Ⅱ dalis Metabolinis supratimas apie genetinę disreguliaciją inkstų skaidulų ląstelių karcinomos naviko mikroaplinkoje

Rezultatas

1. Skirtingai išreikštų metabolinių genų identifikavimas KIRC.

Norėdami ištirti medžiagų apykaitos sutrikimą KIRC, ištyrėme turimus TCGA duomenis, kad gautume gilių įžvalgų apie metabolizmą nukreiptą terapiją klinikoje. Šiuo tikslu mes pasirinkome 1916 metabolinių genų rinkinį, kurie buvo susikirtę iš dviejų skirtingų duomenų rinkinių [16, 17] ir ištyrėme 1100 skirtingai išreikštų genų navikuose ir normaliuose audiniuose (2 papildoma lentelė). Šie skirtingai išreikšti metaboliniai genai buvo pavaizduoti ugnikalnuose ir šilumos žemėlapiuose (1 (a) ir 1 (b) paveikslai). Iš 1100 skirtingai išreikštų metabolinių genų 78 genai buvo sureguliuoti, o 163 genai buvo sumažinti. Be to, 859 genai buvo nepakitę. Šilumos žemėlapis rodo individualų tų diferencinių metabolinių genų ekspresijos indeksą naviko ir normaliuose mėginiuose (1 paveikslas (b)). Toliau mes nustatėme 10 geriausių skirtingai išreikštų metabolinių genų; tarp jų buvo padidintas ENPP3, NNMT, CYP2J2, SCD ir HK2 reguliavimas, o HSD11B2, HMGCS2, HPD, HS6ST2 ir ALDOB – sumažintas. Šių DEmG langelių diagramos parodytos 1 paveiksle (c). Tarp reguliuojamų genų ENPP3 yra ~7-karto išreikštas navikuose. Arba genas ALDOB yra ~5-karto sumažintas analizuotuose naviko mėginiuose.

Be to, įvertinome KEGG kelią ir DEmG GO analizę. KEGG kelio analizė atskleidė, kad sureguliuoti genai buvo žymiai praturtinti anglies metabolizmu, HIF1 signalizacija ir glikolize / gliukoneogeneze su didesniu genų santykiu (8–9 genų skaičius kiekviename kelyje) (1 pav. d). Panašiai, tarp sumažintų DEmG, mes nustatėme, kad anglies metabolizmas ir valino, leucino ir izoleucino skaidymas buvo pagrindiniai metaboliškai aktyvių genų paveikti būdai (1 paveikslas (e)). Su peroksisomų organelėmis susiję keliai taip pat buvo žymiai praturtinti sumažintoje genų naviko mėginių grupėje. Pažymėtina, kad, palyginti su aukštyn reguliuojamų genų, keliai, susiję su sumažintais genais, turi didesnes reikšmingas p vertes. Verta paminėti, kad dauguma KEGG kelių, praturtintų sumažintomis genų kategorijomis, buvo susiję su aminorūgščių metabolizmu. Siekiant toliau išsklaidyti DEmG dalyvavimą navikogenezėje, buvo atlikta reguliuojamų ir sumažintų genų GO funkcinė analizė. GO ontologiją suskirstėme į tris funkcines subontologijos grupes: BP (biologinis procesas), CC (ląstelinis komponentas) ir MF (molekulinė funkcija) (1 (f) ir 1 (g) paveikslai). Be to, GSEA analizė atskleidė žymiai padidėjusį genų, susijusių su BENPORATH_MYC_TARGETS_WIH_EBOX, auglių, o BROWN{11} } MIELOIDINĖS_LĄSTELĖS_VYSTYMASIS_AUKŠTIS, KEGG_ALFA_ LINOLENINĖS_RŪGŠTIS_METAbolizmas ir KEGG{ Nustatyta, kad {19}}ETERIS_ LIPIDAS_METABOLIS yra neigiamai praturtintas. Kitame etape sukūrėme baltymų ir baltymų sąveikos PPI tinklą su aukštyn ir žemyn reguliuojamais DEmG. Kai kurie genai parodė sąveiką vienas su kitu. Šių genų sąveikos dėka mes išskyrėme koncentratoriaus genus. Kiekvienas mazgas yra atskirtas nuo kito pagal laipsnio reikšmę; be to, mes išskyrėme 7 geriausius PPI centrus. Mes taip pat ištyrėme ryšį tarp šio centro geno ekspresijos ir KIRC klinikopatologinių savybių TCGA duomenų rinkiniuose.

Spustelėkite čia, kad sužinotumėtekokia yra Cistanche nauda.

