Method Article

Декодирование эпитранскриптома: In Silico Insights Regulatory Network M6A при раке молочной железы

DOI:

10.3791/70545

⸱

June 9th, 2026

 ,  ,  ,  ,  , 
1Department of Life Sciences, College of Science and General Studies, Alfaisal University, 2Department of Biological and Biomedical Sciences, Aga Khan University, 3College of Medicine, Alfaisal University, 4Affiliated Hospital of Hunan University, School of Biomedical Sciences, Hunan University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Этот протокол предлагает подход к проведению in silico генетических, молекулярных и прогностических анализов регуляторов модификации m6A, интегрируя профили мутаций, изменения числа копий, экспрессию генов и клинические результаты с использованием общедоступных наборов данных из Атласа генома рака (TCGA), проекта Genotype-Tissue Expression (GTEx) и платформ микрочипов.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

N6-метиладенозин (m6A) является самой распространённой внутренней модификацией РНК в эукариотических транскриптах и играет ключевую роль в метаболизме РНК, экспрессии генов и клеточном гомеостазе. Дисрегуляция регуляторов m6A, включая «писателей», «ластиков» и «читателей», всё чаще связывается с биологией рака; Однако их всесторонняя роль в борьбе с раком молочной железы остаётся неизучённой. Основная цель этой статьи — предоставить новичкам в биоинформатике пошаговую структуру для использования общедоступных наборов данных по раку для проведения мутационного анализа, оценки изменений экспрессии генов и изучения их связи с выживаемостью пациентов. В качестве примера регуляторы m6A при раке молочной железы анализировались с использованием наборов данных из Атласа генома рака (TCGA), проекта Genotype-Tissue Expression (GTEx) и платформ микрочипов. Транскриптомические профили были систематически проанализированы для демонстрации рабочих процессов оценки прогностической значимости регуляторных компонентов m6A при раке молочной железы. Используя эту аналитическую основу, были выявлены характерные закономерности генетических изменений и дифференциальной экспрессии среди ключевых регуляторов m6A. Несколько регуляторов, включая METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 и RBMX, были связаны с улучшением выживаемости пациентов, тогда как YWHAG — с низкой общей выживаемостью. Это исследование предоставляет комплексный обзор системной геномики регуляторных генов m6A при раке молочной железы, демонстрируя практический и воспроизводимый веб-ориентированный биоинформатический рабочий процесс. Эти результаты способствуют пониманию эпитранскриптомической регуляции при раке молочной железы и служат основой для разработки новых диагностических и терапевтических стратегий на основе m6A.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Эпитранскриптомические модификации представляют собой важный слой посттранскрипционной регуляции генов и способствуют формированию различных клеточных процессов и состояний заболеваний. Из более чем 170 выявленных на сегодняшний день модификаций РНК наиболее распространённым и хорошо охарактеризованным является N6-метиладенозин (m6A) в эукариотическихмРНК 1. Устанавливаемый «писательскими» комплексами, включая METTL3/METTL14, удаляемый «ластиками», включая FTO и ALKBH5, и интерпретируемый «читательными» белками, включая членов семейства YTH и IGF2BP, m6A организует сплайсинг, стабильность, транспорт и трансляцию РНК, тем самым влияя на ключевые биологические процессы, включая развитие, дифференцировку и стрессовуюреакцию 2,3.

Изменения в регуляторных компонентах m6A были зарегистрированы в широком спектре злокачественныхопухочек 4. Во многих видах рака аномальная активность m6A вызывает появление злокачественных фенотипов; например, повышенная экспрессия METTL3 способствует инициации и прогрессированию рака простаты за счёт модуляции пути ёжика и метилирования MYCРНК 5,6. Изначально было установлено, что ФТО участвует в онкогенном воздействии при остром миелоидном лейкозе, но было показано, что ФТО способствует прогрессированию опухолей при раке печени, лёгкихи колоректального рака 7,8,9,10. Однако были выявлены контекстно-зависящие роли FTO и ALKBH5, которые иллюстрируют двойственную природу регуляции, опосредованной m6A, что может способствовать как онкогенному, так и опухолоподавляющемусигналам 11,12,13,14. Считыватели M6A, включая YTHDF1/2/3, гетерогенные ядерные рибонуклеопротеины (hnRNP) и белки, связанные с фактором роста-2 (IGF2BP1-3), также были связаны с канцерогенезом 15,16,17.

