构建和综合分析ceRNA网络以揭示肝细胞癌潜在的 预后生物标志物 众所周知,长链非编码RNA(lncRNAs)可作为microRNA(miRNA)海绵调节蛋白质编码基因的表达; 因此,lncRNA被认为是竞争性内源RNA(ceRNA)网络的主要部分,并且已引起越来越多的关注。那么今天小编为大家带来的就是一篇关于lncRNAs作为肝细胞癌(HCC)中ceRNA的调控机制和功能作用及其对HCC患者预后的潜在影响的文章。该文章于2019年发表在cancer cell international 杂志上,影响因子3.960。让我们一起来看一看作者做了哪些研究吧~ 主要内容 该文章的思路可以说是简单粗暴了。作者系统地研究了来自5个HCC队列(TCGA,GSE54236,GSE76427,GSE64041和GSE14520)的总共838名HCC患者的lncRNA,miRNA和mRNA的表达谱数据,然后使用TCGA,GSE54236和GSE76427 HCC群组通过生物信息学方法建立与预后相关的失调的ceRNA网络,最后使用GSE64041和GSE14520 HCC群组来验证候选基因的表达。 结果展示 结果1:HCC中的DEGs 作者使用|log 2 FC| > 2的截止阈值以及矫正的P值<0.01应用于 50个hcc组织与配对的50个非肿瘤样本,鉴定了641个delncrna,70个demirna和1392个demrna。然后,作者使用这些deg进行聚类分析,并去除了7个异常样本。接下来,作者使用剩余的43个hcc组织和43个配对的非肿瘤样本进行差异表达分析。结果,鉴定了721个delncrna,73个demirna和1563个demrna。其中lncrna,mirna和mrna的热图显示肿瘤与成对的非肿瘤组织呈分开聚集的状态。50个配对的hcc样品(a)和43个配对的hcc样品(b)中差异表达的lncrna,mirna="">0.01应用于> 图一: 差异表达基因(DEG)的热图 50个配对的HCC样品(a)和43个配对的HCC样品(b)中差异表达的lncRNA,miRNA mRNA的热图。左垂直轴表示DEG簇。横轴表示样本。样品簇呈现在水平轴上方。纵轴表示DEG。 蓝色表示下调的基因,红色表示上调的基因。 结果2:构建HCC的ceRNA网络 为了更好地了解lncRNAs与HCC中miRNA结合介导的mRNAs的影响,作者基于上述数据构建了一个ceRNA网络,并使用ggalluvial R软件包来显示网络。作者基于miRDB,miRTarBase和TargetScan数据库综合分析,最后使用26个DElncRNA,4个DEmiRNA和6个DEmRNA来建立ceRNA网络。此外,作者计算了每个基因的拓扑系数以说明其在ceRNA网络中的重要性。HCC中ceRNA网络的Sankey图如图二所示,其中每个矩形代表一个基因,并且基于矩形的大小可视化每个基因的连接程度。 图二: 结果3:预后评估 为了确定哪些DElncRNA,DEmiRNA和DEmRNA对HCC患者的总体存活率有影响,作者进行了生存分析以研究在TCGA和meta-GEO HCC队列中具有26个DElncRNA,4个DEmiRNA和6个DEmRNA的HCC患者的Kaplan-Meier曲线。在TCGA HCC队列中,18个DElncRNA和73个DEmRNA与预后显著相关(P <0.05)。同时,在meta-geo hcc队列中,="" 7个delncrna和5个demrna与预后显著相关(p="">0.05)。同时,在meta-geo><0.05)。作者认为这些基因在tcga hcc队列中|="" log="" 2="" fc="" |=""> 2,在TCGA和meta-GEO HCC队列中HR> 1是保护性基因。相反,基因在TCGA HCC队列中| log 2 FC |<2并且在tcga和meta-geo hcc队列中hr="">2并且在tcga和meta-geo><1被认为是风险基因。因此,在tcga和geo meta-geo="">1被认为是风险基因。因此,在tcga和geo> 图三:DElncRNA的生存分析,在TCGA(a)和meta-GEO(b)HCC队列中DE1ncRNA的Kaplan-Meier生存曲线: 图四:DEmiRNAs的生存分析,在TCGA(a)和meta-GEO(b)HCC队列中DEmRNA的Kaplan-Meier生存曲线如下所示,其中c,d,e分别表示在成对的HCC样本中TCGA,GSE64041和GSE14520中DEmRNA的表达模式。F表示DEmRNA的基因集富集分析。 作者基于上述筛选标准,鉴定了TCGA HCC队列中的两个风险DEmiRNA(hsa-miR-182和hsa-miR-183)(P <0.05)。此外,作者研究了hsa-mir-182与靶向rna(thbs1和chl1)的比例以及hsa-mir-183与靶向rna(ccnb1)的比例是否对hcc患者的预后有影响。结果作者发现hsa-mir-182 chl1的比例和hsa-mir-183="" ccnb1的比例与hcc患者的总体存活率显著相关(p="">0.05)。此外,作者研究了hsa-mir-182与靶向rna(thbs1和chl1)的比例以及hsa-mir-183与靶向rna(ccnb1)的比例是否对hcc患者的预后有影响。结果作者发现hsa-mir-182><> 图五:
结果4:验证DEmRNA的基因表达 作者选择了与预后相关的两种DEmRNA(CCNB1和SHCBP1)进行验证。在HCC组织中CCNB1和SHCBP1的表达显著高于GSE64041和GSE14520 HCC群组中的成对非肿瘤肝组织,这在TCGA HCC队列中的结果一致,证明了该分析的可靠性。 结果5:基因集富集分析 为了鉴定与在HCC中高表达的CCNB1和SHCBP1相关的生物学通路,作者基于TCGA HCC群组进行了HCC样品的GSEA。CCNB1高表达组中的HCC样品最显著地富集“姐妹染色单体分离”;SHCBP1高表达组中的HCC样品最显着地富集“核分裂的调节”如图四e,f所示。 结论 本文中作者提出的ceRNA网络可能有助于阐明lncRNA作为ceRNA的调控机制并有助于解释HCC的发病机制。重要的是,我们可以进一步评估参与ceRNA网络的候选lncRNA,miRNA和mRNA作为HCC的潜在的治疗靶标和预后生物标志物。 参考文献 Construction and comprehensive analysis of a ceRNA network to reveal potential prognostic biomarkers for hepatocellular carcinoma. 0.05)。作者认为这些基因在tcga> |
|