Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

Overexpressie van tropomoduline 3 als marker voor platinaresistentie en immuuninfiltratie bij eierstokkanker

3.4K weergaven

⸱

DOI:

10.3791/65841

⸱

2 augustus 2024

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

* These authors contributed equally

In dit artikel

Samenvatting

Tropomoduline 3 (TMOD3) is de laatste jaren steeds vaker onderzocht bij tumoren. Deze studie is de eerste om te melden dat TMOD3 sterk tot expressie komt bij eierstokkanker en nauw verband houdt met platinaresistentie en immuuninfiltratie. Deze resultaten kunnen helpen de therapeutische resultaten voor eierstokkanker te verbeteren.

Samenvatting

Het cytoskelet speelt een belangrijke rol bij platinaresistentie bij eierstokkanker. Tropomoduline 3 (TMOD3) is van cruciaal belang bij de ontwikkeling van veel tumoren, maar de rol ervan in de resistentie tegen geneesmiddelen van eierstokkanker blijft onontgonnen. Door gegevens te analyseren uit de databases Gene Expression Omnibus (GEO), The Cancer Genome Atlas (TCGA) en Clinical Proteomic Tumor Analysis Consortium (CPTAC), vergeleek deze studie TMOD3-expressie bij eierstokkanker en normale weefsels, en onderzocht de expressie van TMOD3 na behandeling met platina bij platinagevoelige en platina-resistente eierstokkankers. De Kaplan-Meier-methode werd gebruikt om het effect van TMOD3 op de algehele overleving (OS) en progressievrije overleving (PFS) bij patiënten met eierstokkanker te beoordelen. microRNA's (miRNA's) gericht tegen TMOD3 werden voorspeld met behulp van TargetScan en geanalyseerd met behulp van de TCGA-database. Tumor Immune Estimation Resource (TIMER) en een geïntegreerd repositoryportaal voor interacties tussen tumor en immuunsysteem (TISIDB) werden gebruikt om de relatie tussen TMOD3-expressie en immuuninfiltratie te bepalen. TMOD3-co-expressienetwerken bij eierstokkanker werden verkend met behulp van LinkedOmics, de Search Tool for the Retrieval of Interacting Genes/Proteins (STRING) en The Database for Annotation, Visualization, and Integrated Discovery (DAVID) Bioinformatics. De resultaten toonden aan dat TMOD3 sterk tot expressie kwam bij eierstokkanker en geassocieerd was met de beoordeling, stadiëring en metastase van eierstokkanker. De expressie van TMOD3 was significant verminderd bij met platina behandelde eierstokkankercellen en patiënten. De TMOD3-expressie was echter hoger in platina-resistente eierstokkankercellen en -weefsels in vergelijking met platina-gevoelige. Hogere TMOD3-expressie was significant geassocieerd met een lagere OS en PFS bij patiënten met eierstokkanker die werden behandeld met chemotherapie op basis van platina. miRNA-gemedieerde posttranscriptionele regulatie is waarschijnlijk verantwoordelijk voor hoge TMOD3-expressie in eierstokkanker en platina-resistente eierstokweefsels. De expressie van TMOD3-mRNA werd geassocieerd met immuuninfiltratie bij eierstokkanker. Deze bevindingen geven aan dat TMOD3 sterk tot expressie komt bij eierstokkanker en nauw geassocieerd is met platinaresistentie en immuuninfiltratie.

