深圳市人民医院程立新课题组提出多组学数据在肝细胞癌的诊断与预后分析的新方法meGPS

随着高通量技术的发展，多组学数据的整合分析为科学家提供了探索癌症的发生及发展机制的新方向，包括基因组学、转录组学、蛋白质组学、代谢组学等，但是多组学数据的整合一直是难以攻破的难题。当前，许多的癌症研究应用机器学习算法对组学数据进行建模，以识别分子标志物用于癌症及其亚型患者的诊断和预后分析。然而在肝细胞癌（Hepatocellular Carcinoma，HCC）中，结合多组学分析和机器学习算法的研究还十分有限。若能将二者有效结合，将会为肝细胞癌的诊断、预后和靶向治疗提供新的方向。

鉴于启动子区域的甲基化与基因表达间的负相关调控关系，深圳市人民医院程立新课题组设计了整合甲基化组学和转录组学数据的新方法——meGPS，结合个体化精准医疗的核心理念，旨在揭示表观遗传学和转录组学标记物在肝细胞癌的早期诊断以及预后中的标记作用，从而提高对肝细胞癌的辅助治疗（图1）。该研究成果于近日发表在Bioinformatics杂志，题为“meGPS: a multi-omics signature for hepatocellular carcinoma detection integrating methylome and transcriptome data”。

图1

meGPS结合启动子区域甲基化和基因表达的关系（methylation and expression，me），通过配对基因的相对差异作为特征标签（gene pair signature， GPS）提取稳定的基因特征。在肝细胞癌数据的应用中，该团队提取到了一组由4对表达配对基因和1对甲基化配对基因组成的基因特征（meGPS）。通过多项分类学检测标准分别对血液和肝脏组织样本的多套数据集进行检验，meGPS可以准确地对肝癌患者进行分类（图2）。同时，该结果体现了meGPS方法在不同测序平台数据间的分类鲁棒性及稳定性。为了验证meGPS方法在其他疾病场景下的有效性，该团队进一步分析了性别、年龄及不同肝癌病源对分类的影响。结果显示，meGPS具有良好的分类效果以及较强的鲁棒性。

图2

综上所述，程立新团队提出全新的数据整合方案，充分利用了组学间数据的优势，提升了分类效果，拓展了多组学在分类学及肿瘤辅助诊断中的应用，为肝癌患者提供从诊断到预后的系统性技术支持。

参考文献：

[1] Qiong Wu#, Xubin Zheng#, Kwong-Sak Leung, Man-Hon Wong, Stephen Kwok-Wing Tsui*, and Lixin Cheng*. meGPS: a multi-omics signature for hepatocellular carcinoma detection integrating methylome and transcriptome data. Bioinformatics (2022).

[2] Wang, R., Zheng, X., Wang, J., Wan, S., Song, F., Wong, M.H., Leung, K.S. and Cheng, L., Improving bulk RNA-seq classification by transferring gene signature from single cells in acute myeloid leukemia. Briefings in Bioinformatics (2022).

[3] Zheng, X., Leung, K.S., Wong, M.H. and Cheng, L., 2021. Long non-coding RNA pairs to assist in diagnosing sepsis. BMC Genomics (2021).