導語

GUIDE ╲

m6A甲基化調控因子在影響結直腸癌患者的預后中發揮了重要作用，m6A相關的lncRNA和mRNA揭示了結直腸癌腫瘤發生發展的潛在機制。

背景介紹 

在之前的文章中，我們也解析過篩選m6A相關的lncRNA進行預后分析的思路，如何篩選這些lncRNA是一個非常重要的問題，今天小編給大家介紹的一篇文章，作者基于WGCNA鑒定了m6A相關的lncRNAs和mRNA，使用lasso Cox回歸分析，在TCGA數據集中構建m6A相關的lncRNA和mRNA預后sig  nature。此外，建立了具有臨床病理特征、lncRNA風險評分和mRNA風險評分的列線圖，顯示了在訓練和測試集中預測CRC個體的總生存能力。文章題目為：Comprehensive analysis of N6-methylandenosineregulators and m6A-related RNAsas prognosis factors in colorectal cancer。

數據介紹 TCGA：mRNA表達FPKM文件，體細胞突變數據，和相應的臨床病理數據，CNV數據。   

結果解析 01   結直腸癌中m6A調控因子的表達景觀   首先在TCGA數據集中比較了19個m6A調控因子在CRC中的表達。結果顯示，除YTHDC2外，所有19個基因在CRC組織中均與正常組織有差異表達(圖1A、B)。然后鑒定了19個m6A調控因子之間的相關性，m6A調控因子之間的相關性多為正，KIAA1429和YTHDF3的相關性最大(圖1C)。此外全面展示了m6A調控因子與CRC臨床特征之間的關系，包括性別、年齡、腫瘤分期、T分期、M分期、N分期等(圖1D)。

圖1 02   m6A調控因子表達與臨床病理特征和OS的關系   在腫瘤分期中，KIAA1429、ZC3H13、YTHDF1、IGF2BP1和FTO在III期和IV期CRC個體中的表達顯著上調。相反，METTL14、YTHDC2和YTHDF2的表達在晚期結直腸癌患者中表現出明顯的下調(圖2A)。進一步分析了m6A調節因子與T、N、M階段之間的關系，發現m6A調節因子可能與結直腸癌的淋巴轉移和遠處轉移有潛在的相關性(圖2C和2D)。

圖2 接下來研究了19個m6A調節因子的CNV與結直腸癌患者的臨床病理特征之間的關系。結果顯示，m6A調控因子的CNV改變與腫瘤分期顯著相關，即晚期腫瘤個體有更多的m6A調控因子的CNV事件。IGF2BP1、IGF2BP2和ALKBH5的高表達預示著OS較差，而METTL14、WTAP、RBM15、YTHDC1、YTHDC2、YTHDF1、YTHDF2、ALKBH3和FTO高表達的個體有較好的臨床結果。

圖3 03   用WGCNA方法檢測與m6A相關的lncRNA和mRNA   利用R包edgeR在TCGA數據集中鑒定了700個lncRNA和3637個mRNA，以進行進一步分析。通過WGCNA確認了6個lncRNA共表達模塊，并評估了它們與12個os相關的m6A調控因子的相關性(圖4A和4B)。發現藍色、棕色和綠色模塊與m6A調節因子顯著相關，包括YTHDF1、ALKBH3、ALKBH5和FTO(圖4C-4H)。

圖4

這三個模塊共涉及544個lncRNA，將這些與m6A調控因子相關的lncRNAs定義為與m6A相關的lncRNA。對于mRNA鑒定了10個模塊以供進一步分析(圖5A和5B)。此外，與其他模塊相比，紅色和綠松石色模塊與m6A調控因子顯著相關(圖5C-5H)。這兩個模塊中共有1292個mRNA被視為m6A相關mRNA。

圖5 04   預后m6A相關lncRNA特征的構建和驗證   利用預后信息，應用單因素Cox回歸從訓練TCGA數據集中的544個m6A相關的lncRNAs中識別出與預后相關的lncRNAs。在訓練數據集中發現37個m6A相關的lncRNA與CRC個體的OS顯著相關。然后根據它們構建lasso Cox分析，生成m6A相關的lncRNA特征，其中包含24個m6A相關的lncRNA。根據每個lncRNA的系數，計算每個受影響個體的風險評分。CRC受試者根據風險評分的中位數分為低風險組和高風險組。Kaplan-Meier(K-M)生存曲線顯示，低風險組的CRC受試者比高風險組有更好的臨床結果(圖6A)。此外，受試者工作特征(ROC)曲線顯示，與m6A相關的lncRNA特征在訓練集(圖6B)、測試集和總TCGA隊列中的OS方面表現出很強的準確性。 以同樣的方法也對mRNA進行了分析。

圖6 05   m6A相關的lncRNA和mRNA特征是CRC患者的獨立預后因素   使用TCGA數據調整后臨床病理參數如年齡、性別、腫瘤階段、T階段，N階段，和M階段，進行了單因素和多因素Cox回歸分析進一步確定風險評分計算m6A相關lncRNA和mRNA特征準確預測結直腸癌個體的預后。結果顯示，m6A相關的lncRNA和mRNA特征與OS相關性顯著，多因素Cox分析顯示，這些特征是訓練數據集中OS的獨立預后因素(圖7A和7B)。作者分析了風險評分是否與臨床病理特征相關。結果顯示，與低風險組相比，高風險組與較高的死亡率和較高的腫瘤分期顯著相關，但與年齡和性別無關(圖7C和7D)。

圖7 06   基于m6A相關lncRNA和mRNA特征的列線圖構建和驗證  

作者構建了一個列線圖，包括年齡、性別、T 分期、腫瘤分期、lncRNA 風險評分、mRNA 風險評分，用于預測訓練數據集中的 1 年、3 年和 5 年 OS 概率（圖8A）。如校準圖所示，列線圖的性能在預測 3 年 OS 時表現最佳（圖 8B）。圖 8D 描述了與 m6A 相關的 lncRNA 和基于 mRNA 特征的風險評分相比，列線圖的凈臨床收益更大。訓練集中列線圖的 C 指數為 0.848。然后應用ROC 曲線來估計列線圖的預后能力，結果表明列線圖在 1 年、3 年和 5 年 OS 方面具有出色的預后準確性（圖8F）。根據列線圖的風險評分，受試者按中值分為兩組。結果表明，與低風險組相比，高風險組受試者的結果明顯更差（p < 0.001）（圖 8E）。

圖8 

小編總結 本文作者整合了與m6A調控因子相關的lncRNA和mRNA構建預后模型，在測試集中得到了驗證，文章使用的方法比較常規，在相似的文章中都有使用，只是作者沒有單獨分析lncRNA或mRNA，整合分析得到了很好的結果！