Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.
Forschungsartikel
Die vorliegende Studie bewertet die Expression von YTHDC2 beim nicht-kleinzelligen Lungenkarzinom unter Verwendung von Bioinformatik und qRT-PCR. Während die Datenbankanalysen eine Herunterregulation und prognostische Relevanz nahelegen, zeigt die klinische Validierung keinen signifikanten Unterschied. Die Ergebnisse unterstreichen Widersprüche und deuten auf eine begrenzte diagnostische Genauigkeit sowie die Notwendigkeit weiterer Validierungen vor einer klinischen Anwendung hin.
Das nicht-kleinzellige Lungenkarzinom (NSCLC) bleibt weltweit eine der führenden Ursachen für krebsbedingte Sterblichkeit, wobei nur begrenzte Biomarker für eine frühe Diagnose und Prognose zur Verfügung stehen. Die RNA-Modifikation N6-Methyladenosin (m6A) und ihre Leseproteine wie YTHDC2 spielen entscheidende Rollen in der Genregulation und Tumorentstehung. Diese Studie zielt darauf ab, das Expressionsprofil von YTHDC2 in NSCLC-Geweben mittels Bioinformatik und quantitativer Echtzeit-PCR (qRT-PCR) zu bewerten, den Zusammenhang zwischen YTHDC2 und klinisch-pathologischen Merkmalen zu untersuchen und dessen potenzielle klinische und biologische Relevanz für zukünftige Forschungsarbeiten zu erörtern. Genexpressions- und Überlebensdaten aus Datenbanken wurden hinsichtlich ihrer prognostischen Genauigkeit analysiert. Die Expression von YTHDC2 wurde in NSCLC-Geweben einer chinesischen klinischen Kohorte quantifiziert und die klinisch-pathologischen Merkmale analysiert. Analysen öffentlicher Datenbanken zeigten, dass YTHDC2 in NSCLC-Geweben herunterreguliert ist (p < 0,05) und mit dem Überleben der Patienten assoziiert ist, obwohl die prognostische Aussagekraft gering war (AUC ≈ 0,5). Die qRT-PCR-Analyse von 19 gepaarten Tumor- und angrenzenden Normalgeweben ergab keinen statistisch signifikanten Unterschied (p = 0,537) in der YTHDC2-Expression zwischen Tumorgewebe und angrenzendem Gewebe. Insgesamt deuten die Analysen öffentlicher Datenbanken darauf hin, dass YTHDC2 möglicherweise herunterreguliert ist und eine potenzielle prognostische Relevanz im NSCLC besitzt, doch eine unabhängige klinische Validierung in unserer Kohorte bestätigte keine signifikante differentielle Expression. Diese Ergebnisse verdeutlichen erhebliche Heterogenität zwischen groß angelegten Datensätzen und realen Kohorten und legen nahe, dass YTHDC2 allein wahrscheinlich kein zuverlässiger diagnostischer oder prognostischer Biomarker ist und für eine klinische Anwendbarkeit mit weiteren molekularen Markern kombiniert werden müsste.
Nicht-kleinzelliges Lungenkarzinom (NSCLC), das Plattenepithelkarzinom und Adenokarzinom umfasst, ist die am häufigsten diagnostizierte Lungenkrebsform und eine der Hauptursachen für krebsbedingte Todesfälle weltweit1. Globale Krebsstatistiken zeigen, dass Lungenkrebs eine der Hauptursachen für Krebstodesfälle ist2. Neuere Fortschritte in Diagnostik, Chirurgie, Strahlentherapie und molekular gezielter Therapie haben die Prognose des NSCLC aufgrund der späten Erstdiagnose und der häufig asymptomatischen frühen Krankheitsphase nicht signifikant verbessert3. Dies unterstreicht die Notwendigkeit neuer Biomarker zur Identifizierung, prognostischen Beurteilung und Therapieeffektivitätsbewertung bei NSCLC-Patienten.