При раке молочной железы всё больше данных указывает на то, что регуляторы m6A часто нарушены и могут быть связаны с подтипами опухолей, иммунными особенностями и клиническимирезультатами 18,19. Многочисленные механистические исследования позиционируют METTL3 как часто повышающийся проонкогенный фактор при раке молочной железы. Установка m6A, опосредованная METTL3, может стабилизировать или усилить трансляцию транскриптов, способствующих пролиферации, эпителиально-мезенхимальному переходу (EMT), метастазированию и химиорезистентности20. Также было показано, что METTL3 способствует прогрессированию рака молочной железы за счёт таргетинга наBcl-221. ALKBH5 участвует в регулировании программ ствола рака с помощью NANOG и других молекул, связанных со стволом, однако его влияние может варьироваться в зависимости от контекстаопухоли 22.

Поскольку список регуляторов m6A продолжает расширяться в последние годы, необходимо обновить информацию о том, как недавно выявленные регуляторы могут быть дисрегулированы при раке молочной железы. Таблица 1 содержит список регуляторов m6A, включающих записи, считыватели и ластики модификации m6A. Кроме того, были выявлены новые регуляторы m6A, включая LRPPRC и YWHAG, с последствиями для прогрессирования рака 23,24,25. Поэтому была проведена комплексная генетическая и молекулярная характеристика всех известных регуляторов m6A при раке молочной железы с использованием инструментов, которые могут применяться исследователями с ограниченным биоинформатическим опытом.

Цель этой статьи в разделе «Методы» — представить пошаговый протокол биоинформатики на основе платформы для анализа регуляторов m6A при раке молочной железы с использованием общедоступных ресурсов геномики рака. Используя наборы данных из The Cancer Genome Atlas (TCGA) (www.cancer.gov/tcga), Genotype Tissue Expression (GTEx) проекта26 и веб-аналитических платформ, таких как cBioPortal и UCSC Xena, этот протокол демонстрирует воспроизводимые рабочие процессы для оценки мутационных профилей, изменений экспрессии генов и связи с выживаемостью пациентов. Этот визуализированный и доступный подход предназначен для облегчения внедрения эпитранскриптомического анализа данных исследователями, начинающими в биоинформатике рака.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ПРИМЕЧАНИЕ: Список генов, кодирующих регуляторы метилирования m6A, классифицированных как авторы, считыватели и стиратели, представлен в таблице 1. Все перечисленные гены были включены в последующие анализы мутаций, паттернов экспрессии и общей выживаемости. Всё программное обеспечение и инструменты, использованные в этом исследовании, перечислены в Таблице материалов.