2. Tinklo analizė atskleidžia pagrindinius metabolinius pokyčius įvairiose navikų ontologijose.

Tada buvo pasirinkti DEmG ekspresijos duomenys ir naudojami kaip WGCNA įvesties duomenys, kurie nustatė 6 skirtingus koekspresijos modulius, turinčius skirtingą kiekvieno modulio genų skaičių (2 paveikslas (a)). Mes koreliavome diferencinius genus su išoriniais bruožais ir nustatėme modulius, kurie buvo reikšmingai susiję su klinikiniais bruožais (2 paveikslas (b)). Remiantis koreliacijos koeficientu, mes nustatėme, kad MEturquoise moduliai buvo neigiamai koreliuojami su išgyvenimo būkle. GO ir KEGG kelio praturtinimo analizė buvo atlikta naudojant šių modulių genus (2 (c) ir 2 (d) paveikslai). Labiausiai praturtinti KEGG keliai buvo valino, leucino ir izoleucino skaidymas; anglies apykaita; propanoato metabolizmas; riebalų rūgščių metabolizmas; riebalų rūgščių skaidymas; peroksisomų ir butanoato metabolizmas; glioksilato ir dikarboksilato metabolizmas; ir triptofano metabolizmas (2 pav. c)). Genai, susiję su BP terminais, daugiausia buvo praturtinti mažų molekulių, karboksirūgšties ir organinės rūgšties kataboliniais procesais. Genai, susiję su CC terminais, daugiausia buvo praturtinti mitochondrijų matricoje. Skirtingai išreikšti genai, susiję su MF, daugiausia buvo praturtinti kofermento surišimu (2 paveikslas (d)). Be to, išgyvenimo modulyje atlikome 8 genų išgyvenimo analizę. Pacientų, kurių ACADSB, PANK1, SLC25A4, PCCA, HADH, AUH, ACAT1 ir ALDH6A1 ekspresija buvo didesnė, išgyvenamumas buvo ilgesnis nei pacientų, kurių šių genų ekspresija buvo mažesnė (p=0) (2(e)–2( pav.) l)).

3. KIRC pacientų grupavimas.

Klasterių analizei pasirinkome geriausius DEmG; KIRC pacientai buvo suskirstyti į tris grupes pagal skirtingą metabolinių genų ekspresiją. 3 (a) paveiksle pavaizduoti KIRC pacientų DEmG šilumos žemėlapiai. Spalvų skalė rodo ekspresijos reikšmę (šviesiai mėlyna rodo mažesnę ekspresijos reikšmę, tamsesnė mėlyna – didesnes genų ekspresijos reikšmes).

KM kreivės buvo nubraižytos siekiant palyginti bendrą trijų KIRC pacientų grupių išgyvenamumą. Bendras išgyvenamumo rodiklis labai skyrėsi trijose grupėse (p < {0}}:01 3(b) pav.). 1 klasterio išgyvenamumas buvo prastesnis, palyginti su 2 ir 3 klasteriais. PFS išgyvenamumas taip pat labai skyrėsi tarp 3 grupių (p < 0:001, 3 pav. c)), o 1 klasterio PFS išgyvenamumas buvo prastesnis, palyginti su su 2 ir 3 klasteriais.

Skirtingos mūsų modelio spalvos atspindi klinikinius parametrus ir pagrindines patologines stadijas (3 pav. d). 3 klasteris turi mažesnį Mo santykį ir didesnę M1 vertę, palyginti su 1 ir 2 klasteriais, o tai rodo didesnę vėžio metastazę ir pažengusią 3 klasterio navikų stadiją nei 1 ir 2 klasteriuose. Panašiai, 3 klasteryje vėžys labiau išplito į limfmazgius. (didesnis N1), lyginant su 1 ir 2 klasteriais. Daugumai KIRC pacientų buvo diagnozuota III ir IV stadijos (3(e) ir 3(f) pav.), o tai rodo didesnius ar išsiplėtusius navikus, taip pat slenkančius. kraują ar limfinę sistemą į tolimą kūno vietą.

4. Trijų grupių imuninė būklė.

Naudojome ESTIMATE algoritmą, kad įvertintume KIRC audinių serijos stromos ir imuninius balus, remiantis jų metaboliniais transkripcijos profiliais (4 (a) pav.). Vėliau į šiuos balus buvo atsižvelgta kuriant stromos ir imuninės sistemos balais pagrįstą metabolinių genų parašą prognozės stratifikacijai KIRC. Kaip parodyta 4 paveiksle (a), trys klasterių grupės (C1, C2 ir C3) buvo suskirstytos į dėžutes, atsižvelgiant į jų stromos imuninį balą. Tarp trijų grupių C1 parodė didesnį reikšmingą balą tiek stromos, tiek imuninėje klasifikacijoje.

