基于The Human Protein Atlas和TCGA数据库分析SmuG1在人卵巢癌中的表达及预后意义
tcga数据库蛋白质组学文章套路
英文回答：The title of a research article should be both descriptive and succinct, serving to clearly convey the focus of the study. It is essential that key terms such as 'TCGA database' and'proteomics', as well as the specific cancer type or research question being addressed, are incorporated into the title. Furthermore, the title should be attention-grabbing and offer a precise indication of the article's content.研究文章的标题应是描述性的和简洁的，明确传达研究的重点。
必须把“TCGA数据库”和“蛋白质组学”等关键术语以及正在处理的具体癌症类型或研究问题纳入标题。
标题应引起注意，并准确地说明该条的内容。
The TCGA (The Cancer Genome Atlas) database is like a treasure trove for cancer researchers, giving us a deep dive into the genetic makeup of different cancers. It's super important because it helps us understand how cancer develops and spreads. And when we talk about proteomics, we're basically looking at all the proteins in cancer cells to figure out what's going on at a molecular level. In this study, we're digging into a specific research question to see how certain proteins might bedriving the development of a particular type of cancer. This sets the stage for the rest of the article, where we'll be breaking down our findings.TCGA（癌症基因组图集）数据库就像癌症研究人员的宝藏，让我们深入到不同癌症的基因构成中。
复方苦参注射液协同索拉非尼提高晚期肝细胞癌应答
复方苦参注射液协同索拉非尼提高晚期肝细胞癌应答李先晨1，徐秋燕2，盛文飞2，李栋梁3，吴庆庆1，陶忠义1*（1. 安徽医科大学附属六安医院药学部，安徽六安 237000；2. 安徽医科大学附属六安医院肿瘤内科，安徽六安237000；3. 安徽医科大学附属六安医院普外科，安徽六安 237000）摘要目的：采用临床队列、网络药理学框架及分子对接技术阐明复方苦参注射液（CKI）协同索拉非尼治疗晚期肝细胞癌（HCC）的物质基础和分子机制。
方法：依据入组标准选取安徽医科大学附属六安医院2019年7月至2022年6月间治疗的134例晚期HCC 患者，其中CKI-索拉非尼组和索拉非尼组各67例。
分析两组患者应答率和总体生存率。
通过网络药理学框架结合中药系统药理学数据库与分析平台及GeneCards、OMIM，PharmGkb、TTD 和 DrugBank 数据库鉴定CKI 治疗晚期HCC 的靶基因。
通过酶联免疫吸附测定验证两组患者治疗前后FBJ 骨髓瘤病毒癌基因同源物（FOS）和表皮生长因子受体（EGFR）表达。
结果：CKI-索拉非尼组患者治疗应答率和生存率均高于索拉非尼组患者（应答率：74.6%∶66.2%，P =0.032；生存率：38.8%∶23.9%，P =0.013）。
FOS 和EGFR 是CKI 治疗晚期HCC 的核心靶基因。
治疗3个月后，CKI-索拉非尼组患者外周血FOS 和EGFR 浓度较索拉非尼组患者显著降低[FOS 浓度：（8.41±2.17）ng/ml ∶（9.85±2.47）ng/ml，P <0.001；EGFR 浓度：（5.47±2.14）ng/ml ∶（6.28±2.04）ng/ml，P =0.027]。
分子对接模型证实槲皮素能与FOS 和EGFR 相互作用，结合能分别为-8.2 kcal/mol 和-7.9 kcal/mol。
结论：CKI 协同索拉非尼提高晚期HCC 患者应答率和生存率，其FOS 和EGFR 是介导其应答的潜在机制。
流行病学研究中的生物信息学数据库与资源应用
流行病学研究中的生物信息学数据库与资源应用随着科技的不断发展和进步，生物信息学在流行病学研究中的应用变得越来越重要。
生物信息学数据库和资源成为流行病学研究人员的重要工具，可以提供宝贵的数据和信息，帮助研究人员深入了解疾病的发生和传播机制。
本文将详细介绍流行病学研究中常用的生物信息学数据库和资源，以及它们的应用。
一、SNP数据库SNP（single nucleotide polymorphism）数据库是研究流行病学中最常用的数据库之一。
SNP是指基因组中的单个核苷酸变异，可用来研究人与人之间的遗传差异以及遗传变异与疾病之间的关系。
常见的SNP数据库包括dbSNP、HapMap和1000 Genome等。
这些数据库存储了大量的SNP信息，研究人员可通过检索和分析这些数据库中的数据，揭示SNP与疾病的相关性，为流行病学研究提供重要的依据。
二、基因表达数据库基因表达数据库存储了不同组织和细胞中的基因表达水平信息，对于分析疾病的遗传机制和发生发展过程起着重要作用。
常见的基因表达数据库包括Gene Expression Omnibus（GEO）和The Cancer Genome Atlas（TCGA）等。
研究人员可通过这些数据库获取基因在特定组织或疾病状态下的表达水平信息，进一步研究基因与疾病的关联性。
三、蛋白质数据库蛋白质数据库存储了大量的蛋白质序列和结构信息，对于研究疾病的发生机制和蛋白质功能起着重要作用。
常见的蛋白质数据库包括UniProt、Protein Data Bank（PDB）和STRING等。
研究人员可通过这些数据库获取蛋白质的序列、结构和功能信息，揭示蛋白质与疾病之间的关系，为流行病学研究提供有力支持。
四、基因组数据库基因组数据库存储了各种物种的基因组序列信息，为研究物种的遗传特性和基因功能提供了重要数据。
常见的基因组数据库包括GenBank、Ensembl和UCSC Genome Browser等。
基于GEO_和TCGA_数据库对肺腺癌差异表达基因的生物信息学分析
第 49 卷第 6 期2023年 11 月吉林大学学报（医学版）Journal of Jilin University（Medicine Edition）Vol.49 No.6Nov.2023DOI：10.13481/j.1671‑587X.20230612基于GEO和TCGA数据库对肺腺癌差异表达基因的生物信息学分析叶汇, 孙哲, 周丽婷, 齐雯, 叶琳（吉林大学公共卫生学院劳动卫生与环境卫生教研室，吉林长春130021）［摘要］目的目的：采用生物信息学方法筛选影响肺腺癌（LUAD）的关键基因，分析其生物学功能及其对LUAD预后的影响。
方法方法：于高通量基因表达（GEO）数据库下载GSE118370和GSE136043芯片数据，癌症基因组图谱（TCGA）数据库筛选LUAD相关数据。
采用R软件分析共同表达的差异表达基因（DEGs）。
采用clusterProfile R包对DEGs进行基因本体（GO）功能富集分析，DAVID数据库进行京都基因与基因组百科全书（KEGG）通路富集分析，STRING数据库构建蛋白-蛋白相互作用（PPI）网络。
采用Cytoscape筛选连接度排名前10位的关键基因，GEPIA数据库和人类蛋白质图谱（HPA）数据库分析正常肺组织和LUAD组织中关键基因mRNA和蛋白表达情况及不同分期LUAD组织中关键基因表达情况。
关键基因免疫浸润分析和生存分析获取关键基因表达与患者生存期的相关关系。
结果：共筛选DEGs 428个。
GO分析，LUAD的DEGs在主要富集于上皮-间质转化（EMT）等生物过程（BP）方面、细胞基部等细胞组分（CC）方面和细胞外基质（ECM）结构形成等分子功能（MF）方面。
