{{\mathrm{NC}}_j}{\mathrm{NP}}{D}_j$

计算肝癌生物分子网络中编码每个蛋白的基因的肝癌驱动力；

(5)对所有基因的肝癌驱动力进行排序，选取排序前十的基因。

3.实验结果

从最终得到基因肝癌驱动力前十为：TP53，CTNNB1，TERT，AXIN1,CDKN2A，ARID2，PIK3CA，PTEN，BRAF，ZDHHC2。其中排序最高的为TP53，TP53变异会导致极大提高癌症细胞的生存能力，这与科学界主流认知基本相符。

实施例二

1.实验材料

非小细胞肺芯片表达谱数据：下载自GEO数据库(http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi？acc＝GSE33532)；

R：开源计算平台，下载于R官方网站；

Limma分析包：开源分析包，下载于Bioconductor网站；

蛋白质相互作用数据：下载于BioGRID和HPRD数据库；

2.实验方法：

(1)将来自GEO数据库编号为GSE33532数据集的80例非小细胞肺癌表达谱芯片和20例正常肺组织表达谱芯片在R平台使用Limma软件包进行质控，选择质量合格的芯片数据进行下一步表达谱比较分析；

(2)使用Limma软件包将80例非小细胞肺癌表达谱分别与10例正常肺组织表达谱进行比较，寻在在每例非小细胞肺癌中出现差异表达的基因(lgFC>1或lgFC<-1，非小细胞肺癌VS正常)，将在至少三例非小细胞肺癌中出现差异表达的基因筛选出来用作下一步分析；

(3)非小细胞肺癌差异表达基因编码的蛋白之间如果有来着HPRD或者BIOGRID数据库的证据表明存在相互作用关系，而且这个作用关系被至少一篇实验文献支持，那么这两个相互作用的蛋白和它们之间的相互作用关系就被纳入非小细胞肺癌生物分子网络；

(4)计算非小细胞肺癌生物分子网络中每个蛋白质的Degree，然后根据如下公式：

${\mathrm{DP}}_i=\frac{{\mathrm{NC}}_i}{\mathrm{NP}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\frac{{\mathrm{NC}}_j}{\mathrm{NP}}{D}_j$

计算非小细胞肺癌生物分子网络中编码每个蛋白的基因的非小细胞肺癌驱动力；

(5)对所有基因的非小细胞肺癌驱动力进行排序，选取排序前十的基因。

3.实验结果

从最终得到基因非小细胞肺癌驱动力前十为：EGFR，TP53，KRAS，CDKN2A，ATM，UBR5，ALK，BRAF，PIK3CA，NRAS。其中排序最高的为EGFR，如近期发表的文献所示(Li et al.,Oncotarget,2015)，EGFR是非小细胞肺癌中非常重要的驱动基因，这与我们的筛选结果一致。

实施例三

1.实验材料

胃癌芯片表达谱数据：下载自GEO数据库(http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi？acc＝GSE30727)；

R：开源计算平台，下载于R官方网站；

Limma分析包：开源分析包，下载于Bioconductor网站；

蛋白质相互作用数据：下载于BioGRID和HPRD数据库；

2.实验方法：

(1)将来自GEO数据库编号为GSE30727数据集的30例胃癌表达谱芯片和30例正常胃组织表达谱芯片在R平台使用Limma软件包进行质控，选择质量合格的芯片数据进行下一步表达谱比较分析；

(2)使用Limma软件包将30例胃癌表达谱分别与30例正常胃组织表达谱进行比较，寻在在每例胃癌中出现差异表达的基因(lgFC>1或lgFC<-1，胃癌VS正常)，将在至少三例胃癌中出现差异表达的基因筛选出来用作下一步分析；

(3)胃癌差异表达基因编码的蛋白之间如果有来着HPRD或者BIOGRID数据库的证据表明存在相互作用关系，而且这个作用关系被至少一篇实验文献支持，那么这两个相互作用的蛋白和它们之间的相互作用关系就被纳入胃癌生物分子网络；

(4)计算胃癌生物分子网络中每个蛋白质的Degree，然后根据如下公式：

${\mathrm{DP}}_i=\frac{{\mathrm{NC}}_i}{\mathrm{NP}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\frac{{\mathrm{NC}}_j}{\mathrm{NP}}{D}_j$

计算胃癌生物分子网络中编码每个蛋白的基因的胃癌驱动力；

(5)对所有基因的胃癌驱动力进行排序，选取排序前十的基因。

3.实验结果

从最终得到基因胃癌驱动力前十为：TP53，ARID1A，CDH1，APC,TRRAP，MLL3，PIK3CA，CTNNB1，MYH9，ZNF521。其中排序最高的为TP53，TP53变异会导致极大提高癌症细胞的生存能力，这与科学界主流认知基本相符。

Claims (8)

