-
Abstract
目的:
本研究旨在通过基因表达数据揭示口腔鳞状细胞癌（OSCC）中lncRNAs-miRNAs-mRNA的调控网络。
材料与方法:
差异表达的lncRNAs，miRNAs和mRNAs（截止值：假阳性率（FDR）<0.05和|差异倍数|> 1.5）。进行Cox回归分析以筛选预后因素。 OSCC与总生存期（OS）和无复发生存期（RFS）相关。使用BioGRID，HPRD和DIP构建蛋白质 - 蛋白质相互作用（PPI）网络用于差异表达的mRNA。从排名前100位的差异表达的mRNA中鉴定出关键的中枢基因，将LnRNA-miRNA和miRNA-mRNA调控网络构建并组合成ceRNAs调控网络。使用Fisher精确检验鉴定基因本体论和kegg途径。
结果：
共鉴定出929个差异表达的mRNA，23个差异表达的lncRNA和29个差异表达的miRNA。 59个mRNA，6个miRNA（hsa-mir-133a-1，hsa-mir-1-2，hsa-mir-486，Hsa-mir-135b，hsa-mir-196b，hsa-mir-193b）和6个lncRNA（ C10orf91，C2orf48，SFTA1P，FLJ41941，PART1，TTTY14）与OS有关;和52个mRNA，4个miRNA（hsa-mir-133a-1，hsa-mir-135b，hsa-mir-196b，hsa-mir-193b）和2个lncRNA（PART1，TTTY14）与RFS相关。获得了含有37个关键中枢基因的支持向量机（SVM）分类器。构建了含有417个节点和696个边缘的ceRNA调控网络。 ECM受体相互作用，细胞因子 - 细胞因子受体相互作用，粘着斑，花生四烯酸代谢和p53信号通路在网络中显着富集。
结论：
这些发现揭示了OSCC的发病机制，可能提供潜在的治疗靶点。
作者做的思路很整洁，初始是比较常规的差异分析，基于得到的差异基因，作者做了生存相关分析/共表达网络/kegg等等。利用聚类得到的两类患者（N-T），作者的svm准确度（AUC）得到了99%。
Result
鉴定差异lncRNA，miRNA和DEG
共下载鉴定869个lncRNA，1046个miRNA和18624个mRNA。排除其中表达低丰度的lncRNAs（<1），miRNAs（<5）和mRNAs（<5），最终保留410个lncRNA，157个miRNA和11792个mRNA（图S1）。使用差异表达分析后筛选出23个DE-lncRNA，29个DE-miRNA和929个DEG（图S2）。
临床特征相关的DE-lncRNA，miRNA和DEGs
所有样品根据确定临床资料分为两组，DE-miRNAs（S1a表），DE-mRNAs（S1b表）和DE-lncRNAs（S1c表）与各种临床相关性。
预后相关mRNA，miRNA和lncRNA
单变量cox分析鉴定共有59个mRNA，6个miRNA和6个与OS相关的lncRNA（S2a表），52个mRNA，4个miRNA和2个lncRNARFS相关（S2b表）。与OS和RFS相关的这些lncRNA的Kaplan-Meier图是如图1和2所示。
确定OS的独立预后因素
多变量Cox回归分析显示三者lncRNAs（C10orf91，C2orf48，TTTY14），三种miRNAs（hsa-mir-486，hsa-mir-193b，hsa-mir-196b），27种mRNA和几种临床表现特征被确定为独立的预后因素OSCC患者的OS（p <0.05）（S3c表）。
PPI网络
一个包含339个node和486个edge的PPI网络构造出来（图2）。其次得到一组关键基因（图S4b）。当核心基因数量基因选择为37时，准确率达到峰值0.994。最高程度的中枢基因是CDK1（Degree = 25），受miR-133a，miR-135b，miR-31和miR-调节375（S4表，S7表）。在37个关键基因的散点图中，每个都是一组样品聚集在一起，两组样品可以清楚地分开（图3a-c）;在ROC曲线中（图3a-c），TCGA数据的曲线下面积（AUC），数据集GSE9884，数据集GSE13601分别为99.9％，94.2％和97.8％。TCGA数据，数据集GSE9884和数据集的正确率GSE13601分别为99.4％，86.8％和94.5％（S5表）。
ceRNAs调控网络
共有23对lncRNA-miRNA相互作用（S6表）由8对DE-lncRNA和11对DE-miRNA用来lncRNA-miRNA调节网络（图4A）。十德预测除miR-139外的miRNA具有靶DEG。一个共有673个监管关系（S7表）合计10个DE-miRNA和673 DEG用于构建miRNA-mRNA调控网络（图4B）。十一个DEG（ANLN，CDK1，GADD45G，HMMR，IGF2BP3，IL24，MEIS1，PBX1，RAD51，SATB1，TTN）不仅是关键的枢纽基因，还涉及miRNAs-mRNAs网络。上面提到的两个网络构成的lncRNAs-miRNAs-mRNAs调控网络（图4C）包括 417个节点和696个边缘。通过绘制预后相关DEG，DE-lncRNA和DEmiRNAs转化为构建的ceRNA网络，发现有两种lncRNAs（PART1，TTTY14），4种miRNAs（hsa-mir-133a-1，hsa-mir-135b，hsa-mir-196b，hsa-mir-193b），27个mRNA 与OS相关且参与了ceRNAs网络（S8a表）;但是只有一个miRNA（hsa-mir-135b）和与RFS相关的16种mRNA参与ceRNA网络（S8b表）。
功能富集分析和TF-miRNAs-lncRNAs网络的构建
这些代表性miRNA和mRNA的Kaplan-mier生存分析图显示在S5-S8。共发现了25种不同的基本GOterm截断值p <0.05且FDR <0.05（图5A，S9-b表）。在这些术语中，胶原纤维组织和骨骼
系统开发是最重要的。五条KEGG路径，包括ECM-受体相互作用，细胞因子 - 细胞因子
受体相互作用，粘着斑，花生四烯酸代谢，p53信号通路（图5B，S9a表，p <0.05）。在这5条途径中，最重要的途径是ECM受体相互作用;最大数量的mRNA是细胞因子 - 细胞因子受体相互作用途径。将TF-miRNA调控对映射到ceRNA网络后，发现转录因子MEIS1参与其中MEIS1-miRNAs-lncRNAs之间的调控网络（图6）。
ceRNA网络部分处理比较乱，似乎是通过SVM预测N/T，这似乎应该归于诊断模型而不是预后模型
