تجزیه و تحلیل سیستم VEGFA در کارسینوم سلول کلیوی: بیان، پیش آگهی، شبکه تنظیم ژن و اهداف تنظیم

edmund.chen@wecistanche.com

مقدمه

کارسینوم سلول کلیه (RCC)، شایع ترین تومور بدخیم درکلیهیکی از 10 سرطان شایع در سراسر جهان است. 1 تقریباً 330،000 مورد سرطان در سراسر جهان، و بیش از 140،000 مرگ سالانه را شامل می‌شود.کلیه کلیهکارسینوم سلول پاپیلاری (KIRP) از نظر بروز در رتبه دوم قرار دارد و 10 تا 15 درصد از RCC ها را تشکیل می دهد.کلیه کلیهکارسینوم سلول شفاف (KIRC) با بروز 75 درصد تا 80 درصد .3کلیهکروموفوب (KICH) یک زیرگروه نادر از RCC است که تقریباً 4 تا 5 درصد از RCC ها را تشکیل می دهد. روش‌های درمانی بالینی اولیه برای RCC هستند. 6 کارآزمایی‌های بالینی مرتبط نشان داده‌اند که استفاده از مهارکننده‌های ایمن‌پوینت در ترکیب با عوامل ضد رگ‌زایی از نظر بالینی در بیماران مبتلا به RCC مؤثرتر است. در کاربرد بالینی نیاز فوری به شناسایی اهداف و رویکردهای درمانی امیدوارکننده‌تر برای درمان RCC وجود دارد.

فاکتور رشد اندوتلیال عروقی A (VEGFA)، یک عامل رگ زایی حیاتی، یک عامل مهم تومور خاص در بیماران مبتلا به RCC است و نقش مهمی در رگزایی و پیشرفت تومور ایفا می کند. 9 1.10 چندین مهارکننده VEGFA از نظر بالینی مفید هستند. 11،12 Sunitinib، مهارکننده تیروزین کیناز آواسکولار VEGF، برای درمان خط اول و دوم RCC پیشرفته تأیید شده است. با این حال، سونیتینیب به طور بالقوه می تواند باعث ایجاد آن شودآسیب کلیهاگرچه VEGFA به عنوان یک فاکتور اختصاصی تومور ضروری در بیماران مبتلا به RCC در نظر گرفته می شود، سطح بیان، شبکه تنظیم ژن، ارزش پیش آگهی و هدف تنظیمی VEGFA در بیماران با زیرگروه های ناهمگن RCC (KIRC، KICH، و KIRP) نامشخص باقی می مانند. بنابراین، لازم است اطلاعات مفیدتری در مورد رابطه بین بیان VEGFA و وقوع RCC به دست آوریم. در مطالعه حاضر، ما از چندین پایگاه داده آنلاین رایگان برای شناسایی سطح بیان، شبکه تنظیم ژن، ارزش پیش آگهی و هدف تنظیمی VEGFA در بیماران مبتلا به RCC استفاده کردیم. علاوه بر این، این مطالعه با هدف بررسی بیشتر رابطه بین بیان VEGFA و وقوع RCC و ارائه بینش جدید در مورد درمان هدف بیماران مبتلا به RCC انجام شد.

کلید واژه ها:کارسینوم سلول کلیوی، کارسینوم سلول شفاف کلیه، کروموفوب کلیه، کارسینوم سلول پاپیلاری کلیه، VEGFA، شبکه تنظیم ژن، پیش بینی هدف

