يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة بحثية

ARHGAP22 كعلامة حيوية تنبؤية محتملة في سرطان الخلايا الكلوية صافيه الخلايا: رؤى حول المناعة الورمية وشبكات التعبير المشترك

92 مشاهدة

⸱

DOI:

10.3791/72307

⸱

سبتمبر 3, 2026

 ,  ,  ,  ,  ,  , 
1Department of Gastroenterology, The First Affiliated Hospital of Jinzhou Medical University, 2Qilu Medical University, 3General Hospital of Fushun Mining Bureau of Liaoning Health Industry Group, 4Department of Urology, The First Affiliated Hospital of Jinzhou Medical University

* These authors contributed equally

في هذه المقالة

ملخص

تقيم هذه الدراسة تعبير ARHGAP22 في سرطان الخلايا الكلوية صافي الخلايا وعلاقاته بالإنذار، والسمات السريرية المرضية، والبيئة المجهرية المناعية للورم، والحساسية الدوائية المتوقعة حوسبياً.

الملخص

يُعد سرطان الخلايا الكلوية الصافي (ccRCC) النوع الفرعي الأكثر شيوعاً لسرطان الكلى، ويتميز بتغاير سريري كبير، مما يبرز الحاجة إلى مؤشرات حيوية إنذارية موثوقة. قيمت هذه الدراسة نمط تعبير ARHGAP22، وأهميته الإنذارية، وارتباطاته المناعية في سرطان ccRCC باستخدام بيانات ترانسكريبتومية وسريرية من مجموعة أطلس جينوم السرطان لسرطان الخلايا الكلوية الصافي (TCGA-KIRC)، جنباً إلى جنب مع بيانات تحقق خارجية ومعلومات عن التعبير البروتيني من أطلس البروتين البشري (HPA). تمت مقارنة تعبير ARHGAP22 بين الأنسجة الورمية والأنسجة الطبيعية المجاورة، كما تم تقييم ارتباطاته بالبقاء الإجمالي، والخصائص المرضية السريرية، ودرجات البيئة الدقيقة للورم، والنسب التقديرية للخلايا المناعية. كما أُجريت تحليلات التعبير المشترك والإثراء الوظيفي لتوصيف الارتباطات البيولوجية المحتملة. أظهرت النتائج أن ARHGAP22 كان مرتفع التعبير بشكل ملحوظ في أنسجة ccRCC على المستوى الترانسكريبتومي، مع ملاحظة اختلافات مقابلة في صور الكيمياء النسيجية المناعية. ارتبط التعبير المرتفع لـ ARHGAP22 بقصر مدة البقاء الإجمالي، وميزات مرضية سريرية متقدمة، وارتفاع قيم ImmuneScore وStromalScore وESTIMATEScore. وأظهر التحليل القائم على CIBERSORT أن مجموعة التعبير المرتفع لديها نسب تقديرية أعلى من البلاعم M2 والخلايا التائية المنظمة، ونسب تقديرية أقل من الخلايا البائية الساذجة، والخلايا الصارية الساكنة، والخلايا التغصنية المنشطة بعد تصحيح معدل الاكتشاف الخاطئ. ربطت تحليلات الإثراء الوظيفي الجينات المرتبطة بـ ARHGAP22 بالعمليات المناعية، وهجرة الخلايا، ومسارات التأشير بوساطة الكيموكينات والسيتوكينات. تشير هذه النتائج إلى أن ARHGAP22 قد يمثل مؤشراً حيوياً محتملاً للإنذار والارتباط المناعي في سرطان ccRCC، على الرغم من الحاجة إلى مزيد من التحقق السريري والتجريبي المستقل.

المقدمة

يُعد سرطان الخلايا الكلوية ذات الخلايا الصافية (ccRCC) النوع النسيجي الأكثر شيوعاً لسرطان الخلايا الكلوية، حيث يمثل ما يقرب من 70%–80% من الحالات، ويساهم بشكل كبير في معدلات الوفيات المرتبطة بسرطان الكلى1˒2. وقد ارتفع معدل الإصابة بسرطان الخلايا الكلوية بشكل عام في السنوات الأخيرة، مع وجود تباين وبائي ملحوظ عبر المناطق المختلفة. وتشمل عوامل الخطر المعروفة التدخين، والسمنة، وارتفاع ضغط الدم، ومرض الكلى المزمن3˒4. يتميز سرطان الخلايا الكلوية ذات الخلايا الصافية بشراسة واضحة وتغاير جزيئي. تظهر لدى مجموعة فرعية من المرضى أمراض نقيلية عند التشخيص، كما يظل التكرار والتقدم بعد الجراحة أمراً شائعاً2˒5. وعلى المستوى الجزيئي، يُعرف تثبيط جين von Hippel–Lindau (VHL) والتنشيط المستمر لإشارات العامل المحفز بنقص الأكسجة (HIF) بأنهما حدثان رئيسيان في إمراض ccRCC، ويصاحبهما تغيرات جينومية وفوق جينية واسعة النطاق6˒7. وعلى الرغم من أن العلاجات الموجهة والعلاجات المناعية قد حسنت النتائج في المراحل المتقدمة من المرض، إلا أن الاستجابات العلاجية تظل متغايرة للغاية، مما يؤكد الحاجة إلى مؤشرات حيوية موثوقة للتنبؤ بالمرض وللجوانب المتعلقة بالمناعة8,9,10.

