TCGA肝癌临床数据资源全面介绍---肝癌研究领域的全谱！

2006年，结核病基因序列所示谱（The Cancer Genome Atlas, TCGA）计划以多形病态胶质母线粒体疣（GBM）、呼吸系统上皮细胞线粒体癌（LUSC）和卵巢浆液病态囊胰脏（OV）开始月份3年的试点项目，2009年~2015年下半年揭开。到项目年末，TCGA在线学术研究工来作者已描绘了33种结核病多种类型10,000余实有患儿的分子可特点，并概念了很多分子可亚型。TCGA涵盖的诊疗关键特点代表格比如说的数据集整理。为前提正确适用这些颇具基因序列特点的海量诊疗数据集，早先TCGA未完成一批重大成果，公开发表格在CellPress旗下的期刊。

本文对4月末5日公开发表格Cell上的一文透过编译。公开发表文章阐述以OS（总存活期）、PFI（无的持续发展间隔）、DFI（盖因间隔）和DSS（癌症涉及存活）为四个主要诊疗结果终点站的TCGA蓝结核病诊疗数据集资源（TCGA-CDR）国际标准化数据集库，并计算出来论据了每种结核病多种类型的终点站适用决定。TCGA诊疗数据集可从基因序列数据集共享自由空间（GDC）门户网站串流，所有的分子可数据集在串流。诊疗数据集和分子可数据集适用比如说的条码结构，便于患儿的诊疗的资讯和样本分子可数据集拆分。

TCGA蓝癌数据集库队列特点

所示1A为诊疗数据集拆分和量化方法及4个主要诊疗终点站为基础和风险评估的流程所示,对33份初始登记和97份先前数据集文件，共33种结核病多种类型111,60实有结核病患儿的的资讯透过了处理。表格1为每个TCGA队列的基本特点。按原发样本根据分子可特点被选为每个队列，黏膜黑色素疣（SKCM）的原发和移转到灶两种多种类型都有，其它极不算数的原发与移转到多种类型也有学术研究。

所示1. 诊疗数据集拆分和量化方法及4个主要诊疗终点站为基础和风险评估流程所示

表格1. TCGA 蓝癌队列特点

诊疗结果终点站OS、PFI、DFI和DSS

总存活期（OS）很举足轻重，缺点是概念OS惨剧时模糊病态最更高。但适用OS来作终点站显然削弱诊疗学术研究，因为非癌自杀身亡不一定能反映出生物学学、侵扰病态或对病患缓解。适用OS或即可极短的随访小时；很多诊疗试验当中，通常转用相比较随访小时较短的DFI或PFI。针对现有TCGA诊疗数据集，要察觉到短时诊疗随访间隔在侵扰病态结核病多种类型结果的举足轻重病态，因为显然几年内就通过观察到诊疗惨剧，在死亡从前已消失病情病情恶化或的持续发展。对侵扰病态较弱的结核病多种类型，患儿在数十乃至几十年后病情恶化，随访之后显然能够通过观察足够惨剧以全力支持可靠结果供说明。该量化的目的是核对TCGA蓝癌诊疗核对的相比较战术上和过剩，监督这两项的量化和避免随访小时延迟过剩等缺陷。

量化全部TCGA诊疗数据集后，论据如下：在数据集可获时，OS、PFI及DFI相比较精确，但多数实质上根本能够大约DSS。所示1B为33种不尽并不相同结核病多种类型的OS K-M曲线。尽管存活量化不是TCGA主要要能，多数结核病多种类型存活曲线与过往风险评估并不相同存活终点站的统一学术研究基本并不相同，GBM、OV（2008, 2011）和更高级别胶质疣（LGG）（2015）的TCGA结果就是比较好实有证。PFI、DFI和DSS的K-M曲线见所示1C–1E。

所示1 B-E诊疗数据集量化

基于每种结核病多种类型4个终点站的通过观察小时数值平均随访小时及惨剧或核对的当中位小时（表格2）。所有的当中位随访小时为22.1个月末，但不尽并不相同多种类型结核病该小时差别相当程度；GBM和急病态髓系白血病（LAML）最短大约12个月末，而肾嫌色线粒体癌（KICH）不长大约48个月末。