m6A ist die erste identifizierte und häufigste RNA-Modifikation bei Eukaryoten und ist an der RNA-Stabilität, Translation und Transkription beteiligt4. m6A-Modifikationen sind dynamisch und reversibel und werden durch Methyltransferasen (Writer), Demethylasen (Eraser) und spezifische Bindungsproteine (Reader) vermittelt5. Unter diesen moduliert YTHDC2, ein wichtiges m6A-Reader-Protein, die RNA-Stabilität und die Translationsrate6. Neuere Studien zeigen, dass YTHDC2 bei der Regulation mehrerer Krebsarten eine Rolle spielt, entweder durch Hemmung von Zellwachstum und Invasion oder durch Induktion des Zelltods7. Studien haben außerdem die klinische Relevanz weiterer m6A-Reader-Proteine, darunter YTHDF1, YTHDF2 und YTHDC1, beim Fortschreiten von Lungenkrebs, bei der Immunregulation und der Prognose hervorgehoben, was die Bedeutung einer systematischen Bewertung einzelner m6A-Reader in unabhängigen Patientenkohorten unterstreicht8,9,10. Bei NSCLC liegen signifikant niedrige YTHDC2-Spiegel vor, die mit fortgeschrittenen Tumorstadien, Lymphknotenmetastasen und einer schlechten Prognose der Patienten assoziiert sind, was darauf hindeutet, dass YTHDC2 ein antitumorales Faktor sein könnte11. In-vitro- und In-vivo-Experimente zeigen zudem, dass eine hohe Expression von YTHDC2 die Zellproliferation und Metastasierung bei Lungenkrebs hemmt7.
In dieser Studie wurde die Regulation von YTHDC2 beim NSCLC durch integrierte computergestützte Analysen und experimentelle Validierung mittels qRT-PCR untersucht. Ebenso wurde der Zusammenhang zwischen der YTHDC2-Expression und den klinisch-pathologischen Merkmalen sowie der Patientenprognose analysiert. Obwohl zunehmend Hinweise aus öffentlichen Datenbanken auf eine Dysregulation von YTHDC2 beim NSCLC hindeuten, berichten publizierte Studien widersprüchliche Ergebnisse hinsichtlich des Ausmaßes und der klinischen Bedeutung dieser Dysregulation, und unabhängige Validierungen in gut charakterisierten klinischen Kohorten, insbesondere in asiatischen Populationen, sind weiterhin begrenzt. Zudem stützten sich die meisten früheren Studien vorwiegend auf öffentliche transkriptomische Datensätze oder experimentelle Modelle, wobei vergleichsweise wenige bioinformatische Ergebnisse mit einer unabhängigen klinischen Validierung kombinierten. Durch die Kombination großangelegter öffentlicher transkriptomischer Analysen mit einer unabhängigen qRT-PCR-Validierung in einer chinesischen klinischen Kohorte zielte diese Studie darauf ab, die Reproduzierbarkeit früherer Befunde zu bewerten und die translative Lücke zwischen Analysen öffentlicher Datenbanken und klinischen Proben aus der Realität zu schließen. Daher verfolgte diese Studie das Ziel, die YTHDC2-Expression systematisch unter Verwendung integrierter Bioinformatik- und klinischer Validierungsansätze zu bewerten und ihre potenzielle biologische und klinische Relevanz beim NSCLC zu untersuchen. Es wurde die Hypothese aufgestellt, dass die YTHDC2-Expression beim NSCLC dysreguliert ist und dass die Integration bioinformatischer Analysen mit einer unabhängigen klinischen Validierung eine zuverlässigere Einschätzung ihrer diagnostischen und prognostischen Bedeutung ermöglicht als jeder einzelne Ansatz für sich genommen.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Die Studie wurde vom Ethikkomitee der Hainan Medical University (Genehmigungsnummer HMC1984.24) genehmigt und erfolgte gemäß der Deklaration von Helsinki (in der Fassung von 2013).
