Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

Yumurtalık Kanserinde Platin Direnci ve İmmün İnfiltrasyon için Bir Belirteç Olarak Tropomodulin 3 Aşırı İfadesi

3.4K görüntülenme

⸱

DOI:

10.3791/65841

⸱

2 Ağustos 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

Bu makalede

Özet

Tropomodulin 3 (TMOD3) son yıllarda tümörlerde giderek daha fazla çalışılmaktadır. Bu çalışma, TMOD3'ün yumurtalık kanserinde yüksek oranda eksprese olduğunu ve platin direnci ve immün infiltrasyon ile yakından ilişkili olduğunu bildiren ilk çalışmadır. Bu sonuçlar, yumurtalık kanseri için terapötik sonuçların iyileştirilmesine yardımcı olabilir.

Özet

Hücre iskeleti, yumurtalık kanserinde platin direncinde önemli bir rol oynar. Tropomodulin 3 (TMOD3) birçok tümörün gelişiminde kritik öneme sahiptir, ancak yumurtalık kanserinin ilaç direncindeki rolü keşfedilmemiştir. Bu çalışma, Gene Expression Omnibus (GEO), The Cancer Genome Atlas (TCGA) ve Clinical Proteomic Tumor Analysis Consortium (CPTAC) veri tabanlarından gelen verileri analiz ederek, over kanseri ve normal dokularda TMOD3 ekspresyonunu karşılaştırdı ve platine duyarlı ve platine dirençli over kanserlerinde platin tedavisi sonrası TMOD3 ekspresyonunu inceledi. Yumurtalık kanseri hastalarında TMOD3'ün genel sağkalım (OS) ve progresyonsuz sağkalım (PFS) üzerindeki etkisini değerlendirmek için Kaplan-Meier yöntemi kullanıldı. TMOD3'ü hedefleyen mikroRNA'lar (miRNA'lar) TargetScan kullanılarak tahmin edildi ve TCGA veri tabanı kullanılarak analiz edildi. TMOD3 ekspresyonu ile immün infiltrasyon arasındaki ilişkiyi belirlemek için Tümör İmmün Tahmin Kaynağı (TIMER) ve tümör-immün sistem etkileşimleri için entegre bir depo portalı (TISIDB) kullanıldı. Yumurtalık kanserinde TMOD3 koekspresyon ağları, LinkedOmics, Etkileşimli Genlerin/Proteinlerin Alınması için Arama Aracı (STRING) ve Ek Açıklama, Görselleştirme ve Entegre Keşif Veritabanı (DAVID) Biyoinformatik kullanılarak araştırıldı. Sonuçlar, TMOD3'ün yumurtalık kanserinde yüksek oranda eksprese edildiğini ve yumurtalık kanserinin derecelendirilmesi, evrelenmesi ve metastazı ile ilişkili olduğunu gösterdi. Platin ile tedavi edilen yumurtalık kanseri hücrelerinde ve hastalarda TMOD3 ekspresyonu önemli ölçüde azalmıştır. Bununla birlikte, platine dirençli yumurtalık kanseri hücrelerinde ve dokularında TMOD3 ekspresyonu, platine duyarlı olanlara göre daha yüksekti. Platin bazlı kemoterapi ile tedavi edilen yumurtalık kanseri hastalarında daha yüksek TMOD3 ekspresyonu daha düşük OS ve PFS ile anlamlı olarak ilişkiliydi. miRNA aracılı transkripsiyon sonrası düzenleme, yumurtalık kanseri ve platine dirençli yumurtalık dokularında yüksek TMOD3 ekspresyonundan muhtemelen sorumludur. TMOD3 mRNA'nın ekspresyonu, yumurtalık kanserinde immün infiltrasyon ile ilişkilendirildi. Bu bulgular, TMOD3'ün yumurtalık kanserinde yüksek oranda eksprese olduğunu ve platin direnci ve immün infiltrasyon ile yakından ilişkili olduğunu göstermektedir.

