פרוטוקול זה משלב מערכי נתונים טרנסקריפטומיים ציבוריים ואימות תאי אפיתל המעי הגס כדי לזהות את S100P כסמן ביולוגי משותף הקשור למחלות מעי דלקתיות, סרטן המעי הגס ואדנוקרצינומה בלבלב.
מאמר מחקר
S100P כסמן ביולוגי משותף במחלות מעי דלקתיות, סרטן המעי הגס ואדנוקרצינומה בלבלב: ניתוח טרנסקריפטומי משולב
* These authors contributed equally
במאמר זה
סיכום
תקציר
מחלת מעי דלקתי (IBD) קשורה לסיכון מוגבר לסרטן המעי הגס (CRC) ולקרצינומה של הלבלב (PAAD), אך התכונות המולקולריות המשותפות למחלות אלו עדיין אינן מובנות במלואן. מחקר זה נועד לזהות גנים משותפים ונתיבים ביולוגיים הקשורים ל-IBD, CRC ו-PAAD באמצעות ניתוח טרנסקריפטומי משולב ואימות ניסוי. מערכי ביטוי גנים עבור IBD, CRC ו-PAAD התקבלו ממאגרי הנתונים The Cancer Genome Atlas ו-Gene Expression Omnibus. בוצעו ניתוח רשת ביטוי משותף של גנים משוקללים וניתוח ביטוי שונה לזיהוי גנים הקשורים למחלה ומשותפים. אונטולוגיית גנים ואנציקלופדיית קיוטו של גנים וגנומים (ניתוחים שימשו לחקר פונקציות ביולוגיות מועשרות ונתיבים. חדירת תאי חיסון הוערכה באמצעות זיהוי סוגי תא על ידי הערכת תת-קבוצות יחסיות של תמלילי RNA. בוצע ניתוח תכונות פעולה של מקלט כדי להעריך את ביצועי האבחון של גנים נפוצים. בוצע ניתוח ריצוף RNA חד-תאי כדי לבחון את התפלגות התאים של S100P. בנוסף, השפעות הירידה ב-S100P הוערכו בתאי אפיתל המעי הגס המונעים על ידי ליפופוליסכריד (LPS). זוהו בסך הכל 162 גנים הקשורים למחלה וארבעה גנים נפוצים. ניתוחי העשרה פונקציונלית הצביעו על העשרה משמעותית של מסלולים הקשורים למערכת החיסון והדלקת, כולל מסלול האיתות אינטרלוקין-17. ניתוח חדירת מערכת החיסון חשף מגמות דומות במספר אוכלוסיות תאי חיסון ברחבי IBD, CRC ו-PAAD. ניתוח תא יחיד הראה ביטוי מוגבר של S100P בתאי אפיתל מכל שלוש המחלות. ירידה בוויסות של S100P החזירה את יכולת ההתרבות של תאי האפיתל המעי הגס המונעים על ידי LPS והפחיתה את ביטוי הציטוקינים הדלקתיים. ניתוח טרנסקריפטומי משולב זיהה את S100P כסמן ביולוגי הקשור ל-IBD, CRC ו-PAAD, והדגיש תכונות משותפות הקשורות למערכת החיסון במחלות אלו.
מבוא
מחלת מעי דלקתי (IBD) מייצגת ספקטרום של הפרעות חיסוניות המשפיעות על מערכת העיכול, כולל קוליטיס כיבית ומחלת קרוהן1. האטיולוגיה של IBD מורכבת מאוד, וכוללת חריגות חיסוניות ריריות, דיסביוזיס ורגישות גנטית2. IBD הוא נושא בריאותי עולמי עם שיעורי שכיחות הולכים וגדלים ועומס כלכלי משמעותי, והשכיחות הגוברת שלו משכה תשומת לב רבה1. חשוב לציין כי חולי IBD נמצאים בסיכון מוגבר משמעותית לפתח סרטן המעי הגס (CRC)3 ואדנוקרצינומה של הלבלב (PAAD)4. למרות שקשר זה תועד היטב, השילוב הגנטי בין IBD, CRC ו-PAAD נותר לא מובן במלואו.
מחקרים קודמים מצביעים בחוזקה על כך ש-IBD, CRC ו-PAAD חולקים תהליכים פתוגניים משותפים; עם זאת, סמנים אבחנתיים ספציפיים ורגישים עדיין חסרים, והמנגנונים הפתוגנים המשותפים טרם הוברו במלואם. למזלנו, עם ההתקדמות המהירה והזמינות הרחבה של טכנולוגיות ריצוף במהירות גבוהה, מערכי נתונים טרנסקריפטומיים רבים של מטופלים עם IBD, CRC ו-PAAD הפכו לזמינים לציבור, מה שמאפשר חקירה שיטתית של הקשרים המולקולריים בין מחלות אלו 2,5,6.
מחקר זה השתמש בנתוני ריצוף בתפוקה גבוהה ממטופלים עם IBD, CRC ו-PAAD כדי לזהות גנים הקשורים למחלה וגנים משותפים באמצעות ניתוח רשת ביטוי משותף של גנים משוקללים (WGCNA) וניתוח ביטוי שונה. גנים אלו נחקרו לעומק כדי לזהות מסלולי איתות משותפים פוטנציאליים בין IBD, CRC ו-PAAD. בנוסף, הערכנו את הערך האבחוני של הגנים הנפוצים הללו. ניתוח ריצוף RNA חד-תאי (scRNA-seq) הראה כי הגן המרכזי S100P מתבטא בעיקר בתאי אפיתל. לבסוף, חקרנו את התפקיד הביולוגי של S100P ב-IBD.
לסיכום, מחקר זה נועד לזהות סמנים ביולוגיים אבחנתיים משותפים ומסלולים ביולוגיים הקשורים ל-IBD, CRC ו-PAAD, ובכך לספק תובנות קליניות חשובות למניעה וטיפול משותפים במחלות אלו.
פרוטוקול
מחקר זה השתמש במאגרי נתונים זמינים לציבור וללא זיהוי מ-The Cancer Genome Atlas (TCGA) ו-Gene Expression Omnibus (GEO), וכן קווי תאים מסחריים מבוססים. לא היו מעורבים משתתפים אנושיים חדשים שגויסו, מידע מטופל מזוהה או דגימות שמקורם במטופלים. כל הניתוחים בוצעו בהתאם להנחיות מוסדיות רלוונטיות ולתנאי השימוש של מאגרי המידע הציבוריים. לכן, לא נדרשו אישור אתי מוסדי נוסף והסכמה מדעת למחקר זה.
