Artykuł metodologiczny

Nadekspresja tropomoduliny 3 jako marker oporności na platynę i infiltracji immunologicznej w raku jajnika

3.4K wyświetleń

⸱

DOI:

10.3791/65841

⸱

2 sierpnia 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

W tym artykule

Podsumowanie

Tropomodulina 3 (TMOD3) jest coraz częściej badana w nowotworach w ostatnich latach. To badanie jest pierwszym, które donosi, że TMOD3 ulega silnej ekspresji w raku jajnika i jest ściśle związany z opornością na platynę i infiltracją immunologiczną. Wyniki te mogą pomóc w poprawie wyników leczenia raka jajnika.

Streszczenie

Cytoszkielet odgrywa ważną rolę w odporności na platynę w raku jajnika. Tropomodulina 3 (TMOD3) ma kluczowe znaczenie w rozwoju wielu nowotworów, ale jej rola w lekooporności raka jajnika pozostaje niezbadana. Analizując dane z baz danych Gene Expression Omnibus (GEO), The Cancer Genome Atlas (TCGA) i Clinical Proteomic Tumor Analysis Consortium (CPTAC), w badaniu tym porównano ekspresję TMOD3 w raku jajnika i prawidłowych tkankach oraz zbadano ekspresję TMOD3 po leczeniu platyną w raku jajnika wrażliwym na platynę i opornym na platynę. Metodę Kaplana-Meiera zastosowano do oceny wpływu TMOD3 na przeżycie całkowite (OS) i przeżycie wolne od progresji choroby (PFS) u pacjentek z rakiem jajnika. MikroRNA (miRNA) ukierunkowane na TMOD3 przewidywano za pomocą TargetScan i analizowano przy użyciu bazy danych TCGA. Tumor Immune Estimation Resource (TIMER) oraz zintegrowany portal repozytorium interakcji między nowotworem a układem immunologicznym (TISIDB) wykorzystano do określenia związku między ekspresją TMOD3 a infiltracją immunologiczną. Sieci koekspresji TMOD3 w raku jajnika zbadano za pomocą LinkedOmics, narzędzia Search Tool for the Retrieval of Interacting Gens/Proteins (STRING) oraz bioinformatyki The Database for Annotation, Visualization, and Integrated Discovery (DAVID). Wyniki wykazały, że TMOD3 wykazywał wysoką ekspresję w raku jajnika i był związany z gradacją, stopniem zaawansowania i przerzutami raka jajnika. Ekspresja TMOD3 była znacznie zmniejszona w komórkach raka jajnika leczonych platyną i u pacjentek. Jednak ekspresja TMOD3 była wyższa w komórkach i tkankach raka jajnika opornych na platynę w porównaniu z komórkami i tkankami wrażliwymi na platynę. Wyższa ekspresja TMOD3 była istotnie związana z niższym OS i PFS u pacjentek z rakiem jajnika leczonych chemioterapią opartą na platynie. Regulacja potranskrypcyjna za pośrednictwem miRNA jest prawdopodobnie odpowiedzialna za wysoką ekspresję TMOD3 w raku jajnika i tkankach jajnika opornych na platynę. Ekspresja mRNA TMOD3 była związana z infiltracją immunologiczną w raku jajnika. Wyniki te wskazują, że TMOD3 ulega silnej ekspresji w raku jajnika i jest ściśle związany z opornością na platynę i infiltracją immunologiczną.

Wprowadzenie

Rak jajnika jest drugim co do wielkości wskaźnikiem śmiertelności nowotworów ginekologicznych na świecie1. Na podstawie histopatologii można go podzielić na trzy typy: nowotwory rozrodcze, mezenchymalne gonad i nabłonkowe, z których 90% pacjentek to nabłonkowy rak jajnika. Czynniki ryzyka związane z rakiem jajnika obejmują utrzymującą się owulację, zwiększoną ekspozycję na gonadotropiny i cytokiny zapalne2. Ponad 75% przypadków raka jajnika jest wykrywanych dopiero w zaawansowanym stadium, co skutkuje brakiem skutecznego leczenia. Pacjentki z zaawansowanym rakiem jajnika mają złe rokowanie, z mniej niż 20% 5-letniego wskaźnika przeżycia pomimo nowych schematów chemioterapii, takich jak podawanie dootrzewnowe i terapia celowana. Standardowe leczenie raka jajnika polega głównie na operacji resekcji guza, a następnie chemioterapii lekami takimi jak platyna i paklitaksel. Jednak nawrót nowotworu występuje w około 70% przypadków1. Cisplatyna wywiera swoje działanie terapeutyczne poprzez zakłócanie replikacji i transkrypcji DNA i jest obecnie lekiem pierwszego rzutu w chemioterapii raka jajnika. Jednak znaczna część pacjentek z rakiem jajnika jest odporna na platynę3. Wiele procesów komórkowych, takich jak wypływ leków, detoksykacja komórkowa, naprawa DNA, apoptoza i autofagia, ma kluczowe znaczenie dla oporności komórek raka jajnika na platynę4,5,6.

Zmiana w cytoszkielecie jest ważnym mechanizmem wpływającym na odporność na platynę w raku jajnika. Niedawno doniesiono, że geny związane z cytoszkieletem są zwykle eksprymowane nieprawidłowo, a cytoszkielet aktynowy jest znacznie zmodyfikowany w obecności apoptozy wywołanej cisplatyną7. Wiele badań wykazało, że cisplatyna moduluje nanomechanikę komórek raka jajnika. Sztywność wrażliwych komórek wzrasta wraz z zależnością od dawki platyny, głównie w wyniku zakłócenia polimeryzacji aktyny. W przeciwieństwie do tego, komórki oporne na cisplatynę nie wykazały znaczącej zmiany sztywności komórek po leczeniu cisplatyną8. Co więcej, moduły Younga wrażliwych na cisplatynę komórek raka jajnika były niższe, co ujawniła mikroskopia sił atomowych. Natomiast komórki raka jajnika oporne na cisplatynę wykazują cytoszkielet charakteryzujący się długimi włóknami stresowymi aktyny. Hamowanie GTPazy Rho zmniejsza sztywność i zwiększa wrażliwość na cisplatynę w tych opornych komórkach. I odwrotnie, aktywacja GTPazy Rho w komórkach wrażliwych na cisplatynę zwiększa sztywność komórek i zmniejsza ich wrażliwość na cisplatynę9. Białko wiążące RNA z wielokrotnym splicingiem (RBPMS), gen supresorowy nowotworu, zmniejsza oporność na cisplatynę w komórkach raka jajnika poprzez regulację ekspresji białka w sieci cytoszkieletowej i utrzymanie integralności komórki10. Włókna naprężeniowe aktyny są bardziej wyraźne w komórkach A2780 / CP w porównaniu z komórkami A2780. Rozwój oporności na leki w komórkach raka jajnika indukuje rozległą reorganizację cytoszkieletu aktynowego, wpływając w ten sposób na właściwości mechaniczne komórki, ruchliwość i wewnątrzkomórkowy transport leków11.