سیستانچ بیماری کلیوی/کلیوی را بهبود می بخشد

مواد و روش ها

تجزیه و تحلیل UALCANUALCAN (http://ualcan.path.uab.edu/analysis.html) یک پایگاه داده آنلاین است که به عنوان ابزاری برای بیان ژن زیرگروه تومور و تجزیه و تحلیل بقا استفاده می شود.ماژول "تحلیل بیان" پایگاه داده ALCAN برای تجزیه و تحلیل داده های بیان ژن TCGA استفاده شد و معیارهای غربالگری به شرح زیر تنظیم شد: (الف) ژن: VEGFA. (ب) مجموعه داده: KIRC، KICH، و KIRP. (ج) شرایط تنظیم آستانه: قطع P-value =0.05. برای تحلیل مقایسه ای از آزمون t-test استفاده شد.تجزیه و تحلیل پروفایل بیان ژنتجزیه و تحلیل پروفایل بیان ژن (GEPIA) (http://gepia.سرطان-pku.cn/index.html) یک پلتفرم آنلاین رایگان است که داده های بیان توالی RNA 9736 تومور و 8587 نمونه طبیعی را برای تجزیه و تحلیل بیان mRNA دیفرانسیل 14، متیلاسیون پروموتر، مرحله پاتولوژیک و پیش آگهی همبستگی در این مطالعه ارائه می دهد. معیارهای غربالگری به شرح زیر بود: (الف) ژن: VEGFA. (ب) مجموعه داده: KIRC، KICH، و KIRP. (ج) شرایط تنظیم آستانه: قطع P-value =0.05. برای تجزیه و تحلیل بیان VEGFA و مرحله پاتولوژیک RCC از آزمون t Student استفاده شد. منحنی Kaplan-Meier برای تجزیه و تحلیل پیش آگهی بیماران مبتلا به RCC استفاده شد.تجزیه و تحلیل cBioPortalcBioPortal (http://cbioportal.org) یک پایگاه داده آنلاین باز است که برای تجسم، مطالعه و تجزیه و تحلیل داده‌های ژنتیکی سرطان استفاده می‌شود. در مطالعه ما، تجزیه و تحلیل تغییرات ژنتیکی VEGFA و ژن‌های همسایه آن (۵ مورد برتر{{{ 9}} ژن های همسایه تغییر یافته VEGFA) با استفاده از پایگاه داده cBioPortal انجام شد. معیارهای غربالگری به شرح زیر بود: (الف) 446، 66، و 274 نمونه KIRC، KICH، و KIRP، به ترتیب، تجزیه و تحلیل شدند. (ب) بیان mRNA z-نمرات نسبت به تمام نمونه ها (log RNA Seq V2 RSEM) با استفاده از یک آستانه z-score ± 2.0 به دست آمد. (ج) ژن: VEGFA.تجزیه و تحلیل STRINGSTRING (https://string-db.org/cgi/input.pl) یک پایگاه داده رایگان آنلاین است که برای ساخت شبکه های تعامل پروتئین-پروتئین (PPI) بین پروتئین های هدف استفاده می شود.16 در این مطالعه، ما تعامل شبکه PPI را توسط شرایط غربالگری با اطمینان کم (0.150) و گونه های تعریف شده به عنوان هومو ساپینس.تجزیه و تحلیل GeneMANIAGeneMANIA (http://www.genemania.org) یک ابزار تجزیه و تحلیل برای ساختن PPI، ایجاد فرضیه در مورد عملکرد ژن، تجزیه و تحلیل لیست ژن، و توالی ژن ها برای تعیین عملکرد است. VEGFA و 50 ژن برتر تغییر یافته همسایه.تحلیل متاسیپMetascape (https://metascape.org) یک ابزار ساده و قدرتمند برای حاشیه نویسی و تجزیه و تحلیل عملکرد ژن است که می تواند به کاربران کمک کند تا از روش های رایج آنالیز بیوانفورماتیک فعلی برای تجزیه و تحلیل ژن ها و پروتئین های دسته ای برای درک عملکرد ژن یا پروتئین استفاده کنند. مطالعه، عملکرد هستی شناسی ژن (GO) و دانشنامه کیوتو ژن ها و ژنوم ها (KEGG) تجزیه و تحلیل مسیر غنی سازی VEGFA و ژن های همسایه تغییر یافته آن در RCC با استفاده از Metascape مورد بررسی قرار گرفت.تجزیه و تحلیل اعتمادTRUST (https://www.grnpedia.orgtrrust/) یک پایگاه داده به صورت دستی از شبکه های نظارتی رونویسی انسانی است که حاوی 8444 و 6552 روابط تنظیمی رونویسی-عامل-هدف از 800 عامل رونویسی انسانی است.19 در این مطالعه، ما سعی کردیم شناسایی عامل کلیدی تنظیم کننده بیان VEGFA و ژن های همسایه تغییر یافته آن در بیماران مبتلا به RCC با استفاده از پایگاه داده TRUST.تجزیه و تحلیل LinkedOmicsLinkedOmics (http://www.linkedomics.org) یک پلت فرم آنلاین عمومی است که شامل داده های چند omics از تمام 32 نوع سرطان TCGA است.20 روش هایی را برای تجزیه و تحلیل و مقایسه داده های چند omics سرطان در داخل و بین انواع تومور ارائه می دهد. در مطالعه ما، غنی‌سازی هدف کیناز، غنی‌سازی هدف miRNA، و ژن‌هایی که به طور متفاوت در ارتباط با VEGFA بیان می‌شوند با استفاده از ماژول "LinkInterpreter" LinkedOmics انجام شد. معیارهای غربالگری به شرح زیر تعیین شد: (الف) حداقل تعداد سه ژن (اندازه). (ب) نوع سرطان: KIRC، KICH، و KIRP. (ج) شبیه سازی 500; (د) انتساب جستجو: VEGFA و 50 ژن برتر همسایه تغییر یافته. (ه) مجموعه داده هدف: RNA-seq (نوع داده).تجزیه و تحلیل تایمرتایمر (https://cistrome.shinyapps.io/timer/) یک منبع جامع برای تجزیه و تحلیل سیستماتیک سلول های ایمنی نفوذ کننده تومور، از جمله سلول های B، سلول های CD4 به علاوه T، سلول های CD8 به علاوه T، نوتروفیل ها، ماکروفاژها و دندریتیک است. سلول ها. 21 در مطالعه ما، همبستگی بین سطح بیان VEGFA و نفوذ سلول های ایمنی توسط "مژول ژن" TIMER ارزیابی شد.

نتایج

بیان VEGFA در بیماران مبتلا به RCCما سطح بیان VEGFA را در بیماران مبتلا به RCC با بافت‌های طبیعی انسانی مقایسه کردیم و دریافتیم که سطوح رونویسی VEGFA طبقه‌بندی‌شده بر اساس نوع نمونه، جنس و مرحله پاتولوژیک KIRC به طور قابل‌توجهی تنظیم شده بود (P <{0}} .{7}}01)="" (شکل="" 1(a)="" تا="" (c)).="" به="" طور="" مشابه،="" سطح="" بیان="" vegfa="" در="" بافت‌های="" kich="" بر="" اساس="" نوع="" نمونه،="" جنس="" و="" مرحله="" kich="" 2="" افزایش="" یافت="" (p=""><0.05) (شکل="" 1(d)="" تا="" (f)).="" با="" این="" حال،="" سطح="" بیان="" vegfa="" در="" بافت‌های="" kirp="" بر="" اساس="" نوع="" نمونه="" و="" جنس="" مذکر="" کاهش="" یافت="" (p=""><0.05) (شکل="" 1="" (g)="" و="" (h)).="" علاوه="" بر="" این،="" ما="" ارتباط="" بین="" بیان="" افتراقی="" vegfa="" و="" مرحله="" پاتولوژیک="" را="" در="" بیماران="" مبتلا="" به="" rcc="" ارزیابی="" کردیم.="" نتایج="" ما="" ارتباط="" معنی="" داری="" بین="" بیان="" vegfa="" و="" مرحله="" پاتولوژیک="" در="" بیماران="" مبتلا="" به="" kirc="" (p{10}}.0471)="" و="" kirp="" (p{12}}.36e-6)="" نشان="" داد="" (شکل="" 2)="" .="" علاوه="" بر="" این،="" ما="" از="" gepia="" برای="" ارزیابی="" ارزش="" پیش="" آگهی="" بیان="" vegfa="" در="" بیماران="" مبتلا="" به="" rcc="" استفاده="" کردیم.="" بقای="" کلی="" در="" بیماران="" مبتلا="" به="" kirp="" که="" سطوح="" بیان="" vegfa="" پایین="" به="" جای="" بالا="" داشتند="" طولانی‌تر="" بود="" (p{16}}.00044)="" (شکل="" 3="" (c)).="" درصد="" بقا="" در="" بیماران="" مبتلا="" به="" kirp="" که="" قبل="" از="" 100="" ماه="" از="" سطح="" بیان="" vegfa="" پایین="" نسبت="" به="" بالا="" بودند،="" بالاتر="" بود="" (0016.0{20}})="" (شکل="" 3(f)).="" با="" این="" حال،="" نتیجه="" مخالف="" پس="" از="" 100="" ماه="" در="" بیماران="" مبتلا="" به="" kirp="" پیدا="" شد="" (شکل="" 3="">