1. Выявление генетических изменений в регуляторах m6A

  1. Получите доступ к cBioPortal для геномики рака. Перейдите на сайт cBioportal (www.cbioportal.org)27,28. На главной странице выберите вкладку «Запрос», чтобы начать новый анализ.
  2. Выберите подходящее исследование и группу рака.
  3. В поисковой строке «Выбрать исследования для визуализации и анализа» введите «Инвазивная карцинома молочной железы» и выберите «Инвазивная карцинома молочной железы (TCGA, Панраковый атлас)».
  4. Внизу выберите «Запрос по Джину».
    КРИТИЧНО: Убедитесь, что выбранная когорта (996 образцов) включает как данные о мутациях, так и об изменении числа копий (CNA).
  5. Определите генетический запрос. В разделе «Введите гены» введите символы гена HUGO для полного списка исследуемых регуляторов m6A.
    ПРИМЕЧАНИЕ: Гены можно вводить в виде списка, разделённого пробелами. В разделе «Выбрать геномные профили» убедитесь, что отмечены следующие два типа данных: мутации и изменения номера копирования.
  6. В разделе «Выбрать набор пациента/случая» выберите набор выборок по умолчанию, соответствующий когорте со всеми профилями случаев.
  7. Нажмите синюю кнопку «Отправить запрос».
  8. Получить и интерпретировать данные о генетических изменениях. После отправки результат загрузится на вкладке «summary». Центральная визуализация «OncoPrint» даёт немедленный обзор генетических изменений по всем запросным генам когорты, который можно скачать.
  9. Рядом с OncoPrint найдите график «Краткое описание типа рака». Это даёт количественный анализ изменений между подтипами рака молочной железы.
  10. Проведите панраковый анализ. Вернитесь на главную страницу cBioPortal и выберите «TCGA PanCancer Atlas Studies» во вкладке «Запрос».
  11. В поле ввода гена введите тот же список генов m6A-регуляторов.
  12. Нажмите «Отправить запрос», а на странице результатов перейдите на вкладку «Краткое описание типов рака». Это даёт панраковый взгляд.

2. Сравнительный транскриптомический анализ регуляторов m6A с использованием UCSC Xena.

  1. Получите доступ к платформе UCSC Xena. Перейдите на сайт UCSC Xena (https://xena.ucsc.edu)29.
  2. На главной странице нажмите кнопку «Запустить Xena», чтобы войти в основной браузер анализа.
  3. В браузере Xena нажмите «DATA SETS».
  4. Среди наборов данных выберите «TCGA TARGET GTEx». Он содержит однородно обработанные данные RNA-Seq из нормальных тканей проектов TCGA и GTEx.
  5. На следующей странице нажмите «ВИЗУАЛИЗИРОВАТЬ».
  6. Определим переменную Фенотипа (выборочная группа). В разделе «Выберите первую переменную» выберите «Основную категорию» в типе данных Фенотипически.
  7. Нажмите «К ВТОРОЙ ПЕРЕМЕННОЙ». Затем в геномном типе данных поставьте галочку «Экспрессия генов» в наборе данных. Добавьте список генов в поле «Добавить ген или позицию». Нажмите «Готово».
  8. Визуализируйте узоры выражения с помощью тепловой карты.
  9. Чтобы отделить образцы груди (TCGA+GTEx) от TCGA TARGET GTEx, введите «Breast» и используйте фильтр для сохранения образцов.
  10. Тепловая карта теперь видна и её можно скачать в формате PDF.
  11. Создайте сравнительные бокс-графики для отдельных генов. Чтобы количественно оценить и визуализировать различия экспрессии для конкретного гена, используйте «View as chart». Используя эту опцию, данные можно рассматривать как коробчатый график, точечный график и скрипичный график, сравнивая распределение выражений между двумя группами выборок.
  12. Используйте опцию «Скачать в формате PDF», чтобы скачать диаграммы.
  13. Статистическую значимость (p-значение) можно получить, нажав на «СТАТИСТИКА».

3. Оценка прогностической значимости регуляторов m6A с помощью плоттера Каплана-Майера.

