生殖系和体细胞突变基因之间的相互作用在侵略性前列腺癌

文摘

诊断前列腺癌(PCa)是最常见的恶性肿瘤,第二个在美国男性癌症相关死亡的主要原因。基因型和新一代高通量测序技术的进步使得发现生殖系遗传易感性的变异和体细胞突变获得在肿瘤形成。新兴的证据表明,生殖系的变化可能与体细胞致癌事件进行交互。然而,可能的致癌生殖系和体细胞变异之间的互动与合作,在积极的PCa在很大程度上仍未知。我们调查可能的致癌基因之间的交互与合作包括生殖系变异从全基因组关联研究(GWAS)和基因包含体细胞突变与侵略性的肿瘤和肿瘤的基因组305名男性52控制癌症基因组图谱样本(TCGA)。网络和通路分析进行识别和生物分子网络途径丰富生殖系和体细胞突变。包含两种生殖系的功能相关的基因分析显示90,体细胞突变。转录组分析显示61 -基因签名包含生殖系和体细胞突变。网络分析显示功能相关的基因和生物分子网络的途径包括P53, STAT3, NKX3-1, KLK3,雄激素受体信号通路富集生殖系和体细胞突变。结果表明,综合分析是一种强大的方法来发现可能的致癌作用和生殖系和体细胞突变之间的合作和理解更广泛的生物环境,他们在积极的PCa。

1。介绍

尽管病人显著进步筛选使用前列腺特异抗原(PSA)和改善病人护理,前列腺癌(PCa)仍然是一个重大的公共卫生问题1,2]。PCa是最诊断癌症和癌症死亡的第二大原因。男性在美国(1,2]。大多数患者出现局部肿瘤仍将是无痛的,即使没有治疗[不造成危害3]。然而,很大比例的患者30% ~ 20%将开发积极的肿瘤,这进步迅速转移形式,往往是致命的,如果不及早发现,及早治疗3,4]。因此,迫切需要对早期诊断的分子标记的发现积极的PCa。

先进的高通量基因分型基因分型和减少成本使发现基因变异,主要是单核苷酸多态性(snp)在此称为遗传突变相关的风险增加发展中使用全基因组关联研究GWAS PCa (5]。这些发现提供了关于遗传易感性的PCa景观基础知识。最值得注意的是,这些发现被纳入风险预测模型的识别高危患者疾病发展中积极的(6,7]。例如,最近,Seibert等人开发和验证一个多基因风险评分指导筛查咄咄逼人的PCa (7]。然而,尽管这非凡的成功,建立遗传易感性与肿瘤发生之间的关系仍然是一个挑战。这些知识差距阻碍了翻译的遗传易感性变异从GWAS研究到临床实践来改善人类健康。

近期的下一代的癌症基因组测序已导致扩大体细胞驱动突变的分子分类PCa和发现期间获得肿瘤发生[8]。大型多中心项目如癌症基因组图谱(TCGA) [9),国际癌症基因组协会(ICGC) [10)进行了一系列详细分析体细胞变化影响肿瘤基因组的零星PCa。发现从这些大规模研究提供有价值的信息的基因组景观肿瘤基因组。然而,到目前为止,没有最大限度地利用体细胞突变信息,并结合生殖系遗传易感性变异的信息来推断可能的致癌作用和生殖系之间的合作机制和积极的PCa体细胞变异。新兴的证据表明,生殖系的变化可能与体细胞致癌事件(11,12]。最近王等人报道生殖系遗传易感性位点和体细胞变化之间的相互作用在肺癌11]。Feigelson等人提出的方法结合生殖系肿瘤基因组数据在癌症研究12]。然而,可能的致癌生殖系和体细胞之间的相互作用改变积极的PCa尚未报道。本探索性研究的目的是调查可能的致癌基因之间的交互和合作和包含包含体细胞突变和基因种系突变激进的PCa。我们的工作假说是基因含有生殖系和体细胞突变和交互功能相关基因调控网络和生物途径推动积极的PCa。解决这个假设我们结合生殖系突变信息来源于GWAS TCGA体细胞突变信息使用基因表达数据咄咄逼人,TCGA的PCa。我们的评估侧重于含有生殖系基因和体细胞突变而不是单个突变理解更广泛的生物背景下合作并建立它们假定的功能之间的桥梁germline-somatic交互和他们控制的途径。