Giriş

Over kanseri, dünya çapında jinekolojik tümörlerin ölüm oranında ikinci en yüksek orandır1. Histopatolojiye göre üç tipe ayrılabilir: germ hücreli, gonadal mezenkimal ve epitel tümörleri, hastaların% 90'ı epitelyal over kanseridir. Yumurtalık kanseri ile ilişkili risk faktörleri arasında kalıcı yumurtlama, artmış gonadotropin maruziyeti ve inflamatuar sitokinlerbulunur 2. Yumurtalık kanseri vakalarının %75'inden fazlası ileri evrelere kadar tespit edilmez ve bu da etkili tedavi eksikliğine neden olur. İleri over kanseri olan hastalar, intraperitoneal uygulama ve hedefe yönelik tedavi gibi yeni kemoterapi rejimlerine rağmen 5 yıllık sağkalım oranının %20'sinden daha az olan kötü bir prognoza sahiptir. Yumurtalık kanseri için standart tedavi esas olarak tümör rezeksiyonu ameliyatını takiben platin ve paklitaksel gibi ilaçlarla kemoterapiden oluşur. Bununla birlikte, tümör nüksü vakaların yaklaşık% 70'inde görülür1. Sisplatin, DNA replikasyonu ve transkripsiyonuna müdahale ederek terapötik etkilerini gösterir ve şu anda yumurtalık kanseri kemoterapisinde birinci basamak ajandır. Bununla birlikte, yumurtalık kanseri hastalarının önemli bir kısmı platine dirençlidir3. İlaç akışı, hücresel detoksifikasyon, DNA onarımı, apoptoz ve otofaji gibi çoklu hücresel süreçler, yumurtalık kanseri hücrelerinde platin direncinde kritik öneme sahiptir 4,5,6.

Hücre iskeletindeki değişiklik, over kanserinde platin direncini etkileyen önemli bir mekanizmadır. Son zamanlarda, hücre iskeleti ile ilişkili genlerin genellikle anormal bir şekilde eksprese edildiği ve aktin hücre iskeletinin, sisplatin ile tetiklenen apoptoz7 varlığında önemli ölçüde modifiye edildiği bildirilmiştir. Birçok çalışma, sisplatinin yumurtalık kanseri hücrelerinin nanomekaniğini modüle ettiğini göstermiştir. Hassas hücrelerin hücre sertliği, esas olarak aktin polimerizasyonunun bozulmasıyla katkıda bulunan platin dozuna bağlı olarak artar. Buna karşılık, sisplatine dirençli hücreler, sisplatin tedavisinden sonra hücre sertliğinde önemli bir değişiklik göstermedi8. Ayrıca, Young'ın sisplatine duyarlı yumurtalık kanseri hücrelerinin modülü, atomik kuvvet mikroskobu ile ortaya çıktığı gibi daha düşüktü. Buna karşılık, sisplatine dirençli yumurtalık kanseri hücreleri, uzun aktin stres lifleri ile karakterize bir hücre iskeleti sergiler. Rho GTPaz'ın inhibe edilmesi, bu dirençli hücrelerde sertliği azaltır ve sisplatin duyarlılığını artırır. Tersine, sisplatine duyarlı hücrelerde Rho GTPaz'ın aktive edilmesi, hücre sertliğini arttırır ve sisplatin9'a duyarlılıklarını azaltır. Bir tümör baskılayıcı gen olan çoklu uçbirleştirmeli (RBPMS) RNA bağlayıcı protein, hücre iskeleti ağının protein ekspresyonunu düzenleyerek ve hücre bütünlüğünü koruyarak yumurtalık kanseri hücrelerinde sisplatin direncini azaltır10. Aktin stres lifleri, A2780 / CP hücrelerinde A2780 hücrelerine kıyasla daha belirgindir. Yumurtalık kanseri hücrelerinde ilaç direncinin gelişmesi, aktin hücre iskeletinin kapsamlı bir şekilde yeniden düzenlenmesine neden olur, böylece hücresel mekanik özellikleri, motiliteyi ve hücre içi ilaç taşınmasını etkiler11.