  1. Получите доступ к инструменту Kaplan-Meier Plotter. Перейдите на сайт Kaplan-Meier Plotter (https://kmplot.com/analysis)30.
  2. На главной странице выберите вкладку «рак молочной железы», чтобы инициировать анализ, специфичный для наборов данных по раку молочной железы.
  3. Настройте генный запрос для одного гена.
  4. В разделе первичного входа найдите поле «Символ гена».
  5. Появляется официальный символ регулятора m6A, который подлежит анализу (например, METTL3).
    КРИТИЧНО: Прямо под окном ввода гена найдите и включите галочку «Only JetSet best probe set». Это гарантирует, что для вашего гена автоматически выбирается самый надёжный и специфический зонд, оптимизируя качество данных и воспроизводимость.
  6. Определите параметры анализа выживаемости. В разделе «Выживание» выберите «Общая выживаемость (OS) » как основную конечную точку для этого анализа. Инструмент автоматически использует данные от 1880 пациенток с раком груди при выборе этой настройки.
  7. Убедитесь, что опция «Разделить пациентов по» установлена на «медиана». Это разделит пациентов на две равные группы; Высокая и низкая экспрессия, основанные на медианном значении экспрессии запрашиваемого гена по всем образцам.
  8. Для выбора периода последующего наблюдения можно использовать «порог последнего наблюдения ». Для этого исследования был выбран 180 месяцев.
  9. Сгенерировать и интерпретировать график Каплана-Майера.
  10. Нажмите кнопку «Нарисовать график Каплана-Майера».
  11. Закроется новое окно, показывающее кривую выживания.
  12. Интерпретировать ключевые элементы сюжета; Ось X указывает время в месяцах, ось Y — вероятность общей выживаемости, две цветные линии — кривые выживаемости для групп пациентов с высокой экспрессией (красная) и низкой экспрессии (чёрный). Отображается логарифмическое значение P, указывающее на статистическую значимость разницы между двумя кривыми выживаемости.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Мутационный ландшафт регуляторов метилирования m6a при раке молочной железы

В более раннем исследовании геномного анализа наборов данных TCGA было сообщено о повторяющихся мутациях в нескольких генах, кодирующих регуляторы метилированияДНК, 31. В настоящем исследовании cBioPortal был использован для анализа набора данных «Инвазивная карцинома молочной железы (TCGA, PanCancer Atlas)» с целью изучения мутационных профилей генов, кодирующих авторов, считывателей и стирателей метилирования m6A РНК. Этот анализ выявил разнообразные генетические изменения среди пациенток с раком молочной железы, при этом частота изменений существенно варьируется между генами — от 0,4% у CNBP и RBM15B до 12% у VIRMA (рисунок 1A). Наиболее распространённым изменением стала амплификация генов, а дополнительные события включали глубокие делеции, замещения баз и множественные одновременные изменения. В частности, изменения в генах, регулирующих функции, связанные с m6A, были обнаружены у 476 пациенток (48% когорты) (рисунок 1B), что подчёркивает значимость динамики модификации m6A при раке молочной железы. Хотя частота различных типов изменений варьировалась, такие мутации наблюдались во всех молекулярных подтипах рака молочной железы (рисунок 1C). Для валидации в качестве эталонных контрольных генов были включены PIK3CA, TP53, CDH1 и GATA3 (рисунок 1A). Поразительно, что изменения в регуляторном аппарате m6A не ограничивались только раком молочной железы. Анализ 10 967 образцов из 10 953 пациентов из 32 исследований в TCGA Pan-Cancer Atlas выявил консервативные мутационные паттерны в широком спектре типов рака. Недавно было показано, что путь m6A часто изменяется при раке предстательной железы (PCa) и в целом играет проонкогеннуюроль 32. Эти результаты свидетельствуют о том, что мутации, затрагивающие гены, кодирующие авторов, считывателей и стирателей модификации m6A РНК, являются распространённой чертой у множества видов рака (см. рисунок 2).

Профили экспрессии аберрантных генов при раке молочной железы

Новые данные подчёркивают транскриптомические нарушения как ключевые факторы опухологенеза, при этом аномальная экспрессия генов может служить биомаркерами при раке молочной железы. Для изучения этого были проанализированы уровни транскриптов генов, регулирующих модификацию m6A, с использованием данных TCGA и проекта Genotype Tissue Expression (GTEx), представляющего нормальную ткань молочной железы. Как показано на рисунке 3A, различные гены, ассоциированные с m6A, демонстрировали значительную дисрегуляцию в образцах рака молочной железы. В тканях опухоли наблюдались как апрегуляция, так и пониженная регуляция по сравнению с нормальной контрольной группой. METTL3 и WTAP, оба компонента писательского комплекса, были понижены среди других генов, в то время как несколько других генов, включая VIRMA, YTHDF1 и YTHDF3, были повышены. Рисунок 3B дополнительно описывает дифференциальные профили экспрессии отдельных генов в когортах TCGA и GTEx. В совокупности эти данные свидетельствуют о том, что гены, кодирующие m6A-метилирование, авторы, считыватели и стиратели, подвергаются обширной транскрипционной дерегуляции при раке молочной железы, что подчёркивает их потенциальную роль в прогрессировании заболевания.

