È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo di ricerca

Espressione della proteina lettrice di m6A YTHDC2 nel carcinoma polmonare non a piccole cellule in una coorte clinica cinese

75 visualizzazioni

⸱

DOI:

10.3791/72012

⸱

14 agosto 2026

 ,  , 
1The First School of Clinical Medicine, Hainan Medical University, 2School of Basic Medical Sciences, Hainan Medical University

In questo articolo

Sommario

Questo studio valuta l'espressione di YTHDC2 nel carcinoma polmonare non a piccole cellule utilizzando bioinformatica e qRT-PCR. Mentre le analisi dei database suggeriscono una ridotta espressione e una rilevanza prognostica, la validazione clinica non mostra alcuna differenza significativa. I risultati evidenziano incongruenze, indicando un'accuratezza diagnostica limitata e la necessità di ulteriori conferme prima di un'applicazione clinica.

Abstract

Il cancro del polmone non a piccole cellule (NSCLC) rimane una delle principali cause di mortalità correlata al cancro a livello mondiale, con biomarcatori disponibili limitati per la diagnosi precoce e la prognosi. La modificazione dell'RNA mediante N6-metiladenosina (m6A) e le relative proteine lettore, come YTHDC2, svolgono ruoli fondamentali nella regolazione genica e nella tumorigenesi. Questo studio mira a valutare il profilo di espressione di YTHDC2 nei tessuti di NSCLC mediante analisi bioinformatiche e PCR quantitativa in tempo reale (qRT-PCR), ad analizzare la relazione tra YTHDC2 e le caratteristiche clinicopatologiche e ad esplorarne la potenziale rilevanza clinica e biologica per future ricerche. Sono stati analizzati dati di espressione genica e di sopravvivenza provenienti da database per valutare l'accuratezza prognostica. L'espressione di YTHDC2 è stata quantificata in tessuti di NSCLC appartenenti a una coorte clinica cinese e sono state analizzate le caratteristiche clinicopatologiche. Le analisi dei database pubblici hanno mostrato che YTHDC2 è sottoespresso nei tessuti di NSCLC (p < 0,05) ed è associato alla sopravvivenza del paziente, sebbene le prestazioni prognostiche siano scarse (AUC ≈ 0,5). L'analisi qRT-PCR di 19 coppie di tessuti tumorali e tessuti normali adiacenti non ha evidenziato differenze statisticamente significative (p = 0,537) nell'espressione di YTHDC2 tra tessuto tumorale e tessuto adiacente. Nel complesso, le analisi dei database pubblici suggeriscono che YTHDC2 potrebbe essere sottoespresso e avere una potenziale rilevanza prognostica nel NSCLC, ma la validazione clinica indipendente nella nostra coorte non ha confermato una differenza significativa nell'espressione. Questi risultati evidenziano una sostanziale eterogeneità tra dataset su larga scala e coorti del mondo reale, indicando che YTHDC2 difficilmente potrà essere utilizzato come biomarcatore diagnostico o prognostico affidabile autonomo e potrebbe richiedere l'integrazione con ulteriori marcatori molecolari per un'applicabilità clinica.

Introduzione

Il carcinoma polmonare non a piccole cellule (NSCLC), che comprende il carcinoma a cellule squamose e l'adenocarcinoma, è il tipo di cancro al polmone più frequentemente diagnosticato ed è una delle principali cause di mortalità oncologica a livello globale1. Le statistiche globali sui tumori mostrano che il cancro del polmone è una delle principali cause di decesso per neoplasia2. I recenti progressi nella diagnosi, chirurgia, radioterapia e terapia mirata molecolare non hanno migliorato in modo significativo la prognosi del NSCLC, poiché la diagnosi iniziale avviene spesso in fase avanzata e la malattia è frequentemente asintomatica nei primi stadi3. Ciò sottolinea la necessità di nuovi biomarcatori per identificare, stabilire la prognosi e valutare l'efficacia del trattamento nei pazienti con NSCLC.