TMOD3, aktin filamentlerinin12 yavaş büyüyen (sivri) uçlarını kapatarak aktinin depolimerizasyonunu önleyen hücre iskeleti düzenleyici bir proteindir. TMOD3, aktin dinamiklerini düzenleyerek farklı hücre tiplerinde farklı roller oynar ve hücre şeklinin teşvik edilmesi, hücre göçü ve kas kasılması gibi çeşitli süreçlere katılır. Farelerde TMOD3 delesyonunun E14.5-E18.5'te embriyonik ölüme yol açtığı gösterilmiştir, bu da TMOD3'ün embriyonik gelişimde kritik bir faktör olabileceğini düşündürmektedir13. Kök ve progenitör hücrelerdeki biyolojik işlevlerine dayanarak, TMOD3 tümör ilerlemesinde önemli bir rol oynayabilir. Hepatosellüler karsinomda TMOD3, MAPK/ERK sinyal yolunu14 aktive ederek hepatosellüler karsinom hücrelerinin büyümesini, istilasını ve göçünü teşvik eder ve epidermal büyüme faktörü reseptörü15 ile etkileşim yoluyla PI3K-AKT yolunu aktive ederek uzak metastazı teşvik eder. MiRNA-490-3p, TMOD316'yı hedefleyerek hepatosellüler karsinom hücre proliferasyonunu ve invazyonunu inhibe eder. MiR-145, TMOD317'yi inhibe ederek radyasyona dirençli küçük hücreli dışı akciğer kanserinin radyosensitivitesini artırır. İn vitro deneyler, TMOD3'ün lizil oksidaz homologu 2 (LOXL2) 18 ile etkileşim yoluyla hücre iskeletini düzenleyerek özofagus kanseri hücrelerinin istilasına aracılık ettiğini ortaya koydu. Ek olarak, proteomik analiz, TMOD3'ün yüksek ekspresyonunun apoptotik yol19 yoluyla akciğer kanserinde etoposid kemorezistansına potansiyel olarak aracılık edebileceğini ortaya koydu. TMOD3 son yıllarda tümörlerde giderek daha fazla çalışılmasına rağmen, TMOD3'ün over kanseri ve kemoterapideki rolü hakkında hala bir rapor bulunmamaktadır.

Bu çalışma, TMOD3'ün yumurtalık kanserinde yukarı regüle edildiğini buldu. Özellikle, TMOD3'ün yukarı regülasyonu platin direnci ile ilişkilendirildi. Bu çalışmada ayrıca over kanserinde TMOD3'ün prognostik değeri ve tümör immün infiltrasyonu ile ilişkisi değerlendirilmiştir. Bu çalışma, yumurtalık kanserinde TMOD3'ün aşırı ekspresyonunun platin direnci ile ilişkili olduğunu düşündürmektedir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

1. Gen İfadesi Omnibus (GEO)

NOT: Yumurtalık kanserinde, platin ilaçlarla tedavi edilen yumurtalık kanserinde ve ilaca dirençli yumurtalık kanserinde TMOD3 ekspresyonu GEO veri setlerinden türetilmiştir. Tüm veri kümelerinin çalışma türü, diziye göre ifade profili oluşturmaydı ve organizmalar Homo sapiens idi.

  1. GEO veritabanına gidin (Materyal Tablosuna bakınız) ve arama kutusuna TMOD3, yumurtalık kanseri ve ilaca dirençli veya veri erişimi gibi anahtar kelimeleri girin (bkz. Ek Şekil 1A).
  2. Grup tanımla kutusunda verileri farklı gruplara bölün. Seçenek menüsünde, P değerlerine ayarlamayı uygula kutusunda Benjamini ve Hochberg (Yanlış keşif oranı) öğesini seçin ve ardından GEO2R menüsünde analiz edildi'ye tıklayın. Sonuçları almak için tam tabloyu indir'e tıklayın.
  3. İndirilen verileri grafik ve istatistik yazılımı ile araştırın ve çizin (bkz. Ek Şekil 1B).
  4. İki grup arasındaki karşılaştırma için eşleşmemiş t-testi kullanın.

2. TNM konusu

NOT: TNMplot, Kanser Genom Atlası (TCGA), Etkili Tedaviler Oluşturmak için Terapötik Araştırma (TARGET) ve Genotip-Doku Ekspresyonu (GTEx) havuzlarından20 RNA-seq verilerini kullanır. Normal over dokularında ve over kanserinde TMOD3 ekspresyonu TNMplot kullanılarak analiz edildi.

  1. TNMplot web aracına gidin (Malzeme Tablosuna bakın) ve Tümör ve Normali Karşılaştır'a tıklayın.
  2. Bir gen kutusu seçin alanına TMOD3'ü yerleştirin ve Doku seç kutusunda Yumurtalık Seröz Kistadenokarsinom'u seçin.
  3. Sonuçları almak için analizi başlat'a tıklayın (bkz. Ek Şekil 1C).

3. UALCAN

NOT: Birmingham'daki ALabama Üniversitesi CANcer veri analizi Portalı (UALCAN), halka açık kanser verilerini analiz etmek için kullanıcı dostu bir çevrimiçi kaynaktır21. CPTAC verilerinde normal doku ve over kanserinde TMOD3'ün protein düzeyi ekspresyonu UALCAN kullanılarak analiz edildi.