TMOD3 to białko regulujące cytoszkielet, które zapobiega depolimeryzacji aktyny, zamykając wolno rosnące (spiczaste) końce włókien aktyny12. TMOD3 odgrywa różne role w różnych typach komórek, regulując dynamikę aktyny i uczestnicząc w różnych procesach, takich jak promowanie kształtu komórki, migracji komórek i skurczu mięśni. Wykazano, że delecja TMOD3 u myszy prowadzi do śmierci zarodka w E14.5-E18.5, co sugeruje, że TMOD3 może być krytycznym czynnikiem w rozwoju embrionalnym13. Opierając się na swoich funkcjach biologicznych w komórkach macierzystych i progenitorowych, TMOD3 może odgrywać istotną rolę w progresji guza. W raku wątrobowokomórkowym TMOD3 wspomaga wzrost, inwazję i migrację komórek raka wątrobowokomórkowego poprzez aktywację szlaku sygnałowego MAPK/ERK14 i promuje odległe przerzuty poprzez aktywację szlaku PI3K-AKT poprzez interakcję z receptorem naskórkowego czynnika wzrostu15. MiRNA-490-3p hamuje proliferację i inwazję komórek raka wątrobowokomórkowego poprzez celowanie w TMOD316. MiR-145 poprawia wrażliwość na promieniowanie niedrobnokomórkowego raka płuca odpornego na promieniowanie poprzez hamowanie TMOD317. Eksperymenty in vitro wykazały, że TMOD3 pośredniczył w inwazji komórek raka przełyku poprzez regulację cytoszkieletu poprzez interakcję z homologiem oksydazy lizylowej 2 (LOXL2)18. Ponadto analiza proteomiczna wykazała, że wysoka ekspresja TMOD3 może potencjalnie pośredniczyć w chemooporności etopozydów w raku płuc poprzez szlak apoptozy19. Chociaż TMOD3 jest coraz częściej badany w nowotworach w ostatnich latach, nadal nie ma doniesień na temat roli TMOD3 w raku jajnika i chemioterapii.

To badanie wykazało, że TMOD3 jest regulowany w górę w raku jajnika. Warto zauważyć, że regulacja w górę TMOD3 była związana z opornością na platynę. W badaniu tym oceniono również wartość prognostyczną: TMOD3 w raku jajnika i jego korelację z naciekaniem immunologicznym guza. Badanie to sugeruje, że nadekspresja TMOD3 w raku jajnika jest związana z opornością na platynę.

Protokół

1. Omnibus ekspresji genów (GEO)

UWAGA: Ekspresja TMOD3 w raku jajnika, w raku jajnika leczonym platynowymi lekami oraz w lekoopornym raku jajnika została wyprowadzona z zestawów danych GEO. Typem badania wszystkich zbiorów danych było profilowanie ekspresji według tablicy, a organizmy to Homo sapiens.

  1. Przejdź do bazy danych GEO (patrz Spis materiałów) i wprowadź słowa kluczowe, takie jak TMOD3, rak jajnika i lekooporność lub dostęp do danych w polu wyszukiwania (patrz rysunek uzupełniający 1A).
  2. Podziel dane na różne grupy w polu Definiuj grupę. Z menu opcji wybierz Benjaminiego i Hochberga (współczynnik fałszywych odkryć) w polu Zastosuj korektę do wartości P, a następnie kliknij opcję Analizowane w menu GEO2R. Kliknij na pobierz pełną tabelę, aby uzyskać wyniki.
  3. Zbadaj i wykreśl pobrane dane za pomocą oprogramowania do tworzenia wykresów i statystyk (patrz rysunek uzupełniający 1B).
  4. Użyj niesparowanego testu t do porównania między dwiema grupami.

2. TNMplot

UWAGA: TNMplot wykorzystuje dane sekwencyjne RNA z repozytoriów The Cancer Genome Atlas (TCGA), Therapeutic Research to Generate Effective Treatments (TARGET) oraz Genotype-Tissue Expression (GTEx)20. Ekspresję TMOD3 w prawidłowych tkankach jajnika i raku jajnika analizowano za pomocą TNMplot.

  1. Przejdź do narzędzia internetowego TNMplot (patrz Spis materiałów) i kliknij Porównaj guz i normalny.
  2. Wstaw TMOD3 w polu Wybierz gen i wybierz Surowicy jajnika w polu Wybierz tkankę.
  3. Kliknij przycisk Rozpocznij analizę, aby uzyskać wyniki (patrz rysunek uzupełniający 1C).

3. UALCAN

UWAGA: Portal analizy danych CANcer Uniwersytetu ALabama w Birmingham (UALCAN) jest przyjaznym dla użytkownika zasobem online do analizy publicznie dostępnych danych o nowotworach21. Ekspresję TMOD3 na poziomie białka w tkance prawidłowej i raku jajnika w danych CPTAC analizowano za pomocą UALCAN.

  1. Przejdź do UALCAN (patrz Spis Materiałów) i kliknij menu Proteomika.
  2. Wstaw TMOD3 w polu Wprowadź nazwy genów i wybierz opcję rak jajnika w polu zestawu danych CPTAC.
  3. Kliknij Eksploruj, aby uzyskać wyniki (patrz rysunek uzupełniający 1D).

4. Analiza prognostyczna dla plotera KM

UWAGA: Wartość prognostyczna TMOD3 w raku jajnika została przeanalizowana za pomocą plotera Kaplana Meiera (ploter KM), w tym przeżycie całkowite (OS) i przeżycie wolne od progresji (PFS)22.

  1. Przejdź do KM-ploter (patrz Tabela Materiałów) i kliknij Uruchom KM-ploter do raka jajnika.
  2. Wstaw TMOD3 w polu symbolu Affy id / Gene.
  3. Wybierz opcję Automatycznie wybierz najlepsze odcięcie w polu Podziel pacjentów według pola.
  4. Wybierz zawiera platynę w opcji chemioterapii podczas wykonywania analizy rokowania dla pacjentów z chemioterapią opartą na platynie.
  5. Wybierz pozycję TCGA w polu Użyj następujących zestawów danych dla pola analizy.
  6. Kliknij na Narysuj wykres Kaplana-Meiera, aby uzyskać wyniki (patrz rysunek uzupełniający 2).

5. Ploter ROC

UWAGA: Ploter Charakterystyki Operacyjnej Odbiornika (ROC) został użyty do analizy ekspresji TMOD3 u pacjentów opornych lub wrażliwych na chemioterapię opartą na platynie i umożliwia walidację zainteresowanego genu jako markera predykcyjnego za pomocą krzywych ROC. Zestawy danych plotera ROC na poziomie transkryptomu pochodzą głównie z baz danych TCGA i GEO i zawierają dane dotyczące leczenia i odpowiedzi od 1816 pacjentek z rakiem jajnika23.