L'm6A è la prima e la più abbondante modificazione dell'RNA identificata negli eucarioti ed è stata associata alla stabilità dell'RNA, traduzione e trascrizione4. Le modificazioni m6A sono dinamiche e reversibili, favorite da metiltransferasi (scrittori), demetilasi (gommatori) e proteine leganti specifiche (lettori)5. Tra queste, YTHDC2, una principale proteina lettore m6A, modula la stabilità dell'RNA e il tasso di traduzione6. Studi recenti indicano che YTHDC2 è coinvolta nella regolazione di diversi tipi di cancro, sia sopprimendo la crescita cellulare e l'invasione, sia inducendo la morte cellulare7. Altri studi hanno evidenziato la rilevanza clinica di ulteriori proteine lettrici m6A, tra cui YTHDF1, YTHDF2 e YTHDC1, nella progressione del cancro polmonare, nella regolazione immunitaria e nella prognosi, sottolineando l'importanza di una valutazione sistematica dei singoli lettori m6A in coorti indipendenti di pazienti8,9,10. Nel NSCLC, i livelli di YTHDC2 sono significativamente ridotti, condizione associata a stadi tumorali avanzati, metastasi linfonodale e prognosi sfavorevole per i pazienti, suggerendo che potrebbe agire come fattore antitumorale11. Esperimenti in vitro e in vivo rivelano inoltre che un'elevata espressione di YTHDC2 inibisce la proliferazione cellulare e la metastasi nel cancro polmonare7.

In questo studio, la regolazione di YTHDC2 nel carcinoma polmonare non a piccole cellule (NSCLC) è stata indagata mediante analisi computazionali integrate e validazione sperimentale tramite qRT-PCR. È stata inoltre esaminata la relazione tra l'espressione di YTHDC2 e le caratteristiche clinicopatologiche e la prognosi del paziente. Nonostante le crescenti evidenze provenienti da database pubblici suggeriscano una disregolazione di YTHDC2 nel NSCLC, studi pubblicati hanno riportato risultati discordanti riguardo all'entità e al significato clinico di tale disregolazione, e la validazione indipendente in coorti cliniche ben caratterizzate del mondo reale, in particolare nelle popolazioni asiatiche, rimane limitata. Inoltre, la maggior parte degli studi precedenti si è basata prevalentemente su dataset trascrittomici pubblici o su modelli sperimentali, con pochi studi che integrano i risultati di bioinformatica con una validazione clinica indipendente. Combinando ampie analisi trascrittomiche pubbliche con una validazione indipendente mediante qRT-PCR in una coorte clinica cinese, questo studio ha mirato a valutare la riproducibilità dei risultati precedenti e a colmare il divario traslazionale tra le analisi dei database pubblici e i campioni clinici del mondo reale. Pertanto, lo studio ha avuto l'obiettivo di valutare sistematicamente l'espressione di YTHDC2 utilizzando approcci integrati di bioinformatica e validazione clinica, e di valutarne la potenziale rilevanza biologica e clinica nel NSCLC. Si è ipotizzato che l'espressione di YTHDC2 sia disregolata nel NSCLC e che l'integrazione delle analisi di bioinformatica con una validazione clinica indipendente possa fornire una valutazione più affidabile del suo significato diagnostico e prognostico rispetto a ciascun approccio considerato singolarmente.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Lo studio è stato approvato dal Comitato Etico dell'Università di Medicina di Hainan (numero di approvazione HMC1984.24) ed è stato condotto in conformità con la Dichiarazione di Helsinki (come rivista nel 2013).

