IF:8.8|TCGA+ceRNA+肝癌文献解析

IF:8.8|TCGA+ceRNA+肝癌文献解析

ceRNA,中文名竞争性內源RNA。和ncRNA等概念不同,ceRNA并不是代表某种特定类型的RNA,而是一种调控机制,指生物体内复杂的转录调控网络中的RNA,主要包括蛋白编码基因mRNA、长链非编码RNAlncRNA)、环状RNAcircRNA)、假基因(pseudogenes)等。

attachments-2022-01-fOQcqoWl61d7a0727c5ea.png如上图:miRNA可通过抑制靶基因mRNA的翻译,或促进mRNA降解来起到负调控的作用;circRNA,能够像海绵一样吸附、结合miRNA,使其不能发挥负调控的作用,从而促进靶基因的表达;lncRNA可以与miRNA互作,作为ceRNA并吸附miRNA,抑制miRNA的作用,促进mRNA表达。在这个过程中miRNAcircRNA起到拮抗的作用:miRNA水平升高抑制靶基因表达,circRNA水平升高则促进靶基因表达。其中的几个主角:lncRNA 、 circRNAmiRNA、靶基因mRNA共同构成了ceRNA调控网络。一个靶基因可能被多个miRNAcircRNA/lncRNA同时调控,所以ceRNA调控网络可能非常的庞大。

解读文献

attachments-2022-01-NvCKHGah61d7a095b1358.png

研究背景

肝细胞癌(HCC)是危害人类健康的最致命的恶性肿瘤之一。越来越多的证据强调竞争性内源RNA(ceRNA)调控网络在各种人类癌症中的关键作用。然而,HCC中ceRNA网络的复杂性和行为特征仍不清楚。在这项研究中,旨在阐明磷酸酶和张力蛋白同源物(PTEN)相关的ceRNA调节网络,并确定与HCC相关的潜在预后标志物

ceRNA网络构建分析流程

attachments-2022-01-mNA7Ycnd61d7a0ad8e0ef.png

数据:TCGA数据库人类HCC表达谱数据以及临床信息(LIHC),表达数据包括lncRNA、mRNA以及miRNA;GEO基因表达谱-GSE410804作为验证数据集靶基因预测数据库:tarbase、targetscan、miRDB数据分析思路:1.样本按照两组分组类型(PTEN高表达/低表达、肿瘤组织/正常组织)分别进行差异表达分析,获得各自的差异mRNA、lncRNA以及miRNA。2.对两组差异lncRNA取交集,获得的lncRNA在tarbase数据库中预测下游miRNA;预测到的miRNA与差异miRNA取交集,获得的miRNA在miRDB、TargetScan数据库中预测靶mRNA;预测到的靶mRNA与差异mRNA取交集。3.最终获得的差异lncRNA、miRNA、mRNA以及他们之间的调控关系,通过Cytoscape构建ceRNA网络,并通过其中的Cytohubba插件进行分析筛选hub ceRNA网络。4.对所筛选得到的子网络进行相关性分析,km分析,细胞定位分析,根据分析结果进一步选择潜在的预后模型。
5.模型中的RNA结合临床特征进行单因素、多因素cox回归分析,从而获得具有独立预后效果的RNA。
6.探究具有独立预后效果的RNA与免疫浸润之间的关系,并通过富集分析来确定其在HCC中的潜在功能。

探究PTEN在HCC中的抑癌作用和预后价值

首先探讨PTEN在肝细胞癌中的作用,(A)通过人类蛋白质图谱数据库(HPA)发现PTEN在肝癌中低表达,在正常组织中过表达。(B)HPA的免疫组化染色结果也证实了相似的PTEN异常表达。(C)由于PTEN在肿瘤组织的异常低表达,研究了PTEN在肝细胞癌患者中表达的临床意义,绘制了km曲线,结果表明PTEN的异常低表达与患者生存率低显著相关。随后,为了解PTEN在肿瘤样本中异常低表达的潜在机制,(D)通过cBioPortal分析PTEN的基因组和拷贝数,结果显示TCGA HCC数据集中PTEN基因的缺失,(E)此外PTEN缺失的肝细胞癌组织的mRNA表达低于二倍体PTEN的肝细胞癌组织,(F)同时,PTEN拷贝数值与mRNA表达呈正相关。

attachments-2022-01-x5srpUil61d7a0cfb8694.png

鉴定差异mRNA、lncRNA、miRNA

根据以上分析结果,与PTEN相关的ceRNA网络可以作为预测肝细胞癌患者预后的潜在模型。
首先采用TCGA数据库鉴定具有PTEN高表达和PTEN低表达的HCC样本之间、以及HCC组织与癌旁组织之间的差异mRNA、lncRNA、miRNA。以p<0.05和|logFC|>0.5作为筛选差异lncRNA的阈值,以p<0.05和|logFC|>0.3作为筛选差异miRNA的阈值,以p<0.005和|logFC|>0.7/0.5作为筛选差异mRNA的阈值。筛选结果:PTEN高低表达之间差异mRNA-1871个(195上调、1676下调)、差异lncRNA-860个(137上调、723下调)、差异miRNA-54个(21上调、33下调);HCC组织与癌旁组织之间差异mRNA-8294个(7059上调、1235下调)、差异lncRNA-3371个(3041上调、330下调)、差异miRNA-420个(102上调-318下调)
(A-C)火山图展示PTEN高低表达组之间差异mRNA、差异lncRNA、差异miRNA的分布。(D-F)热图展示15个显著的差异mRNA、差异lncRNA、差异miRNA