表格2 相比之下当中位随访小时及4个终点站的惨剧与通过观察当中位小时

录用适用的诊疗结果终点站

诊疗结果终点站并不需要取决于学术研究要能、惨剧存量、队列大小和结果数据集密度。将这些方法和开发的其它方法来作为对单个癌症数据集库的飞行测试和过剩之处核对，计算出来论据在每种癌症多种类型当中适用每个结果终点站的决定及情况（表格3）。每种结核病多种类型的存活终点站必需数通过一个主要飞行测试和过剩之处核对才被接受。33种癌当中的13种适用全部4个终点站：膀胱尿路上皮癌（BLCA）、睾丸上皮细胞线粒体癌（CESC）、肺癌（COAD）、食管癌（ESCA）、多毛上皮细胞线粒体癌（HNSC）、肾状线粒体癌（KIRP）、呼吸系统胰脏（LUAD）、LUSC、OV、胰胰脏（PAAD）、肉疣（SARC）、胃胰脏（STAD）和乳房内膜癌（UCEC）。相反，很难一个终点站的有嗜铬线粒体疣和副小脑疣（PCPG）。淋巴有如大B线粒体淋巴疣（DLBC）、LAML和胸腺疣（THYM）仅仅一个终点站；悉数结核病多种类型2或3个终点站，但其当中一些持保留公开发表意见。最可靠的是PFI，可无保留地录用给除LAML（无数据集）、DLBC和KICH（果断适用）和PCPG（不录用）之外的4种。

表格3 终点站OS,PFI,DFI及DSS的风险评估与录用适用

有效性TCGA-CDR及案实有量化方法

在结核病学术研究当中，雌激素ER单数患儿诊疗存活期高血压比ER+患儿差。分别用OS、PFI、DFI和DSS尤其这两类患儿的存活期（所示3A–3D；曲线年末于10年随访小时，但适用整个数据集库透过量化）。单诱因量化显示，适用PFI（p= 0.005）和DFI（p = 0.001）来作为诊疗终点站，TCGA当中ER+结核病患儿比ER-患儿有较好的存活期，但适用OS时两类患儿间不不存在差别(p = 0.097) 。此之外，两类患儿的DSS（p = 0.009）有显着差别，表格明DSS的潜在价值。以上找到证实了PFI和DFI是特定多种类型结核病分子可学术研究的恰当终点站。

所示3 有效性和量化方法实实有

此之外还有效性了侵扰病态GBM存活结果终点站。TCGA当中GBM当中位OS为12.6个月末，介于此从前路透社的国际标准病患的12.1个月末和国际标准病患联合替莫唑胺的14.6个月末密切关系。当中位PFI是6.1个月末，介于此从前路透社的国际标准病患5个月末和国际标准病患联合替莫唑胺的6.9个月末密切关系。显然，TCGA数据集库OS和PFI惨剧小时与文献相符。再次可知OS和PFI来作为GBM分子可学术研究的诊疗终点站效度。

用Cox比实有后果复出基本概念确定高期（III、IV期）相比较更高期（I、II期）结核病患儿的后果比（HR），有效性4个终点站的TCGA-CDR数据集。由于DFI概念与其它结果的概念不相符，对录用适用OS、PFI和DSS的14种多种类型结核病尤其logHR（表格3）。随后仅仅对符合Cox比实有后果理论上的癌症透过统计（所示3E–3G）。结果表格明，14种多种类型结核病当中，除间皮疣（MESO）、PAAD和葡萄膜黑色素疣（UVM）之外，高期对比更高期HR在3个录用终点站OS、PFI及DSS上突出更高。转用筛选样本的Wilcoxon秩和检验，当适用PFI与DSS（p = 0.0008）或PFI与OS（p = 0.039）测量时，logHR有显着差别，显示癌症的持续发展和存活终点站在HR上不存在的系统差值；OS与DSS密切关系很难显着差别（p = 0.106）。对2个logHR值的国际标准误以为透过自是加权平均确定Pearson涉及系数， 由logHR大约的3种结果有极显着正涉及：PFI和OS涉及系数0.96（95%方差[CI]：0.77–0.99），PFI和DSS为 0.95（95%方差：0.76–0.99），OS和DSS为0.90（95%方差：0.61–0.98）。这些涉及病态潜在全力支持诊疗20世纪用PFI，中期用OS和DSS好好终点站。