  1. Przejdź do Plotera ROC (patrz Tabela Materiałów) i kliknij na Ploter ROC do raka jajnika.
  2. Wstaw TMOD3 w polu Symbol genu.
  3. Wybierz Przeżycie wolne od nawrotu po 6 miesiącach w polu Odpowiedzi i wybierz Platynę w polu Leczenie.
  4. Kliknij przycisk Oblicz, aby uzyskać wyniki (patrz rysunek uzupełniający 3).

6. analiza mRNA-miRNA

UWAGA: MiRNA ukierunkowane na TMOD3 zostały przewidziane przez TargetScan24, a następnie korelacja TMOD3 z tymi miRNA w zestawie danych TCGA raka jajnika została przeanalizowana przez cBioportal25. Następnie powyższy wynik został zwizualizowany przez Cytoscape26. Ekspresja MiRNA u pacjentek z cisplatyną i lekoopornym rakiem jajnika została przeanalizowana przez LinkedOmics27.

  1. Przejdź do TargetScan (patrz Tabela materiałów) i wstaw TMOD3 w polu Wprowadź symbol ludzkiego genu (patrz Rysunek Uzupełniający 4A).
  2. Przejdź do cBioportalu (patrz Tabela Materiałów).
  3. Wybierz zestaw danych Ovarian Surous Cystadenocarcinoma (TCGA, Nature 2011) i wstaw symbole TMOD3 i miRNA w polu Wprowadź geny.
  4. Kliknij Wyślij zapytanie, aby uzyskać dane korelacji TMOD3 z miRNA w zestawie danych TCGA raka jajnika (patrz rysunek uzupełniający 4B), a następnie zwizualizuj wynik za pomocą Cytoscape (patrz tabela materiałów) (patrz rysunek uzupełniający 4C).
  5. Przejdź do LinkedOmics (patrz Spis materiałów) i wybierz TCGA_OV Przykładowa kohorta.
  6. Wybierz kliniczny w polu Wybierz zestaw danych wyszukiwania, a następnie wybierz status platynowy w polu Wybierz atrybut zestawu danych wyszukiwania.
  7. Wybierz pozycję miRNASeq w polu Wybierz docelowy zestaw danych, a następnie wybierz pozycję t-test w polu Wybierz metodę statystyczną.
  8. Kliknij przycisk Prześlij zapytanie, aby uzyskać wyniki (patrz rysunek uzupełniający 4D).

7. Analiza infiltracji immunologicznej

UWAGA: Baza danych Human Protein Atlas (HPA) została wykorzystana do analizy rozkładu TMOD3 w różnych komórkach odpornościowych. TIMER to wygodna baza danych online, która analizuje infiltrację immunologiczną związaną z wieloma typami raka28. W badaniu wykorzystano TIMER do analizy związku między ekspresją mRNA TMOD3 a czystością raka jajnika i infiltracją komórek odpornościowych. TISIDB to portal internetowy poświęcony interakcjom między nowotworem a układem odpornościowym29. W badaniu tym wykorzystano TISIDB w celu określenia korelacji między TMOD3 a immunomodulatorami w raku jajnika.

  1. Przejdź do HPA (patrz Spis materiałów) i wstaw TMOD3 w polu wyszukiwania, a następnie uzyskaj wynik.
  2. Wybierz Immunologiczny, aby pokazać rozmieszczenie TMOD3 w różnych komórkach odpornościowych (patrz rysunek uzupełniający 5A).
  3. Przejdź do TIMER (patrz Tabela materiałów) i wstaw TMOD3 w polu Symbol genu.
  4. Wybierz OV w polu typów raka i kliknij Prześlij, aby uzyskać wynik (patrz Rysunek Uzupełniający 5B).
  5. Przejdź do TISIDB (patrz Spis materiałów) i wstaw TMOD3 w polu Symbol genu.
  6. Kliknij Prześlij, aby uzyskać wynik (patrz rysunek uzupełniający 5C).

8. Sieci koekspresji TMOD3 w raku jajnika

UWAGA: Geny współwyrażające się z TMOD3 były analizowane przez LinkedOmics, a geny TOP50 były wyświetlane na mapach cieplnych. Geny oddziałujące z TMOD3 zostały przewidziane przez STRING30. Następnie nakładające się na siebie geny zostały przedstawione za pomocą diagramu Venna. Nakładające się geny zostały funkcjonalnie oznaczone przez DAVID31dla ścieżek Gene Ontology Biological Process (GO-BP), Gene Ontology Cellular Component (GO-CC), Gene Ontology Molecular Function (GO-MF) oraz Kyoto Encyclopedia of Genes and Genomes (KEGG).

  1. Przejdź do LinkedOmics i wybierz TCGA_OV Przykładowa kohorta.
  2. Wybierz pozycję RNAseq w polu Wybierz zestaw danych wyszukiwania i wybierz pole Docelowy zestaw danych.
  3. Kliknij Wyślij zapytanie, aby uzyskać wyniki genów współwyrażanych z TMOD3.
  4. Przejdź do STRING (patrz Spis materiałów) i wstaw TMOD3 w polu Nazwa białka.
  5. Wybierz homo sapiens w polu Organizmy i kliknij szukaj, aby uzyskać wynik (patrz rysunek uzupełniający 6).
  6. Przejdź do DAVID (patrz Tabela materiałów).
  7. Wstaw nakładające się geny w polu Wprowadź listę genów i wybierz pozycję ENSEMBL _GENE_SYMBOL w polu Wybierz identyfikator.
  8. Kliknij przycisk Prześlij listę, aby uzyskać wyniki (patrz rysunek uzupełniający 7).

9. Baza danych CTD

UWAGA: Baza danych CTD to nowatorskie narzędzie do analizy relacji między chemią, genami, fenotypami, chorobami i środowiskiem32. Baza danych CTD przewiduje leki ukierunkowane na TMOD3. Baza danych PubChem jest następnie wykorzystywana do określenia ostatecznej struktury molekularnej leku.

  1. Przejdź do bazy danych CTD (patrz Spis materiałów) i wybierz Chemical - Gene Interaction Query w menu Szukaj.
  2. Wstaw TMOD3 w polu GENE i kliknij szukaj, aby uzyskać wyniki (patrz rysunek uzupełniający 8).
  3. Przejdź do bazy danych PubChem (patrz Spis materiałów) i wprowadź leki w polu wyszukiwania, aby uzyskać wyniki (patrz Rysunek Uzupełniający 9).

