Del Ⅱ Presnovno razumevanje genetske disregulacije v tumorskem mikrookolju ledvičnega svetloceličnega karcinoma

Rezultat

1. Identifikacija diferencialno izraženih presnovnih genov v KIRC.

Da bi raziskali presnovno disregulacijo v KIRC, smo raziskali razpoložljive podatke TCGA, da bi dobili globok vpogled v terapevtiko, usmerjeno v presnovo, na kliniki. V ta namen smo izbrali nabor 1916 presnovnih genov, ki smo jih presekali iz dveh različnih podatkovnih nizov [16, 17] in pregledali 1100 različno izraženih genov v tumorskih proti normalnim tkivom (dodatna tabela 2). Ti različno izraženi presnovni geni so bili vrisani v vulkane in toplotne karte (sliki 1(a) in 1(b)). Od 1100 različno izraženih presnovnih genov je bilo 78 genov reguliranih navzgor in 163 genov znižanih. Poleg tega je bilo 859 genov nespremenjenih. Toplotni zemljevid predstavlja individualni indeks izražanja teh diferencialnih presnovnih genov v tumorskih in normalnih vzorcih (slika 1(b)). Nato smo identificirali 10 najboljših različno izraženih presnovnih genov; med njimi so bili ENPP3, NNMT, CYP2J2, SCD in HK2 regulirani navzgor, HSD11B2, HMGCS2, HPD, HS6ST2 in ALDOB pa znižani. Škatlasti diagrami teh DEmG so prikazani na sliki 1(c). Med reguliranimi geni je ENPP3 ~7--krat izražen v tumorjih. Druga možnost je, da je gen ALDOB v analiziranih vzorcih tumorjev ~5-krat znižan.

Poleg tega smo ovrednotili pot KEGG in GO analize DEmG. Analiza poti KEGG je pokazala, da so bili regulirani geni znatno obogateni s presnovo ogljika, signalizacijo HIF1 in glikolizo/glukoneogenezo z višjim razmerjem genov (8–9 število genov na vsaki poti) (slika 1 (d)). Podobno smo med znižanimi DEmG ugotovili, da sta presnova ogljika ter razgradnja valina, levcina in izolevcina glavne poti, na katere vplivajo presnovno aktivni geni (slika 1(e)). Poti, povezane s peroksisomskim organelom, so bile prav tako znatno obogatene v znižani skupini vzorcev genskih tumorjev. Omeniti velja, da imajo v primerjavi s tistimi v navzgor reguliranih genih poti, vključene v navzdol regulirane gene, višje pomembne vrednosti p. Omeniti velja, da je bila večina poti KEGG, obogatenih z znižanimi genskimi kategorijami, povezanih s presnovo aminokislin. Za nadaljnjo seciranje vpletenosti DEmG v tumorigenezo so bile izvedene funkcionalne analize GO navzgor in navzdol reguliranih genov. Ontologijo GO smo razdelili v tri funkcionalne subontološke skupine, BP (biološki proces), CC (celična komponenta) in MF (molekularna funkcija) (sliki 1(f) in 1(g)). Poleg tega je analiza GSEA pokazala znatno povečanje obogatitve genov, povezanih z BENPORATH_MYC_TARGETS_WITH_EBOX v tumorjih, medtem ko BROWN{{11} } RAZVOJ_CELIC_GOR, KEGG_ALFA_ LINOLENSKE_KISLINE_METABOLIZEM in KEGG{ Ugotovljeno je bilo, da je METABOLIZEM {19}ETRA_ LIPID_ negativno obogaten. V naslednji fazi smo zgradili mrežo PPI za interakcijo beljakovin in beljakovin z navzgor in navzdol reguliranimi DEmG. Številni geni so pokazali interakcijo med seboj. Z interakcijami teh genov smo izolirali hub gene. Vsako vozlišče je ločeno od drugega glede na vrednost stopnje; poleg tega smo izolirali prvih 7 hub genov za PPI. Raziskali smo tudi korelacijo med izražanjem tega gena v središču in klinično-patološkimi značilnostmi KIRC v zbirkah podatkov TCGA.

Kliknite tukaj, če želite izvedetikakšne so prednosti Cistanche.