除了拆分分子可数据集，还尝试量化首次病患后盖因患儿与非盖因患儿是不是消失不尽并不相同的新惨剧。TCGA-CDR当中29类结核病的资讯应用于克服该解决办法，纳入患儿从诊断到未完成首治并超出盖因状态数存活3个月末。以LUSC为实有，有289实有盖因患儿和41实有长期非盖因患儿，NTE数万人分别为21.8%和68.2%。用Cox比实有后果复出基本概念，找到在非盖因患儿当中NTE后果显着较低盖因患儿（HR = 6.68，95% CI = 4.25–10.51，FDR修改q值＜0.05）。在另之外21种结核病多种类型当中也有类似于结果（表格4）。余下7种当中很难通过观察到这些差别。我们也在风险评估是不是每个基本概念都符合比实有后果理论上，其当中有两个不符合，必需学术研究小时缺少及多变量基本概念来四处寻找情况。

表格4 非盖因与盖因患儿NTE持续发展对比

TCGA从全球数百个全站整理病实有，为克服诊疗数据集不尽并不相同全站间的可比病态，即可考量数据集完备病态、和患儿特点等。对每种癌症而言，我们对比了从前两名备有病实有数最多的组织比如说全站（TSS）与所有其它TSS的同种癌症及4个结果终点站（表格5）。

表格5 对来自从前两位TSS的每个结核病多种类型学术研究结果透过尤其

对于GBM等极颇具侵扰病态的，从前两位TSS（#1和#2）的发病一些人与其它TSS相比类似于的有OS、PFI和DSS，因惨剧太不算难以量化不录用DFI好好终点站。BRCA等较更高侵扰病态，强力录用适用PFI和DFI，但决定果断用OS或DSS风险评估。TSS #1的诊疗数据集诱发不太好的OS和DSS，但很难通过观察到PFI差别；另之外，表格面上TSS#1有较好的DFI结果，仅仅消失3实有 DFI惨剧。这种表格里不一的震荡表格明该全站的结果数据集即可进一步风险评估。另一方面，TSS #2的4个终点站结果与其它地方相符。

这个比较简单的结果尤其表格明，当从特定结果量化结构上TCGA的诊疗数据集时，必需考量TSS的实质上相符的资讯。由于年龄、应于/分级及病患等诱因因素不尽并不相同TSS患病一些人的终点站结果，TSS可以来作为这些和不实质上诊疗原文等其它尚未测量差别的替代。

潜在的混杂诱因、垄断结果的

后果及基本概念理论上

对诊疗存活终点站量化来说，决定适用所处理的全部诊疗数据集。但相比分子可/基因序列数据集的拆分量化，要警惕两个方面。首先，录用公开发表意见基于基线存活基本概念，以分子可亚型来作计算出来论据系数划分样本集，有显然损坏结果统计的显着病态差别。因此，从互涉及联的TCGA分子可数据集或亚型TCGA-CDR结果数据集当中计算出来的论据即可在统一的数据集库当中进一步证实。

第二，我们决定仅仅适用原发的分子可数据集，因为患儿初诊时，举足轻重小时的资讯等比如说的诊疗数据集已整理相比较完备。黏膜黑色素疣（SKCM）在TCGA多种类型当中非常特殊，470实有当中仅仅103实有原发，其余296实有为原发暂时性上皮细胞移转到，68实有远端移转到。这与很不算整理到移转到疣的其它TCGA结核病多种类型形成鲜明对比。SKCM移转到疣很不算较强比如说的原发，而其它TCGA结核病多种类型尽管很不算有移转到疣，但都较强比如说的原发样本。因此，对于SKCM结果的涉及病态，决定只适用受管制存量的原发病实有，尽管SCKM上皮细胞移转到的III期病实有可来作为统一中三透过学术研究。

