文摘

过氧物酶体proliferator-activated受体(PPARs)是核转录因子的成员。PPAR家庭的功能(PPARA、PPARD PPARG)及其辅活化因子(PPARGC1A和PPARGC1B)维护的脂质和葡萄糖稳态已经公布了。然而,PPARs的角色在癌症发展仍然是难以捉摸的。在这项工作中,我们利用TCGA 33 11057名样本的肿瘤类型分析PPAR转录表达与肿瘤发生之间的关系以及药物敏感性。PPARG,我们进行了多维分析PPARA PPARD, PPARGC1A, PPARGC1B,包括微分表达式分析pan-cancer,免疫亚型分析、临床分析、肿瘤纯度分析,具备干细胞相关分析和药物反应。PPARs及其辅活化因子表达在不同类型的癌症,在不同免疫亚型。这种分析揭示了不同的表达模式pan-cancer PPAR家庭水平的,为癌症的治疗策略提供新线索。

1。介绍

过氧物酶体proliferator-activated受体(PPARs),核受体亚科的成员,是配体依赖性转录因子系列(TFs)调节靶基因的表达,包括在各种生物过程,包括细胞分化、细胞增殖,脂质代谢和肿瘤发生1]。PPARs可以激活不同的配体,如脂肪酸(FAs)、二十烷类,一些靶向药物(2]。在配体结合,PPARs形成异质二聚体类维生素a X受体(RXR),和这个PPAR / RXR复杂随后需要绑定到特定的DNA区域PPAR响应元素(ppr)基因发起人地区(3]。PPARs之后触发目标基因的转录辅活化因子和发布的招聘辅阻遏物(4]。PPARGC1A PPARGC1B和过氧物酶体proliferator-activated受体γ辅活化因子1α和β,分别扮演重要角色的PPAR信号网络(5]。主要有三个同形像的PPARs截然不同的组织分布、代谢模式,和配体特异性:PPARα,PPARγ,PPARδ(6]。虽然三个同形像的角色在致癌作用和化学预防没有明显特征(7),其中一些受体激动剂在临床试验中已经使用多年。没有结论关于PPAR的抗肿瘤功能但有争议的结果α和PPARγ(8]。PPARs不同于彼此的特点,以及不同的同形像在不同类型的癌症可能有不同的影响。到目前为止,没有生物信息学研究系统地调查pan-cancer每个PPAR的转录水平。因此,它是重要的研究PPARs pan-cancer的表达模式和利用的潜力PPAR-targeted药物治疗时不同PPAR-expressed肿瘤。

在这项研究中,我们分析了表达式PPARA签名,PPARD, PPARG, PPARGC1AA, PPARGC1B pan-cancer。利用多维相关分析,我们发现转录水平之间的关联PPARs具备干细胞,肿瘤纯洁,和药物敏感性,TCGA癌症。

2。材料和方法

2.1。数据下载和预处理

2020年6月23日,基因表达谱,表型信息,和生存数据PARRA, PPARD, PPARG, PPARGC1A, PPARGC1B 33 TCGA类型的肿瘤样本和邻近组织(共11057个样本)下载的环球数码创意TCGA集UCSC齐娜数据库(http://xena.ucsc.edu/)格式的每百万(FPKM)和HTSeq-Counts每千碱基片段。同时,人口结构,肿瘤信息,后续所有的病人的数据也从数据库中提取出来的。

