论文部分内容阅读
目的:高级别浆液性卵巢癌是目前死亡率最高的妇科恶性肿瘤。长链非编码RNA的异常表达在高级别浆液性卵巢癌的疾病发生发展中起重要作用。我们的研究旨在通过生物信息学分析的方法,筛选出可预测高级别浆液性卵巢癌预后的长链非编码RNA(lncRNA),并构建其参与的ceRNA轴,为临床诊疗寻找潜在的分子标记物,并探索其作用机制。方法:从肿瘤基因组图谱(TCGA)和基因型-组织表达(GTEx)数据库中下载卵巢癌的RNA-seq和miRNA基因表达信息,从中筛选出高级别浆液性卵巢癌的样本数据。利用edge R,limma和DESeq2等R包,以P值<0.05且∣Log FC∣≥1为筛选阈值,获得正常卵巢上皮组织与高级别浆液性卵巢癌上皮组织之间表达存在差异的lncRNA(DELs)、miRNA(DEMs)和mRNA(DEGs)。通过整合来自基因表达综合数据库(GEO)中的三个RNA表达矩阵(GSE18520、GSE27651、GSE54388)和miRNA表达矩阵(GSE47841),验证上述差异基因表达后,用cluster Profiler包进行基因本体论(GO)分析和京都基因与基因组百科全书数据库(KEGG)通路分析,从而了解差异基因参与的生物学过程及信号通路,预测其在癌症发生发展中的功能。随后,利用survival和survminer包进行差异基因的生存分析,获得生存相关的DELs,DEMs和DEGs;将上述DELs放入star Base数据库,得到其相互作用的miRNAs,再与DEMs取交集,得到DELs/DEMs互作基因对。再利用miRTar Base数据库预测上述DEMs的靶基因,结合预后相关的DEGs,得到DEMs/DEGs相互作用信息。运用Cytoscape软件构建DELs–DEMs–DEGs互相作用网络(ceRNA);再对ceRNA网络中的基因进行GO和KEGG通路富集分析,获得其功能及相关通路;综合以上所有研究结果,最终筛选出有可能在高级别浆液性卵巢癌进展中发挥重要作用的lncRNAs及其可能的ceRNA作用机制。结果:对TCGA和GTEx数据库的基因数据进行差异分析后,用GEO数据库进行验证,共筛选出111个DELs(77个下调,34个上调),2,620个DEGs(1,535个下调,1,085个上调),以及186个DEMs(101个下调,85个上调)。其中上调的DEGs主要富集在细胞周期转变和细胞周期正调节等生物学过程,以及氧化磷酸化、细胞周期、同源重组修复、细胞因子-细胞因子受体相互作用和白介素17信号通路中,提示上调的基因主要与细胞分裂及肿瘤相关通路有关。结合生存分析结果,共有33个DELs(25个上调,8个下调),134个DEMs(76个上调,58个下调)和1,612个DEGs(949个上调,663个下调)与高级别浆液性卵巢癌的总生存期(OS)相关。我们利用这些基因构建了ceRNA网络,并发现此网络中的mRNA富集在与免疫相关通路上,如T细胞受体信号通路、自噬和m TOR信号通路。其中,LINC00858,LINC00665和FTX可能分别通过FTX-miR-150-5pSTK11,LINC00665-miR-449b-5p-RRAGD,LINC00665-miR449b-5p-VAV3,LINC00858-miR-324-5p-PAK4等ceRNA轴参与高级别浆液性卵巢癌的免疫调控。结论:我们发现了对高级别浆液性卵巢癌患者有预后意义的3个lncRNA,LINC00858,LINC00665和FTX,它们可能通过ceRNA机制发挥其生物学功能。其中有4个ceRNA轴:FTX-miR-150-5p-STK11,LINC00665-miR-449b-5pRRAGD,LINC00665-miR449b-5p-VAV3,LINC00858-miR-324-5p-PAK4,可能参与高级别浆液性卵巢癌的免疫调节。