2. Analiza omrežja razkriva osnovne presnovne spremembe v različnih ontologijah tumorjev.

Nato so bili izbrani podatki o izražanju DEmG in uporabljeni kot vhodni podatki za WGCNA, ki je identificiral 6 različnih koekspresijskih modulov, ki vsebujejo različno število genov za vsak modul (slika 2 (a)). Povezali smo diferencialne gene z zunanjimi lastnostmi in identificirali module, ki so bili pomembno povezani s kliničnimi lastnostmi (slika 2(b)). Na podlagi korelacijskega koeficienta smo ugotovili, da so moduli MEturquoise negativno povezani s statusom preživetja. Analize obogatitve poti GO in KEGG so bile izvedene z uporabo genov iz teh modulov (sliki 2(c) in 2(d)). Najbolj obogatene poti KEGG so bile razgradnja valina, levcina in izolevcina; presnova ogljika; metabolizem propanoata; metabolizem maščobnih kislin; razgradnja maščobnih kislin; metabolizem peroksisoma in butanoata; metabolizem glioksilata in dikarboksilata; in presnovo triptofana (slika 2(c)). Geni, povezani z izrazi BP, so bili pretežno obogateni s katabolnimi procesi majhnih molekul, karboksilne kisline in organske kisline. Geni, povezani z izrazi CC, so bili v glavnem obogateni v mitohondrijskem matriksu. Različno izraženi geni, povezani z MF, so bili v glavnem obogateni s koencimsko vezavo (slika 2 (d)). Poleg tega smo izvedli analizo preživetja 8 genov v modulu preživetja. Bolniki z višjim izražanjem ACADSB, PANK1, SLC25A4, PCCA, HADH, AUH, ACAT1 in ALDH6A1 so imeli daljšo stopnjo preživetja kot tisti z nižjim izražanjem teh genov (p=0) (sliki 2(e)–2( l)).

3. Združevanje bolnikov KIRC v skupine.

Izbrali smo najboljše DEmG za analizo grozdov; bolniki KIRC so bili razvrščeni v tri skupine na podlagi diferencialne ekspresije presnovnih genov. Slika 3(a) prikazuje toplotne karte DEmG pri bolnikih s KIRC. Barvna lestvica označuje vrednost izražanja (svetlo modra označuje nižjo vrednost izražanja; temnejša modra označuje višje vrednosti izražanja genov).

Krivulje KM so bile narisane za primerjavo celotnega preživetja treh skupin za bolnike s KIRC. Skupne stopnje preživetja so se v treh skupinah znatno razlikovale (p < {{0}}:01 slika 3(b)). Skupina 1 je pokazala slabšo stopnjo preživetja v primerjavi s skupino 2 in skupino 3. Tudi stopnja preživetja PFS se je pomembno razlikovala med tremi skupinami (p <0:001, slika 3(c)), skupina 1 pa je pokazala slabšo stopnjo preživetja PFS v primerjavi z grozdom 2 in grozdom 3.

Različne barve v našem modelu predstavljajo klinične parametre in osnovne patološke stopnje (slika 3(d)). Skupina 3 ima nižja razmerja Mo in višjo vrednost M1 v primerjavi s skupinama 1 in 2, kar kaže na večje metastaze raka in naprednejšo stopnjo tumorjev v skupini 3 kot skupini 1 in 2. Podobno se je v skupini 3 rak razširil bolj na bezgavke (višji N1) v primerjavi s tistimi v skupinah 1 in 2. Večini bolnikov KIRC je bila diagnosticirana na stopnjah III in IV (sliki 3(e) in 3(f)), kar kaže na večje ali razširjene tumorje, pa tudi na prehod skozi krvi ali limfnega sistema v oddaljeno regijo v telesu.

4. Imunski status treh grozdov.

Uporabili smo algoritem ESTIMATE za oceno stromalnih in imunskih rezultatov serije tkiv KIRC na podlagi njihovih presnovnih transkripcijskih profilov (slika 4(a)). Kasneje so bili ti rezultati upoštevani za razvoj podpisa presnovnih genov na podlagi stromalno-imunskega rezultata za stratifikacijo prognoze v KIRC. Kot je prikazano na sliki 4(a), so bile tri skupine grozdov (C1, C2 in C3) stratificirane v škatlastih ploskvah na podlagi njihove stromalno-imunske ocene. Med tremi grozdi je C1 pokazal višjo pomembno oceno tako v stromalni kot v imunski klasifikaciji.