تعد إنزيمات Rho guanosine triphosphatases (Rho GTPases) مفاتيح جزيئية تنظم إعادة تشكيل الهيكل الخلوي، واستقطاب الخلايا، والالتصاق، والهجرة، والغزو، ولها أدوار متعددة الأوجه في تكون الأورام وتطور السرطان11˒12. وبالإضافة إلى تنظيم تكاثر الخلايا الورمية، والموت الخلوي المبرمج، والقدرة على الحركة، تساهم إشارات Rho GTPase في تكوين الأوعية الدموية، والاستجابات الالتهابية، وإعادة تشكيل البيئة المناعية الدقيقة للورم13,14,15. وقد حظيت الأهمية البيولوجية لإشارات Rho GTPase في سرطان الخلايا الكلوية الرائق (ccRCC) باهتمام متزايد؛ حيث أفادت التقارير أن إشارات Rac تعزز نمو ccRCC والتحول الوعائي، بينما قد يعتمد ccRCC المدفوع بمسار VHL/HIF على مسار Rho GTPase/Rho-associated coiled-coil-containing protein kinase (ROCK)16˒17. كما رُبطت التواقيع الجينية المتعلقة بـ Rho GTPase بسوء الإنذار، والحالة المثبطة للمناعة، والاستجابات المتباينة للعلاج المناعي في ccRCC، مما يشير إلى أن هذا المسار قد يمثل رابطاً جزيئياً هاماً بين تطور الورم والمناعة الورمية18˒19.

ينتمي ARHGAP22 إلى عائلة البروتينات المنشطة لـ Rho GTPase (RhoGAP) والعائلة الفرعية المرتبطة بـ FilGAP، ويعمل بشكل أساسي كـ RhoGAP متخصص في Rac يشارك في التنظيم التضادي لمحور RhoA–Rac120˒21. يحتوي البروتين على نطاق تماثل بليكسترين (PH) ونطاق RhoGAP، ويمكنه تنظيم نشاط Rac من خلال التموضع الإندوسومي والنقل إلى الغشاء البلازمي، مما يؤثر بالتالي على تكوين الأقدام الصفائحية، وانتشار الخلايا، وهجرتها20˒22˒23. وقد ربطت الدراسات السابقة ARHGAP22 بديناميكيات الهيكل الخلوي، وحركية الخلايا الورمية، والبيئة المناعية الدقيقة للورم، وأدوار محتملة كعلامة بيولوجية في عدة أنواع من الأورام الخبيثة20,23,24,25. ومع ذلك، لا يزال نمط التعبير، والأهمية الإنذارية، والارتباطات المناعية، والصلة العلاجية المحتملة لـ ARHGAP22 في سرطان الخلايا الكلوية الصافية (ccRCC) غير محددة بشكل كافٍ. لذلك، قيمت الدراسة الحالية ما إذا كان التعبير عن ARHGAP22 مرتبطاً بالتطور المرضي السريري، وإنذار المريض، والترشح المناعي، والحساسية الدوائية المتوقعة حوسبياً، وشبكات التعبير المشترك في ccRCC، بهدف تقييم قيمته المحتملة كعلامة بيولوجية إنذارية ومرتبطة بالمناعة.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

استخدمت هذه الدراسة بيانات مجهولة الهوية ومتاحة للعامة من TCGA وHPA وقواعد بيانات أخرى مفتوحة الوصول، ولم تتضمن استقطاب مشاركين بشريين جدد، أو تجارب على الحيوانات، أو معلومات خاصة يمكن تحديد هوية أصحابها. وبناءً على ذلك، لم تكن هناك حاجة لموافقة أخلاقية مؤسسية إضافية أو موافقة مستنيرة. تتوفر معلومات مفصلة حول الأدوات المستخدمة في البروتوكول في جدول المواد.

1. مجموعات البيانات العامة والتحليل المعلوماتي الحيوي
تم استخدام مجموعات بيانات متاحة للعامة، ولم يتم إجراء أي بحث مباشر يشمل مشاركين بشريين أو حيوانات. تم الحصول على البيانات النسخية والسريرية من مشروع أطلس جينوم السرطان لسرطان الخلايا الكلوية الصافية (TCGA-KIRC)، واستُرجعت بيانات التعبير البروتيني من أطلس البروتين البشري (Human Protein Atlas). وقد مكّن هذا النهج الحسابي من الفرز الفعال لمجموعات البيانات النسخية والسريرية واسعة النطاق، ودعم التحديد الأولي للمؤشرات الحيوية المرشحة، ووفر أساساً للتحقق التجريبي اللاحق. أُجريت جميع التحليلات الحسابية باستخدام برمجيات إحصائية.