تغییر ژنتیکی و سطح متیلاسیون پروموتر بیان VEGFA در بیماران مبتلا به RCCتغییرات ژنتیکی VEGFA در بیماران مبتلا به RCC با استفاده از TCGA مورد ارزیابی قرار گرفت. نتایج ما نشان داد که بیان VEGFA در بیماران مبتلا به KIRC 4 درصد تغییر کرده است (شکل تکمیلی 1(a)). با این حال، سطح متیلاسیون پروموتر بیان VEGFA در بیماران مبتلا به KIRC کمتر از انسان‌های عادی بود (شکل تکمیلی 1(b)). علاوه بر این، ما 8 درصد تغییر سطح بیان VEGFA را در بیماران مبتلا به KICH پیدا کردیم (شکل تکمیلی 1(c)). به طور مشابه، بیان VEGFA در بیماران مبتلا به KIRP 4 درصد تغییر کرد (شکل تکمیلی 1 (e)). با این حال، سطح متیلاسیون پروموتر بیان VEGFA در بیماران مبتلا به مرحله پاتولوژیک 1 KIRP بیشتر از افراد عادی بود (شکل تکمیلی 1(f)).

تغییر ژن همسایه و شبکه تعامل VEGFA در بیماران مبتلا به RCCتغییر ژن مجاور بیان VEGFA در بیماران مبتلا به RCC با استفاده از نرم افزار cBioPortal تجزیه و تحلیل شد. ما در بیماران مبتلا به KIRC، KICH و KIRP، فرکانس‌های تغییر ژن مجاور VEGFA را بیشتر یا مساوی 11.11 درصد، بیشتر یا مساوی 20 درصد، و بیشتر یا مساوی 9.09 درصد (50 ژن مجاور که اغلب تغییر می‌کنند) یافتیم. به ترتیب (جدول تکمیلی 1-3). بیشترین تغییر ژن های همسایه VEGFA در بیماران مبتلا به KIRC عبارت بودند از VHL (72.22 درصد)، PBRM1 (33.33 درصد)، و MUC16 (22.22 درصد) (جدول تکمیلی 1). علاوه بر این، TRRAP (60.{18}} درصد)، PABPC1 (60.{21}} درصد) و MUC5B (60.{24}} درصد) بیشترین تغییر ژن‌های همسایه VEGFA را در بیماران مبتلا به KICH (تکمیلی) جدول 2). سه ژن مجاور VEGFA که اغلب تغییر می‌کردند در بیماران مبتلا به KIRP عبارتند از BAP1 (27.27 درصد)، MS4A15 (18.18 درصد)، و TGM7 (18.18 درصد) (جدول تکمیلی 3).

سپس تعاملات بالقوه بین VEGFA و ژن‌های مجاور آن را بررسی کردیم. شبکه PPI با استفاده از نرم افزار STRING ساخته شد. ما 43 گره و 95 لبه را در شبکه های PPI در بیماران مبتلا به KIRC به دست آوردیم (شکل تکمیلی 2(a)). علاوه بر این، تری متیلاسیون پپتیدیل لیزین، متیلاسیون پپتیدیل-لیزین، ماتریکس خارج سلولی و گلیکوزیلاسیون مرتبط با پروتئین O عملکردهای اولیه VEGFA و ژن های مجاور آن در بیماران مبتلا به KIRC بودند (شکل تکمیلی 2(b)). ما همچنین 44 گره و 125 لبه را در شبکه های PPI در بیماران مبتلا به KICH به دست آوردیم (شکل تکمیلی 2 (c)). VEGFA و ژن‌های مجاور آن در بیماران مبتلا به KICH عملکردهای زیر را داشتند: پردازش O-گلیکان، لومن گلژی، گلیکوزیلاسیون مرتبط با پروتئین b، حفظ ساختار اپیتلیال، و سازمان‌دهی اسکلت سلولی رشته‌ای میانی (شکل تکمیلی 2(d)). علاوه بر این، 30 گره و 57 لبه در شبکه های PPI در بیماران مبتلا به KIRP به دست آمد (شکل تکمیلی 2 (e)). توسعه ساختار عضلانی، تمایز سلول های عضلانی، توسعه بافت عضلانی، و توسعه اجزای ساختاری بافت عضلانی، عملکردهای اولیه VEGFA و ژن های مجاور آن در بیماران مبتلا به KIRP بود (شکل تکمیلی 2(f)). VEGFA به ژن‌های همسایه‌اش به یک شبکه تعامل پیچیده با بیان مشترک، برهمکنش‌های فیزیکی، حوزه‌های پروتئینی مشترک پیش‌بینی‌شده و هم‌محل‌سازی متصل می‌شود (شکل تکمیلی 2(b) تا (f))