Be to, CIBERSORT išanalizavo tris klasterius, kurių p reikšmė < 0.1 (4(b) pav.). Naviko grynumas, imuninis balas ir stromos balas kartu su patologiniais 3 grupių etapais rodomi šilumos žemėlapio viršuje. Šioje analizėje mes iš esmės nustatėme, kad reguliuojančios T ląstelės (Tregs) buvo praturtintos C1 klasteryje, o C1 pacientai daugiausia buvo III ir IV patologinėse stadijose. Be to, aktyvuotos NK ląstelės, CD8 plius T ląstelės, T folikulų pagalbinės ląstelės ir M0 makrofagai C1 klasteryje; CD8 plius T ląstelės ir T folikulų pagalbinės ląstelės C2 klasteryje; ir C3 klasteryje taip pat buvo aptiktos ramybės putliosios ląstelės, M2 makrofagai, ramybės atminties CD4 T ląstelės, monocitai, naivios B ląstelės ir M1 makrofagai (4 pav. (b).

Be CIBERSORT, mes naudojome kitus algoritminius paketus, kad patikrintume imuninės infiltracijos būseną. Hierarchinis MCP analizės šilumos žemėlapis parodytas 4(c) paveiksle. Pagrindinės MCP analizės išvados buvo neutrofilų infiltracija ir endotelio ląstelių infiltracija C3 klasteryje, kurios trūko C1 klasteryje. Ši analizė taip pat atskleidė NK ląsteles, monocitinę liniją ir mieloidinių dendritinių ląstelių infiltraciją C3 klasteryje. Kitos imuninių ląstelių populiacijos buvo sumaišytos trijose analizuojamose grupėse (4 paveikslas (c)).

Norėdami papildyti CIBERSORT ir MCP analizes, taikėme ssGSEA, kad įvertintume imuninių ląstelių tipų, įdiegtų R pakete GSVA, infiltracijos lygius. Trijų grupių duomenys buvo pateikti į ssGSEA paketą ir KIRC mėginiuose buvo gausu 28 su imunitetu susijusių ląstelių ir tipų. Rezultatai atskleidė, kad C1 ir C2 imuninė infiltracija buvo didesnė; kai kurios įgimtos imuninės ląstelės, įskaitant NK, neutrofilus ir eozinofilus, buvo sumaišytos į 3 grupes (4 pav. d).

5. Numatymo modelio, pagrįsto DEmG, konstravimas ir patvirtinimas.

Galiausiai, mes sukūrėme ir patvirtinome prognozavimo modelį, pagrįstą diferencine metabolinių genų ekspresija. Remdamiesi bendru išgyvenamumu, apskaičiavome su imunitetu susijusią DEmG rizikos balą. Šiuo tikslu rizikos balo koreliacijai įvertinti sudarėme dvi grupes; vienas skirtas mokymo grupei, o kitas - testavimo grupei. Mes nustatėme, kad bendras išgyvenamumas buvo mažas ir išsklaidytas rizikos baluose (5 (a) ir (b) paveikslai). Toliau, remdamiesi vidutiniu rizikos balu, KIRC pacientus priskyrėme didelės ir mažos rizikos grupėms tolesniam vertinimui. Tada atlikome šių dviejų rizikos grupių išgyvenamumo analizę mokymo ir testavimo grupėse. Kaip ir tikėtasi, didelės rizikos grupių išgyvenamumas buvo mažas, palyginti su mažos rizikos grupėmis (5 (c) ir 5 (d) pav.). Be to, buvo atlikta ROC kreivės analizė, skirta mokymo ir testavimo grupėms. Po 5 metų testavimo grupėse pastebėjome 0,68 ROC balą, o tai rodo gerą KIRC prognozės našumą (5 (e) ir 5 (f) paveikslai). Be ROC kreivės analizės, mes taip pat atlikome LASSO COX regresijos modelį, kad patvirtintume savo prognostinį modelį, kaip rodo dalinis tikimybės nuokrypis (papildomas 5 (a) paveikslas) ir DEmG regresijos koeficientas (papildomas paveikslas 5 (b)). Galiausiai buvo prognozuojama, kad penki genai (ABCG1, CRYL1, FDX1, PANK1 ir SLC44A) yra galimi prognostiniai veiksniai, kai HR < 1 (papildomas 5 paveikslas (c)).