2. الحصول على البيانات واختيار العينات
تم الدخول إلى بوابة بيانات Genomic Data Commons، واختيار مشروع TCGA-KIRC. كما تم تنزيل بيانات تحليل النسخ (Transcriptome-profiling) والمعلومات السريرية المقابلة لسرطان الخلايا الكلوية الصافي (ccRCC). واستُخدمت بيانات تعبير الحمض النووي الريبوزي المرسال (mRNA) المُطبعة وفقاً لمعيار عدد النسخ لكل مليون (TPM) لإجراء تحليلات النسخ اللاحقة. استُخرجت قيم تعبير ARHGAP22 من مصفوفة TCGA-KIRC للنسخ، وتمت مطابقتها مع السجلات السريرية المقابلة باستخدام الرموز الشريطية (barcodes) لعينات TCGA. وشمل ذلك أنسجة الأورام الأولية وأنسجة الكلى الطبيعية المجاورة التي تتوفر لها بيانات تعبير ARHGAP22 وتوصيفات سريرية. واستُبعدت العينات التي تفتقر إلى قيم تعبير ARHGAP22، أو التي تحتوي على معلومات سريرية أو بيانات بقاء غير مكتملة، أو السجلات المكررة، أو تلك التي كانت فترات البقاء فيها أقل من 30 يوماً. وبعد عملية التصفية، تم الاحتفاظ بـ 533 عينة ورمية و72 عينة من الأنسجة الطبيعية المجاورة لإجراء التحليلات اللاحقة.

3. تحليل التعبير الجيني الشامل لأنواع السرطان
أُجري تحليل التعبير الجيني الشامل لأنواع السرطان لـ ARHGAP22 باستخدام وحدة Gene_DE في TIMER2.0 (http://timer.cistrome.org/؛ تم الدخول إليه في 12 أبريل 2026). استُخدمت بيانات تسلسل RNA من TCGA لمقارنة تعبير ARHGAP22 بين الأنسجة الورمية والأنسجة الطبيعية المقابلة لها عبر أنواع متعددة من السرطان. عُرِضت قيم التعبير بصيغة log2(TPM)، وقُيِّم التعبير التفاضلي باستخدام اختبار Wilcoxon rank-sum المطبق في TIMER2.0. واعتُبرت قيمة P الثنائية التي تقل عن 0.05 ذات دلالة إحصائية.

4. التحقق الخارجي باستخدام قاعدة بيانات GEO
أُجري التحقق الخارجي باستخدام مجموعة بيانات Gene Expression Omnibus ذات الرقم GSE167573 عبر منصة BEST الإلكترونية (https://rookieutopia.hiplot.com.cn/app_direct/BEST/; تم الدخول إليها في 9 يوليو 2026). وقورنت مستويات تعبير ARHGAP22 في أنسجة ccRCC وأنسجة الكلى الطبيعية باستخدام بيانات التعبير المُطبعة (normalized expression data) التي وفرتها المنصة، وتم تقييمها باستخدام اختبار t لطلاب غير المزاوج (unpaired Student’s t-test). ولإجراء تحليل البقاء، قُسم المرضى إلى مجموعات ذات تعبير مرتفع ومنخفض باستخدام طريقة القطع المثلى (optimal cutoff method) الخاصة بالمنصة، وقُيم البقاء الإجمالي باستخدام تحليل Kaplan–Meier مع اختبار log-rank. واعتُبرت قيمة P ذات الطرفين التي تقل عن 0.05 ذات دلالة إحصائية.

5. تحليل تعبير ARHGAP22
استُخرجت بيانات تعبير الحمض النووي الريبوزي المرسال ARHGAP22 المُطبعة وفقاً لـ TPM من مجموعة TCGA-KIRC، وحُوِّلت إلى log2(TPM + 1) قبل التحليل الإحصائي. كما تم تقييم التعبير التفاضلي لـ ARHGAP22 بين أنسجة الورم الأولية وأنسجة الكلى الطبيعية المجاورة. واستُخدم اختبار ويلكوكسون لمجموع الرتب (Wilcoxon rank-sum test) لإجراء المقارنات غير المقترنة بين الأنسجة الورمية والطبيعية. أما بالنسبة للتحليل المقترن، فقد تم تحديد الأزواج المتطابقة من الورم والأنسجة الطبيعية باستخدام الرموز الشريطية لمرضى TCGA، وطُبق اختبار ويلكوكسون لرتب الإشارات (Wilcoxon signed-rank test) لمقارنة تعبير ARHGAP22 بين الأنسجة الطبيعية المجاورة وأنسجة الورم المقابلة لها. واعتُبرت قيمة P ثنائية الجانب التي تقل عن 0.05 دالة إحصائياً.

