单基因泛癌+实验简单验证,要素丰富,没研究方向的赶紧上车

今天给同学们分享一篇生信文章"Pan-Cancer Analysis Reveals CENPI as a Potential Biomarker and Therapeutic Target in Adrenocortical Carcinoma",这篇文章发表在J Inflamm Res期刊上,影响因子为4.5。

结果解读:

正常组织、癌症细胞系和泛癌细胞中的CENPI水平

这项工作检测了GTEx数据库中非癌样本的CENPI mRNA水平。结果是CENPI在各种样品中显示出相对较低水平的广泛表达(图1A)。与正常组织相比,Depmap门户数据集中的所有癌症细胞系都显示出更高的表达(图1B)。这项工作检测了GTEx数据库中非癌样本的CENPI mRNA水平。结果是CENPI在各种样品中显示出相对较低水平的广泛表达(图1A)。与正常组织相比,Depmap门户数据集中的所有癌症细胞系都显示出更高的表达(图1B)。

PPI网络建设、GO和KEGG分析

通过STRING数据库,预测了前50个CENPI相互作用蛋白,而Cytoscape用于网络可视化(图2A)。使用TIMER.2.0数据库发现CENPI与前5种相互作用蛋白呈正相关,包括APITD1、BUB1、BUB1B、CASC5和CENPA,该数据库在泛癌中得到了进一步验证(图2B)。然后对前50个相互作用蛋白进行GO注释(图2C),生物过程(BP)术语主要包括细胞器分裂、核分裂、有丝分裂姐妹染色单体分离和有丝分裂核分裂(图2D)。此外,细胞成分(CC)术语主要包括纺锤体、浓缩染色体、着丝粒区、有丝分裂纺锤体和纺锤体微管(图2D)。分子功能(MF)是微管结合、微管蛋白结合、趋化因子活性以及组蛋白激酶活性(图2D)。KEGG分析表明,这些相互作用的蛋白质大多与细胞周期有关(图2E)。

CENPI在泛癌诊断中的意义

为了评估CENPI在全癌诊断中的意义,绘制ROC曲线,并在最佳阈值下确定AUC和诊断参数。结果表明,CENPI在预测16种癌症方面表现出一定的准确性(0.7≤AUC≤0.9)至高准确性(AUC>0.9)、SKCM(AUC=0.858),STAD(AUC=0.960)、UCEC(AUC=0.0936)和UCS(AUC=0.946)(图3A--3P)。

CENPI在泛癌中的预后意义

在ACC、MESO、PAAD、SARC和UCEC中,CENPI水平与OS、DSS以及PFI显著相关。在ACC中,Cox回归分析表明,CENPI上调可预测惨淡的生存率,如OS[风险比(HR)=4.72,95%置信区间(CI):1.99--11.18,p<0.001]、DSS(HR=5.12,95%CI:2.04--12.83,p=0.001)和PFI(HR=3.52,95%CI:1.80--6.91,p<0.001)(图4A--C)。在MESO中,如Cox回归分析所示,CENPI上调是预后不佳的一个预测因素,如OS[HR=3.51,95%CI:3.10--5.82,p<0.001]、DSS(HR=4.08,95%CI:2.13--7.82,p<0.001)和PFI(HR=2.22,95%CI:1.29--3.82,p=0.004)(图4D--F)。在PAAD中,Cox回归表明CENPI上调可预测不良预后结果,如OS[HR=1.77,95%CI:1.16--2.70,p=0.008]、DSS(HR=1.88,95%CI:11.16--3.04,p=0.01)和PFI(HR=1.59,95%CI:1.07--3.25,p=0.021)(图4G--I)。在严重急性呼吸系统综合征中,如Cox回归所观察到的,CENPI上调与不良预后结果有关,如OS[HR=2.28,95%CI:1.5-3.45,p<0.001]、DSS(HR=2.33,95%CI:1.47-3.68,p<0.001)和PFI(HR=1.70,95%CI:1.21-2.37,p=0.002)(图4J--L)。在UCEC中,基于Cox回归,CENPI上调可预测不良预后结果,如OS[HR=1.87,95%CI:1.23--2.85,p=0.003]、DSS(HR=1.83,95%CI:1.10--3.04,p=0.02)和PFI(HR=1.61,95%CI:1.13--2.29,p=0.008)(图4M-O)。

ACC的不同临床病理特征与CENPI的表达有关

如图所示,ACC、MESO、PAAD、SARC和UCEC中的OS、DSS和PFI高度依赖于CENPI水平。根据CENPI在全癌中的诊断和预后意义,选择ACC进行进一步分析,并下载TCGA-ACC患者的相关临床数据,分析CENPI与临床分期数据的关系。分析显示,CENPI水平与肿瘤(T)分期(p=0.031)、转移(M)分期(p=0.005)、病理分期(p=0.008)、肿瘤状态(p<0.001)、新事件(p=0.006)、残留(R)肿瘤(p=0.002)和主要治疗结果(p<0.001。

此外,还调查了CENPI的表达及其与不同ACC亚组的预后结果(OS、DSS和PFI)的关系。虽然主要治疗结果(CR)亚组(图5B)的表达较低,但病理分期(IV期)(图5A)、N期(N1)(图5C)、M期(M1)(图5D)、残留肿瘤(R1和R2)(图5E)、新事件(是)(图5G)、Weiss--非典型有丝分裂图(存在),Weiss坏死(存在)(图5H)和Weiss侵袭肿瘤包膜(存在)亚组具有较高的CENPI表达。此外,CENPI上调预测了M期(M0)(图6A--C)、N期(N0)(见图6D--F)、米托坦治疗(是)(图6G--I。