  1. UALCAN'a gidin (Malzeme Tablosuna bakınız) ve Proteomik menüsüne tıklayın.
  2. Gen adlarını girin kutusuna TMOD3 ekleyin ve CPTAC veri kümesi kutusunda yumurtalık kanseri'ni seçin.
  3. Sonuçları almak için Keşfet'e tıklayın (bkz. Ek Şekil 1D).

4. KM-plotter prognostik analizi

NOT: Over kanserinde TMOD3'ün prognostik değeri, genel sağkalım (OS) ve progresyonsuz sağkalım (PFS) dahil olmak üzere Kaplan Meier plotter (KM-plotter) kullanılarak analiz edildi22.

  1. KM-plotter'a gidin (Malzeme Tablosuna bakınız) ve yumurtalık kanseri için KM-plotter'ı başlat'a tıklayın.
  2. TMOD3'ü Affy id / Gene sembol kutusuna yerleştirin.
  3. Hastaları kutuya göre böl'de en iyi kesmeyi otomatik seç'i seçin.
  4. Platin bazlı kemoterapi hastaları için prognoz analizi yaparken kemoterapi seçeneğinde platin içerir seçeneğini seçin.
  5. Analiz kutusu için Aşağıdaki veri kümelerini kullan bölümünde TCGA'yı seçin.
  6. Sonuçları almak için Kaplan-Meier grafiğini çiz'e tıklayın (bkz. Ek Şekil 2).

5. ROC çizici

NOT: Alıcı İşletim Karakteristik Eğrisi (ROC) Çizici, platin bazlı kemoterapiye dirençli veya duyarlı hastalarda TMOD3 ekspresyonunu analiz etmek için kullanıldı ve ilgili genin ROC eğrileri ile öngörücü bir belirteç olarak doğrulanmasına izin verdi. Transkriptom düzeyindeki ROC plotter veri setleri esas olarak TCGA ve GEO veri tabanlarından alınmıştır ve 1816 yumurtalık kanseri hastasından alınan tedavi ve yanıt verilerini içerir23.

  1. ROC Plotter'a gidin (Malzeme Tablosuna bakın) ve yumurtalık kanseri için ROC plotter'a tıklayın.
  2. TMOD3'ü Gen sembolü kutusuna yerleştirin.
  3. Yanıtlar kutusunda 6 ayda nükssüz sağkalımı seçin ve Tedavi kutusunda Platin'i seçin.
  4. Sonuçları almak için Hesapla'ya tıklayın (bkz. Ek Şekil 3).

6. mRNA-miRNA analizi

NOT: TMOD3'ü hedefleyen miRNA'lar TargetScan24 ile tahmin edildi ve daha sonra TMOD3'ün TCGA yumurtalık kanseri veri setindeki bu miRNA'larla korelasyonu cBioportal25 ile analiz edildi. Daha sonra, yukarıdaki sonuç Cytoscape26 tarafından görselleştirildi. Sisplatine duyarlı ve ilaca dirençli yumurtalık kanseri hastalarında MiRNA ekspresyonu LinkedOmics27 ile analiz edildi.

  1. TargetScan'e gidin (Malzeme Tablosuna bakın) ve TMOD3'ü Bir insan geni sembolü girin kutusuna yerleştirin (bkz. Ek Şekil 4A).
  2. cBioportal'a gidin (Malzeme Tablosuna bakın).
  3. Over Seröz Kistadenokarsinomu (TCGA, Nature 2011) veri kümesini seçin ve Genleri Girin kutusuna TMOD3 ve miRNA sembollerini ekleyin.
  4. TMOD3'ün TCGA yumurtalık kanseri veri setindeki miRNA'larla korelasyon verilerini almak için Sorgu Gönder'e tıklayın (bkz. Ek Şekil 4B), ardından sonucu Cytoscape ile görselleştirin (bkz . Malzeme Tablosu) (bkz. Ek Şekil 4C).
  5. LinkedOmics'e gidin (Malzeme Tablosuna bakın) ve Örnek kohort TCGA_OV seçin.
  6. Arama Veri Kümesi Seç kutusunda klinik'i seçin ve Arama Veri Kümesi Öznitelik Seç kutusunda platin durumunu seçin.
  7. Hedef Veri Kümesi Seç kutusunda miRNASeq'i seçin ve İstatistiksel Yöntem Seç'te t-test'i seçin.
  8. Sonuçları almak için Sorguyu Gönder'e tıklayın (bkz. Ek Şekil 4D).