6. تحليل البقاء ومنحنى خصائص تشغيل المستقبل
أُجريت تحليلات البقاء ومنحنى خصائص تشغيل المستقبل (ROC) المعتمد على الوقت باستخدام عينات أورام TCGA-KIRC التي تتوفر لها بيانات متابعة سريرية. تم تحويل وقت البقاء الإجمالي من أيام إلى سنوات. قُسِّم المرضى إلى مجموعات ذات تعبير مرتفع ومنخفض لـ ARHGAP22 بناءً على قيمة الوسيط لتعبير ARHGAP22، وطُبِّقت نقطة الفصل نفسها باستمرار في جميع التحليلات التي تتضمن التقسيم القائم على التعبير. أُنشئت منحنيات Kaplan–Meier باستخدام حزمة survival وحزمة survminer. وقُيِّمت الفروق بين المجموعات باستخدام اختبار log-rank. كما استُخدم نموذج انحدار المخاطر النسبية لـ Cox لتقدير نسب المخاطر وفواصل الثقة 95%. وأُنشئت منحنيات ROC المعتمدة على الوقت باستخدام حزمة timeROC. حُسبت المساحات تحت المنحنى عند 1 و3 و5 سنوات باستخدام طريقة وزن Aalen. واعتُبرت قيمة P ذات الطرفين التي تقل عن 0.05 ذات دلالة إحصائية.

7. تحليل الارتباط السريري المرضي
تَم تحليل الارتباط بين تعبير ARHGAP22 والخصائص السريرية المرضية باستخدام عينات أورام TCGA-KIRC، مع استبعاد العينات الطبيعية. صُنِّف العمر إلى فئتين: 65 عاماً أو أقل، وأكبر من 65 عاماً. كما استُبعدت العينات ذات التوصيفات المجهولة أو المفقودة من التحليل المقابل. استُخدم اختبار ويلكوكسون لمجموع الرتب (Wilcoxon rank-sum test) للمقارنات بين مجموعتين، واختبار كروكسال-واليس (Kruskal–Wallis test) للمقارنات التي تشمل ثلاث مجموعات أو أكثر. أُنشئت المخططات الكمانية (Violin plots) باستخدام حزمة ggpubr وggplot2 وscales. وللتصور عبر الخرائط الحرارية، صُنِّف المرضى إلى مجموعات ذات تعبير عالٍ ومنخفض لـ ARHGAP22 باستخدام قيمة الوسيط كنقطة فصل. قُيِّمت الارتباطات بين مجموعات التعبير والمتغيرات السريرية المرضية باستخدام اختبارات مربع كاي (chi-square tests). أُنشئت الخرائط الحرارية باستخدام ComplexHeatmap، بعد المعالجة المسبقة بواسطة limma. واعتُبرت قيمة P ذات الطرفين التي تقل عن 0.05 ذات دلالة إحصائية.

8. بناء المخطط البياني (Nomogram)
تم بناء مخطط بياني للتنبؤ بالإنذار عن طريق دمج تعبير ARHGAP22 مع الخصائص المرضية السريرية المتاحة في نموذج انحدار مخاطر كوكس النسبية (Cox proportional hazards regression model). استُخدم النموذج لتقدير البقاء على قيد الحياة الإجمالي لمدة سنة واحدة و3 سنوات و5 سنوات في مجموعة TCGA-KIRC. تم حساب درجات المخاطر لكل مريض باستخدام نموذج كوكس المطبق. كما تم إنشاء منحنيات المعايرة للبقاء على قيد الحياة الإجمالي لمدة سنة واحدة و3 سنوات و5 سنوات باستخدام طريقة Kaplan–Meier مع 1,000 تكرار لإعادة أخذ العينات بطريقة bootstrap. وتم تقييم مدى التطابق بين احتمالات البقاء المتوقعة بواسطة المخطط البياني ونتائج البقاء الملحوظة. أُجري انحدار كوكس باستخدام حزمة survival، بينما نُفذ تصور المخطط البياني وتحليلات المعايرة باستخدام regplot وrms. واعتُبرت القيمة الاحتمالية P ذات الجانبين التي تقل عن 0.05 ذات دلالة إحصائية.

9. تحليل التعبير المشترك
استُخدمت بيانات النسخ المتوفرة من عينات أورام TCGA-KIRC لتقييم علاقات التعبير المشترك بين ARHGAP22 وجميع الجينات الأخرى باستخدام تحليل ارتباط بيرسون. وعُرّفت الجينات التي يبلغ معامل ارتباط بيرسون المطلق لها أكثر من 0.6 وقيمة P أقل من 0.001 بأنها جينات ذات تعبير مشترك معنوي. ثم رُتبت الجينات ذات التعبير المشترك المعنوي وفقاً للقيمة المطلقة لمعامل الارتباط. واختيرت الجينات الأعلى تصنيفاً لبناء مصفوفة ارتباط، كما تم إنشاء مخطط وتري (chord diagram) لتصوير شبكة التعبير المشترك المرتبطة بـ ARHGAP22.