Wyniki

Ekspresja TMOD3 w raku jajnika
Najpierw, baza danych GEO wykazała, że poziomy ekspresji mRNA TMOD3 były podwyższone w zbiorach danych z mikromacierzy GSE51088 i GSE66957 (Ryc. 1A,B). TMOD3 był również wysoce ekspresyjny w raku jajnika w porównaniu z prawidłowymi tkankami jajnika, co wykazano za pomocą narzędzia internetowego TNMplot (Ryc. 1C). Analiza danych CPTAC za pomocą narzędzia internetowego UALCAN wykazała, że poziom białka TMOD3 był również istotnie wyższy w raku jajnika niż w prawidłowych tkankach jajnika (Ryc. 1D). Ponadto zbiór danych GEO GSE53963 wykazał, że ekspresja TMOD3 była istotnie wyższa w rakach jajnika stopnia 4 niż w rakach stopnia 2 i 3 (Ryc. 1E), a zbiór danych GSE23554 wykazał, że poziomy TMOD3 były wyższe u pacjentek z rakiem jajnika w stadium 3 niż w stadiach 1 i 2 (Ryc. 1F). Dodatkowo zbiór danych GSE131978 wykazał, że ekspresja TMOD3 była również istotnie wyższa w tkankach raka jajnika z przerzutami niż w tkankach bez przerzutów (Ryc. 1G). Wyniki te sugerują, że TMOD3 może wpływać na progresję raka jajnika.

Wpływ platyny na ekspresję TMOD3 w raku jajnika
Chemioterapia jest istotnym czynnikiem wpływającym na progresję raka jajnika33. Aby zbadać, czy TMOD3 wpływa na progresję raka jajnika poprzez oddziaływanie na chemioterapię, w niniejszym badaniu najpierw sprawdzono, czy ekspresja TMOD3 ulega zmianie w raku jajnika po zastosowaniu leków chemioterapeutycznych. Zbiór danych GSE47856 wykazał, że poziom ekspresji TMOD3 spadł po leczeniu cisplatyną w linii komórkowej raka jajnika CH1 (Rysunek 2A). Zbiór danych GSE49577 wykazał, że ekspresja mRNA TMOD3 była niższa u myszy z ksenoprzeszczepami raka jajnika leczonych karboplatyną niż u myszy nieleczonych (Rysunek 2B). Ponadto zbiór danych GSE63885 wykazał również, że ekspresja TMOD3 była znacząco obniżona po chemioterapii opartej na platynie u pacjentek z rakiem jajnika wykazujących wysoką wrażliwość na platynę w porównaniu z pacjentkami z rakiem jajnika, które nie były leczone chemioterapią; nie stwierdzono jednak różnic u pacjentek z rakiem jajnika o umiarkowanej wrażliwości na platynę (Rysunek 2C). Powyższe wyniki sugerują, że TMOD3 może być potencjalnym celem działania platyny.

Ekspresja TMOD3 w raku jajnika wrażliwym lub opornym na platynę
Na podstawie powyższych wyników w badaniu postawiono hipotezę, że wysoka ekspresja TMOD3 w raku jajnika może wpływać na progresję tej choroby poprzez regulację oporności na platynę. W związku z tym w badaniu najpierw przeanalizowano ekspresję TMOD3 w liniach komórkowych opornych na leki lub w tkankach nowotworowych pacjentów, korzystając z wielu zbiorów danych GEO. Zarówno zbiory danych GSE15372, jak i GSE33482 wykazały, że ekspresja TMOD3 w linii komórkowej raka jajnika a2780 opornej na cisplatynę była znacznie wyższa niż w grupie wrażliwej na cisplatynę (Rysunek 3A,B). Zbiór danych GSE45553 wykazał, że ekspresja TMOD3 w sferoidach raka jajnika opornych na cisplatynę była znacznie wyższa niż w grupie wrażliwej na cisplatynę (Rysunek 3C). Wreszcie kompleksowa analiza pacjentów z rakiem jajnika leczonych chemioterapią z baz TCGA i GEO przy użyciu programu ROC plotter wykazała, że ekspresja TMOD3 była znacznie wyższa u pacjentek z rakiem jajnika z opornością na platynę niż u pacjentek wrażliwych na platynę (Rysunek 3D). Ponadto krzywa ROC wskazała TMOD3 jako marker pozwalający określić oporność na platynę w raku jajnika (Rysunek 3E). Powyższe wyniki sugerują, że wysoka ekspresja TMOD3 może odgrywać kluczową rolę w oporności na platynę w raku jajnika.

Wpływ ekspresji TMOD3 na przeżywalność pacjentek z rakiem jajnika
Analiza prognostyczna pacjentek z rakiem jajnika z bazy TCGA, przeprowadzona za pomocą narzędzia KM-plotter, wykazała, że wysoka ekspresja mRNA TMOD3 była istotnie skorelowana z niskim OS i PFS w całej grupie pacjentek oraz u pacjentek leczonych platyną (Rysunek 4). Co ciekawe, PFS u pacjentek leczonych platyną był bardziej znaczący niż w całej grupie pacjentek (Rysunek 4D). Ponieważ PFS jest lepszym wskaźnikiem wyników leczenia niż OS, analiza prognostyczna dodatkowo wykazuje krytyczną rolę TMOD3 u pacjentek z rakiem jajnika poddanych chemioterapii opartej na platynie.

Analiza mRNA-miRNA dla TMOD3 w raku jajnika
Regulacja potranskrypcyjna zapośredniczona przez mikroRNA jest istotnym mechanizmem wpływającym na ekspresję genów. Funkcję genu można przewidzieć na podstawie funkcji mikroRNA, które go celują34. Aby zbadać możliwy mechanizm podwyższonej ekspresji TMOD3 w raku jajnika, za pomocą predykcji TargetScan zidentyfikowano dwadzieścia jeden mikroRNA celujących w TMOD3. Ich korelacja z TMOD3 została również potwierdzona w próbkach raka jajnika z bazy TCGA (Rysunek 5A). Wykazano, że wszystkie one pośredniczą w chemorezystencji nowotworów, a większość (17/21) powiązano z opornością na cisplatynę w raku jajnika35,36,37,38,39,40,41,42,43,44,45,46,47,48, z wyjątkiem hsa-miR-301a-3p, hsa-miR-301b-3p, hsa-miR-365a-5p oraz hsa-miR-365b-5p. Ponadto analiza próbek raka jajnika z TCGA wykazała, że zarówno hsa-miR-454-3p, jak i hsa-miR-133a-3p najsilniej ujemnie korelują z ekspresją TMOD3 (Rysunek 5A-C). Co więcej, analiza Linkedomics wykazała, że hsa-miR-133a-3p wykazuje niską ekspresję w rakach jajnika opornych na cisplatynę (Rysunek 5E), podczas gdy w przypadku hsa-miR-454-3p nie stwierdzono istotności (Rysunek 5D). Zatem możliwe jest, że regulacja potranskrypcyjna zapośredniczona przez mikroRNA, a w szczególności przez hsa-miR-133a-3p, odpowiada za wysoką ekspresję TMOD3 w raku jajnika opornym na cisplatynę.

