Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Tropomodulin-3-Überexpression als Marker für Platinresistenz und Immuninfiltration bei Eierstockkrebs

3.4K Aufrufe

⸱

DOI:

10.3791/65841

⸱

2. August 2024

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Clinic, School of Medicine, Yangzhou Polytechnic College, 2Department of Nuclear Medicine, Huangshi Central Hospital, Affiliated Hospital of Hubei Institute of Technology, 3School of Biology and Engineering, Guizhou Medical University, 4Hemorheology Center, Department of Physiology and Pathophysiology, School of Basic Medical Sciences, Peking University Health Science Center

* These authors contributed equally

In diesem Artikel

Zusammenfassung

Tropomodulin 3 (TMOD3) wurde in den letzten Jahren zunehmend in Tumoren untersucht. Diese Studie ist die erste, die berichtet, dass TMOD3 bei Eierstockkrebs stark exprimiert wird und eng mit Platinresistenz und Immuninfiltration verbunden ist. Diese Ergebnisse könnten dazu beitragen, die therapeutischen Ergebnisse bei Eierstockkrebs zu verbessern.

Zusammenfassung

Das Zytoskelett spielt eine wichtige Rolle bei der Platinresistenz bei Eierstockkrebs. Tropomodulin 3 (TMOD3) ist entscheidend für die Entwicklung vieler Tumoren, aber seine Rolle bei der Arzneimittelresistenz bei Eierstockkrebs ist noch unerforscht. Durch die Analyse von Daten aus den Datenbanken Gene Expression Omnibus (GEO), The Cancer Genome Atlas (TCGA) und Clinical Proteomic Tumor Analysis Consortium (CPTAC) verglich diese Studie die TMOD3-Expression bei Eierstockkrebs und normalem Gewebe und untersuchte die Expression von TMOD3 nach Platinbehandlung bei platinempfindlichem und platinresistentem Eierstockkrebs. Die Kaplan-Meier-Methode wurde verwendet, um die Wirkung von TMOD3 auf das Gesamtüberleben (OS) und das progressionsfreie Überleben (PFS) bei Patientinnen mit Eierstockkrebs zu bewerten. microRNAs (miRNAs), die auf TMOD3 abzielen, wurden mit TargetScan vorhergesagt und mit der TCGA-Datenbank analysiert. Die Tumor Immune Estimation Resource (TIMER) und ein integriertes Repository-Portal für Tumor-Immunsystem-Interaktionen (TISIDB) wurden verwendet, um den Zusammenhang zwischen TMOD3-Expression und Immuninfiltration zu bestimmen. TMOD3-Koexpressionsnetzwerke bei Eierstockkrebs wurden mit LinkedOmics, dem Search Tool for the Retrieval of Interacting Genes/Proteins (STRING) und der Database for Annotation, Visualization, and Integrated Discovery (DAVID) Bioinformatics untersucht. Die Ergebnisse zeigten, dass TMOD3 bei Eierstockkrebs stark exprimiert wurde und mit der Einstufung, dem Staging und der Metastasierung von Eierstockkrebs assoziiert war. Die TMOD3-Expression war bei platinbehandelten Eierstockkrebszellen und -patientinnen signifikant reduziert. Die TMOD3-Expression war jedoch in platinresistenten Eierstockkrebszellen und -geweben höher als in platinempfindlichen. Eine höhere TMOD3-Expression war bei Patientinnen mit Eierstockkrebs, die mit einer platinbasierten Chemotherapie behandelt wurden, signifikant mit einem niedrigeren OS und PFS verbunden. Die miRNA-vermittelte posttranskriptionelle Regulation ist wahrscheinlich für eine hohe TMOD3-Expression bei Eierstockkrebs und platinresistenten Eierstockgeweben verantwortlich. Die Expression von TMOD3-mRNA war mit einer Immuninfiltration bei Eierstockkrebs assoziiert. Diese Ergebnisse deuten darauf hin, dass TMOD3 bei Eierstockkrebs stark exprimiert wird und eng mit Platinresistenz und Immuninfiltration verbunden ist.

Einleitung

Eierstockkrebs ist die zweithöchste Sterblichkeitsrate bei gynäkologischen Tumoren weltweit1. Es kann auf der Grundlage der Histopathologie in drei Typen eingeteilt werden: Keimzell-, Gonaden-, mesenchymale und epitheliale Tumoren, von denen 90% der Patientinnen epitheliales Ovarialkarzinom sind. Zu den Risikofaktoren im Zusammenhang mit Eierstockkrebs gehören anhaltender Eisprung, erhöhte Gonadotropin-Exposition und entzündliche Zytokine2. Mehr als 75 % der Fälle von Eierstockkrebs werden erst in fortgeschrittenen Stadien erkannt, was dazu führt, dass es an einer wirksamen Behandlung mangelt. Patientinnen mit fortgeschrittenem Eierstockkrebs haben eine schlechte Prognose mit weniger als 20% der 5-Jahres-Überlebensrate trotz neuer Chemotherapien wie intraperitonealer Verabreichung und gezielter Therapie. Die Standardbehandlung bei Eierstockkrebs besteht hauptsächlich aus einer Tumorresektion, gefolgt von einer Chemotherapie mit Medikamenten wie Platin und Paclitaxel. Ein Tumorrezidiv tritt jedoch in etwa 70% der Fälle auf1. Cisplatin entfaltet seine therapeutische Wirkung, indem es in die DNA-Replikation und -Transkription eingreift und derzeit das Mittel der ersten Wahl in der Chemotherapie bei Eierstockkrebs ist. Ein erheblicher Teil der Patientinnen mit Eierstockkrebs ist jedoch platinresistent3. Mehrere zelluläre Prozesse wie Arzneimittelausfluss, zelluläre Entgiftung, DNA-Reparatur, Apoptose und Autophagie sind entscheidend für die Platinresistenz in Eierstockkrebszellen 4,5,6.