10. تحليلات الجينات ذات التعبير المتباين والإثراء الوظيفي
أُجري تحليل التعبير المتباين بين مجموعتي التعبير المرتفع والمنخفض لـ ARHGAP22 باستخدام اختبار ويلكوكسون لمجموع الرتب (Wilcoxon rank-sum test) مع تصحيح معدل الاكتشاف الكاذب (FDR). وعُرِّفت الجينات التي يزيد التغير اللوغاريتمي المضاعف (log2 fold change) المطلق لها عن 1 وكان معدل الاكتشاف الكاذب (FDR) أقل من 0.05 على أنها جينات ذات تعبير متباين معنوي. جرى تمثيل النتائج بصرياً باستخدام مخطط بركاني (volcano plot) وخريطة حرارية (heatmap). كما أُجريت تحليلات إثراء الوجود الجيني (Gene Ontology) وموسوعة كيوتو للجينات والجينومات (Kyoto Encyclopedia of Genes and Genomes) باستخدام clusterProfiler. حُوِّلت رموز الجينات إلى معرفات Entrez باستخدام org.Hs.eg.db. واعتُبرت مصطلحات الوجود الجيني (Gene Ontology) ومسارات موسوعة كيوتو للجينات والجينومات (Kyoto Encyclopedia of Genes and Genomes) التي سجلت قيمة P اسمية أقل من 0.05 وقيمة P معدلة وفقاً لمعدل الاكتشاف الكاذب (FDR) أقل من 0.05 ذات إثراء معنوي. أما تحليل إثراء مجموعة الجينات (Gene Set Enrichment Analysis) فقد أُجري باستخدام مجموعات جينات موسوعة كيوتو للجينات والجينومات من ملف قاعدة بيانات التواقيع الجزيئية c2.cp.kegg.v7.4.symbols.gmt. رُتبت الجينات حسب التغير اللوغاريتمي المضاعف (log2 fold change)، واعتُبرت مجموعات الجينات التي سجلت قيمة P اسمية < 0.05 ذات إثراء معنوي.

11. تحليل الارتشاح المناعي ونقاط التفتيش المناعية
أُجريت تحليلات الارتشاح المناعي ونقاط التفتيش المناعية باستخدام عينات أورام TCGA-KIRC. وحُسبت قيم StromalScore وImmuneScore وESTIMATEScore باستخدام حزمة estimate. كما قُدرت كسور الخلايا المناعية باستخدام نص CIBERSORT R البرمجي، مع إجراء 1,000 تبديلة وتطبيع ربيعي (quantile normalization). وتم الاحتفاظ بالعينات التي كانت قيمة P لفك التلافيف في CIBERSORT فيها أقل من 0.05. قُسم المرضى إلى مجموعتين: مجموعة ARHGAP22-high ومجموعة ARHGAP22-low وفقاً لمتوسط مستوى تعبير ARHGAP22. وقُيمت الفروق في درجات ESTIMATE وكسور الخلايا المناعية بين المجموعتين باستخدام اختبار ويلكوكسون لمجموع الرتب (Wilcoxon rank-sum test). كما تم تقييم الارتباطات بين تعبير ARHGAP22 وجينات نقاط التفتيش المناعية باستخدام تحليل ارتباط بيرسون. وجرى تعديل قيم P الناتجة عن مقارنات الخلايا المناعية المتعددة واختبارات ارتباط نقاط التفتيش المناعية باستخدام طريقة Benjamini–Hochberg FDR، واعتُبرت قيمة FDR التي تقل عن 0.05 ذات دلالة إحصائية. وتم تمثيل جينات نقاط التفتيش المناعية ذات الدلالة الإحصائية (FDR-significant) بصرياً باستخدام خرائط الحرارة الارتباطية التي أُنشئت بواسطة corrplot. نُفذت عمليات المعالجة المسبقة للبيانات والتمثيل البصري بشكل أساسي باستخدام limma وggpubr وcorrplot.

12. التنبؤ بالحساسية للأدوية
استُخدمت بيانات النسخ الورمية من TCGA-KIRC بعد استبعاد عينات الأنسجة الطبيعية. وحُسبت قيم تركيز التثبيط النصفي القصوى المتوقعة حاسوبيًا باستخدام حزمة oncoPredict ومجموعة البيانات المرجعية القائمة على Genomics of Drug Sensitivity in Cancer 2. وقُسِّم المرضى إلى مجموعتين: مجموعة تعبير ARHGAP22 العالي ومجموعة تعبير ARHGAP22 المنخفض، وذلك باستخدام القيمة الوسيطة لتعبير ARHGAP22. وقورنت قيم تركيز التثبيط النصفي القصوى المتوقعة بين المجموعتين باستخدام اختبار Wilcoxon rank-sum. كما عُدِّلت قيم P الناتجة عن مقارنات الأدوية المتعددة باستخدام طريقة Benjamini–Hochberg، واعتُبر معدل الاكتشاف الخاطئ (FDR) الذي يقل عن 0.05 ذا دلالة إحصائية. وفُسِّرت النتائج على أنها تقديرات حاسوبية متوقعة للحساسية للأدوية وليست استجابات دوائية تم التحقق منها تجريبيًا أو ملاحظتها سريريًا.