تجزیه و تحلیل غنی سازی مسیر GO و KEGGعملکرد GO و آنالیز غنی‌سازی مسیر KEGG VEGFA و 50 ژن همسایه برتر در بیماران مبتلا به RCC با استفاده از نرم‌افزار Metascape مورد بررسی قرار گرفت. نتایج ما نشان داد که اجزای سلولی مربوط به VEGFA و ژن‌های مجاور آن در بیماران مبتلا به KIRC عمدتاً در غشای پایه، کاوئولا، اتصال چسبنده، بخش اسپرم و بخش فیبر انقباضی درگیر هستند (شکل تکمیلی 3(a)). علاوه بر این، مورفوژنز عروق کرونر، توسعه کاردیومیوسیت، تنظیم مثبت گسترش آکسون، و چسبندگی سلول به سلول هتروفیل از طریق مولکول‌های چسبنده سلول غشای پلاسما، فرآیندهای بیولوژیکی اصلی بیان VEGFA و ژن‌های همسایه تغییر یافته آن در بیماران مبتلا به KIRC بودند (شکل تکمیلی). 3 (ب)). عملکردهای مولکولی VEGFA و 50 ژن همسایه اصلی تغییر یافته آن در بیماران مبتلا به KIRC عمدتاً شامل اجزای ساختاری ماتریکس خارج سلولی، اتصال مولکول چسبندگی سلولی، و فعالیت کاتالیزوری و همچنین عمل بر روی RNA بود (شکل تکمیلی 3(c)). مسیر KEGG VEGFA و ژن‌های همسایه آن در KIRC عمدتاً در مسیر سیگنالینگ AGE-RAGE در عوارض دیابت و مسیر سیگنالینگ PI3K-Akt دخیل بودند (شکل تکمیلی 3(d)). لومن گلژی، ماتریکس خارج سلولی، کمپلکس ATPase و دیسک Z اجزای سلولی مربوط به بیان VEGFA و ژن های مجاور آن در بیماران مبتلا به KICH بودند (شکل تکمیلی 3(e)). علاوه بر این، فرآیندهای بیولوژیکی اصلی شامل بیان VEGFA و 50 ژن اصلی تغییر یافته همسایه آن در بیماران مبتلا به KICH، حفظ اپیتلیوم گوارشی، تنظیم منفی سازماندهی اجزای سلولی و بهبود زخم بود (تصویر تکمیلی 3(f)). . عملکردهای مولکولی VEGFA و ژن های مجاور آن در بیماران مبتلا به KICH فعالیت ATPase، اتصال رشته اکتین و اتصال پروتئاز بود (شکل تکمیلی 3 (g)). انتقال‌دهنده‌های کاست متصل شونده به ATP (ABC) و عفونت ویروس لوسمی سلول T انسانی 1 در تجزیه و تحلیل مسیر KEGG VEGFA و 50 ژن همسایه اصلی تغییر یافته آن در بیماران مبتلا به KICH شرکت داشتند (شکل تکمیلی 3 (h)). علاوه بر این، اجزای سلولی مربوط به VEGFA و ژن‌های مجاور آن در بیماران مبتلا به KIRP عمدتاً در لومن گلژی و سانتریول درگیر بودند (شکل تکمیلی 3 (I)). علاوه بر این، هموستاز بافتی، هموستاز سلول های میلوئیدی، پردازش O-گلیکان و پاسخ سلولی به لیپیدها، فرآیندهای بیولوژیکی اصلی درگیر در بیان VEGFA و ژن های همسایه تغییر یافته آن در بیماران مبتلا به KIRP بودند (شکل تکمیلی 3(j)). عملکردهای مولکولی VEGFA و 50 ژن همسایه اصلی آن در بیماران مبتلا به KIRP عمدتاً شامل فعالیت کواکتیواتور رونویسی، فعالیت پپتیداز نوع سیستئین و اتصال به کالمودولین بود (شکل تکمیلی 3(k)). عفونت ویبریوکلرا، کاردیومیوپاتی متسع، و عفونت سیتومگالوویروس انسانی در تجزیه و تحلیل مسیر KEGG VEGFA و ژن‌های همسایه تغییر یافته آن در بیماران مبتلا به KIRP نقش داشتند (شکل تکمیلی 3(l)).

