掃碼聯系客服
大家好呀！今天給大家介紹一篇發表在Briefings in Bioinformatics（IF：11.622）上的文章。作者對TFs的表達，調控，互作，突變，表型和腫瘤患者生存情況進行了系統的研究。
摘要：
轉錄因子（TFs）通過控制基因表達在調控多種生物過程中起到關鍵作用。本研究，作者對TFs的表達，調控，互作，突變，表型和腫瘤患者生存情況進行了系統的研究。作者的研究發現，正常組織中TFs的表達水平低于non-TFs，腫瘤組織中TFs的表達水平較高。特定組織或癌癥中特異表達的TFs可以作為潛在的標記基因。例如，TGIF2LX/Y在睪丸組織中特異表達，而NEUROG1,PRDM14,SRY,ZNF705A和ZNF716在生殖細胞腫瘤中特異高表達。作者發現不同TF家族中TF和靶基因共調控作用存在差異。一些小的TF家族具有蛋白質互作對，他們在轉錄調控中發揮核心作用。bZIP家族是涉及多條信號通路的TF家族。生存分析表明，大多數TFs會顯著影響一種或多種癌癥的生存情況。生存相關的TFs在相應的腫瘤中特異表達，表明他們的癌癥驅動作用。對TF家族的系統分析為進一步研究TF的調控機制和TF在疾病中的作用提供了有價值的信息。
材料與方法：
1.從AnimalTFDB3.0獲取人類TFs，共包括1665個TFs。從Human Protein Atlas獲取37類正常組織的RNA表達數據。從TCGA獲取33類癌癥的RNA表達數據。從hTFtarget數據庫獲取TF-靶基因對。從HPRD和BioGRID獲取TF-protein/TF-physical互作數據。從MalaCards，Ensembl Biomart和AnimalTFDB3.0獲取TFs的表型數據。從KEGG數據庫獲取KEGG通路數據。從GSCALite數據庫獲取生存數據，TF的SNV和CNV數據。
2.使用SEGtool做鑒定SEGs（特異過表達基因）。
3.根據TF-靶基因數據，作者分析調控同一靶基因的TFs即共表達TFs。作者將基因的TSS上游50kb定義為核心區域來預測候選共表達TFs。此外，共表達TF必須是TF和靶基因在同一組織或腫瘤中表達。
4.作者對KEGG通路和表型數據中的TFs和排名前10的TF家族進行富集分析。
5.根據表達水平的中位數，將患者分為高表達組和地表達組。根據TF是否發生突變對樣本進行分組。Cox回歸分析評估突變組樣本的風險比。KM分析兩組的OS差異。
6.作者計算不同癌癥中每個基因發生CNV的頻率。使用Pearson相關性計算CNV頻率和TF表達水平之間的相關性。
結果：
1.TF在正常組和腫瘤組織中的表達水平
作者分析了37個正常組織和33個腫瘤組織中1665個TFs的表達水平。其中分別有1641和1557個TFs至少在一個組織或一個腫瘤中表達。與non-TF相比，TF在正常組織中的表達水平較低（圖1A）。有30個腫瘤組織中的TF表達水平低于non-TF，而在KICH,LAML和TGCT組織中TF的表達水平高于non-TF（圖1B）。此外，作者隨機選擇相同數量的non-TF和TF的表達水平進行多次比較，其結果與總體比較結果類似。與癌旁組織相比，TF在7個腫瘤組織的表達水平較高而在9個腫瘤組織的表達水平較低（圖1C）。TF在腫瘤組織的表達水平顯著高于正常組織（圖1D）。這些結果表明，從正常組織到腫瘤組織TF的表達水平受到擾動，說明TF在癌變過程中發揮重要作用。
2.正常組織和腫瘤組織中特異表達的TFs
為進一步分析特異表達TFs，作者分別在正常組織和腫瘤組織中鑒定到236和476個特異表達TF（SEG-TFs）（圖2A）。正常組織中的SEG-TFs中有223個TFs特異高表達（SEG-H-TFs）和13個TFs特異低表達（SEG-L-TFs）。睪丸和大腦皮層中的SEG-TFs數量最多（圖2A）。此外，有187個TFs在單一組織中特異表達，可以作為單一組織中的標記基因。例如，有14個TFs在睪丸組織中高表達，如TGIF2LX/Y和HMGB4。一般來說，共有SEG-TF多的組織具有相似的生理功能和細胞組成。例如，十二指腸和小腸組織共有8個SEG-TFs，如ATOH1,CDX1和CDX2。
在癌癥的467個SEG-TFs中有322個在一種腫瘤組織中特異高表達，有13個SEG-TFs僅在一種腫瘤組織中表達。1665個TF根據保守的DNA結合與分為73個TF家族，每個家族的TF數量不同（圖2B）。與正常組織相比，腫瘤組織中特異表達的TF數量更高（圖2C）。例如，在ESR-like家族中有9個是腫瘤組織的SEG-TF。
3.TF調控靶基因
