Ⅱ osa Metaboolne arusaamine geneetilisest düsregulatsioonist neerurakulise neerukartsinoomi kasvaja mikrokeskkonnas

Tulemus

1. Erinevalt ekspresseeritud metaboolsete geenide tuvastamine KIRC-s.

KIRC-i metaboolse düsregulatsiooni uurimiseks uurisime saadaolevaid TCGA andmeid, et saada põhjalik ülevaade kliinikus kasutatavatest ainevahetusele suunatud ravimitest. Sel eesmärgil valisime välja 1916 metaboolse geeni komplekti, mis lõigati kahest erinevast andmekogumist [16, 17] ja sõelusime välja 1100 erinevalt ekspresseeritud geeni kasvajas ja normaalsetes kudedes (täiendav tabel 2). Need erinevalt ekspresseeritud metaboolsed geenid kanti vulkaanidele ja soojuskaartidele (joonised 1 (a) ja 1 (b)). 1100 erinevalt ekspresseeritud metaboolsest geenist oli 78 geeni ülesreguleeritud ja 163 geeni allareguleeritud. Lisaks oli 859 geeni muutmata. Soojuskaart kujutab nende diferentsiaalsete metaboolsete geenide individuaalset ekspressiooniindeksit kasvaja- ja normaalsetes proovides (joonis 1 (b)). Järgmisena tuvastasime 10 parimat erinevalt ekspresseeritud metaboolset geeni; nende hulgas olid ENPP3, NNMT, CYP2J2, SCD ja HK2 ülesreguleeritud ning HSD11B2, HMGCS2, HPD, HS6ST2 ja ALDOB allareguleeritud. Nende DEmG-de kastigraafikud on näidatud joonisel 1(c). Ülereguleeritud geenidest ekspresseerub ENPP3 kasvajates ~7-korda. Teise võimalusena on geen ALDOB analüüsitud kasvajaproovides ~5-korda alla reguleeritud.

Lisaks hindasime DEmG-de KEGG rada ja GO analüüse. KEGG raja analüüs näitas, et ülesreguleeritud geenid olid märkimisväärselt rikastatud süsiniku metabolismi, HIF1 signaaliülekande ja glükolüüsi / glükoneogeneesi osas kõrgema geenisuhtega (igas rajas 8–9 geenide arv) (joonis 1 (d)). Samamoodi leidsime alareguleeritud DEmG-de hulgas, et süsiniku metabolism ja valiini, leutsiini ja isoleutsiini lagunemine olid peamised metaboolselt aktiivsete geenide poolt mõjutatavad teed (joonis 1 (e)). Peroksisoomi organelliga seotud teed rikastati oluliselt ka geenikasvaja proovide alareguleeritud rühmas. Tähelepanuväärne on see, et võrreldes ülesreguleeritud geenide omadega on allareguleeritud geenides osalevatel radadel suuremad olulised p väärtused. Väärib mainimist, et enamik allareguleeritud geenikategooriatega rikastatud KEGG radasid olid seotud aminohapete metabolismiga. DEmG osalemise tuumorigeneesi edasiseks lahutamiseks viidi läbi üles- ja allareguleeritud geenide GO funktsionaalsed analüüsid. Jagasime GO ontoloogia kolme funktsionaalse subontoloogia rühma: BP (bioloogiline protsess), CC (rakuline komponent) ja MF (molekulaarne funktsioon) (joonised 1 (f) ja 1 (g)). Lisaks näitas GSEA analüüs BENPORATH_MYC_TARGETS_WITH_EBOXiga seotud geenide märkimisväärset rikastumist kasvajates, samas kui BROWN{{11} } MÜELOID_RAKU_ARENG_ÜLES, KEGG_ALFA_ LINOLEENNE_HAPE_AINEETUS ja KEGG{ Leiti, et {19}}EETER_ LIPIID_AINEETUS on negatiivselt rikastatud. Järgmises etapis konstrueerisime valgu-valgu interaktsiooni PPI võrgu üles- ja allareguleeritud DEmG-dega. Mitmed geenid näitasid üksteisega interaktsiooni. Nende geenide interaktsioonide kaudu eraldasime sõlmpunkti geenid. Iga sõlm on astme väärtuse alusel teisest diskreetne; Lisaks eraldasime PPI jaoks 7 parimat rummu geeni. Samuti uurisime TCGA andmekogumites korrelatsiooni selle jaoturi geeniekspressiooni ja KIRC kliiniliste patoloogiliste tunnuste vahel.