سیستانچ عفونت کلیه/کلیه را بهبود می بخشد

اهداف فاکتور رونویسی VEGFA در بیماران مبتلا به RCCفاکتورهای رونویسی بالقوه، کیناز و اهداف miRNA VEGFA در بیماران مبتلا به RCC با استفاده از نرم افزار TRRUST به دست آمد (جدول 1). زیرواحد آلفا فاکتور 1 القای هیپوکسی (HIF1A)، فاکتور رونویسی AP-2 آلفا (TFAP2A) و گیرنده استروژن 1 (ESR1) فاکتورهای رونویسی کلیدی درگیر در شبکه VEGFA و ژن‌های مجاور آن در بیماران مبتلا به KIRC بودند. (P < 0.05).="" rora،="" setd2،="" vegfa="" و="" vhl="" دارای="" ژن="" های="" تنظیم="" شده="" hif1a="" هستند.="" علاوه="" بر="" این،="" tfap2a="" عملکردهای="" adra1a="" و="" vegfa="" را="" تنظیم="" می="" کند.="" nr5a2="" و="" vegfa="" دارای="" ژن="" های="" تنظیم="" کننده="" esr1="" هستند.="" حتی="" بیشتر="" از="" این،="" اهداف="" فاکتور="" رونویسی="" کلیدی="" درگیر="" در="" شبکه="" vegfa="" و="" ژن‌های="" مجاور="" آن،="" مبدل="" سیگنال="" و="" فعال‌کننده="" رونویسی="" 3="" (stat3)،="" فاکتور="" هسته‌ای="" تقویت‌کننده="" ژن="" پلی="" پپتیدی="" نور="" کاپا="" در="" سلول‌های="" b="" 1="" (nfkb1)="" و="" همودومین="" بودند.="" تعامل="" پروتئین="" کیناز="" 2="" (hipk2)="" در="" بیماران="" مبتلا="" به="" kich="" (p="">< 0.01).="" ژن="" های="" تنظیم="" شده="" stat3="" a2m،="" muc4،="" muc5b،="" tp53="" و="" vegfa="" بودند.="" علاوه="" بر="" این،="" nfkb1="" عملکردهای="" a2m،="" muc5b،="" muc6،="" tnc،="" tp53="" و="" vegfa="" را="" تنظیم="" کرد.="" tp53="" و="" vegfa="" دارای="" ژن="" های="" تنظیم="" کننده="" hipk2="" هستند.="" علاوه="" بر="" این،="" جعبه="" چنگال="" o3="" (foxo3)،="" tfap2a="" (فعال="" کننده="" پروتئین="" اتصال="" دهنده="" تقویت="" کننده="" 2="" آلفا)،="" و="" ویروس="" اریتروبلاستوز="" اریتروبلاستوز="" v-ets="" همولوگ="" 1="" انکوژن="" e26="" (ets1)="" اهداف="" فاکتور="" رونویسی="" حیاتی="" vegfa="" و="" ژن="" های="" همسایه="" آن="" در="" بیماران="" مبتلا="" به="" kirp="" بودند.="" p=""><0.05). علاوه="" بر="" این،="" bcl2l11="" و="" vegfa="" دارای="" ژن="" های="" تنظیم="" کننده="" foxo3="" هستند.="" علاوه="" بر="" این،="" tfap2a="" عملکردهای="" muc4="" و="" vegfa="" را="" تنظیم="" کرد.="" casp1="" و="" muc4="" ژن="" های="" تنظیم="" شده="" توسط="" ets1="">

اهداف کیناز و miRNA VEGFA در بیماران مبتلا به RCC ما همچنین سه هدف برتر کیناز و هدف miRNA شبکه VEGFA را با LinkedOmics به دست آوردیم (جدول 2). شبکه هدف VEGFA miRNA در KIRC با ATAAGCT MIR{2}} مرتبط بود (P < 0.05).="" علاوه="" بر="" این،="" اهداف="" کیناز="" vegfa="" atm="" کیناز="" در="" بیماران="" مبتلا="" به="" kich="" بود="" (p="">< 0.05).="" علاوه="" بر="" این،="" کیناز="" cdk1="" و="" کیناز="" aurkb="" اهداف="" کیناز="" vegfa="" در="" بیماران="" مبتلا="" به="" kirp="" بودند="" (p=""><0.05). اهداف="" mirna="" vegfa="" (tcgatgg)="" mir{10}}،="" (tctgatc)="" mir{11}}،="" و="" (caggtcc)="" mir{12}}="" در="" بیماران="" مبتلا="" به="" kirp="" بودند="" (p=""><>

همبستگی ژن های بیان شده متفاوت و بیان VEGFA در بیماران مبتلا به RCCما داده‌های توالی‌یابی mRNA 533 بیمار مبتلا به KIRC را در پایگاه داده TCGA LinkedOmics به‌دست آوردیم. همانطور که در شکل تکمیلی 4 (الف) نشان داده شده است، 2{8}}158 ژن ارتباط نزدیکی با VEGFA داشتند. از این میان، 11417 و 8741 ژن به ترتیب همبستگی مثبت و منفی با بیان VEGFA نشان دادند. علاوه بر این، 50 ژن معنی‌دار با بیان VEGFA در بیماران مبتلا به KIRC همبستگی مثبت و منفی داشتند (05/0 > P) (شکل تکمیلی 4 (b) و (c)). علاوه بر این، بیان VEGFA ارتباط مثبت قوی با NOTCH4 (ضریب همبستگی پیرسون{12}}.7023, P{14}}.076e–80) (شکل تکمیلی 5(a))، GPR4 (همبستگی پیرسون{12}}. {19}}.702, P{21}}.63e-80) (تصویر تکمیلی 5(b)) و TRIB2 (همبستگی پیرسون{26}}.6972, P{28}}.902e-79 ) (شکل تکمیلی 5(c)) عبارات. علاوه بر این، ما داده های توالی یابی mRNA 66 بیمار مبتلا به KICH را در پایگاه داده TCGA تجزیه و تحلیل کردیم و دریافتیم که 19216 ژن ارتباط نزدیکی با بیان VEGFA دارند. در میان آنها، 8820 و 10396 ژن به ترتیب همبستگی مثبت و منفی با بیان VEGFA نشان دادند (شکل تکمیلی 4(d)). ما همچنین 50 ژن مهم را شناسایی کردیم که با بیان VEGFA در بیماران مبتلا به KICH همبستگی مثبت و منفی داشتند (شکل تکمیلی 4(e) و (f)). علاوه بر این، بیان VEGFA به طور مثبت با CKMT2 (همبستگی پیرسون=0.6474، P{44}}.236e–9) (تکمیل شکل 5(d))، RRAGD (همبستگی پیرسون{48}} مرتبط بود. 0.6279، P{50}}.673e-8) (تصویر تکمیلی 5(e))، و PPARGC1A (همبستگی پیرسون=0.6086، P{57}}.93e-8) (شکل تکمیلی 5(f)) عبارات. در نهایت، داده‌های توالی‌یابی mRNA 290 بیمار مبتلا به KIRP را در پایگاه داده TCGA تجزیه و تحلیل کردیم. علاوه بر این، 20023 ژن ارتباط نزدیکی با بیان VEGFA داشتند. در میان آنها، 11130 و 8893 ژن به ترتیب همبستگی مثبت و منفی با بیان VEGFA VEGFA نشان دادند (شکل تکمیلی 4 (g)). ما 50 ژن مهم را شناسایی کردیم که با بیان VEGFA در بیماران مبتلا به KIRP همبستگی مثبت و منفی داشتند (شکل تکمیلی 4 (h) و (i)). بیان VEGFA به طور مثبت با FLT1 (همبستگی پیرسون=0.8184، P=2.909e-71) (شکل تکمیلی 5 (g))، C6orf223 (همبستگی پیرسون =0) مرتبط بود. 7779، P{81}}.606e-60) (تصویر تکمیلی 5 (h))، و ESM1 (همبستگی پیرسون =0.7602، P{88}}.983e-56) (تصویر تکمیلی 5 (i)) عبارات.