作者從hTFtarget數據庫中收集了2712247個TF-靶基因對，涉及56個TF家族的542個TF和19369個靶基因。因此，325個TF調控1000多個靶基因（圖3A），其中SPI1是靶基因數量最多的TF。有35個基因僅受一個TF調控，大多數是zf-C2H2，Homeobox和ETS家族成員（圖3B）。例如，有12個基因僅受zf-C2H2家族CTCF的調控。一些TF家族成員具有數百上千個TF-靶基因對（圖3C）。然而，一些TF數量較少的TF家族也有很多TF-靶基因對，例如zf-GATA和STAT家族（圖3C和3D）。此外，這些家族中不同TF的靶基因數量差異較大（圖3D）。這些結果表明同一家族的不同成員可能參與不同的功能。
4.TFs共調控
作者共發現56個TF家族參與共調控（圖3E）。CBF,NF-YA和NF-YB等家族完全參與共調控，而CSRNP-N,DACH和GCFC等家族沒有參與共調控（圖3E）。MYC和GATA1共調控數千個靶基因，已有報道表明GATA1/MYC在白血病細胞系K562中發揮作用。
5.TF-蛋白質互作
為建立TF-蛋白質互作的全基因圖譜，作者整合HPRD和BioGRID的TF-蛋白質互作對。最終共得到44729對TF-蛋白質互作對（圖4A）。TF-TF互作對和TF-蛋白質互作對類似。一些ESR-like，MH1和P53等小的TF家族有大量TF-TF互作對（圖4B）。P53家族中僅有的3個TF均與其他39個TF家族互作（圖4B和4C），表明P53家族的重要性。此外，一些TF家族與其他TF家族互作。例如MH1家族有8個TF與42個TF家族中的179個TF互作（圖4A和4C）。
6.TF和疾病
大約有8%的蛋白編碼基因是TFs，TFs與疾病表型密切相關。有1138個TFs具有表型數據，333個TFs具有KEGG通路數據。富集分析表明與癌癥中轉錄調控異常有關的轉錄因子數量最多（圖5A）。此外，TFs在其他疾病相關通路中富集，如成熟性糖尿病和調節干細胞多能型信號通路等（圖5A）。一些TF家族顯著富集于特定的疾病類型中，這可能與TF家族的SEGs和功能密切相關。因此，作者對20多個TF家族進行KEGG富集分析（圖5B）。結果表明，TF-bZIP家族中有54個TFs在多條通路中顯著富集。
7.TFs顯著影響癌癥生存情況
作者對33個腫瘤組織的TF表達水平和預后進行KM分析。結果表明，有1448個TFs至少與一種癌癥的預后顯著相關（圖6A）。其中有3個TF與11種癌癥預后有關，有125個TF僅與一種癌癥預后有關。其中KIRC和LGG生存相關的TFs數量最多。這些TFs可能在腫瘤發生和預后中發揮重要作用。結合SEG分析，作者鑒定到40個TF與癌癥預后顯著相關，可以作為癌癥的預后標志物。在大多數癌癥中，50%的TFs與預后較好有關（圖6B）。bHLH，TF-bZIP，Homeobox和zf-C2HC等TF家族幾乎在所有癌癥中均存在顯著TF（圖6C）。TGCT中僅有一個與生存相關TF（FIGLA），而NDT80/PhoG，GCFC和NCU-G1家族中沒有與生存相關的TF。此外，對排名前100個TFs進行生存分析，這些TFs影響11種癌癥的預后（圖6D）。排名前4個TFs與總生存期顯著相關（圖6E）。
8.TF突變
接下來，作者對TFs的SNV和CNV進行分析。為鑒定癌癥發展中的關鍵基因，選擇至少在一種腫瘤中突變頻率高于10%的TF進行分析，共得到80個TFs。這80個TFs在癌癥中的突變情況如圖7A所示。其中UCEC，SKCM和COAD是發生TF突變數量最高的三種癌癥。TP53是突變頻率最高的基因。TP53在UCS中的突變頻率為91.2%，OV中的突變頻率為87.7%，ESCA中的突變頻率為85.9%和READ中的突變頻率為85.6%。此外，作者進一步分析了TF突變與腫瘤生存情況的相關性。有43個TFs突變與腫瘤生存顯著相關（圖7B），其中有33個TFs為高突變TFs，70%以上的TFs與低生存率有關（圖7B）。例如，ACC中有9個TFs的突變與預后不良有關。此外，作者計算了不同癌癥中每個基因的CNV頻率并分析其與表達的相關性。相關性分析表明，60個TFs的CNVs與表達顯著相關（圖7C）。
結論：
作者全面分析了全基因組范圍內腫瘤組織和正常組織中的TFs的表達水平，特異表達情況，靶基因共調控情況，TFs與腫瘤生存情況和TFs的突變情況。本研究為研究人員理解轉錄因子如何發揮調控作用，為今后TF調控網絡的研究奠定基礎。TF的突變和生存分析表明，一些關鍵TF基因可以作為潛在的標記基因。本研究為人類轉錄調控研究提供有價值的信息。