6. Pagrindiniai KIRC progresavimo mechanizmai.

Norėdami toliau ištirti pagrindinį KIRC progresavimo mechanizmą, atlikome diferencinės išraiškos analizę tarp visų grupių ir panaudojome šilumos žemėlapio diagramą rezultatams vizualizuoti (6 (a) pav.). Norėdami nustatyti DEmG signalizacijos kelius, atlikome DEG KEGG ir GO sodrinimo analizes trijose klasteriuose. Trumpai tariant, šie rezultatai atskleidė, kad trijų grupių DEG daugiausia buvo praturtinti židinio adhezija, Foxo signalizacijos keliu ir Apelin signalizacijos keliu C3 klasteriui ir mineralų absorbcijai, neutrofilų tarpląstelinių spąstų susidarymui ir staphylococcus aureus infekcijai C2 klasteriui (6 pav. (b)). Be to, GO funkcinė DEG analizė atskleidė su MF, CC ir BP susijusias ontologijas, parodytas 6 paveiksle (c). Įdomu tai, kad diferencinės ekspresijos analizė atskleidė nenormalų genų reguliavimo elgesį trijose klasteriuose. Dažniausiai NUDT1 buvo labai išreikštas C1, kurio išgyvenamumas buvo prasčiausias. Tolesnis tyrimas atskleidė, kad NUDT1 ekspresija buvo žymiai sumažinta progresuojant nuo C1 iki C3 (6 paveikslas (d)). Be to, nustatyta, kad KIRC naviko mėginiuose NUDT1 buvo sureguliuotas (6 paveikslas (e)). Toliau mes pabrėžėme NUDT1 ekspresiją kiekvienoje naviko stadijoje (6 pav. (f)). Bendro išgyvenamumo analizė taip pat buvo atlikta Kaplan-Meier braižytuvu ir nustatėme, kad pacientų, kurių NUDT1 ekspresija buvo didesnė, bendras išgyvenamumas buvo blogesnis (HR=1:82 (1,34–2,48), log-rank p {{27}). }:00012) (6 pav. g).

Galiausiai atlikome KEGG ir GO funkcinio praturtinimo analizę genams, sąveikaujantiems su NUDT1. Genai buvo suskirstyti į dvi grupes - teigiamai koreliuoja su NUDT1 ir neigiamai koreliavo su NUDT1. KEGG kelio analizė parodė, kad teigiamai koreliuoti genai daugiausia buvo praturtinti ribosomų keliu, Huntingtono liga, amiotrofine šonine skleroze ir Alzheimerio liga. Kita vertus, neigiamai koreliuoti genai buvo praturtinti daugiausia hepatito B ir Foxo signalizacija (6 (h) pav.). Be to, trijų skirtingų grupių MF, CC ir BP GO ontologija tiek teigiamai, tiek neigiamai koreliuojantiems genams buvo parodyta 6 paveiksle (i). Be to, mes nustatėme, kad NUDT1 ekspresija buvo labai koreliuojama su imuninių ląstelių infiltracija (papildomas 6 paveikslas) ir skirtingomis KIRC pacientų klinikinėmis savybėmis (1 lentelė).

Cistanche papildai

7. NUDT1 praradimas slopina inkstų vėžio ląstelių dauginimąsi ir migraciją.

Toliau palyginome NUDTI ekspresijos lygį KIRC audiniuose ir su jais susijusiuose normaliuose audiniuose, kurie parodė, kad NUDT1 yra labai išreikštas KIRC audiniuose (7 (a) pav.). Be to, mes nustatėme NUDT1 praradimo poveikį inkstų vėžio ląstelių linijoms, naudodami siRNR sukeltą slopinimą. NUDT1 buvo nukreiptas į siRNR numušimą dviejose ląstelių linijose 786-O ir ACHN, o NUDT1 mRNR lygis buvo sėkmingai slopinamas, kaip rodo qPCR analizė (7 (b) pav.). Po siRNR sukelto NUDT1 numušimo, ląstelių gyvybingumo tyrimas parodė sumažėjusį ląstelių gyvybingumą abiejose ląstelių linijose (7 (c) ir 7 (d) paveikslai). Vėliau atliktas ląstelių migracijos tyrimas, kai buvo numuštas NUDT1, parodė žymiai sumažintą ląstelių migraciją NUDT{13}}išeikvotose 786-O ir ACHN ląstelėse (7(e) ir 7(f) pav.). 786-O ląstelių migracijos pajėgumas buvo sumažintas iki maždaug 50 proc., o ACHN ląstelėse sumažėjo 70 proc. po NUDT1 numušimo (7 pav. (f)). Ląstelių invazija taip pat buvo slopinama abiejose ląstelių linijose, kai NUDT1 genas buvo numuštas (7 (g) ir 7 (h) paveikslai). Norėdami papildyti migraciją, taip pat atlikome žaizdų gijimo tyrimą, kai NUDT1 buvo išeikvotas iš 786-O ir ACHN ląstelių linijų, ir pastebėjome panašius sumažėjusio žaizdų gijimo rezultatus abiejose ląstelių linijose, kuriose trūksta NUDT1 (7 (l) pav. 7(n)). Remdamiesi šiais rezultatais, iškėlėme hipotezę, kad NUDT1 praradimas gali sukelti apoptozę inkstų vėžio ląstelėse. Todėl mes išmatavome apoptotinių ląstelių procentą, kai nutildome NUDT1. Įdomu tai, kad išsiaiškinome, kad apoptozinių ląstelių procentas buvo žymiai padidintas NUDT 1- išeikvotose ląstelėse (7(i)–7(k) pav.).