2。材料和方法

2.1。和相关的种系突变基因

我们已经开发并发布的一个全面的目录(snp)遗传易感性的变异和基因与风险增加有关报道的发展从GWAS PCa (5]。在这项研究中,我们使用了一个更新版本的目录。这个目录中的信息补充的信息从GWAS目录13),以确保信息的完整性用于这项研究。细节方法中使用的遗传易感性变异和基因从GWAS早点被描述在我们的出版5]。数据收集方法是基于人类基因组流行病学网络提出的指导方针的系统性评价遗传协会(14- - - - - -18),我们已经描述了在其他地方(5]。在这里,我们提供了一个简短的,但在这项研究中使用的数据的详细描述以及使用的包含和排除标准。

我们回顾了超过200对GWAS PCa发表报告。筛选的报告标题、摘要和全文来识别研究会议我们的合格标准。因为大多数的GWAS没有临床phenotype-specific(即报告。,indolent or aggressive PCa specific), we reviewed all GWAS studies available on PCa. After screening, 150 studies that met our eligibility criteria were selected and subjected to further detailed review. The exclusion criteria for the 50 studies included removal of studies with insufficient or incomplete information, reviews, studies reporting only intergenic regions, and studies with very small sample sizes (i.e., studies containing <500 subjects in cases and controls). For the remaining 150 studies used in this study, they were considered eligible if they met the following criteria: (1) the studies must have been based on a case-control study design using unrelated individuals, (2) publications must have been of full length and published in peer-reviewed journals or online in English language before June 2018, (3) PCa must have been diagnosed by histological examination, (4) the sample sizes must be more than 500 for the cases and more than 500 for the controls to reduce sampling errors, (5) the study must have provided sufficient information such that genotype frequencies for both PCa and controls can be discerned without ambiguity, and (6) the studies must have used the appropriate and recommended statistical methods to infer the associations by taking into account the covariates and accounting for population structure and genetic background [14]。

我们手动提取信息从150项研究会议我们的合格标准和相应的网站包含补充数据。提取的信息包括SNP身份证号码(rs-ID);协会由GWAS的证据P价值;一个复合强(P 10⁻⁸)、中度(P= 10⁻⁵-10年⁻⁷)和弱(P= 10⁻²-10年⁻⁴)协会;基因名称;和相关基因的染色体位置地图由dbSNP数据库(19)和人类基因组数据库命名(20.]。这个搜索产生了超过500个snp的内含子和外显子映射到266个基因从一个人口超过250000例和250000多个控件。GWAS数据集包含了61个基因包含直接相关的遗传变异与风险增加发展中积极的PCa。GWAS目录数据库的数据库交叉引用验证,并确保所有报告和相关基因的遗传变异在数据集表示。基因变异的完整列表和相关基因以及它们的来源或发表的报告中提出了表SA这个报告提供补充数据。

2.2。体细胞突变和基因表达数据的信息

今天,对PCa病人治疗决策指导下各种分层算法(21]。在这些参数中,PCa死亡率的最有力的预测是格里森评分范围从6到10在现代(21]。格里森6年级的存在与癌症特异性死亡率很低,即使没有干预。中间级疾病(等级7)有更多的变量。高格里森8 - 10年级积极,常常是致命的。在这项研究中,我们利用体细胞突变信息和相关的基因来自188名恶性肿瘤的患者(即。肿瘤,格里森TCGA毕业生8 - 10)。此外,由于格里森年级7遵循一个变量的临床过程我们使用4 + 3分被美国泌尿协会分配这组病人积极PCa (21]。对肿瘤的分类中,我们使用TCGA提供的临床资料和分类协议美国泌尿协会(21]。体细胞突变信息和基因从基因组学数据共享和下载是可用的https://gdc.cancer.gov/(22]。

基因表达数据来源于RNA-seq TCGA下载使用基因组学数据共享(环球数码创意)在临床信息数据传输工具https://gdc.cancer.gov/(22]。基因表达数据集包括305名恶性肿瘤的患者和52正常控制样本。注意患者基因表达数据的数量高于测序的病人的数量。数据矩阵与缺失的数据过滤删除行,这样每一行至少使用cpm(每百万计数)≥30%数据过滤器(> 0.5)中实现R (23]。由此产生的数据集是由TMM规范化(M-values)的削减意味着归一化法,然后改变了轰,使用Limma包中实现R (23]。规范化数据包含18428探针,用于分析。调查id和基因符号和名称匹配的解释使用整体数据库,一个数据库用于测序实验的基因注释和测序技术平台。

