17、基因组学、生物信息学与药物流行病学中的生物统计方法

基因组学、生物信息学与药物流行病学中的生物统计方法

利用基因表达数据表征多个生物系统

在表征肿瘤细胞（如乳腺癌和其他癌症亚型）时，有几个重要方面与之相关，包括细胞运动性、上皮 - 间质转化、迁移、增殖、血管生成以及免疫和治疗抗性等。当通过切除活检收集肿瘤细胞时，由于临近关系，附近和内部的基质细胞以及可能存在的免疫细胞也会混入样本中。这些免疫细胞通常具有特定类型的专属表达基因，如T细胞、B细胞、树突状细胞、NK细胞和巨噬细胞。

近年来的研究已经确定了这些细胞的特征基因。当进行全转录组的基因表达分析时，相对容易分离这些基因的信号并生成热图。例如，通过结合和过滤来自不同相关实验（可能来自同一平台，如微阵列）的基因列表，然后用它们过滤来自另一平台（RNA - Seq）的卵巢癌患者数据，经过选择后，以基因为中心对基因信号进行处理，再使用相关性和层次聚类方法进行聚类，最后用标准生物信息学工具生成基本热图，并叠加其他重要注释（如临床测量数据和免疫基因类别）。从热图中可以看出，大约三分之一的患者似乎具有持续且较强的免疫细胞活性，在图的右下角有一小部分患者似乎只有B细胞活性，而没有T细胞或NK细胞的伴随活性。

部分患者存在肿瘤浸润白细胞（TILs）免疫活性，而其他患者没有，这种模式在卵巢癌中很常见，在其他实体瘤中也存在。有TIL活性的样本通常会发炎，并且更适合某些类型的治疗。有TILs的肿瘤也是某些免疫治疗药物的最佳候选对象，特别是干扰PD1 - PDL1检查点或B7/CTLA4通路的药物，理论上能提供持久的治疗反应。不过，TIL表达只是肿瘤微环境整体活动的一个方面，肿瘤细胞本身的表达模式对诊断、预后和治疗决策有重要意义，同时非肿瘤细胞的信息也与肿瘤治疗决策相关。值得注意的是，在基因组分析中，无需