سیستانچ درد کلیه/کلیه را بهبود می بخشد

نفوذ سلول های ایمنی و بیان VEGFA در بیماران مبتلا به RCCبرای آشکارسازی بیشتر رابطه بین ارتشاح سلول های ایمنی و بیان VEGFA در بیماران مبتلا به RCC، ما ارتباط بین ارتشاح سلول های ایمنی و بیان VEGFA را با استفاده از نرم افزار TIMER بررسی کردیم. سطح بیان VEGFA در بیماران مبتلا به KIRC با نفوذ سلول‌های CD8 به علاوه T (Cor{1}}.197، P{3}}.36e-5)، CD4 به علاوه سلول‌های T مرتبط بود. Cor= 0.301، P=4.41e-11)، و نوتروفیل ها (Cor =0.223، P{14}}.44e -6) (تصویر تکمیلی 6(a)). علاوه بر این، ما ارتباط بین انفیلتراسیون سلولی ایمنی و بیان VEGFA را در بیماران مبتلا به KICH تجزیه و تحلیل کردیم. نفوذ B (Cor=0.349, P{20}}.39e-3)، CD8 به علاوه T (Cor= 0.398, P=1.03e -5)، و سلول های دندریتیک (Cor=0.253، P{31}}.18e-2) به طور مثبت با بیان VEGFA مرتبط بودند (شکل تکمیلی 6(b)) . در نهایت، سطح بیان VEGFA در بیماران مبتلا به KIRC با نفوذ B (Cor{35}}.16، P{37}}.04e-2)، CD8 به علاوه T (Cor{39}}) ارتباط مثبت داشت. {41}}.179, P{43}}.384e-3) و سلول‌های CD4 پلاس T (Cor{47}}.157, P{49}}.14e-2 ) (شکل تکمیلی 6(c)). با این حال، نفوذ ماکروفاژ (Cor=-0.226، P{56}}.22e-4) به طور منفی با بیان VEGFA مرتبط بود (شکل تکمیلی 6 (c)).

بحث

VEGFA، عضوی از خانواده VEGF، یک سیتوکین مهم و یک محرک اصلی رگ زایی است. مطالعات پیش بالینی گزارش کرده اند که VEGFA در بیماران مبتلا به RCC بیش از حد بیان می شود. با این حال، سطح بیان VEGFA در بیماران مبتلا به RCC بحث برانگیز است. .25،26 رگزایی تومور نقش حیاتی در پیشرفت RCC دارد. داروهایی که رگ زایی تومور را هدف قرار می دهند، نزدیک به 20 سال است که در درمان RCC استفاده می شود. ما به دنبال آشکار کردن شبکه تنظیم ژن، ارزش پیش آگهی و پیش‌بینی هدف VEGFA در بیماران مبتلا به RCC بودیم.

علاوه بر این، سطح بیان VEGFA و ارتباط بین بیان افتراقی VEGFA و مرحله پاتولوژیک در بیماران مبتلا به RCC را بررسی کردیم. بیان VEGFA در بیماران مبتلا به KIRC و KICH به جای در افراد عادی تنظیم مثبت شد. با این وجود، بیماران مبتلا به KIRP بیان VEGFA کاهش یافته داشتند. این یافته‌ها مشابه یافته‌های مطالعه قبلی در بیماران مبتلا به KIRC، KICH و KIRP، 26،28 بود و برخلاف یافته‌های مطالعه قبلی در بیماران مبتلا به KICH بود. ما سعی کردیم نتایج متناقض را از طریق تغییر ژن و متیلاسیون پروموتر در بیماران مبتلا به RCC. ما دریافتیم که تغییرات ژنتیکی به ترتیب در 4 درصد، 8 درصد و 4 درصد از بیماران مبتلا به KIRC، KICH و KIRP رخ داده است. علاوه بر این، سطح متیلاسیون پروموتر VEGFA در بیماران با مراحل مختلف KIRC کمتر از افراد سالم بود. در مقابل، سطح متیلاسیون پروموتر VEGFA در بیماران مبتلا به مرحله 1 KIRP بالاتر بود. با این حال، هیچ تفاوتی در سطح متیلاسیون پروموتر VEGFA بین بیماران مبتلا به KICH و افراد سالم مشاهده نشد. بنابراین، ما فرض می کنیم که تغییر ژنتیکی و متیلاسیون VEGFA ممکن است علت اصلی بیان مختلف VEGFA در بیماران مبتلا به RCC باشد. بیان VEGFA و مراحل پاتولوژیک KIRC و KIRP. علاوه بر این، بقای بیماران مبتلا به KIRP که سطوح بیان VEGFA پایینی داشتند، بیشتر از بیماران مبتلا به KIRP با سطوح بیان VEGFA بالا بود. قابل ذکر است، ما پس از 100 ماه در بیماران مبتلا به KIRP بر اساس منحنی های بقای بدون بیماری، نتایج معکوس به دست آوردیم. بنابراین، سطح بیان VEGFA ممکن است یک شاخص پیش آگهی در بیماران مبتلا به KIRP باشد. برخی از مطالعات نشان داده اند که بیان VEGF ممکن است یک ویژگی اساسی RCC پیشرفته باشد. تشخیص همزمانی بیان CD147/VEGF ممکن است به پیش بینی پیش آگهی بیماران مبتلا به RCC پیشرفته کمک کند.