CENPI在ACC中的共表达基因

研究了ACC中前50个共表达基因与CENPI水平的相关性,并将其显示在热图中。基于正相关热图(图8A),进一步验证了前10个共表达基因,即KIF14(r=0.931)、CENPF(r=0.920)、EXO1(r=0.924)、CKAP2L(r=0915)、ANLN(r=0.932)、DIAPH3(r=0.913)、KIF23(r=0916)、KIF4A(r=0.941)、MCM10(r=0.909)和BUB1B(r=0.918)(图8B--K)。基于负关联热图(图9A),前10个相关基因分别为MT-CO1(r=-0.656)、MT-ND3(r=-0.585)、MT-ATP6(r=-0.64)、MT-CO3(r=-0.574)、MT-ND4(r=-0.596)、MT-CYB(r=-0.512)、MTRNR2L8(r=-0.524)、MT-CO2(r=-0.538)、MT-ATP8(r=0.591)和MT-ND5(r=0.544)(图9B-K)。

ACC内CENPI高表达组和低表达组的DEG

通过调整p值<0.05和|log2-FC|>1.0阈值,获得1084个DEGS。其中647例上调,437例下调(图10A)。基于GO和KEGG分析(图10B和和C),C),BP术语包含细胞器分裂,核分裂和染色体分离。CC术语主要包括染色体区、浓缩染色体和着丝粒区。MF术语主要涉及细胞外基质结构成分、细胞因子活性和DNA解旋酶活性。KEGG途径主要与细胞周期、蛋白质消化吸收和化学致癌有关。

CENPI水平与ACC内免疫细胞浸润的关系

此外,为了研究CENPI如何影响ACC内的TIIC水平,评估了23个肿瘤浸润白细胞(TIL)亚群(图11A)。虽然CENPI水平显示与Th2细胞呈正相关(r=0.750)(图11B),但它们与大多数TIIC呈负相关,包括细胞毒性细胞(r=−0.507)、肥大细胞(r=−0.413)、CD8T细胞(r==−0.389)、B细胞(r=−0.378)、浆细胞样树突状细胞,Th1细胞(r=−0.283),以及T细胞滤泡辅助细胞(r=−0.280)(图11C--L)。

CENPI在癌症细胞系中的药敏分析

CellMiner Cross Database筛选了几种FDA批准的药物,这些药物与不同癌症细胞中的CENPI水平呈负相关。结果显示,排名前六的药物包括沃诺司他(r=−0.47,p=0.00015)、帕博西立布(r=-0.35,p=0.0061)、尼洛替尼(r=--0.34,p=0.00276。接下来,选择了命中最深的vorinostat进行进一步分析。分子对接分析表明,伏立诺司他以低结合能直接与CENPI结合并形成氢键(图12G)。此外,伏立诺司他还抑制了ACC细胞系的CENPI表达(图12H)和细胞增殖(图12I和和JJ)。

CENPI沉默抑制ACC细胞恶性行为

为了探索CENPI在ACC细胞生长中的生物学作用,使用两种CENPI shRNA在SW-13和NCI-H295R细胞中成功沉默了CENPI(图13A)。此后,进行CCK8测定以评估细胞生长,SW-13和NCI-H295R显示CENPI沉默后细胞生长显著下降(图13B)。然后,进行集落形成测定,以验证CENPI对ACC细胞生长的不利影响(图13C)。此外,Transwell测定显示CENPI敲低显著减少ACC细胞迁移(图13D)。AURKB被预测为CENPI的相互作用蛋白,作者假设AURKB抑制和CENPI缺失可能具有协同抗癌作用。为此,通过使用CompuSyn软件计算CENPI沉默和barasertib(一种特异性AURKB抑制剂)的联合有效性。结果显示,巴沙替布抑制ACC细胞生长(图13E和和F)F),并且在SW-13和NCI-H295R细胞中,在指定浓度的siCENPI和barasertib下的所有组合指数均小于1(图13G和和H),H),表明CENPI沉默与barasertib协同作用。

总结

总之,确定CENPI在全癌疾病诊断和预后预测中的作用有助于全面了解CENPI在癌症进展中的作用。此外,本研究还评估了CENPI在ACC细胞中的生物活性和抗癌协同作用,为CENPI抑制/缺失在ACC治疗中的应用提供了潜在的治疗策略。

相关推荐
咔叽布吉2 小时前
【论文阅读笔记】CamoFormer: Masked Separable Attention for Camouflaged Object Detection
论文阅读·笔记·目标检测
热情的Dongming17 小时前
【课程总结】day34:多模态大模型之ViT模型、CLIP模型论文阅读理解
论文阅读
chencjiajy19 小时前
向量模型Jina Embedding: 从v1到v3论文笔记
论文阅读·embedding·向量模型
HollowKnightZ1 天前
论文阅读笔记:DRCT: Saving Image Super-Resolution away from Information Bottleneck
论文阅读·笔记
苦瓜汤补钙1 天前
论文阅读:DynamicDet: A Unified Dynamic Architecture for Object Detection
论文阅读·人工智能·目标检测
Maker~1 天前
18、论文阅读:AOD-Net:一体化除雾网络
网络·论文阅读·计算机视觉
新手小白勇闯新世界2 天前
论文阅读-用于图像识别的深度残差学习
论文阅读·人工智能·深度学习·学习·计算机视觉
大拨鼠2 天前
【多模态读论文系列】LLaMA-Adapter V2论文笔记
论文阅读·人工智能·llama
小嗷犬2 天前
【论文笔记】Dense Connector for MLLMs
论文阅读·人工智能·语言模型·大模型·多模态
新手小白勇闯新世界2 天前
论文阅读- --DeepI2P:通过深度分类进行图像到点云配准
论文阅读·深度学习·算法·计算机视觉