מקור נתונים
נתוני RNA-seq עבור קבוצות IBD (GSE179285; פלטפורמה: GPL6480 ו-GSE24287; פלטפורמה: GPL6480), קבוצות CRC (TCGA-CRC; פלטפורמה: Illumina HiSeq 2000 ו-GSE87211; פלטפורמה: GPL13497), וקוהורטים של PAAD (GSE128735; פלטפורמה: GPL20301 ו-GSE62452; פלטפורמה: GPL6244) הורדו מ-TCGA ומ-GEO. כל מערכי הנתונים נלקחו ב-5 בדצמבר 2025.
לכל מערך נתונים, הדגימות חולקו בקפדנות לשתי תת-קבוצות, כאשר רקמות הנגע/הגידול של המחלה שימשו כקבוצת המקרה ורקמות נורמליות שאינן נגע שימשו כקבוצת הביקורת. באופן ספציפי, קבוצת IBD כללה 297 דגימות רירית מעי ממטופלים עם IBD ו-56 דגימות רירית מעי תקינות מאנשים בריאים; קבוצת ה-CRC כללה 841 רקמות גידול ראשוניות של המעי הגס ו-211 רקמות אפיתל תקינות סמוכות; וקבוצת PAAD כללה 114 רקמות גידול PAAD ו-106 רקמות פרנכימיות תקינות.
כל מערכי הנתונים באותה קטגוריית מחלה שולבו באופן אחיד. פונקציית הנורמליזיז בין מערכים של חבילת לימה יושמה לביצוע נרמול קוונטילי חוצה מדגמים, ובכך ביטל אפקטים באצווה בין-פלטפורמיים וסטנדרטיזציה של ערכי ביטוי גנים בין מערכי נתונים שונים לניתוח ביטוי דיפרנציאלי עתידי.
סקר גנים וגנים נפוצים הקשורים ל-IBD, CRC ו-PAAD
ראשית, גנים מבוטאים באופן שונה (DEGs) נבדקו מקבוצות IBD, CRC ו-PAAD באמצעות חבילת לימה, וערכי ה-P המקוריים תוקנו בשיטת קצב הגילוי השגוי של בנג'מיני-הוכברג (FDR). בקבוצות IBD, CRC ו-PAAD, קריטריוני הסינון נקבעו ב-|logFC| > 0.4 ו-P < 0.05. בנוסף, WGCNA בוצע על כל הגנים, עם סף גן מודולי מינימלי של 100 (סף רך = 0.90; סוג רשת = חתום). כתוצאה מכך, זוהו DEGs וגנים מודולים משותפים בשלוש הקבוצה. גנים שזוהו בעקביות בשתי השיטות הוגדרו כגנים נפוצים, בעוד שהגנים הנותרים סווגו כגנים קשורים.
PPI וניתוח העשרה פונקציונלית
ניתוחים אלו בוצעו על גנים הקשורים למחלה. ניתוח אינטראקציה בין חלבון לחלבון (PPI) בוצע באמצעות מאגר הנתונים STRING (ציון אינטראקציה > 0.40). ניתוח העשרה פונקציונלית כלל ניתוחים של Gene Ontology (GO) ואנציקלופדיית קיוטו לגנים וגנומים (KEGG), שבוצעו באמצעות clusterProfiler, enrichplot ו-org. חבילות Hs.eg.db (P < 0.05 וערך q מותאם ל-FDR [שיטת Benjamini–Hochberg] < 0.05).
פרופיל מיקרו-סביבה חיסונית
CIBERSORT הוא אלגוריתם אמין להערכת רמות חדירת תאי חיסון מנתוני ביטוי גנים באמצעות מטריצת החתימה המוגדרת כברירת מחדל LM227. במחקר זה, אלגוריתם CIBERSORT שימש להערכת מידת חדירת תאי החיסון לדגימות מקבוצות IBD, CRC ו-PAAD, כדי לחקור את המאפיינים המשותפים של המיקרו-סביבה החיסונית בין שלוש המחלות. הניתוח בוצע עם 1,000 פרמוטציות לחישוב ערכי P לכל מדגם, והוחלה נרמול קוונטילי (QN = TRUE) על קובץ הביטוי של התערובת. רק דגימות עם ערך CIBERSORT P < 0.05 נשמרו לניתוחים הבאים, מה שהבטיח את אמינות תוצאות הדקונבולוציה.
הערכת הערך האבחנתי של גנים נפוצים
ערך האבחון של הגנים המשותפים בקבוצות IBD, CRC ו-PAAD הוערך באמצעות ניתוח מאפייני תפעול מקלט (ROC) עם חבילת pROC ב-R. הפשרה האופטימלית בין רגישות לספציפיות הוצגה באמצעות עקומות ROC.
qRT-PCR, העברת תאים ובדיקת יצירת מושבות
qRT-PCR והעברת תאים בוצעו לפי מחקרים קודמים 8,9,10. טרנספקציה זמנית בוצעה באמצעות מגיב טרנספקציה jetPRIME (פוליפלוס, סין) לפי הוראות היצרן. התאים דוגרו עם תערובת הטרנספקציה למשך 6 שעות, ולאחר מכן הוחלף המדיום ב-DMEM מלא. ניסויים נוספים בוצעו 48 שעות לאחר הטרנספקציה.
בקצרה, RNA תא מלא הופק באמצעות תגובת טריזול. ה-RNA הועבר הפוך ל-cDNA באמצעות PrimeScript RT Master Mix. PCR כמותי בוצע באמצעות TB Green qPCR. β-אקטין שימש כגן ייחוס פנימי לנרמול ביטוי. ניסויים ביולוגיים בוצעו בשלושה עותקים. רצפי הפריימרים ורצף siS100P נמצאים במחקר קודם 11.
תאי NCM460, FHC, HCT116, SW116, PANC1 ו-BXPC2 הושגו כפי שמפורט בטבלת החומרים. כל קווי התאים עברו זיהוי תאים ובדיקות מיקופלסמה.
במהלך הניסויים, כל התאים עברו במשך 3–5 דורות. כל התאים תורבדו ב-DMEM מלא שכלל 10% סרום בקר עוברי ו-1% פניצילין–סטרפטומיצין.