Poleg tega je CIBERSORT analiziral tri grozde s p-vrednostjo < 0.1 (slika 4(b)). Čistost tumorja, imunski rezultat in stromalni rezultat skupaj s patološkimi stopnjami 3 skupin so prikazani na vrhu toplotne karte. V tej analizi smo večinoma ugotovili, da so bile regulatorne celice T (Tregs) obogatene z grozdom C1, bolniki v C1 pa so bili večinoma na patoloških stopnjah III in IV. Poleg tega so aktivirane NK celice, CD8 plus T celice, T folikularne celice pomočnice in M0 makrofagi v C1 grozdu; CD8 plus celice T in T folikularne celice pomočnice v skupini C2; odkriti so bili tudi mirujoči mastociti, makrofagi M2, spominske CD4 T celice v mirovanju, monociti, naivne celice B in makrofagi M1 v skupini C3 (slika 4(b)).

Za preverjanje statusa imunske infiltracije smo poleg CIBERSORT-a uporabili še druge algoritemske pakete. Hierarhična toplotna karta analize MCP je prikazana na sliki 4(c). Ključne ugotovitve analize MCP so bile infiltracija nevtrofilcev in infiltracija endotelijskih celic v skupini C3, ki je manjkala v skupini C1. Ta analiza je razkrila tudi NK celico, monocitno linijo in infiltracijo mieloidnih dendritičnih celic v skupini C3. Druge populacije imunskih celic so bile pomešane v treh analiziranih grozdih (slika 4(c)).

Za dopolnitev analiz CIBERSORT in MCP smo uporabili ssGSEA za količinsko opredelitev ravni infiltracije za tipe imunskih celic, implementirane v paketu R GSVA. Podatki treh skupin so bili vneseni v paket ssGSEA in pridobljeno bogastvo 28 imunsko povezanih celic in vrst v vzorcih KIRC. Rezultati so pokazali, da sta imela C1 in C2 večjo imunsko infiltracijo; nekatere prirojene imunske celice, vključno z NK, nevtrofilci in eozinofili, so bile pomešane v 3 grozde (slika 4(d)).

5. Izdelava in validacija modela napovedovanja na podlagi DEmG.

Nazadnje smo izdelali in validirali napovedni model, ki temelji na diferencialni ekspresiji presnovnih genov. Izračunali smo imunsko povezano oceno tveganja DEmG na podlagi celotnega preživetja. V ta namen smo oblikovali dve skupini za vrednotenje korelacije ocene tveganja; ena je za kohorto za usposabljanje, druga pa za kohorto za testiranje. Ugotovili smo, da je bilo splošno preživetje nizko in razpršeno po oceni tveganja (sliki 5(a) in 5(b)). Nato smo na podlagi mediane ocene tveganja paciente KIRC razvrstili v skupine z visokim in nizkim tveganjem za nadaljnjo oceno. Nato smo izvedli analizo preživetja teh dveh rizičnih skupin v kohortah za usposabljanje in testiranje. Kot je bilo pričakovano, je bilo ugotovljeno, da imajo skupine z visokim tveganjem nizko preživetje v primerjavi s skupinami z nizkim tveganjem (sliki 5(c) in 5(d)). Poleg tega je bila izvedena analiza krivulje ROC za kohorte za usposabljanje in testiranje. Opazili smo oceno ROC 0.68 po 5 letih v testnih kohortah, kar kaže na dobro učinkovitost pri napovedovanju KIRC (sliki 5(e) in 5(f)). Poleg analize krivulje ROC smo izvedli tudi regresijski model LASSO COX, da potrdimo naš prognostični model, kot je prikazano z odstopanjem delne verjetnosti (dodatna slika 5 (a)) in regresijskim koeficientom DEmG (dodatna slika 5 (b)). Nazadnje je bilo predvideno, da bo pet genov (ABCG1, CRYL1, FDX1, PANK1 in SLC44A) potencialni prognostični dejavniki s HR <1 (dodatna slika 5(c)).