Klõpsake siin, et teada saadamillised on Cistanche eelised.

2. Võrguanalüüs paljastab põhilised metaboolsed muutused erinevates kasvajaontoloogiates.

Järgmisena valiti DEmG-de ekspressiooniandmed ja neid kasutati WGCNA sisendandmetena, mis tuvastasid 6 erinevat koekspressioonimoodulit, mis sisaldasid iga mooduli jaoks erinevat arvu geene (joonis 2 (a)). Me korreleerisime diferentsiaalgeene väliste tunnustega ja tuvastasime moodulid, mis olid märkimisväärselt seotud kliiniliste tunnustega (joonis 2 (b)). Korrelatsioonikoefitsiendi põhjal leidsime, et MEturquoise moodulid olid negatiivses korrelatsioonis ellujäämise staatusega. GO ja KEGG raja rikastamise analüüsid viidi läbi, kasutades nende moodulite geene (joonised 2 (c) ja 2 (d)). Enim rikastatud KEGG rajad olid valiini, leutsiini ja isoleutsiini lagunemine; süsiniku metabolism; propanoaadi metabolism; rasvhapete metabolism; rasvhapete lagunemine; peroksisoomi ja butanoaadi metabolism; glüoksülaadi ja dikarboksülaadi metabolism; ja trüptofaani metabolism (joonis 2(c)). BP terminitega seotud geenid olid valdavalt rikastatud väikeste molekulide, karboksüülhappe ja orgaanilise happe kataboolsete protsessidega. CC terminitega seotud geenid rikastati peamiselt mitokondriaalses maatriksis. MF-ga seotud erinevalt ekspresseeritud geenid olid peamiselt rikastatud koensüümi sidumisega (joonis 2 (d)). Lisaks teostasime ellujäämismoodulis 8 geeni ellujäämisanalüüsi. Kõrgema ACADSB, PANK1, SLC25A4, PCCA, HADH, AUH, ACAT1 ja ALDH6A1 ekspressiooniga patsientidel oli pikem elulemus kui nende geenide madalama ekspressiooniga patsientidel (p=0) (joonised 2(e)–2() l)).

3. KIRC patsientide rühmitamine.

Valisime klastrianalüüsi jaoks parimad DEmG-d; KIRC patsiendid rühmitati metaboolsete geenide erineva ekspressiooni alusel kolme klastrisse. Joonisel 3 (a) on näidatud KIRC-patsientide DEmG-de soojuskaardid. Värvuskaala näitab ekspressiooniväärtust (helesinine näitab madalamat ekspressiooniväärtust; tumedam sinine näitab kõrgemaid geeniekspressiooni väärtusi).

KM kõverad joonistati, et võrrelda KIRC patsientide kolme klastri üldist elulemust. Üldine elulemus erines kolmes klastris oluliselt (p < {0}}:01 joonis 3(b)). Klastris 1 oli 2. ja 3. klastriga võrreldes halvem elulemus. PFS-i ellujäämise määr erines oluliselt ka kolme klastri vahel (p < 0:001, joonis 3(c)) ja klastri 1 elulemus oli võrreldes klastriga halvem. 2. ja 3. kobaraga.

Meie mudeli erinevad värvid tähistavad kliinilisi parameetreid ja aluseks olevaid patoloogilisi etappe (joonis 3 (d)). Klastris 3 on madalam Mo-suhe ja kõrgem M1 väärtus võrreldes klastritega 1 ja 2, mis viitab suuremale vähi metastaasidele ja kasvajate kaugelearenenud staadiumile klastris 3 kui klastrites 1 ja 2. Samamoodi on 3. klastris vähk levinud rohkem lümfisõlmedesse. (kõrgem N1) võrreldes 1. ja 2. klastrite omadega. Enamik KIRC patsiente diagnoositi III ja IV staadiumis (joonised 3(e) ja 3(f)), mis viitab suurematele või laienenud kasvajatele, samuti kasvajate levikule. veri või lümfisüsteem keha kaugemasse piirkonda.

4. Kolme klastri immuunstaatus.

KIRC kudede seeria strooma- ja immuunskooride hindamiseks kasutasime algoritmi ESTIMATE, lähtudes nende metaboolsetest transkriptsiooniprofiilidest (joonis 4 (a)). Hiljem võeti neid skoori arvesse strooma-immuunskooripõhise metaboolsete geenide signatuuri väljatöötamiseks prognoosi kihistamiseks KIRC-s. Nagu on näidatud joonisel fig 4 (a), kihistati kolm klastrirühma (C1, C2 ja C3) nende strooma-immuunskoori põhjal kastigraafikutesse. Kolme klastri hulgas oli C1 nii stromaalses kui ka immuunsüsteemi klassifikatsioonis kõrgem oluline skoor.