Studienteilnehmer
Anhand der Leitlinien der Chinesischen Medizinischen Vereinigung für die Diagnose und Behandlung von Lungenkrebs (Ausgabe 2024) wurde eine Studie an 50 Lungenkrebspatienten durchgeführt, die zwischen 2017 und 2024 im Sanya Central Hospital in der Provinz Hainan diagnostiziert wurden. Die CSCO-Stadieneinteilung (2024) erfolgte entsprechend der AJCC-Ausgabe 8 zur Gewährleistung der Vergleichbarkeit zwischen Studien, wie bereits in chinesischen Kohorten validiert12, wobei zwei unabhängige Onkologen die Ergebnisse überprüften, um Konsistenz sicherzustellen. Der Patientenauswahlprozess, die Verfügbarkeit von Gewebeproben, die Beurteilung der RNA-Qualität sowie die endgültige Probenauswahl für die qRT-PCR-Analyse sind in Abbildung 1 zusammengefasst.
Studien Daten
Diese Studie verwendete Bioinformatik, um die Expressionslevel von YTHDC2 im NSCLC und deren Zusammenhang mit klinisch-pathologischen Merkmalen zu analysieren, wodurch Einblicke in potenzielle Mechanismen gewonnen wurden. Die bioinformatischen Analysen wurden ausschließlich unter Verwendung öffentlich zugänglicher RNA-Sequenzierungsdaten aus dem Cancer Genome Atlas (TCGA) durchgeführt, einschließlich Proben von Lungenadenokarzinomen (LUAD), Plattenepithelkarzinomen der Lunge (LUSC) und entsprechendem normalen Lungengewebe, die über das GDC-Datenportal (https://portal.gdc.cancer.gov/) heruntergeladen wurden. Der heruntergeladene Datensatz enthielt RNA-Sequenzierungs-Expressionsdaten zusammen mit verfügbaren klinischen Variablen (Patienten-ID, Proben-ID, Alter, Geschlecht, pathologisches Stadium, Überlebensstatus und Gesamtüberlebenszeit) für geeignete TCGA-LUAD- und TCGA-LUSC-Fälle. Proben ohne Genexpressions- oder Überlebensinformationen wurden von den nachgeschalteten Überlebens- und ROC-Analysen ausgeschlossen. Der in dieser Studie verwendete Datensatz ist als Zusatzdatei 1 verfügbar. Es wurden keine klinischen Proben des Sanya Central Hospital für die bioinformatischen Analysen verwendet. Detaillierte Verfahren für die GEPIA-, Kaplan-Meier-Plotter- und survivalROC-Analysen sind im folgenden Abschnitt Bioinformatische Analyse beschrieben. Der vollständige bioinformatische Workflow, einschließlich Datenerfassung, Vorverarbeitung, Genexpressionsanalyse, Überlebensanalyse und ROC-Analyse, ist in Abbildung 2 zusammengefasst.
Einschluss- und Ausschlusskriterien
Die Ein- und Ausschlusskriterien der Patienten sind in Tabelle 1 dargestellt. Eine Power-Analyse mit Hilfe von Software zur statistischen Power-Analyse ergab, dass mindestens 26 Fälle pro Gruppe eine Power von 80 % ermöglichen, einen moderaten Effekt (d = 0,8, α = 0,05, zweiseitig) nachzuweisen. Obwohl die ursprüngliche Rekrutierung auf 50 Paare in der Lungenkrebsgruppe abzielte, umfasste die endgültige qRT-PCR-Analyse nach Ausschluss von Proben aufgrund der Gewebe- oder RNA-Qualität 30 Tumorproben und 19 Proben normalen angrenzenden Gewebes. Diese Verringerung der Stichprobengröße spiegelt klinische Gegebenheiten im realen Umfeld wider und unterstreicht die Bedeutung der RNA-Integrität und der Gewebeverfügbarkeit in translationsmedizinischen Studien. Bei n = 19 für Vergleiche beträgt die minimale nachweisbare Effektgröße d = 1,0 (80 % Power, α = 0,05). Die Studie war daher ausreichend dimensioniert, um große, jedoch keine kleinen bis moderaten Unterschiede in der YTHDC2-Expression nachzuweisen.