6. Temeljni mehanizmi napredovanja KIRC.

Za nadaljnjo raziskavo osnovnega mehanizma za napredovanje KIRC smo izvedli analizo diferencialne ekspresije med vsemi grozdi in uporabili graf toplotne karte za vizualizacijo rezultatov (slika 6(a)). Za identifikacijo signalnih poti DEmG smo izvedli analize obogatitve KEGG in GO DEG v treh skupinah. Skratka, ti rezultati so razkrili, da so bili DEG treh grozdov v glavnem obogateni s fokalno adhezijo, signalno potjo Foxo in signalno potjo Apelin za grozd C3 in absorpcijo mineralov, tvorbo zunajcelične pasti nevtrofilcev in okužbo s Staphylococcus aureus za grozd C2 (slika 6 (b)). Poleg tega je funkcionalna analiza GO DEG odkrila ontologije, povezane z MF, CC in BP, prikazane na sliki 6(c). Zanimivo je, da je analiza diferencialne ekspresije razkrila nenormalno obnašanje regulacije genov v treh skupinah. Večinoma je bil NUDT1 močno izražen v C1, ki je imel najslabše preživetje. Nadaljnja preiskava je pokazala, da je bila ekspresija NUDT1 znatno zmanjšana z napredovanjem od C1 do C3 (slika 6(d)). Poleg tega je bilo ugotovljeno, da je NUDT1 povečan v vzorcih tumorjev KIRC (slika 6 (e)). Nato smo izpostavili izražanje NUDT1 v stopnjah vsakega tumorja (slika 6 (f)). Analizo celotnega preživetja smo izvedli tudi s Kaplan-Meierjevim ploterjem in ugotovili smo, da imajo bolniki z večjo izraženostjo NUDT1 slabše splošno preživetje (HR=1:82 (1,34–2,48), log-rank p {{27} }:00012) (slika 6(g)).

Nazadnje smo izvedli analize funkcionalne obogatitve KEGG in GO za gene, ki medsebojno delujejo z NUDT1. Geni so bili razdeljeni v dve skupini - v pozitivni korelaciji z NUDT1 in v negativni korelaciji z NUDT1. Analiza poti KEGG je pokazala, da so bili pozitivno korelirani geni v glavnem obogateni v ribosomski poti, Huntingtonovi bolezni, amiotrofični lateralni sklerozi in Alzheimerjevi bolezni. Po drugi strani pa so bili negativno korelirani geni obogateni predvsem s signalizacijo hepatitisa B in Foxo (slika 6 (h)). Poleg tega je bila na sliki 6(i) prikazana ontologija GO treh različnih skupin MF, CC in BP za pozitivno in negativno korelirane gene. Poleg tega smo ugotovili, da je izražanje NUDT1 močno povezano z infiltracijo imunskih celic (dodatna slika 6) in različnimi kliničnimi značilnostmi bolnikov s KIRC (tabela 1).

Cistanche dodatki

7. Izguba NUDT1 zavira proliferacijo in migracijo celic ledvičnega raka.

Nato smo primerjali stopnjo izražanja NUDTI v tkivih KIRC in z njimi povezanih normalnih tkivih, kar je pokazalo, da je NUDT1 močno izražen v tkivih KIRC (slika 7 (a)). Poleg tega smo z uporabo inhibicije, posredovane s siRNA, določili učinke izgube NUDT1 na celične linije raka ledvic. NUDT1 je bil usmerjen k knockdownu siRNA v dveh celičnih linijah 786-O in ACHN in ravni mRNA NUDT1 so bile uspešno zavrte, kot dokazuje analiza qPCR (slika 7(b)). Po knockdownu NUDT1, posredovanem s siRNA, je test viabilnosti celic pokazal zmanjšano viabilnost celic v obeh celičnih linijah (sliki 7(c) in 7(d)). Nato je test celične migracije po knockdownu NUDT1 pokazal znatno zmanjšano celično migracijo v celicah 786-O in ACHN, osiromašenih z NUDT1- (sliki 7(e) in 7(f)). Zmogljivost migracije celic 786-O je bila zmanjšana na približno 50 odstotkov, 70-odstotno zmanjšanje pa so opazili v celicah ACHN po knockdownu NUDT1 (slika 7(f)). Invazija celic je bila tudi zavrta v obeh celičnih linijah, ko je bil gen NUDT1 podrt (sliki 7(g) in 7(h)). Za dopolnitev migracije smo izvedli tudi test celjenja ran, ko je bil NUDT1 osiromašen iz celičnih linij 786-O in ACHN, in opazili smo podobne rezultate zmanjšane sposobnosti celjenja ran pri obeh celičnih linijah brez NUDT1 (sliki 7(l)– 7(n)). Na podlagi teh rezultatov smo domnevali, da bi izguba NUDT1 lahko povzročila apoptozo v rakavih celicah ledvic. Zato smo izmerili odstotek apoptotičnih celic po utišanju NUDT1. Zanimivo je, da smo odkrili, da se je odstotek apoptotičnih celic znatno povečal v celicah, osiromašenih z NUDT1- (sliki 7(i)–7(k)).