Soggetti dello studio

È stato condotto uno studio su 50 pazienti con cancro del polmone diagnosticati tra il 2017 e il 2024 presso l'Ospedale Centrale di Sanya nella provincia di Hainan, utilizzando le Linee Guida Cliniche dell'Associazione Medica Cinese per la Diagnosi e il Trattamento del Cancro del Polmone (Edizione 2024). La stadiazione CSCO (2024) è stata allineata all'edizione ottava del sistema AJCC per garantire confrontabilità tra studi, come precedentemente validato in coorti cinesi12, con revisione indipendente da parte di due oncologi al fine di assicurare coerenza. Il processo di selezione dei pazienti, la disponibilità dei tessuti, la valutazione della qualità dell'RNA e l'inclusione finale dei campioni per l'analisi di qRT-PCR sono riassunti in Figura 1.

Dati dello studio

Questo studio ha utilizzato la bioinformatica per analizzare i livelli di espressione di YTHDC2 nel carcinoma polmonare non a piccole cellule (NSCLC) e la loro relazione con le caratteristiche clinicopatologiche, fornendo informazioni sui possibili meccanismi coinvolti. Le analisi bioinformatiche sono state eseguite esclusivamente utilizzando dati pubblici di sequenziamento dell'RNA provenienti da The Cancer Genome Atlas (TCGA), inclusi campioni di adenocarcinoma polmonare (LUAD), carcinoma polmonare a cellule squamose (LUSC) e tessuti polmonari normali corrispondenti, scaricati tramite il GDC Data Portal (https://portal.gdc.cancer.gov/). Il set di dati scaricato includeva informazioni sull'espressione genica ottenute tramite sequenziamento dell'RNA, insieme alle variabili cliniche disponibili (identificativo del paziente, identificativo del campione, età, sesso, stadio patologico, stato di sopravvivenza e tempo di sopravvivenza globale) per i casi idonei di TCGA-LUAD e TCGA-LUSC. I campioni privi di informazioni sull'espressione genica o sullo stato di sopravvivenza sono stati esclusi dalle analisi successive di sopravvivenza e ROC. Il set di dati utilizzato in questo studio è fornito come File Supplementare 1. Nessun campione clinico raccolto presso il Sanya Central Hospital è stato utilizzato per le analisi bioinformatiche. Le procedure dettagliate relative alle analisi GEPIA, Kaplan–Meier Plotter e survivalROC sono riportate nella sezione Analisi bioinformatica riportata di seguito. L'intero flusso di lavoro bioinformatico, comprensivo di acquisizione dei dati, pre-elaborazione, analisi dell'espressione genica, analisi della sopravvivenza e analisi ROC, è riassunto nella Figura 2.

Criteri di inclusione ed esclusione

I criteri di inclusione ed esclusione dei pazienti sono riportati nella Tabella 1. Un’analisi della potenza statistica effettuata mediante software specializzato ha determinato che almeno 26 casi per gruppo avrebbero garantito una potenza dell’80% nel rilevare un effetto di entità moderata (d = 0,8, α = 0,05, test a due code). Sebbene l’arruolamento iniziale mirasse a includere 50 coppie nel gruppo di cancro polmonare, l’analisi finale di qRT-PCR ha incluso 30 campioni tumorali e 19 campioni di tessuto normale adiacente, dopo aver escluso quelli con qualità inadeguata del tessuto o dell’RNA. Questa riduzione della numerosità campionaria riflette i vincoli clinici reali e sottolinea l’importanza dell’integrità dell’RNA e della disponibilità del tessuto negli studi traslazionali. Con n = 19 per i confronti, l’entità minima dell’effetto rilevabile è d = 1,0 (potenza dell’80%, α = 0,05). Pertanto, l’esperimento aveva potenza sufficiente per rilevare differenze elevate, ma non piccole o moderate, nell’espressione di YTHDC2.