Lisaks analüüsis CIBERSORT kolme klastrit p-väärtusega < 0.1 (joonis 4(b)). Kasvaja puhtus, immuunskoor ja stromaalne skoor koos 3 klastri patoloogiliste staadiumidega on näidatud soojuskaardi ülaosas. Selles analüüsis avastasime peamiselt, et regulatiivsed T-rakud (Tregid) olid rikastatud klastris C1 ja C1 patsiendid olid peamiselt III ja IV patoloogilises staadiumis. Lisaks aktiveeritud NK-rakud, CD8 pluss T-rakud, T-folliikulite abistajarakud ja M0-makrofaagid C1-klastris; CD8 pluss T-rakud ja T-folliikulite abistajarakud C2-klastris; ja C3 klastris tuvastati ka puhkeolekus olevad nuumrakud, M2-makrofaagid, puhkemälu CD4 T-rakud, monotsüüdid, naiivsed B-rakud ja M1-makrofaagid (joonis 4 (b)).

Peale CIBERSORTi kasutasime immuunsüsteemi infiltratsiooni oleku kontrollimiseks ka teisi algoritmipakette. MCP analüüsi hierarhiline soojuskaart on näidatud joonisel 4(c). MCP analüüsi peamised leiud olid neutrofiilide infiltratsioon ja endoteelirakkude infiltratsioon klastris C3, mis puudusid klastris C1. See analüüs näitas ka NK-rakkude, monotsüütiliste liinide ja müeloidsete dendriitrakkude infiltratsiooni klastris C3. Teised immuunrakkude populatsioonid segati kolmes analüüsitud klastris (joonis 4 (c)).

CIBERSORTi ja MCP analüüside täiendamiseks rakendasime ssGSEA-d, et kvantifitseerida R-paketis GSVA rakendatud immuunrakutüüpide infiltratsioonitasemed. Kolme klastri andmed suunati ssGSEA paketti ja saadi KIRC proovides 28 immuunsüsteemiga seotud raku ja tüübi rikkust. Tulemused näitasid, et C1 ja C2 immuunsüsteemi infiltratsioon oli suurem; mõned kaasasündinud immuunrakud, sealhulgas NK, neutrofiilid ja eosinofiilid, segati 3 klastris (joonis 4 (d)).

5. DEmG-del põhineva ennustamismudeli konstrueerimine ja valideerimine.

Lõpuks koostasime ja kinnitasime metaboolsete geenide erineval ekspressioonil põhineva ennustusmudeli. Arvutasime DEmG-de immuunsüsteemiga seotud riskiskoori üldise elulemuse põhjal. Sel eesmärgil koostasime riskiskoori korrelatsiooni hindamiseks kaks rühma; üks on mõeldud koolitusrühmale ja teine ​​​​testimiskohordile. Leidsime, et üldine elulemus oli madal ja hajus üle riskiskoori (joonised 5 (a) ja 5 (b)). Järgmisena määrasime keskmise riskiskoori põhjal KIRC patsiendid edasiseks hindamiseks kõrge ja madala riskiga rühmadesse. Seejärel teostasime koolitus- ja testimisrühmades nende kahe riskirühma ellujäämise analüüsi. Nagu oodatud, leiti, et kõrge riskiga rühmade elulemus on madala riskiga rühmadega võrreldes madal (joonised 5 (c) ja 5 (d)). Lisaks viidi läbi ROC kõvera analüüs rühmade treenimiseks ja testimiseks. 5 aasta järel täheldasime testimisrühmades ROC skoori 0,68, mis näitab head tulemuslikkust KIRC prognoosi ennustamisel (joonised 5(e) ja 5(f)). Lisaks ROC kõvera analüüsile teostasime ka LASSO COX regressioonimudeli, et kinnitada meie prognostilist mudelit, nagu näitab osalise tõenäosuse hälve (täiendav joonis 5 (a)) ja DEmG-de regressioonikoefitsient (täiendav joonis 5 (b)). Lõpuks ennustati, et viis geeni (ABCG1, CRYL1, FDX1, PANK1 ja SLC44A) on potentsiaalsed prognostilised tegurid, mille HR oli <1 (täiendav joonis 5 (c)).