7. İmmüno-infiltrasyon analizi

NOT: İnsan Protein Atlası (HPA) veritabanı, TMOD3'ün çeşitli bağışıklık hücrelerindeki dağılımını analiz etmek için kullanılmıştır. TIMER, birden fazla kanser türüyle ilişkili immün infiltrasyonu analiz eden kullanışlı bir çevrimiçi veritabanıdır28. Bu çalışmada, TMOD3 mRNA ekspresyonu ile yumurtalık kanseri saflığı ve bağışıklık hücresi infiltrasyonu arasındaki ilişkiyi analiz etmek için TIMER kullanılmıştır. TISIDB, tümör-bağışıklık sistemi etkileşimleri için çevrimiçi bir portaldır29. Bu çalışmada over kanserinde TMOD3 ile immünomodülatörler arasındaki korelasyonu belirlemek için TISIDB kullanılmıştır.

  1. HPA'ya gidin (Malzeme Tablosuna bakın) ve Arama kutusuna TMOD3'ü girin, ardından sonucu alın.
  2. TMOD3'ün çeşitli bağışıklık hücrelerindeki dağılımını göstermek için Bağışıklık'ı seçin (bkz. Ek Şekil 5A).
  3. TIMER'a gidin (Malzeme Tablosuna bakın) ve TMOD3'ü Gen Sembolü kutusuna yerleştirin.
  4. Kanser türleri kutusunda OV'yi seçin ve sonucu almak için Gönder'e tıklayın (bkz. Ek Şekil 5B).
  5. TISIDB'ye gidin (Malzeme Tablosuna bakın) ve TMOD3'ü Gen Sembolü kutusuna yerleştirin.
  6. Sonucu almak için Gönder'e tıklayın (Ek Şekil 5C'ye bakın).

8. Yumurtalık kanserinde TMOD3 koekspresyon ağları

NOT: TMOD3 ile birlikte eksprese edilen genler LinkedOmics tarafından analiz edildi ve TOP50 genleri ısı haritaları ile görüntülendi. TMOD3 ile etkileşen genler STRING30 ile tahmin edildi. Daha sonra, örtüşen genler Venn şeması ile gösterildi. Örtüşen genler, Gen Ontolojisi Biyolojik Süreç (GO-BP), Gen Ontolojisi Hücresel Bileşen (GO-CC), Gen Ontolojisi Moleküler Fonksiyonu (GO-MF) ve Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) yolları için DAVID31tarafından işlevsel olarak açıklandı.

  1. LinkedOmics'e gidin ve Örnek kohort TCGA_OV seçin.
  2. Veri Kümesi Ara Seç kutusunda RNAseq'i seçin ve Hedef Veri Kümesini Seç kutusunu seçin.
  3. TMOD3 ile birlikte ifade edilen genlerin sonuçlarını almak için Sorguyu Gönder'e tıklayın.
  4. STRING'e gidin (Malzeme Tablosuna bakın) ve Protein Adı kutusuna TMOD3'ü ekleyin.
  5. Organizmalar kutusunda homo sapiens'i seçin ve sonucu almak için aramaya tıklayın (bkz. Ek Şekil 6).
  6. DAVID'e gidin (Malzeme Tablosuna bakın).
  7. Çakışan genleri Enter Gen List (Gen Listesini Gir) kutusuna girin ve Select Identifier (Tanımlayıcı Seç) kutusunda ENSEMBL _GENE_SYMBOL öğesini seçin.
  8. Sonuçları almak için Listeyi Gönder'e tıklayın (bkz. Ek Şekil 7).

9. CTD veritabanı

NOT: CTD veritabanı, kimya, genler, fenotipler, hastalık ve çevre arasındaki ilişkileri analiz etmek için yeni bir araçtır32. CTD veritabanı, TMOD3'ü hedef alan ilaçları tahmin eder. PubChem veri tabanı daha sonra ilacın kesin moleküler yapısını belirlemek için kullanılır.