Campioni di tessuto e PCR quantitativa in tempo reale (qRT-PCR)

Le diagnosi patologiche sono state determinate in modo doppio cieco da due diversi patologi. La purezza tumorale è stata stimata dai patologi (>70% di cellule maligne) e confermata tramite ESTIMATE (TCGA). I tessuti normali adiacenti sono stati macrodissecati per minimizzare la contaminazione stromale. I tipi istologici di cancro del polmone includevano adenocarcinoma polmonare e carcinoma a cellule squamose, con 26 casi di adenocarcinoma polmonare e 4 casi di carcinoma a cellule squamose. Lo stadio clinico dei 50 pazienti con cancro del polmone è stato stabilito secondo i criteri di stadiazione riportati nelle “Linee guida cliniche dell'Associazione Medica Cinese per il cancro del polmone (Edizione 2024)”. I campioni di NSCLC confermati istopatologicamente (n = 50) rappresentavano distribuzioni cliniche tipiche (vedi Tabella 2). Dei 50 pazienti inizialmente arruolati, 30 campioni di tessuto tumorale e 19 campioni abbinati di tessuto normale adiacente hanno soddisfatto i criteri di qualità dell'RNA. Poiché l'analisi statistica accoppiata richiede campioni abbinati dello stesso paziente, il confronto tra l'espressione nel tumore e nel tessuto normale adiacente è stato effettuato utilizzando le 19 coppie disponibili. Questi campioni clinici sono stati utilizzati esclusivamente per la validazione sperimentale mediante qRT-PCR e sono stati analizzati indipendentemente dai dataset pubblici TCGA utilizzati per l'analisi bioinformatica. I campioni selezionati sono stati processati immediatamente dopo la conferma istopatologica e manipolati in condizioni prive di RNasi prima dell'estrazione dell'RNA. Questo sottogruppo rappresenta i casi in cui è stato possibile ottenere sia una quantità adeguata di tessuto sia un RNA totale di alta qualità (numero di integrità dell'RNA, RIN >7,0). La concentrazione e la purezza dell'RNA totale sono state misurate prima della trascrizione inversa, e solo i campioni con qualità dell'RNA adeguata (RIN >7,0) sono stati inclusi per le analisi successive. Quantità uguali di RNA totale sono state retrotrascritte in DNA complementare (cDNA) seguendo il protocollo del produttore prima della PCR quantitativa. Questo processo ha garantito la validità dei dati sull'espressione genica analizzati. Gli esperimenti di qRT-PCR sono stati eseguiti su un termociclatore per PCR in tempo reale, utilizzando un saggio di PCR quantitativa basato su sonde. Tutte le reazioni sono state eseguite in triplice replicazione, insieme a controlli senza stampo per garantire la riproducibilità analitica. L'amplificazione PCR è stata effettuata nelle seguenti condizioni di ciclaggio: un passaggio iniziale di attivazione/denaturazione enzimatica a 95°C per 10 minuti, seguito da 40 cicli di denaturazione a 95°C per 15 secondi e di annealing/estensione a 60°C per 60 secondi. I segnali di fluorescenza sono stati acquisiti al termine di ogni ciclo di amplificazione. Tutti i reagenti e i materiali monouso sono stati ottenuti da fornitori commerciali (vedi Tabella dei Materiali). Le sequenze dei primer e delle sonde utilizzate nella qRT-PCR sono riportate nella Tabella 3.

Analisi bioinformatica

Analisi del database GEPIA dell'espressione del gene YTHDC2

Il database GEPIA è stato utilizzato per analizzare l'espressione di YTHDC2 nel NSCLC. Il server web GEPIA (http://gepia.cancer-pku.cn/) è stato accessibile tramite un browser web. È stato selezionato il modulo Expression DIY, è stato inserito il simbolo genico "YTHDC2", sono stati selezionati i set di dati LUAD e LUSC, sono stati mantenuti i parametri di normalizzazione predefiniti e sono stati generati direttamente tramite l'interfaccia GEPIA i box plot dell'espressione differenziale. La significatività statistica è stata definita come p < 0,05.