בדיקת יצירת המושבה בוצעה כפי שתואר במחקר קודם12. בקצרה, 1,000 תאים הוזרעו בכל באר של לוח בן 6 בארות וגודלו במשך 10 ימים לפני שהניסוי הופסק. התאים נקבעו ב-4% פאראפורמלדהיד, צובעו ב-0.1% קריסטל סגול, וקולוניות נספרו באמצעות ImageJ.
ניתוח גנים נפוצים בהתבסס על נתוני scRNA-seq
נתוני scRNA-seq ממאגר הנתונים של IBD (GSE214695), מאגר הנתונים CRC (GSE166555) ומערך PAAD (GSE154778) עובדו מראש כפי שתואר במחקרים קודמים 8,13. מטריצות ספירת גולמיות הוקמו לפי ביטוי ממוצע לסמלי גן כפולים באמצעות limma::avereps. הסינון הראשוני שמר גנים שזוהו לפחות בשלושה תאים ובתאים המכילים לפחות 50 תמלולים ייחודיים. תאים עם שבר תמלול מיטוכונדריאלי >5% או פחות מ-50 גנים זוהו הוסרו. נירמול לוגריתם בוצע עם גורם סולם של 10,000, ואחריו טרנספורמציה מייצבת שונות לזיהוי 1,500 הגנים המשתנים הגבוהים ביותר, שעברו סטנדרטיזציה של ציון Z לפני ניתוח רכיב ראשי (PCA). גני הסמן המגדירים את האשכולות סיננו באמצעות log2 (שינוי קפל) > 0.5, שבר זיהוי ≥0.25 באשכול יעד, וערך P מותאם <0.05.
בקצרה, עיבוד נתונים מוקדם בוצע באמצעות חבילת Seurat, והאנוטציה של סוגי תאים בוצעה באמצעות חבילת SingleR (גרסה 2.6.0). קיבוץ תאים בוצע ב-Seurat באמצעות בניית גרף k-nearest neighbor והטמעת t-SNE בהתבסס על ממדים PCA 1–20. לאחר מכן נבדקו התפלגות ורמות הביטוי של הגנים המשותפים בין סוגי תאים שונים.
בניית מודל IBD
לפי מחקרים קודמים14, ליפופוליסכריד (LPS) שימש לגרימת דלקת בתאי האפיתל המעי הגס התקינים (FHC ו-NCM460), ובכך נוצר מודל IBD המדמה דלקת. ניסויים ביולוגיים בוצעו בשלושה עותקים. תאים גודלו באופן שגרתי באינקובטור לחות בטמפרטורה של 37°C עם 5%CO2. כאשר מפגש התאים הגיע לכ-50%–70%, תווך התרבית הוחלף במדיום טרי ושלם, והתאים טופלו ב-10 ng/mL LPS במשך 12 שעות. נפח שווה של מלח סטרילי עם מאגר פוספט (PBS) שימש כבקרת הרכב. נפח התרביות היה 2 מ"ל לבאר בלוחות עם 6 בארות. לאחר הטיפול, המדיום הוסר, התאים נשטפו פעמיים עם PBS סטרילי מקורר מראש, והתאים נאספו לניתוחים נוספים.
ניתוח סטטיסטי
כל ניתוחי הביואינפורמטיקה בוצעו באמצעות תוכנת R (גרסה 4.1.2). השוואות בין שתי קבוצות בוצעו באמצעות מבחן t של סטודנט, בעוד שהשוואות בין קבוצות מרובות בוצעו באמצעות ניתוח שונות חד-כיווני (ANOVA). ניתוח קורלציה בוצע באמצעות שיטת ספירמן. כל הניסויים התאיים חזרו על עצמם לפחות שלוש פעמים, והנתונים מוצגים כסטיית תקן ממוצעת ± (SD). ערך P או FDR < 0.05 נחשב מובהק סטטיסטית. NS, לא משמעותי; P < 0.05 (*), P < 0.01 (**), ו-P < 0.001 (***).
תוצאות
DEGs ב-IBD, CRC ו-PAAD
ראשית, קבוצות IBD (GSE179285 ו-GSE24287), קבוצות CRC (TCGA-CRC ו-GSE87211), וקבוצות PAAD (GSE128735 ו-GSE62452) שולבו, והאינטגרציה הוערכה באמצעות גרפים של PCA וצפיפות ביטוי גנים. התוצאות הראו כי השפעות אצווה בין מערכי הנתונים השונים בוטלו למעשה לאחר האינטגרציה (איור 1A–F).
איור 1. נרמול של מחלות מעי דלקתיות (IBD), סרטן המעי הגס (CRC) ואדנוקרצינומה של הלבלב (PAAD). (א) גרפים של ניתוח רכיבים עיקריים (PCA) לפני ואחרי נרמול קבוצות IBD (GSE179285 ו-GSE24287). (B) תרשימי התפלגות ביטוי גנים לפני ואחרי הנרמול של קבוצות המחלות הפנימיות. (C) גרפים של PCA לפני ואחרי הנרמול של קבוצות CRC (TCGA-CRC ו-GSE87211). (D) גרפים של התפלגות ביטוי גנים לפני ואחרי הנרמול של קבוצות CRC. (ה) גרפים של PCA לפני ואחרי הנרמול של קוהורטות PAAD (GSE62452 ו-GSE128735). (F) תרשימי התפלגות ביטוי גנים לפני ואחרי הנרמול של קוהורטות PAAD. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
לאחר אינטגרציה של מערכי הנתונים ותיקון אפקט אצווה, בוצע ניתוח ביטוי דיפרנציאלי על קבוצות IBD, CRC ו-PAAD. בתוך כל קבוצה, נגע מחלה או רקמות גידול הושוו לרקמות תקינות תואמות לזיהוי DEGs. בקבוצת מחלות המעי המעורבים, זוהו 183 DEGs, כולל 64 גנים עם ויסות נמוך ו-119 גנים עם ויסות גבוה (איור 2A). בקבוצה של CRC זוהו 5,064 DEGs, כולל 2,477 גנים עם ירידה רגולציה ו-2,587 גנים עם ויסות גבוה (איור 2B). בקבוצה של PAAD זוהו 2,293 DEGs, כולל 901 גנים עם ירידה בוויסות ו-1,392 גנים עם ויסות מוגבר (איור 2C). בסופו של דבר, זוהו 40 DEGs חופפים בקרב קבוצות IBD, CRC ו-PAAD (איור 2D).