2.3。数据分析

项目设计和数据分析提出了工作流图1。我们执行公正的全基因组分析比较患者诊断为恶性肿瘤的基因表达水平之间和匹配控制样品使用Limma包中实现R (23差异表达基因)来识别所有重要区分肿瘤和控制样品。这个公正的方法进行了探索,生殖系和不良变异基因以及不变异基因与PCa相关联。我们使用了错误发现率(罗斯福)过程正确的多重假设检验(24]。排名主要依据的基因P价值观和罗斯福。基因被定义为PCa易感性基因如果它属于蛋白编码基因和包含遗传易感性变体(s)和它的表达与主成分分析PCa组织有关风险单核苷酸多态性。一个基因被认为是PCa司机如果它包含体细胞突变有证据PCa相关或PCa-related司机所包含的基因突变。一个基因被认为是参与生殖系和体细胞基因组如果它包含生殖系和体细胞突变。

我们进行了分层聚类使用睡眠[25)使用组差异表达基因识别集群coregulated基因和基因表达谱的相似性评估模式,在生殖系和不良变异和不变异基因。集群数据标准化,规范化,为中心。为集群中,我们使用皮尔逊相关系数作为衡量之间的距离对基因和完整的连锁聚类方法。我们进行了富集分析用聪明才智通路分析(IPA)软件(26)来识别和生物分子网络途径丰富生殖系和体细胞突变。使用异丙醇,最高度显著差异表达基因区分肿瘤患者和控制样本映射到网络和规范的途径。概率得分和日志P值计算正确评估的可能性和可靠性分配到正确的基因和生物分子网络通路。错误发现率用于多重假设检验的正确途径分析。预测的分子网络和生物途径基于z得分排名和日志P值;分别。基因本体论(去)27]分析实现异丙醇进行描述的功能基因在异丙醇中实现的网络之间的关系。根据分子基因分类功能,涉及生物过程和细胞组件。基因被认为是交互或如果他们合作参与相同的分子功能,生物过程,细胞组件,分子网络,或生物通路。

3所示。结果

3.1。发现体细胞突变和不变异基因签名

发现和描述体细胞突变,不变异基因签名,我们进行了全基因组分析比较基因表达水平之间的恶性肿瘤的患者和对照组样本。在控制了多重假设检验,分析显示两个基因签名。一个基因签名由2613年显著(P < 0.05)差异表达基因包含体细胞突变,其中的2298个基因具有高度显著(P < 0.01)差异表达。其他签名由10192年显著(P < 0.05)差异表达基因不含体细胞突变,其中的8913个基因具有高度显著(P < 0.01)差异表达。结果显示签名的34个最高度不良突变基因(≥5突变事件),显著差异表达展示在表1。表中给出了每个基因体细胞突变事件的数量和微分表达式P价值。

高度突变基因的列表包括基因SYNE1、ATM CTNNB1 FZD4,和RYR2与PCa (28- - - - - -32]。显著差异表达的完整列表体细胞突变和包括他们不变异基因突变频率的估计P值和错误发现率提出了补充表S1A(体细胞突变)和表印地(nonsomatic突变)提供补充数据。

3.2。生殖系和体细胞突变基因签名

发现和描述生殖系和体细胞突变基因签名,我们评估情况和控制之间的显著差异表达的基因。我们评估了266个基因包含遗传突变与发展中主成分分析的风险增加有关。得到一个完整的画面,我们进行了一系列的调查。首先,我们调查是否也包含生殖系基因变异港体细胞突变,这些基因是否恶性肿瘤的患者之间差异表达和控制样品。具体来说,我们试图发现与生殖系基因签名,体细胞突变。其次,我们调查是否有任何含有生殖系基因变异患者之间差异表达积极的PCa和控制样品,但不不良改变。第三,我们调查是否有不良改变基因差异表达积极的PCa和患者之间在生殖系控制样品但不改变。

这些分析的结果给出了维恩图2。包含遗传突变评估的266个基因,包含90个基因生殖系和体细胞突变(图2)。这种分析还显示61个基因签名包含生殖系和体细胞突变。第二次调查了117只包含遗传突变基因签名(图2)。第三次调查了2552只包含体细胞突变基因签名(图2)。共有59只包含遗传突变基因和没有显著差异表达。一组29基因含有生殖系和体细胞突变和没有显著差异表达。大约2137只包含体细胞突变基因和没有显著差异表达(图2)。包含约10072个基因显著差异表达但生殖系和体细胞变化(图2)。