Inleiding

Eierstokkanker is wereldwijd de op één na hoogste in het sterftecijfer van gynaecologische tumoren1. Het kan op basis van histopathologie in drie typen worden ingedeeld: kiemcel-, gonadale mesenchymale en epitheliale tumoren, waarvan 90% van de patiënten epitheliale eierstokkanker is. Risicofactoren die verband houden met eierstokkanker zijn onder meer aanhoudende ovulatie, verhoogde blootstelling aan gonadotropine en inflammatoire cytokines2. Meer dan 75% van de gevallen van eierstokkanker wordt pas in een vergevorderd stadium ontdekt, wat resulteert in een gebrek aan effectieve behandeling. Patiënten met gevorderde eierstokkanker hebben een slechte prognose, met minder dan 20% van de 5-jaarsoverleving ondanks nieuwe chemotherapieregimes, zoals intraperitoneale toediening en gerichte therapie. De standaardbehandeling voor eierstokkanker bestaat voornamelijk uit een tumorresectiechirurgie gevolgd door chemotherapie met geneesmiddelen zoals platina en paclitaxel. Tumorrecidief komt echter in ongeveer 70% van de gevallenvoor1. Cisplatine oefent zijn therapeutische effecten uit door de DNA-replicatie en transcriptie te verstoren en is momenteel het eerstelijnsmiddel bij chemotherapie tegen eierstokkanker. Een aanzienlijk deel van de patiënten met eierstokkanker is echter platinaresistent3. Meerdere cellulaire processen, zoals geneesmiddeluitvloeiing, cellulaire ontgifting, DNA-reparatie, apoptose en autofagie, zijn van cruciaal belang bij platinaresistentie in eierstokkankercellen 4,5,6.

De verandering in het cytoskelet is een belangrijk mechanisme dat de platinaresistentie bij eierstokkanker beïnvloedt. Onlangs is gemeld dat cytoskelet-gerelateerde genen meestal afwijkend tot expressie worden gebracht en dat het actine-cytoskelet aanzienlijk is gewijzigd in aanwezigheid van door cisplatine veroorzaakte apoptose7. Veel onderzoeken hebben aangetoond dat cisplatine de nanomechanica van eierstokkankercellen moduleert. De celstijfheid van gevoelige cellen neemt dosisafhankelijk toe met platina, voornamelijk bijgedragen door de verstoring van de polymerisatie van actine. Daarentegen vertoonden cisplatine-resistente cellen geen significante verandering in celstijfheid na behandeling met cisplatine8. Bovendien waren de moduli van de Young van cisplatine-gevoelige eierstokkankercellen lager, zoals blijkt uit atomaire krachtmicroscopie. Daarentegen vertonen cisplatine-resistente eierstokkankercellen een cytoskelet dat wordt gekenmerkt door lange actine-stressvezels. Het remmen van Rho GTPase vermindert de stijfheid en verbetert de gevoeligheid voor cisplatine in deze resistente cellen. Omgekeerd verhoogt het activeren van Rho GTPase in cisplatinegevoelige cellen de celstijfheid en vermindert het hun gevoeligheid voor cisplatine9. Het RNA-bindende eiwit met meervoudige splitsing (RBPMS), een tumorsuppressorgen, vermindert de cisplatineresistentie in eierstokkankercellen door de eiwitexpressie van het cytoskeletale netwerk te reguleren en de celintegriteit te handhaven10. Actine-stressvezels zijn meer uitgesproken in A2780/CP-cellen in vergelijking met A2780-cellen. De ontwikkeling van resistentie tegen geneesmiddelen in eierstokkankercellen induceert een uitgebreide reorganisatie van het actine-cytoskelet, waardoor de cellulaire mechanische eigenschappen, beweeglijkheid en intracellulair geneesmiddeltransport worden beïnvloed.

