文摘

背景。黑色素瘤是最致命的一种皮肤癌。到目前为止,其病理机制,特别是转移的机制,在很大程度上仍未知。我们的研究基因的鉴定与黑色素瘤转移黑色素瘤提供了一种新颖的理解。方法。从基因表达数据库综合(GEO),基因表达微阵列数据集GSE46517, GSE7553, GSE8401下载。我们利用R针对分析(度)之间的差异表达基因转移和nonmetastatic黑色素瘤。R还用于差异表达从GSE18509 microrna的(民主党)数据挖掘,GSE19387, GSE24996, GSE34460, GSE35579, GSE36236, GSE54492数据指的是李的研究。度和DEM数据的基础上,我们进行功能富集分析通过大卫的应用数据库。此外,我们构建蛋白质相互作用(PPI)网络,建立了功能模块利用数据库的字符串。通过利用Cytoscape, PPI结果可视化。我们预测的目标通过应用TargetScan民主党,米兰达,和皮塔饼之间的重叠基因数据库和识别度和预测目标,其次是DEM-DEG对网络的建设。这些角化细胞的表情differentiation-involved模块1的基因被确定基于TCGA的数据。结果。239度筛选在所有3个数据集,包括21积极调控基因和218的负调控基因。基于这些239度,我们完成了构建的PPI网络由225个节点和846个边缘。我们完成建立3个功能模块。我们分析92重叠基因和26个microrna的,包括11个调节基因的目标11负监管民主党和81个表达下调基因15积极监管民主党的目标。证明微分转移相关基因的表达,11个角化细胞differentiation-involved基因,包括卤,EVPL, SPRR1A,焦距,SPRR1B, SPRR2B, TGM1, DSP, CSTA, CDSN, IVL模块1,显然是在转移性黑色素瘤组织中表达下调与原发性黑色素瘤组织相比基于TCGA的数据。结论。239黑色素瘤转移相关基因和26个差异表达microrna被确定在我们的研究中。的角化细胞differentiation-involved基因可能参与黑色素瘤转移,这种疾病提供了一个潜在的分子机制。

1。介绍

黑色素瘤细胞的肿瘤,从皮肤细胞,即黑色素细胞(1]。环境因素,例如紫外线照射,被认为是主要的原因导致黑色素瘤(2]。这个肿瘤主要是在皮肤上或附近皮肤和蔓延到全身3),全球发病率显著增加在过去的几十年里4]。恶性肿瘤的转移,最重要的特点,是在与黑素瘤相关死亡的主要原因5]。更重要的是,对于晚期黑色素瘤患者,仍没有令人满意的治疗方法,涉及复杂的多种基因和信号通路的变化。因此,调查在黑色素瘤转移的潜在的分子机制具有重要意义。

最近,微阵列技术已经广泛的应用于研究基因改变癌症复发、转移,肿瘤发生,耐药性和识别肿瘤预后的生物标志物,以及诊断和治疗肿瘤(6- - - - - -8]。在许多基因,利用RNA-sequencing分析报道,rna,其中包含长非编码rna (lncRNAs),信使rna (mrna)和microrna和蛋白质对发展有至关重要的影响,黑色素瘤起始和复发。微RNA是一种非编码RNA的核苷酸年龄在18岁至25岁之间的长度,是转录后的监管机构(9]。microrna在人类疾病中扮演了一个角色绑定到目标mRNA 3-untranslated地区(3-UTR)。先前的报道表明,mir - 182抑制恶性黑色素瘤细胞的增殖有关系(10]。雄激素受体(AR)促进黑色素瘤转移通过改变microrna - 539 - 3 - p / USP13 MITF /妳信号(11]。在我们的研究中,我们获得了3 mRNA微阵列和7 microrna的微阵列分析之间的度和民主党主要针对黑色素瘤和转移性黑色素瘤组织样本。我们应用功能性浓缩和网络分析。结果表明潜在的分子机制在转移性黑素瘤。

2。材料和方法

2.1。数据收集

我们获得了GSE46517、GSE7553 GSE8401基因表达谱和GSE18509 GSE19387, GSE24996, GSE34460, GSE35579, GSE36236, GSE54492 microrna的表达谱基因表达综合(地理,https://www.ncbi.nlm.nih.gov/geo/)[12]。GSE46517数据集包括8正常皮肤样品,9痣样本,73转移性黑色素瘤样本,31日样品(原发性黑色素瘤13]。GSE7553由87个样本,包括5正常样本,15基底细胞癌样本,16个样本,原发性黑色素瘤11鳞状细胞癌样本,和40转移性黑色素瘤样本(14]。GSE8401包含83个样本,52个转移性黑色素瘤样本,和31个原发性黑色素瘤样本包括(15]。对于这些数据集,我们筛选和分析转移性黑色素瘤样本。我们检索主要控制黑色素瘤样本。与此同时,我们总共收集了七个microrna的表达谱,包括82年转移和87份nonmetastatic样本12]。