Die Veränderung des Zytoskeletts ist ein wichtiger Mechanismus, der die Platinresistenz bei Eierstockkrebs beeinflusst. Kürzlich wurde berichtet, dass Gene, die mit dem Zytoskelett in Verbindung stehen, in der Regel aberrant exprimiert werden und das Aktin-Zytoskelett in Gegenwart von Cisplatin-ausgelöster Apoptose signifikant modifiziertist 7. Viele Studien haben gezeigt, dass Cisplatin die Nanomechanik von Eierstockkrebszellen moduliert. Die Zellsteifigkeit empfindlicher Zellen nimmt mit Platin dosisabhängig zu, was hauptsächlich durch die Störung der Aktinpolymerisation verursacht wird. Im Gegensatz dazu zeigten Cisplatin-resistente Zellen nach der Behandlung mit Cisplatin keine signifikante Veränderung der Zellsteifigkeit8. Darüber hinaus waren die Elastizitätsmodule von Cisplatin-empfindlichen Eierstockkrebszellen niedriger, wie die Rasterkraftmikroskopie zeigte. Im Gegensatz dazu weisen Cisplatin-resistente Eierstockkrebszellen ein Zytoskelett auf, das durch lange Aktin-Stressfasern gekennzeichnet ist. Die Hemmung der Rho-GTPase verringert die Steifigkeit und erhöht die Cisplatin-Sensitivität in diesen resistenten Zellen. Umgekehrt erhöht die Aktivierung der Rho-GTPase in Cisplatin-empfindlichen Zellen die Zellsteifigkeit und verringert ihre Empfindlichkeit gegenüber Cisplatin9. Das RNA-bindende Protein mit multiplem Spleißen (RBPMS), ein Tumorsuppressorgen, reduziert die Cisplatin-Resistenz in Eierstockkrebszellen, indem es die Proteinexpression des Zytoskelettnetzwerks reguliert und die Zellintegrität aufrechterhält10. Aktin-Stressfasern sind in A2780/CP-Zellen stärker ausgeprägt als in A2780-Zellen. Die Entwicklung von Arzneimittelresistenzen in Eierstockkrebszellen induziert eine umfassende Reorganisation des Aktin-Zytoskeletts, wodurch die zellulären mechanischen Eigenschaften, die Beweglichkeit und der intrazelluläre Wirkstofftransport beeinflusstwerden 11.

TMOD3 ist ein zytoskelettregulatorisches Protein, das die Depolymerisation von Aktin verhindert, indem es die langsam wachsenden (spitzen) Enden der Aktinfilamente verklebt12. TMOD3 spielt in verschiedenen Zelltypen unterschiedliche Rollen, indem es die Aktindynamik reguliert und an verschiedenen Prozessen beteiligt ist, wie z. B. der Förderung der Zellform, der Zellmigration und der Muskelkontraktion. Es konnte gezeigt werden, dass die TMOD3-Deletion bei Mäusen zum Embryonaltod bei E14.5-E18.5 führt, was darauf hindeutet, dass TMOD3 ein kritischer Faktor für die Embryonalentwicklung sein könnte13. Aufgrund seiner biologischen Funktionen in Stamm- und Vorläuferzellen könnte TMOD3 eine wesentliche Rolle bei der Tumorprogression spielen. Beim hepatozellulären Karzinom fördert TMOD3 das Wachstum, die Invasion und die Migration von hepatozellulären Karzinomzellen durch Aktivierung des MAPK/ERK-Signalwegs14 und fördert die Fernmetastasierung durch Aktivierung des PI3K-AKT-Signalwegs durch Interaktion mit dem epidermalen Wachstumsfaktor-Rezeptor15. MiRNA-490-3p hemmt die Proliferation und Invasion von hepatozellulären Karzinomzellen, indem es auf TMOD316 abzielt. MiR-145 verbessert die Strahlenempfindlichkeit von strahlenresistentem nicht-kleinzelligem Lungenkrebs durch Hemmung von TMOD317. In-vitro-Experimente zeigten, dass TMOD3 die Invasion von Speiseröhrenkrebszellen vermittelte, indem es das Zytoskelett durch Interaktion mit dem Lysyloxidase-Homolog 2 (LOXL2)18 regulierte. Darüber hinaus ergab die proteomische Analyse, dass eine hohe Expression von TMOD3 möglicherweise eine Etoposid-Chemoresistenz bei Lungenkrebs über den apoptotischen Signalweg vermitteln könnte19. Obwohl TMOD3 in den letzten Jahren vermehrt bei Tumoren untersucht wurde, gibt es noch keine Berichte über die Rolle von TMOD3 bei Eierstockkrebs und Chemotherapie.