KEGG分析，LUAD的DEGs主要富集于细胞因子受体相互作用通路等方面。
筛选DNA拓扑异构酶Ⅱα（TOP2A）、果蝇纺锤体异常基因（ASPM）、细胞周期蛋白B1（CCNB1）、人类细胞分裂周期相关基因8（CDCA8）、含杆状病毒IAP重复序列蛋白5（BIRC5）、苏氨酸激酶（AURKA）、驱动蛋白超家族成员20A（KIF20A）、中心体相关蛋白55（CEP55）、着丝粒蛋白F（CENPF）和微管组织因子（TPX2）为关键基因。
基于整合的TCGA数据库探索基因组学与临床数据关系
基于整合的TCGA数据库探索基因组学与临床数据关系一、本文概述随着生物信息学和临床研究的不断深入，基因组学与临床数据之间的关联日益成为生物医学领域的研究热点。
本文旨在通过整合和分析公开的The Cancer Genome Atlas（TCGA）数据库，探索基因组学与临床数据之间的关系。
我们将系统介绍如何利用TCGA数据库的资源，运用生物信息学方法，挖掘基因组学数据中的潜在信息，并与临床数据进行整合分析，以期揭示癌症发生、发展过程中的关键基因和分子机制，为癌症的诊断、治疗和预后评估提供新的思路和方法。
本文将首先介绍TCGA数据库的概况和数据特点，阐述选择TCGA 数据库作为研究基础的原因。
随后，我们将详细介绍基因组学数据的处理方法，包括数据清洗、基因表达分析、基因变异检测等，并阐述如何将这些方法与临床数据进行有效整合。
在结果展示部分，我们将通过图表和统计分析，展示基因组学与临床数据之间的关联，并解释这些关联在癌症研究中的意义。
我们将讨论本文的局限性，并对未来的研究方向进行展望。
通过本文的研究，我们期望能够为深入理解癌症的基因组学特征和临床表型提供新的视角和工具，为癌症的精准医疗提供科学支持。
我们也希望本文的研究方法和结果能够为其他领域的生物医学研究提供借鉴和参考。
二、TCGA数据库概述The Cancer Genome Atlas (TCGA) 是一个由美国国家癌症研究所（NCI）和国家人类基因组研究所（NHGRI）共同发起的项目，旨在通过应用高通量的基因组测序技术，对多种类型的人类癌症进行深入的基因组学研究。
自2006年启动以来，TCGA已经产生了海量的多维度数据，包括基因组、转录组、表观组、蛋白质组以及临床数据等，涵盖了超过33种不同类型的癌症，总计数千个患者的样本。
TCGA数据库不仅提供了丰富的原始测序数据，还通过严格的数据处理和分析流程，生成了大量的二级和三级数据，如基因变异注释、基因表达量统计、生存分析等。
TCGA数据库介绍
TCGA数据库介绍TCGA（The Cancer Genome Atlas）是由美国国立癌症研究所（NCI）和美国国立人类基因组研究所（NHGRI）共同发起的一个大型国际性癌症基因组计划。
该计划的目标是通过对人类癌症进行全面的基因组学分析，以帮助科学家更好地理解癌症的发生机制，识别潜在的治疗靶点，并为个性化医疗提供关键信息。
TCGA数据库提供了多种类型的基因组数据，包括基因组测序数据、表达谱数据、DNA甲基化数据、蛋白质表达数据等。
每个样本都经过详细的基因组学分析，使得科学家可以探索癌症的发生机制、转录组表达变化、基因突变和表达、DNA甲基化等方面的信息。
除了数据规模之外，TCGA数据库的另一个显著特点是其数据的多样性。
由于TCGA采集了全球范围内的癌症样本，包括不同类型的癌症和不同种族、性别和年龄的患者，因此其数据库中的数据具有一定的代表性和覆盖性。
这使得科学家在比较不同类型的癌症、寻找特定变异或基因表达的相关性时具有更高的可靠性。
TCGA数据库对于癌症研究以及相关领域的研究有着重要的意义。
首先，它为癌症研究提供了宝贵的资源和参考。
科学家可以利用TCGA数据库中的数据与自己的研究进行验证和比较，进一步加深对癌症的认识。
其次，TCGA数据库还为研究人员提供了一个共享和交流的平台。
任何人都可以访问TCGA数据库并使用其中的数据进行自己的研究，促进了全球范围内的合作和共同进展。
最后，TCGA数据库的开放性和透明度也为临床医生和患者提供了一个参考资源，帮助他们做出更准确的医疗决策和制定个性化的治疗方案。
然而，需要注意的是，TCGA数据库也存在一些限制和挑战。
首先，由于大规模基因组数据的复杂性和多样性，对于非专业研究人员来说，理解和解释TCGA数据可能是一项挑战。
其次，基因组数据的分析和解释需要一定的专业知识和技能，并且需要使用适当的分析工具和软件进行处理。
此外，由于TCGA数据库只包含了限定数量和类型的癌症数据，所得到的研究结果可能并不适用于所有类型的癌症或个体患者。
基于TCGA_数据库分析m6A_调节因子甲基化修饰对肺腺癌预后的影响
㊃肿瘤专栏㊃[收稿日期]2023-03-25[基金项目]包头市卫生健康科技计划项目(w s j k k j009)[作者简介]吴启飞(1995-),男,河北张家口人,内蒙古科技大学包头医学院第一附属医院医学硕士研究生,从事呼吸系统疾病诊治研究㊂*通信作者㊂E -m a i l :z h a n g d o n g gh @163.c o m 基于T C G A 数据库分析m 6A 调节因子甲基化修饰对肺腺癌预后的影响吴启飞,张 冬*(内蒙古科技大学包头医学院第一附属医院呼吸及危重症科,内蒙古包头014010) [摘要] 目的通过生物信息学分析探究m 6A 甲基化调节因子在肺腺癌中的表达及预后㊂方法通过T C G A 数据库下载516例肺腺癌患者的转录组数据及其临床数据,使用R 软件分析比较肺腺癌组织和癌旁组织中20个m 6A 甲基化调节因子的表达差异,并通过单变量C o x 回归分析进行生存分析㊂通过C o n s e n s u sC l u s t e rP l u sR 非监督类的方法进行m 6A 聚类生存分析㊂结果16个m 6A 甲基化调节因子在肺腺癌中差异表达,其中有5个m 6A甲基化调节因子(I G F 2B P 1㊁I G F 2B P 3㊁HN R N P C ㊁R B M X ㊁Y T H D C 2)与肿瘤分期㊁7个m 6A 甲基化调节因子(I G F 2B P 1㊁I G F 2B P 3㊁HN R N P C ㊁R B M X ㊁M E T T L 3㊁Y T H D F 2㊁M E T T L 14)与T 期和2个m 6A 甲基化调节因子(I G F 2B P 3㊁Y T H D C 2)与N 期显著相关㊂C o x 回归分析结果表明6个m 6A 甲基化调节因子(I G F 2B P 1㊁I G F 2B P 2㊁I G F 2B P 3㊁HN R N P A 2B 1㊁HN R N P C ㊁R B M 15)是影响肺腺癌患者预后的独立危险因素㊂结论m 6A 甲基化调节因子与肺腺癌进展有关,6个m 6A 甲基化调节因子可以作为预测肺腺癌患者预后的潜在生物标志物㊂ [关键词] 肺腺癌;m 6A 甲基化;T C G A 数据库 d o i :10.3969/j.i s s n .1007-3205.2024.03.004 [中图分类号] R 734.2 [文献标志码] A [文章编号] 1007-3205(2024)03-0271-07A n a l y s i s o f t h e e f f e c t o fm 6A m e t h y l a t i o n r e g u l a t o r y f a c t o r s o n t h e p r o gn o s i s o f l u n g ad e n o c a r c i n o m a b a s e do nT C G Ad a t a b a s e WU Q i -f e i ,Z H A N G D o n g*(D e p a r t m e n t o f R e s p i r a t o r y a n dC r i t i c a lC a r e ,t h eF i r s tA f f i l i a t e d H o s p i t a l o f B a o t o u M e d i c a lC o l l e ge ,I n n e rM o n g o l i aU n i v e r s i t y of S c i e n c e a n dT e c h n o l og y ,B a o t o u 014040,C h i n a )[A b s t r a c t ] O b je c t i v e T oi n v e s t i g a t et h ee x p r e s s i o na n d p r o g n o s i sof m 6A m e t h y l a t i o n r eg u l a t o r y f a c t o r s i n l u n g a d e n o c a r c i n o m a b y b i o i n