6. KIRC edenemise aluseks olevad mehhanismid.

KIRC progresseerumise aluseks oleva mehhanismi edasiseks uurimiseks viisime kõigi klastrite vahel läbi diferentsiaalekspressioonianalüüsi ja kasutasime tulemuste visualiseerimiseks soojuskaardi graafikut (joonis 6 (a)). DEmG-de signaaliradade tuvastamiseks viisime läbi DEG-de KEGG ja GO rikastamisanalüüsid kolmes klastris. Lühidalt, need tulemused näitasid, et kolme klastri DEG-d olid peamiselt rikastatud fokaalse adhesiooni, Foxo signaaliraja ja Apelini signaalirajaga klastri C3 ja mineraalide imendumise, neutrofiilide ekstratsellulaarse lõksu moodustumise ja staphylococcus aureuse infektsiooniga klastri C2 jaoks (joonis 6). (b)). Lisaks avastas DEG-de GO funktsionaalne analüüs joonisel 6 (c) näidatud MF-, CC- ja BP-ga seotud ontoloogiad. Huvitaval kombel näitas diferentsiaalekspressioonianalüüs geenide regulatsiooni ebanormaalset käitumist kolmes klastris. Enamasti ekspresseeriti NUDT1 kõrgelt C1-s, millel oli halvim ellujäämine. Täiendav uurimine näitas, et NUDT1 ekspressioon oli C1-st C3-le üleminekul oluliselt alla reguleeritud (joonis 6 (d)). Lisaks leiti, et NUDT1 on KIRC kasvaja proovides ülesreguleeritud (joonis 6 (e)). Järgmisena tõstsime esile NUDT1 ekspressiooni igas kasvaja staadiumis (joonis 6 (f)). Üldise elulemuse analüüsi teostas ka Kaplan-Meieri plotter ja leidsime, et kõrgema NUDT1 ekspressiooniga patsientidel oli üldine elulemus halvem (HR=1:82 (1,34–2,48), log-rank p {{27}). }:00012) (joonis 6(g)).

Lõpuks teostasime NUDT1-ga interakteeruvate geenide jaoks KEGG ja GO funktsionaalse rikastamise analüüse. Geenid jagati kahte rühma - positiivselt korreleerusid NUDT1-ga ja negatiivselt NUDT1-ga. KEGG raja analüüs näitas, et positiivselt korreleerunud geenid olid peamiselt rikastatud ribosomaalse raja, Huntingtoni tõve, amüotroofse lateraalskleroosi ja Alzheimeri tõve korral. Teisest küljest rikastati negatiivselt korrelatsiooniga geene peamiselt B-hepatiidi ja Foxo signaaliülekandega (joonis 6 (h)). Lisaks on joonisel 6 (i) näidatud kolme erineva rühma MF, CC ja BP GO ontoloogia nii positiivselt kui ka negatiivselt korrelatsiooniga geenide jaoks. Lisaks leidsime, et NUDT1 ekspressioon oli tugevas korrelatsioonis immuunrakkude infiltratsiooniga (täiendav joonis 6) ja KIRC patsientide erinevate kliiniliste tunnustega (tabel 1).

Cistanche toidulisandid

7. NUDT1 kadumine pärsib neeruvähirakkude proliferatsiooni ja migratsiooni.

Järgmisena võrdlesime NUDTI ekspressioonitaset KIRC kudedes ja nendega seotud normaalsetes kudedes, mis näitas, et NUDT1 ekspresseerub KIRC kudedes tugevalt (joonis 7 (a)). Lisaks määrasime siRNA-vahendatud inhibeerimise abil kindlaks NUDT1 kaotuse mõju neeruvähi rakuliinidele. NUDT1 oli suunatud siRNA knockdownile kahes rakuliinis 786-O ja ACHN ning NUDT1 mRNA tasemed inhibeeriti edukalt, nagu näitas qPCR analüüs (joonis 7 (b)). Pärast siRNA-vahendatud NUDT1 katkestamist näitas rakkude elujõulisuse test rakkude elujõulisuse vähenemist mõlemas rakuliinis (joonised 7 (c) ja 7 (d)). Seejärel näitas rakkude migratsioonitest NUDT1 katkestamisel oluliselt vähenenud rakkude migratsiooni NUDT1-vaesestatud 786-O- ja ACHN-rakkudes (joonised 7(e) ja 7(f)). 786-O-rakkude migratsioonivõime vähenes umbes 50 protsendini ja NUDT1 katkestamisel täheldati ACHN-rakkudes 70-protsendilist vähenemist (joonis 7(f)). Rakkude sissetungi inhibeeriti ka mõlemas rakuliinis, kui NUDT1 geen maha löödi (joonised 7 (g) ja 7 (h)). Migratsiooni täiendamiseks teostasime ka haava paranemise testi, kui NUDT1 oli 786-O- ja ACHN-rakuliinidest ammendunud, ja täheldasime sarnaseid tulemusi haavade paranemise vähenemise kohta mõlemas rakuliinis, millel puudus NUDT1 (joonised 7(l)– 7(n)). Nende tulemuste põhjal oletasime, et NUDT1 kadumine võib viia neeruvähirakkude apoptoosini. Seetõttu mõõtsime NUDT1 vaigistamisel apoptootiliste rakkude protsenti. Huvitaval kombel avastasime, et apoptootiliste rakkude protsent suurenes oluliselt NUDT{32}}vaesestatud rakkudes (joonised 7(i)–7(k)).