Diese Studie ergab, dass TMOD3 bei Eierstockkrebs hochreguliert ist. Bemerkenswert ist, dass die Hochregulierung von TMOD3 mit der Platinresistenz verbunden war. In dieser Studie wurde auch der prognostische Wert von TMOD3 bei Eierstockkrebs und seine Korrelation mit der Immuninfiltration des Tumors untersucht. Diese Studie deutet darauf hin, dass eine Überexpression von TMOD3 bei Eierstockkrebs mit Platinresistenz verbunden ist.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

1. Genexpressions-Omnibus (GEO)

HINWEIS: Die TMOD3-Expression bei Eierstockkrebs, bei Eierstockkrebs, der mit Platinmedikamenten behandelt wurde, und bei arzneimittelresistentem Eierstockkrebs wurde aus den GEO-Datensätzen abgeleitet. Der Studientyp aller Datensätze war Expression Profiling by Array, und die Organismen waren Homo sapiens.

  1. Rufen Sie die GEO-Datenbank auf (siehe Materialtabelle) und geben Sie Schlüsselwörter wie TMOD3, Eierstockkrebs und arzneimittelresistent oder Datenzugriff in das Suchfeld ein (siehe Ergänzende Abbildung 1A).
  2. Unterteilen Sie die Daten im Gruppenfeld Definieren in verschiedene Gruppen. Wählen Sie im Optionsmenü im Feld Anpassung auf die P-Werte anwenden die Option Benjamini und Hochberg (Falscherkennungsrate) aus und klicken Sie dann im Menü GEO2R auf Analysiert. Klicken Sie auf Vollständige Tabelle herunterladen, um die Ergebnisse zu erhalten.
  3. Untersuchen und plotten Sie die heruntergeladenen Daten mit Grafik- und Statistiksoftware (siehe Ergänzende Abbildung 1B).
  4. Verwenden Sie den ungepaarten t-Test für den Vergleich zwischen zwei Gruppen.

2. TNMplot

HINWEIS: TNMplot verwendet RNA-seq-Daten aus den Repositories The Cancer Genome Atlas (TCGA), Therapeutic Research to Generate Effective Treatments (TARGET) und Genotype-Tissue Expression (GTEx)20. Die Expression von TMOD3 in normalem Ovarialgewebe und Eierstockkrebs wurde mit TNMplot analysiert.

  1. Gehen Sie zum TNMplot-Webtool (siehe Materialtabelle) und klicken Sie auf Tumor und Normal vergleichen.
  2. Geben Sie TMOD3 in das Feld Genbox auswählen ein und wählen Sie Seröses Zystadenokarzinom der Eierstöcke in das Feld Gewebe auswählen .
  3. Klicken Sie auf Analyse starten , um die Ergebnisse zu erhalten (siehe Ergänzende Abbildung 1C).

3. UALCAN

HINWEIS: Das CANcer Data Analysis Portal (UALCAN) der University of ALabama in Birmingham ist eine benutzerfreundliche Online-Ressource zur Analyse öffentlich zugänglicher Krebsdaten21. Die Proteinexpression von TMOD3 in normalem Gewebe und Eierstockkrebs in CPTAC-Daten wurde mit UALCAN analysiert.

  1. Gehen Sie zu UALCAN (siehe Materialtabelle) und klicken Sie auf das Menü Proteomik .
  2. Geben Sie TMOD3 in das Feld Gennamen eingeben ein und wählen Sie Eierstockkrebs im Feld CPTAC-Datensatz aus.
  3. Klicken Sie auf Erkunden , um die Ergebnisse zu erhalten (siehe Ergänzende Abbildung 1D).

4. Prognoseanalyse des KM-Plotters

HINWEIS: Der prognostische Wert von TMOD3 bei Eierstockkrebs wurde mit dem Kaplan-Meier-Plotter (KM-Plotter) analysiert, einschließlich des Gesamtüberlebens (OS) und des progressionsfreien Überlebens (PFS)22.

  1. Gehen Sie zum KM-Plotter (siehe Materialtabelle) und klicken Sie auf KM-Plotter für Eierstockkrebs starten.
  2. Geben Sie TMOD3 in das Symbolfeld Affy id/Gene ein.
  3. Wählen Sie Den besten Grenzwert automatisch auswählen im Feld Patienten aufteilen nach aus.
  4. Wählen Sie bei der Prognoseanalyse für Patienten mit platinbasierter Chemotherapie die Option "Enthält Platin " in der Chemotherapie-Option aus.
  5. Wählen Sie TCGA unter Verwendung der folgenden Datensätze für das Analysefeld aus.
  6. Klicken Sie auf Kaplan-Meier-Diagramm zeichnen , um die Ergebnisse zu erhalten (siehe Ergänzende Abbildung 2).