Gewebeproben und quantitative Echtzeit-PCR (qRT-PCR)
Die pathologischen Diagnosen wurden von zwei verschiedenen Pathologen in einer Doppelblindstudie festgestellt. Die Tumorreinheit wurde von Pathologen geschätzt (>70 % maligne Zellen) und mittels ESTIMATE (TCGA) bestätigt. Angrenzende Normalgewebe wurden makrodisseziert, um eine stromale Kontamination zu minimieren. Die histologischen Typen des Lungenkarzinoms umfassten Lungenadenokarzinom und Plattenepithelkarzinom, mit 26 Fällen von Lungenadenokarzinom und 4 Fällen von Plattenepithelkarzinom. Die klinische Stadieneinteilung der 50 Lungenkrebspatienten erfolgte gemäß den Stadien-Kriterien der „Leitlinien der Chinesischen Medizinischen Gesellschaft für Lungenkrebs (2024-Ausgabe)“. Pathologisch bestätigte NSCLC-Proben (n = 50) repräsentierten typische klinische Verteilungen (siehe Tabelle 2). Von den ursprünglich 50 eingeschlossenen Patienten erfüllten 30 Tumorgewebeproben und 19 gepaarte angrenzende Normalgewebeproben die Kriterien für die RNA-Qualität. Da für eine gepaarte statistische Analyse Proben desselben Patienten erforderlich sind, erfolgte der Vergleich der Expression in Tumor- und angrenzendem Normalgewebe anhand der 19 verfügbaren gepaarten Proben. Diese klinischen Proben wurden ausschließlich zur experimentellen Validierung mittels qRT-PCR verwendet und unabhängig von den öffentlichen TCGA-Datensätzen, die für die bioinformatische Analyse herangezogen wurden, ausgewertet. Die ausgewählten Proben wurden unmittelbar nach pathologischer Bestätigung aufgearbeitet und vor der RNA-Extraktion unter RNase-freien Bedingungen behandelt. Dieser Teilsatz spiegelt die Fälle wider, bei denen sowohl eine ausreichende Gewebemenge als auch hochwertige Gesamt-RNA (RNA-Integritätszahl, RIN) >7,0) erreicht werden konnte. Die Gesamt-RNA-Konzentration und -reinheit wurden vor der reversen Transkription gemessen, und nur Proben mit ausreichender RNA-Qualität (RIN >7,0) wurden für die nachgeschaltete Analyse einbezogen. Gleichmäßige Mengen an Gesamt-RNA wurden vor der quantitativen PCR gemäß dem Herstellervorschrift in komplementäre DNA (cDNA) umgeschrieben. Dieser Prozess gewährleistete die Validität der analysierten Genexpressionsdaten. Die qRT-PCR-Experimente wurden auf einem Echtzeit-PCR-Thermocycler unter Verwendung eines sondenbasierten quantitativen PCR-Assays durchgeführt. Alle Reaktionen wurden im Dreifachansatz sowie jeweils mit No-Template-Kontrollen durchgeführt, um die analytische Reproduzierbarkeit sicherzustellen. Die PCR-Amplifikation erfolgte unter folgenden Zyklenbedingungen: eine initiale Enzymaktivierungs- und Denaturierungsphase bei 95 °C für 10 min, gefolgt von 40 Zyklen mit Denaturierung bei 95 °C für 15 s und Annealing/Extension bei 60 °C für 60 s. Die Fluoreszenzsignale wurden am Ende jedes Amplifikationszyklus erfasst. Alle Reagenzien und Verbrauchsmaterialien stammten von kommerziellen Anbietern (siehe Materialienübersicht). Die in der qRT-PCR verwendeten Primer- und Sondensequenzen sind in Tabelle 3.