איור 2. ניתוח ביטוי שונה של קבוצות IBD, CRC ו-PAAD. (א) מפת חום ותרשים הר געשי של גנים מבוטאים באופן דיפרנציאלי (DEGs) בקבוצת IBD. (ב) מפת חום וגרף הר געשי של DEGs בקוהורט CRC. (ג) מפת חום וגרף הר געש של DEGs בקוהורט PAAD. (D) דיאגרמת ון המציגה DEGs חופפים בין קבוצות IBD, CRC ו-PAAD. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
WGCNA ב-IBD, CRC ו-PAAD
WGCNA בוצעה בקבוצות IBD, CRC ו-PAAD. בקוהורט של IBD, זוהו שלושה מודולים כקשורים באופן הדוק לתכונות קליניות, כאשר מודולי MEbrown ו-MEturquoise הציגו את הקורלציות החזקות ביותר (איור 3A). באופן דומה, בקבוצת CRC זוהו שמונה מודולים כקשורים באופן הדוק לתכונות קליניות, כאשר מודולי MEbrown ו-MEturquoise הראו את הקורלציות החזקות ביותר (איור 3B). בקוהורט של PAAD, מודול אחד זוהה כקשור קשר הדוק לתכונות קליניות, כאשר מודולי MEblack ו-MEbrown הראו את הקורלציות החזקות ביותר (איור 3C).
איור 3. ניתוח רשת ביטוי משותף של גנים משוקללים (WGCNA) של קבוצות IBD, CRC ו-PAAD. (א) מפת חום המציגה מתאמים בין מודולי ביטוי משותף של גנים לתכונות קליניות בקבוצת IBD. (B) מפת חום המציגה מתאמים בין מודולי ביטוי משותף של גנים לתכונות קליניות בקבוצת CRC. (C) מפת חום המראה מתאמים בין מודולי ביטוי משותף של גנים לתכונות קליניות בקבוצת PAAD. (D) דיאגרמת ון המציגה גנים חופפים שזוהו ממודולי קו-ביטוי מרכזיים בין קבוצות IBD, CRC ו-PAAD. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
בהתבסס על גנים ממודולים שהיו קשורים באופן משמעותי לתכונות קליניות, זוהו 434 גנים הקשורים למודול שעשויים להיות מעורבים ב-IBD, CRC ו-PAAD (איור 3D).
ניתוח העשרה פונקציונלית של גנים נפוצים ב-IBD, CRC ו-PAAD
על ידי שילוב תוצאות ניתוח הביטוי הדיפרנציאלי ו-WGCNA, זוהו 40 DEGs נפוצים ו-122 גנים משותפים למודול. כדי לחקור את המאפיינים המולקולריים המשותפים של IBD, CRC ו-PAAD, גנים אלו שולבו לניתוח נוסף, מה שהוביל ל-158 גנים הקשורים למחלות.
ראשית, 158 הגנים נותחו באמצעות מסד הנתונים STRING לבניית רשת PPI (איור 4A). לאחר מכן בוצעו ניתוחי העשרת GO ו-KEGG. ניתוח GO חשף העשרה משמעותית בתהליכים ביולוגיים, כולל תהליך המטבוליזם ההורמונלי (איור 4B,C), בעוד שניתוח KEGG הראה העשרה במסלולים הכוללים את מסלול האיתות אינטרלוקין-17 (IL-17) ואת מסלול האיתות המופעל על ידי קולטני פרוקסיזום (PPAR) (איור 4D,E).
איור 4. ניתוח העשרה פונקציונלית של גנים הקשורים למחלה שזוהו ב-IBD, CRC ו-PAAD. (א) רשת אינטראקציה בין חלבון לחלבון (PPI) של גנים הקשורים למחלות. (B) ניתוח העשרת אונטולוגיה גנטית (GO) המוצג כגרף נקודות של תהליכים ביולוגיים מועשרים, רכיב תאי ותפקוד מולקולרי. (ג) רשת גנים–מושגים של GO המציגה את הקשרים בין מונחי GO מועשרים לגנים נלווים. (D) אנציקלופדיה קיוטו לגנים וגנומים (KEGG) ניתוח העשרת מסלולים המוצג כגרף נקודות. (ה) רשת הגן–מסלולים של KEGG המציגה את הקשרים בין מסלולים מועשרים לגנים נלווים. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
ניתוח קורלציה של גנים נפוצים עם חדירת תאי חיסון ב-IBD, CRC ו-PAAD
CIBERSORT שימש להערכת רמות חדירת תאי חיסון בקבוצות IBD, CRC ו-PAAD. בקבוצת מחלות המעי המעורבים, נצפו הבדלים ברמות חדירת תאי החיסון בין דגימות תקינות ל-IBD (איור 5A), והוערכו מתאמים בין גנים משותפים לאוכלוסיות תאי מערכת החיסון (איור 5B). באופן דומה, נצפו הבדלים ברמות חדירת תאי החיסון בין דגימות תקינות לדגימות CRC בקבוצה של CRC (איור 5C), והוערכו מתאמים בין גנים משותפים לאוכלוסיות תאי חיסון (איור 5D). בקבוצה של PAAD, נצפו גם הבדלים ברמות חדירת תאי החיסון בין דגימות תקינות ל-PAAD (איור 5E), ונבדקו קורלציות בין גנים משותפים לאוכלוסיות תאי חיסון (איור 5F).
איור 5. ניתוח חדירת תאי חיסון בקבוצות IBD, CRC ו-PAAD. (א) גרפים של כינור המציגים את הפרופורציות המשוערות של אוכלוסיית תאי החיסון בקבוצה של מחלות מעי דלקתי. (B) ניתוח קורלציה בין גנים נפוצים לאוכלוסיות תאי חיסון בקבוצת IBD, כולל מפת חום של קשר תאי החיסון ורשת האסוציאציה בין תאי גן לתא חיסון. (ג) גרפים של כינור המציגים את הפרופורציות המשוערות של אוכלוסיות תאי החיסון בקבוצת CRC. (D) ניתוח קורלציה בין גנים נפוצים לאוכלוסיות תאי החיסון בקוהורט CRC, כולל מפת חום של קורלציה של תאי החיסון ורשת האסוציאציה בין תאי גן לתא חיסון. (ה) גרפים של כינור המציגים את הפרופורציות המשוערות של אוכלוסיית תאי החיסון בקבוצת PAAD. (ו) ניתוח קורלציה בין גנים נפוצים לאוכלוסיות תאי חיסון בקוהורט PAAD, כולל מפת חום של קורלציה תאי חיסון ורשת האסוציאציה בין תאי גן לתאי החיסון. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
הערכת הערך הפוטנציאלי של גנים משותפים ב-IBD, CRC ו-PAAD
דפוסי הביטוי של הגנים הנפוצים הוערכו בהרחבה בקבוצות IBD, CRC ו-PAAD. S100P היה מוגזם בעקביות בכל שלושת הקבוצות (איור 6A,D,G). בנוסף, ביצועי האבחון של הגנים המשותפים הוערכו באמצעות ניתוח ROC.
