近日，南京医科大学公共卫生学院生物统计学系陈峰教授团队在Nature旗下子刊NPJ Precision Oncology发表了该团队肺癌组学数据挖掘的最新成果[1]。
这项基于基因组、表观基因组、转录组、蛋白组的多组学研究揭示：TNS3和SEPT7在不同分子层面与长期(>)戒烟肺癌患者的预后相关。
论文首页截图
吸烟是影响肺癌发生的主要环境暴露因素。然而，长期戒烟者(如，戒烟超过者)依然有可能发生肺癌。
众所周知，遗传因素能够影响疾病的发生与发展。那么，长期戒烟的肺癌患者，其预后是否受到特定遗传因素的影响？此外，其预后相关的遗传因素是否与不吸烟者、吸烟者存在差异？
该研究主要从4个角度开展统计分析。统计分析流程图见下图。
统计分析流程图
(1) 两阶段全基因组预后关联研究：
研究人员与国际肺癌研究联盟(ILCCO)合作，针对1299例长期戒烟非小细胞肺癌(NSCLC)患者的临床预后数据、GWAS数据开展两阶段统计分析。
发现集包含566人，来源于哈佛肺癌队列(HLCS)。验证集包含733人，来源于MD安德森肺癌队列(MDACC)、利物浦肺癌队列(Liverpool)、阿斯图里亚斯肺癌队列(CAPUA)、胡罗素与视黄醇肺癌干预研究(CARET)、多伦多肺癌队列。
采用经典Cox比例风险模型评价SNP的预后效应。关联结果经多重检验校正、独立人群验证以控制假阳性。
最终，该研究鉴定出两个与长期戒烟NSCLC患者预后相关的SNP：位于 7p12.3区域TNS3基因上的rs34211819 (HR=0.73，P=3.90×10-9) 与患者的预后更好相关，而位于7p14.2区域SEPT7基因上的rs1143149 (HR=1.36，P=9.75×10-9)与患者的预后更差相关。
rs34211819和rs1143149与NSCLC预后关联研究图
(2) 基因-戒烟交互作用分析：
以不同戒烟时间为分层因素的分层分析显示：rs34211819与rs1143149的预后效应在不同戒烟时间下存在显著异质性(rs34211819: 异质性P=0.042；rs1143149：异质性P=0.034)。
Cox比例风险模型显示个两个SNP与戒烟时长有显著的交互作用，随着戒烟时长的改变，SNP对于预后结局的效应（HR）发生了显著的改变，随着戒烟时间的增加，rs34211819的保护效应逐渐增强(交互作用P=8.0×10-4)；反之，rs1143149的风险效应逐渐增强(交互作用P =0.003)。
基因-戒烟时长交互作用图
(3) 多组学分析：
进一步，基于TCGA、CPTAC、HLCS等数据库，从TNS3和SEPT7两个基因层面出发，分别评价了SNP的QTL调控关系以及基因表达、DNA甲基化、蛋白质丰度与肺癌预后的关联性。
研究发现，TNS3和SEPT7高基因表达均与肺癌较差的预后关联，而它们的蛋白丰度在肿瘤组织中均显著高于正常组织，基因区域内的两个甲基化CpG位点与生存结局亦显著相关。
TNS3、SEPT7多组学肺癌预后分析图
(4) GWAS遗传相似性比较：
分别在不吸烟、短期戒烟、长期戒烟、正在吸烟的NSCLC各亚组人群识别预后相关SNP。进一步比较信号在SNP、基因、表达数量性状位点(eQTL）、增强子和通路水平上的遗传相似性。
结果提示：长期戒烟者和不吸烟者之间的遗传相似性高于短期戒烟者或正在吸烟者，从遗传角度考虑，长期戒烟的患者的预后更类似于不吸烟者的预后，从而为精准医疗提供理论依据。
通路富集分析显示：长期戒烟NSCLC患者的特有基因显著富集在免疫相关通路上，如B细胞受体通路、Th1/Th2细胞分化通路。
总的来说，本研究首次提供了长期戒烟NSCLC患者预后相关多个层面分子证据，并揭示了其遗传结构的特异性，为药物研发提供了重要线索。
南京医科大学公共卫生学院生物统计学系沈思鹏博士、魏永越副教授为论文共同第一作者，张汝阳副教授、陈峰教授与美国哈佛大学公共卫生学院David C. Christiani教授为论文共同通讯作者。
此外，本研究还得到美国贝勒医学院Christopher I. Amos教授、加拿大玛嘉烈公主癌症中心Geoffrey Liu教授、加拿大多伦多大学Rayjean J. Hung教授、英国利物浦大学John K. Field教授、美国福瑞德哈金森肿瘤研究中心Chu Chen教授、西班牙奥维耶多大学Adonina Tardon教授、美国密西根大学Yi Li教授、南京医科大学沈洪兵教授、胡志斌教授、赵杨教授的鼎力支持。