2.2。筛选度和民主党

我们进行度和民主党通过limma软件包的应用分析Bioconductor包(http://www.bioconductor.org/packages/release/bioc/html/limma.html)[16在R软件。度分析,我们的截断值 和| ,我们利用 在DEM分析(12]。独特的度和民主党被选中。

2.3。去度的途径分析

作为一个主要的生物信息学倡议,基因本体论(:http://www.geneontology.org/)[17]包含注释最下三个标题:分子功能(MF)、生物过程(BP)和细胞组件(CC),当我们执行京都基因和基因组的百科全书(KEGG:http://www.genome.ad.jp/KEGG)[18)信号通路的通路富集分析调查与独特的度。我们去通过数据库进行注释和KEGG通路分析可视化和综合发现(大卫:http://www.david.ncifcrf.gov/)的识别度的生物学意义(19]。我们认为 和 统计学意义。

2.4。蛋白质相互作用网络建设(PPI)

我们首先绘制了度搜索工具的交互检索基因(字符串)(http://www.cytoscape.org/)[20.)针对评估功能关联。然后,通过利用分子复杂的检测(MCODE) Cytoscape软件的应用程序,我们确定了PPI网络的功能模块。

2.5。microrna的预测和DEM-DEG网络建设目标

我们获得了从TargetScan microrna的预测目标(http://www.targetscan.org/vert_72/)[21),米兰达(http://www.microrna.org/microrna/home.do)[22),和皮塔饼(http://genie.weizmann.ac.il/pubs/mir07/mir07_data.html)数据库(23]。的靶基因预测至少在两个数据集选择DEM-DEG对网络的建设。

2.6。验证微分转移相关基因的表达

UALCAN,全面分析癌症组学数据的web资源(TCGA MET500),是用于验证11转移相关基因的表达丰富模块1的“角化细胞分化”。结果是在箱线图,我们认为值< 0.05,有统计学意义。

3所示。结果

3.1。度和民主党的识别

之间的识别度样品和原发性黑色素瘤转移性黑色素瘤样本,通过应用limma软件包,我们进行了一次微分表达式分析。完全,我们确定了1300、731和1829度显著差异表达从GSE46517 GSE7553和GSE8401分别。最后,我们筛选了239个基因在所有3个数据集,包括21积极调控基因和218的负调节基因在转移性黑色素瘤组织与原发性黑色素瘤组织(图相比1)。同时,我们发现63年民主党的七个microrna的表达谱,这是由35积极消极监管microrna和28负监管microrna在转移性黑色素瘤组织与原发性黑色素瘤组织相比(表S1)。

3.2。功能富集分析

我们进行功能富集分析利用表达下调度因为度的数量(218/239)大。我们执行三个类别的功能注释度分析,包括英国石油(BP)、CC、MF。消极的去英国石油(BP)分析结果提出了监管度明显丰富的表皮发展,角化细胞分化,角质化(图2(一个)、表S2)。GO CC分析表明,消极监管度在细胞外丰富的外来体和细胞桥粒(图2 (b)、表S2)。消极的去分析结果提出了曼氏金融监管度明显丰富结构分子活动和细胞骨架的结构组成(图2 (c)、表S2)。我们只确认2 KEGG通路,大大提高阿米巴病信号通路和arrhythmogenic右心室心肌病(ARVC)通路(表S2)。

3.3。PPI网络的建设和分析

我们进行239度到字符串的PPI网络分析数据库,和225年蛋白质相互作用的总和 被确定(图3)。我们确定了三个模块利用MCODE插件,在Cytoscape应用程序。模块1是209年由21个节点和边缘包括DSC1 DSC2, DSC3。模块2 32 9节点和边组成,包括KRT2, KRT6B, KRT8。模块3包括7节点和12边缘,由KRT1, KRT5 KRT6A等等。此外,我们执行度的功能富集分析这三个模块。结果表明,模块1丰富的角化细胞分化、细胞外的外来体(图4(一)、表S3),所以在分析。模块2在表皮发展丰富,细胞外的外来体(图4 (b)、表S3),所以在分析。模块3是富含表皮发展分析(表S3)。不幸的是,我们没有确定重大KEGG通路在所有三个模块( )。