איור 6. ביצוע אבחוני של גנים נפוצים בקבוצות IBD, CRC ו-PAAD. (A) רמות ביטוי של FXYD3, S100P, PLA2G2A ו-MUC1 בקוהורט IBD. (B) עקומות מאפייני פעולה של מקלט (ROC) המראות את ביצועי האבחון של גנים משותפים בודדים בקבוצת IBD. (ג) עקומת ROC המציגה את ביצועי האבחון של מודל האבחון המשולב בקבוצת IBD. (D) רמות ביטוי של FXYD3, S100P, PLA2G2A ו-MUC1 בקבוצת CRC. (ה) עקומות ROC המראות את ביצועי האבחון של גנים משותפים בודדים בקבוצת CRC. (ו) עקומת ROC המציגה את ביצועי האבחון של המודל האבחוני המשולב בקבוצת CRC. (G) רמות הביטוי של FXYD3, S100P, PLA2G2A ו-MUC1 בקבוצת PAAD. (H) עקומות ROC המציגות את ביצועי האבחון של גנים משותפים בודדים בקבוצת PAAD. (I) עקומת ROC המציגה את ביצועי האבחון של המודל האבחוני המשולב בקוהורט PAAD. ערכי שטח מתחת לעקומה (AUC) ורווחי אמון של 95% תואמים מוצגים כאשר הדבר רלוונטי. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
בקבוצת IBD, ערכי השטח מתחת לעקומה (AUC) היו 0.626 עבור FXYD3, 0.597 עבור S100P, 0.670 עבור PLA2G2A, ו-0.697 עבור MUC1, בעוד שהמודל האבחוני המשולב הניב AUC של 0.815 (איור 6B,C). באופן דומה, בקבוצת CRC, ערכי AUC היו 0.839 עבור FXYD3, 0.738 עבור S100P, 0.716 עבור PLA2G2A ו-0.672 עבור MUC1, בעוד שהמודל האבחוני המשולב הניב AUC של 0.925 (איור 6E,F). בקבוצת PAAD, ערכי AUC היו 0.852 עבור FXYD3, 0.896 עבור S100P, 0.637 עבור PLA2G2A ו-0.733 עבור MUC1, בעוד שהמודל האבחוני המשולב הניב AUC של 0.901 (איור 6H,I).
ניתוח scRNA-seq המבוסס על גנים נפוצים
לאחר עיבוד מוקדם של נתוני scRNA-seq ממאגר הנתונים של IBD, זוהו 17 אשכולות תאים ו-8 סוגי תאים. לאחר מכן הוערכה התפלגות הגנים המשותפים בין אוכלוסיות תאים שונות, ונמצא כי הגנים המשותפים מתבטאים בעיקר בתאי אפיתל (איור 7A). באופן דומה, עיבוד מוקדם של מאגר הנתונים של ה-CRC זיהה 20 אשכולות תאים ו-8 סוגי תאים, כאשר הגנים הנפוצים באים לידי ביטוי בעיקר בתאי אפיתל (איור 7B). לבסוף, עיבוד מוקדם של מאגר הנתונים PAAD זיהה 19 אשכולות תאים ו-7 סוגי תאים, והגנים הנפוצים גם הם בוצעו בעיקר בתאי אפיתל (איור 7C).
איור 7. ניתוח ריצוף RNA חד-תאי (scRNA-seq) של גנים נפוצים ברקמות IBD, CRC ו-PAAD. (א) קירוב אחיד של מניפולד והקרנה (UMAP) של אשכולות תאים במאגר הנתונים של IBD (GSE214695), הערות תאיות תואמות וגרפים של תכונות המראות את הביטוי של FXYD3, S100P, PLA2G2A ו-MUC1 בין אוכלוסיות תאים. (B) ויזואליזציה של UMAP של אשכולות תאים במאגר הנתונים של CRC (GSE166555), הערות מסוג תאים מתאימים, וגרפים מאפיינים המציגים את הביטוי של FXYD3, S100P, PLA2G2A ו-MUC1 בין אוכלוסיות תאים. (C) ויזואליזציה של UMAP של אשכולות תאים במאגר הנתונים PAAD (GSE154778), הערות מסוג תאים מתאימים, וגרפים מאפיינים המראים את הביטוי של FXYD3, S100P, PLA2G2A ו-MUC1 בין אוכלוסיות תאים. סולמות צבע מצביעים על רמות ביטוי גנים יחסיות. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
תפקוד ביולוגי של S100P ב-IBD
בהתחשב בביטוי היתר העקבי של S100P בקרב קבוצות IBD, CRC ו-PAAD, יחד עם דוחות קודמים שתיארו את תפקידו ב-CRC ו-PAAD15,16, מחקר זה חקר עוד את התפקוד הביולוגי של S100P ב-IBD.
ראשית, ביטוי S100P עלה משמעותית במודל IBD המושרה על ידי LPS, ויעילות ההדחפה של siS100P אושרה (איור 8A,B). בנוסף, טיפול ב-LPS הפחית את התרבות התאים, בעוד עיכוב ביטוי S100P שיקם חלקית את התרבות התאים (איור 8C). יתרה מזאת, הפלת S100P הפחיתה משמעותית את הביטוי של IL-1β, IL-6 ו-TNF-α בקווי תאי מודל IBD FHC ו-NCM460 (איור 8D,E). לבסוף, ירידה בוויסות של S100P הפחיתה את ביטוי IL17RA בתאי אפיתל המעי הגס, תאי CRC ותאי PAAD (איור 8F).