Database del grafico di Kaplan-Meier per l'analisi della sopravvivenza nei pazienti con cancro del polmone

Lo studio ha analizzato la relazione tra l'espressione di YTHDC2 e la prognosi nei pazienti con cancro del polmone utilizzando il database Kaplan-Meier Plotter. È stato selezionato il dataset relativo al cancro del polmone, è stato inserito il simbolo genico "YTHDC2", è stata applicata l'opzione di cutoff migliore selezionata automaticamente e sono state generate le curve di Kaplan-Meier per la sopravvivenza complessiva e la sopravvivenza dopo la progressione, utilizzando le impostazioni di analisi predefinite. I pazienti sono stati automaticamente suddivisi in gruppi ad alta e bassa espressione mediante il cutoff ottimale determinato dalla piattaforma Kaplan-Meier Plotter, e i rapporti di rischio con i corrispondenti intervalli di confidenza al 95% sono stati calcolati utilizzando le impostazioni predefinite della piattaforma.

Eseguire pacchetti R nel software R per la creazione di grafici di curve ROC

I dati di espressione da sequenziamento dell'RNA e i corrispondenti metadati clinici per i casi idonei di TCGA-LUAD e TCGA-LUSC sono stati scaricati dal GDC Data Portal. I set di dati scaricati sono stati uniti in base all'identificatore del paziente e importati in R per le analisi successive. Il pacchetto survivalROC è stato utilizzato per generare curve ROC dipendenti dal tempo ai punti di previsione a 1, 3 e 5 anni, e i corrispondenti valori dell'area sotto la curva (AUC) sono stati calcolati per valutare le prestazioni prognostiche dell'espressione di YTHDC2. Solo i pazienti con dati disponibili di espressione da RNA-seq e informazioni sulla sopravvivenza di TCGA-LUAD e TCGA-LUSC sono stati inclusi nell'analisi survival ROC. La coorte clinica locale non è stata utilizzata per la previsione della sopravvivenza poiché non erano disponibili dati di follow-up a lungo termine.

Espressione tissutale di YTHDC2 mediante qRT-PCR

Per analizzare i livelli di espressione genica, è stata eseguita una qRT-PCR. Volumi uguali di cDNA sono stati aggiunti a ciascuna reazione secondo le condizioni raccomandate dal produttore. L'amplificazione è stata effettuata mediante un saggio di PCR quantitativa basato su sonde, e i dati di fluorescenza sono stati raccolti automaticamente al termine di ogni ciclo di amplificazione. In breve, il processo di estrazione dell'RNA ha comportato diverse fasi, tra cui la preparazione del campione, la deparaffinizzazione, la rimozione del liquido residuo, la digestione con proteinasi K, l'incubazione, la centrifugazione, il trattamento con DNasi, l'aggiunta di DNasi I e la precipitazione con etanolo. Il campione è stato quindi legato a una colonna di purificazione dell'RNA a base di silice e centrifugato a 8.000 × g per 30 s. La colonna è stata quindi lavata con wash buffer 1, wash buffer 2 e wash buffer 2 diluito con etanolo, e asciugata a 13.000 × g per 2 min. L'RNA è stato quindi eluito aggiungendo 70 µL di acqua priva di RNasi al centro della membrana della colonna, seguito da centrifugazione a 13.000 × g per 1 min. Ogni coppia di primer ha mostrato un singolo prodotto di amplificazione, confermato dall'analisi della curva di denaturazione prima del calcolo dell'espressione genica relativa. L'efficienza dei primer (90–110%) è stata validata mediante curve standard prima dell'analisi dei campioni. Le analisi delle curve di denaturazione hanno confermato la presenza di un singolo amplicone e l'assenza di dimeri di primer. L'espressione relativa di YTHDC2 è stata calcolata utilizzando il metodo 2-ΔCt, in cui i valori di Ct sono stati normalizzati rispetto al gene di riferimento endogeno GAPDH. Poiché i valori di espressione sono stati presentati come livelli di espressione normalizzati anziché come variazioni di fold rispetto a un campione calibratore, i risultati sono riportati come valori di 2−ΔCt. Il gene GAPDH è stato scelto come gene di controllo perché la sua espressione ha mostrato una variabilità minima (CV < 5%) rispetto alle alternative testate (ACTB, CV = 12%; 18S rRNA, CV = 18%), in accordo con i criteri di selezione dei geni di riferimento negli studi sull'm6A.