TCGA 33类型的肿瘤和缩写如下:肾上腺皮质癌(ACC),膀胱移行细胞癌(BLCA),乳腺浸润性癌(BRCA),宫颈鳞状细胞癌和子宫腺癌(塞斯克),胆管癌(胆固醇),结肠腺癌(COAD),淋巴肿瘤弥漫型大b细胞淋巴瘤(DLBC),食管癌(光电子能谱)多形性胶质母细胞瘤(GBM),头颈鳞状细胞癌(HNSC),肾脏Chromophobe (KICH),肾肾透明细胞癌(KIRC),肾肾乳头状细胞癌(KIRP),急性髓系白血病(LAML),大脑神经胶质瘤低年级(LGG),肝脏肝细胞癌(LIHC),肺腺癌(LUAD),肺鳞状细胞癌(LUSC),间皮瘤(内消旋),卵巢浆液性囊腺癌(OV),胰腺腺癌(PAAD),嗜铬细胞瘤和副神经节瘤(PCPG),前列腺腺癌(马),直肠腺癌(读),肉瘤(不仅),皮肤皮肤黑色素瘤(SKCM),胃腺癌(STAD),睾丸生殖细胞肿瘤(TGCT),甲状腺癌(THCA),胸腺瘤(THYM),子宫语料库子宫内膜癌(UCEC),子宫癌肉瘤(UCS),和葡萄膜黑色素瘤(UVM)环球数码创意TCGA UCSC的齐娜数据库中的文档。

2.2。微分表达式分析和Coexpression分析PPARs肿瘤与正常样本

对于每个和所有TCGA肿瘤类型,我们使用了“ggpubr”R包进行差异表达分析(Wilcox测试)在肿瘤和正常组织之间。只有肿瘤类型包括超过正常样本。5 PPAR家族基因的表达差异提出pan-cancer中的一种log2褶皱变化(log2 FC)的热图。

使用corrplot R包,coexpression PPARA之间的分析,PPARD, PPARG, PPARGC1B, PPARGC2B也做在转录水平上,探讨潜在每两PPAR基因表达模式之间。此外,蛋白质相互作用网络中这些基因是由使用字符串数据库(https://string-db.org/)[9]。

2.3。临床相关分析

分析患者总生存期结果差异表达PPARs和低水平高,生成的kaplan - meier情节pan-cancer PPAR基因的利用R包。33,TCGA癌症表型和生存数据下载6月23日,2020年,从UCSC的环球数码创意TCGA集齐娜数据库(http://xena.ucsc.edu/)。患者分为高-低表达组根据PPARA表达水平的中位数,PPARD, PPARGC1A和PPARGC1B分别。

此外,应用Cox比例风险回归PPARA访问风险比率,PPARD, TCGA PPARG, PPARGC1A, PPARGC1B每个肿瘤类型。此外,微分分析也用于检测签名PPAR表达水平的差异的不同阶段STAD为例。意义的阈值设置为一对 。

2.4。免疫亚型分析

肿瘤免疫微环境的角色(时差)抗肿瘤疗法的治疗和预后意义。6免疫TCGA亚型在肿瘤类型已被调查人员确定基于五个代表免疫签名,这提供了一个资源分析一些具体的时差肿瘤。TCGA的肿瘤,免疫亚型的分布相互不同,每个免疫亚型呈现不同的生物学和临床特征,这从一定程度上确定抗肿瘤治疗(10]。PPARA访问信使rna表达水平,PPARD, PPARG, PPARGC1A,和PPARGC2B六种不同免疫跨TGCA肿瘤类型的子类型,我们执行微分表达式分析Kruskal测试。肿瘤的特点是immunogenomic特性被Thorsson et al .,包括伤口愈合(C1),干扰素-γ主导(C2),炎症(C3),淋巴细胞减少(C4),免疫安静(C5), TGF -β主导(C6) [10]。

2.5。具备干细胞在Pan-Cancer指数和时间

肿瘤细胞多,固体肿瘤组织由其他正常细胞,如基质细胞、免疫细胞和血管细胞,,开心的在一起。我们旨在分析PPAR表达之间的相关性和分数TCGA基质和免疫细胞的肿瘤样本。方法来访问这两个时间的比例组件已经被提出,其中一个是估计(STormal估计和免疫细胞恶性肿瘤使用表达数据)(11]。估计分数计算是基于基因表达签名和能反映肿瘤纯度和良好的预测精度。因此,斯皮尔曼相关分析进行5 PPAR基因的表达水平和基质之间的分数通过估计包和limma包。