f o r m a t i c s a n a l y s i s .M e th o d s T h e t r a n s c ri p t o m e d a t a a n dc l i n i c a l d a t ao f 516c a s e so f l u n g ad e n o c a r c i n o m aw e r ed o w n l o a d e df r o m T C G Ad a t a b a s e .T h ee x p r e s s i o nd i f f e r e n c e so f20m 6A m e t h y l a t i o nr e g u l a t o r y f a c t o r s i nl u n ga d e n o c a r c i n o m a t i s s u e s a n d p a r a c a n c e r o u s t i s s u e sw e r e c o m p a r e du s i n g Rs o f t w a r e a n a l ys i s ,a n d s u r v i v a l a n a l y s i sw a s p e r f o r m e db y u n i v a r i a t eC o x r e g r e s s i o na n a l ys i s .C o n s e n s u sC l u s t e rP l u sR m e t h o dw a su s e dt o p e r f o r m m 6Ac l u s t e rs u r v i v a l a n a l y s i s .R e s u l t s S i x t e e n m 6A m e t h yl a t i o n r e g u l a t o r y f a c t o r s w e r e d i f f e r e n t i a l l y e x p r e s s e di n l u n g ad e n o c a r c i n o m a ,o f w h i c h 5m 6A m e t h y l a t i o nr e g u l a t o r y fa c t o r s (I G F 2B P 1,I G F 2B P 3,H N R N P C ,R B M X ,Y T H D C 2)w e r e s i g n i f i c a n t l y a s s o c i a t e d w i t ht u m o rs t a g e ,7m 6A m e t h y l a t i o nr e g u l a t o r y fa c t o r s (I G F 2B P 1,I G F 2B P 3,H N R N P C ,R B MX ,M E T T L 3,Y T H D F 2,M E T T L 14)w e r es i g n i f i c a n t l y as s o c i a t e d w i t h T s t a g e ,a n d 2m 6A m e t h y l a t i o n r e g u l a t o r y fa c t o r s (I G F 2B P 3,Y T H D C 2)w e r e ㊃172㊃第45卷第3期2024年3月河北医科大学学报J O U R N A L O F H E B E I M E D I C A L U N I V E R S I T YV o l .45 N o .3M a r . 2024s i g n i f i c a n t l y a s s o c i a t e d w i t h N s t a g e.C o xr e g r e s s i o na n a l y s i ss h o w e dt h a t6m6A m e t h y l a t i o n r e g u l a t o r y f a c t o r s(I G F2B P1,I G F2B P2,I G F2B P3,H N R N P A2B1,H N R N P C,R B M15)w e r e i n d e p e n d e n t p r o g n o s t i c f a c t o r s o f l u n g a d e n o c a r c i n o m a.C o n c l u s i o n m6A m e t h y l a t i o n r e g u l a t o r y f a c t o r sa r ea s s o c i a t e d w i t ht h e p r o g r e s s i o n o fl u n g a d e n o c a r c i n o m a.I na d d i t i o n,t h e6m6A m e t h y l a t i o n r e g u l a t o r y f a c t o r sc a nb eu s e da s p o t e n t i a lb i o m a r k e r st o p r e d i c t t h e p r o g n o s i so f l u n g a d e n o c a r c i n o m a p a t i e n t s.[K e y w o r d s]l u n g a d e n o c a r c i n o m a;m6A m e t h y l a t i o n;T C G Ad a t a b a s e肺癌是世界上最常见的恶性肿瘤,据估计,全球每年约有2万新发病例,病死率为20%㊂在影响肺部系统的所有癌症类型中,非小细胞肺癌占所有肿瘤80%~85%,包括腺癌㊁鳞癌㊁大细胞癌等多种类型[1]㊂研究[2]表明,N6-甲基腺嘌呤(N6-m e t h y l a d e n o s i n e,m6A)甲基化调节因子在癌症发展和预后预测中起着至关重要的作用,但是对m6A 修饰与肺腺癌之间的关系却知之甚少,m6A甲基化调节与肺腺癌预后之间的关系仍需进一步验证㊂本研究通过生物信息学方法探究m6A甲基化调节因子在肺腺癌中的表达情况,并分析其与肺腺癌预后的相关性㊂1资料与方法1.1数据收集对于癌症基因组图谱(T h eC a n c e rG e n o m eA t l a s,T C G A)数据库的516例肺腺癌肿瘤患者,可从G e n o m i cD a t aC o mm o n s(G D C)数据门户网站下载肿瘤R N A-s e q数据(T C G A)(h t t p s:// p o r t a l.g d c.c a n c e r.g o v/),见表1㊂m6A相关基因来源于L i等[2]在33种癌症类型中m6A调节因子的分子表征和临床意义的研究㊂1.2 m6A甲基化调节因子在肺腺癌中的表达通过R(v4.0.3)软件包g g p l o t2和p h e a t m a p分析肺腺癌中m6A甲基化调节因子的表达与临床病理变量之间的关系㊂采用W i l c o x检验分析516个肿瘤组织和59个癌旁组织中相关m6A甲基化调节因子的表达水平㊂癌旁组织样本的所有数据均来T C G A 数据库中的癌旁样本及G T E x V8版本(h t t p s:// g t e x p o r t a l.o r g/h o m e/d a t a s e t s)㊂采用S p e a r m a n 相关性分析,探究不同m6A甲基化调节因子之间的相关性㊂1.3 m6A甲基化调节因子与肺腺癌患者临床病理特征的关系为了研究m6A甲基化调节因子与肺腺癌患者临床病理特征之间的关系,分别分析在肺腺癌中差异表达的m6A甲基化调节因子与肿瘤T NM分期㊁T分期㊁N分期之间的关系㊂表1肺腺癌患者的临床病理T a b l e1C l i n i c a l p a t h o l o g y o f p a t i e n t sw i t h l u n ga d e n o c a r c i n o m a(n=516,例数,%)临床特征T C G A数据年龄(岁)ɤ60177(34.3)>60339(65.7)性别女性278(53.9)男性238(46.1)T NM分期Ⅰ276(53.5)Ⅱ122(23.7)Ⅲ92(17.8)Ⅳ26(5.0)T分期T1169(32.8)T2278(53.9)T347(9.1)T419(3.7)T X3(0.5)M分期M0347(67.3)M129(5.6)M X140(27.1)N分期N0332(64.4)N197(18.8)N274(14.3)N32(0.4)N