Diskusija

Inkstų skaidriųjų ląstelių karcinoma (KIRC) yra viena iš dažniausiai pasaulyje paplitusių vėžio formų, kuri paprastai nepasireiškia ankstyvų simptomų, kol auglys tampa pakankamai didelis; todėl mirtingumas palyginti didelis [18–20]. Taigi būtina ištirti KIRC kancerogenezę ir nustatyti naudingus biomarkerius ankstyvai diagnozei. Tačiau iki šiol yra mažai žinių apie KIRC patogenezę ir kancerogenezę. Be to, nebuvo patvirtinta daug klinikinės praktikos molekulinių žymenų. Pažangios didelio našumo sekos nustatymo ir bioinformatikos technologijos leidžia parinkti efektyvius biomarkerius [21]. Daugiau nei penkių šimtų KIRC atvejų RNR sekos nustatymo duomenys ir klinikinės anotacijos yra laisvai prieinami TCGA duomenų bazėje. Pasinaudodami šiais laisvai prieinamais TCGA duomenimis, išanalizavome RNR sekos duomenis apie skirtingai išreikštus metabolinius genus naviko ir normalių audinių mėginiuose. Tarp reguliuojamų ir sumažintų genų mes nustatėme 10 geriausių skirtingai išreikštų metabolinių genų (DEmG). Manome, kad metaboliniai genai KIRC atlieka įvairias funkcijas; vis dėlto tinkamų diagnostinių ir terapinių žymenų paieška gali būti iššūkis iš įvairių funkcijų turinčių genų.

Anksčiau tyrimais buvo įvertinta imuninių ląstelių infiltracija kelių vėžio formų naviko mikroaplinkoje. Buvo tiriamas ryšys tarp naviko imuninių ląstelių ir angiogenezės KIRC mėginių duomenyse, gautuose iš TCGA, ir RFX2, SOX13 ir THRA buvo nustatyti kaip trys pagrindiniai MTF, reguliuojantys angiogenezės parašą KIRC pacientams [4]. Be to, du nepriklausomi m6A modifikavimo modeliai kontroliuoja KIRC biologines funkcijas, imunologines charakteristikas ir prognozes [22]. Su autofagija susijęs baltymas 5 (ATG5) buvo susijęs su kelių vėžio, įskaitant KIRC, progresavimu [23]. Dabartinėje analizėje kai kurie skirtingai išreikšti genai, įskaitant PBRM1, SET2, VHL ir BAP1, parodė reikšmingą koreliaciją su metaboliniais keliais KIRC duomenyse. Norėdami atlikti tolesnį išsamų tyrimą, pacientus suskirstėme pagal DEmG; 1 klasteris parodė prastesnį bendrą išgyvenamumą, palyginti su kitomis grupėmis; Šiaip ar taip, 3 klasterio KIRC pacientai turi pažengusias naviko stadijas ir turi aukštus limfmazgius (didesnius N1), palyginti su 1 ir 2 klasteriais, o tai rodo vėžio metastazes ir auglių išsiplėtimą 3 klasteryje. Tai rodo mažesnį metabolinių genų skaičių. klasteriuose, susijusiuose su vėžio metastazėmis.