进一步分析PPARs之间的关联和pan-cancer具备干细胞特征,我们计算了具备干细胞指数TCGA的肿瘤样本通过看到下面成了逻辑回归(OCLR)算法和斯皮尔曼相关分析执行基于基因表达和具备干细胞分数(12]。具备干细胞指数描述自我更新的特点和在肿瘤细胞去分化,这可能促进远处转移和肿瘤发生。这里,获得具备干细胞两类指标,包括DNA methylation-based具备干细胞指数(DNA)具备干细胞和mRNA表达式指数(rna)。

乳腺浸润性癌和肝肝细胞癌,具体地说,我们访问的rna, dna,基质得分,免疫得分,估计分数(代数和基质的分数和免疫分数)来分析相关关系PPAR转录表达。

2.6。在Pan-Cancer药物敏感性分析

数据包括RNA-seq概要PPAR基因和药物活动从CellMiner下载数据库(https://discover.nci.nih.gov/cellminer/)。从Bioconductor转嫁包(http://www.bioconductor.org/packages/release/bioc/html/impute.html)对原始数据进行预处理。CellMiner与基因组是一个基于web的工具和药物信息调查人员利用文字记录和药物反应NCI-60细胞系中的数据集,由美国国家癌症研究所(编译13]。22379个基因的转录表达水平,360小分子核糖核酸,可用20503种化合物的药物反应CellMiner网站(14]。探索PPAR基因的转录表达之间的相关性和复合敏感性,我们跟着董的方法等。15),两者之间的皮尔逊相关分析进行控制的 值< 0.05。

3所示。结果

3.1。微分表达式分析和Coexpression分析PPARs肿瘤与正常样本

总结了分析过程的流程图如图1。PPARA的基因表达,PPARD、PPARG PPARGC1A, PPARGC1B(图显示2(一个))。微分表达式分析Wilcox测试进行5 PPAR家族基因在肿瘤和paratumor样品(图2 (b))。5 PPAR基因,或调节在大多数类型的肿瘤。PPARA、PPARG PPARGC1A, PPARGC1B被认为与低表达在大多数肿瘤而PPARD主要是调节。


图1
本研究的流程图。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
(h)
(h)
图2
差异表达分析。(一)箱线图显示PPARs的转录表达水平。(b)的热图显示PPARs的转录水平与正常组织相比,TCGA肿瘤类型;渐变颜色代表日志褶皱(logFC)值的变化。的盒型图(c g)的微分表达式PPARs PPARGC1A PPARGC1B在正常和肿瘤组织( ; ; );(h) coexpression分析每两基因之间的相关系数。

具体地说,与正常组织相比,观察PPARA低表达在大多数类型的肿瘤除了pan-lung: LUAD LUSC。同样清楚的是,PPARA是唯一的基因表达下调的PPAR家庭在胆固醇( ,图2 (c))。然而,有趣的是,我们发现的重要过度PPARD胆固醇( ,图2 (d))。有一个显著的PPARG BRCA微分表达式。超过BRCA,两肺肿瘤,LUAD LUSC,表示低PPARG ( ),这是对面PPARA PPARD以及不同于其他4 PPAR家族基因(图2 (e))。观察的重要过度PPARGC1A KICH ( ),在差别和对这些KIRC和THCA ( )(图2 (f))。

我们也查询PPAR蛋白质表达的人类蛋白质图谱数据库(https://www.proteinatlas.org),PPAR蛋白质结合到特定的抗体在肿瘤和正常的问题是显示在图S1倾向于遵循相同的表达模式为微分表达式的结果分析。

Coexpression分析显示相关性( )PPARA和PPARGC1A之间,表明这两个基因(图之间潜在的积极互动2 (h)),这进一步证实了蛋白质交互网络(图(PPI)S2)。coexpression关系之间也可以观察到PPARA和PPARG ( , )。相比之下,一个不同的coexpression模式被视为PPARGC1A和PPAGC1B之间负相关( , )。

3.2。临床相关分析

我们使用kaplan meier分析PPARA、PPARD PPARG, PPARGC1A, PPARGC1B在33 TCGA肿瘤(数字3(一个)- - - - - -3 (f))。基于基因表达值,中位数患者分为高、低组。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
(g)
(g)
图3
生存分析的结果在pan-cancer PPARs。(f) kaplan meier块PPARs pan-cancer微分生存结果的高PPAR和低PPAR ( )。(g) Cox比例风险分析说明风险比率(小时)PPARs在33 TCGA肿瘤;的PPARs 在某些类型的癌症被认为是危险因素的类型的癌症,这是不利的对预后结果。