Analisi statistica

Le analisi statistiche sono state eseguite utilizzando software statistici, inclusa la creazione di grafici e diagrammi. Per analizzare i dati quantitativi e categorici sull'espressione del gene YTHDC2 in pazienti con NSCLC, è stato utilizzato il software R per le analisi bioinformatiche e la generazione delle curve ROC. Le curve ROC e l'AUC sono state utilizzate per valutare le prestazioni diagnostiche dell'espressione di YTHDC2 nella previsione della sopravvivenza. Per le analisi basate su regressione, sono stati riportati, ove applicabile, le stime dell'effetto (odds ratio) con i corrispondenti intervalli di confidenza al 95%. Il test di Wilcoxon per campioni appaiati è stato utilizzato per confrontare l'espressione di YTHDC2 tra campioni tumorali e tessuti normali adiacenti appaiati, mentre l'analisi di correlazione di Pearson è stata impiegata per valutare l'associazione tra l'espressione di YTHDC2 e le caratteristiche clinicopatologiche. Sono stati riportati i coefficienti di correlazione (r) e i corrispondenti valori p. Poiché i dati di qRT-PCR comprendevano campioni appaiati di tessuto tumorale e tessuto normale adiacente provenienti dagli stessi pazienti e i dati sull'espressione genica non presentavano distribuzione normale, è stato utilizzato il test di Wilcoxon per campioni appaiati per confrontare i livelli di espressione di YTHDC2 tra i tessuti appaiati. Questo test non presuppone la normalità dei dati ed è comunemente usato per dati biologici asimmetrici. Tutti i test statistici erano a due code e un valore di p <0,05 è stato considerato statisticamente significativo. Le variabili continue sono state valutate per la normalità prima dell'analisi. Le variabili continue sono presentate come media ± deviazione standard o mediana (intervallo interquartile), a seconda dei casi.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Espressione del gene YTHDC2 nei tumori in base al database TCGA

Figura 3 illustra l'associazione tra NSCLC e YTHDC2 esaminando i livelli di espressione di YTHDC2 in diversi tipi di cancro mediante l'uso dello strumento GDC nel database TCGA.

Espressione del gene YTHDC2 nel NSCLC nel database GEPIA

Sono stati ottenuti 483 campioni di tessuto di adenocarcinoma polmonare, 347 ca...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

YTHDC2, la proteina legante l'N6-metiladenosina (m6A) più grande della famiglia YTH, è unica per la sua attività di elicasa RNA dipendente dall'ATP, distinguendola come un regolatore chiave del metabolismo dell'RNA13. A differenza di altri membri della famiglia YTH, YTHDC2 è presente sia nel nucleo che nel citoplasma, dove regola la traduzione dell'mRNA e la stabilità dell'RNA14. Studi sperimentali precedenti hanno dimostrato che YTHDC2 sopprime la progressione del carcinom...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori non hanno interessi finanziari o non finanziari rilevanti da dichiarare.