TMOD3 is een cytoskeletregulerend eiwit dat de depolymerisatie van actine voorkomt door de langzaam groeiende (puntige) uiteinden van actinefilamenten af te dekken12. TMOD3 speelt verschillende rollen in verschillende celtypen door de actinedynamiek te reguleren en neemt deel aan verschillende processen, zoals het bevorderen van celvorm, celmigratie en spiercontractie. Er werd aangetoond dat TMOD3-deletie bij muizen leidt tot embryonale dood bij E14.5-E18.5, wat suggereert dat TMOD3 een kritieke factor kan zijn in de embryonale ontwikkeling13. Op basis van zijn biologische functies in stam- en voorlopercellen kan TMOD3 een essentiële rol spelen bij de progressie van tumoren. Bij hepatocellulair carcinoom bevordert TMOD3 de groei, invasie en migratie van hepatocellulair carcinoomcellen door de MAPK/ERK-signaleringsroute14 te activeren en bevordert metastase op afstand door de PI3K-AKT-route te activeren door interactie met de epidermale groeifactorreceptor15. MiRNA-490-3p remt de proliferatie en invasie van hepatocellulaire carcinoomcellen door zich te richten op TMOD316. MiR-145 verbetert de stralingsgevoeligheid van stralingsresistente niet-kleincellige longkanker door TMOD317 te remmen. In vitro experimenten toonden aan dat TMOD3 de invasie van slokdarmkankercellen medieerde door het cytoskelet te reguleren door interactie met lysyloxidasehomoloog 2 (LOXL2)18. Bovendien bleek uit proteomische analyse dat een hoge expressie van TMOD3 mogelijk etoposide-chemoresistentie bij longkanker zou kunnen mediëren via de apoptotische route19. Hoewel TMOD3 de laatste jaren steeds meer wordt bestudeerd in tumoren, zijn er nog steeds geen rapporten over de rol van TMOD3 bij eierstokkanker en chemotherapie.

Uit deze studie bleek dat TMOD3 wordt opgereguleerd bij eierstokkanker. Met name de opregulatie van TMOD3 werd geassocieerd met platinaresistentie. Deze studie evalueerde ook de prognostische waarde van TMOD3 bij eierstokkanker en de correlatie met immuuninfiltratie van de tumor. Deze studie suggereert dat overexpressie van TMOD3 bij eierstokkanker geassocieerd is met platinaresistentie.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

1. Omnibus voor genexpressie (GEO)

OPMERKING: TMOD3-expressie bij eierstokkanker, bij eierstokkanker behandeld met platinageneesmiddelen en bij geneesmiddelresistente eierstokkanker werd afgeleid van de GEO-datasets. Het studietype van alle datasets was expressieprofilering per array, en de organismen waren Homo sapiens.

  1. Ga naar de GEO-database (zie Materiaaltabel) en voer trefwoorden in zoals TMOD3, eierstokkanker en resistente of gegevenstoetreding in het zoekvak (zie aanvullende figuur 1A).
  2. Verdeel de gegevens in verschillende groepen in het vak Groepering definiëren. Kies in het optiemenu Benjamini en Hochberg (Percentage valse ontdekkingen) in het vak Aanpassing toepassen op de P-waarden en klik vervolgens op geanalyseerd in het menu GEO2R. Klik op download volledige tabel om de resultaten te krijgen.
  3. Onderzoek en plot de gedownloade gegevens met grafische en statistische software (zie aanvullende figuur 1B).
  4. Gebruik de ongepaarde t-toets voor de vergelijking tussen twee groepen.

2. TNMplot

OPMERKING: TNMplot maakt gebruik van RNA-seq-gegevens van The Cancer Genome Atlas (TCGA), Therapeutic Research to Generate Effective Treatments (TARGET) en Genotype-Tissue Expression (GTEx) repositories20. De expressie van TMOD3 in normaal eierstokweefsel en eierstokkanker werd geanalyseerd met behulp van TNMplot.

  1. Ga naar de TNMplot-webtool (zie Materiaaltabel) en klik op Tumor en normaal vergelijken.
  2. Voer TMOD3 in Kies een genenvak in en kies Ovarieel sereus cystadenocarcinoom in Kies weefseldoos .
  3. Klik op start analyse om de resultaten te krijgen (zie aanvullende figuur 1C).

3. UALCAN

OPMERKING: Het CANcer-gegevensanalyseportaal van de Universiteit van ALabama in Birmingham (UALCAN) is een gebruiksvriendelijke online bron voor het analyseren van openbaar beschikbare kankergegevens21. De expressie van TMOD3 op eiwitniveau in normaal weefsel en eierstokkanker in CPTAC-gegevens werd geanalyseerd met behulp van UALCAN.