结果显示签名的61个基因含有生殖系和体细胞突变都呈现在表2。签名包括基因PGBD1、OXR1 GZF1、ITGAX ORC3, BMPR1B, KLK3, KLK2, NKX3-1, SLC22A3, POU5F1B, LMTK2, NAALADL2, LDAH, PDLIM5, SLC22A3, JAZF1, LMTK2, CASC8, DAP2IP, TIMM23B, MSMB, MYEOV, FLT1, SL35B4,和HNF1B据报道包含基因变异与激进的PCa(表直接相关2)(补充表中提供参考SA)。表中给出了SNP rs-IDs, GWASP表示生殖系突变协会PCa的强度值,生殖系和体细胞突变事件的频率,和基因表达P值表示的意义表达水平之间的肿瘤和控制个体基因样本。

在生殖系的分布有明显的变化和体细胞突变基因。整体包含生殖系的基因变化没有高频体细胞突变(表2)。的基因FGFR2, HOXB13、RNASEL PDLIM5、NKX3-1 KLK2, POU5F1B, KLK3, SLC19A2, SLC22A3, ITGA6, TXB5, ZNF827,和SLC41A1包含多个生殖系突变(表2)。的基因KLK3和KLK2是最高度遗传变异。的基因LRP1B BCL11A,这位朋友,DNAH5、PRDM15 GLI2, TRIM31, TCF7L2, ATF7IP, KIAA1211, ZNF827, FREM1, MDM4, TBX3, LMTK2, STAT3, PKHD1,和IL16包含一个以上的体细胞突变(表2)。的基因LRP1B是最高度不良改变(表吗2)。有趣的是,基因RNASEL, FTO, BMPR1A ITGA6, TCF7L2, FREM1, LMTK2,和STAT3包含与弱到中度协会种系突变被发现含有生殖系和体细胞突变和PCa和控制(表之间的差异表达2)。

3.3。模式包含生殖系和表达谱的体细胞突变

调查的61个基因是否含有生殖系和体细胞突变都是coregulated表达谱和有类似的模式,我们进行层次聚类。结果显示的模式表达谱图3。包含生殖系的分析显示,基因表达谱和体细胞突变也有类似的模式,这表明他们可能coregulated和功能相关。正如预期的那样,有重大的差异基因表达谱的模式。基因表达谱的变化模式中含有生殖系和体细胞突变(图3)可以部分解释,这些基因来自不同人群和不同的临床表型。在这样的条件下观察到的结果是预期。五个基因(KLK2、KLK3 NKX3-1、HOXB13 SIX1)持续高表达在肿瘤和控制样品(图3)。的基因EPHA10、PDLIM5 POU5F1B、DNAH5 EIF2S3, SLC19A2, NAALADL2, ZNF652, MYO6, EBF2, TBX1,和MD4在肿瘤和调节调节控制(图3)。

额外层次聚类相结合的61个基因含有生殖系和只包含生殖系的117个基因突变的体细胞突变还显示相似的基因表达谱模式(这里给出结果不是)。进一步分析将包含生殖系的61个基因和体细胞突变与高度体细胞突变基因(即。,>5 somatic mutation events per gene) also revealed similarity in patterns of expression profiles (results not presented). This suggests that genes containing germline and somatic mutations are likely coregulated and may not only be involved in独联体监管也在反式监管。

3.4。和生物分子网络通路富集分析

对更广泛的生物背景,通过它获得的见解和含有生殖系基因之间的互动与合作,体细胞突变操作,我们进行网络和通路分析使用异丙醇。我们假设基因含有生殖系和体细胞突变在功能上和分子相互作用网络和相关生物学途径丰富生殖系和体细胞突变。因此,我们试图发现分子网络和生物途径丰富生殖系和体细胞突变。作为第一步,我们进行网络和通路分析包括61个基因含有生殖系从表和体细胞突变2和34个基因被发现含有高体细胞突变事件(> 5体细胞突变事件)从表1。在第二步中,我们结合包含生殖系的61个基因变异和体细胞突变和34高度体细胞突变基因的117个基因只包含遗传突变。在这里,我们试图调查可能的致癌生殖系和体细胞基因组之间的相互作用。在这些分析中,我们过滤掉与假基因,并预测交互,只保留≥3基因直接连接来保证网络的可靠性和功能的基因之间的关系网络。

网络和通路分析的结果为61个基因含有生殖系和体细胞突变和34个基因高体细胞突变频率呈现在图4。在图中,基因表现为节点和顶点或实线表示的基因之间的关系。字体颜色的基因符号显示在图中描述的突变事件的传奇。有趣的是,94年的95个基因进行预测显著参与癌症(P < 1.47 x10⁻²²),68年将是直接参与PCa。

