הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר מחקר

S100P כסמן ביולוגי משותף במחלות מעי דלקתיות, סרטן המעי הגס ואדנוקרצינומה בלבלב: ניתוח טרנסקריפטומי משולב

130 צפיות

⸱

DOI:

10.3791/71735

⸱

11 באוגוסט 2026

 ,  ,  ,  , 
1Medical School of Tianjin University, 2Peking University People's Hospital, 3Zhaoyuan Maternal and Child Health Service Center, 4Yantai Center for Disease Control and Prevention, 5Yantaishan Hospital

* These authors contributed equally

במאמר זה

סיכום

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.

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.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

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 (***).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

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).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

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...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

ניגוד עניינים:
המחברים מצהירים שאין להם אינטרסים מתחרים.

תודות

המחברים מכירים בתמיכה כספית מתוכנית המחקר והפיתוח הלאומית של סין (מענק מס' 2023YFB3210400).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
BXPC2 cell lineCell Bank of the Chinese Academy of SciencesN/AHuman pancreatic adenocarcinoma cell line
CIBERSORTN/AN/AImmune cell infiltration analysis
clusterProfiler packageBioconductorv4.8.0Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analyses
Dulbecco's Modified Eagle Medium (DMEM)Thermo Fisher Scientific11965092Cell culture medium
Fetal bovine serum (FBS)Thermo Fisher ScientificA5256701Cell culture supplement
FHC cell lineCell Bank of the Chinese Academy of SciencesN/AHuman normal colonic epithelial cell line
GEO dataset (GSE128735)Gene Expression Omnibus (GEO)N/APublic gene expression dataset for pancreatic adenocarcinoma
GEO dataset (GSE154778)Gene Expression Omnibus (GEO)N/APublic single-cell RNA sequencing dataset for pancreatic adenocarcinoma
GEO dataset (GSE166555)Gene Expression Omnibus (GEO)N/APublic single-cell RNA sequencing dataset for colorectal cancer
GEO dataset (GSE179285)Gene Expression Omnibus (GEO)N/APublic gene expression dataset for inflammatory bowel disease
GEO dataset (GSE214695)Gene Expression Omnibus (GEO)N/APublic single-cell RNA sequencing dataset for inflammatory bowel disease
GEO dataset (GSE24287)Gene Expression Omnibus (GEO)N/APublic gene expression dataset for inflammatory bowel disease
GEO dataset (GSE62452)Gene Expression Omnibus (GEO)N/APublic gene expression dataset for pancreatic adenocarcinoma
GEO dataset (GSE87211)Gene Expression Omnibus (GEO)N/APublic gene expression dataset for colorectal cancer
ggplot2 packageCRANv3.4.2Data visualization
HCT116 cell lineCell Bank of the Chinese Academy of SciencesN/AHuman colorectal cancer cell line
ImageJNational Institutes of Health (NIH)v1.8.0Colony counting
jetPRIME Transfection ReagentPolyplus101000046Cell transfection
Lipopolysaccharide (LPS)Beyotime Co., LtdS1735Induction of an inflammation-mimicking IBD cell model
limma packageBioconductorv3.54.0Differential expression analysis
NCM460 cell lineCell Bank of the Chinese Academy of SciencesN/AHuman normal colonic epithelial cell line
org.Hs.eg.db packageBioconductorv3.23.1Gene annotation for enrichment analysis
PANC1 cell lineCell Bank of the Chinese Academy of SciencesN/AHuman pancreatic adenocarcinoma cell line
Penicillin–streptomycinThermo Fisher Scientific15140-122Antibiotic supplement for cell culture
pheatmap packageCRANv1.0.12Heatmap visualization
pROC packageCRANv1.19.0.1Receiver operating characteristic (ROC) analysis
PrimeScript RT Master MixTakara BioRR036AReverse transcription of RNA into cDNA
Primer sets for qRT-PCRTsingke Biotech Co., LtdN/APrimer sequences reported in Reference 11
R softwareR Foundation for Statistical Computingv4.1.2Statistical and bioinformatics analyses
Seurat packageCRANv4.0Single-cell RNA sequencing data preprocessing and analysis
siS100PTsingke Biotech Co., LtdN/ASmall interfering RNA targeting S100P
SingleR packageBioconductorv2.6.0Cell type annotation for single-cell RNA sequencing
STRING databaseSTRING ConsortiumN/AProtein-protein interaction analysis
SW1116 cell lineCell Bank of the Chinese Academy of SciencesN/AHuman colorectal cancer cell line
TB Green qPCR MixTakara BioRR430BQuantitative real-time PCR
TCGA-CRC datasetThe Cancer Genome Atlas (TCGA)N/APublic colorectal cancer transcriptomic dataset
TRIzol reagentInvitrogen15596-026Total RNA extraction
WGCNA packageCRANv1.73Weighted gene co-expression network analysis

מקורות

  1. 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.
  2. 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.
  3. Faye AS, Holmer AK, Axelrad JE. Cancer in inflammatory bowel disease. Gastroenterology clinics of North America. 2022;51(3):649-66.
  4. 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.
  5. 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.
  6. 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).
  7. Newman AM, et al. Robust enumeration of cell subsets from tissue expression profiles. Nature methods. 2015;12(5):453-7.
  8. 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.
  9. Hong J, et al. A zinc metabolism-related gene signature for predicting prognosis and characteristics of breast cancer. Front Immunol. 2023;14:1276280.
  10. Man KF, et al. CREB1-BCL2 drives mitochondrial resilience in RAS GAP-dependent breast cancer chemoresistance. Oncogene. 2025;44(16):1093-105.
  11. Zhou H, et al. S100P promotes trophoblast syncytialization during early placenta development by regulating YAP1. Frontiers in endocrinology. 2022;13:860261.
  12. Zhou C, et al. Novel exosome-associated LncRNA model predicts colorectal cancer prognosis and drug response. Hereditas. 2025;162(1):79.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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.
  19. Li CY, et al. Genome-wide genetic links between amyotrophic lateral sclerosis and autoimmune diseases. BMC medicine. 2021;19(1):27.
  20. 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.
  21. 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.
  22. 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).
  23. 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.
  24. Contran N, et al. Colorectal cancer and inflammatory bowel diseases share common salivary proteomic pathways. Scientific reports. 2024;14(1):17711.
  25. 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.
  26. 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.
  27. 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.
  28. 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.
  29. 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.
  30. Li W, et al. MUC1-C drives stemness in progression of colitis to colorectal cancer. JCI insight. 2020;5(12).
  31. 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.
  32. 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.
  33. 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.
  34. Yuan Y, et al. RNA nanotherapeutics for hepatocellular carcinoma treatment. Theranostics. 2025;15(3):965-92.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

מחקר סרטןגיליון 234גיליון 234מחלה דלקתית של המעייםסרטן המעי הגס והחךאדנוקרצינומה של הלבלבאבחנהחיסוניS100P
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.