  1. CTD veritabanına gidin (Malzeme Tablosuna bakın) ve Ara menüsünde Kimyasal - Gen Etkileşimi Sorgusu'nu seçin.
  2. TMOD3'ü GENE kutusuna girin ve sonuçları almak için aramaya tıklayın (bkz. Ek Şekil 8).
  3. PubChem veritabanına gidin (Malzeme Tablosuna bakınız) ve sonuçları almak için arama kutusuna ilaçları girin (bkz. Ek Şekil 9).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Yumurtalık kanserinde TMOD3 ekspresyonu
İlk olarak, GEO veri tabanı, TMOD3'ün mRNA ekspresyon seviyelerinin GSE51088 ve GSE66957 mikrodizi veri kümelerinde yükseldiğini gösterdi (Şekil 1A,B). TMOD3 ayrıca TNMplot web aracı ile normal over dokularına kıyasla over kanserinde yüksek oranda eksprese edildi (Şekil 1C). CPTAC verilerinin UALCAN web aracı ile analizi, TMOD3 protein seviyesinin over kanserinde normal over dokularına ...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Hücre iskeleti, çeşitli tümörlerin gelişimi ve ilerlemesi, tedavisi ve prognozunda gerekli kabul edilmiştir52. Eritrositler ve kardiyovasküler sistem53 ile sınırlı olan TMOD1 ve sinir sistemi54 ile sınırlı olan TMOD2 ile karşılaştırıldığında, TMOD3 her yerde bulunan bir dağılıma sahiptir, bu da sistemik tümörlerde TMOD3 çalışmasını daha popüler hale getirir 14,15,16,17,18,19

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarlar herhangi bir çıkar çatışması bildirmemektedir.

Teşekkürler

Bu çalışma, Çin Ulusal Doğa Bilimleri Vakfı'ndan (No. 32171143, 31771280) ve Jiangsu İl Eğitim Bakanlığı Doğa Bilimleri Vakfı'ndan (No. 18KJD360003, 21KJD320004) alınan hibelerle desteklenmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
cBioportalMemorial Sloan Kettering Kanser MerkeziKorelasyon analizi  Hedeflenen miRNA'lara sahip TMOD3 (https://www.cbioportal.org)
CTD veritabanıNorth Carolina State UniversityKimya, genler, fenotip, hastalık ve çevre arasındaki ilişkileri analiz etmek (https://ctdbase.org/)
CytoscapeUlusal SağlıkVeri Entegrasyonu, Analizi ve Görselleştirme (www.cytoscape.org/)
DAVIDFrederick Ulusal Kanser AraştırmalarıAraştırmacıların geniş gen listelerinin arkasındaki biyolojik anlamı anlamaları için kapsamlı bir işlevsel açıklama araçları seti(https://david.ncifcrf.gov/)
GEONCBIGen ekspresyon analizi (https://www.ncbi.nlm.nih.gov/geo/
HPAKnut & Alice Wallenberg vakfıİnsan Protein Atlası (HPA) veritabanı, TMOD3'ün çeşitli bağışıklık hücrelerindeki dağılımını analiz etmeye yardımcı oldu (https://www.proteinatlas.org/)
KM-çizici  Semmelweis Üniversitesi Biyoinformatik BölümüPrognostik Analiz (https://kmplot.com/analysis/)
ROC Plotter ilacının kesin moleküler yapısını belirlemek için
  Semmelweis Üniversitesi Biyoinformatik BölümüÖngörücü bir belirteç olarak ilgi geninin doğrulanması (http://www.rocplot.org/)
Çeşitlikanser türlerinde immün infiltratların sistematik analizi (https://cistrome.shinyapps.io/timer/)
TISIDBThe University of Hong KongTümör ve bağışıklık sistemi etkileşimi için bir web portalı(http://cis.hku.hk/TISIDB/)
TNMplotSemmelweis Üniversitesi Biyoinformatik BölümüGen ekspresyon analizi (https://www.tnmplot.com/
Birmingham'daki ALabama Üniversitesi Gen ekspresyon analizi (http://ualcan.path.uab.edu)
Enstitüleri Genel Tıp Bilimleri Enstitüsü Ağ Laboratuvarı )LinkedOmics Baylor College of Medicine Biyologların ve klinisyenlerin tümör türleri içinde ve arasında kanser multi-omik verilerine erişmeleri, analiz etmeleri ve karşılaştırmaları için bir platform (http://www.linkedomics.org/)PubChem database U.S. National Library of Medicine STRING Swiss Institute of Bioinformatics Coexpression networks analysis(https://string-db.org)TargetScan Whitehead Institute for Biomedical Research MiRNA hedeflerinin tahmini (www.targetscan.org/)TIMER Harvard )UALCAN

Kaynaklar

  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).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Daha fazla makale keşfet

TMOD3 EkspresyonuHücre İskeleti ProteinleriPlatin Bazlı KemoterapimiRNA RegülasyonuGenel SağkalımProgresyonsuz Sağkalım
Yumurtalık Kanserinde Platin Direnci ve İmmün İnfiltrasyon için Bir Belirteç Olarak Tropomodulin 3 Aşırı İfadesi
Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.