  1. Ga naar UALCAN (zie Tabel met materialen) en klik op het menu Proteomics .
  2. Voer TMOD3 in het vak Gennamen invoeren in en kies eierstokkanker in het vak CPTAC-gegevensset .
  3. Klik op Verkennen om de resultaten te krijgen (zie aanvullende figuur 1D).

4. Prognostische analyse van de KM-plotter

OPMERKING: De prognostische waarde van TMOD3 bij eierstokkanker werd geanalyseerd met behulp van Kaplan Meier-plotter (KM-plotter), inclusief totale overleving (OS) en progressievrije overleving (PFS)22.

  1. Ga naar KM-plotter (zie Tabel met materialen), en klik op Start KM-plotter voor eierstokkanker.
  2. Plaats TMOD3 in het symboolvak Affy id/Gene .
  3. Kies Automatisch selecteren beste cutoff in Patiënten splitsen op vak.
  4. Kies bevat platine in de chemotherapie-optie bij het uitvoeren van prognoseanalyse voor patiënten met chemotherapie op basis van platina.
  5. Kies TCGA in Gebruik volgende dataset(s) voor het analysevak .
  6. Klik op Teken Kaplan-Meier-plot om de resultaten te krijgen (zie aanvullende figuur 2).

5. ROC-plotter

OPMERKING: De Receiver Operating Characteristics Curve (ROC) Plotter werd gebruikt om de expressie van TMOD3 te analyseren bij patiënten die resistent of gevoelig zijn voor chemotherapie op basis van platina en maakt validatie van het geïnteresseerde gen als voorspellende marker door ROC-curven mogelijk. Datasets van ROC-plotters op transcriptoomniveau zijn voornamelijk afkomstig uit de TCGA- en GEO-databases en bevatten behandelings- en responsgegevens van 1816 patiënten met eierstokkanker23.

  1. Ga naar De ROC-plotter (zie Materiaaltabel) en klik op ROC-plotter voor eierstokkanker.
  2. Plaats TMOD3 in het vak met het gensymbool .
  3. Kies Terugvalvrije overleving na 6 maanden in het vak Reageert en kies Platin in het vak Behandeling .
  4. Klik op Berekenen om de resultaten te krijgen (zie aanvullende figuur 3).

6. mRNA-miRNA-analyse

OPMERKING: De miRNA's gericht op TMOD3 werden voorspeld door TargetScan24, en vervolgens werd de correlatie van TMOD3 met deze miRNA's in de TCGA-dataset voor eierstokkanker geanalyseerd door cBioportal25. Vervolgens werd het bovenstaande resultaat gevisualiseerd door Cytoscape26. MiRNA-expressie bij cisplatinegevoelige en geneesmiddelresistente eierstokkankerpatiënten werd geanalyseerd door LinkedOmics27.

  1. Ga naar TargetScan (zie Tabel met materialen) en voer TMOD3 in het vak Voer een menselijk gen in (zie aanvullende afbeelding 4A).
  2. Ga naar cBioportal (zie Tabel met materialen).
  3. Kies de dataset voor sereus cystadenocarcinoom (TCGA, Nature 2011) en voeg TMOD3- en miRNA-symbolen in het vak Genen invoeren in.
  4. Klik op Submit Query om de correlatiegegevens van TMOD3 met miRNA's in de TCGA-dataset voor eierstokkanker te krijgen (zie aanvullende figuur 4B) en visualiseer vervolgens het resultaat door Cytoscape (zie Tabel met materialen) (zie aanvullende figuur 4C).
  5. Ga naar LinkedOmics (zie Materiaaltabel) en selecteer TCGA_OV Voorbeeldcohort .
  6. Kies klinisch in het vak Gegevensset zoeken selecteren en selecteer platinastatus in het vak Kenmerk van zoekgegevensset selecteren.
  7. Kies miRNASeq in het vak Doelgegevensset selecteren en kies t-test in Statistische methode selecteren.
  8. Klik op Aanvraag indienen om de resultaten te krijgen (zie aanvullende figuur 4D).