5. ROC-Plotter

HINWEIS: Der Receiver Operating Characteristic Curve (ROC) Plotter wurde verwendet, um die Expression von TMOD3 bei Patienten zu analysieren, die resistent oder empfindlich auf eine platinbasierte Chemotherapie reagieren, und ermöglicht die Validierung des interessierten Gens als prädiktiven Marker durch ROC-Kurven. Die Datensätze der ROC-Plotter auf Transkriptomebene stammen hauptsächlich aus den Datenbanken TCGA und GEO und enthalten Behandlungs- und Ansprechdaten von 1816 Patientinnen mit Eierstockkrebs23.

  1. Gehen Sie zu Der ROC-Plotter (siehe Materialtabelle) und klicken Sie auf ROC-Plotter für Eierstockkrebs.
  2. Geben Sie TMOD3 in das Feld Gensymbol ein.
  3. Wählen Sie im Feld "Responds" die Option "Rezidivfreies Überleben nach 6 Monaten" und im Feld "Behandlung" die Option "Platin".
  4. Klicken Sie auf Berechnen , um die Ergebnisse zu erhalten (siehe Ergänzende Abbildung 3).

6. mRNA-miRNA-Analyse

HINWEIS: Die miRNAs, die auf TMOD3 abzielen, wurden von TargetScan24 vorhergesagt, und dann wurde die Korrelation von TMOD3 mit diesen miRNAs im TCGA-Ovarialkarzinomdatensatz von cBioportal25 analysiert. Dann wurde das obige Ergebnis mit Cytoscape26 visualisiert. Die MiRNA-Expression bei Cisplatin-sensitiven und medikamentenresistenten Patientinnen mit Eierstockkrebs wurde mit LinkedOmics27 analysiert.

  1. Gehen Sie zu TargetScan (siehe Materialtabelle) und geben Sie TMOD3 in das Feld Geben Sie ein menschliches Gen ein Symbol ein ein ein (siehe Ergänzende Abbildung 4A).
  2. Gehen Sie zu cBioportal (siehe Materialtabelle).
  3. Wählen Sie den Datensatz Ovarian Serous Cystadenocarcinoma (TCGA, Nature 2011) aus und geben Sie TMOD3 - und miRNA-Symbole in das Feld Enter Genes ein.
  4. Klicken Sie auf Abfrage senden , um die Korrelationsdaten von TMOD3 mit miRNAs im TCGA-Datensatz für Eierstockkrebs zu erhalten (siehe Ergänzende Abbildung 4B), und visualisieren Sie dann das Ergebnis mit Cytoscape (siehe Materialtabelle) (siehe Ergänzende Abbildung 4C).
  5. Wechseln Sie zu LinkedOmics (siehe Materialtabelle), und wählen Sie TCGA_OV Beispielkohorte aus.
  6. Wählen Sie im Feld Suchdatensatz auswählen die Option klinisch aus, und wählen Sie im Feld Suchdatasetattribut auswählen den Platinstatus aus.
  7. Wählen Sie miRNASeq im Feld Select Target Dataset (Zieldataset auswählen) und wählen Sie unter Select Statistical Method (Statistische Methode auswählen) die Option t-test aus.
  8. Klicken Sie auf Abfrage senden , um die Ergebnisse zu erhalten (siehe Ergänzende Abbildung 4D).

7. Analyse der Immuninfiltration

HINWEIS: Die Datenbank des Human Protein Atlas (HPA) wurde verwendet, um die Verteilung von TMOD3 in verschiedenen Immunzellen zu analysieren. TIMER ist eine praktische Online-Datenbank, die die Immuninfiltration im Zusammenhang mit mehreren Krebsarten analysiert28. In dieser Studie wurde TIMER verwendet, um den Zusammenhang zwischen der TMOD3-mRNA-Expression und der Reinheit von Eierstockkrebs und der Infiltration von Immunzellen zu analysieren. TISIDB ist ein Online-Portal für Tumor-Immunsystem-Interaktionen29. In dieser Studie wurde TISIDB verwendet, um die Korrelation zwischen TMOD3 und Immunmodulatoren bei Eierstockkrebs zu bestimmen.

  1. Gehen Sie zu HPA (siehe Materialtabelle), geben Sie TMOD3 in das Suchfeld ein und rufen Sie dann das Ergebnis ab.
  2. Wählen Sie Immun, um die Verteilung von TMOD3 in verschiedenen Immunzellen anzuzeigen (siehe Ergänzende Abbildung 5A).
  3. Gehen Sie zu TIMER (siehe Materialtabelle) und geben Sie TMOD3 in das Feld Gensymbol ein.
  4. Wählen Sie OV im Feld Krebsarten und klicken Sie auf Senden , um das Ergebnis zu erhalten (siehe Ergänzende Abbildung 5B).
  5. Gehen Sie zu TISIDB (siehe Materialtabelle) und geben Sie TMOD3 in das Feld Gensymbol ein.
  6. Klicken Sie auf Senden , um das Ergebnis zu erhalten (siehe Ergänzende Abbildung 5C).