Гены машины m6A и их роль в прогнозе пациентов

После наблюдения о том, что генетические изменения и изменения экспрессии генов широко распространены среди онкологических пациентов, была изучена прогностическая значимость этих изменений экспрессии при раке молочной железы. С помощью инструмента Kaplan-Meier (KM) Plotter30, интегрирующего наборы данных микрочипов, общая выживаемость (OS) была оценена у когорты из 1880 пациенток с раком молочной железы по экспрессии генов регулятора m6A. Этот анализ показал, что повышенная экспрессия METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 и RBMX была существенно связана с улучшением общей выживаемости. В отличие от этого, гиперэкспрессия YWHAG коррелировала с плохими результатами выживаемости (рисунок 4). В качестве контрольных тестов были включены CCND2 и TOP2A, известные маркеры улучшения и неблагоприятного прогноза соответственно. Другие гены, кодирующие регуляторы m6A, не показали статистически значимой корреляции с выживаемостью пациентов (дополнительный рисунок). Эти результаты выделяет подмножество регуляторных генов метилирования m6A, которые могут быть полезны для прогнозирования рака молочной железы.

figure-results-1
Рисунок 1: Генетические изменения в генах m6A при раке молочной железы. (A) Показано распределение изменений среди 996 пациенток с раком молочной железы, при этом каждая серая линия отражает отдельный случай. Цветовые полосы обозначают различные типы изменений, включая мутации missense, глубокие делеции, амплификации, мутации в системе и усеченные мутации. Хорошо охарактеризованные гены PIK3CA, TP53, CDH1 и GATA3 включены в положительные контрольные группы из-за установленной частоты мутаций. (B) Общая частота изменений регуляторных генов m6A по всей когорте пациентов. (C) Паттерны генетических изменений в генах регулятора m6A по подтипам рака молочной железы. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры. 

figure-results-2
Рисунок 2: Частота генетических изменений генов, кодирующих m6A у авторов, считывателей и стирателей у различных типов рака. Анализ основан на данных панракового атласа TCGA, включающего 10 967 образцов из 10 953 пациентов в 32 онкологических исследованиях. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры. 

figure-results-3
Рисунок 3: Аномалии экспрессии в генах, кодирующих m6A, авторов, считывателей и стирателей. (A) Показаны сверхэкспрессия (красные полосы) и недоэкспрессия (синие полосы) всех генов. Данные GTEx и TCGA были использованы для сравнения нормальных и нормальных образцов рака молочной железы. (B) На этом рисунке представлено сравнение индивидуальной экспрессии генов у нормальных и пациенток с раком молочной железы. Xena использует t-тест Уэлча для определения p-значений каждого гена. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

figure-results-4
Рисунок 4: Экспрессионные профили авторов, читателей и стирателей m6A, а также их связь с прогнозом при раке молочной железы. Кривые выживаемости Каплана-Мейера показывают общую выживаемость пациентов: ось X указывает время (месяцы), а ось Y — общую вероятность выживаемости. Красные линии обозначают группу с высоким выражением, а чёрные — группу с низким выражением. Пациенты были стратифицированы на основе медианного уровня экспрессии генов. p-значения определялись с помощью теста Log-Rank. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Дополнительный рисунок: Члены регуляторов m6A не демонстрируют значимой корреляции с общей выживаемостью пациента, что показывают кривые выживаемости Каплана-Мейера. Красные линии обозначают группу с высоким выражением, а чёрные — группу с низким выражением. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