Związek między ekspresją TMOD3 a infiltracją immunologiczną w raku jajnika
Immunoterapia stanowi nowatorską i obiecującą strategię terapeutyczną w porównaniu z chemioterapią i chirurgią. Około 50% pacjentek z rakiem jajnika wykazuje spontaniczną infiltrację wieloma typami komórek odpornościowych49,50. Ponadto istotne jest zastosowanie immunoterapii u pacjentek z rakiem jajnika wykazującym chemooporność. Na przykład inhibitor liganda 1 programowanej śmierci komórki (PD-L1) Durvalumab, w połączeniu z inhibitorem PARP Olaparib, wykazał korzystne efekty terapeutyczne u pacjentek z rakiem jajnika z opornością na związki platyny51. Zbiór danych HPA wykazał, że TMOD3 jest szeroko rozpowszechniony w różnych komórkach odpornościowych (Rycina 6A,B), co sugeruje, że TMOD3 odgrywa istotną rolę w tych komórkach. W związku z tym w niniejszym badaniu za pomocą narzędzia TIMER zbadano korelację między TMOD3 a infiltracją immunologiczną w raku jajnika. TMOD3 był ujemnie skorelowany z czystością guza (Rycina 6C). Sugeruje to, że wiele innych komórek infiltruje tkankę raka jajnika i że TMOD3 może potencjalnie wpływać na raka jajnika poprzez te infiltrujące komórki. Rzeczywiście, dalsze wyniki wykazały, że ekspresja TMOD3 była dodatnio skorelowana z limfocytami B, komórkami T CD8+, neutrofilami oraz komórkami dendrytycznymi, ale nie z komórkami T CD4+ i makrofagami (Rycina 6D-I). W badaniu tym przeanalizowano ponadto związek między ekspresją TMOD3 a immunomodulatorami lub chemokinami w raku jajnika. Stwierdzono, że ekspresja TMOD3 była istotnie skorelowana z różnymi immunomodulatorami (Rycina 7A), w tym z uznanymi punktami kontrolnymi układu odpornościowego, takimi jak programowana śmierć 1 (PD1), PD-L1 (CD274) oraz cytotoksyczny antygen 4 limfocytów T (CTLA4) (Rycina 7B-D). Wyniki te sugerują, że TMOD3 może odgrywać istotną rolę w infiltracji immunologicznej w raku jajnika.

Sieci koekspresji TMOD3 w raku jajnika
W niniejszym badaniu zgłębiono potencjalne mechanizmy udziału TMOD3 w rozwoju raka jajnika. W pierwszej kolejności skonstruowano sieć koekspresji TMOD3 w raku jajnika. Na podstawie danych z LinkedOmics w próbkach raka jajnika z TCGA zidentyfikowano łącznie 4774 genów istotnie powiązanych z TMOD3. Mapa ciepła przedstawiła 50 najważniejszych genów (TOP50) wykazujących pozytywną lub negatywną korelację z TMOD3 (Rysunek 8A,B). Następnie, przy użyciu narzędzia STRING, wyselekcjonowano 295 genów oddziałujących z TMOD3. Po nałożeniu zbioru 4774 genów istotnie powiązanych z TMOD3 oraz 295 genów z nim oddziałujących, wyłoniono 76 genów (Rysunek 8C). Analiza wzbogacenia funkcjonalnego tych 76 genów wykazała, że najsilniej wzbogacone były procesy związane z cytoszkieletem aktynowym oraz adhezją ogniskową (Rysunek 8D). Analiza wzbogacenia szlaków KEGG wykazała, że najbardziej wzbogacona była ścieżka proteoglikanów w nowotworach (Rysunek 8E).

Terapeutyki małocząsteczkowe
Korelacje pomiędzy TMOD3 a potencjalnymi lekami lub małymi cząsteczkami przeanalizowano przy użyciu bazy danych CTD. Zidentyfikowano łącznie osiem leków wykazujących potencjalny efekt hamujący wobec TMOD3 (Rycina 9A), w tym paracetamol, kwas arystolochowy I, bufalinę, doksorubicynę, kwas foliowy, haloperidol, toksynę T-2 oraz tetrachlorodibenzo-p-dioksynę (Rycina 9B-I). Struktury cząsteczkowe zidentyfikowanych leków określono na podstawie bazy danych PubChem. Leki te stanowią wskazówki do przełamania procesu oporności na leki w raku jajnika pośredniczonego przez nadekspresję TMOD3.

Analiza ekspresji genów, mRNA TMOD3, rak jajnika vs tkanka prawidłowa, wykres pudełkowy, istotność statystyczna.
Rycina 1: Poziomy ekspresji mRNA i białka TMOD3 w wielu zbiorach danych dotyczących raka jajnika. (A) Analiza ekspresji mRNA TMOD3 w prawidłowych tkankach jajnika (n = 20) i raku jajnika (n = 152) na podstawie zbioru danych GSE51088. (B) Analiza ekspresji mRNA TMOD3 w prawidłowych tkankach jajnika (n = 12) i raku jajnika (n = 57) na podstawie zbioru danych GSE66957. (C) Analiza ekspresji mRNA TMOD3 w prawidłowej tkance jajnika (n = 133) i raku jajnika (n = 374) za pomocą narzędzia TNM plotter. (D) Analiza ekspresji białka TMOD3 w prawidłowej tkance jajnika (n = 25) i raku jajnika (n = 100) w danych CPTAC za pomocą narzędzia UALCAN. (E) Analiza ekspresji mRNA TMOD3 w raku jajnika stopnia 2 i 3 (n = 94) oraz w raku jajnika stopnia 4 (n = 80) na podstawie zbioru danych GSE53963. (F) Analiza ekspresji mRNA TMOD3 w raku jajnika stopnia 1 i 2 (n = 10) oraz w raku jajnika stopnia 3 (n = 18) na podstawie zbioru danych GSE23554. Enter text here. (G) Analiza ekspresji mRNA TMOD3 w raku jajnika z przerzutami i bez przerzutów na podstawie zbioru danych GSE131978. Dane przedstawiono jako średnia ± SEM. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Analiza ekspresji genów, wykres z ekspresją mRNA TMOD3 log2, nieleczone vs. leczone, pokazane wartości P.
Rysunek 2: Poziomy ekspresji mRNA TMOD3 w liniach komórkowych raka jajnika, przeszczepionych guzach i u pacjentów po leczeniu lekami na bazie platyny. (A) Analiza ekspresji mRNA TMOD3 w liniach komórkowych raka jajnika CH1 leczonych cisplatiną (n = 3) i nieleczonych (n = 3) na podstawie zbioru danych GSE47856. (B) Analiza ekspresji mRNA TMOD3 w przeszczepach raka jajnika CH1 leczonych cisplatiną (n = 12) i nieleczonych (n = 19). (C) Analiza ekspresji mRNA TMOD3 u pacjentek z rakiem jajnika leczonych cisplatiną, z wysoką wrażliwością (HS, n = 13) i umiarkowaną wrażliwością na cisplatinę (n = 28), a także u pacjentek nieleczonych cisplatiną (n = 26). Dane przedstawiono jako średnia ± SEM. *w porównaniu z grupą nieleczoną, P < 0.05. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.