Bioinformatische Analyse
Analyse der Genexpression von YTHDC2 mittels GEPIA-Datenbank
Die GEPIA-Datenbank wurde zur Analyse der YTHDC2-Expression in NSCLC verwendet. Der GEPIA-Webserver (http://gepia.cancer-pku.cn/) wurde über einen Webbrowser aufgerufen. Das Modul „Expression DIY“ wurde ausgewählt, das Gensymbol "YTHDC2" eingegeben, die Datensätze LUAD und LUSC ausgewählt, die standardmäßigen Normalisierungsparameter beibehalten, und Differenzial-Expressions-Boxplots wurden direkt über die GEPIA-Oberfläche generiert. Die statistische Signifikanz wurde als p < 0,05 definiert.
Kaplan-Meier-Plotter-Datenbank zur Überlebensanalyse von Lungenkrebspatienten
Die Studie analysierte den Zusammenhang zwischen der Expression von YTHDC2 und der Prognose bei Lungenkrebspatienten unter Verwendung der Kaplan-Meier-Plotter-Datenbank. Es wurde der Lungenkrebs-Datensatz ausgewählt, das Gen-Symbol "YTHDC2" eingegeben, die automatisch ausgewählte optimale Cutoff-Option angewendet, und Kaplan-Meier-Kurven für das Gesamtüberleben sowie das Überleben nach Progression wurden mit den standardmäßigen Analyseeinstellungen erstellt. Die Patienten wurden automatisch anhand des von der Kaplan-Meier-Plotter-Plattform bestimmten optimalen Cutoffs in Gruppen mit hoher und niedriger Expression eingeteilt, und Hazard-Ratios mit entsprechenden 95 %-Konfidenzintervallen wurden mithilfe der standardmäßigen Einstellungen der Plattform generiert.
Ausführen von R-Paketen in der R-Software zum Erstellen von ROC-Kurven
RNA-Sequenzierungs-Expressionsdaten und die entsprechenden klinischen Metadaten für berechtigte TCGA-LUAD- und TCGA-LUSC-Fälle wurden aus dem GDC-Datenportal heruntergeladen. Die heruntergeladenen Datensätze wurden anhand der Patientenidentifikatoren zusammengeführt und für nachfolgende Analysen in R importiert. Mithilfe des survivalROC-Pakets wurden zeitabhängige ROC-Kurven zu Vorhersagezeitpunkten von 1, 3 und 5 Jahren erstellt, und die entsprechenden Flächen unter der Kurve (AUC-Werte) wurden berechnet, um die prognostische Leistung der YTHDC2-Expression zu bewerten. Für die survival ROC-Analyse wurden ausschließlich TCGA-LUAD- und TCGA-LUSC-Patienten mit verfügbarer RNA-Seq-Expressions- und Überlebensinformation berücksichtigt. Die lokale klinische Kohorte wurde nicht für die Überlebensvorhersage verwendet, da Langzeit-Follow-up-Daten nicht verfügbar waren.
Untersuchung der YTHDC2-Expression im Gewebe mittels qRT-PCR
Zur Analyse der Genexpression wurde eine qRT-PCR durchgeführt. Entsprechend den vom Hersteller empfohlenen Reaktionsbedingungen wurden gleiche Volumina an cDNA zu jeder Reaktion hinzugefügt. Die Amplifikation erfolgte mittels eines sondebasierten quantitativen PCR-Assays, wobei Fluoreszenzdaten automatisch am Ende jedes Amplifikationszyklus erfasst wurden. Kurzgefasst umfasste der RNA-Extraktionsprozess mehrere Schritte, darunter Probenvorbereitung, Deparaffinierung, Entfernung von Restflüssigkeit, Proteinase-K-Digestion, Inkubation, Zentrifugation, DNase-Behandlung, Zugabe von DNase I sowie Ethanolpräzipitation. Die Probe wurde anschließend an eine auf Silica basierende RNA-Reinigungssäule gebunden und bei 8.000 × g für 30 s zentrifugiert. Die Säule wurde danach mit Waschpuffer 1, Waschpuffer 2 und mit Ethanol