在适用新拆分的TCGA-CDR数据集库时，还必需警惕：潜在搞混诱因、垄断结果的后果及基本概念理论上。

混杂诱因

混杂诱因不存在但被排除在基本概念之之外时，差值显然夸大或考量到现实。如在结核病的宗教信仰差别学术研究当中，白人与美国黑人患儿密切关系不存在举足轻重的基因表格达差别，然而根据分子可亚型透过修改后，这种差别显着减不算甚至消失。治果也是潜在的混杂诱因，当的资讯可获取时应适当考量修改。病患尚未知时，年龄、就诊医务人员及诊断年份等国际标准病患来作为替代的资讯能减不算部分误以为差。对这方面的决断建模，期望适用多种类型高血压学术研究决定报告（REMARK）。

垄断结果的后果

推算出DSS、DFI和PFI终点站时，要对很难亲身经历举足轻重惨剧且盖因的死亡患儿透过审查。在这种实质上，如果理论上患儿很难其它自杀身亡，那她/他之后仍显然死于结核病指征。然而，在大约病患等计算出来论据系数对继发病态结核病或心血管癌症等非指数结核病死亡后果的计算出来论据能力时，该理论上却是可取。

基本概念理论上

量化方法Cox比实有后果（PH）基本概念必需核对PH理论上。除不算数案实有之外，大多数基本概念都符合Cox PH理论上，但即可进一步探讨这些个案以找出违背理论上的情况，从而对HR好好出更准确的大约。尽管已经为清理数据集和无论如何付出了相当大希望，但仍不存在举足轻重的适用管制，访问TCGA诊疗数据集都必需洞察这些管制。

首先，TCGA主要是为分子可学术研究结构设计，本来病实有并不需要来自多个私人机构较强恰当备用组织的尚未病患原发病实有，因此这些病实有不构成连续病态。此之外，对于每种不尽并不相同多种类型/学术研究，随访数据集很难统一整理。同时，诊疗数据集整理的一些规则在过往迫使随着小时的推移而改变。TCGA - CDR不涵盖结核病病患史，并非所有病实有都被原文。因此，量化特定多种类型或亚型的病患背景优于概况病态蓝癌量化。当患儿透过实质上相符病患时，获益能用DFI和PFI终点站适当量化。

其次，TCGA样本诊疗随访根据当地诊所的小时表格，显然为癌症或特定指甲的病情恶化和病人举足轻重生命状态的历史纪录，因此很难TCGA指定的诊疗随访计划，仅仅计算出来论据项目主要强调的分子可特点。

最后，几乎所有TCGA获的样本和基因序列及分子可数据集来自新诊患儿原发的单个切片，由此诱发的基因序列和分子可数据集不能在自由空间或小时任何方面明确捕获代表格另一患儿结果变量的异质病态。该解决办法不是TCGA类同的，任何型式原发病态学术研究都不存在。

展望

这项工来作是有史以来第一次下半年的有系统处理TCGA蓝癌诊疗的资讯。由此诱发的TCGA-CDR的结果终点站与统一非TCGA学术研究结果相符，概述该资源在空从前规模的诊疗尺度上备有了生物学测量新视角。也要察觉到TCGA-CDR的内在适用局限病态及关键病态监督和录用公开发表意见。已经非常明晰，本能癌症尚未来大规模的分子可学术研究必需的有系统整理诊疗病理、病患和转归惨剧数据集，以坚持最高国际标准的诊疗学术研究。尽管有其局限病态，TCGA-CDR备有了国际标准化数据集库，以及模糊不清的4个诊疗结果终点站假定，并克服了密度解决办法，从而在蓝癌和病态状水平上透过裂解学术研究。尚未来数据集学术研究的融为一体将提高结果密切关系的可比病态，较好地解释和全力支持重复。

参考的资讯

An Integrated TCGA Pan-Cancer Clinical Data Resource to Drive High-Quality Survival Outcome Analytics