8. TMOD3-Koexpressionsnetzwerke bei Eierstockkrebs

HINWEIS: Gene, die mit TMOD3 koexprimiert wurden, wurden mit LinkedOmics analysiert, und TOP50-Gene wurden durch Heatmaps angezeigt. TMOD3-interagierende Gene wurden durch STRING30 vorhergesagt. Dann wurden die überlappenden Gene im Venn-Diagramm dargestellt. Die überlappenden Gene wurden durch die Signalwege DAVID31for Gene Ontology Biological Process (GO-BP), Gene Ontology Cellular Component (GO-CC), Gene Ontology Molecular Function (GO-MF) und Kyoto Encyclopedia of Genes and Genomes (KEGG) funktionell annotiert.

  1. Wechseln Sie zu LinkedOmics, und wählen Sie TCGA_OV Beispielkohorte aus.
  2. Wählen Sie RNAseq in den Feldern Suchdatensatz auswählen und Zieldatensatz auswählen aus.
  3. Klicken Sie auf Abfrage senden , um die Ergebnisse von Genen zu erhalten, die mit TMOD3 koexprimiert wurden.
  4. Gehen Sie zu STRING (siehe Materialtabelle) und geben Sie TMOD3 in das Feld Proteinname ein.
  5. Wählen Sie homo sapiens im Feld Organismen und klicken Sie auf Suchen , um das Ergebnis zu erhalten (siehe Ergänzende Abbildung 6).
  6. Gehen Sie zu DAVID (siehe Materialtabelle).
  7. Geben Sie die überlappenden Gene in das Feld Genliste eingeben ein und wählen Sie ENSEMBL _GENE_SYMBOL im Feld Identifikator auswählen .
  8. Klicken Sie auf Submit List , um die Ergebnisse zu erhalten (siehe Ergänzende Abbildung 7).

9. CTD-Datenbank

HINWEIS: Die CTD-Datenbank ist ein neuartiges Werkzeug zur Analyse der Beziehungen zwischen Chemie, Genen, Phänotypen, Krankheiten und der Umwelt32. Die CTD-Datenbank sagt Medikamente voraus, die auf TMOD3 abzielen. Die PubChem-Datenbank wird dann verwendet, um die endgültige molekulare Struktur des Medikaments zu bestimmen.

  1. Rufen Sie die CTD-Datenbank auf (siehe Materialtabelle) und wählen Sie im Menü "Suchen" die Option "Chemical - Gene Interaction Query".
  2. Geben Sie TMOD3 in das Feld GENE ein und klicken Sie auf Suchen , um die Ergebnisse zu erhalten (siehe Ergänzende Abbildung 8).
  3. Rufen Sie die PubChem-Datenbank auf (siehe Materialtabelle) und geben Sie Arzneimittel in das Suchfeld ein, um die Ergebnisse zu erhalten (siehe Ergänzende Abbildung 9).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

TMOD3-Expression bei Eierstockkrebs
Zunächst zeigte die GEO-Datenbank, dass die mRNA-Expressionsniveaus von TMOD3 in Microarray-Datensätzen GSE51088 und GSE66957 erhöht waren (Abbildung 1A,B). TMOD3 wurde auch bei Eierstockkrebs im Vergleich zu normalem Eierstockgewebe durch das TNMplot-Webtool stark exprimiert (Abbildung 1C). Die Analyse der CPTAC-Daten mit dem UALCAN-Webtool zeigte, dass der Proteinspiegel von TMOD3 bei Eie...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Das Zytoskelett wurde als essentiell für die Entwicklung und Progression, Behandlung und Prognose verschiedener Tumoren angesehen52. Im Vergleich zu TMOD1, das auf Erythrozyten und das Herz-Kreislauf-System beschränkt ist53, und TMOD2, das auf das Nervensystembeschränkt ist 54, hat TMOD3 eine ubiquitäre Verteilung, was die Untersuchung von TMOD3 bei systemischen Tumoren populärer macht14,15,16,17,18...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren berichten von keinem Interessenkonflikt.