Be to, imuninės infiltracijos balai įvairiose grupėse rodo C1 su aukštais stromos ir imuninės sistemos klasifikacijos balais. Pažymėtina, kad III ir IV patologinių stadijų C1 pacientai turi didelę T ląstelių infiltraciją kartu su CD8 plius T ląstelėmis, T folikulų pagalbinėmis ląstelėmis ir makrofagais. Nors taip pat turi daug Tregų. Tregai vaidina gyvybiškai svarbų vaidmenį imuninei tolerancijai ir homeostazei [24]. Daugelio vėžio atvejų, tokių kaip gaubtinės žarnos vėžys, krūties vėžys ir kasos vėžys, padidėjęs Treg procentas yra susijęs su prasta vėžio prognoze [25, 26]. M0 makrofagas sukelia ląstelių invaziją ir proliferaciją [27], o padidėjęs makrofagų kiekis yra susijęs su prasta RCC prognoze [28]. Taip pat CD8 plius T ląstelės yra žinomos kaip pagrindinės priešnavikinės ląstelės ir geriausias tikslinės imuninių ląstelių terapijos pasirinkimas vėžiui gydyti [29]. Nors C1 turi didžiausią CD8 ir T ląstelių infiltraciją nei kitose grupėse, jos bendras išgyvenamumas buvo prasčiausias.

Herba Cistanche

Norėdami ištirti imuninių ląstelių infiltraciją KIRC naviko mikroaplinkoje, mes panaudojome tris metodus CIBERSORT, MCP ir ssGSEA. Tradicinis naviko imuninės infiltracijos matavimo metodas yra audinių pjūvių ir imuninių pogrupių histologija, nustatyta iš atskirų žymenų imunohistochemijos. Tačiau yra keletas apribojimų, kai imunohistochemija negali nustatyti daugelio imuninių populiacijų ir prastai fiksuoja funkcinius fenotipus (pvz., aktyvuotus ir ramybės limfocitus). Todėl mes panaudojome CIBERSORT – skaičiavimo metodą, kurį sukūrė [30] ir kuris sprendžia iššūkius, su kuriais susiduria imunohistochemija. Be CIBERSORT, mes naudojome kitus algoritminius paketus, kad patikrintume imuninės infiltracijos būseną. Taip yra todėl, kad CIBERSORT matuoja tik imtyje esančias imuninių ląstelių populiacijų proporcijas, kurias galima nustatyti naudojant kitą paketą, pvz., MCP skaitiklį, kuris gali įvertinti ląstelių populiacijos gausą, o tai leidžia palyginti infiltruojančias ląsteles naviko mikroaplinkoje [31]. Norėdami papildyti CIBERSORT ir MCP analizes, taikėme ssGSEA, kad įvertintume imuninių ląstelių tipų infiltracijos lygius, įdiegtus R pakete GSVA [32, 33]. GSA yra rangu pagrįstas metodas, apskaičiuojantis dominančio geno sąrašo per didelę ekspresiją, palyginti su visais kitais genomo genais. CIBERSORT parodė geresnius rezultatus, palyginti su kitais dviem metodais; taigi, buvo atliekamos tolesnės analizės iš CIBERSORT gautų duomenų.

Be to, mes sutelkėme dėmesį į pagrindinį KIRC progresavimo mechanizmą, atlikdami diferencinės ekspresijos analizę, pagrįstą RNR-seq duomenimis. Apskritai, mes nukreipėme į nenormalią skirtingą bendrų genų ekspresiją tarp trijų grupių. Dauguma genų buvo sureguliuoti, išskyrus NUDT1 C1; tačiau jo ekspresija buvo žymiai sumažinta progresuojant nuo C1 iki C3. Taigi NUDT1 buvo toliau patvirtintas dėl savo vaidmens KIRC progresavime. SiRNR sukeltas NUDTI geno ekspresijos slopinimas dviejose KIRC ląstelių linijose (786-O ir ACHN) sumažino ląstelių gyvybingumą ir migraciją bei padidino apoptozę, o tai patvirtina jo vaidmenį naviko progresavime. Anksčiau buvo pranešta, kad NUDT1 ekspresijos lygis koreliavo su naviko laipsniu, stadija, dydžiu, diferenciacija, kraujagyslių invazijos laipsniu, bendru išgyvenamumu (OS) ir išgyvenimu be ligos (DFS) pacientams, sergantiems HCC, taip pat prognozuojama kaip prognostinis žymuo, turintis terapinį potencialą HCC sergantiems pacientams [34]. Per didelis NUDT1 ekspresija sergant plautine arterine hipertenzija sumažina oksidacinį stresą ir DNR pažeidimus, todėl skatina ląstelių proliferaciją ir mažina apoptozę [35]. Buvo įrodyta, kad pacientų, sergančių burnos plokščiųjų ląstelių karcinoma (OSCC), kurių NUDT1 ekspresija yra didelė, išgyvenamumas buvo prastas [36]. Atsižvelgiant į tai, kad nėra pakankamai literatūros apie NUDTI vaidmenį sergant vėžiu ir iki šiol nė vienas tyrimas nepranešė apie jo vaidmenį KIRC, todėl pirmą kartą pranešame apie NUDTI vaidmenį KIRC progresavime. Dabartinis tyrimas turėjo tam tikrų apribojimų; nors mūsų tyrimai parodė, kad parašas gali būti susijęs su KIRC imunoterapija, parašo veiksmingumas negalėjo būti patvirtintas dėl duomenų trūkumo, galimų pagrindinių mechanizmų ir funkcinių NUDT1 vaidmenų KIRC ir klinikinėje praktikoje reikia toliau tirti.