正如所料,分析发现基因与多个重叠的功能。最高的网络z分数(z分数= 44)包含的基因EPHB1, FERM2、FREM1 GLI2、HOXB13 KIF16B, KLF4, KLK2, KLK3, MDM4, NKX3-1, PCDH18, PKHD1, RNASEL, SIX1, SPOP, TBX1, TBX3, TBX5,和VPS13D预计参与有机体和组织发展。第二网络的z分数= 31揭示了基因ATF7IP、CTNNB1 EIF2S3、FLG FOXA1, FZD4, IKZF2, KCNN3, MACF1, PPFIBP2, PRDM15, PTPRD, SLC19A2, STAT3, TCF7L2,和TNS3预计参与癌症细胞的发展,扩散。

在网络(图4)基因在紫色字体包含生殖系和体细胞突变,基因在蓝色字体显示基因体细胞突变频率高> 5,而基因名字用红色字体显示包含遗传突变基因与激进的PCa直接相关。正如在图4,包括生殖系和体细胞突变的基因被发现是相关功能和相互作用。此外,包含生殖系和体细胞突变的基因被发现是最高度不良突变基因的相互作用。

路径分析显示各种信号通路富集生殖系和体细胞突变。最重要的途径包括PCa信号通路(P < 5.81 x10⁻⁶)相关基因自动取款机,CTNNB1 FGFR2, KLK3 NKX3-1,和PIK3CA;MSP-RON信号通路(P < 1.54 x10⁻⁵)相关基因自动取款机,FGFR2, KLK2 KLK3,和PIK3CA和P53信号通路(P < 1.24 x10⁻⁴)和相关的基因自动取款机,CTNNB1 FGFR2, MDM4,和PIK3CA;和癌症信号通路的分子机制(P < 3.19 x10⁻⁴)相关基因ATM、BMPR1A BMPR1B、CTNNB1 FGFR2, FZD4, PIK3CA,和PLCB4。有趣的是,发现的途径包括基因包含基因变异与激进的PCa ATM和KLK3等直接相关。

网络和通路分析的结果的基础上结合包含生殖系的61个基因变异和体细胞突变和34高度不良突变基因的117个基因包含唯一的种系突变是呈现在图5。在这里,我们试图调查可能的致癌生殖系和体细胞基因组之间的相互作用。分析显示15网络包含基因与多个重叠函数z分数范围从2到34。前网络与z分数30 - 34包含基因预测参与癌症和细胞周期。结果显示功能的基因之间的关系如图三大网络5。网络分析表明基因含有生殖系和体细胞突变,体细胞突变频率高,只包含遗传突变基因(图功能相关5)。有趣的是,基因包含基因变异与激进的PCa(直接相关KLK2、JAZF1 KLK3,和HNF1BP)被发现与其他组基因相互作用。

路径分析发现生物学途径丰富生殖系和体细胞突变。有趣的是,只包含生殖系基因变异被发现参与相同的路径只含体细胞突变的基因。这表明,生殖系和体细胞突变可能通过合作途径。最重要的途径是MSP-RON信号通路(P < 3.21 x10⁻⁸)、癌症的分子机制(P < 3.31 x10⁻⁷),PDGF信号(P < 4.00 x10⁻⁷)、轴突引导信号(P < 5.60 x10⁻⁷)、P53信号(P < 1.38 x10⁻⁶)和STAT3信号通路(P < 7.40 x10⁻⁶)。有趣的是在两个网络和通路分析,基因包含基因变异与强和温和的弱关联功能相关的和相互作用的基因被发现含有体细胞突变。

4所示。讨论

癌症基因组的研究主要关注了解体细胞突变或转录组在肿瘤发生过程中出现的变化。多年,几十年来,生殖系和体细胞突变信息通常是分析和报告为独立的努力。数百个基因变异和基因有关的风险增加发展中主成分分析在GWAS已报告(5]。同样,数以百计的体细胞突变和基因已经被报道9,10]。然而,证据表明,生殖系的变化可能与体细胞事件驱动致癌作用[33- - - - - -35]。在这个探索性研究中,我们调查了可能致癌基因含有生殖系之间的互动与合作,体细胞突变。我们发现的证据表明,包含也含有种系突变体细胞突变基因,而这些基因的功能和分子相互作用网络和相关生物学途径丰富的基因改变。我们的分析显示,致癌生殖系之间的互动与合作,体细胞突变可能发生通过分子网络和生物通路。据我们所知这是第一个研究表明含有生殖系基因突变也包含体细胞突变,这些基因在分子相互作用网络和生物途径积极的PCa。小说方面的研究是生殖系和体细胞突变可以通过分子互动和合作网络和生物学途径推动积极的PCa。这些结果的临床意义,这些信息可用于开发新的精密预防策略和多基因风险分数来识别高危男性发展积极的PCa (6,7]。