PPARA明显的低表达与患者的不良预后相关KIRC ( ,图3(一个)),“绿带运动”( ),和LGG ( )。

相比之下,高表达PPARD是与更糟LGG患者的临床结果( ),LIHC ( ),和不仅( )虽然PPARD升高导致BLCA(更好的临床结果 )和UVM ( )。

PPARG的高表达和PPARGC1A与更好的预后结果KRIC ( ,数据3 (c)和3 (d))。同样,PPARGC1B的低表达可能不太有利的迹象患者临床结果的读取( ,图3 (f)),这是符合不同低表达阅读相比paratumor样本。

Cox比例风险回归应用于检测预后PPARA角色,PPARD, TCGA PPARG, PPARGC1A, PPARGC1B 33肿瘤。基因与 被认为是作为一种预后因子。从森林图(图3 (g)),我们发现PPARD和PPARG pan-cancer的意义 在大多数癌症类型。

具体来说,在STAD,我们发现PPARG的表达( )和PPARGC1A ( )是与TNM阶段。PPARG的表达水平相对较低的在第四阶段III和更高的阶段。与其他TNM阶段相比,PPARGC1A的表达水平最高的阶段,其次是四期,在II期和III期相对较低(图4)。PPAR家族基因的表达水平的差异在不同TNM阶段可能作为预测肿瘤的临床应用的发展。


图4
差异基因表达水平的PPARs STAD肿瘤在不同阶段(PPARG: ;PPARGC1A: )。
3.3。免疫亚型分析

我们应用微分表达式分析Kruskal测试5 PPAR基因的mRNA表达6免疫亚型在33 TCGA肿瘤类型(图5(一个))。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图5
之间的相关分析结果PPAR和免疫亚型的成员。(a)的转录表达PPARs C1-C6免疫在TCGA癌症亚型。(罪犯)箱形图显示在LIHC PPAR免疫亚型的表达水平,BRCA和不仅分别( ; ; )。LIHC:肝脏肝细胞癌;BRCA:乳腺浸润性癌;不仅:肉瘤。

的表达模式PPARA ( ),PPARD ( ),PPARG ( ),PPARGC1A ( ),和PPARGC1B ( )不同免疫亚型在pan-cancers(图65(一个))。显然,PPARD C1-C6整体排名第一的表达水平。

此外,不同类型的肿瘤显示在免疫亚型变异。LIHC C1-C6免疫亚型的,有差异的表达PPARA ( ),PPARD ( ),和PPARGC1A ( )(图5 (b))。C6 PPARA表达最高,其次是C4和C3, C4最低PPARD的表情。PPARGC1A多样的表达水平免疫亚型,与C3、C4、C6相对高而C1和C2低。

BRCA,显著差异观察PPAR家族基因的表达在免疫亚型(图65 (c))。一般来说,C4最低PPAR基因的表达。PPARA的表达( ),PPARG ( ),PPARGC1A ( ),和PPARGC1B ( )C1-C6显示类似的模式,高表达在C3和C6相对较低表达在C1, C2, C4。然而,PPARD表示更高的C1和C2与其他免疫亚型。

不仅,C6 PPARA表达式(最低 )和PPARGC1A ( ),而PPARG的表达水平( )是在最高的C1, C2, C3, C4和C6免疫亚型(图5 (d))。

3.4。具备干细胞指数和Pan-Cancer Microtumor环境

基质TCGA的癌症样本计算应用估计(估计基质和免疫细胞恶性肿瘤使用表达数据)算法(11]。斯皮尔曼相关分析是用来描述PPAR家族基因的表达水平之间的相关性和基质在pan-cancer分数。作为显示在图6 (c)之间的正相关关系,我们发现在TGCT PPARA和基质分数( , )。同样有PPARD和LAML之间的关系 , 。PPARG的表达呈正相关,肿瘤类型,包括BRCA DLBC, LGG,内消旋,OV, PCPG,马,不仅,SKCM,表明PPARG表达升高降低肿瘤纯度在许多类型的肿瘤。PPARGC1A和PPARGC1B之间的显著差异被发现与肿瘤的关系纯洁。PPARGC1A的高表达与肿瘤纯度高胆固醇,“绿带运动”,KIRC, KIRP, THCA,虽然BLCA基质分数较低的,HNSC, LUSC,和TGCT PPARGC1B的模式是相反的。