Danksagungen

Diese Arbeit wurde durch Zuschüsse der National Natural Science Foundation of China (Nr. 32171143, 31771280) und Zuschüsse der Natural Science Foundation des Bildungsministeriums der Provinz Jiangsu (Nr. 18KJD360003, 21KJD320004) unterstützt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
cBioportalMemorial Sloan Kettering Cancer CenterKorrelationsanalyse von  TMOD3 mit gezielten miRNAs (https://www.cbioportal.org)
CTD-DatenbankNorth Carolina State UniversityZur Analyse der Beziehungen zwischen Chemie, Genen, Phänotyp, Krankheit und Umwelt (https://ctdbase.org/)
CytoscapeNational Institute of General Medical Sciences des National Institutes of HealthNetwork Datenintegration, -analyse und -visualisierung (www.cytoscape.org/)
DAVIDFrederick National Laboratory for Cancer ResearchEin umfassender Satz funktioneller Annotationswerkzeuge für Forscher, um die biologische Bedeutung hinter großen Listen von Genen zu verstehen(https://david.ncifcrf.gov/)
GEONCBIGenexpressionsanalyse (https://www.ncbi.nlm.nih.gov/geo/ )
HPAKnut & Alice Wallenberg StiftungDie Datenbank des Human Protein Atlas (HPA) half bei der Analyse der Verteilung von TMOD3 in verschiedenen Immunzellen (https://www.proteinatlas.org/)
KM-Plotter  Abteilung für Bioinformatik der Semmelweis UniversityPrognostic Analysis (https://kmplot.com/analysis/)
LinkedOmicsBaylor College of MedicineEine Plattform für Biologen und Kliniker zum Zugriff, zur Analyse und zum Vergleich von Krebs-Multi-Omics-Daten innerhalb und zwischen Tumorarten (http://www.linkedomics.org/)
PubChem-DatenbankU.S. National Library of MedicineZur Bestimmung der definitiven molekularen Struktur des Medikaments
ROC Plotter  Department of Bioinformatics der Semmelweis UniversityValidierung des Interest-Gens als prädiktiver Marker (http://www.rocplot.org/)
STRINGSwiss Institute of BioinformaticsCoexpression networks analysis(https://string-db.org)
TargetScanWhitehead Institute for Biomedical ResearchVorhersage von miRNA-Targets (www.targetscan.org/)
TIMERHarvard UniversitätSystematische Analyse von Immuninfiltraten verschiedener Krebsarten (https://cistrome.shinyapps.io/timer/)
TISIDBDie Universität HongkongEin Webportal für die Interaktion zwischen Tumor und Immunsystem(http://cis.hku.hk/TISIDB/)
TNMplotAbteilung für Bioinformatik der Semmelweis UniversitätGenexpressionsanalyse (https://www.tnmplot.com/ )
UALCANDie Universität von Alabama in Birmingham Genexpressionsanalyse (http://ualcan.path.uab.edu)