Analiza ekspresji mRNA TMOD3, wykresy rozrzutu, krzywa ROC, wrażliwość vs oporność, badanie biologiczne.
Rysunek 3: Poziomy ekspresji mRNA TMOD3 w liniach komórkowych lub u pacjentów z rakiem jajnika wrażliwym i opornym na platynę. (A,B) Poziomy ekspresji mRNA TMOD3 w liniach komórkowych A2780 wrażliwych i opornych na cisplatynę przeanalizowano za pomocą zbioru danych GSE15372 (A) oraz zbioru danych GSE33482 (B). (C) Poziomy ekspresji mRNA TMOD3 w sferoidach raka jajnika wrażliwych i opornych na cisplatynę przeanalizowano za pomocą zbioru danych GSE45553. (D,E) Poziomy ekspresji mRNA TMOD3 u pacjentek z rakiem jajnika wrażliwym i opornym na platynę przeanalizowano za pomocą narzędzia ROC plotter (D), a TMOD3 zidentyfikowano jako marker określający oporność na platynę na podstawie krzywych ROC (E). Dane przedstawiono jako średnia ± SEM. Aby zobaczyć powiększoną wersję tego rysunku, kliknij tutaj.

Krzywe Kaplan-Meiera dla przeżywalności całkowitej i przeżycia wolnego od progresji; dane TCGA OV; analiza wysokiej i niskiej ekspresji.
Rysunek 4: Analiza korelacji poziomów ekspresji mRNA TMOD3 z OS i PFS u pacjentek z rakiem jajnika. (A,B) Analiza korelacji poziomów ekspresji mRNA TMOD3 z OS u wszystkich pacjentek z rakiem jajnika w bazie TCGA (A) lub u pacjentek otrzymujących chemioterapię opartą na platynie (B). (C,D) Analiza korelacji poziomów ekspresji mRNA TMOD3 z PFS u wszystkich pacjentek z rakiem jajnika w bazie TCGA (C) lub u pacjentek otrzymujących chemioterapię opartą na platynie (D). Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Schemat sieci oddziaływań miRNA-mRNA oraz wykresy rozrzutu z analizą danych ekspresji i wynikami.
Rycina 5: Określanie zależności między TMOD3 a opornością na leki za pomocą analizy oddziaływań mRNA-microRNA. (A) Przewidywanie miRNA celujących w TMOD3. Kolor linii reprezentuje percentyl punktacji TargetScan Context++, a kolor węzła reprezentuje siłę korelacji między danym miRNA a TMOD3 w zbiorze danych TCGA dla raka jajnika. (B,C) Korelacja między poziomami ekspresji mRNA TMOD3 a hsa-miR454-3p (B) oraz hsa-miR133a-3p (C) w próbkach raka jajnika z bazy TCGA. (D,E) Ekspresja hsa-miR454-3p (D) oraz hsa-miR133a-3p (E) w wrażliwym i opornym na cisplatynę raku jajnika w próbkach z bazy TCGA. Dane przedstawiono jako średnia ± SEM. Aby zobaczyć powiększoną wersję tej ryciny, kliknij tutaj.

Wykresy analizy ekspresji genów, formuła nTPM, schematy pokazujące wpływ typu komórek, wykresy rozrzutu korelacji.
Rysunek 6: Korelacja poziomów ekspresji mRNA TMOD3 z infiltracją komórek odpornościowych w raku jajnika. (A,B) Poziomy ekspresji mRNA TMOD3 w komórkach odpornościowych w zbiorze danych HPA (A) oraz zbiorze danych Monaco (B). (C-I) Korelacja poziomów ekspresji mRNA TMOD3 z czystością guza w TCGA raka jajnika (C), limfocytami B (D), limfocytami T CD4+ (E), limfocytami T CD8+ (F), makrofagami (G), neutrofilami (H) i infiltracją komórek dendrytycznych (I). Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.

Mapa ciepła i wykresy rozrzutu wykazujące korelację ekspresji genów; współczynniki Spearmana dla CD274, CTLA4, PDCD1.
Rysunek 7: Analiza korelacji poziomów ekspresji mRNA TMOD3 z czynnikami immunoregulatornymi u pacjentek z rakiem jajnika. (A) Mapa ciepła korelacji między ekspresją mRNA TMOD3 a immunoregulatorami w TCGA raka jajnika, obejmująca inhibitory odporności, immunostymulatory, MHC, chemokiny i receptory. (B-D) Analiza korelacji poziomów ekspresji mRNA TMOD3 z punktami kontrolnymi odporności, takimi jak PD1 (B), PD-L1 (CD274) (C) oraz CTLA4 (D) w próbkach TCGA raka jajnika. Prosimy kliknąć tutaj, aby wyświetlić większą wersję tego rysunku.

Mapy ciepła ekspresji genów, diagram Venna, wykres kropkowy wzbogaceń; analiza danych w badaniu oddziaływań białkowych.
Rysunek 8: Sieci koekspresji TMOD3 w raku jajnika. (A,B) Mapy ciepła przedstawiające 50 genów o najsilniejszej korelacji dodatniej (A) i ujemnej (B) z TMOD3 w zbiorach danych TCGA dla raka jajnika z wykorzystaniem LinkedOmics. Kolory czerwony i niebieski reprezentują odpowiednio geny dodatnio i ujemnie skorelowane. (C) Diagram Venna dla 295 genów oddziałujących z TMOD3 oraz 4774 genów skorelowanych z TMOD3 w TCGA dla raka jajnika. (D) Analiza wzbogacenia funkcjonalnego 76 wspólnych genów. Wykres bąbelkowy przedstawia 5 najważniejszych elementów istotnie wzbogaconych w BP, CC i MF. (E) TOP10 szlaków z analizy wzbogacenia szlaków KEGG. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Schemat sieci oddziaływań chemicznych TMOD3 wraz ze strukturami cząsteczkowymi różnych związków.
Rycina 9: Przewidywanie potencjalnych leków lub małych cząsteczek celujących w TMOD3. (A) Przewidywanie potencjalnych leków celujących w TMOD3 z wykorzystaniem bazy danych CTD, gdzie kolor czerwony oznacza leki, które mogą hamować TMOD3. (B-H) Baza danych PubChem przedstawia struktury cząsteczkowe ośmiu wybranych leków. (B) Paracetamol, (C) kwas aristolochowy I, (D) bufalina, (E) doksorubicyna, (F) kwas foliowy, (G) haloperidol, (H) toksyna T-2. (I) Tetrachlorodibenzo-p-dioksyna. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rycina uzupełniająca 1: Metody analizy poziomów ekspresji mRNA i białka TMOD3 w wielu zbiorach danych dotyczących raka jajnika. (A) Analiza ekspresji TMOD3 z wykorzystaniem bazy danych GEO. (B) Dalsza analiza danych wyekstrahowanych z bazy danych GEO przy użyciu oprogramowania statystycznego i graficznego. (C) Analiza ekspresji TMOD3 z wykorzystaniem TNMplot. (D) Analiza ekspresji białka z wykorzystaniem UALCAN. Kliknij tutaj, aby pobrać ten plik.

Rycina uzupełniająca 2: Analiza prognostyczna z wykorzystaniem KM-plotter. Prosimy kliknąć tutaj, aby pobrać ten plik.

Rysunek uzupełniający 3: Analiza krzywych ROC z wykorzystaniem programu ROC plotter. Aby pobrać ten plik, kliknij tutaj.