Arutelu

Neeru neeru selge rakuline kartsinoom (KIRC) on üks levinumaid vähivorme kogu maailmas, mis ei näita üldiselt varajasi sümptomeid enne, kui kasvaja muutub piisavalt suureks; seetõttu on suremus suhteliselt kõrge [18–20]. Seega on vaja uurida KIRC kantserogeneesi ja tuvastada selle varajaseks diagnoosimiseks kasulikud biomarkerid. KIRC-i patogeneesi ja kantserogeneesi kohta on aga seni vähe teadmisi. Lisaks ei ole kliinilise praktika jaoks palju molekulaarseid markereid kinnitatud. Täiustatud suure läbilaskevõimega sekveneerimis- ja bioinformaatikatehnoloogia võimaldavad valida tõhusaid biomarkereid [21]. Rohkem kui viiesaja KIRC juhtumi RNA sekveneerimise andmed ja kliinilised annotatsioonid on TCGA andmebaasis vabalt saadaval. Kasutades neid TCGA vabalt saadaolevaid andmeid, analüüsisime kasvaja ja normaalsete koeproovide erinevalt ekspresseeritud metaboolsete geenide RNA järjestuse andmeid. Üles- ja allareguleeritud geenide hulgas tuvastasime 10 parimat erinevalt ekspresseeritud metaboolset geeni (DEmG). Usume, et metaboolsetel geenidel on KIRC-s erinevad funktsioonid; Siiski võib sobivate diagnostiliste ja terapeutiliste markerite leidmine olla väljakutse mitmekesiste funktsioonidega geenide kogumile.

Varem on uuringutes hinnatud immuunrakkude infiltratsiooni mitme vähi kasvaja mikrokeskkonnas. Uuriti kasvaja immuunrakkude ja angiogeneesi vahelist seost TCGA-st saadud KIRC proovide andmetes ning RFX2, SOX13 ja THRA tuvastati kui kolm peamist MTF-i angiogeneesi allkirja reguleerimisel KIRC patsientidel [4]. Lisaks kontrollivad kaks sõltumatut m6A modifikatsioonimustrit KIRC bioloogilisi funktsioone, immunoloogilisi omadusi ja prognoose [22]. Autofagiaga seotud valku 5 (ATG5) on seostatud mitme vähi, sealhulgas KIRC, progresseerumisega [23]. Praeguses analüüsis näitasid mõned erinevalt ekspresseeritud geenid, sealhulgas PBRM1, SET2, VHL ja BAP1, olulist korrelatsiooni metaboolsete radadega KIRC andmetes. Edasiseks põhjalikuks uurimiseks rühmitasime patsiendid DEmG-de alusel; klastris 1 oli teiste klastritega võrreldes halvem üldine elulemus; igal juhul on 3. klastri KIRC patsientidel kasvaja kaugelearenenud staadiumid ja neil on kõrged lümfisõlmed (kõrgemad N1) võrreldes klastri 1 ja 2 patsientidega, mis näitavad vähi metastaase ja kasvajate laienemist klastris 3. See näitab vähem metaboolseid geene. vähi metastaasidega seotud klastrites.