verdünntem Waschpuffer 2 gewaschen und bei 13.000 × g für 2 min getrocknet. Die RNA wurde eluiert, indem 70 µL RNase-freies Wasser in die Mitte der Säulenmembran gegeben und anschließend bei 13.000 × g für 1 min zentrifugiert wurde. Jedes Primerpaar zeigte ein einzelnes Amplifikationsprodukt, was durch Schmelzkurvenanalyse bestätigt wurde, bevor die relative Genexpression berechnet wurde. Die Primer-Effizienz (90–110 %) wurde mithilfe von Standardkurven vor der Probenauswertung validiert. Schmelzkurvenanalysen bestätigten das Vorhandensein einzelner Amplikone und das Fehlen von Primerdimeren. Die relative YTHDC2-Expression wurde nach der 2-ΔCt-Methode berechnet, bei der Ct-Werte auf das endogene Referenzgen GAPDH normalisiert wurden. Da die Expressionswerte als normalisierte Expressionsniveaus und nicht als Faltungsänderungen relativ zu einer Kalibratorprobe angegeben wurden, werden die Ergebnisse als 2−ΔCt-Werte berichtet. GAPDH wurde als Housekeeping-Gen ausgewählt, da seine Expression im Vergleich zu den getesteten Alternativen (ACTB, CV = 12 %; 18S rRNA, CV = 18 %) eine minimale Variabilität (CV < 5 %) aufwies, was den Kriterien zur Auswahl von Referenzgenen in m6A-Studien entspricht.
Statistische Analyse
Die statistischen Analysen wurden mit statistischer Software durchgeführt, einschließlich der Erstellung von Grafiken und Diagrammen. Zur Analyse quantitativer und kategorialer Daten zur YTHDC2-Genexpression bei NSCLC-Patienten wurde die R-Software für bioinformatische Analysen und die Erstellung von ROC-Kurven verwendet. ROC-Kurven und AUC wurden zur Bewertung der diagnostischen Leistung der YTHDC2-Expression bei der Vorhersage des Überlebens herangezogen. Bei regressionsbasierten Analysen wurden Effektgrößen (Odds Ratios) mit entsprechenden 95 %-Konfidenzintervallen angegeben, wo zutreffend. Der Wilcoxon-Test für abhängige Stichproben wurde verwendet, um die YTHDC2-Expression zwischen gepaarten Tumor- und angrenzenden normalen Gewebeproben zu vergleichen, während die Pearson-Korrelationsanalyse zur Beurteilung des Zusammenhangs zwischen der YTHDC2-Expression und klinisch-pathologischen Merkmalen eingesetzt wurde. Korrelationskoeffizienten (r) und entsprechende p-Werte wurden angegeben. Da die qRT-PCR-Daten aus gepaarten Tumor- und angrenzenden normalen Gewebeproben derselben Patienten bestanden und die Genexpressionsdaten nicht normalverteilt waren, wurde der Wilcoxon-Test für abhängige Stichproben zur Untersuchung der YTHDC2-Expressionsniveaus zwischen den gepaarten Geweben verwendet. Dieser Test setzt keine Normalverteilung der Daten voraus und wird häufig bei schiefen biologischen Daten eingesetzt. Alle statistischen Tests waren zweiseitig, und ein p <0,05 galt als statistisch signifikant. Stetige Variablen wurden vor der Analyse auf Normalverteilung geprüft. Stetige Variablen werden je nach Fall als Mittelwert ± Standardabweichung oder Median (Interquartilsabstand) angegeben.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Expression des YTHDC2-Gens in Tumoren basierend auf der TCGA-Datenbank
Abbildung 3 veranschaulicht den Zusammenhang zwischen NSCLC und YTHDC2, indem die Expressionslevel von YTHDC2 in verschiedenen Krebserkrankungen mithilfe des GDC-Tools in der TCGA-Datenbank untersucht werden.
