基于MOVICS集成聚类的低级别胶质瘤多组学数据整合分子分型

作者：赵鑫; 魏亿芳; 李灵梅; 师国京; 房瑞玲; 曹红艳^*

来源：中华疾病控制杂志, 2023, 27(02): 216-223.

DOI：10.16462/j.cnki.zhjbkz.2023.02.015

• 聚类集成
• 多组学数据
• 分子亚型
• 低级别胶质瘤

目的 探讨癌症分型中的多组学整合与可视化(multi-omics integration and visualization in cancer subtyping, MOVICS)集成聚类方法在低级别胶质瘤(lower-grade gliomas, LGG)多组学数据整合分型中的应用，识别LGG高危患者，筛选出潜在的生物标志物和重要通路。方法 采用MOVICS方法集成LGG多组学数据的10种整合方法的分型结果，得到LGG的稳健分子分型，进一步采用Cox回归研究不同分型患者的死亡风险；针对不同分型，筛选差异表达的mRNA(DEmRNAs),miRNA(DEmiRNAs)以及差异甲基化基因(differential methylation genes, DMGs),对三者进行联合分析得到重合基因，利用GO和KEGG分析得到重合基因富集通路，进一步分析核心基因的表达水平对生存率的影响，最后对不同分型患者进行通路活性分析。结果 LGG患者分为三型，其中，分型3患者的死亡风险是分型1的2.794倍；筛选出1 569个DEmRNAs, 140个DEmiRNAs以及337个DMGs,119个重合基因富集到有统计学差异的26条GO生物功能项和7条KEGG通路；生存分析表明DNAJB14和MTUS1可能与患者生存结局相关。通路活性分析结果显示Androgen、EGFR、Trail和VEGF通路的活性在不同分型间差异有统计学意义。结论 MOVICS聚类集成方法能够有效地对LGG患者进行分型，识别预后高风险患者，筛选出潜在生物标志物以及重要通路，为LGG患者个体化治疗策略的制定提供理论依据。

• 单位
  山西医科大学