Diskusija

Ledvični svetlocelični karcinom (KIRC) je eden najpogostejših rakov po vsem svetu, ki običajno ne kaže zgodnjih simptomov, dokler tumor ne postane dovolj velik; zato je stopnja umrljivosti razmeroma visoka [18–20]. Zato je treba raziskati karcinogenezo KIRC in identificirati koristne biomarkerje za njegovo zgodnjo diagnozo. Vendar je zaenkrat ugotovljeno omejeno znanje o patogenezi in karcinogenezi KIRC. Poleg tega ni potrjenih veliko molekularnih markerjev za klinično prakso. Napredna visoko zmogljiva tehnologija zaporedja in bioinformatika omogočata izbiro učinkovitih biomarkerjev [21]. Podatki o sekvenciranju RNA in klinične opombe več kot petsto primerov KIRC so prosto dostopni v bazi podatkov TCGA. Z izkoriščanjem teh prosto dostopnih podatkov iz TCGA smo analizirali podatke o zaporedju RNA za različno izražene presnovne gene v tumorskih vzorcih v primerjavi z normalnimi tkivnimi vzorci. Med navzgor in navzdol reguliranimi geni smo identificirali 10 najboljših različno izraženih presnovnih genov (DEmG). Verjamemo, da imajo presnovni geni različne funkcije v KIRC; še vedno pa bi lahko bilo iskanje primernih diagnostičnih in terapevtskih markerjev izziv iz skupine genov z raznolikimi funkcijami.

Prej so študije ocenile infiltracijo imunskih celic v tumorskem mikrookolju več vrst raka. Študirali so razmerje med tumorskimi imunskimi celicami in angiogenezo v podatkih vzorcev KIRC, pridobljenih iz TCGA, in RFX2, SOX13 in THRA so bili identificirani kot tri najvišje MTF pri uravnavanju podpisa angiogeneze pri bolnikih s KIRC [4]. Poleg tega dva neodvisna vzorca modifikacije m6A nadzorujeta biološke funkcije, imunološke značilnosti in prognoze KIRC [22]. Z avtofagijo povezan protein 5 (ATG5) je bil povezan z napredovanjem več vrst raka, vključno s KIRC [23]. V trenutni analizi so nekateri različno izraženi geni, vključno s PBRM1, SET2, VHL in BAP1, pokazali pomembno korelacijo s presnovnimi potmi v podatkih KIRC. Za nadaljnjo poglobljeno preiskavo smo bolnike združili v skupine na podlagi DEmG; skupina 1 je pokazala slabšo splošno stopnjo preživetja v primerjavi z drugimi skupinami; kakorkoli že, imajo bolniki KIRC v skupini 3 napredovale stopnje tumorja in visoke bezgavke (višji N1) v primerjavi s tistimi v skupinah 1 in 2, kar kaže na metastaze raka in širjenje tumorjev v skupini 3. Prikazuje manjše število presnovnih genov v skupinah, povezanih z metastazami raka.

Poleg tega rezultati imunske infiltracije v različnih skupinah kažejo C1 z visokimi rezultati v stromalnih in imunskih klasifikacijah. Omeniti velja, da imajo bolniki C1 na patoloških stopnjah III in IV visoko infiltracijo T celic skupaj s CD8 plus T celicami, T folikularnimi pomožnimi celicami in makrofagi. Medtem ko ima tudi obilo Tregs. Tregi imajo ključno vlogo pri imunski toleranci in homeostazi [24]. Pri številnih oblikah raka, kot so rak debelega črevesa, rak dojke in rak trebušne slinavke, je povečan odstotek Tregs povezan s slabo prognozo raka [25, 26]. Makrofag M0 inducira invazijo in proliferacijo celic [27], povišane ravni makrofagov pa so povezane s slabo prognozo pri RCC [28]. Podobno so celice CD8 plus T znane kot ključne protitumorske celice in najboljša izbira za ciljno zdravljenje raka z imunskimi celicami [29]. Čeprav ima C1 največjo infiltracijo celic CD8 plus T kot druge skupine, je imel najslabše skupno preživetje.