Ringraziamenti

Questo studio è stato sostenuto dalla Fondazione delle Scienze Naturali della Provincia di Hainan (n. 821RC735).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Primer e sonde personalizzatiSangon Biotech Co., Ltd., Shanghai, CinaSintesi su misuraSequenze di primer e sonde elencate nella Tabella 6
DNasi IMagen Biotechnology Co., Ltd., Guangzhou, CinaDNasi I (HiPure FFPE RNA Kit)Rimozione della contaminazione da DNA genomico
Algoritmo ESTIMATEYoshihara et al.Pacchetto R (Versione 1.0.13)Stima della purezza tumorale
Kit per l'estrazione di RNA da FFPEMagen Biotechnology Co., Ltd., Guangzhou, CinaHiPure FFPE RNA Kit (R4130-02)Estrazione di RNA da tessuto FFPE
Portale dei dati GDCIstituto Nazionale del Cancro (NCI), NIH, Stati Unitihttps://portal.gdc.cancer.govDownload dei set di dati TCGA
Server web GEPIAUniversità di Pechino, Cinahttp://gepia.cancer-pku.cnAnalisi dell'espressione genica
Tracciato di Kaplan–MeierUniversità Semmelweis, Ungheriahttps://kmplot.comAnalisi della sopravvivenza
MicracentrifugaEppendorf AG, Amburgo, Germania5424 RProcedure di purificazione dell'RNA
Spettrofotometro NanoDropThermo Fisher Scientific, Waltham, MA, Stati UnitiNanoDrop 2000/2000cQuantificazione dell'RNA
Mix master per qPCR basato su sondeThermo Fisher Scientific, Waltham, MA, Stati UnitiTaqMan Universal PCR Master Mix II (4440040)Amplificazione PCR quantitativa
Software statistico RFondazione R per il Calcolo Statistico, Vienna, AustriaVersione 4.4.1Analisi statistiche e analisi ROC
Sistema PCR in tempo realeBio-Rad Laboratories, Hercules, CA, Stati UnitiCFX Opus 96PCR quantitativa in tempo reale
Kit di trascrizione inversaThermo Fisher Scientific, Waltham, MA, Stati UnitiRevertAid First Strand cDNA Synthesis Kit (K1622)Sintesi di cDNA
Colonna di purificazione dell'RNAMagen Biotechnology Co., Ltd., Guangzhou, CinaHiPure Mini Column IColonna di purificazione dell'RNA con membrana di silice
Acqua priva di RNasiMagen Biotechnology Co., Ltd., Guangzhou, CinaAcqua priva di RNasiEluizione dell'RNA
SPSS StatisticsIBM Corp., Armonk, NY, Stati UnitiIBM SPSS Statistics Versione 27.0Analisi statistiche
Pacchetto survivalROCCRAN (Fondazione R per il Calcolo Statistico)Versione 1.0.3.1Analisi ROC dipendente dal tempo
Database TCGAIstituto Nazionale del Cancro (NCI), NIH, Stati Unitihttps://portal.gdc.cancer.govDatabase pubblico di genomica del cancro
Buffer di lavaggio RW1Magen Biotechnology Co., Ltd., Guangzhou, CinaBuffer RW1Buffer di lavaggio per la purificazione dell'RNA
Buffer di lavaggio RW2Magen Biotechnology Co., Ltd., Guangzhou, CinaBuffer RW2Buffer di lavaggio per la purificazione dell'RNA