(一)
(一)
(b)
(b)
(c)
(c)
图6
之间的相关分析结果具备干细胞PPAR和指数和微环境的分数。(a, b)两个热图显示出PPARA的表达水平的相关性,PPARD, PPARG,具备干细胞PPARGC1A, PPARGC1B和指数(dna和rna)在33 TCGA癌症类型。具备干细胞DNA: DNA methylation-based分数;rna:具备干细胞RNA-based得分。(c)的热图显示基质之间的相关性分数和mRNA的表达PPARs(红点代表正相关,而蓝色的点代表一个负相关)。

分析pan-cancer PPARs和具备干细胞特性之间的相关性,我们计算了具备干细胞指数TCGA的肿瘤样本通过看到下面成了逻辑回归(OCLR)算法和斯皮尔曼相关分析执行基于基因表达和具备干细胞分数(12]。具备干细胞两种类型的索引被访问,包括DNA methylation-based具备干细胞指数(DNA)具备干细胞和mRNA表达式指数(rna)。

具备干细胞有差异这两个指标的相关性和PPAR TCGA肿瘤表达水平。dna,很明显,有着很强的TGCT和PPAR家族基因之间的相关性,与PPARD正相关性( , ),PPARG ( , ),和PPARGC1B ( , )和PPARA负相关性( , )和PPARGC1A ( , )(图6(一))。

观察rna,强大的负相关性之间TGCT rna和PPARA ( , ),之间THYM rna和PPARD ( , ),之间PCPG rna和PPARG ( , ),和马之间rna和PPARGC1A ( , )(图6 (b))。积极联系PPARGC1B和rna的表达谱TGCT检测( , ),这表明PPARGC1B可能在TGCT与具备干细胞有关。

在BRCA(图7(一)),具体的表达谱PPARA呈正相关,BRCA基质分数( , ),免疫分数( , ),和估计的分数( , )。的表达谱PPARD BRCA dna呈正相关( , ),免疫分数( , ),和估计的分数( , )。值得注意的是,我们发现与rna PPARG表达式之间的负相关性( , )和dna ( , )而正相关性BRCA基质分数( , ),免疫分数( , ),和估计的分数( , )。此外,轻微但PPARGC1A之间的显著相关性被发现和具备干细胞指数和肿瘤的纯度。有很强的相关性,然而,PPARGC1B和基质之间的分数( , ),免疫分数( , ),和估计的分数( , )。

(一)
(一)
(b)
(b)
图7
具备干细胞PPARs及其辅活化因子和成绩之间的相关性(rna和dna),基质分数,免疫分数,估计分数在乳腺浸润性癌(BRCA)和肝脏肝细胞癌(LIHC)。

对于LIHC(图7 (b)),然而,有轻微的PPAR家族基因之间的相关性和具备干细胞指数和时间除了相对PPARA之间有着紧密的联系和肿瘤纯度(基质分数: , ;免疫分数: , ;和评估分数: , )。

3.5。在Pan-Cancer药物敏感性分析

分析药物反应,PPAR家族的潜在影响我们进行皮尔逊相关分析之间的PPAR家族基因的转录表达263年NCI-60癌症细胞系和药物活性抗肿瘤的药物从CellMiner检索数据库(16]。

的散点图显示药物敏感性和基因表达之间的显著相关关系图8和排名 值,选择 。值得注意的是,PPARGC1B Bafetinib(的敏感性呈正相关, , )和Nilotinib ( , )和staurosporine电阻( , )。dabrafenib的灵敏度,选择性抑制剂突变形式的BRAF激酶BRAF-mutated黑色素瘤、甲状腺癌、非小细胞肺癌,被发现与PPARGC1A呈正相关( , )和PPARGC1B ( , )。PPARG高度表达的肿瘤细胞抗卡铂( , ),顺铂( , ),三氧化二砷( , ),和环己亚硝脲( , )(图8)。