איור 8. ירידה בוויסות של S100P מחלישה את התגובות הדלקתיות הנגרמות על ידי ליפופוליסכריד (LPS) בתאי האפיתל המעי הגס. (א) ביטוי יחסי של mRNA ב-S100P בתאי FHC לאחר גירוי LPS והפלת S100P. (B) ביטוי יחסי של mRNA ב-S100P בתאי NCM460 לאחר גירוי LPS והפלת S100P. (ג) תמונות ייצוגיות של יצירת מושבות וכימות של התרבות תאים בתאי FHC ו-NCM460 לאחר גירוי LPS והפלת S100P. (D) מדידת ELISA של רמות IL-1β, IL-6 ו-TNF-α בתאי FHC לאחר גירוי LPS והפלת S100P. (ה) מדידת ELISA של רמות IL-1β, IL-6 ו-TNF-α בתאי NCM460 לאחר גירוי LPS והפלת S100P. (F) ביטוי יחסי של mRNA IL-17RA לאחר ירידה ב-S100P בתאי FHC, NCM460, HCT116, SW1116, PANC-1 ו-BxPC-3. אנא לחצו כאן כדי לצפות בגרסה מוגדלת של הדמות הזו.
זמינות נתונים
מערכי הנתונים שנותחו במהלך המחקר הנוכחי זמינים לציבור ב-TCGA ובמאגר GEO תחת מספרי ההרשמה TCGA-CRC, GSE179285, GSE24287, GSE87211, GSE128735, GSE62452, GSE214695, GSE166555 ו-GSE154778. במהלך מחקר זה לא נוצרו מערכי נתונים חדשים של ריצוף.
דיון
מחקרים קודמים הדגישו את הקשר בין IBD, הפרעה במערכת העיכול הקשורה למערכת החיסון, לבין מספר מחלות, כולל מחלות ניווניות נוירודגנרטיביות17, טרשת נפוצה18, טרשת לטרלית אמיוטרופית19, אנדומטריוזיס20, דלקת מפרקים שגרונית2, לימפומה הודג'קין21, CRC22 ו-PAAD23. מחלת מעי מעי נחשבת בדרך כלל כמגבירה את הסיכון לפתח גם CRC24 וגם PAAD23. למרות שדווחו על קשרים אפידמיולוגיים בין מחלות אלו, המאפיינים המולקולריים המשותפים שלהן עדיין לא מובנים במלואם. במחקר זה שילבנו מאגרי נתונים טרנסקריפטומיים בכמויות גדולות, נתוני scRNA-seq וניסויים פונקציונליים תאיים כדי לחקור תכונות מולקולריות משותפות בין IBD, CRC ו-PAAD. הממצאים שלנו מספקים תובנות נוספות לגבי מאפיינים מולקולריים וחיסוניים פוטנציאליים המשותפים בין סביבות מחלות אלו.
במחקר זה, זיהינו 158 גנים הקשורים למחלה באמצעות ניתוח ביטוי שונה ו-WGCNA, הכוללים 40 DEGs נפוצים ו-122 גנים משותפים למודול. ניתוח העשרה פונקציונלית הראה העשרה משמעותית של מסלולים, כולל מסלול האיתות IL-17. מחקרים קודמים דיווחו על תפקידים חשובים לאיתות IL-17 בהתקדמות IBD, CRC ו-PAAD 25,26,27. תצפיות אלו מצביעות על כך שתהליכים הקשורים ל-IL-17 עשויים לייצג תכונה ביולוגית משותפת במחלות אלו. עם זאת, המחקר הנוכחי לא חקר ישירות את הקשר המכניסטי בין איתות S100P ל-IL-17, ונדרשים מחקרים פונקציונליים נוספים כדי להבהיר קשר זה. ארבעה גנים נפוצים (FXYD3, S100P, PLA2G2A ו-MUC1) זוהו בכל מערכי הנתונים שנבדקו. מחקרים קודמים הראו כי FXYD3 מווסת את גדילת תאי PAAD28, S100P נקשר להתקדמות CRC ו-PAAD15,16, ו-MUC1 משתתף בהתקדמות IBD, CRC ו-PAAD 29,30,31. לעומת זאת, PLA2G2A נחקר פחות בהרחבה בכל שלוש המחלות. ניתוח ROC הראה שכל אחד מארבעת הגנים הראה ביצועים אבחנתיים מדידים, בעוד שמודל האבחון המשולב השיג ביצועים אבחנתיים גבוהים יותר מהגנים הבודדים. לכן, ממצאינו מרחיבים את התצפיות הקודמות על ידי זיהוי גנים אלו כתכונות מולקולריות משותפות בין IBD, CRC ו-PAAD.
ניתוח חדירת תאי חיסון הראה דפוסי חדירה דומים לתאי B נאיביים, תאי רוצח טבעיים (NK) במנוחה, ומקרופאגים M0 בקבוצות IBD, CRC ו-PAAD. יתרה מזאת, ניתוח scRNA-seq הראה כי FXYD3, S100P, PLA2G2A ו-MUC1 באים לידי ביטוי בעיקר בתאי אפיתל. ממצאים אלו מספקים מידע נוסף על התפוצה התאית של הגנים שזוהו ועל הקשר הפוטנציאלי שלהם לתכונות הקשורות לחיסון. עם זאת, הניתוחים הנוכחיים אינם מגדירים אינטראקציות ישירות בין תאי אפיתל למיקרו-סביבה החיסונית, ונדרשים מחקרים מכניים נוספים.
לבסוף, חקרנו את התפקיד הביולוגי של S100P במודל IBD המזכיר דלקת המושרה על ידי LPS. ביטוי S100P עלה משמעותית לאחר גירוי LPS, והפלה בתיווך siRNA הפחיתה למעשה את ביטויו. בתנאים הניסיוניים שנבדקו, הפלת S100P החזירה חלקית את התרבות התאים והפחתה את ביטוי הציטוקינים הדלקתיים IL-1β, IL-6 ו-TNF-α. בנוסף, ירידה ב-S100P הייתה קשורה להפחתת ביטוי IL17RA. ממצאים אלו תומכים במחקר נוסף של S100P בתגובות תאיות הקשורות לדלקת.