Expression des YTHDC2-Gens im NSCLC in der GEPIA-Datenbank
483 Gewebeproben von Lungenadenokarzino...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
YTHDC2, das größte N6-Methyladenosin (m6A)-bindende Protein der YTH-Familie, zeichnet sich durch seine ATP-abhängige RNA-Helikase-Aktivität aus und stellt damit einen Schlüsselregulator des RNA-Stoffwechsels dar13. Im Gegensatz zu anderen Mitgliedern der YTH-Familie kommt YTHDC2 sowohl im Zellkern als auch im Zytoplasma vor, wo es die mRNA-Translation und die RNA-Stabilität reguliert14. Frühere experimentelle Studien haben gezeigt, dass YTHDC2 das Fortschreiten des Lungenad...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Die Autoren haben keine relevanten finanziellen oder nichtfinanziellen Interessen offenzulegen.
Diese Studie wurde von der Naturlandesstiftung der Provinz Hainan (Nr. 821RC735) unterstützt.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| Individuelle Primer und Sonden | Sangon Biotech Co., Ltd., Shanghai, China | Individuelle Synthese | Primer- und Sonden-Sequenzen siehe Tabelle 6 |
| DNase I | Magen Biotechnology Co., Ltd., Guangzhou, China | DNase I (HiPure FFPE RNA Kit) | Entfernung von genomischer DNA-Kontamination |
| ESTIMATE-Algorithmus | Yoshihara et al. | R-Paket (Version 1.0.13) | Schätzung der Tumorreinheit |
| FFPE RNA-Extraktionskit | Magen Biotechnology Co., Ltd., Guangzhou, China | HiPure FFPE RNA Kit (R4130-02) | RNA-Extraktion aus FFPE-Gewebe |
| GDC-Datenportal | National Cancer Institute (NCI), NIH, USA | https://portal.gdc.cancer.gov | Herunterladen von TCGA-Datensätzen |
| GEPIA-Webserver | Peking University, China | http://gepia.cancer-pku.cn | Genexpressionsanalyse |
| Kaplan–Meier-Plotter | Semmelweis-Universität, Ungarn | https://kmplot.com | Überlebensanalyse |
| Mikrozentrifuge | Eppendorf AG, Hamburg, Deutschland | 5424 R | RNA-Reinigungsverfahren |
| NanoDrop-Spektrophotometer | Thermo Fisher Scientific, Waltham, MA, USA | NanoDrop 2000/2000c | RNA-Quantifizierung |
| Probenbasiertes qPCR-Master-Mix | Thermo Fisher Scientific, Waltham, MA, USA | TaqMan Universal PCR Master Mix II (4440040) | Quantitative PCR-Amplifikation |
| R-Statistiksoftware | R Foundation for Statistical Computing, Wien, Österreich | Version 4.4.1 | Statistische Analysen und ROC-Analyse |
| Echtzeit-PCR-System | Bio-Rad Laboratories, Hercules, CA, USA | CFX Opus 96 | Quantitative Echtzeit-PCR |
| Reverse Transkriptionskit | Thermo Fisher Scientific, Waltham, MA, USA | RevertAid First Strand cDNA Synthesis Kit (K1622) | cDNA-Synthese |
| RNA-Reinigungssäule | Magen Biotechnology Co., Ltd., Guangzhou, China | HiPure Mini Column I | Silica-Membran-RNA-Reinigungssäule |
| RNAse-freies Wasser | Magen Biotechnology Co., Ltd., Guangzhou, China | RNAse-freies Wasser | RNA-Elution |
| SPSS Statistics | IBM Corp., Armonk, NY, USA | IBM SPSS Statistics Version 27.0 | Statistische Analysen |
| survivalROC-Paket | CRAN (R Foundation for Statistical Computing) | Version 1.0.3.1 | Zeitabhängige ROC-Analyse |
| TCGA-Datenbank | National Cancer Institute (NCI), NIH, USA | https://portal.gdc.cancer.gov | Öffentliche Krebsgenomik-Datenbank |
| Waschpuffer RW1 | Magen Biotechnology Co., Ltd., Guangzhou, China | Puffer RW1 | Waschpuffer für die RNA-Reinigung |
| Waschpuffer RW2 | Magen Biotechnology Co., Ltd., Guangzhou, China | Puffer RW2 | Waschpuffer für die RNA-Reinigung |
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.