Herba Cistanche

Uporabili smo tri metode CIBERSORT, MCP in ssGSEA za preučevanje infiltracije imunskih celic v tumorskem mikrookolju KIRC. Tradicionalna metoda za merjenje tumorske imunske infiltracije je s histologijo tkivnih odsekov in imunskih podskupin, ki jih sklepamo z imunohistokemijo posameznih markerjev. Vendar pa obstaja več omejitev, pri katerih imunohistokemija ne more identificirati številnih imunskih populacij in je slaba pri zajemanju funkcionalnih fenotipov (npr. aktiviranih limfocitov v primerjavi s limfociti v mirovanju). Zato smo uporabili CIBERSORT, računalniški pristop, ki ga je razvil [30] in obravnava izzive, s katerimi se sooča imunohistokemija. Za preverjanje statusa imunske infiltracije smo poleg CIBERSORT-a uporabili še druge algoritemske pakete. To je zato, ker CIBERSORT meri le deleže populacij imunskih celic znotraj vzorca, ki jih je mogoče razrešiti z drugim paketom, kot je MCP-števec, ki lahko oceni številčnost celične populacije, kar omogoča primerjavo med vzorci infiltriranih celic v tumorskem mikrookolju [31]. Za dopolnitev analiz CIBERSORT in MCP smo uporabili ssGSEA za količinsko opredelitev ravni infiltracije za tipe imunskih celic, implementirane v paketu R GSVA [32, 33]. GSA je metoda, ki temelji na rangu in izračuna čezmerno izraženost za zanimiv seznam genov glede na vse druge gene v genomu. CIBERSORT je pokazal boljše rezultate v primerjavi z drugima dvema metodama; zato so bile nadaljnje analize izvedene iz podatkov, pridobljenih iz CIBERSORT.

Poleg tega smo se osredotočili na osnovni mehanizem napredovanja KIRC z analizo diferencialne ekspresije na podlagi podatkov RNA-seq. Na splošno smo ciljali na nenormalno diferencialno izražanje skupnih genov med tremi skupinami. Večina genov je bila znižana, razen NUDT1 v C1; vendar je bilo njegovo izražanje bistveno zmanjšano z napredovanjem od C1 do C3. Tako je bil NUDT1 dodatno potrjen za svojo vlogo pri napredovanju KIRC. S siRNA posredovana inhibicija ekspresije gena NUDTI v dveh celičnih linijah KIRC (786-O in ACHN) je zmanjšala viabilnost celic in migracijo celic ter povečala apoptozo, kar potrjuje njeno vlogo pri napredovanju tumorja. Prej so poročali, da je stopnja izražanja NUDT1 povezana s stopnjo tumorja, stadijem, velikostjo, diferenciacijo, stopnjo vaskularne invazije, celokupnim preživetjem (OS) in preživetjem brez bolezni (DFS) pri bolnikih s HCC, prav tako predvidenim kot prognostični marker s terapevtskim potencialom pri bolnikih s HCC [34]. Prekomerna ekspresija NUDT1 pri pljučni arterijski hipertenziji zmanjša oksidativni stres in poškodbe DNA, s čimer spodbuja celično proliferacijo in zmanjša apoptozo [35]. Dokazano je bilo, da so bolniki z oralnim ploščatoceličnim karcinomom (OSCC), ki imajo visoko izraženost NUDT1, pokazali slabo stopnjo preživetja [36]. Glede na dejstvo, da ni na voljo dovolj literature o vlogi NUDTI pri raku in do zdaj nobena študija ni poročala o njegovi vlogi pri KIRC, zato prvič poročamo o vlogi NUDTI pri napredovanju KIRC. Sedanja študija je imela nekaj omejitev; čeprav je naša raziskava pokazala, da je podpis lahko povezan z imunoterapijo KIRC, učinkovitosti podpisa ni bilo mogoče potrditi zaradi pomanjkanja podatkov, morebitnih osnovnih mehanizmov in funkcionalnih vlog NUDT1 v KIRC in klinični praksi je treba dodatno raziskati.