13. التحقق من أطلس البروتين البشري
تم الدخول إلى قاعدة بيانات أطلس البروتين البشري (Human Protein Atlas)، والبحث عن ARHGAP22. تمت مراجعة قسم الأنسجة (Tissue) لتقييم تعبير بروتين ARHGAP22 في أنسجة الكلى الطبيعية. ثم فُتح قسم الأمراض (Pathology)، واختير سرطان الخلايا الكلوية الصافي (clear cell renal cell carcinoma)، ورُوجعت مستويات تعبير بروتين ARHGAP22 في أنسجة الورم. جُلبت صور كيميائية نسيجية مناعية ممثلة لأنسجة الكلى الطبيعية وأنسجة ccRCC، واختيرت لإدراجها في المخطوطة لمقارنة تعبير بروتين ARHGAP22 بين الأنسجة الطبيعية وأنسجة الورم.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

تحليل ملف التعبير الجيني لـ ARHGAP22 في أنواع السرطانات المختلفة
أظهر تحليل ملف النسخ في أنواع السرطانات المختلفة تباينًا ملحوظًا في تعبير ARHGAP22 عبر أنواع الأورام والأنسجة الطبيعية المقابلة لها (الشكل 1). ولوحظ وجود اتجاه عام نحو زيادة تعبير ARHGAP22 في عدة أورام صلبة. وكان تعبير ARHGAP22 أعلى بشكل ملحوظ في الأنسجة الورمية مقارنة بالأنسجة الطبيعية المقابلة في سرطان الثدي الغازي، وسرطان القنوات الصفراوية، وسرطان الخلايا الحرشفية في الرأس والعنق، والورم الكروموفوبي الكل...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

يُعد سرطان الخلايا الكلوية (RCC) أحد أكثر الأورام الخبيثة شيوعاً في الجهاز البولي، ويُعتبر سرطان الخلايا الكلوية الصافي (ccRCC) النوع النسيجي السائد والمساهم الرئيسي في الوفيات المرتبطة بسرطان الخلايا الكلوية. وقد ارتفع معدل الإصابة بسرطان الخلايا الكلوية بشكل عام في السنوات الأخيرة، مع وجود تفاوت جغرافي ملحوظ. وتشمل عوامل الخطر المعروفة التدخين، والسمنة، وارتفاع ضغط الدم، وأمراض الكلى المزمنة3˒4. وعلى الرغم من التقدم في التشخيص والعلاج، لا يزال سرطان الخلايا الكلوية الصافي...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

يصرح المؤلفون بعدم وجود تضارب في المصالح.

شكر وتقدير

تم استخدام بيانات متاحة للعموم من أطلس جينوم السرطان (TCGA) في هذه الدراسة. ونعرب عن تقديرنا لشبكة أبحاث TCGA على إنشاء وتوفير هذه الموارد.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
circlize R packageVersion 0.4.16CRANتُستخدم لرسم مخططات circos ومخططات الوتر (chord diagrams).
clusterProfiler R packageVersion 4.12.0Bioconductorتُستخدم لتحليلات الإثراء من نوع GO وKEGG وGSEA.
ComplexHeatmap R packageVersion 2.20.0Bioconductorتُستخدم للتصور البياني للخرائط الحرارية المعقدة والخرائط الحرارية للتوصيف السريري.
e1071 R packageVersion 1.7.16CRANتُستخدم لانحدار ناقلات الدعم (support vector regression) في التحليلات المتعلقة بـ CIBERSORT.
enrichplot R packageVersion 1.24.0Bioconductorتُستخدم للتصور البياني لنتائج الإثراء الوظيفي.
estimate R packageVersion 1.0.13R package/source packageتُستخدم لحساب درجات السدى (stromal) والمناعية ودرجات ESTIMATE.
ggExtra R packageVersion 0.10.1CRANتُستخدم لمخططات التشتت ذات توزيعات الكثافة الهامشية.
ggplot2 R packageVersion 3.5.1CRANتُستخدم للتصور البياني العام للبيانات.
ggpubr R packageVersion 0.6.0CRANتُستخدم لمخططات الصندوق (boxplots) ومخططات الكمان (violin plots) والمقارنات الإحصائية.
ggrepel R packageVersion 0.9.5CRANتُستخدم لتسميات النصوص غير المتداخلة في مخططات البركان (volcano plots).
limma R packageVersion 3.60.4Bioconductorتُستخدم للمعالجة المسبقة لبيانات التعبير والتحليلات المتعلقة بالتعبير التفاضلي.
oncoPredict R packageVersion 1.2CRANتُستخدم للتنبؤ بالحساسية الدوائية بناءً على البيانات الترانسكريبتومية.
org.Hs.eg.db R packageVersion 3.19.1Bioconductorتُستخدم للتوصيف الجيني والتحويل بين رموز الجينات ومعرفات Entrez IDs.
pheatmap R packageVersion 1.0.12CRANتُستخدم للتصور البياني للخرائط الحرارية.
preprocessCore R packageVersion 1.68.0Bioconductorتُستخدم للتطبيع المئيني (quantile normalization) في التحليلات المتعلقة بـ CIBERSORT.
R softwareVersion 4.4.0R Foundation for Statistical Computingيُستخدم للتحليل الإحصائي والتصور البياني.
RColorBrewer R packageVersion 1.1.3CRANتُستخدم لتوليد لوحات الألوان في التصور البياني.
regplot R packageVersion 1.1CRANتُستخدم للتصور البياني للمخططات النوجرامية (nomogram).
reshape2 R packageVersion 1.4.4CRANتُستخدم لإعادة تشكيل البيانات قبل التصور البياني.
rms R packageVersion 6.8.1CRANتُستخدم لبناء النماذج الإنذارية وتحليل المعايرة والتحليلات المتعلقة بالمخططات النوجرامية.
scales R packageVersion 1.4.0CRANتُستخدم لضبط المقاييس وإعدادات شفافية الألوان.
survival R packageVersion 3.5.8CRANتُستخدم لانحدار Cox وتحليل البقاء على قيد الحياة بطريقة Kaplan-Meier.
survminer R packageVersion 0.4.9CRANتُستخدم للتصور البياني لمنحنيات البقاء على قيد الحياة لـ Kaplan-Meier.
timeROC R packageVersion 0.4CRANتُستخدم لتحليل منحنى ROC المعتمد على الوقت.