ТипСимвол гена
ПисателиMETTL3
METTL14
ZC3H13
WTAP
RBM15
RBM15B
METTL16
CBLL1
KIAA1429/VIRMA
ЧитателиYTHDF1
YTHDF2
YTHDF3
YTHDC1
YTHDC2
HNRNPA2B1
HNRNPC
HNRNPG/RBMX
IGF2BP1
IGF2BP2
IGF2BP3
CNBP
ELAVL1
SND1
PRRC2A
PRRC2B
PRRC2C
EIF3A
FMR1
FXR1
FXR2
LRPPRC
MSI2
ЛастикALKBH5
FTO

Таблица 1: Гены, кодирующие авторов, считывателей и стирателей m6A. Таблица 1 представляет обзор основных семейств генов, ответственных за установку, распознавание и удаление модификации m6A в эукариотической РНК.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Статья этого метода предлагает комплексный, доступный и интегрированный рабочий процесс для систематического мультиомического профилирования и клинической трансляции любой генной сигнатуры в исследованиях рака, продемонстрированный здесь через анализ регуляторов метилирования m6A РНК при раке молочной железы. Объединяя эти крупные публичные платформы биоинформатики, этот подход позволяет исследователям эффективно перейти от геномных открытий к клинически значимым гипотезам без необходимости в сложных вычислительных технологиях.

Основная сила этой методологии — её модульный, генерирующий гипотезы конвейер. Протокол ведёт пользователя по логической последовательности; сначала определить, какие гены генетически изменены (с помощью cBioPortal), затем оценить дисрегуляцию экспрессии в пакетно корректированной среде (с помощью UCSC Xena), и, наконец, оценить клиническое влияние этой дисрегуляции на выживаемость пациентов (с помощью плоттера Каплана-Майера). Этот поэтапный анализ — от ДНК до РНК и клинических результатов — эффективно распределяет приоритеты кандидатов генов для дальнейшего изучения. Например, применение этого рабочего процесса к m6A-регуляторам эффективно определило такие гены, как YWHAG (частые изменения, прогноз низкой выживаемости), как приоритетные цели для функциональной валидации.

Дизайн протокола для панракового анализа дополнительно повышает его полезность, позволяя исследователям быстро определить, является ли молекулярная подпись специфичной для одного рака или является общей чертой опухологенеза, как это было отмечено при масштабных изменениях в аппарате m6A в этом исследовании. Панраковый анализ показал, что мутации, поражающие авторов, читателей и ластиков m6A, не ограничивались раком молочной железы, а распространёнными между несколькими злокачественными опухощами. Это соответствует накоплению данных о том, что аномальная регуляция m6A является отличительной чертой онкогенеза у различных типов опухолей, поскольку она влияет на множество признаков рака и физиологических процессов, включая сплайсинг РНК, стабильность, трансляцию и некодирующую активностьРНК 33.

Такой методологический подход очень адаптивен. Хотя это демонстрируется с помощью m6A-регуляторов, идентичный рабочий процесс может быть немедленно применён для характеристики генов иммунных контрольных точек, метаболических ферментов или новых генных сигнатур из экспериментов с РНК-секвенсом в любом типе рака, доступных в этих базах данных. Такой пошаговый формат снижает барьер для учёных в лаборатории для проведения сложных in silico анализов, ускоряя переход от геномных данных к биологическим знаниям.