图8
药物反应分析。药物敏感性和PPARA之间的相关性、PPARD PPARG, TCGA PPARGC1A和PPARGC1B癌症。散点图的排名 价值。

4所示。讨论

在目前的研究中,我们旨在探索TCGA PPAR转录表达与肿瘤的相关性特性,包括时间、临床意义,免疫亚型,具备干细胞和药物反应。对肿瘤发展PPAR同形像展示了不同的影响。使用多维分析,我们首先进行微分表达式分析共11057个样本(10327肿瘤样本和730相邻样本)33 TCGA癌症的类型和发现显著差异PPARs的表达水平在不同肿瘤类型。我们还应用生存分析和Cox比例风险回归。统计上显著的生存差异观察高低PPAR-expressed患者之间在某些类型的癌症,表明PPARs可能成为潜在的预后指标的临床应用。

同样值得注意的是,随着PPARGC1A PPARG被发现差异表达的4阶段胃腺癌,与四期PPARG最高,与伊等人的研究结果一致,PPARG可能导致STAD致癌作用[17]。然而,在这项研究中,发现PPARG TCGA低表达在大多数癌症。证据支持PPARG抗肿瘤药的行为在诱导细胞周期阻滞,终端分化,抗炎效果(18]。PPARG受体激动剂Troglitazone (TGZ),据报道,诱导G2 / M p38增殖的细胞周期阻滞通过活化蛋白激酶在肾细胞癌18,19),和类似的效果也在膀胱癌细胞(20.]。PPARG的另一个受体激动剂,姜黄素,能够消除氧化应激和慢性炎症通过下调WNT /β连环蛋白通路,观察到有异常的激活在许多癌症21]。偶尔,PPARG某些癌症肿瘤促进的一面;很容易推断出的精确影响PPARG及其受体激动剂可能取决于类型的癌症和肿瘤环境。

此外,根据调查人员先前确定的C1-C6免疫亚型(10),我们分类肿瘤样本的代表性免疫签名和检验RNA-seq PPARA, PPARD, PPARG, PPARGC1A,并从C1 PPARGC1B C6,都看到有微分表达式。这些免疫功能和细胞外基质,肿瘤血管和肿瘤细胞肿瘤微环境的概念(时差),高度的异质性影响治疗反应和临床预后22]。因此,我们进一步访问分数基质细胞和免疫细胞的肿瘤样本33 TCGA癌症类型的基质分数,计算免疫成绩,估计分数。这些时间特征与PPARA的表达水平,PPARD, PPARG PPARGC1A, PPARGC1B。出乎意料,相关性存在于某些类型的癌症。在乳腺浸润性癌,尤其是,PPARG PPARGC1B与肿瘤纯度负相关。

提出了具备干细胞来描述肿瘤的干细胞的特征:自我更新和去分化23]。收购被报道具有干细胞特征的细胞特性被发现在许多肿瘤恶化[24]。这里,我们利用一个OCLR方法计算肿瘤样本的rna分数和dna的分数,然后与转录相关PPARs签名。我们发现PPARs与具备干细胞在肿瘤中,表明PPARs具备干细胞可能发挥作用在维护。

这项研究还发现,PPARs的转录表达水平,PPARG1A, PPARG1B与药物反应相关。值得注意的是,高表达的PPAGC1B Bafetinib更加敏感和Nilotinib癌症治疗,这是选择抗肿瘤治疗的临床意义。