المراجع

  1. Winter TD et al. Using Mendelian randomization to investigate etiologic heterogeneity across renal cell carcinoma subtypes. Int J Epidemiol. 2025;54(6):dyaf177. https://doi.org/10.1093/ije/dyaf177
  2. Hsieh JJ et al. Renal cell carcinoma. Nat Rev Dis Primers. 2017;3:17009. https://doi.org/10.1038/nrdp.2017.9
  3. Capitanio U et al. Epidemiology of renal cell carcinoma. Eur Urol. 2019;75(1):74-84.
  4. Siegel RL, Miller KD, Fuchs HE, Jemal A. Cancer statistics, 2022. CA Cancer J Clin. 2022;72(1):7-33.
  5. Wiechno P et al. Contemporary treatment of metastatic renal cell carcinoma. Med Oncol. 2018;35(12):156. https://doi.org/10.1007/s12032-018-1217-1
  6. Chen W et al. Targeting renal cell carcinoma with a HIF-2 antagonist. Nature. 2016;539(7627):112-117.
  7. Rydzanicz M, Wrzesiński T, Bluyssen HA, Wesoły J. Genomics and epigenomics of clear cell renal cell carcinoma: recent developments and potential applications. Cancer Lett. 2013;341(2):111-126.
  8. Barata PC, Rini BI. Treatment of renal cell carcinoma: current status and future directions. CA Cancer J Clin. 2017;67(6):507-524.
  9. Chowdhury N, Drake CG. Kidney cancer: an overview of current therapeutic approaches. Urol Clin North Am. 2020;47(4):419-431.
  10. Gulati S, Vaishampayan U. Current state of systemic therapies for advanced renal cell carcinoma. Curr Oncol Rep. 2020;22(3):26. https://doi.org/10.1007/s11912-020-0892-1
  11. Haga RB, Ridley AJ. Rho GTPases: regulation and roles in cancer cell biology. Small GTPases. 2016;7(4):207-221.
  12. Sahai E, Marshall CJ. RHO-GTPases and cancer. Nat Rev Cancer. 2002;2(2):133-142.
  13. Bustelo XR. RHO GTPases in cancer: known facts, open questions, and therapeutic challenges. Biochem Soc Trans. 2018;46(3):741-760.
  14. Crosas-Molist E et al. Rho GTPase signaling in cancer progression and dissemination. Physiol Rev. 2022;102(1):455-510.
  15. Li H, Peyrollier K, Kilic G, Brakebusch C. Rho GTPases and cancer. BioFactors. 2014;40(2):226-235.
  16. Goka ET, Chaturvedi P, Lopez DTM, Lippman ME. Rac signaling drives clear cell renal carcinoma tumor growth by priming the tumor microenvironment for an angiogenic switch. Mol Cancer Ther. 2020;19(7):1462-1473.
  17. Thompson JM, Landman J, Razorenova OV. Targeting the RhoGTPase/ROCK pathway for the treatment of VHL/HIF pathway-driven cancers. Small GTPases. 2020;11(1):32-38.
  18. Feng J et al. RhoJ promotes the progression of clear cell renal cell carcinoma via .the TNF-α/NF-κB axis. Transl Androl Urol. 2025;14(7):1849-1864.
  19. Guo K et al. Activation of RHO-GTPase gene pattern correlates with adverse clinical outcome and immune microenvironment in clear cell renal cell carcinoma. Clin Exp Med. 2025;25(1):67. https://doi.org/10.1007/s10238-025-01593-3
  20. Mori M, Saito K, Ohta Y. ARHGAP22 localizes at endosomes and regulates actin cytoskeleton. PLoS One. 2014;9(6):e100271. https://doi.org/10.1371/journal.pone.0100271
  21. Nakamura F. FilGAP and its close relatives: a mediator of Rho-Rac antagonism that regulates cell morphology and migration. Biochem J. 2013;453(1):17-25.
  22. Hu SH et al. The weak complex between RhoGAP protein ARHGAP22 and signal regulatory protein 14-3-3 has 1:2 stoichiometry and a single peptide binding mode. PLoS One. 2012;7(8):e41731. https://doi.org/10.1371/journal.pone.0041731
  23. Mori M et al. Endosomal localization of RacGAP protein ARHGAP22 regulates its GAP activity in human melanoma cells. Anticancer Res. 2022;42(12):5763-5771.
  24. El-Masry OS, Alamri AM, Alzahrani F, Alsamman K. ADAMTS14, ARHGAP22, and EPDR1 as potential novel targets in acute myeloid leukaemia. Heliyon. 2022;8(3):e09065. https://doi.org/10.1016/j.heliyon.2022.e09065