attachments-2022-01-YXnpEQIk61d7a0e70a3d5.png

构建ceRNA网络

首先对PTEN高/低组之间的差异lncRNA以及癌症组织/正常组织之间的差异lncRNA取交集,根据这些交集lncRNA在TarBase数据库中,识别潜在的靶miRNA;预测到的miRNA与PTEN高/低组之间的差异miRNA以及癌症组织/正常组织之间的差异miRNA的交集miRNA取交集,筛选到4个miRNA;之后使用miRDB以及TargetScan数据库来预测这4个miRNA的下游mRNA,除此之外,为提高预测准确性,仅取两个数据库共同的预测结果。A)结果显示,在差异mRNA中鉴定到了373个mRNA。最后共有5个lncRNA(4上调、1下调)、4个miRNA(1上调、3下调)、372mRNA用来构建ceRNA网络。之后采用Cytoscape来识别筛选ceRNA网络中的hub网络。B)结果显示3个lncRNA(DLEU2L、FAM99A、ARRDC1-AS1)、4个miRNA(miR-99a-5p、miR-100-5p、miR-9-5p、miR-125b-5p)、以及6个mRNA(TAOK1、HS3ST3B1、RHOQ、BAZ2A、AGO2、NR6A1)被筛选出来。为了探索hub网络潜在的功能,利用Metascape进行功能富集分析(KEGG、GO),C)结果显示网络中的mRNA被特异性富集在”蛋白质激酶活性“、”GTP结合酶“、”参与细胞分化的形态发生“

attachments-2022-01-KYu1lk0Y61d7a1023a0e2.png

构建并验证核心ceRNA网络、筛选HCC预后模型

为了在HCC中建立具有良好预后价值的核心ceRNA网络,首先分析hub网络中RNA在PTEN高/低组以及癌症组织/正常组织中的表达水平。正如之前所提到的,PTEN高/低组中的RNA表达水平与癌症组织/正常组织相反。结果显示,在PTEN高/低组中,hub网络中RNA表达水平为:1个下调lncRNA(DLEU2L)和2个无差异lncRNA(ARRDC1-AS1、FAM99A)、一个上调miRNA(miR-9-5p)和三个下调miRNA(miR-99a-5p、miR-100-5p、miR-125b-5p)、三个下调mRNA(TAOK1、HS3ST3B1、AGO2)和三个无差异mRNA(RHOQ、BAZ2A、NR6A1);而在癌症组织/癌旁组织中,两个lncRNA(DLEU2LARRDC1-AS1)上调和一个lncRNA下调(FAM99A)一个上调miRNA(miR-9-5p)和三个下调miRNA(miR-99a-5p、miR-100-5p、miR-125b-5p)、五个上调mRNA(TAOK1、RHOQ、BAZ2A、NR6A1、AGO2)和一个下调mRNA(HS3ST3B1)
attachments-2022-01-ChTiScba61d7a11c6f19d.png为了确定这些RNA与生存是否相关,使用KM分析对患者进行OS分析。发现一种lncRNA(DLEU2L)、两种miRNA(miR-99a-5p、miR-100-5p)和三种mRNA(TAOK1、HS3ST3B1、RHOQ)与预后相关。
attachments-2022-01-6sVtVkOS61d7a13c975b8.png除此之外,由于lncRNA的细胞定位决定潜在机制,通过lncLocator分析三种lncRNA的亚细胞定位。A)DLEU2L主要分布在细胞质中,其他两个lncRNA分布在细胞质基质中。
通过以上分析,可推测DLEU2L可能吸附miR-99a-5p/miR-100-5p来提高TAOK1的表达。B)因此构建了DLEU2L-miR-99a-5p/miR-100-5p-TAOK1 ceRNA网络。C)Tarbase和TargetScan预测DLEU2L和TAOK1的3端UTR中的靶位点分别与miR-99a-5p/miR-100-5p配对。D)此外,表达相关性分析表明DLEU2L与TAOK1之间存在正相关性关系。
attachments-2022-01-vXHfxkCH61d7a167e9bb0.png因此选择ceRNA网络中的DLEU2L/TAOK1轴作为潜在预后模型进行分析

DLEU2L/TAOK1轴在HCC患者中的临床相关性

为了确定DLEU2L/TAOK1的表达水平是否和临床因素相关,对此进行相关性分析。通过单因素和多因素cox回归分析来确定生存相关特征。结果显示在单因素cox回归分析结果中DLEUL2与TAOK1过表达水平与较差预后显著相关,而在多因素cox回归分析中,DLEU2L表达与不良预后无关。因此,TAOK1可能为HCC患者的独立预后因素。

TAOK1异常高表达验证

根据GEO数据库中的HCC患者样本中的TAOK1表达进行差异分析,结果显示TAOK1在HCC组织中的表达明显高于正常组织,这与TCGA数据得到的结果一致。

TAOK1表达与免疫浸润的相关性

为了评估肿瘤免疫浸润水平与TAOK1表达之间的潜在关系,A)使用TIMER分析不同免疫细胞中TAOK1的基因拷贝数。B)分析TAOK1与免疫细胞浸润水平之间的相关性。C)评估免疫浸润对患者预后的影响
  • 发表于 2022-01-07 10:15
  • 阅读 ( 2768 )
  • 分类:文献解读

0 条评论

请先 登录 后评论
你想桃子吗
你想桃子吗

21 篇文章

作家榜 »

  1. omicsgene 702 文章
  2. 安生水 350 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. xun 82 文章
  6. rzx 78 文章
  7. 红橙子 78 文章
  8. CORNERSTONE 72 文章