علاوه بر این، 50 ژن مجاور VEGFA در بیماران مبتلا به RCC بر اساس فراوانی های زیر تغییر یافتند: بیشتر یا مساوی 11.11 درصد (KIRC)، بیشتر یا مساوی 20 درصد (KICH) و بزرگتر یا مساوی 9.09. درصد (KIRP). سپس تعاملات و عملکردهای بالقوه VEGFA و ژن های مجاور آن را بررسی کردیم. مشخص شد که اینها شبکه های ارتباطی پیچیده و محکمی دارند. در بیماران مبتلا به KIRC، این ژن ها عمدتاً در متیلاسیون پروتئین نقش داشتند. با این حال، در بیماران مبتلا به KICH، ژن‌های مجاور VEGFA در گلیکوزیلاسیون پروتئین و حفظ ساختار سلولی عمل کردند. علاوه بر این، ژن‌های مجاور VEGFA عمدتاً با رشد و تمایز فیبر عضلانی در بیماران مبتلا به KIRP مرتبط بودند. تغییرات دینامیکی در متیلاسیون پروتئین برای تعیین سرنوشت سلول و رشد سلول ضروری است. متیلاسیون پروتئین عمدتاً در زنجیره‌های جانبی بقایای Lys و Arg رخ می‌دهد. برای مثال، متیلاسیون هیستون معمولاً در سرطان‌هایی با متیلاسیون در بقایای Lys و Arg مشاهده می‌شود. O-گلیکوزیلاسیون نابجا از طریق القای مستقیم خواص انکوژنیک در سلول های سرطانی به ایجاد سرطان کمک می کند. KIRP یک تومور بدخیم است.کلیهپارانشیم دارای ساختار پاپیلاری پاپیلاری یا لوله ای با محور عروق فیبری است. وقوع KIRP ممکن است با بروز RCC با استرومای شبه آنژیولیومیوم (همچنین به عنوان عضله صاف یا استرومای لیومیوم شناخته می شود)، به دلیل شباهت قابل توجه فنوتیپ های ایمونوهیستوشیمی آنها مرتبط باشد. پیشرفت RCC

سیستانچ دیالیز کلیه/کلیه را بهبود می بخشد

علاوه بر این، تجزیه و تحلیل غنی‌سازی GO نشان داد که عملکرد VEGFA و ژن‌های مجاور آن در بیماران مبتلا به KIRC عمدتاً به اتصال مولکول چسبندگی سلولی و فعالیت کاتالیزوری و همچنین اثر بر روی RNA مربوط می‌شود. مولکول چسبندگی سلول های اپیتلیال (EPCAM) اخیراً به عنوان یک پروتئین کاندید برای تشخیص، پیش آگهی و درمان تومورهای مختلف مورد توجه قرار گرفته است. EPCAM یک نشانگر مولکولی پیش آگهی مستقل در RCC است و ممکن است اطلاعات کمکی را برای پیش آگهی بهتر ارائه دهد. ما دریافتیم که فعالیت ATPase، اتصال رشته اکتین و اتصال پروتئاز عملکردهای مولکولی VEGFA و ژن های مجاور آن در بیماران مبتلا به KICH هستند. تغییرات مورفولوژیکی و عملکردی میتوکندری در بیماران مبتلا به KICH35 شناخته شده است. تغییر فعالیت ATPase ممکن است یک مکانیسم بیماریزای بالقوه باشد. با این حال، مطالعات بیشتری برای تأیید این مکانیسم مورد نیاز است. در مطالعه ما، عملکردهای مولکولی VEGFA و ژن‌های همسایه تغییر یافته آن در بیماران مبتلا به KIRP عمدتاً شامل فعالیت کواکتیواتور رونویسی، فعالیت پپتیداز نوع سیستئین و اتصال به کالمودولین بود. کالمودولین یک پروتئین درون سلولی متصل به کلسیم است که طبق گزارش ها با چرخه سلولی مرتبط است. بیماران مبتلا به RCC همبستگی مثبتی بین محتوای کالمودولین تومور و سرعت رشد تومور نشان می‌دهند. ما دریافتیم که مسیر سیگنالینگ AGE-RAGE در عوارض دیابت، مسیر سیگنالینگ PI3K-Akt، عمل انتقال دهنده ABC و ویروس لوسمی سلول T انسانی 1 عفونت عمدتاً در آنالیز مسیر KEGG VEGFA و ژن‌های مجاور آن در بیماران مبتلا به RCC نقش داشتند. این فرآیندها ارتباط نزدیکی با بروز و پیشرفت سرطان دارند. بنابراین، تنظیم این مسیرهای سیگنالینگ ممکن است یک هدف بالقوه درمان RCC باشد.