Referenzen

  1. Gaona-Luviano, P., Medina-Gaona, L. A., Magaña-Pérez, K. Epidemiology of ovarian cancer. Chin Clin Oncol. 9 (4), 47(2020).
  2. Ahmed, N., et al. Ovarian cancer, cancer stem cells and current treatment strategies: A potential role of magmas in the current treatment methods. Cells. 9 (3), 719(2020).
  3. Song, M., Cui, M., Liu, K. Therapeutic strategies to overcome cisplatin resistance in ovarian cancer. Eur J Med Chem. 232, 114205(2022).
  4. Binju, M., et al. Mechanisms underlying acquired platinum resistance in high grade serous ovarian cancer - A mini review. Biochim Biophys Acta Gen Subj. 1863 (2), 371-378 (2019).
  5. El Bairi, K., Singh, S., Le Page, C. Revisiting platinum-resistant ovarian cancer: Advances in therapy, molecular biomarkers, and clinical outcomes. Semin Cancer Biol. 77, 1-2 (2021).
  6. Freimund, A. E., Beach, J. A., Christie, E. L., Bowtell, D. D. L. Mechanisms of drug resistance in high-grade serous ovarian cancer. Hematol Oncol Clin North Am. 32 (6), 983-996 (2018).
  7. Shimizu, T., Fujii, T., Sakai, H. The relationship between actin cytoskeleton and membrane transporters in cisplatin resistance of cancer cells. Front Cell Dev Biol. 8, 597835(2020).
  8. Sharma, S., et al. Correlative nanomechanical profiling with super-resolution f-actin imaging reveals novel insights into mechanisms of cisplatin resistance in ovarian cancer cells. Nanomedicine. 8 (5), 757-766 (2012).
  9. Sharma, S., Santiskulvong, C., Rao, J., Gimzewski, J. K., Dorigo, O. The role of rho GTPase in cell stiffness and cisplatin resistance in ovarian cancer cells. Integr Biol (Camb). 6 (6), 611-617 (2014).
  10. Rabelo-Fernández, R. J., et al. Reduced RBPMS levels promote cell proliferation and decrease cisplatin sensitivity in ovarian cancer cells. Int J Mol Sci. 23 (1), 535(2022).
  11. Seo, Y. H., Jo, Y. N., Oh, Y. J., Park, S. Nano-mechanical reinforcement in drug-resistant ovarian cancer cells. Biol Pharm Bull. 38 (3), 389-395 (2015).
  12. Parreno, J., Fowler, V. M. Multifunctional roles of tropomodulin-3 in regulating actin dynamics. Biophys Rev. 10 (6), 1605-1615 (2018).
  13. Sui, Z., et al. Regulation of actin polymerization by tropomodulin-3 controls megakaryocyte actin organization and platelet biogenesis. Blood. 126 (4), 520-530 (2015).
  14. Jin, C., Chen, Z., Shi, W., Lian, Q. Tropomodulin 3 promotes liver cancer progression by activating the MAPK/ERK signaling pathway. Oncol Rep. 41 (5), 3060-3068 (2019).
  15. Zheng, H., et al. Tropomodulin 3 modulates EGFR-PI3K-AKT signaling to drive hepatocellular carcinoma metastasis. Mol Carcinog. 58 (10), 1897-1907 (2019).
  16. Wang, H., Yang, G., Yu, Y., Gu, P. Microrna-490-3p suppresses the proliferation and invasion of hepatocellular carcinoma cells via targeting tmod3. Oncol Lett. 20 (4), 95(2020).
  17. Li, H., et al. Mir-145 modulates the radiosensitivity of non-small cell lung cancer cells by suppression of TMOD3. Carcinogenesis. 43 (3), 288-296 (2021).
  18. Zhan, X. H., et al. Loxl2 upregulates phosphorylation of ezrin to promote cytoskeletal reorganization and tumor cell invasion. Cancer Res. 79 (19), 4951-4964 (2019).
  19. Paul, D., et al. Global proteomic profiling identifies etoposide chemoresistance markers in non-small cell lung carcinoma. J Proteomics. 138, 95-105 (2016).
  20. Bartha, Á, Győrffy, B. TNMplot.Com: A web tool for the comparison of gene expression in normal, tumor and metastatic tissues. Int J Mol Sci. 22 (5), 2622(2021).
  21. Chandrashekar, D. S., et al. UALCAN: A portal for facilitating tumor subgroup gene expression and survival analyses. Neoplasia. 19 (8), 649-658 (2017).
  22. Gyorffy, B., Lánczky, A., Szállási, Z. Implementing an online tool for genome-wide validation of survival-associated biomarkers in ovarian cancer using microarray data from 1287 patients. Endocr Relat Cancer. 19 (2), 197-208 (2012).
  23. Fekete, J. T., et al. Predictive biomarkers of platinum and taxane resistance using the transcriptomic data of 1816 ovarian cancer patients. Gynecol Oncol. 156 (3), 654-661 (2020).
  24. Mcgeary, S. E., et al. The biochemical basis of microRNA targeting efficacy. Science. 366, 6472(2019).
  25. Gao, J., et al. Integrative analysis of complex cancer genomics and clinical profiles using the cBioPortal. Sci Signal. 6 (269), pl1(2013).
  26. Shannon, P., et al. Cytoscape: A software environment for integrated models of biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  27. Vasaikar, S. V., Straub, P., Wang, J., Zhang, B. Linkedomics: Analyzing multi-omics data within and across 32 cancer types. Nucleic Acids Res. 46 (D1), D956-D963 (2018).
  28. Li, T., et al. Timer: A web server for comprehensive analysis of tumor-infiltrating immune cells. Cancer Res. 77 (21), e108-e110 (2017).
  29. Ru, B., et al. TISIDB: An integrated repository portal for tumor-immune system interactions. Bioinformatics. 35 (20), 4200-4202 (2019).
  30. Szklarczyk, D., et al. String v11: Protein-protein association networks with increased coverage, supporting functional discovery in genome-wide experimental datasets. Nucleic Acids Res. 47 (D1), D607-D613 (2019).
  31. Sherman, B. T., et al. A web server for functional enrichment analysis and functional annotation of gene lists (2021 update). Nucleic Acids Res. 50 (W1), W216-W221 (2022).
  32. Grondin, C. J., et al. Predicting molecular mechanisms, pathways, and health outcomes induced by Juul e-cigarette aerosol chemicals using the comparative toxicogenomics database. Curr Res Toxicol. 2, 272-281 (2021).
