文献导读-基于 DNA 甲基化的表观遗传特征预测神经胶质瘤的体细胞基因组改变

摘要

介绍

方法

图1 数据处理和模型构建的工作流程。

   最终，在变量选择步骤中分别选择1513、2325、2112和1279个探针进行IDH突变、TERTp突变、ATRX突变和1p/19q共缺失预测。

   对于基因表达亚型，包括来自HM27K或HM450K的DNA甲基化数据的TCGA GBM样品。排除没有基因表达数据的 GBM 样品。合并这两类数据集需要批量矫正，作者使用了三种方法进行比较，R package: ChAMP， lumi和wateRmelon。最终选择了ChAMP的方法。数据整合后，有416个样品和20720个探针可用。探针过滤后，保留9519个探针进行相关性评估。只保留了具有基因表达信息的样本，这导致了1263个探针和356个样品作为最终数据集。其中，对训练集中的212个样本的探针重要性进行了评估，985个探针的重要性为零，然后从分析中排除，剩下278个探针。

模型构建：二元响应变量

以IDH突变为例：样本被随机分配到训练（60%）、发展（20%）和测试（20%）集中，按IDH突变状态分层。使用弹性网络正则化在训练集中应用变量选择和超参数调整。对于训练集，使用R 包：glmnet选择参数 alpha， 设置为 0.1 到 1，使用 0.1 作为步长。对于每个 alpha 值，随机生成 200 个 lambda 值。在 200 个 lambda 值中，根据预测精度挑选出最佳 lambda 值。对于每个alpha值，探针按其选择百分比从高到低进行排名。根据探针排名，例如，选择前 100 个探针、200 个探针、500 个探针等，分别组成一个探针集。对于每个探测集，使用训练集重新调整逻辑回归模型。最终模型是根据发展集中的性能确定的;最终模型用于IDH突变预测、TERTp突变预测、ATRX突变预测和1p/19q共缺失预测使用的探针数量分别为100、1000、500和100。

   为了验证，最终模型应用于测试集和外部验证集（NOA-04）。该试验比较了间变性胶质瘤患者放疗后化疗进展与化疗后放疗进展的有效性和安全性（n = 115）。DNA甲基化HM450K数据可用于所有肿瘤样本。

模型构建：基因表达亚型

对于基因表达亚型预测，根据已发表的算法计算亚型的模型构建参考和每个亚型的概率。随机森林优于其他算法，并被选为最终算法。计算亚型概率公式如下：

 P valuec 是 CL 亚型的经验 p 值，其他亚型的经验 p 值类似。

探针的特征选择是mlr 包中内置的 R 包 Fselector进行运算的。

结果

图2 预测模型的性能

预测性特征分析

   通过比较归一化后富集染色体的探针数量，发现IDH突变预测模型中的探针富集在22号染色体（13.08%）和21号染色体（8.8%）中，而ATRX突变预测模型中的探针富集在9号染色体（7.2%）和14号染色体（7.2%）。有趣的是，TERT p突变、染色体1p/19q共缺失和基因表达亚型预测模型中的探针均在18号染色体中富集（TERTp：8.2%;共缺失：16.3%;基因表达亚型：12.6%）。在IDH预测特征的100个探针中，45%（45/100）位于启动子区域（包括TSS200、TS1500和1st外显子），总共绘制了65个基因。对于TERTp预测，大多数探针位于body（29.1%），映射了612个基因。对于ATRX预测特征，大多数探针位于body（13.9%），总共映射到333个基因。对于染色体1p/19q共缺失预测特征，44%的探针映射到启动子区域。对于基因表达亚型预测特征，大多数探针映射到第一外显子（39.95%）和95'UTR区域（25.8%）。

预测结果分析

   被甲基化模型错误分类为ATRX突变的样品都含有IDH突变，而所有被甲基模型错误分类为野生型的样品都是IDH野生型。均为ATRX突变样本的set2、set3和set5在ATRX基因表达方面无显著差异，均为ATRX野生型样本的set1和set4之间无差异。当甲基化结果不一致时，即使测序结果一致，也观察到表达的显著差异。（如图3）

图3 调查ATRX和chr1p19q编码的错误分类样本

对于基因表达亚型预测，测试集中的样品（n = 72）按基于甲基和基于Transc的基因表达亚型进行分类（图4).与具有一致亚型的样品相比，两种方法之间的不一致样品在拷贝数变异和基因表达水平方面表现出显著差异。

图4 研究错误分类的样品，用于测试集中的基因表达亚型预测分析

模型的验证

NOA-04 队列中每个二元基因组改变的预测准确度为：对于 IDH 突变，PCR-seq 为 89.9% (98/109)，HM450k DNA 甲基化谱的无监督聚类分析为 99.10% (114/115)；对于 TERTp 突变，82.8% (82/99) 通过 PCR-seq；对于 ATRX 突变，通过免疫组织化学 (IHC) 检测为 92.7% (89/96)；对于 chr1p19q 状态，MLPA 为 88.89% (88/99)，HM450K 衍生的 CNV 配置文件为 95.65% (110/115)（图 5），在TCGA LGG样品中，基于甲基化和基于Transc的算法预测的基因表达亚型在PN亚型的分类结果中显示出很大的差异。

图5 模型验证和预测结果

讨论

参考文献

Yang J, Wang Q, Zhang ZY, Long L, Ezhilarasan R, Karp JM, Tsirigos A, Snuderl M, Wiestler B, Wick W, Miao Y, Huse JT, Sulman EP. DNA methylation-based epigenetic signatures predict somatic genomic alterations in gliomas. Nat Commun. 2022 Jul 29;13(1):4410. doi: 10.1038/s41467-022-31827-x. PMID: 35906213; PMCID: PMC9338285.