למחקר זה יש מספר מגבלות. ראשית, בוצעו רק ניסויי אובדן תפקוד, ולא נערכו ניסויי ביטוי יתר או חילוץ; לכן, לא ניתן לקבוע תפקיד סיבתי ישיר של S100P. שנית, ביטוי S100P הוערך בעיקר ברמת ה-mRNA, ולא בוצע אימות ברמת החלבון. שלישית, הניסויים הפונקציונליים הוגבלו למודל תא המדמה דלקת, בעוד שמודלים של CRC ו-PAAD לא נחקרו ניסויים. לבסוף, אף שניתוחי מולטיאומיקס חיזקו את זיהוי התכונות המולקולריות המשותפות, נדרשים מחקרים מכניים נוספים ואימות in vivo כדי להבהיר עוד יותר את התפקידים הביולוגיים של S100P והגנים המשותפים האחרים.
לסיכום, מחקר זה זיהה תכונות מולקולריות משותפות, מסלולים ביולוגיים ותכונות הקשורות למערכת החיסון ברחבי IBD, CRC ו-PAAD. ארבעה גנים נפוצים (FXYD3, S100P, PLA2G2A ו-MUC1) הראו פוטנציאל אבחנתי לאורך מערכי הנתונים שנבדקו, ו-S100P נחקר בהרחבה במודל IBD המדמה דלקת. ממצאים אלו מהווים בסיס למחקרים עתידיים שיחקרו את המנגנונים המולקולריים המשותפים המקשרים בין IBD, CRC ו-PAAD.
גילויים
ניגוד עניינים:
המחברים מצהירים שאין להם אינטרסים מתחרים.
תודות
המחברים מכירים בתמיכה כספית מתוכנית המחקר והפיתוח הלאומית של סין (מענק מס' 2023YFB3210400).
חומרים
| שם | חברה | מספר קטלוג | הערות |
|---|---|---|---|
| BXPC2 cell line | Cell Bank of the Chinese Academy of Sciences | N/A | Human pancreatic adenocarcinoma cell line |
| CIBERSORT | N/A | N/A | Immune cell infiltration analysis |
| clusterProfiler package | Bioconductor | v4.8.0 | Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analyses |
| Dulbecco's Modified Eagle Medium (DMEM) | Thermo Fisher Scientific | 11965092 | Cell culture medium |
| Fetal bovine serum (FBS) | Thermo Fisher Scientific | A5256701 | Cell culture supplement |
| FHC cell line | Cell Bank of the Chinese Academy of Sciences | N/A | Human normal colonic epithelial cell line |
| GEO dataset (GSE128735) | Gene Expression Omnibus (GEO) | N/A | Public gene expression dataset for pancreatic adenocarcinoma |
| GEO dataset (GSE154778) | Gene Expression Omnibus (GEO) | N/A | Public single-cell RNA sequencing dataset for pancreatic adenocarcinoma |
| GEO dataset (GSE166555) | Gene Expression Omnibus (GEO) | N/A | Public single-cell RNA sequencing dataset for colorectal cancer |
| GEO dataset (GSE179285) | Gene Expression Omnibus (GEO) | N/A | Public gene expression dataset for inflammatory bowel disease |
| GEO dataset (GSE214695) | Gene Expression Omnibus (GEO) | N/A | Public single-cell RNA sequencing dataset for inflammatory bowel disease |
| GEO dataset (GSE24287) | Gene Expression Omnibus (GEO) | N/A | Public gene expression dataset for inflammatory bowel disease |
| GEO dataset (GSE62452) | Gene Expression Omnibus (GEO) | N/A | Public gene expression dataset for pancreatic adenocarcinoma |
| GEO dataset (GSE87211) | Gene Expression Omnibus (GEO) | N/A | Public gene expression dataset for colorectal cancer |
| ggplot2 package | CRAN | v3.4.2 | Data visualization |
| HCT116 cell line | Cell Bank of the Chinese Academy of Sciences | N/A | Human colorectal cancer cell line |
| ImageJ | National Institutes of Health (NIH) | v1.8.0 | Colony counting |
| jetPRIME Transfection Reagent | Polyplus | 101000046 | Cell transfection |
| Lipopolysaccharide (LPS) | Beyotime Co., Ltd | S1735 | Induction of an inflammation-mimicking IBD cell model |
| limma package | Bioconductor | v3.54.0 | Differential expression analysis |
| NCM460 cell line | Cell Bank of the Chinese Academy of Sciences | N/A | Human normal colonic epithelial cell line |
| org.Hs.eg.db package | Bioconductor | v3.23.1 | Gene annotation for enrichment analysis |
| PANC1 cell line | Cell Bank of the Chinese Academy of Sciences | N/A | Human pancreatic adenocarcinoma cell line |
| Penicillin–streptomycin | Thermo Fisher Scientific | 15140-122 | Antibiotic supplement for cell culture |
| pheatmap package | CRAN | v1.0.12 | Heatmap visualization |
| pROC package | CRAN | v1.19.0.1 | Receiver operating characteristic (ROC) analysis |
| PrimeScript RT Master Mix | Takara Bio | RR036A | Reverse transcription of RNA into cDNA |
| Primer sets for qRT-PCR | Tsingke Biotech Co., Ltd | N/A | Primer sequences reported in Reference 11 |
| R software | R Foundation for Statistical Computing | v4.1.2 | Statistical and bioinformatics analyses |
| Seurat package | CRAN | v4.0 | Single-cell RNA sequencing data preprocessing and analysis |
| siS100P | Tsingke Biotech Co., Ltd | N/A | Small interfering RNA targeting S100P |
| SingleR package | Bioconductor | v2.6.0 | Cell type annotation for single-cell RNA sequencing |
| STRING database | STRING Consortium | N/A | Protein-protein interaction analysis |
| SW1116 cell line | Cell Bank of the Chinese Academy of Sciences | N/A | Human colorectal cancer cell line |
| TB Green qPCR Mix | Takara Bio | RR430B | Quantitative real-time PCR |
| TCGA-CRC dataset | The Cancer Genome Atlas (TCGA) | N/A | Public colorectal cancer transcriptomic dataset |
| TRIzol reagent | Invitrogen | 15596-026 | Total RNA extraction |
| WGCNA package | CRAN | v1.73 | Weighted gene co-expression network analysis |
מקורות
- Xu R, Du W, Yang Q, Du A. ITGB2 related to immune cell infiltration as a potential therapeutic target of inflammatory bowel disease using bioinformatics and functional research. Journal of cellular and molecular medicine. 2024;28(15):e18501.