Cistanche tubulosa

Sklepi

Pregledali smo disregulirane presnovne gene med normalnimi in tumorskimi tkivi ter raziskali njihovo delovanje. Analiza WGCNA je identificirala skupino genov, povezanih s statusom preživetja KIRC. Soglasno združevanje v skupine na podlagi genov, povezanih s preživetjem, je pokazalo tri skupine z različnimi stopnjami preživetja in vzorci imunske infiltracije. NUDT1 je bil v negativni korelaciji s preživetjem, nadaljnje analize pa so pokazale, da knockdown NUDT1 zavira proliferacijo in migracijo tumorskih celic. Omeniti velja, da je bil napovedni model izdelan na podlagi genov, povezanih s preživetjem, ki je pokazal visoko učinkovitost pri napovedovanju preživetja KIRC. Na koncu smo izvedli izčrpno analizo presnovnih genov v KIRC in identificirali NUDT1 kot onkogen, ki bi ga lahko uporabili kot terapevtsko in prognostično tarčo.

Vpliv izvlečka Cistanche na preglednost ledvic

Obstaja malo znanstvenih dokazov o vplivu zdravila Cistanche na preglednost ledvic. Vendar pa nekatere študije kažejo, da lahko izvleček Cistanche pozitivno vpliva na zdravje ledvic.

Ledvice so odgovorne za filtriranje odpadkov in toksinov iz telesa, njihovo zdravje pa je bistveno za splošno dobro počutje. Študije so pokazale, da ima izvleček Cistanche močne antioksidativne in protivnetne lastnosti, ki lahko pomagajo zaščititi pred oksidativnim stresom in vnetjem v ledvicah.

V tradicionalni kitajski medicini se Cistanche uporablja tudi za tonificiranje ledvic in izboljšanje njihovega delovanja. Nekateri zdravniki verjamejo, da lahko redno uživanje izvlečka Cistanche pomaga izboljšati preglednost ledvic, čeprav ta trditev ni podprta z zanesljivimi kliničnimi raziskavami.

Zato so potrebne strožje raziskave, da bi v celoti razumeli morebitne koristi izvlečka Cistanche na preglednost ledvic. Kljub temu je, tako kot pri vsakem prehranskem dopolnilu ali alternativni terapiji, pomembno, da se pred vključitvijo novih dodatkov v svojo prehrano posvetujete z zdravstvenim delavcem, še posebej, če imate že obstoječe zdravstvene težave.

Reference

[18] RL Siegel, KD Miller in A. Jemal, "Statistika raka, 2019," CA: A Cancer Journal for Clinicians, vol. 69, št. 1, str. 7–34, 2019.

[19] RL Siegel, KD Miller, HE Fuchs in A. Jemal, »Statistika raka, 2021,« CA: Journal of Cancer Journal for Clinicians, let. 71, št. 1, str. 7–33, 2021.

[20] JC Angulo in O. Shapiro, "Spreminjajoča se terapevtska pokrajina metastatskega ledvičnega raka", Cancers, vol. 11, št. 9, str. 1227, 2019.

[21] AK Sharma, "Nastajajoči trendi pri odkrivanju biomarkerjev: enostavnost prognoze in napovedi pri raku," Seminars in Cancer Biology, vol. 52, 1. del, str. iii–iv, 2018.

[22] H. Li, J. Hu, A. Yu et al., "RNA modifikacija N6- metiladenozina napoveduje imunske fenotipe in terapevtske priložnosti pri ledvičnem svetloceličnem karcinomu ledvic," Frontiers in Oncology, vol. 11, člen 642159, 2021.

[23] C. Xu, Y. Zang, Y. Zhao, et al., "Celovita analiza pan-raka je potrdila, da je ATG5 spodbujal vzdrževanje metabolizma tumorja in pojav tumorskega imunskega pobega," Frontiers in Oncology, vol. 11, člen 652211, 2021.

[24] Y. Takeuchi in H. Nishikawa, "Vloge regulatornih celic T pri imunosti proti raku," International Immunology, vol. 28, št. 8, str. 401–409, 2016.