在这项研究中,体细胞突变评价资料显示,包含遗传易感性基因变异并没有表现出一个总体体细胞突变频率的增加。这是最近的一项研究的结果一致,探索体细胞突变一系列癌症易感性地区内配置文件(36]。在这份报告中,作者发现,癌症易感性基因区域没有表现出高体细胞突变频率(36]。然而,发表分析认为整体体细胞突变,代表大部分旅客突变,而我们的研究集中在网络和通路分析获得的见解更广泛的生物环境生殖系和体细胞突变可能合作推动积极的PCa。重要的是,网络和通路分析表明,生殖系和体细胞突变参与许多常见信号通路与PCa。有趣的是,许多高度不良变异基因不包含遗传突变被发现与生殖系突变基因在生物通路。这表明,生殖系之间的合作和体细胞变更可能不仅涉及独联体监管也反式通过分子网络调控和生物通路。临床意义是这样的途径可以作为小说的发展目标有针对性的治疗。虽然我们没有调查监管机制和生殖系变异对基因表达的影响在这项研究中,PCa协会风险变异与基因表达在肿瘤和正常组织报道37]。此外,基因变异在人类前列腺转录组通过使用能够allele-specific表达式报道[38]。

生殖系突变基因的体细胞突变频率较低可能是由于自然选择可能会使特定基因具有选择性的优势(39]。例如,基因改造、克隆选择和肿瘤微环境的演化,可能造成对独特的生理特点选择压力下导致增加突变体细胞或肿瘤基因组作为本研究中观察到的最高体细胞突变的基因,这一现象已在主成分分析报告(39]。尽管我们的方法集中在PCa、方法论和方法可以应用于其他癌症。

这种探索性研究调查了可能致癌和含有生殖系基因之间的互动与合作,体细胞突变。然而,必须承认这项研究的局限性。重要的局限性包括之间缺乏一致的方法论的报告研究高低年级PCa在GWAS研究可以混淆的结果。此外,基因变异和基因从GWAS来自许多不同的人群。基因表达可以从文献特定人群和有证据表明,一些变异遗传易感性可能赋予特定人群的风险(40]。值得注意的是,本研究关注欧洲血统的人因为人口在GWAS和TCGA表示。未来的研究应该包括其他种族人群,特别是那些未被充分代表的基因组研究非裔美国人更多地受到了激进的PCa。

5。结论

我们的研究结果表明可能的致癌基因之间的互动与合作包含生殖系变异和体细胞突变。结果显示生殖系和体细胞变异之间的复杂的相互作用,强调需要进一步的研究来了解遗传变异和体细胞变化推动积极互动PCa在不同的人群。此外,功能实验的发现这些相互作用的分子机制和生殖系和体细胞基因组之间的合作。

数据可用性

生殖系突变信息从GWAS连同原始信息来源补充表中提供的补充材料SA。原始数据在体细胞突变,基因表达数据,TCGA通过基因组学临床信息数据共享https://gdc.cancer.gov/。

信息披露

这份报告的内容是完全的责任作者和不代表官方观点的美国国立卫生研究院或任何资金来源。

的利益冲突

作者宣称没有利益冲突。

确认

作者要感谢医学院为这项研究提供资金支持和病人自愿并提供肿瘤样本用于生成TCGA GWAS和数据。这项研究受到了新奥尔良路易斯安那州立大学医学院的。LSUHSC # U54 GM12254691和阿拉巴马大学# UL1TR001417资助也承认。

补充材料

表印地:列表显著差异表达nonsomatic突变基因与激进的PCa的估计P值,调整P值,并记录褶皱变化。桌子山:单核苷酸多态性的全面列表(以下称为基因变异)。表S1A:列表显著差异表达体细胞突变基因与激进的PCa。(补充材料)