ما همچنین اهداف و تنظیم کننده های VEGFA را در بیماران مبتلا به RCC تجزیه و تحلیل کردیم. ما ابتدا اهداف فاکتور رونویسی VEGFA و ژن‌های مجاور آن را در بیماران مبتلا به RCC مورد بررسی قرار دادیم و دریافتیم که HIF1A، TFAP2A و ESR1 عوامل تنظیم‌کننده حیاتی در بیماران مبتلا به KIRC هستند. HIF{3}} یک تنظیم کننده ژن کلیدی است که در پاسخ سلولی به هیپوکسی نقش دارد. بیان بیش از حد HIF با پاتوژنز RCC مرتبط است. علاوه بر این، پلی‌مورفیسم عملکردی HIF1A ممکن است منجر به حساسیت به RCC شود و پلی‌مورفیسم HIF1A ممکن است بر عود، پیشرفت و بقای RCC تأثیر بگذارد. با این حال، TFAP2A و ESR1 در بیماران مبتلا به RCC گزارش نشده‌اند. ما همچنین دریافتیم که STAT3، NFKB1، و HIPK2 به طور قابل توجهی عوامل تنظیم شده در بیماران مبتلا به KICH بودند. پروتئین های STAT3 فاکتورهای کلیدی رونویسی هستند که به طور غیر طبیعی در انواع بدخیمی ها فعال می شوند، از جمله RCC.39 مهار STAT3 می تواند مهاجرت و تهاجم سلول های RCC را متوقف کند.

NFKB1 با پاتوژنز بسیاری از تومورهای بدخیم از جمله RCC مرتبط است. پلی‌مورفیسم پروموتر عملکردی NFKB1 با افزایش خطر RCC مرتبط است. بنابراین، HIPK2 توجه روزافزونی را به خود جلب کرده است. فسفوریلاسیون FOXM1 توسط HIPK2 باعث افزایش فعالیت رونویسی و تکثیر سلولی FOXM1 در بیماران مبتلا به RCC می شود که ممکن است یک مکانیسم بالقوه درمان RCC باشد. در بیماران مبتلا به KIRP بیان فسفوفروکتوکیناز-M با واسطه FOXO، رشد، مهاجرت و تهاجم سلول‌های RCC را مهار می‌کند، FOXO3 می‌تواند به عنوان یک بیومارکر جدید به عنوان یک هدف درمانی جدید در درمان RCC استفاده شود. بازسازی ماتریکس در طول رگ زایی. ممکن است در رگزایی RCC نقش داشته باشد.45 ما اهداف کیناز مرتبط با VEGFA (ATM در KICH، همچنین CDK1 و AURKB در KIRP) و اهداف miRNA مرتبط با VEGFA (MIR{22}} در KIRC؛ MIR{) را بیشتر بررسی کردیم. {23}}، MIR-383، و MIR-492 در KIRP). در دهه گذشته، بسیاری از مطالعات نشان داده‌اند که اختلالات یا جهش‌های پروتئین کیناز نقشی سببی در بروز سرطان دارند. تحقیقات سرطان نقش حیاتی بسیاری از پروتئین کینازها را در تومورزایی انسان و پیشرفت سرطان نشان داده است و این مولکول ها را کاندیدهای موثری برای درمان های هدفمند جدید می کند. کدگذاری RNA هایی که نقش اساسی در تنظیم بیان ژن دارند. مهارکننده‌های miRNA بیان ژن‌های هدف را با تعامل با ناحیه ترجمه‌نشده 3 ژن‌های هدف کاهش می‌دهند. نقش مهم آن‌ها در تنظیم بیان ژن‌های سرکوب‌کننده تومور و بیان انکوژن، نقش آن‌ها را در تومورزایی افزایش می‌دهد.48 کشف اهداف miRNA ممکن است در نهایت مکانیسم‌های زیربنایی تومورزایی و توسعه داروهای ضد سرطان را روشن کند. تجزیه و تحلیل عوامل تنظیم شده، کینازها و miRNA ها به عنوان اهداف درمانی بالقوه برای درمان RCC.

ما ارتباط بین ژن های بیان شده متفاوت و بیان VEGFA را در بیماران مبتلا به RCC بررسی کردیم. بیش از 10 ژن {1}} با بیان VEGFA در بیماران مبتلا به RCC همبستگی مثبت و منفی داشتند. در میان آنها، ژن هایی با بالاترین همبستگی با VEGFA در بیماران مبتلا به RCC یافت شد: NOTCH4، GPR4، و TRIB2 در KIRC. CKMT2، RRAGD، و PPARGC1A در KICH. و FLT1، C6orf223، و ESM1 در KIRP. با این حال، هدف قرار دادن این ژن‌های مرتبط با سرطان ممکن است یک درمان کمکی برای RCC فراهم کند. ایمونوفیلتراسیون RCC ارتباط نزدیکی با پیش آگهی بالینی دارد. انتقال سلول های ایمنی به محل های سرطانی عمدتاً از طریق عروق خونی انجام می شود. همانطور که انتظار می رفت، ما دریافتیم که بیان VEGFA در بیماران مبتلا به RCC به طور مثبت با نفوذ سلول های ایمنی، از جمله سلول های CD8 به علاوه T، سلول های CD4 به علاوه T، ماکروفاژها، نوتروفیل ها و سلول های دندریتیک مرتبط بود. ما امیدواریم با توسعه داروهایی که بر روی VEGFA یا اهداف نظارتی مرتبط با VEGFA عمل می‌کنند، نفوذ سلول‌های ایمنی RCC را بهبود بخشیم. در نتیجه، با بررسی سطح بیان و شبکه تنظیم ژن VEGFA در بیماران مبتلا به RCC، ما بینش بیشتری در مورد مطالعه و درمان RCC ارائه کرده‌ایم. علاوه بر این، ما اهداف درمانی جدید و نشانگرهای زیستی پیش آگهی را برای پیش‌بینی دقیق بقای بیماران RCC شناسایی کردیم.