[25] C. Zhuo, Y. Xu, M. Ying et al., "FOXP3 plus Tregs: heterogeni fenotipi in nasprotujoči si vplivi na izide preživetja pri bolnikih s kolorektalnim rakom," Immunologic Research, vol. 61, št. 3, str. 338–347, 2015.

[26] H. Wang, F. Franco in PC Ho, "Metabolična regulacija Tregs pri raku: priložnosti za imunoterapijo," Trends Cancer, vol. 3, št. 8, str. 583–592, 2017.

[27] BZ Qian in JW Pollard, "Raznolikost makrofagov povečuje napredovanje tumorja in metastaze," Cell, vol. 141, št. 1, str. 39–51, 2010.

[28] A. Hajiran, N. Chakiryan, AM Aydin, et al., "Prepoznavanje prostorske heterogenosti tumorskega imunskega mikrookolja pri metastatskem karcinomu ledvičnih celic in korelacija z odzivom na imunoterapijo," Clinical and Experimental Immunology, vol. 204, št. 1, strani 96–106, 2021.

[29] B. Farhood, M. Najafi in K. Mortezaee, "CD8(plus) citotoksični limfociti T pri imunoterapiji raka: pregled," Journal of Cellular Physiology, vol. 234, št. 6, str. 8509–8521, 2019.

[30] AM Newman, CL Liu, MR Green, et al., "Robustno naštevanje podmnožic celic iz profilov izražanja tkiv", Nature Methods, vol. 12, št. 5, str. 453–457, 2015.

[31] E. Becht, NA Giraldo, L. Lacroix, et al., "Ocenjevanje številčnosti populacije imunskih in stromalnih celičnih populacij, ki infiltrirajo tkiva, z uporabo izražanja genov," Genome Biology, vol. 17, št. 1, str. 218, 2016.

[32] DA Barbie, P. Tamayo, JS Boehm, et al., "Sistematska interferenca RNA razkriva, da onkogeni rak, ki ga povzroča KRAS, zahteva TBK1," Nature, vol. 462, št. 7269, str. 108–112, 2009.

[33] S. Hanzelmann, R. Castelo in J. Guinney, "GSVA: analiza variacije nabora genov za podatke mikromrež in RNA-seq", BMC Bioinformatics, vol. 14, št. 1, 2013.

[34] Q. Ou, N. Ma, Z. Yu et al., "Nudix hidrolaza 1 je prognostični biomarker pri hepatocelularnem karcinomu," Staranje, vol. 12, št. 8, str. 7363–7379, 2020.

[35] G. Vitry, R. Paulin, Y. Grobs, et al., "Čiščenje prekurzorjev oksidirane DNA z NUDT1 prispeva k vaskularnemu preoblikovanju pri pljučni arterijski hipertenziji," American Journal of Respiratory and Critical Care Medicine, vol. 203, št. 5, strani 614–627, 2021.

[36] Y. Shen, L. Zhang, S. Piao, et al., "NUDT1: potencialni neodvisni napovednik za prognozo bolnikov z oralnim ploščatoceličnim karcinomom," Journal of Oral Pathology & Medicine, vol. 49, št. 3, str. 210–218, 2020.

Junwei Xie,1,2,3,4,5 Lingang Cui,6 Shaokang Pan,1,2,3,4,5 Dongwei Liu,1,2,3,4,5 Fengxun Liu,1,2,3,4 ,5 in Zhangsuo Liu 1,2,3,4,5

1 Oddelek za nefrologijo, Prva pridružena bolnišnica univerze Zhengzhou, Zhengzhou 450052, Kitajska

2 Raziskovalni inštitut za nefrologijo, Univerza Zhengzhou, Zhengzhou 450052, Kitajska

3 Raziskovalni center za ledvične bolezni, Zhengzhou, 450052 Henan, Kitajska

4 ključni laboratorij za natančno diagnozo in zdravljenje kronične ledvične bolezni v provinci Henan, Zhengzhou 450052, Kitajska

5. osrednja enota nacionalnega kliničnega medicinskega raziskovalnega centra za ledvične bolezni, Zhengzhou 450052, Kitajska

6 Department of Urology, The First Affiliated Hospital of Zhengzhou University, Zhengzhou 450052, Kitajska