X11(2.1)1.4 m6A甲基化调节因子的聚类分析为了确定肺腺癌患者中20个m6A甲基化调节因子的m6A 修饰模式,使用C o n s e n s u sC l u s t e r P l u sR软件包进行非监督类聚类分析(c o n s e n s u sc l u s t e r i n g),根据累积分布函数(c u m u l a t i v ed i s t r i b u t i o nf u n c t i o n, C D F)曲线的聚类分数,并评估D e l t a面积确定最佳聚类数(k值),从而评估T C G A肺腺癌队列中m6A 甲基化调节因子的m6A修饰特征㊂1.5统计学方法应用R软件包(v4.0.3)分析数据㊂采用单因素C o x回归分析m6A甲基化调节因子和临床表型之间进行生存分析,采用K a p l a n-㊃272㊃河北医科大学学报第45卷第3期M e i e r法和l o g-r a n k检验分析高危组和低危组的O S;采用多变量C o x回归分析确定影响肺腺癌患者预后的独立危险因素㊂P<0.05为差异有统计学意义㊂2结果2.1 m6A R N A甲基化调节因子在肺腺癌中的表达水平通过从T C G A数据库中获取的516例肺腺癌患者的R N A-s e q转录组数据及其临床信息,分析比较了肿瘤组织和癌旁组织中20个m6A R N A 甲基化调节因子的表达,显示了16个差异表达的调节因子㊂热图和小提琴图显示R B M15B(P<0.05)㊁A L K B H5(P<0.05)㊁Y T H D F2(P<0.01)㊁I G F2B P1(P<0.001)㊁I G F2B P3(P<0.001)㊁V I R MA(P<0.001)㊁H N R N P C(P<0.001)㊁R B M X(P<0.001)㊁M E T T L3(P<0.001)㊁R B M15 (P<0.001)㊁H N R N P A2B1(P<0.001)㊁Y T H D F1 (P<0.001)在癌组织中高表达;而WT A P(P< 0.001)㊁M E T T L14(P<0.001)㊁Z C3H13(P< 0.001)㊁F T O(P<0.001)在癌旁组织中高表达,见图1A,1B㊂S p e a r m a n相关性分析显示,在这16个m6A甲基化调节因子中,每两个调节因子之间相互比较,其中m6A甲基化调节因子之间相关性最强的是M E T T L14和Z C3H13,见图1C㊂2.2 m6A甲基化调节因子与肺腺癌患者临床病理特征的关系结果显示,在16个m6A甲基化调节因子中,I G F2B P1㊁I G F2B P3㊁H N R N P C㊁R B M X㊁Y T H D C2在不同的T NM分期(Ⅰ㊁Ⅱ㊁Ⅲ㊁Ⅳ)中表达差异有统计学意义(P<0.05),见图2A㊂I G F2B P1㊁I G F2B P3㊁H N R N P C㊁R B M X㊁M E T T L3㊁Y T H D F2㊁M E T T L14在不同的T分期(T1㊁T2㊁T3)中表达差异有统计学意义(P<0.05),见图2B㊂I G F2B P3㊁Y T H D C2在不同的N分期(N0㊁N1㊁N2㊁N3)中表达差异有统计学意义(P<0.05),见图2C㊂2.3 m6A甲基化调节因子的聚类分析根据20个甲基化调节因子的表达水平进行非监督类聚类分析,结果显示聚类数为2时,C D F值增速平缓,没有样品特别小的分组,聚类稳定性最佳,见图3A㊁3B㊂此时分为2种不同的m6A修饰模式,称为m6A聚类C1㊁C2㊂对2组m6A聚类患者的预后分析,显示2组总体生存率比较差异无统计学意义(P>0.05),见图3C㊂然而当聚类数为6时,此时分为6中不同的m6A修饰模式,称为m6A聚类C1㊁C2㊁C3㊁C4㊁C5㊁C6,见图3D㊂对6组m6A聚类患者的预后分析,显示6组总体生存率比较差异有统计学意义(P<0.05),其中C3组预后最好㊂㊃372㊃河北医科大学学报第45卷第3期图1 m 6A 甲基化调节因子在肺腺癌中的表达A.癌旁组织和肿瘤组织中20个m 6A 甲基化调节因子的表达热图;B .20个m 6A 甲基化调节因子的小提琴图㊂癌旁组织标记为蓝色,肿瘤组织标记为红色;C .16个m 6A R N A 甲基化调节因子的S pe a r m a n 相关性分析*P <0.05 **P <0.01 ***P <0.001F i g u r e 1 E x p r e s s i o no fm 6A m e t h y l a t i o nr e g u l a t o r y f a c t o r s i n l u n g ad e n o c a r c i n o ma 图2 m 6A 甲基化调节因子与肺腺癌患者临床病理特征的关系A.m 6A 甲基化调节因子与T NM 分期的关系;B .m 6A 甲基化调节因子与T 分期的关系;C .m 6A 甲基化调节因子与N 分期的关系*P <0.05 **P <0.01 ***P <0.001F i g u r e 2 R e l a t i o n s h i p b e t w e e nm 6A m e t h y l a t i o n r e g u l a t o r y f a c t o r s a n d c l i n i c o p a t h o l o g i c a l f e a t u r e s o f l u n g ad e n o c a r c i n o m a ㊃472㊃河北医科大学学报 第45卷 第3期图3 m 6A 调节因子在肺腺癌中的聚类分类A.聚类累积分布函数和D e l t a 面积;B .k =2时聚类矩阵;C .k =2时m 6A 聚类的生存分析;D.k =6时m 6A 聚类的生存分析F i g u r e 3 C l u s t e r c l a s s i f i c a t i o no fm 6Ar e g u l a t o r yf a c t o r s i n l u ng ad e n o c a r c i n o m a 2.4 m 6A 甲基化调节因子对肺腺癌中预后的影响 通过单因素C o x 回归分析,分析m 6A 甲基化调节因子在肺腺癌中的预后作用,见图4A ㊂其中值得注意的是I G F 2B P 3的高表达导致了肺腺癌患者较差的生存[危险比(h a z a r dr a t i o ,H R )为1.624,95%可信区间(c o n f i d e n c ei n t e r v a l ,C I )为1.210~2.178]㊂K a pl a n -M e i e r 曲线结果显示I G F 2B P 1㊁I G F 2B P 2㊁I G F 2B P 3㊁H N R N P A 2B 1㊁H N R N P C 和R B M 15的高表达与不良预后显著相关(P <0.05),见图4B ~4G ㊂考虑到临床病理特征对患者生存率的影响,纳入患者年龄㊁性别和肿瘤T NM 分期进行多因素C o x 回归分析,与单因素C o x 回归分析结果比较,显示I G F 2B P 1㊁I G F 2B P 2㊁I G F 2B P 3㊁H N R N P A 2B 1㊁H N R N P C 和R B M 15是影响肺腺癌患者预后的独立危险因素,见图4H㊂㊃572㊃河北医科大学学报 第45卷 第3期图4m6A甲基化调节因子对肺腺癌预后的影响A.20个m6A甲基化调节因子的单变量C o x回归分析;B-G.I G F2B P1㊁I G F2B P2㊁I G F2B P3㊁HN R N P A2B1㊁H N R N P C㊁R B M15的K a p l a n-M e i e r生存曲线;H.