7. Immuno-infiltratie analyse

OPMERKING: De Human Protein Atlas (HPA)-database werd gebruikt om de verdeling van TMOD3 in verschillende immuuncellen te analyseren. TIMER is een handige online database die immuuninfiltratie analyseert die verband houdt met meerdere soorten kanker28. Deze studie gebruikte TIMER om de relatie tussen TMOD3-mRNA-expressie en zuiverheid van eierstokkanker en infiltratie van immuuncellen te analyseren. TISIDB is een online portaal voor interacties tussen tumor en immuunsysteem29. Deze studie gebruikte TISIDB om de correlatie tussen TMOD3 en immunomodulatoren bij eierstokkanker te bepalen.

  1. Ga naar HPA (zie Tabel met materialen) en voeg TMOD3 in het zoekvak in, dan krijg je het resultaat.
  2. Kies Immuun om de verdeling van TMOD3 in verschillende immuuncellen weer te geven (zie aanvullende figuur 5A).
  3. Ga naar TIMER (zie Materiaaltabel) en vul TMOD3 in het vak Gen Symbool in.
  4. Kies OV in het vak Kankersoorten en klik op Verzenden om het resultaat te krijgen (zie aanvullende figuur 5B).
  5. Ga naar TISIDB (zie Materiaaltabel) en vul TMOD3 in het vak Gen Symbool in.
  6. Klik op Verzenden om het resultaat te krijgen (zie aanvullende figuur 5C).

8. TMOD3-co-expressienetwerken bij eierstokkanker

OPMERKING: Genen die samen met TMOD3 tot expressie werden gebracht, werden geanalyseerd door LinkedOmics en TOP50-genen werden weergegeven door heatmaps. TMOD3-interagerende genen werden voorspeld door STRING30. Vervolgens werden de overlappende genen weergegeven door het Venn-diagram. De overlappende genen werden functioneel geannoteerd door DAVID31voor Gene Ontology Biological Process (GO-BP), Gene Ontology Cellular Component (GO-CC), Gene Ontology Molecular Function (GO-MF) en Kyoto Encyclopedia of Genes and Genomes (KEGG) routes.

  1. Ga naar LinkedOmics en selecteer TCGA_OV Voorbeeldcohort.
  2. Kies RNAseq in het vak Gegevensset zoeken zoeken en Doelgegevensset selecteren .
  3. Klik op Submit Query om de resultaten te krijgen van genen die samen met TMOD3 tot expressie zijn gebracht.
  4. Ga naar STRING (zie Tabel met materialen) en voer TMOD3 in het vak Eiwitnaam in.
  5. Kies homo sapiens in het vak Organismen en klik op zoeken om het resultaat te krijgen (zie aanvullende figuur 6).
  6. Ga naar DAVID (zie Tabel met materialen).
  7. Voeg de overlappende genen in het vak Genenlijst invoeren in en kies ENSEMBL _GENE_SYMBOL in het vak Identificatie selecteren .
  8. Klik op Verzendlijst om de resultaten te krijgen (zie aanvullende figuur 7).

9. CTD-databank

OPMERKING: De CTD-database is een nieuw hulpmiddel om de relaties tussen chemie, genen, fenotypes, ziekte en het milieu teanalyseren32. De CTD-database voorspelt geneesmiddelen die zich richten op TMOD3. De PubChem-database wordt vervolgens gebruikt om de definitieve moleculaire structuur van het medicijn te bepalen.

