论文部分内容阅读
第一章 IncRNA模型预测胶质母细胞瘤预后目的:建立一个长链非编码RNA(Longnon-coding RNA,IncRNA)预测模型,探讨其在胶质母细胞瘤(Glioblastoma Multiforme,GBM)预后评估中的价值。方法:从芯片数据库下载GBM基因表达数据及临床资料,重新注释芯片探针以获取IncRNAs表达数据。在预测数据集(trainning set)共108名GBM患者中,通过BRB-array Tool软件和单因素Cox回归分析筛选预后相关的IncRNAs(P<0.005),并以聚类分析和风险评分方法建立IncRNA预测模型。以Kaplan-Meier法作预后分析及以时间依赖ROC曲线检测预后模型的敏感性和特异性。然后在另外147名GBM患者中验证IncRNA预测模型的预后价值,并行多因素Cox回归分析和数据分层分析检测其是否为独立的预后指标。最后分析IncRNA预测模型与GBM异柠檬酸脱氢酶1(Isocitrate dehydrogenase 1,IDH1)和表皮生长因子受体(Epidermal Growth Factor Receptor,EGFR)突变状态的相关性。结果:在预测数据集中筛选出TP73-AS1等4个IncRNAs与GBM患者总生存时间(Overall Survival,OS)显著相关,且其在GBM和正常脑组织中差异表达。根据IncRNAs表达值作聚类分析可将患者分为2类,两者OS显著不同(P<0.001),其ROC 曲线下面积(area under curve,AUC)为0.663。根据患者风险分数可将其分为OS显著不同的高危组和低危组(HR=2.72,95%CI= 1.71-4.31;P<0.001),其AUC为0.70。LncRNA风险评分模型的预后价值在独立数据集中也被证实,且其独立于年龄等临床指标。预后相关lncRNAs的表达与IDH1和EGFR的突变状态相关,并能将IDH1突变的GBM作预后的亚分型。结论:本研究建立了一个具有GBM风险分型和预后评估价值的lncRNA预测模型。第二章GBM中lncRNAs的表达谱及调控网络目的:探讨GBM中lncRNAs的表达谱并分析其调控网络。方法:芯片检测GBM组织中lncRNAs的表达,结合GBM的lncRNA表达谱文献系统分析,行差异lncRNAs的荧光定量PCR(qRT-PCR)验证、保守性分析、基因组拷贝数异常(CNV)分析、启动子甲基化分析及基因共表达网络分析。结果:GBM存在3989个差异表达的lncRNAs(P<0.05和差异倍数>2),其中包括TP73-AS1等预后相关的lncRNAs。文献系统分析纳入5篇GBM lncRNA表达谱研究,与本芯片重复发现且差异倍数>5的lncRNAs有39个,并具有良好的保守性。进一步分析发现其中HOTARM1等lncRNAs的表达与CNV相关,CRNDE等的表达与启动子甲基化水平相关,基因共表达网络分析发现这些lncRNAs与细胞周期及凋亡等肿瘤信号通路相关。结论:GBM存在广泛的lncRNAs差异表达及调控网络。第三章TP73-AS1影响胶质瘤细胞增殖和侵袭的机制目的:探讨TP73-AS1对胶质瘤增殖和侵袭的作用和分子机制方法:qPCR检测不同级别胶质瘤和不同胶质瘤细胞系中TP73-AS1的表达。胶质瘤细胞转染siRNA以下调TP73-AS1表达,CCK8检测细胞增值,划痕实验和transwell实验检测细胞迁移和侵袭。荧光素酶报告基因检测TP73-AS1和miR-200a的结合,免疫印迹(Western blot,WB)和免疫荧光(Immunofluorescence,IF)检测ZEB1、ZEB2以及上皮-间质转化(epithelial-mesenchymal transition,EMT)标志物的表达。结果:GBM组织以及U87和U251胶质瘤细胞中TP73-AS1表达上调。生物信息学分析发现TP73-AS1与EMT相关,且预测到TP73-AS1转录本上具有miR-200a的结合位点。SiRNA干扰胶质瘤细胞TP73-AS1表达可抑制细胞增值、迁移和侵袭。荧光素酶报告基因显示miR-200a与TP73-AS1预测位点特异结合,过表达miR-200a抑制TP73-AS1表达。此外,干扰胶质瘤细胞TP73-AS1可下调ZEB1、ZEB2和间质标志物的表达并上调上皮标志物的表达。结论:TP73-AS1通过miR-200a-ZEB1/2通路影响胶质瘤细胞增殖、侵袭和EMT。