引用

1. r·l·西格尔,k·d·米勒和a . Jemal癌症统计数据,2017年,“CA:临床医生的癌症杂志》上,卷67,不。1,7-30,2017页。视图:出版商的网站|谷歌学术搜索
2. 美国癌症协会,2017年癌症的事实和数据(年度报告)。
3. m . s . Litwin h . Tan,“前列腺癌的诊断和治疗。”美国医学协会杂志》上,卷317,不。24日,第2542 - 2532页,2017年。视图:出版商的网站|谷歌学术搜索
4. l·m·菲茨杰拉德e . m . Kwon m p Conomos et al .,“全基因组关联研究确定了一个基因变异与更具侵略性前列腺癌的风险,”癌症流行病学,生物标记与预防》上,20卷,不。6,1196 - 1203年,2011页。视图:出版商的网站|谷歌学术搜索
5. c·希克斯,l .德国美诺公司t Koganti, s . Vijayakumar”综合评价和网络分析的新兴遗传易感性的前列腺癌,”癌症信息学》12卷,第191 - 175页,2013年。视图:谷歌学术搜索
6. m·阿里,功能f .但,j .徐et al .,“多基因风险评分改善患前列腺癌的风险预测:Stockholm-1队列研究的结果,“欧洲泌尿学,60卷,不。1,第21至28,2011页。视图:出版商的网站|谷歌学术搜索
7. n .邵y朱,d .你们,“多基因风险评分在前列腺特异性抗原(PSA)筛查前列腺癌,”平移癌症研究,7卷,不。S7, S743-S744, 2018页。视图:出版商的网站|谷歌学术搜索
8. 答:为了,j .安r . Kbani et al .,“原发性前列腺癌的分子分类,”细胞,卷163,不。4、1011 - 1025年,2015页。视图:谷歌学术搜索
9. j·n·温斯坦·e·a·Collisson g·b·米尔斯et al .,“癌症基因组图谱pan-cancer分析项目,”自然遗传学,45卷,不。10日,1113 - 1120年,2013页。视图:谷歌学术搜索
10. 国际癌症基因组协会”,癌症基因组项目的国际网络。”自然卷,464年,第998 - 993页,2010年。视图:谷歌学术搜索
11. c . y . Wang Wang j . Zhang et al .,“交互分析生殖系易感性位点和体细胞之间改变肺癌,”国际癌症杂志》上,卷143,不。4、878 - 885年,2018页。视图:出版商的网站|谷歌学术搜索
12. h . s . Feigelson k·a·b·戈达德c Hollombe et al .,“生殖系肿瘤基因组数据集成方法在癌症研究中,“致癌作用,35卷,不。10日,2157 - 2163年,2014页。视图:出版商的网站|谷歌学术搜索
13. d .翻滚,j·麦克阿瑟,j·莫拉莱斯et al .,“NHGRI GWAS目录,策划资源SNP-trait关联,”核酸的研究,42卷,不。1,D1001-D1006, 2014页。视图:出版商的网站|谷歌学术搜索
14. j·p·a·埃尼迪斯,p . Boffetta j . et al。”累积证据评估遗传关联:临时指南”国际流行病学杂志,37卷,不。1,第132 - 120页,2008。视图:出版商的网站|谷歌学术搜索
15. m·j·库利·l·伯特伦,p . Boffetta et al .,“全基因组关联研究,实地对照表,知识库的发展在遗传变异和人类疾病,”美国流行病学杂志》,卷170,不。3、269 - 279年,2009页。视图:出版商的网站|谷歌学术搜索
16. g . s . Sagoo j .小j·p·希金斯,“基因关联研究的系统评价,”《公共科学图书馆·医学》杂志上》第六卷,没有。3 p . e28 2009。视图:出版商的网站|谷歌学术搜索
17. d .一大早,a Liberati,泰兹拉夫·j·d·g·奥特曼”首选项报告系统评价和荟萃分析:棱镜声明,“临床流行病学杂志卷,151年,第269 - 264页,2009年。视图:谷歌学术搜索
18. a . Liberati d·g·奥特曼,泰兹拉夫j . et al .,“棱镜声明报告系统评价和荟萃分析研究,评估卫生保健干预措施:解释和精化,”《公共科学图书馆·医学》杂志上》第六卷,文章ID e1000100, 2009。视图:谷歌学术搜索
19. dbSNP,http://www.ncbi.nlm.nih.gov/SNP/。
20. 人类基因命名委员会(HGNC),http://www.genenames.org/。
21. m . s . Cookson g .来自a·l·伯内特et al .,“变化的定义生化复发治疗局限性前列腺癌的病人:美国泌尿协会局限性前列腺癌前列腺指南更新面板的报告和建议的标准手术结果的报告,“泌尿学杂志,卷177,不。2、540 - 545年,2007页。视图:出版商的网站|谷歌学术搜索