Lisaks näitavad immuunsüsteemi infiltratsiooni skoorid erinevates klastrites C1 kõrgete skooridega strooma- ja immuunklassifikatsioonis. Tähelepanuväärne on see, et III ja IV patoloogilises staadiumis C1 patsientidel on kõrge T-rakkude infiltratsioon koos CD8 pluss T-rakkude, T-folliikulite abistajarakkude ja makrofaagidega. Samas on ka ohtralt Tregi. Tregidel on immuuntolerantsuses ja homöostaasis oluline roll [24]. Paljude vähivormide, nagu käärsoolevähk, rinnavähk ja kõhunäärmevähk, puhul on Tregide suurenenud protsent seotud vähi halva prognoosiga [25, 26]. M0 makrofaag indutseerib rakkude invasiooni ja proliferatsiooni [27] ning makrofaagide kõrgenenud taset seostatakse RCC halva prognoosiga [28]. Samuti on CD8 pluss T-rakud tuntud kui peamised kasvajavastased rakud ja parim valik vähi sihipäraseks immuunrakuteraapiaks [29]. Kuigi C1-l on kõrgeim CD8 pluss T-rakkude infiltratsioon kui teistes klastrites, oli selle üldine elulemus kõige halvem.

Herba Cistanche

Immuunrakkude infiltratsiooni uurimiseks KIRC kasvaja mikrokeskkonnas kasutasime kolme meetodit CIBERSORT, MCP ja ssGSEA. Traditsiooniline meetod kasvaja immuuninfiltratsiooni mõõtmiseks on koelõikude ja immuunsüsteemi alamhulkade histoloogia, mis tuleneb üksikute markerite immunohistokeemiast. Siiski on mitmeid piiranguid, mille puhul immunohistokeemia ei suuda tuvastada paljusid immuunpopulatsioone ja toimib halvasti funktsionaalsete fenotüüpide (nt aktiveeritud vs. lümfotsüüdid) hõivamisel. Seetõttu kasutasime CIBERSORTi, arvutuslikku lähenemisviisi, mille on välja töötanud [30] ja mis tegeleb immunohistokeemiaga seotud väljakutsetega. Peale CIBERSORTi kasutasime immuunsüsteemi infiltratsiooni oleku kontrollimiseks ka teisi algoritmipakette. Selle põhjuseks on asjaolu, et CIBERSORT mõõdab ainult immuunrakkude populatsioonide proovisiseseid proportsioone, mida saab lahendada mõne teise paketiga, näiteks MCP-loenduriga, mis suudab hinnata rakkude arvukuse arvukust, mis võimaldab võrrelda kasvaja mikrokeskkonnas infiltreeruvaid rakke proovide vahel [31]. CIBERSORTi ja MCP analüüside täiendamiseks rakendasime R-paketis GSVA [32, 33] rakendatud immuunrakutüüpide infiltratsioonitasemete kvantifitseerimiseks ssGSEA. GSA on auastmepõhine meetod, mis arvutab huvipakkuva geeni loendi üleekspressiooni võrreldes kõigi teiste genoomi geenidega. CIBERSORT näitas paremaid tulemusi võrreldes kahe teise meetodiga; seega viidi läbi täiendavad analüüsid ettevõttest CIBERSORT saadud andmete põhjal.

Lisaks keskendusime RNA-seq andmetel põhineva diferentsiaalse ekspressioonianalüüsi abil KIRC progresseerumise aluseks olevale mehhanismile. Üldiselt sihisime kolme klastri vahel tavaliste geenide ebanormaalset diferentsiaalset ekspressiooni. Enamik geene oli allareguleeritud, välja arvatud NUDT1 C1-s; selle ekspressioon oli aga C1-lt C3-le üleminekul oluliselt alla reguleeritud. Seega kinnitati NUDT1 oma rolli KIRC progresseerumisel veelgi. NUDTI geeniekspressiooni siRNA-vahendatud inhibeerimine kahes KIRC rakuliinis (786-O ja ACHN) vähendas rakkude elujõulisust ja rakkude migratsiooni ning suurendas apoptoosi, mis kinnitab selle rolli kasvaja progresseerumisel. Varem on teatatud, et NUDT1 ekspressiooni tase korreleerus kasvaja astme, staadiumi, suuruse, diferentseerumise, vaskulaarse invasiooni astme, üldise elulemusega (OS) ja haigusvaba elulemusega (DFS) HCC patsientidel, mida ennustati ka järgmiselt: terapeutilise potentsiaaliga prognostiline marker HCC patsientidel [34]. NUDT1 üleekspresseerimine pulmonaalse arteriaalse hüpertensiooni korral vähendab oksüdatiivset stressi ja DNA kahjustusi, soodustades seega rakkude proliferatsiooni ja vähendades apoptoosi [35]. On näidatud, et kõrge NUDT1 ekspressiooniga suukaudse lamerakulise kartsinoomiga (OSCC) patsientide elulemus on madal [36]. Tuginedes asjaolule, et NUDTI rolli kohta vähkkasvajates ei ole piisavalt kirjandust ja siiani pole üheski uuringus selle rollist KIRC-s teatatud, teatame esimest korda NUDTI rollist KIRC progresseerumises. Praegusel uuringul olid mõned piirangud; kuigi meie uuringus leiti, et signatuur võib olla seotud KIRC immunoteraapiaga, ei saanud allkirja efektiivsust andmete puudumise tõttu kinnitada, NUDT1 potentsiaalsed mehhanismid ja funktsionaalsed rollid KIRC-s ja kliinilises praktikas vajavad täiendavat uurimist.