1.一种基于生物网络的癌症驱动基因的筛选方法，其特征在于，包括如下步骤：

(1)癌症差异表达基因筛选：选择一套包含癌症组织和对应正常样本的基因表达谱数据集作为分析基础，使用Fold change方法比较基因在每对癌症组织和正常组织中的表达量差异，将在癌症对正常样本比较中出现两倍及以上表达量差异的基因作为候选差异表达基因集合，然后对此集合进行筛选，将至少有三例以上癌症样本支持的基因作为癌症差异表达基因；

(2)癌症生物分子网络构建：整合BIOGRID数据库和HPRD数据库中的人类蛋白质相互作用数据，对蛋白质相互作用的数据进行筛选，筛选标准是：将一篇以上实验文献支持的蛋白质-蛋白质相互作用关系整理出来，删除不符合前述要求的蛋白质-蛋白质相互作用关系，使用筛选后的蛋白质-蛋白质相互作用关系将癌症差异表达基因编码的蛋白连接起来，建立人类癌症生物分子网络；

(3)基于癌症生物分子网络的基因癌症驱动力计算：对人类癌症生物分子网络进行拓扑结构分析，计算每个分子与网络中其他分子相互作用的次数，也就是拓扑学理论中的Degree，作为单个分子的癌变基础效力值，此效力值越高，与此分子作用的癌症分子越多，此分子在癌症中的作用越重要，然后使用如下公式计算网络中编码每个蛋白质分子的基因的癌变驱动力：

${\mathrm{DP}}_i=\frac{{\mathrm{NC}}_i}{\mathrm{NP}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\frac{{\mathrm{NC}}_j}{\mathrm{NP}}{D}_j$

公式(I)

i为癌症生物分子网络中的一个蛋白质；

j为癌症生物分子网络中与蛋白质i相互作用的另一个蛋白质；

n为癌症生物分子网络中与蛋白质i相互作用的蛋白质总数；

DP_i为编码癌症生物分子网络中的一个蛋白质i的基因的癌变驱动力值；

VC_i为发生编码蛋白质i的基因差异表达的癌症样本数目；

NC_j为发生编码蛋白质j的基因差异表达的癌症样本数目；

D_j为蛋白质j的癌变基础效力值，也就是与蛋白质j相互作用的癌症分子总数；

NP为整个数据集合所有癌症样本的数目；

(4)根据驱动力计算结果排序确定癌症驱动基因：对步骤3计算获得的所有基因的癌症驱动力按照数值大小进行排序；数值越大，排序越高，其作为癌症驱动基因的可能性越高，将排序前十位的基因作为此癌症的驱动基因。

2.根据权利要求1所述的一种基于生物网络的癌症驱动基因的筛选方法，其特征在于，所述步骤(1)中的癌症，其类型包括但不限于肝细胞癌、非小细胞肺癌和胃癌。

3.根据权利要求1所述的一种基于生物网络的癌症驱动基因的筛选方法，其特征在于，所述步骤(1)中的癌症组织和对应正常样本的基因表达谱数据来源可以是公共数据库，也可以是自行采集病人组织样本通过高通量芯片或者测序平台分析获得，芯片产生的基因表达谱数据，具体包括但不限于Affiymerix公司的芯片或Agilent公司的基因芯片；转录组测序产生的表达谱数据，具体包括但不限于Illumina公司的测序仪或Life Technologies公司的测序仪产生的数据。

4.根据权利要求1所述的一种基于生物网络的癌症驱动基因的筛选方法，其特征在于，所述步骤(1)中比较基因在每对癌症组织和正常组织中的表达量差异所采用的方法可以采用本领域常用的各种方法，例如包括但不限于：标准Fold Change法、基于标准Fold Change方法改良的能够指示基因差异表达方向的比较方法。

5.根据权利要求1所述的一种基于生物网络的癌症驱动基因的筛选方法，其特征在于，所述步骤(1)中的候选差异表达基因的筛选标准包括但不限于癌症和正常组织两倍差异表达；癌症差异表达基因的筛选标准包括但不限于三例癌症样本支持。

6.根据权利要求1所述的一种基于生物网络的癌症驱动基因的筛选方法，其特征在于，所述步骤(2)中的人类蛋白质相互作用网络数据是本领域常用的各种蛋白质相互作用网络，本发明包括但不限于实验证实的蛋白质相互作用网络数据，本领域技术人员也可以根据本领域常识并结合具体需求选取其他类型的分子相互作用数据。

7.根据权利要求1所述的一种基于生物网络的癌症驱动基因的筛选方法，其特征在于，所述步骤(3)中的癌症生物分子网络为在癌症中发生变异的生物分子通过它们之间的相互作用关系连接而成的网络。

8.根据权利要求1所述的一种基于生物网络的癌症驱动基因的筛选方法，其特征在于，所述步骤(4)中的癌症驱动基因的判定，包括但不限于排序的前十位基因。