摘要
胃癌 (GC) 是导致死亡的主要原因。10% 的胃癌与 eb 病毒感染有关。EBV 基因在GC中发挥的详细作用机制，特别是病毒基因和人类基因之间的相互作用仍不清楚。在这项研究中，从 TCGA下载了 285 个 GC 样本的原始 fastq 数据，包括25个EBV阳性 (EBV +) GC样本和 260个EBV 阴性 (EBV-) GC 样本。对于人类基因（在所有样本中）和EBV基因（在 25 个 EBV +样本中），均生成了基于 RNA-seq 的表达数据。生物信息学分析被执行在 EBV + 与 EBV-样品识别差别表示(DEx) 人的基因和 DEx KEGG小径并且在 DEx 基因之间的共同表达的人的基因模块和中心基因。在 EBV + 样本中，分析 EBV 基因表达和人类基因表达模块之间的相关性，EBV 基因表达和人类中心基因之间的相关性，以及 EBV 基因表达和 DEx 人类通路之间的相关性。发现EBV基因LMP-1、BALF1 和BALF2与人类hub基因、CNTD2和 VANGL2 有显著相关性。发现 EBV 基因 BALF4 和 BALF5 与人类通路相关，包括 Jak-STAT信号和磷脂酰肌醇信号系统。我们的研究揭示了 EBV与人类GC转录组之间的协调表达模式，并通过与人类基因和通路的相互作用确定了几个可能在EBV + GC发病机制中起重要作用的 EBV 关键基因。
研究结果
图1
图1：5个EBV 基因的读取计数，共发现 939 个基因在 Bonferroni 校正 p 值 < 0.05 的显著性水平上差异表达，其中 EBV + 与 EBV-样本中表达上调的基因 189 个，下调的基因 750 个。
图2
图2：EBV基因与人类的相互作用网络模块5。
图3
图3：EBV 基因与人类中枢基因的相互作用网络
图4
图4：第一步是数据特征提取（A），第二步是单因素相关分析（B），第三步是多因素相关分析（C）。
单因素和多因素分析是临床研究的入门统计技术了，关键性难度在于测序数据分析方面，基因组数据本来就复杂，这里又需要分析人和病毒两个转录组，其中的多重检验会导致很多的假阳性率，所以需要降维和校正。
总结
这篇文章的创新在于揭示了EB病毒基因与人类胃癌转录组的交互作用。EB病毒同胃癌的关系文献早有报道，研究分子机制是常规思路，而用生物信息学、统计学方法从TCGA （The Cancer Genome Atlas） 数据库挖掘到特征性分子标记进行EB病毒与人基因的交互网络分析，则是新颖的切入点，这个模式借鉴一下，微生物+癌症基因组合，潜在的资源颇丰。
DOI：10.18632/oncotarget.16417
参考文献
[1].Bray F, Ren JS, Masuyer E, Ferlay J. Global estimates of cancer prevalence for 27 sites in the adult population in 2008. Int J Cancer. 2013;132:1133–1145.
[2].de Martel C, Forman D, Plummer M. Gastric cancer: epidemiology and risk factors. Gastroenterol Clin North Am. 2013;42:219–240.
[3].Correa P. Human gastric carcinogenesis: a multistep and multifactorial process—First American Cancer Society Award Lecture on Cancer Epidemiology and Prevention. Cancer Res. 1992;52:6735– 6740.
END
为帮助科研人员快速找到所需文献，节省科研时间，提高科研效率，我们上线了医学小助手,扫描二维码添加即可一对一解答问题,全部免费哦！
联系客服