Cistanche tubulosa

Järeldused

Sõelusime normaalsete ja kasvajakudede vahel düsreguleeritud metaboolseid geene ja uurisime nende funktsiooni. WGCNA analüüs tuvastas geenide rühma, mis on korrelatsioonis KIRC ellujäämise staatusega. Elullusega seotud geenidel põhinev konsensusklastri moodustamine näitas kolme erineva ellujäämismäära ja immuunsüsteemi infiltratsiooni mustriga klastrit. NUDT1 korreleerus negatiivselt ellujäämisega ja edasised analüüsid näitasid, et NUDT1 katkestamine pärsib kasvajarakkude proliferatsiooni ja migratsiooni. Pange tähele, et ellujäämisega seotud geenide põhjal koostati ennustusmudel, mis näitas KIRC ellujäämise ennustamisel suurt efektiivsust. Kokkuvõtteks tegime KIRC-s metaboolsete geenide põhjaliku analüüsi ja tuvastasime NUDT1 onkogeenina, mida saab kasutada terapeutilise ja prognostilise sihtmärgina.

Cistanche ekstrakti mõju neerude läbipaistvusele

Teaduslikud tõendid Cistanche mõju kohta neerude läbipaistvusele on piiratud. Mõned uuringud näitavad siiski, et Cistanche ekstraktil võib olla positiivne mõju neerude tervisele.

Neerud vastutavad jäätmete ja toksiinide välja filtreerimise eest kehast ning nende tervis on üldise heaolu jaoks hädavajalik. Uuringud on näidanud, et Cistanche ekstraktil on tugevad antioksüdandid ja põletikuvastased omadused, mis võivad aidata kaitsta oksüdatiivse stressi ja neerupõletike eest.

Traditsioonilises hiina meditsiinis kasutatakse Cistanchet ka neerude toniseerimiseks ja nende funktsiooni parandamiseks. Mõned praktikud usuvad, et Cistanche ekstrakti regulaarne tarbimine võib aidata parandada neerude läbipaistvust, kuigi seda väidet ei toeta tugevad kliinilised uuringud.

Seetõttu on vaja põhjalikumaid uuringuid, et täielikult mõista Cistanche ekstrakti potentsiaalseid eeliseid neerude läbipaistvusele. Sellegipoolest, nagu iga toidulisandi või alternatiivse ravi puhul, on oluline enne uute toidulisandite lisamist oma dieeti konsulteerida tervishoiutöötajaga, eriti kui teil on juba olemasolev haigus.

Viited

[18] RL Siegel, KD Miller ja A. Jemal, "Cancer statistika, 2019", CA: A Cancer Journal for Clinicians, vol. 69, nr. 1, lk 7–34, 2019.

[19] RL Siegel, KD Miller, HE Fuchs ja A. Jemal, "Cancer statistika, 2021", CA: A Cancer Journal for Clinicians, vol. 71, nr. 1, lk 7–33, 2021.

[20] JC Angulo ja O. Shapiro, "Metastaatilise neeruvähi muutuv terapeutiline maastik", Cancers, vol. 11, nr. 9, lk. 1227, 2019.

[21] AK Sharma, "Biomarkerite avastamise esilekerkivad suundumused: vähi prognoosimise ja prognoosimise lihtsus", Seminars in Cancer Biology, vol. 52, 1. osa, lk iii–iv, 2018.

[22] H. Li, J. Hu, A. Yu jt, "N6- metüüladenosiini RNA modifikatsioon ennustab immuunfenotüüpe ja ravivõimalusi neerude neerude selge rakulise kartsinoomi korral", Frontiers in Oncology, vol. 11, artikkel 642159, 2021.

[23] C. Xu, Y. Zang, Y. Zhao jt, "Põhjalik pan-vähi analüüs kinnitas, et ATG5 soodustas kasvaja metabolismi säilimist ja tuumori immuunsüsteemi põgenemise esinemist", Frontiers in Oncology, vol. 11, artikkel 652211, 2021.