Cistanche tubulosa

Išvados

Mes patikrinome nereguliuojamus metabolinius genus tarp normalių ir naviko audinių ir ištyrėme jų funkciją. WGCNA analizė nustatė genų grupę, susijusią su KIRC išgyvenimo būkle. Konsensuso klasterizavimas, pagrįstas su išgyvenimu susijusiais genais, parodė tris grupes, turinčias skirtingus išgyvenamumo rodiklius ir imuninės infiltracijos modelius. NUDT1 neigiamai koreliavo su išgyvenimu, o tolesnė analizė parodė, kad NUDT1 numušimas slopina naviko ląstelių dauginimąsi ir migraciją. Pažymėtina, kad prognozavimo modelis buvo sukurtas remiantis su išgyvenimu susijusiais genais, kurie parodė didelį efektyvumą numatant KIRC išlikimą. Apibendrinant, mes atlikome išsamią metabolinių genų analizę KIRC ir nustatėme NUDT1 kaip onkogeną, kuris gali būti naudojamas kaip terapinis ir prognostinis taikinys.

Cistanche ekstrakto poveikis inkstų skaidrumui

Mokslinių įrodymų apie Cistanche poveikį inkstų skaidrumui yra nedaug. Tačiau kai kurie tyrimai rodo, kad Cistanche ekstraktas gali turėti teigiamą poveikį inkstų sveikatai.

Inkstai yra atsakingi už atliekų ir toksinų filtravimą iš organizmo, o jų sveikata yra būtina bendrai gerovei. Tyrimai parodė, kad Cistanche ekstraktas turi stiprių antioksidacinių ir priešuždegiminių savybių, kurios gali padėti apsisaugoti nuo oksidacinio streso ir uždegimo inkstuose.

Tradicinėje kinų medicinoje Cistanche taip pat naudojamas inkstams tonizuoti ir jų funkcijai pagerinti. Kai kurie specialistai mano, kad reguliarus Cistanche ekstrakto vartojimas gali padėti pagerinti inkstų skaidrumą, nors šis teiginys nėra pagrįstas patikimais klinikiniais tyrimais.

Todėl norint visiškai suprasti galimą Cistanche ekstrakto naudą inkstų skaidrumui, reikia atlikti kruopštesnius tyrimus. Nepaisant to, kaip ir vartojant bet kokį maisto papildą ar alternatyvią terapiją, prieš įtraukiant į savo mitybą naujų priedų svarbu pasitarti su sveikatos priežiūros specialistu, ypač jei jau turite sveikatos sutrikimų.

Nuorodos

[18] RL Siegel, KD Miller ir A. Jemal, "Vėžio statistika, 2019", CA: Cancer Journal for Clinicians, t. 69, Nr. 1, 7–34 p., 2019 m.

[19] RL Siegel, KD Miller, HE Fuchs ir A. Jemal, "Vėžio statistika, 2021", CA: Cancer Journal for Clinicians, t. 71, Nr. 1, 7–33 p., 2021 m.

[20] JC Angulo ir O. Shapiro, „Metastazavusio inkstų vėžio terapinio kraštovaizdžio pasikeitimas“, Cancers, vol. 11, Nr. 9, p. 1227, 2019 m.

[21] AK Sharma, „Kylančios biomarkerių atradimo tendencijos: vėžio prognozavimo ir prognozavimo lengvumas“, Seminars in Cancer Biology, vol. 52, 1 dalis, iii–iv p., 2018 m.

[22] H. Li, J. Hu, A. Yu ir kt., „N6- metiladenozino RNR modifikacija numato imuninius fenotipus ir gydymo galimybes sergant inkstų inkstų skaidrių ląstelių karcinoma“, Frontiers in Oncology, vol. 11, straipsnis 642159, 2021 m.