  25. Yang C et al. Transcriptomic analysis identified ARHGAP family as a novel biomarker associated with tumor-promoting immune infiltration and nanomechanical characteristics in bladder cancer. Front Cell Dev Biol. 2021;9:657219. https://doi.org/10.3389/fcell.2021.657219
  26. Schiavoni V et al. Recent advances in the management of clear cell renal cell carcinoma: novel biomarkers and targeted therapies. Cancers (Basel). 2023;15(12):3207. https://doi.org/10.3390/cancers15123207
  27. Sanz-Moreno V et al. Rac activation and inactivation control plasticity of tumor cell movement. Cell. 2008;135(3):510-523.
  28. Sakaguchi T et al. Bromodomain protein BRD4 inhibitor JQ1 regulates potential prognostic molecules in advanced renal cell carcinoma. Oncotarget. 2018;9(33):23003-23017.
  29. Stránská J et al. Copy number variation and clinical response to chemotherapy and bevacizumab in Czech patients with metastatic colorectal cancer. Klin Onkol. 2024;37(4):277-285.
  30. Parihar JS, Tunuguntla HS. Role of chemokines in renal cell carcinoma. Rev Urol. 2014;16(3):118-121.
  31. Chen Z, Wu R, Ma J, Zheng J. C chemokines are prognostic biomarkers correlated with diverse immune cell infiltrations in clear cell renal cell carcinoma. Transl Cancer Res. 2022;11(8):2501-2522.
  32. Şenbabaoğlu Y et al. Tumor immune microenvironment characterization in clear cell renal cell carcinoma identifies prognostic and immunotherapeutically relevant messenger RNA signatures. Genome Biol. 2016;17(1):231. https://doi.org/10.1186/s13059-016-1092-z
  33. Song DM et al. LIG1 is a novel marker for bladder cancer prognosis: evidence based on experimental studies, machine learning, and single-cell sequencing. Front Immunol. 2024;15:1419126. https://doi.org/10.3389/fimmu.2024.1419126
  34. Vuong L, Kotecha RR, Voss MH, Hakimi AA. Tumor microenvironment dynamics in clear-cell renal cell carcinoma. Cancer Discov. 2019;9(10):1349-1357.
  35. Burgers FH et al. Immunological features of clear-cell renal-cell carcinoma and resistance to immune checkpoint inhibitors. Nat Rev Nephrol. 2025;21(10):687-701.
  36. Davidsson S et al. Infiltration of M2 macrophages and regulatory T cells plays a role in recurrence of renal cell carcinoma. Eur Urol Open Sci. 2020;20:62-71.
  37. Zhang X et al. Tumor-associated M2 macrophages in the immune microenvironment influence the progression of renal clear cell carcinoma by regulating M2 macrophage-associated genes. Front Oncol. 2023;13:1157861. https://doi.org/10.3389/fonc.2023.1157861
  38. Tronik-Le Roux D et al. Comprehensive landscape of immune checkpoints uncovered in clear cell renal cell carcinoma reveals new and emerging therapeutic targets. Cancer Immunol Immunother. 2020;69(7):1237-1252.
  39. Hong J et al. A zinc metabolism-related gene signature for predicting prognosis and characteristics of breast cancer. Front Immunol. 2023;14:1276280. https://doi.org/10.3389/fimmu.2023.1276280
  40. Xu W et al. Prognostic immunophenotyping clusters of clear cell renal cell carcinoma defined by the unique tumor immune microenvironment. Front Cell Dev Biol. 2021;9:785410. https://doi.org/10.3389/fcell.2021.785410
  41. Gu J et al. A novel immune-related gene signature for predicting immunotherapy outcomes and survival in clear cell renal cell carcinoma. Sci Rep. 2023;13(1):18922. https://doi.org/10.1038/s41598-023-45966-8

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

الوسوم

سرطان الخلايا الكلوية واضح الخلاياتعبير ARHGAP22ارتشاح الخلايا المناعيةمجموعة TCGA-KIRCالإثراء الوظيفيالبيئة المجهرية للورمالتعبير البروتيني
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.