  1. Ga naar de CTD-database (zie Materiaaltabel) en kies Chemical - Gene Interaction Query in het menu Zoeken .
  2. Voer TMOD3 in het GENE-vak in en klik op zoeken om de resultaten te krijgen (zie aanvullende figuur 8).
  3. Ga naar de PubChem-database (zie Materiaaltabel) en vul geneesmiddelen in het zoekvak in om de resultaten te krijgen (zie aanvullende figuur 9).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

TMOD3-expressie bij eierstokkanker
Ten eerste toonde de GEO-database aan dat de mRNA-expressieniveaus van TMOD3 verhoogd waren in microarray-datasets GSE51088 en GSE66957 (Figuur 1A,B). TMOD3 werd ook sterk tot expressie gebracht bij eierstokkanker in vergelijking met normaal eierstokweefsel door de TNMplot-webtool (Figuur 1C). Analyse van CPTAC-gegevens door de UALCAN-webtool toonde aan dat ...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Het cytoskelet wordt als essentieel beschouwd bij de ontwikkeling en progressie, behandeling en prognose van verschillende tumoren52. Vergeleken met TMOD1, dat beperkt is tot erytrocyten en het cardiovasculaire systeem53, en TMOD2, dat beperkt is tot het zenuwstelsel54, heeft TMOD3 een alomtegenwoordige distributie, wat de studie van TMOD3 in systemische tumoren populairder maakt 14,15,16,17,18,19

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs melden geen belangenverstrengeling.

Dankbetuigingen

Dit werk werd ondersteund door subsidies van de National Natural Science Foundation of China (nr. 32171143, 31771280) en subsidies van de Natural Science Foundation van het provinciale ministerie van Onderwijs van Jiangsu (nr. 18KJD360003, 21KJD320004).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
cBioportalMemorial Sloan Kettering Cancer CenterCorrelatieanalyse van  TMOD3 met gerichte miRNA's (https://www.cbioportal.org)
CTD databaseNorth Carolina State UniversityOm de relaties tussen chemie, genen, fenotype, ziekte en omgeving te analyseren (https://ctdbase.org/)
CytoscapeNational Institute of General Medical Sciences of the National Institutes of HealthNetwerkgegevensintegratie, analyse en visualisatie (www.cytoscape.org/)
DAVIDFrederick National Laboratory for Cancer ResearchEen uitgebreide set functionele annotatietools voor onderzoekers om de biologische betekenis achter grote lijsten van genen te begrijpen(https://david.ncifcrf.gov/)
GEONCBIGenexpressieanalyse (https://www.ncbi.nlm.nih.gov/geo/)
HPAKnut & Alice Wallenberg foundationDe Human Protein Atlas (HPA) database hielp bij het analyseren van de verdeling van TMOD3 in verschillende immuuncellen (https://www.proteinatlas.org/)
KM-plotter Department of Bioinformatics of the Semmelweis UniversityPrognostische analyse (https://kmplot.com/analysis/)
LinkedOmicsBaylor College of MedicineEen platform voor biologen en clinici om toegang te krijgen tot, analyseren en vergelijken van kanker multi-omics gegevens binnen en tussen tumortypen (http://www.linkedomics.org/)
PubChem databaseU.S. National Library of MedicineOm de definitieve moleculaire structuur van het medicijn te bepalen
ROC Plotter Department of Bioinformatics of the Semmelweis UniversityValidatie van het gen van belang als voorspellende marker (http://www.rocplot.org/)
STRINGSwiss Institute of BioinformaticsCoexpressie netwerken analyse(https://string-db.org)
TargetScanWhitehead Institute for Biomedical ResearchVoorspelling van miRNA doelwitten (www.targetscan.org/)
TIMERHarvard UniversitySystematische analyse van immuuninfiltraten in verschillende kankersoorten (https://cistrome.shinyapps.io/timer/)
TISIDBThe University of Hong KongEen webportaal voor tumor en immuunsysteem interactie(http://cis.hku.hk/TISIDB/)
TNMplotDepartment of Bioinformatics of the Semmelweis UniversityGenexpressieanalyse (https://www.tnmplot.com/)
UALCANThe University of ALabama at Birmingham Genexpressieanalyse (http://ualcan.path.uab.edu)

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Tags

TMOD3-expressiecytoskeletproteïnenplatina-gebaseerde chemotherapiemiRNA-regulatiealgehele overlevingprogressievrije overleving
Overexpressie van tropomoduline 3 als marker voor platinaresistentie en immuuninfiltratie bij eierstokkanker
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.