[23] C. Xu, Y. Zang, Y. Zhao ir kt., „Išsami visos vėžio analizė patvirtino, kad ATG5 skatino naviko metabolizmo palaikymą ir naviko imuninio pabėgimo atsiradimą“, Frontiers in Oncology, vol. 11, straipsnis 652211, 2021 m.

[24] Y. Takeuchi ir H. Nishikawa, „Reguliuojamųjų T ląstelių vaidmenys vėžio imunitete“, International Immunology, t. 28, Nr. 8, 401–409 p., 2016 m.

[25] C. Zhuo, Y. Xu, M. Ying ir kt., „FOXP3 plius Tregs: heterogeniniai fenotipai ir prieštaringas poveikis pacientų, sergančių gaubtinės ir tiesiosios žarnos vėžiu, išgyvenamumui“, Immunologic Research, vol. 61, Nr. 3, 338–347 p., 2015 m.

[26] H. Wang, F. Franco ir PC Ho, „Metabolic Regulation of Tregs in cancer: immunotherapy“ (Imunoterapijos galimybės), Trends Cancer, vol. 3, Nr. 8, 583–592 p., 2017 m.

[27] BZ Qian ir JW Pollard, "Makrofagų įvairovė padidina naviko progresavimą ir metastazes", Cell, vol. 141, Nr. 1, p. 39–51, 2010 m.

[28] A. Hajiran, N. Chakiryan, AM Aydin ir kt., "Naviko imuninės mikroaplinkos erdvinio heterogeniškumo žvalgymas metastazavusioje inkstų ląstelių karcinomoje ir koreliacija su imunoterapijos atsaku", Clinical and Experimental Immunology, t. 204, Nr. 1, p. 96–106, 2021 m.

[29] B. Farhood, M. Najafi ir K. Mortezaee, "CD8( plius ) citotoksiniai T limfocitai vėžio imunoterapijoje: apžvalga", Journal of Cellular Physiology, t. 234, Nr. 6, p. 8509–8521, 2019 m.

[30] AM Newman, CL Liu, MR Green ir kt., „Tvirtas ląstelių pogrupių surašymas iš audinių ekspresijos profilių“, Nature Methods, t. 12, Nr. 5, p. 453–457, 2015 m.

[31] E. Becht, NA Giraldo, L. Lacroix ir kt., „Audinį infiltruojančių imuninių ir stromos ląstelių populiacijų populiacijos gausos įvertinimas naudojant genų ekspresiją“, Genome Biology, vol. 17, Nr. 1, p. 218, 2016 m.

[32] DA Barbie, P. Tamayo, JS Boehm ir kt., „Sisteminiai RNR trukdžiai atskleidžia, kad onkogeniniam KRAS sukeliamam vėžiui reikalingas TBK1“, „Nature“, t. 462, Nr. 7269, 108–112 p., 2009 m.

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

[34] Q. Ou, N. Ma, Z. Yu ir kt., „Nudix hidrolazė 1 yra prognostinis kepenų ląstelių karcinomos biomarkeris“, Aging, vol. 12, Nr. 8, p. 7363–7379, 2020 m.

[35] G. Vitry, R. Paulin, Y. Grobs ir kt., „Oksiduotų DNR pirmtakų valymas NUDT1 prisideda prie kraujagyslių remodeliavimo sergant plautine arterine hipertenzija“, American Journal of Respiratory and Critical Care Medicine, t. 203, Nr. 5, p. 614–627, 2021 m.

[36] Y. Shen, L. Zhang, S. Piao ir kt., „NUDT1: potencialus nepriklausomas prognozuotojas pacientų, sergančių burnos plokščialąsteliniu karcinoma, prognozė“, Journal of Oral Pathology & Medicine, t. 49, Nr. 3, 210–218 p., 2020 m.

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 ir Zhangsuo Liu 1,2,3,4,5

1 Nefrologijos skyrius, Džengdžou universiteto pirmoji susijusi ligoninė, Džengdžou 450052, Kinija

2 Nefrologijos tyrimų institutas, Džengdžou universitetas, Džengdžou 450052, Kinija

3 Inkstų ligų tyrimų centras, Džengdžou, 450052 Henanas, Kinija

4 Pagrindinė lėtinių inkstų ligų tikslios diagnostikos ir gydymo laboratorija Henano provincijoje, Džengdžou 450052, Kinija

5 Nacionalinio klinikinių medicinos tyrimų centro inkstų ligų pagrindinis padalinys, Džengdžou 450052, Kinija

6 Urologijos skyrius, Džengdžou universiteto pirmoji susijusi ligoninė, Džengdžou 450052, Kinija