临床病理学特征和20个m6A 甲基化调节因子的多变量C o x回归分析F i g u r e4E f f e c t o fm6A m e t h y l a t i o n r e g u l a t o r y f a c t o r s o n p r o g n o s i s o f l u n g a d e n o c a r c i n o m a3讨论N6甲基腺苷修饰,定义为在腺苷的N6位点添加甲基,是真核生物中最普遍的内部化学修饰[3]㊂由一组被称为 书写器 ㊁ 清除器 ㊁ 阅读器 的蛋白质组成,其可以影响R N A代谢的多个方面,包括m R N A的剪接㊁稳定性㊁定位和翻译㊂参与m6A甲基化的蛋白质主要有甲基转移酶㊁去甲基化酶和R N A结合蛋白3种类型[4]㊂m6A m R N A的甲基化主要由 书写器 蛋白完成,包括甲基转移酶样14 (M e t h y l t r a n s f e r a s e-l i k e14,M E T T L14)㊁W i l m s肿瘤1相关蛋白(W i l m s't u m o r1-a s s o c i a t i n g p r o t e i n,WT A P)㊁甲基转移酶类3 (m e t h y l t r a n s f e r a s e-l i k e3,M E T T L3)㊁R N A结合蛋白15(R N A-b i n d i n g m o t i f p r o t e i n15,R B M15)和含锌指C C C H结构域的蛋白13(z i n cf i n g e rC C C H d o m a i n-c o n t a i n i n gp r o t e i n13,Z C3H13)㊂去甲基化过程主要由 清除器 蛋白进行,包括A l k B同系物5(A l kBh o m o l o g o u s5,A L K B H5)以及脂肪量和肥胖相关蛋白(f a t m a s sa n do b e s i t y a s s o c i a t e d p r o t e i n,F T O)㊂ 阅读器 蛋白主要是R N A降解和翻译,包括5个Y T521-B(Y T521-B h o m o l o g y, Y T H)同源性Y T H结构域家族成员㊁异质核核糖核蛋白(H e t e r o g e n e o u sn u c l e a r r i b o n u c l e o p r o t e i n, h nR N P)和胰岛素样生长因子2m R N A结合蛋白(I n s u l i n l i k e g r o w t h f a c t o r2m R N A b i n d i n g p r o t e i n,I G F2B P)[5]㊂由于 书写器 ㊁ 清除器 和 阅读器 基因协同控制可逆的m6A修饰,因此在生理活动和人类疾病,特别是癌症中发挥至关重要的作用[6]㊂近年来,m6A修饰在免疫调节㊁代谢和细胞分化等许多生物过程中的作用已被证实㊂研究[7]显示R N A的m6A修饰通过调节癌蛋白表达,引起细胞增殖和肿瘤进展,在癌症发展中发挥着重要的调控作用㊂本研究结果表明R B M15B㊁A L K B H5㊁Y T H D F2㊁I G F2B P1㊁I G F2B P3㊁V I R MA㊁H N R N P C㊁R B M X㊁M E T T L3㊁R B M15㊁H N R N P A2B1和Y T H D F1等12个调节因子上调癌蛋白表达;而WT A P㊁M E T T L14㊁Z C3H13和F T O等4个调节因子下调癌蛋白表达㊂在大多数情况下,M E T T L3被认为是一种癌基因,促进多种癌症的发生和发展㊂例如在肠道中,微生物代谢物丁酸盐被认为下调M E T T L3的表达并抑制结直肠癌的发展[8]㊂W a n g等[9]在胃癌中显示,P300介导组蛋白H3在赖氨酸27(H3K27a c)处乙酰化并促进M E T T L3转录㊂研究[10]报道了M E T T L3在乳腺癌中的过表达,并确定B c l-2是M E T T L3的靶标,证明由于m6A m R N A的甲基化修饰,促进了癌细胞增殖㊂而M E T T L14被认为是一种抑癌基因,有研究[11]表明M E T T L14缺失与结直肠癌患者的不良预后相关,敲低M E T T L14显著增强了C R C细胞体外的增殖和侵袭能力,促进了体内致瘤性和转移性㊂M E T T L3和M E T L L14虽然分别作为促癌基因和抑癌基因,但在本研究中,M E T T L3和M E T T L14均在肺腺癌中差异表达,如何能针对两者设计出有效的靶点药物需要综合考虑㊂H N R N P C是一种R N A结合蛋白,H u a n g等[12]研究显示H N R N P C的过表达通过上皮-间充质转化(e p i t h e l i a l-m e s e n c h y m a l t r a n s i t i o n,E MT)促进口腔鳞状细胞癌的致癌作用㊂此外,c i r c B A C H2(h s a_ c i r c_0001625)被证实通过MA P K信号通路刺激H N R N P C的表达,从而促进乳腺癌细胞增殖[13]㊂含Y T521-B同源结构域的蛋白质指导不同的复合物调节R N A信号通路,包括R N A折叠㊁R N A剪接㊁蛋白质翻译和R N A代谢[14]㊂研究[15]证实I G F1/I G F1R抑制剂林西替尼优先靶向表达Y T H D F2的细胞,降低胶质母细胞瘤干细胞活力而不影响正常神经干细胞,抑制体内胶质母细胞瘤生㊃672㊃河北医科大学学报第45卷第3期长㊂研究[16]表明除了原发性肝细胞癌中的Y T H D F2以及在头颈部鳞状细胞癌中的Y T H D C2以外,几乎所有的Y T H家族蛋白在各种类型的癌症中都作为癌基因㊂I G F2B P蛋白家族(包括I G F2B P1/2/3)作为一个独特的m6A阅读器,已被证明与癌症进展密切相关,I G F2B P蛋白家族识别经甲基化修饰的m R N A,并在稳定的核糖核蛋白颗粒的背景下延长其生命周期,以促进癌症进展[17]㊂还有研究[18]证明c i r c N D U F B2作为支架增强T R I M25和I G F2B P s之间的相互作用,促使I G F2B P s降解,从而参与非小细胞肺癌的进展㊂来自中国国家癌症中心的队列研究[19]证实了I G F2B P3高表达可能与性别㊁肿瘤长度㊁分化和T 分期显著相关㊂本研究结果显示,I G F2B P蛋白家族不仅参与调控肺腺癌的增殖㊁侵袭转移等多个生物过程,还导致肺腺癌患者的不良预后㊂肺腺癌中包含多个肿瘤位点,但是部分基因在不同的肿瘤类型中表现出相互矛盾的作用,因此生物信息学分析成为探索肺腺癌核心基因㊁为肿瘤治疗提供潜在靶点的有效途径㊂综上所述,m6A甲基化调节因子的表达与肺腺癌患者的临床病理特征密切相关㊂6个m6A调节因子也是影响肺腺癌患者生存预后的独立危险因素,可以作为预测肺腺癌患者预后的潜在生物标志物㊂本研究基于T C G A数据库,是否适用于中国人还有待于进一步研究㊂由于临床分析有一定的局限性,接下来还需要开展基础实验来进一步验证结果的可靠性㊂[参考文献][1]S u s t e r D I,M i n o-K e n u d s o n M.M o l e c u l a r p a t h o l o g y o fp r i m a r y n o n-s m a l l c e l l l u n g c a n c e r[J].A r c h M e dR e s,2020,51(8):784-798.[2] L iY,X i a oJ,B a iJ,e ta l.M o l e c u l a rc h a r a c t e r i z a t i o na n dc l i n i c a l r e l e v a n c eo f m6A r e g u l a t o r sa c r o s s33c a n c e rt y p e s[J].M o l C a n c e r,2019,18(1):137.[3] O e r u m S,M e y n i e r V,C a t a l a M,e t a l.A c o m p r e h e n s i v er e v i e w o f m6A/m6A m R N A m e t h y l t r a n s f e r a s e s t r u c t u r e s[J].N u c l e i cA c i d sR e s,2021,49(13):7239-7255. [4] H u a n g J,S h a oY,G u W.F u n c t i o na n dc l i n i c a l s i g n i f i c a n c eo fN6-m e t h y l a d e n o s i n ei n d i g e s t i v es y s t e m t u m o u r s[J].E x pH e m a t o lO n c o l,2021,10(1):40.[5] Z h a n g N,Z u o Y,P e n g Y,e t a l.F u n c t i o n o f N6-m e t h y l a d e n o s i n em o d i f i c a t i o ni nt u m o r s[J].J O n c o l,2021,2021:6461552.[6] D e n g L J,D e n g WQ,F a nS R,e t a l.m6A m o d i f i c a t i o n:r e c e n ta d v a n c e s,a n t i c a n c e r t a r g e t e dd r u g d i s c o v e r y a n db e y o n d[J].M o l C a n c e r,2022,21(1):52.