Rysunek uzupełniający 4: Metody analizy mRNA-miRNA. (A) Przewidywanie miRNA celujących w TMOD3 przy użyciu TargetScan. (B) Analiza korelacji TMOD3 z miRNA przy użyciu cBioportal. (C) Wizualizacja analizy korelacji przy użyciu Cytoscape. (D) Analiza ekspresji miRNA przy użyciu LinkedOmics. Prosimy kliknąć tutaj, aby pobrać ten plik.

Rysunek uzupełniający 5: Metody analizy immunoinfiltracji. (A) Analiza dystrybucji TMOD3 w różnych komórkach odpornościowych. (B) Analiza korelacji TMOD3 z infiltracją odpornościową przy użyciu cBioportal. (C) Analiza korelacji TMOD3 z immunomodulatorami przy użyciu TISIDB. Kliknij tutaj, aby pobrać ten plik.

Rycina uzupełniająca 6: Przewidywanie genów wchodzących w interakcje z TMOD3 przy użyciu STRING. Kliknij tutaj, aby pobrać ten plik.

Rycina uzupełniająca 7: Adnotacja funkcjonalna z użyciem DAVID. Prosimy kliknąć tutaj, aby pobrać ten plik.

Rycina uzupełniająca 8: Przewidywanie leków celujących w TMOD3 przy użyciu bazy danych CTD. Kliknij tutaj, aby pobrać ten plik.

Rycina uzupełniająca 9: Analiza struktury molekularnej leków z wykorzystaniem bazy danych PubChem. Proszę kliknąć tutaj, aby pobrać ten plik.

Dyskusja

Cytoszkielet został uznany za niezbędny w rozwoju i progresji, leczeniu i rokowaniu różnych nowotworów52. W porównaniu z TMOD1, który jest ograniczony do erytrocytów i układu sercowo-naczyniowego53, oraz TMOD2, który jest ograniczony do układu nerwowego54, TMOD3 ma wszechobecną dystrybucję, co sprawia, że badanie TMOD3 w nowotworach układowych jest bardziej popularne 14,15,16,17,18,19. Niemniej jednak nadal nie ma badań nad TMOD3 w raku jajnika. Badania te ujawniły wysoką ekspresję TMOD3 w raku jajnika i dalej analizowały jego rolę w oporności na platynę i infiltracji immunologicznej guza w raku jajnika.

GEO jest wiodącą na świecie, w pełni publicznie dostępną bazą danych o ekspresji genów. Dzięki integracji baz danych GEO i TCGA badanie to wykazało, że TMOD3 ulega nadekspresji w raku jajnika na podstawie wielu niezależnych zestawów danych zarówno na poziomie mRNA, jak i białka. Nieprawidłowa ekspresja genów jest ważnym mechanizmem rozwoju nowotworu55, a badanie to wykazało ponadto, że TMOD3 był znacząco związany z przerzutami, stopniami, etapami i rokowaniem raka jajnika. Dlatego TMOD3 odgrywa istotną rolę w raku jajnika.

Wcześniejsze badania wykazały, że geny związane z cytoszkieletem ulegały zwykle nieprawidłowej ekspresji w apoptozie wywołanej cisplatyną, a cytoszkielet aktynowy byłznacznie zmodyfikowany7. Rzeczywiście, jako białko pokrywające wolno rosnące (spiczaste) końce włókien aktynowych, TMOD3 został zmieniony po leczeniu cisplatyną i karboplatyną, a analiza GO i analiza KEGG wykazały również, że cytoszkielet aktynowy może być potencjalnym mechanizmem TMOD3 wpływającym na proces w raku jajnika. Jednak cytoszkielet jest złożonym procesem biologicznym, a to badanie wykazało jedynie, że na ekspresję TMOD3 miały wpływ leki zawierające platynę. To, czy TMOD3 jest bezpośrednim celem leków zawierających platynę i czy inne leki chemioterapeutyczne również zmieniają ekspresję TMOD3, musi zostać dodatkowo udowodnione za pomocą molekularnych eksperymentów biologicznych. W tym badaniu ekspresja TMOD3 u pacjentów z umiarkowaną wrażliwością na platynę nie uległa istotnej zmianie po chemioterapii opartej na platynie, podczas gdy TMOD3 znacznie spadła u pacjentów o wysokiej wrażliwości. Opierając się na wysokiej ekspresji TMOD3 w raku jajnika, uzasadnione jest spekulowanie, że TMOD3 jest związany z opornością na platynę w raku jajnika. Wykorzystując zestawy danych eksperymentalnych in vitro i zestawy danych pacjentów, badanie to wykazało również, że ekspresja TMOD3 była znacznie wyższa w liniach komórkowych raka jajnika odpornych na platynę niż u pacjentek wrażliwych na platynę. Późne rozpoznanie choroby i nawroty choroby spowodowane chemioopornością przyczyniły się do wysokiej śmiertelności w raku jajnika 1,2. Doniesiono, że wykazano, że anty-TMOD3b-autoAb w surowicy ma czułość ≥80% w diagnostyce endometriozy rAFS w stadium od I do II i endometriozy ujemnej pod względem ultradźwięków56. Badanie to wykazało, że TMZT3 jest cennym markerem do określania odporności na platynę. Konieczna jest jednak dalsza analiza kliniczna, aby ustalić, czy TMOD3 jest cennym biomarkerem we wszystkich przypadkach, w których oporność na platynę pojawia się w różnym czasie lub na różnych poziomach.

Regulacja potranskrypcyjna za pośrednictwem mikroRNA jest ważnym mechanizmem nieprawidłowej ekspresji genów związanych z chemoopornością34. W tym badaniu analiza mRNA-miRNA ujawniła możliwą przyczynę wysokiej ekspresji TMOD3 w raku jajnika i raku jajnika opornym na platynę. Wykazano, że miR-133a zwiększa wrażliwość raka piersi na doksorubicynę poprzez obniżenie ekspresji UCP-257 i zwiększa wrażliwość linii komórkowej ludzkiego raka krtani poprzez obniżenie ekspresji ATP7B58. W tym badaniu stwierdzono również, że miR-133a jest ukierunkowany na TMOD3 i był istotnie ujemnie skorelowany z TMOD3 w próbkach raka jajnika TCGA. Ekspresja miR-133a u pacjentek z rakiem jajnika wrażliwym na cisplatynę była również wyższa niż u pacjentek opornych na cisplatynę. Oznacza to, że miR-133a może pośredniczyć w oporności na cisplatynę w raku jajnika, wpływając na ekspresję TMOD3 poprzez regulację potranskrypcyjną. MikroRNA jest uważane za cenny czynnik w diagnostyce nowotworów z kilku powodów. Po pierwsze, możliwe jest wykrycie miRNA w płynach ustrojowych, takich jak krew, mocz, siara i płyn opłucnowy. Po drugie, krążące miRNA są bardzo stabilne w płynach ustrojowych i nie mają na nie wpływu endogenne RNazy. Po trzecie, krążące miRNA przenoszą patologiczne sygnały z różnych miejsc guza lub lokalizacji przerzutów, pokonując w ten sposób problem niejednorodności guza59. Na przykład immunohistochemia w połączeniu z miR-133a w osoczu może znacznie poprawić swoistość i czułość wczesnej diagnostyki raka jelita grubego60. Dlatego zastosowanie diagnostyczne miR133a w oporności raka jajnika na platynę zasługuje na dalsze badania.