过氧物酶体的三个同形像proliferator-activated受体在生理功能和角色致癌作用不同。PPARα由PPARA编码,主要丰富在肝脏,肾脏,心脏,调节脂肪酸代谢及线粒体生物合成(25]。除了其内源性配体(脂肪酸),PPARα响应PPARα受体激动剂(合成一类),非诺贝特和二甲苯氧庚酸等,一直在降血脂药治疗疾病(26]。此外,PPARα受体激动剂已被显示了抗肿瘤作用在结肠致癌作用。然而,它仍然是有争议的PPAR的角色是否α是cancer-repressing或促进25]。一些研究表明,长期的PPAR激活α诱导小鼠肝细胞癌和肝脂肪变性的发展至关重要27]。PPAR的角色α在致癌作用需要进一步说明。PPARG、编码PPARγ、函数作为一个关键调节器的葡萄糖体内平衡和脂肪细胞的分化28]。Downregulation PPAR的γ与减少终端分化和细胞周期阻滞,导致细胞增殖,导致肿瘤发生[7,29日]。潜在的机制提出了PPAR德等人γ全身的分化可能是由一个假定的PPARγ共激活剂,HIC5,暗示在PPAR辅活化因子的重要性γ信号(30.]。过氧物酶体proliferator-activated受体辅活化因子1α和β(分别PPAGC1A和PPARGC1B)与PPARP合作γPPAR之间,使随后的互动γ和其他转录因子(31日,32]。药理活化剂的PPARδ也显示有争议的癌症的影响特征,这可能取决于PPAR的类型δ配体和目标组织(33,34]。

虽然该研究是第一个多维分析过氧物酶体pan-cancer proliferator-activated受体(PPARs),它仍然具有一定的局限性,值得考虑。首先,所有参与本研究样本来自美国,因此,我们不知道在欧洲和亚洲的预测模型的适用性。第二,这项研究的结果还没有被其他独立数据库验证,因此,我们的未来工作是验证自己的数据和其他公共数据库。第三,该研究的潜在机制是基于生物信息学分析和没有被分子和动物实验验证。本研究的分析着重于PPAR的家人和多个组学数据之间的相关性。然而,biostatistical相关性不能阐明直接互动和直接监管机制,这应该是本研究的主要限制。因此,我们计划通过分子实验来验证这些潜在的机制。进一步的调查需要的潜力PPARs及其辅活化因子作为癌症的药物靶点,这使我们的研究更重要的贡献表达特征分析PPARA, PPARD, PPARG PPARGC1A, PPARGC1B。

5。结论

PPARG,我们进行了多维分析PPARA PPARD, PPARGC1A, PPARGC1B,包括微分表达式分析pan-cancer,免疫亚型分析、临床分析、肿瘤纯度分析,具备干细胞相关分析和药物反应。PPARs及其辅活化因子表达在不同类型的癌症,在不同免疫亚型。这种分析揭示了不同的表达模式pan-cancer PPAR家庭水平的,为癌症的治疗策略提供新线索。

数据可用性

生成的数据集和/或分析在当前的研究中可在补充材料和TCGA计划(https://portal.gdc.cancer.gov)。

伦理批准

伦理委员会批准的这项研究是郑州大学第一附属医院。

信息披露

投资者没有参与研究设计、数据收集和分析,决定发表,或准备的手稿。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

润之,林嘉绮,彭,Penghui燕,Huabin阴,宣儿翟,枭龙朱、张鑫,李Mingxiao黄凌人,妹妹江泽惠女士太阳,通孟,Daoke杨和Zongqiang黄/概念设计工作,收集和/或装配的数据,数据分析和解释,稿件写作,和手稿的最终批准。

确认

我们感谢癌症基因组图谱(TCGA)团队使用他们的数据。本研究支持部分由中国国家自然科学基金(批准号81702659和81702659);中国国家自然科学基金,共同基金培育项目(批准号U1504822);上海市卫生规划委员会青年基金(No.2017YQ054);河南省医学科技研究项目(201602031);河南省医学科技研究计划,卫生部和省联合项目(没有。SB201901037);和河南省级部门的科技、社会发展项目(排名142102310055)。

补充材料

图S1: PPAR蛋白表达在肿瘤(乳腺癌、结肠癌腺癌和前列腺癌)和正常组织的人类蛋白质图谱数据库。图S2:蛋白质相互作用(PPI)网络构造PPARA, PPARD, PPARG PPARGC1A, PPARGC1B及其相关基因。(补充材料)