[7] H u a n g H,W e n g H,C h e nJ.m6A M o d i f i c a t i o n i nc o d i n g a n dn o n-c o d i n g R N A s:r o l e s a n d t h e r a p e u t i c i m p l i c a t i o n s i n c a n c e r[J].C a n c e rC e l l,2020,37(3):270-288.[8] Z h u W,S iY,X uJ,e ta l.M e t h y l t r a n s f e r a s e l i k e3p r o m o t e sc o l o r e c t a l c a n c e r p r o l i f e r a t i o n b y s t a b i l i z i n g C C N E1m R N A i na nm6A-d e p e n d e n tm a n n e r[J].JC e l lM o lM e d,2020,24(6):3521-3533.[9] W a n g Q,C h e n C,D i n g Q,e ta l.M E T T L3-m e d i a t e d m6Am o d i f i c a t i o n o f H D G F m R N A p r o m o t e s g a s t r i c c a n c e rp r o g r e s s i o na n dh a s p r o g n o s t i c s i g n i f i c a n c e[J].G u t,2020,69(7):1193-1205.[10] W a n g H,X u B,S h i J.N6-m e t h y l a d e n o s i n e M E T T L3p r o m o t e s t h e b r e a s t c a n c e r p r o g r e s s i o n v i a t a r g e t i n g B c l-2[J].G e n e,2020,722:144076.[11] Y a n g X,Z h a n g S,H e C,e t a l.M E T T L14s u p p r e s s e sp r o l i f e r a t i o n a n d m e t a s t a s i so fc o l o r e c t a lc a n c e rb y d o w n-r e g u l a t i n g o n c o g e n i cl o n g n o n-c o d i n g R N A X I S T[J].M o lC a n c e r,2020,19(1):46.[12] H u a n g G Z,W u Q Q,Z h e n g Z N,e t a l.M6A-r e l a t e db i o i n f o r m a t ic s a n a l y s i s r e v e a l s t h a t H N R N P C f a c i l i t a t e sp r o g r e s s i o no f O S C C v i a E MT[J].A g i n g(A l b a n y N Y),2020,12(12):11667-11684.[13] L v W,T a nY,X i o n g M,e t a l.A n a l y s i s a n d v a l i d a t i o no fm6Ar e g u l a t o r y n e t w o r k:a n o v e l c i r c B A C H2/h a s-m i R-944/HN R N P Ca x i si n b r e a s tc a n c e r p r o g r e s s i o n[J].J T r a n s lM e d,2021,19(1):527.[14] L i a oJ,W e i Y,L i a n g J,e ta l.I n s i g h ti n t ot h es t r u c t u r e,p h y s i o l o g i c a l f u n c t i o n,a n dr o l ei nc a n c e ro f m6A r e a d e r s-Y T H d o m a i n-c o n t a i n i n g p r o t e i n s[J].C e l l D e a t h D i s c o v,2022,8(1):137.[15] D i x i tD,P r a g e rB C,G i m p l eR C,e t a l.T h eR N A m6Ar e a d e rY T H D F2m a i n t a i n so n c o g e n ee x p r e s s i o na n di sat a r g e t a b l ed e p e n d e n c y i n g l i o b l a s t o m as t e m c e l l s[J].C a n c e r D i s c o v,2021,11(2):480-499.[16] L i uS,L iG,L iQ,e t a l.T h e r o l e sa n d m e c h a n i s m so fY T Hd o m a i n-c o n t a i n i n g p r o te i n s i n c a n c e r d e v e l o p m e n t a n dp r o g r e s s i o n[J].A mJC a n c e rR e s,2020,10(4):1068-1084.[17] R a m e s h-K u m a r D,G u i l S.T h e I G F2B P f a m i l y o f R N Ab i n d i n gp r o t e i n s l i n k s e p i t r a n sc r i p t o m i c s t o c a n c e r[J].S e m i nC a n c e rB i o l,2022,86(P t3):18-31.[18] L i B,Z h uL,L uC,e t a l.c i r c N D U F B2i n h i b i t sn o n-s m a l l c e l ll u n g c a n c e r p r o g r e s s i o n v i a d e s t a b i l i z i n g I G F2B P s a n da c t i v a t i n g a n t i-t u m o r i mm u n i t y[J].N a tC o mm u n,2021,12(1):295.[19] G u oW,H u a iQ,W a nH,e t a l.P r o g n o s t i c i m p a c t o f I G F2B P3e x p r e s s i o n i n p a t i e n t s w i t h s u r g i c a l l y r e s e c t e d l u n ga d e n o c a r c i n o m a[J].D N AC e l l B i o l,2021,40(2):316-331.(本文编辑:何祯)㊃772㊃吴启飞等基于T C G A数据库分析m6A调节因子甲基化修饰对肺腺癌预后的影响。
甲基转移酶样蛋白27是结肠癌预后的生物标志物并与免疫浸润相关
结肠癌是消化道常见的肿瘤之一，主要发生于肠黏膜，并向邻近脏器扩散［1］。
虽然接受根治性切除术的早期结肠癌患者的5年生存率超过90%，但大多数患者被诊断为晚期或转移，导致5年生存率下降到10%［2］。
目前临床上治疗结肠癌的方法主要有手术、放疗、化疗、靶向治疗等，这些治疗方法已经取得了相当大的进展。
但由于诊断晚、发展快、转移频率高，患者预后仍较差，远METTL27is a prognostic biomarker of colon cancer and associated with immune invasionWANG Kang,ZHANG Jun,DENG Muwen,JU Yongle,OUYANG ManzhaoDepartment of Gastrointestinal Surgery,Shunde Hospital,Southern Medical University,Foshan 528308,China摘要：目的探讨甲基转移酶样蛋白27（METTL27）在结肠癌中的表达、基因功能、免疫浸润和临床预后意义。