- Sun HW, Zhang X, Shen CC. The shared circulating diagnostic biomarkers and molecular mechanisms of systemic lupus erythematosus and inflammatory bowel disease. Frontiers in immunology. 2024;15:1354348.
- Faye AS, Holmer AK, Axelrad JE. Cancer in inflammatory bowel disease. Gastroenterology clinics of North America. 2022;51(3):649-66.
- Yu J, et al. Risk of hepato-pancreato-biliary cancer is increased by primary sclerosing cholangitis in patients with inflammatory bowel disease: A population-based cohort study. United European gastroenterology journal. 2022;10(2):212-24.
- Xia B, et al. Identification of potential shared gene signatures between gastric cancer and type 2 diabetes: A data-driven analysis. Frontiers in medicine. 2024;11:1382004.
- Luo Y, et al. Exploring the molecular mechanism of comorbidity of type 2 diabetes mellitus and colorectal cancer: Insights from bulk omics and single-cell sequencing validation. Biomolecules. 2024;14(6).
- Newman AM, et al. Robust enumeration of cell subsets from tissue expression profiles. Nature methods. 2015;12(5):453-7.
- Sun W, et al. Construction and validation of a novel senescence-related risk score can help predict the prognosis and tumor microenvironment of gastric cancer patients and determine that STK40 can affect the ROS accumulation and proliferation ability of gastric cancer cells. Frontiers in immunology. 2023;14:1259231.
- Hong J, et al. A zinc metabolism-related gene signature for predicting prognosis and characteristics of breast cancer. Front Immunol. 2023;14:1276280.
- Man KF, et al. CREB1-BCL2 drives mitochondrial resilience in RAS GAP-dependent breast cancer chemoresistance. Oncogene. 2025;44(16):1093-105.
- Zhou H, et al. S100P promotes trophoblast syncytialization during early placenta development by regulating YAP1. Frontiers in endocrinology. 2022;13:860261.
- Zhou C, et al. Novel exosome-associated LncRNA model predicts colorectal cancer prognosis and drug response. Hereditas. 2025;162(1):79.
- Hong J, et al. Integrative PANoptosis-focused omics analysis uncovers GSDMC as a candidate biomarker in breast cancer. Frontiers in Cell and Developmental Biology. 2026;Volume 14 - 2026.
- Qiu C, et al. Hsa_circ_0004662 accelerates the progression of ulcerative colitis via the microRNA-532/HMGB3 signalling axis. Journal of cellular and molecular medicine. 2025;29(6):e70430.
- Schmid F, et al. Calcium-binding protein S100P is a new target gene of MACC1, drives colorectal cancer metastasis and serves as a prognostic biomarker. British journal of cancer. 2022;127(4):675-85.
- Arumugam T, Simeone DM, Van Golen K, Logsdon CD. S100P promotes pancreatic cancer growth, survival, and invasion. Clinical cancer research: an official journal of the American Association for Cancer Research. 2005;11(15):5356-64.
- Zong J, et al. The two-directional prospective association between inflammatory bowel disease and neurodegenerative disorders: A systematic review and meta-analysis based on longitudinal studies. Frontiers in immunology. 2024;15:1325908.
- Yaqubi K, et al. Inflammatory bowel disease is associated with an increase in the incidence of multiple sclerosis: A retrospective cohort study of 24,934 patients. European journal of medical research. 2024;29(1):186.
- Li CY, et al. Genome-wide genetic links between amyotrophic lateral sclerosis and autoimmune diseases. BMC medicine. 2021;19(1):27.
- Shigesi N, et al. The association between endometriosis and autoimmune diseases: A systematic review and meta-analysis. Human reproduction update. 2019;25(4):486-503.
- Sonnenberg A, Duong HT, McCarty DJ, El-Serag HB. Concurrence of inflammatory bowel disease with multiple sclerosis or Hodgkin lymphoma. European journal of gastroenterology & hepatology. 2023;35(12):1349-53.
- Chacon-Millan P, et al. A combination of microarray-based profiling and biocomputational analysis identified miR331-3p and hsa-let-7d-5p as potential biomarkers of ulcerative colitis progression to colorectal cancer. International journal of molecular sciences. 2024;25(11).
- Everhov Å H, et al. Inflammatory bowel disease and pancreatic cancer: A Scandinavian register-based cohort study 1969-2017. Alimentary pharmacology & therapeutics. 2020;52(1):143-54.
- Contran N, et al. Colorectal cancer and inflammatory bowel diseases share common salivary proteomic pathways. Scientific reports. 2024;14(1):17711.
- Sun W, et al. Osthole pretreatment alleviates TNBS-induced colitis in mice via both cAMP/PKA-dependent and independent pathways. Acta pharmacologica Sinica. 2017;38(8):1120-8.
- Li SY, et al. Diosgenin exerts anti-tumor effects through inactivation of cAMP/PKA/CREB signaling pathway in colorectal cancer. European journal of pharmacology. 2021;908:174370.
- Castro-Pando S, et al. Pancreatic epithelial IL17/IL17RA signaling drives B7-H4 expression to promote tumorigenesis. Cancer immunology research. 2024;12(9):1170-83.
- Kayed H, et al. FXYD3 is overexpressed in pancreatic ductal adenocarcinoma and influences pancreatic cancer cell growth. International journal of cancer. 2006;118(1):43-54.
- Wang H, et al. Mesenchymal stem cells ameliorate DSS-induced experimental colitis by modulating the gut microbiota and MUC-1 pathway. Journal of inflammation research. 2023;16:2023-39.
- Li W, et al. MUC1-C drives stemness in progression of colitis to colorectal cancer. JCI insight. 2020;5(12).
- Murthy D, et al. The MUC1-HIF-1α signaling axis regulates pancreatic cancer pathogenesis through polyamine metabolism remodeling. Proceedings of the National Academy of Sciences of the United States of America. 2024;121(14):e2315509121.
- Sun W, et al. TRIM47 regulates energy metabolism via glycolytic reprogramming to drive hepatocellular carcinoma progression and represents an efficient therapeutic target. Adv Sci (Weinh). 2026;13(17):e16996.
- Sun W, et al. METTL4 enhances GLI1 translation through m(6)Am modification to promote tumor progression as a therapeutic target for hepatocellular carcinoma. J Adv Res. 2026.
- Yuan Y, et al. RNA nanotherapeutics for hepatocellular carcinoma treatment. Theranostics. 2025;15(3):965-92.