[24] Y. Takeuchi ja H. Nishikawa, "Reguleerivate T-rakkude rollid vähi immuunsuses", International Immunology, vol. 28, nr. 8, lk 401–409, 2016.

[25] C. Zhuo, Y. Xu, M. Ying jt, "FOXP3 pluss Tregs: heterogeensed fenotüübid ja vastuolulised mõjud kolorektaalse vähiga patsientide ellujäämistulemustele", Immunologic Research, vol. 61, nr. 3, lk 338–347, 2015.

[26] H. Wang, F. Franco ja PC Ho, "Tregi metaboolne regulatsioon vähi korral: immunoteraapia võimalused", Trends Cancer, vol. 3, ei. 8, lk 583–592, 2017.

[27] BZ Qian ja JW Pollard, "Makrofaagide mitmekesisus suurendab kasvaja progresseerumist ja metastaase", Cell, vol. 141, nr. 1, lk 39–51, 2010.

[28] A. Hajiran, N. Chakiryan, AM Aydin jt, "Tuumori immuunmikrokeskkonna ruumilise heterogeensuse uurimine metastaatilise neerurakulise kartsinoomi korral ja korrelatsioon immunoteraapia vastusega", Clinical and Experimental Immunology, vol. 204, nr. 1, lk 96–106, 2021.

[29] B. Farhood, M. Najafi ja K. Mortezaee, "CD8( plus ) cytotoxic T lymphocytes in cancer immunotherapy: a review", Journal of Cellular Physiology, vol. 234, nr. 6, lk 8509–8521, 2019.

[30] AM Newman, CL Liu, MR Green jt, "Rakkude alamhulkade täpne loendus koeekspressiooniprofiilidest", Nature Methods, vol. 12, nr. 5, lk 453–457, 2015.

[31] E. Becht, NA Giraldo, L. Lacroix jt, "Koe-infiltreeruvate immuun- ja stroomarakkude populatsioonide arvukuse hindamine geeniekspressiooni abil", Genome Biology, vol. 17, nr. 1, lk. 218, 2016.

[32] DA Barbie, P. Tamayo, JS Boehm jt, "Süstemaatiline RNA interferents näitab, et onkogeensed KRAS-i põhjustatud vähid nõuavad TBK1", Nature, vol. 462, nr. 7269, lk 108–112, 2009.

[33] S. Hanzelmann, R. Castelo ja J. Guinney, "GSVA: gene set variation analysis for microarray and RNA-seq data", BMC Bioinformatics, vol. 14, nr. 1, 2013.

[34] Q. Ou, N. Ma, Z. Yu jt, "Nudix hüdrolaas 1 on prognostiline biomarker hepatotsellulaarse kartsinoomi korral", Aging, vol. 12, nr. 8, lk 7363–7379, 2020.

[35] G. Vitry, R. Paulin, Y. Grobs jt, "Oxidized DNA precursors cleanup by NUDT1 aitab kaasa veresoonte ümberkujunemisele pulmonaalse arteriaalse hüpertensiooni korral", American Journal of Respiratory and Critical Care Medicine, vol. 203, nr. 5, lk 614–627, 2021.

[36] Y. Shen, L. Zhang, S. Piao jt, "NUDT1: potentsiaalne sõltumatu ennustaja suu lamerakk-kartsinoomiga patsientide prognoosimiseks", Journal of Oral Pathology & Medicine, vol. 49, nr. 3, lk 210–218, 2020.

Junwei Xie,1,2,3,4,5 Lingang Cui,6 Shaokang Pan,1,2,3,4,5 Dongwei Liu,1,2,3,4,5 Fengxun Liu,1,2,3,4 ,5 ja Zhangsuo Liu 1,2,3,4,5

1 Nefroloogia osakond, Zhengzhou ülikooli esimene sidushaigla, Zhengzhou 450052, Hiina

2 Nefroloogia uurimisinstituut, Zhengzhou ülikool, Zhengzhou 450052, Hiina

3 Neeruhaiguste uurimiskeskus, Zhengzhou, 450052 Henan, Hiina

4 kroonilise neeruhaiguse täpse diagnoosi ja ravi võtmelabor Henani provintsis, Zhengzhou 450052, Hiina

5 riikliku kliinilise meditsiinilise neeruhaiguste keskuse põhiüksus, Zhengzhou 450052, Hiina

6 Zhengzhou ülikooli esimese sidushaigla uroloogia osakond, Zhengzhou 450052, Hiina