  33. Wang, X., et al. Hif-1α is a rational target for future ovarian cancer therapies. Front Oncol. 11, 785111(2021).
  34. Liu, X., et al. Downregulation of nek11 is associated with drug resistance in ovarian cancer. Int J Oncol. 45 (3), 1266-1274 (2014).
  35. Tang, J., et al. Inhibition of lc3b can increase the chemosensitivity of ovarian cancer cells. Cancer Cell Int. 19, 199(2019).
  36. Wang, T., et al. Mir-211 facilitates platinum chemosensitivity by blocking the DNA damage response (DDR) in ovarian cancer. Cell Death Dis. 10 (7), 495(2019).
  37. Tian, J., Xu, Y. Y., Li, L., Hao, Q. Mir-490-3p sensitizes ovarian cancer cells to cisplatin by directly targeting abcc2. Am J Transl Res. 9 (3), 1127-1138 (2017).
  38. Liu, L., et al. Mir-101 regulates expression of ezh2 and contributes to progression of and cisplatin resistance in epithelial ovarian cancer. Tumour Biol. 35 (12), 12619-12626 (2014).
  39. Li, Z., et al. Exosomes secreted by chemoresistant ovarian cancer cells promote angiogenesis. J Ovarian Res. 14 (1), 7(2021).
  40. Xue, B., Li, S., Jin, X., Liu, L. Bioinformatics analysis of mrna and miRNA microarray to identify the key miRNA-mRNA pairs in cisplatin-resistant ovarian cancer. BMC Cancer. 21 (1), 452(2021).
  41. Zong, C., Wang, J., Shi, T. M. Microrna 130b enhances drug resistance in human ovarian cancer cells. Tumour Biol. 35 (12), 12151-12156 (2014).
  42. Yu, P. N., et al. Downregulation of mir-29 contributes to cisplatin resistance of ovarian cancer cells. Int J Cancer. 134 (3), 542-551 (2014).
  43. Sheng, Q., et al. Cisplatin-mediated down-regulation of mir-145 contributes to up-regulation of pd-l1 via the c-myc transcription factor in cisplatin-resistant ovarian carcinoma cells. Clin Exp Immunol. 200 (1), 45-52 (2020).
  44. Luo, Y., Gui, R. Circulating exosomal circfoxp1 confers cisplatin resistance in epithelial ovarian cancer cells. J Gynecol Oncol. 31 (5), e75(2020).
  45. Liu, J., et al. Mir-200b and mir-200c co-contribute to the cisplatin sensitivity of ovarian cancer cells by targeting DNA methyltransferases. Oncol Lett. 17 (2), 1453-1460 (2019).
  46. Li, T., et al. Exosomal transfer of mir-429 confers chemoresistance in epithelial ovarian cancer. Am J Cancer Res. 11 (5), 2124-2141 (2021).
  47. Chen, S., Jiao, J. W., Sun, K. X., Zong, Z. H., Zhao, Y. Microrna-133b targets glutathione s-transferase π expression to increase ovarian cancer cell sensitivity to chemotherapy drugs. Drug Des Devel Ther. 9, 5225-5235 (2015).
  48. Zhou, Y., et al. Mir-133a targets yes1 to reduce cisplatin resistance in ovarian cancer by regulating cell autophagy. Cancer Cell Int. 22 (1), 15(2022).
  49. Marth, C., Wieser, V., Tsibulak, I., Zeimet, A. G. Immunotherapy in ovarian cancer: Fake news or the real deal. Int J Gynecol Cancer. 29 (1), 201-211 (2019).
  50. Wu, A., et al. Integrated analysis of prognostic and immune-associated integrin family in ovarian cancer. Front Genet. 11, 705(2020).
  51. Lampert, E. J., et al. Combination of PARP inhibitor Olaparib, and PD-l1 inhibitor Durvalumab, in recurrent ovarian cancer: A proof-of-concept phase II study. Clin Cancer Res. 26 (16), 4268-4279 (2020).
  52. Fife, C. M., Mccarroll, J. A., Kavallaris, M. Movers and shakers: Cell cytoskeleton in cancer metastasis. Br J Pharmacol. 171 (24), 5507-5523 (2014).
  53. Yao, W., Chu, X., Sung, L. A. Cell type-restricted expression of erythrocyte tropomodulin isoform41 in exon 1 knockout/lacz knock-in heterozygous mice. Gene Expr Patterns. 17 (1), 45-55 (2015).
  54. Omotade, O. F., et al. Tropomodulin isoform-specific regulation of dendrite development and synapse formation. J Neurosci. 38 (48), 10271-10285 (2018).
  55. Zhang, Q., Zhong, C., Duan, S. The tumorigenic function of linc00858 in cancer. Biomed Pharmacother. 143, 112235(2021).
  56. Greenbaum, H., Galper, B. L., Decter, D. H., Eisenberg, V. H. Endometriosis and autoimmunity: Can autoantibodies be used as a non-invasive early diagnostic tool. Autoimmun Rev. 20 (5), 102795(2021).
  57. Yuan, Y., Yao, Y. F., Hu, S. N., Gao, J., Zhang, L. L. Mir-133a is functionally involved in doxorubicin-resistance in breast cancer cells mcf-7 via its regulation of the expression of uncoupling protein 2. PLoS One. 10 (6), e0129843(2015).
  58. Wang, X., Zhu, W., Zhao, X., Wang, P. Mir-133a enhances the sensitivity of hep-2 cells and vincristine-resistant hep-2v cells to cisplatin by downregulating atp7b expression. Int J Mol Med. 37 (6), 1636-1642 (2016).
  59. Han, Y., Li, H. MiRNAs as biomarkers and for the early detection of non-small cell lung cancer (SCLC). J Thorac Dis. 10 (5), 3119-3131 (2018).
  60. Luo, X., Wu, Y., Ji, M., Zhang, S. Combined plasma microRNA and fecal occult blood tests in early detection of colorectal cancer. Clin Lab. 65 (5), (2019).
  61. Liu, X., et al. Tropomodulin1 expression increases upon maturation in dendritic cells and promotes their maturation and immune functions. Front Immunol. 11, 587441(2020).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Weitere Artikel entdecken

TMOD3-ExpressionZytoskelettproteineplatinbasierte ChemotherapiemiRNA-RegulationGesamtüberlebenprogressionsfreies Überleben
Tropomodulin-3-Überexpression als Marker für Platinresistenz und Immuninfiltration bei Eierstockkrebs
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.