В заключение, этот протокол предоставляет надёжную основу для контекстуализации генов, связанных с раком. Помимо определения мутационного ландшафта, результаты выявили двунаправленные изменения экспрессии в регуляторах m6A. Это открытие подчёркивает сложность эпитранскриптома и подтверждает устоявшуюся парадигму контекстно-зависимой функции, что иллюстрируется двойным ролей, описанным для белков семейства METTL3 и YTHDF в различных видах рака34,35. Также показано, что ось m6A играет роль в регуляции пролиферации, метастазирования и уклонения от иммунитета при тройной отрицательной ракемолочной железы 36,37. Интересно, что анализ выживаемости выявил подмножество регуляторов m6A с прогностической значимостью. Повышенная экспрессия METTL14, CBLL1, YTHDC1, HNRNPC, HNRNPA2B1 и RBMX была связана с благоприятными результатами, тогда как экспрессия YWHAG коррелировала с низкой общей выживаемостью. Эти результаты подтверждают потенциальную клиническую полезность регуляторов m6A в качестве прогностических биомаркеров. CBLL1 также был выявлен как один из факторов с благоприятным прогнозом в более раннемисследовании 38. Однако текущий анализ с участием обновлённых членов m6A регуляторов выявил дополнительные представители, такие как RBMX и YWHAG, с лучшей и худшей общей выживаемостью соответственно. Наблюдение о том, что различные регуляторы могут предсказывать как неблагоприятный, так и благоприятный прогноз, подчёркивает двойственные и контекстно-специфичные функции модификаций m6A в биологии рака. Хотя YTHDF1 и YTHDF3 значительно повышены у опухолей, их отсутствие корреляции с общей выживаемостью может отражать функциональную избыточность среди читателей, контекстно-зависящую роль между подтипами рака или необходимость учитывать их отношение или чистую регуляторную сеть m6A, а не индивидуальные уровни экспрессии. Кроме того, хотя VIRMA демонстрировала наивысшую частоту изменений (12%), преимущественно амплификацию), её экспрессия не коррелировала существенно с общей выживаемостью при раке молочной железы. Одно из возможных объяснений заключается в том, что экспрессия hIgh VIRMA указывает только на повышенный потенциал осаждения m6A, а не на наличие необходимых нижних считывателей или целевых мРНК для преобразования этого в агрессивное поведение опухоли. Примечательно, что хотя YTHDF1 и YTHDF3 были переэкспрессированы в когорте, YTHDC1 и YTHDC2 были значительно понижены. Этот несовпадающий паттерн экспрессии указывает на то, что функциональная комбинация конкретных авторов и читателей, необходимая для онкогенного выхода, может быть неэффективной при раке молочной железы. Таким образом, несмотря на высокую экспрессию, VIRMA может не быть доминирующим драйвером в этом контексте (дополнительный рисунок).

Авторы признают основное ограничение этого in silico конвейера. Анализы по своей сути коррелятивны; они выявляют сильные связи, но не устанавливают механистическую причинность. Такую причинно-следственную связь можно установить с помощью функциональной геномики или использования ингибиторов малых молекул, направленных на компоненты путиm6A 39. Примечательно, что первый ингибитор пептидов, направленный на METTL3, RSM3, недавно был разработан и продемонстрировал противораковый потенциал в моделях рака простаты invivo 40. Таким образом, такой методологический процесс является ценным инструментом для выявления кандидатов и стратификации пациентов, наиболее вероятно получивших пользу от этих терапевтических вмешательств.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Части этой рукописи были переработаны с помощью языковых инструментов на базе искусственного интеллекта для повышения ясности и читаемости. Вся содержательная информация, интерпретация, анализ и выводы принадлежат авторам. Мы заявляем, что конфликта интересов нет.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Грант от Университета Альфайсал (IRG 25450) для RM, к счастью, признан.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
cBioPortalОнкологический центр Мемориал Слоан-Кеттерингhttps://www.cbioportal.org
Экспрессия генотипов и тканей (GTEx)Консорциум GTExhttps://gtexportal.org
Плоттер Каплана-МайераЛаборатория Гьорфи/A5 Genetics Ltdhttps://kmplot.com
Атлас генома рака (TCGA)Национальный институт рака (NCI)https://www.cancer.gov/tcga
Браузер UCSC XenaКалифорнийский университет в Санта-Крузеhttps://xenabrowser.net

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

m6A ModificationEpitranscriptomic RegulationBreast CancerRNA Methylationm6A RegulatorsBioinformatics WorkflowGene Expression AnalysisCancer GenomicsPrognostic BiomarkersTCGA Datasets

Related Articles