Badania nad rolą TMOD3 w komórkach odpornościowych są ograniczone. Analiza korelacji między ekspresją TMOD3 a naciekaniem komórek odpornościowych w raku jajnika nie była wcześniej prowadzona. W tym badaniu stwierdziliśmy, że TMOD3 był dodatnio skorelowany z liczbą naciekających komórek odpornościowych, takich jak limfocyty T CD8 + i komórki dendrytyczne, w tkankach nowotworowych. Poprzednie doniesienia naszej grupy wykazały, że TMOD1 wspomaga dojrzewanie i funkcję immunologiczną komórek dendrytycznych61, co sugeruje, że TMOD3 może odgrywać podobną rolę w raku jajnika. Ponadto ekspresja TMOD3 była również dodatnio skorelowana z ekspresją PD-L1, PDCD1 i CTLA4 w tym badaniu. Dlatego, chociaż TMOD3 bierze udział w rekrutacji komórek odpornościowych do tkanki nowotworowej, może również prowadzić do zwiększonej ekspresji PD-L1, PDCD1 i CTLA4 na powierzchni komórek nowotworowych, co wskazuje, że wysoka ekspresja tego genu nadal ma hamujący wpływ na odpowiedź immunologiczną guza. Konieczne jest dalsze zbadanie jego mechanizmu i zbadanie możliwości wdrożenia immunoterapii w chemoopornym raku jajnika poprzez ingerencję w ekspresję TMOD3.

Aby dokładniej zbadać możliwość TMOD3 jako potencjalnego celu terapeutycznego w chemoopornym raku jajnika, w badaniu przeanalizowano interakcję między TMOD3 a istniejącymi lekami i stwierdzono, że kilka leków może zmniejszać ekspresję TMOD3. Potrzebne jest jednak dalsze wsparcie eksperymentalne, w tym przedkliniczne i prospektywne badania kliniczne, w celu ustalenia, czy pacjentki z lekoopornym rakiem jajnika z nadekspresją TMOD3 mogą odnieść korzyści z hamowania TMOD3, czy też TMOD3 jest obiecującym celem terapeutycznym.

Niniejsze badanie ma kilka ograniczeń. Po pierwsze, ekspresję i znaczenie prognostyczne TMOD3 zbadano za pośrednictwem publicznych baz danych online, a dalsze analizy są potrzebne do dalszej walidacji tych wyników w eksperymentach komórkowych i na zwierzętach. Po drugie, eksperymenty in vitro i in vivo muszą zostać zaprojektowane w celu wyjaśnienia szczegółowych mechanizmów, za pomocą których TMOD3 pośredniczy w oporności na platynę w raku jajnika. Po trzecie, lepszym rozwiązaniem może być zbadanie roli TMOD3 w połączeniu z sekwencjonowaniem pojedynczych komórek, aby uniknąć heterogeniczności komórek rakowych.

Podsumowując, wyniki te po raz pierwszy wykazały, że ekspresja TMOD3 jest podwyższona w lekoopornym raku jajnika. W badaniu tym wstępnie zbadano również jego potencjalne mechanizmy i potencjał jako celu terapeutycznego.

Oświadczenia

Autorzy nie zgłaszają konfliktu interesów.

Podziękowania

Ta praca była wspierana przez granty z Narodowej Fundacji Nauk Przyrodniczych Chin (nr 32171143, 31771280) oraz granty z Fundacji Nauk Przyrodniczych Departamentu Edukacji Prowincji Jiangsu (nr 18KJD360003, 21KJD320004).

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
cBioportalMemorial Sloan Kettering Cancer CenterAnaliza korelacji z  TMOD3 z ukierunkowanymi miRNA (https://www.cbioportal.org)
Baza danych CTDStanowy Karoliny PółnocnejAnaliza relacji między chemią, genami, fenotypem, chorobą i środowiskiem (https://ctdbase.org/)
CytoscapeNarodowy Instytut Ogólnych Nauk Medycznych Narodowych Instytutów ZdrowiaIntegracja, analiza i wizualizacja danych sieciowych (www.cytoscape.org/)
DAVIDFrederick National Laboratory for CancerKompleksowy zestaw funkcjonalnych narzędzi adnotacyjnych dla badaczy, aby zrozumieć biologiczne znaczenie dużych list genów(https://david.ncifcrf.gov/)
GEONCBIAnaliza ekspresji genów (https://www.ncbi.nlm.nih.gov/geo/ )
HPAKnut & Fundacja Alice WallenbergBaza danych Human Protein Atlas (HPA) pomogła przeanalizować rozkład TMOD3 w różnych komórkach odpornościowych (https://www.proteinatlas.org/)
Zakład Bioinformatyki Uniwersytetu SemmelweisaAnaliza prognostyczna (https://kmplot.com/analysis/)
Aby określić ostateczną strukturę molekularną leku
ROC Plotter  Zakład Bioinformatyki Uniwersytetu SemmelweisaWalidacja interesującego genu jako markera predykcyjnego (http://www.rocplot.org/)
UniwersytetSystematyczna analiza nacieków immunologicznych w różnych typach nowotworów (https://cistrome.shinyapps.io/timer/)
TISIDBUniwersytet w HongkonguPortal internetowy poświęcony interakcji nowotworów i układu odpornościowego(http://cis.hku.hk/TISIDB/)
TNMplotZakład Bioinformatyki UniwersytetuAnaliza ekspresji genów (https://www.tnmplot.com/ )
UALCANUniwersytet ALabama w Birmingham Analiza ekspresji genów (http://ualcan.path.uab.edu)
Uniwersytet Research Ploter KM LinkedOmics Baylor College of Medicine Platforma dla biologów i klinicystów do dostępu, analizy i porównywania danych multiomicznych dotyczących nowotworów w obrębie i między typami nowotworów (http://www.linkedomics.org/)Baza danych PubChem Amerykańska Narodowa Biblioteka Medyczna STRING Szwajcarski Instytut Bioinformatyki Analiza sieci koekspresji(https://string-db.org)TargetScan Whitehead Instytut Badań Biomedycznych Przewidywanie celów miRNA (www.targetscan.org/)TIMER Harvard Semmelweisa

Bibliografia

  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).

Przedruki i uprawnienia

Tagi

Ekspresja TMOD3białka cytoszkieletuchemioterapia oparta na platynieregulacja miRNAprzeżycie całkowiteprzeżycie wolne od progresji
Nadekspresja tropomoduliny 3 jako marker oporności na platynę i infiltracji immunologicznej w raku jajnika
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.