3.4。预测民主党目标基因和DEM-DEG网络建设

我们预测总将由63年的816个基因通过利用TargetScan microrna上面指出的,皮塔饼,米兰达数据库。在816个基因中,92个基因重叠度,是由11调节基因的目标11负监管民主党和81个基因表达下调基因15积极监管民主党的目标。我们提出详细结果表S4。

随后,呈现在图5,DEM-DEG网络是由Cytoscape软件。我们发现hsa - mir - 181 b (24],hsa - mir - 211 [25,26],hsa-miR-24 [27,28),最具潜力的目标基因,对黑色素瘤进展和转移有重要影响。

3.5。验证微分转移相关基因的表达

如表所示S3,模块1显然丰富角化细胞分化中去分析。直到现在,没有详细的角化细胞分化研究黑色素瘤转移。因此,我们评估11丰富基因的表达在角化细胞分化通过利用UALCAN数据库,包括卤,EVPL, SPRR1A,焦距,SPRR1B, SPRR2B, TGM1, DSP, CSTA CDSN, IVL(图6)。分析结果表明,所有的11个基因相比,明显在转移性黑色素瘤组织中表达下调主要黑色素瘤组织。的一些基因,如卤,SPRR1B, IVL,甚至检测不到转移性黑色素瘤组织。

4所示。讨论

可怜的黑素瘤的结果主要是由转移引起的。黑色素瘤转移的原因是迄今为止仍然知之甚少。我们知道转移的发病机制,能开发出更好的药物,可以治疗这种疾病。越来越多的证据表明基因表达图谱分析的使用对人类研究癌症进展和转移。我们也发现了大量的基因参与许多重要的细胞通路的癌症进展和发现他们的黑色素瘤中表达异常。

的价值研究为黑色素瘤转移相关基因的基因表达分析是迄今为止相对有限。在这个研究中,我们收集了黑色素瘤的基因表达分析数据集和系统性分析了检索与转移的基因。我们鉴定了239度。许多人参加各种癌症类型。例如,DIO2 underexpressed在几乎所有乳头状甲状腺癌和甲状腺肿瘤称为潜在目标治疗(29日,30.]。FGFBP1被认定为prometastasis基因在肝细胞癌(31日),而S100家族基因的表达,尤其是S100A7,高但原发性黑色素瘤样本低转移性黑素瘤。S100A7的表达与肿瘤入侵,它可能提高黑色素瘤的早期诊断(32- - - - - -34]。此外,它已经表明,许多预测度与癌症相关的目标发展。有趣的是,我们发现大部分的度表达下调(218/239)。我们确定度的表达式,TCGA数据库,我们分析结果是一样的。但原因是未知的。

此外,我们完成了构建基于PPI网络的度。更重要的是,去KEGG通路富集分析,进一步解释他们的生物功能。例如,我们发现,11度浓缩在角化细胞分化和黑色素瘤转移关系密切(图7)。我们发现卤、EVPL SPRR1A、焦距、DSP、CSTA的报道在以前的研究黑色素瘤(14,27,35- - - - - -39]。但SPRR1B报告,SPRR2B、TGM1 CDSN, IVL在黑色素瘤是一个缺口。总的来说,这个系统的荟萃分析的基因分析是一个一步的调查机制黑色素瘤的转移和SPRR1B的角色,SPRR2B, TGM1, CDSN, IVL角化细胞分化术语需要更进一步的研究。

这项研究有一些局限性。首先,角化细胞分化相关基因的表达水平不存在验证了。其次,miRNA-mRNA在黑色素瘤转移的作用需要进一步实验验证。在未来的研究中,我们将执行这些探索。

总之,我们完成了许多生物基因的识别,这可能参与黑色素瘤的转移,通过收集基因表达数据集从打开的数据库。这项工作确定角化细胞differentiation-involved基因”首次在黑色素瘤转移作用,提供额外的洞察这种疾病的复杂的过程。

数据可用性

本研究中所有数据分析从发表文章或可从相应的作者合理的请求。

同意

同意不适用。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

NX设计研究。KL, SG,圣,QS进行研究和起草。吉隆坡,SJ、BQ和y进行数据采集、数据分析和解释。结果和讨论的所有作者同意负责所有方面的工作。所有作者阅读和批准最终的手稿。

确认

这项研究得到了国家自然科学基金(51872332)。

补充材料

补充1。表S1:差异表达microrna在黑色素瘤(民主党)。

补充2。表S2:大大丰富了条款和KEGG通路(下调)。

补充3。表S3:显著富集条件模块。

补充4。表S4:预测民主党的目标基因。