22. 国家癌症研究所,基因组数据共享,https://gdc.cancer.gov/。
23. 吴m·e·里奇Phipson, d . et al .,“Limma权力RNA-sequencing和微阵列研究微分表达式分析”核酸的研究,43卷,不。7 p . e47 2015。视图:出版商的网站|谷歌学术搜索
24. y Benjamini和y .业务控制错误发现率:一个实用和强大的多个测试方法,”皇家统计学会学报B:方法论卷,57号1,第300 - 289页,1995。视图:谷歌学术搜索|MathSciNet
25. 睡眠,https://software.broadinstitute.org/morpheus/。
26. 创新路径分析(IPA)系统,红木,CA:智慧系统,http://www.ingenuity.com/。
27. m . ashburn c a球,j·a·布莱克et al .,“基因本体:工具的统一生物学,”自然遗传学,25卷,不。1、25 - 29,2000页。视图:出版商的网站|谷歌学术搜索
28. x p . y . Cheng Yu段et al .,“全基因组分析,雄激素受体结合位点在前列腺癌细胞中,“实验和医学治疗,9卷,不。6,2319 - 2324年,2015页。视图:出版商的网站|谷歌学术搜索
29. c·c·h·h . Cheng Pritchard b,蒙哥马利市d·w·林和p . s . Nelson”前列腺癌筛查在遗传学的新时代,”临床泌尿生殖器的癌症,15卷,不。6,625 - 628年,2017页。视图:出版商的网站|谷歌学术搜索
30. m·吉拉德j .缺乏a Pontier et al .,“综合同步癌症基因组分析的焦点涉及CTNNB1和导管前列腺癌中PTEN的改变,”欧洲泌尿外科重点,2017年。视图:出版商的网站|谷歌学术搜索
31. 古普塔,k . Iljin h . Sara et al .,“FZD4作为调停者的ERG oncogene-induced WNT信号和人类前列腺癌细胞epithelial-to-mesenchymal过渡,“癌症研究,卷70,不。17日,第6745 - 6735页,2010年。视图:出版商的网站|谷歌学术搜索
32. p .总司长n . Prevarskaya m . m . Roudbaraki et al .,”功能的证据阿诺定受体在前列腺癌(LNCaP)细胞的凋亡,”前列腺,43卷,不。3、205 - 214年,2000页。视图:出版商的网站|谷歌学术搜索
33. h·卡特r·马蒂·m·Hofree et al .,“互动景观癌症的遗传多态性与体细胞事件”癌症的发现,7卷,不。4、410 - 423年,2017页。视图:出版商的网站|谷歌学术搜索
34. n . Bonifaci b Gorski, b . Masojćet al .,“探索生殖系之间的联系和体细胞在乳腺癌致癌基因改变,”《公共科学图书馆•综合》,5卷,不。11日,2010 p . e14078。视图:出版商的网站|谷歌学术搜索
35. t . g . Grunewald和o . Delattre体细胞突变和遗传易感性之间的合作在肿瘤发生变异——一个危险的联络,“分子和细胞肿瘤,3卷,不。3 p . e1086853 2015。视图:出版商的网站|谷歌学术搜索
36. v . a . m . j . Machiela b . m . Ho费舍尔,x,和s . j . Chanock“有限的证据表明,体细胞突变,癌症易感区域优惠目标”基因组生物学,16卷,不。1,货号。193年,2015年。视图:出版商的网站|谷歌学术搜索
37. k . l . Penney j·a·辛诺特美国Tyekucheva et al .,”协会患前列腺癌的风险变异基因表达在正常和肿瘤组织,”癌症流行病学生物标记与预防》上,24卷,不。1,第260 - 255页,2015。视图:出版商的网站|谷歌学术搜索
38. n .拉尔森美国麦克唐纳,a .法国et al .,“全面评估cis监管变化在人类前列腺转录组通过使用能够allele-specific表情,“美国人类遗传学杂志》上,卷96,不。6,869 - 882年,2015页。视图:出版商的网站|谷歌学术搜索
39. c的歌,“达尔文选择在前列腺癌和医疗,”国际临床医学杂志》上,08年卷,没有。06年,353 - 367年,2017页。视图:出版商的网站|谷歌学术搜索
40. d . v .孔蒂k . Wang x,和j·t·Bensen”两个新的前列腺癌易感性位点在非洲血统的人,”美国国家癌症研究所杂志》上,9卷,不。8,2017。视图:谷歌学术搜索

版权

版权©2019塔伦Karthik Kumar Mamidi等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。