Riferimenti

  1. Shen, Y., Chen, J. Q., Li, X. P. Differences between lung adenocarcinoma and lung squamous cell carcinoma: Driver genes, therapeutic targets, and clinical efficacy. Genes Dis. 12 (1), 101374 (2025).
  2. Cao, W., Qin, K., Li, F., Chen, W. Comparative study of cancer profiles between 2020 and 2022 using global cancer statistics (GLOBOCAN). J. Natl. Cancer Cent. 4 (2), 128-134 (2024).
  3. Alduais, Y., Zhang, H., Fan, F., Chen, J., Chen, B. Non-small cell lung cancer (NSCLC): A review of risk factors, diagnosis, and treatment. Medicine (Baltimore). 102 (13), e32899 (2023).
  4. Sun, H., Li, K., Liu, C., Yi, C. Regulation and functions of non-m6A mRNA modifications. Nat. Rev. Mol. Cell Biol. 24 (11), 714-731 (2023).
  5. Zhang, W., Qian, Y., Jia, G. The detection and functions of RNA modification m6A based on m6A writers and erasers. J. Biol. Chem. 297 (2), 100973 (2021).
  6. Li, Y. et al. Autophagy activation is required for N6-methyladenosine modification to regulate ferroptosis in hepatocellular carcinoma. Redox Biol. 69, 102971 (2024).
  7. Wang, J. et al. Downregulation of m6A reader YTHDC2 promotes the proliferation and migration of malignant lung cells via the CYLD/NF-κB pathway. Int. J. Biol. Sci. 17 (10), 2633-2651 (2021).
  8. Koh, Y. W., Han, J. H., Haam, S., Lee, H. W. Prognostic and predictive value of YTHDF1 and YTHDF2 and their correlation with tumor-infiltrating immune cells in non-small cell carcinoma. Front. Oncol. 12, 996634 (2022).
  9. Tsuchiya, K. et al. YTHDF1 and YTHDF2 are associated with better patient survival and an inflamed tumor-immune microenvironment in non-small-cell lung cancer. Oncoimmunology. 10 (1), 1962656 (2021).
  10. Diao, H. et al. The m6A reader YTHDF1 promotes lung carcinoma progression via regulating ferritin-mediated ferroptosis in an m6A-dependent manner. Pharmaceuticals (Basel). 16 (2), 185 (2023).
  11. Sun, S. et al. Downregulation of m6A reader YTHDC2 promotes tumor progression and predicts poor prognosis in non-small cell lung cancer. Thorac. Cancer. 11 (11), 3269-3279 (2020).
  12. Chen, S., Wang, Z., Sun, B. Chinese Society of Clinical Oncology Non-small Cell Lung Cancer (CSCO NSCLC) guidelines in 2024: Key update on the management of early and locally advanced NSCLC. Cancer Biol. Med. In Press (2025). doi:10.20892/j.issn.2095-3941.2024.0592. (2025).
  13. Fan, S., Xu, X., Chen, J., Yin, Y., Zhao, Y. Genome-wide identification, characterization, and expression analysis of m6A readers-YTH domain-containing genes in alfalfa. BMC Genomics. 25, 18 (2024).
  14. Shi, R. et al. Linking the YTH domain to cancer: The importance of YTH family proteins in epigenetics. Cell Death Dis. 12 (4), 346 (2021).
  15. Wu, X. et al. The biological function of the N6-methyladenosine reader YTHDC2 and its role in diseases. J. Transl. Med. 22, 490 (2024).
  16. Teng, Y., Zhao, X., Xi, Y., Fu, N. N6-methyladenosine-regulated ADIRF impairs lung adenocarcinoma metastasis and serves as a potential prognostic biomarker. Cancer Biol. Ther. 24 (1), 2249173 (2023).
  17. Ma, L. et al. The m6A reader YTHDC2 inhibits lung adenocarcinoma tumorigenesis by suppressing SLC7A11-dependent antioxidant function. Redox Biol. 38, 101801 (2021).
  18. Ma, L. et al. Targeting SLC3A2 subunit of system XC− is essential for m6A reader YTHDC2 to be an endogenous ferroptosis inducer in lung adenocarcinoma. Free Radic. Biol. Med. 168, 25-43 (2021).
  19. Lin, Y. et al. Pan-cancer analysis reveals m6A variation and cell-specific regulatory network in different cancer types. Genomics Proteomics Bioinformatics. 22 (4), qzae052 (2024).
  20. Li, L. et al. Bioinformatic analysis of m6A "reader" YTH family in pan-cancer as a clinical prognosis biomarker. Sci. Rep. 13, 17350 (2023).
  21. Sun, Y., Liu, Y., Wang, P., Chang, L., Huang, J. The m6A reader YTHDC2 suppresses lung adenocarcinoma tumorigenesis by destabilizing MRPL12. Mol. Biotechnol. 66 (8), 1051-1061 (2024).
  22. Hajian-Tilaki, K. Receiver operating characteristic (ROC) curve analysis for medical diagnostic test evaluation. Caspian J. Intern. Med. 4 (2), 627-635 (2013).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Tag

Espressione di YTHDC2modifica dell RNA m6Aproteine readerregolazione genicatumorigenesiPCR quantitativa in tempo realebiomarcatori prognosticicaratteristiche clinicopatologicheanalisi bioinformatica
Contattaci
Consiglia alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.