方法运用R 语言，通过公共数据库TCGA 、GEO 、HPA 数据库分析33种癌谱METTL27表达水平，并鉴定结肠癌中METTL27的差异基因，通过基因功能注释和富集分析鉴定相关信号通路；应用GSV A 中的ssGSEA 算法进行免疫浸润分析；Wilcoxon 秩和检验(连续变量)、Logistic 分析评价METTL27表达与临床病理特征的相关性；Kaplan-Meier 分析、单因素和多因素Cox 回归分析，构建列线图和校准图分析评价METTL27表达与临床预后的相关性。
qPCR 及Western blot 实验验证METTL27在肠癌细胞株以及16例肠癌组织中的表达水平。
结果METTL27在21种肿瘤中显著高表达，结肠癌中METTL27的表达明显高于癌周组织（P <0.001）；METTL27进行差异分析，并鉴定了METTL27相关的差异基因，绘制了差异表达正负相关前10基因（P <0.001）；通过鉴定了METTL27的差异表达基因，初步对其进行了基因功能注释，发现METTL27在跨膜物质转运以及脂质代谢进程中显著富集，进一步GSEA 识别了与之相关的5条信号通路；同时分析了METTL27表达与辅助T 细胞、辅助T 细胞2型、中央记忆型T 细胞呈负相关关系（P <0.001）；在临床特征与预后分析中，METTL27mRNA 高表达的患者OS 、DSS 较差，Cox 回归分析显示，METTL27表达是OS 的独立预后因素；修改为：在不同肠癌细胞株以及16例肠癌组织样本中，METTL27的mRNA 表达水平高于正常细胞及组织（P <0.05）；配对的4例肠癌组织蛋白检测也证实这一结果（P <0.001）。
肝细胞癌铜死亡标志物SLC31A1、DBT的鉴定及化合物筛选
山东科学ＳＨＡＮＤＯＮＧＳＣＩＥＮＣＥ第３７卷第１期２０２４年２月出版Ｖｏｌ.３７Ｎｏ.１Ｆｅｂ.２０２４收稿日期:２０２３￣０５￣０５基金项目:贵州中医药大学新苗项目(贵科合学术新苗[２０２３]￣２８号)ꎻ贵州中医药大学研究生创新项目(ＹＣＸＫＹＢ２０２３００１)作者简介:张楠楠(１９８９ )ꎬ女ꎬ博士ꎬ讲师ꎬ研究方向为肿瘤的中医药防治ꎮＥ￣ｍａｉｌ:ｄｏｃｚｎ＠ｓｉｎａ.ｃｏｍ∗通信作者ꎬ李军(１９８６ )ꎬ男ꎬ博士ꎬ副教授ꎬ研究方向为肿瘤的中医药防治ꎮＥ￣ｍａｉｌ:９７１３３９２４８＠ｑｑ.ｃｏｍ肝细胞癌铜死亡标志物ＳＬＣ３１Ａ１、ＤＢＴ的鉴定及化合物筛选张楠楠ａꎬ周伊帆ａꎬ朱燚ｂꎬ安明宇ａꎬ邓颖ａꎬ李军ａ∗(贵州中医药大学ａ.基础医学院ꎻｂ.药学院ꎬ贵州贵阳５５００２５)摘要:探究铜死亡相关基因对肝细胞癌(ｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａꎬＨＣＣ)的影响ꎬ并挖掘治疗ＨＣＣ的活性成分ꎮ通过ＧＥＯ数据库下载ＧＳＥ８４４０２数据集ꎬ获取肝癌差异表达基因ꎬ通过文献检索铜死亡相关基因ꎬ两者取交集获得肝癌相关铜死亡基因ꎮ进一步分析交集基因ꎬ使用ＵＡＬＣＡＮ分析其差异表达ꎬＲ语言分析其表达水平与临床的相关性ꎬＫａｐｌａｎ￣ＭｅｉｅｒＰｌｏｒｔｔｅｒ分析其预后价值ꎬＨＣＭＤＢ分析其与肝癌转移的关系ꎬ并使用ＴＨＰＡ分析其与肝癌的病理关系ꎮ最后进行化合物预测与分子对接ꎮ结果表明ꎬ与正常组相比ꎬ铜死亡关键基因ＳＬＣ３１Ａ１㊁ＤＢＴ在肿瘤中表达水平下调ꎬ病理分析显示其蛋白在ＨＣＣ组织中表达增加ꎬ且与临床相关性变量性别㊁肿瘤分期㊁淋巴结转移显著相关ꎬ其高表达与肝癌预后良好相关ꎬ其中ＳＬＣ３１Ａ１低表达与肝癌向肾上腺㊁肺部转移显著相关ꎮ最后筛选出可能与ＳＬＣ３１Ａ１㊁ＤＢＴ结合的活性化合物ꎬ其中白藜芦醇㊁叶酸对接分数高ꎮ研究认为铜死亡相关基因ＳＬＣ３１Ａ１㊁ＤＢＴ在ＨＣＣ的发生发展中起重要作用ꎬ为ＨＣＣ的诊断及治疗药物研究提供了新思路ꎮ关键词:肝细胞癌ꎻ铜死亡ꎻＳＬＣ３１Ａ１ꎻＤＢＴ中图分类号:Ｒ９６５.１㊀㊀㊀文献标志码:Ａ㊀㊀㊀文章编号:１００２￣４０２６(２０２４)０１￣００３９￣１２开放科学(资源服务)标志码(ＯＳＩＤ):Ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｏｍｐｏｕｎｄｓｃｒｅｅｎｉｎｇｏｆｃｏｐｐｅｒ￣ｉｎｄｕｃｅｄｃｅｌｌｄｅａｔｈ￣ｒｅｌａｔｅｄｇｅｎｅｓＳＬＣ３１Ａ１ａｎｄＤＢＴｉｎｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａＺＨＡＮＧＮａｎｎａｎａꎬＺＨＯＵＹｉｆａｎａꎬＺＨＵＹｉｂꎬＡＮＭｉｎｇｙｕａꎬＤＥＮＧＹｉｎｇａꎬＬＩＪｕｎａ∗(ａ.ＳｈｏｏｌｏｆＢａｓｉｃＭｅｄｉｃｉｎｅꎻｂ.ＳｈｏｏｌｏｆＰｈａｒｍａｃｙꎬＧｕｉｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＴｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅꎬＧｕｉｙａｎｇ５５００２５ꎬＣｈｉｎａ)ＡｂｓｔｒａｃｔʒＴｈｉｓｓｔｕｄｙａｉｍｅｄｔｏｉｎｖｅｓｔｉｇａｔｅｔｈｅｅｆｆｅｃｔｏｆｃｏｐｐｅｒ￣ｉｎｄｕｃｅｄｃｅｌｌｄｅａｔｈ￣ｒｅｌａｔｅｄｇｅｎｅｓｏｎｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａ(ＨＣＣ)ａｎｄｔｏｅｘｐｌｏｒｅａｃｔｉｖｅｃｏｍｐｏｎｅｎｔｓｆｏｒｔｒｅａｔｉｎｇＨＣＣ.ＴｈｅＧＳＥ８４４０２ｄａｔａｓｅｔｗａｓｄｏｗｎｌｏａｄｅｄｆｒｏｍｔｈｅＧｅｎｅＥｘｐｒｅｓｓｉｏｎＯｍｎｉｂｕｓ(ＧＥＯ)ｄａｔａｂａｓｅｔｏｏｂｔａｉｎｔｈｅｄｉｆｆｅｒｅｎｔｉａｌｌｙｅｘｐｒｅｓｓｅｄｇｅｎｅｓａｓｓｏｃｉａｔｅｄｗｉｔｈＨＣＣꎬａｎｄｃｏｐｐｅｒ￣ｉｎｄｕｃｅｄｃｅｌｌｄｅａｔｈ￣ｒｅｌａｔｅｄｇｅｎｅｓｗｅｒｅｒｅｔｒｉｅｖｅｄｆｒｏｍｐａｓｔｌｉｔｅｒａｔｕｒｅꎻｔｈｅｃｏｍｍｏｎａｌｉｔｉｅｓｂｅｔｗｅｅｎｔｈｅｔｗｏｗｅｒｅｃｏｎｓｉｄｅｒｅｄｔｏｏｂｔａｉｎＨＣＣ￣ｒｅｌａｔｅｄｃｏｐｐｅｒ￣ｉｎｄｕｃｅｄｃｅｌｌｄｅａｔｈｇｅｎｅｓ.ＴｈｅｇｅｎｅｓｉｎｃｏｍｍｏｎｗｅｒｅｆｕｒｔｈｅｒａｎａｌｙｚｅｄｆｏｒｄｉｆｆｅｒｅｎｔｉａｌｅｘｐｒｅｓｓｉｏｎｕｓｉｎｇｔｈｅＵＡＬＣＡＮ(ＵｎｉｖｅｒｓｉｔｙｏｆＡｌａｂａｍａａｔＢｉｒｍｉｎｇｈａｍＣａｎｃｅｒＤａｔａＡｎａｌｙｓｉｓ)ｐｏｒｔａｌꎬｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｉｒｅｘｐｒｅｓｓｉｏｎｌｅｖｅｌｓａｎｄｃｌｉｎｉｃａｌｌｅｖｅｌｓｗａｓａｎａｌｙｚｅｄｕｓｉｎｇｔｈｅＲｌａｎｇｕａｇｅꎬｐｒｏｇｎｏｓｔｉｃｖａｌｕｅｗａｓｄｅｔｅｒｍｉｎｅｄｕｓｉｎｇｔｈｅＫａｐｌａｎ￣ＭｅｉｅｒｐｌｏｔｔｅｒꎬｔｈｅｉｒｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈＨＣＣｍｅｔａｓｔａｓｉｓｗａｓｅｘａｍｉｎｅｄｕｓｉｎｇｔｈｅＨｕｍａｎＣａｎｃｅｒＭｅｔａｓｔａｓｉｓＤａｔａｂａｓｅ(ＨＣＭＤＢ)ꎬａｎｄｔｈｅｉｒｐａｔｈｏｌｏｇｉｃａｌｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈＨＣＣｗａｓｅｘｐｌｏｒｅｄｕｓｉｎｇｔｈｅＴｒｅｐｏｎｅｍａｐａｌｌｉｄｕｍｈｅｍａｇｇｌｕｔｉｎａｔｉｏｎｔｅｓｔ.Ｌａｓｔｌｙꎬｃｏｍｐｏｕｎｄｐｒｅｄｉｃｔｉｏｎａｎｄｍｏｌｅｃｕｌａｒｄｏｃｋｉｎｇｗｅｒｅｐｅｒｆｏｒｍｅｄ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｎｏｒｍａｌｇｒｏｕｐꎬｅｘｐｒｅｓｓｉｏｎｌｅｖｅｌｓｏｆｔｈｅｋｅｙｃｏｐｐｅｒ￣ｉｎｄｕｃｅｄｃｅｌｌｄｅａｔｈｇｅｎｅｓＳＬＣ３１Ａ１ａｎｄＤＢＴｗｅｒｅｄｏｗｎｒｅｇｕｌａｔｅｄｉｎｔｕｍｏｒｓꎬａｎｄｐａｔｈｏｌｏｇｉｃａｌａｎａｌｙｓｉｓｓｈｏｗｅｄｔｈａｔｔｈｅｉｒｐｒｏｔｅｉｎｓｗｅｒｅｉｎｃｒｅａｓｅｄｉｎＨＣＣｔｉｓｓｕｅｓ.Ｉｎａｄｄｉｔｉｏｎꎬｔｈｅｓｅｇｅｎｅｓｗｅｒｅｓｉｇｎｉｆｉｃａｎｔｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｔｈｅｃｌｉｎｉｃａｌｃｏｒｒｅｌａｔｉｏｎｖａｒｉａｂｌｅｓｏｆｓｅｘꎬｔｕｍｏｒｓｔａｇｅꎬａｎｄｌｙｍｐｈｎｏｄｅｍｅｔａｓｔａｓｉｓ.ＴｈｅｉｒｈｉｇｈｅｘｐｒｅｓｓｉｏｎｗａｓｃｏｒｒｅｌａｔｅｄｗｉｔｈａｇｏｏｄＨＣＣｐｒｏｇｎｏｓｉｓꎬｗｈｅｒｅａｓｌｏｗｅｘｐｒｅｓｓｉｏｎｏｆＳＬＣ３１Ａ１ｗａｓｓｉｇｎｉｆｉｃａｎｔｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｔｈｅｍｅｔａｓｔａｓｉｓｏｆＨＣＣｔｏｔｈｅａｄｒｅｎａｌｇｌａｎｄｓａｎｄｌｕｎｇｓ.ＦｉｎａｌｌｙꎬｔｈｅａｃｔｉｖｅｃｏｍｐｏｕｎｄｓｔｈａｔｍａｙｂｉｎｄｔｏＳＬＣ３１Ａ１ａｎｄＤＢＴｗｅｒｅｓｃｒｅｅｎｅｄꎬｏｆｗｈｉｃｈｒｅｓｖｅｒａｔｒｏｌａｎｄｆｏｌｉｃａｃｉｄｅｘｈｉｂｉｔｅｄｈｉｇｈｄｏｃｋｉｎｇｓｃｏｒｅｓ.Ｈｅｎｃｅꎬｉｔｃｏｕｌｄｂｅｃｏｎｃｌｕｄｅｄｔｈａｔｃｏｐｐｅｒ￣ｉｎｄｕｃｅｄｃｅｌｌｄｅａｔｈ￣ｒｅｌａｔｅｄｇｅｎｅｓＳＬＣ３１Ａ１ａｎｄＤＢＴｐｌａｙａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆＨＣＣꎬａｎｄｔｈｉｓｓｔｕｄｙｐｒｏｖｉｄｅｓｎｅｗｔｈｅｏｒｉｅｓｆｏｒｔｈｅｄｉａｇｎｏｓｉｓｏｆＨＣＣａｎｄｔｈｅｒａｐｅｕｔｉｃｄｒｕｇｒｅｓｅａｒｃｈ.ＫｅｙｗｏｒｄｓʒｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａꎻｃｕｐｒｏｐｔｏｓｉｓꎻＳＬＣ３１Ａ１ꎻＤＢＴ㊀㊀肝细胞癌(ｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａꎬＨＣＣ)是常见的恶性肿瘤之一ꎬ我国新发ＨＣＣ病例约占全球５０％以上[１]ꎮ目前ꎬＨＣＣ以其１８％的５年生存率成为仅次于胰腺癌的第二大致死癌症[２]ꎮＨＣＣ具有异质性强㊁易转移复发㊁预后差等特点ꎬ早发现早诊断早治疗㊁抗转移复发㊁精准施治是改善患者生存率的关键ꎮ铜死亡是一种新型的细胞死亡方式ꎬ由蛋白质脂酰化介导且与线粒体代谢高度相关[３]ꎮ铜通过单独或与配体结合促进血管生成ꎬ而铜螯合则抑制这一过程ꎬ这是肿瘤进展和转移必不可少的因素[４￣６]ꎮ铜直接与三羧酸循环(ＴＣＡ)的脂酰化成分结合ꎬ导致毒性蛋白质应激ꎬ最终导致细胞死亡[７]ꎮ细胞死亡是肿瘤研究的热点领域ꎬ是癌症起源和发展的基础ꎮ本研究通过联合癌症基因组图谱(ｔｈｅｃａｎｃｅｒｇｅｎｏｍｅａｔｌａｓꎬＴＣＧＡ)数据库中的转录组数据和基因表达综合数据库(ｇｅｎｅｅｘｐｒｅｓｓｉｏｎｏｍｎｉｂｕｓꎬＧＥＯ)中ＨＣＣ的基因芯片数据ꎬ筛选ＨＣＣ组织与周围正常组之间的差异表达基因(ｄｉｆｆｅｒｅｎｔｉａｌｌｙｅｘｐｒｅｓｓｅｄｇｅｎｅｓꎬＤＥＧｓ)ꎬ对关键基因的差异表达㊁临床相关性㊁生存分析及肿瘤转移分析以及免疫组化等进行综合验证ꎬ从而对ＨＣＣ的治疗及预后寻找潜在靶标ꎬ并进一步发掘治疗ＨＣＣ的化合物活性成分并进行分子对接ꎮ本研究旨在为ＨＣＣ的发病机制研究和治疗提供新思路和方法ꎬ为抗癌新药及其靶点的研发提供理论依据ꎮ１㊀材料与方法１.１㊀数据来源从文献中收集获得铜死亡基因ꎮ通过下载ＧＥＯ数据库(ｈｔｐｐ://ｗｗｗ.ｎｃｂｉ.ｎｌｍ.ｎｉｈ.ｇｏｖ/ｇｅｏ/)和ＴＣＧＡ数据库(ｈｔｔｐｓ://ｐｏｒｔａｌ.ｇｄｃ.ｃａｎｃｅｒ.ｇｏｖ/)中来自于分析平台ＧＰＬ５７０ꎬ样本数为２８个的基因表达谱芯片ＧＳＥ８４４０２数据和ＨＣＣ的转录组数据及其相应患者的临床信息[８￣９]ꎮ使用ＵＣＳＣＸｅｎａ网站(ｈｔｔｐｓ://ｘｅｎａ.ｕｃｓｃ.ｅｄｕ/)下载ＴＣＧＡ数据库其余的３２种肿瘤转录组数据ꎬ进行基因差异表达分析㊁临床相关性分析㊁肿瘤转移分析及生存分析ꎮ１.２㊀分析差异基因使用Ｒ语言(３.６.３版本)ｌｉｍｍａ包中的ｉｚｅＢｅｔｗｅｅｎＡｒｒａｙｓ函数ꎬ对从ＧＥＯ数据库中下载的ＧＳＥ８４４０２数据集进行数据均一化处理ꎬ绘制箱式图ꎮ以ｐ<０.０５ꎬｆｏｌｄｃｈａｎｇｅ(｜ｌｏｇ２ＦＣ｜)>１作为筛选条件ꎮ利用ｌｉｍｍａ包对正常组和癌症组进行差异分析ꎬ所获得的ＤＥＧｓ使用ｇｇｐｌｏｔ２包和ＣｏｍｐｌｅｘＨｅａｔｍａｐ包分别绘制火山图和聚类热图ꎮ运用Ｖｅｎｎｙ２.１.０在线工具(ｈｔｔｐ://ｂｉｏｉｎｆｏｒｍａｔｉｃｓ.ｐｓｂ.ｕｇｅｎｔ.ｂｅ/ｗｅｂｔｏｏｌｓ/ｖｅｎｎ/)ꎬ获得并保留与铜死亡相关的交集基因ꎬ并将其定为关键基因做进一步分析ꎮ１.３㊀关键基因差异表达分析以ＴＣＧＡ数据库为来源ꎬ使用ＵＡＬＣＡＮ在线工具(ｈｔｔｐ://ｕａｌｃａｎ.ｐａｔｈ.ｕａｂ.ｅｄｕ/)分析关键基因表达量在ＨＣＣ组织与非癌组织中的差异并探究其临床研究意义[１０]ꎮ筛选条件:(１)ＴＣＧＡ分析ꎻ(２)检索基因ＤＢＴ㊁ＳＬＣ３１Ａ１ꎻ(３)ＴＣＧＡ数据集ＨＣＣꎻ(４)分析索引为表达分析ꎻ(５)统计学意义ｐ<０.０５ꎮ１.４㊀ＲＯＣ(ｒｅｃｅｉｖｅｒｏｐｅｒａｔｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃ)分析以ＴＣＧＡ数据库为来源ꎬ通过Ｒ语言(３.６.３版本)中ｐＲＯＣ包进行数据分析ꎬｇｇｐｌｏｔ２包绘图ꎬＲＯＣ曲线下的面积值在０.５~１.０之间ꎬ在模型评估指标ａｒｅａｕｎｄｅｒｔｈｅｃｕｒｖｅ(ＳＡＵＣ)>０.５的情况下ꎬＳＡＵＣ值越接近１ꎬ说明诊断效果越好ꎬ通过ＲＯＣ曲线分析以评估ＳＬＣ３１Ａ１㊁ＤＢＴ在ＨＣＣ诊断上的可行性ꎮ１.５㊀关键基因与临床相关性分析在ＴＣＧＡ数据库中下载格式为ＨＴＳｅｑ￣ＦＰＫＭ的ＨＣＣ(肝细胞ＨＣＣ)ＲＮＡｓｅｑ数据和患者的临床信息数据ꎬ将其转化为ＴＰＭ格式进行以２为底的对数转化后ꎬ使用Ｒ语言(３.６.３版本)中ｇｇｐｌｏｔ２包对关键基因在ＨＣＣ中的表达量进行临床相关性可视化和统计分析ꎮｐ<０.０５则结果具有统计学意义ꎮ１.６㊀生存分析使用Ｋａｐｌａｎ￣ＭｅｉｅｒＰｌｏｒｔｔｅｒ在线工具(ｈｔｔｐｓ://ｋｍｐｌｏｔ.ｃｏｍ/)进行Ｋａｐｌａｎ￣Ｍｅｉｅｒ曲线和ｌｏｇｒａｎｋ检验分析ꎬ探索其表达量与ＨＣＣ患者生存时间的关系[８]ꎮｐ<０.０５ꎬ风险率ＲＨ>０.０５表示结果具有统计学意义ꎮ１.７㊀肿瘤转移分析使用ＨＣＭＤＢ数据库(ｈｔｔｐ://ｈｃｍｄｂ.ｉ￣ｓａｎｇｅｒ.ｃｏｍ/)对关键基因在ＨＣＣ转移中的沉积量进行分析ꎬ探索关键基因沉积量在肿瘤转移中的变化[１１]ꎮｐ<０.０５表示结果具有统计学意义ꎮ１.８㊀免疫组织化学分析通过ＴＨＰＡ数据库(ｈｔｔｐｓ://ｗｗｗ.ｐｒｏｔｅｉｎａｔｌａｓ.ｏｒｇ/)获取含有关键基因的正常组织与病理组织图谱ꎬ分析对比正常组织与癌症组织的差异[１２]ꎮ１.９㊀活性化合物筛选通过内置于ＣＴＤ数据库(ｈｔｔｐ://ｃｔｄｂａｓｅ.ｏｒｇ/)的ＰＴＳ网络服务器ꎬ分析与靶基因相互作用的分子结构ꎬ并进一步检索与关键基因相互作用的活性化合物[９]ꎮ１.１０㊀分子对接根据ＣＴＤ数据库获得关键基因的活性化合物成分ꎬ通过ＰＤＢ数据库(ｈｔｔｐｓ://ｗｗｗ.ｐｄｂｕｓ.ｏｒｇ/)查找获得人源蛋白的３Ｄ结构ꎬ联合ＴＣＭＳＰ数据库(ｈｔｔｐｓ://ｏｌｄ.ｔｃｍｓｐ￣ｅ.ｃｏｍ/ｔｃｍｓｐ.ｐｈ)和ＰｕｂＣｈｅｍ数据库(ｈｔｔｐｓ://ｐｕｂｃｈｅｍ.ｎｃｂｉ.ｎｌｍ.ｎｉｈ.ｇｏｖ/)获取关键基因相对应活性化合物的分子３Ｄ结构[１３]ꎬ将蛋白及化合物的结构导入ＢＩＯＶＩＡＤｉｓｃｏｖｅｒｙＳｔｕｄｉｏ(ＤＳ)２０１６软件进行分子对接ꎬ检验蛋白与活性成分的亲和性ꎮ１.１１㊀细胞培养人肝癌细胞(ＨｅｐＧ２ꎬ购自中国科学院上海细胞库ꎬ编号ＳＣＳＰ￣５１０)ꎬ在含有１０％ＦＢＳ和１％青霉素－链霉素混合物的低糖ＤＭＥＭ培养液(ｇｉｂｉｃｏꎬ批号８１２３２９９)中培养ꎬ３７ħ㊁５％ＣＯ２培养箱中培养ꎬ待细胞融合至８０％~９０％时ꎬ分别以０㊁５０㊁１００㊁２００μｍｏｌ/Ｌ的叶酸(ＭｅｄＣｈｅｍＥｘｐｒｅｓｓꎬ货号ＨＹ￣６６３７)处理细胞２４ｈ后ꎬ每孔加入６０μＬ含ＰＭＳＦ和磷酸酶抑制剂的ＲＩＰＡ裂解液(Ｓｏｌａｒｂｉｏꎬ货号Ｒ０００)提取细胞中的蛋白ꎮ１.１２㊀蛋白免疫印迹提取ＨｅｐＧ２细胞中的蛋白进行蛋白免疫印迹(ｗｅｓｔｅｒｎｂｌｏｔꎬＷＢ)分析ꎮ使用ＢＣＡ蛋白检测试剂盒(Ｓｏｌａｒｂｉｏꎬ货号ＰＣ００２０ꎬ规格５００微孔)定量后ꎬ用ＳＤＳ￣ＰＡＧＥ凝胶(Ｓｏｌａｒｂｉｏꎬ货号Ｐ１２００￣１/Ｐ１２００￣２)分离出等量的蛋白质ꎬ转移至ＰＶＤＦ膜上ꎬ５％脱脂牛奶阻断膜２ｈꎬＤＢＴ抗体(Ｂｉｏｓｗａｍｐꎬ＃ＰＡＢ４８４５６)和Ａｎｔｉ￣ｂｅｔａＡｃｔｉｎＲａｂｂｉｔｍＡｂ(ＰＴＭＢＩＯꎬ＃ＰＴＭ￣５４３６)孵育过夜ꎬ再用山羊抗兔ＩｇＧ(Ｈ＆Ｌ)￣ＨＲＰ(Ｂｉｏｗｏｒｌｄꎬ＃ｂｓ１３２７８)孵育２ｈꎬ而后使用ＥＣＬ试剂盒(Ｍｉｌｌｉｐｏｒｅꎬ批号２２０１２１５)进行显影ꎬ最后通过ＩｍａｇｅＬａｂ软件分析ＷＢ条带的灰度值ꎬ将目标蛋白与β￣ａｃｔｉｎ的灰度值比对进行蛋白的定性及半定量分析ꎮ１.１３㊀统计分析数据来自３次重复实验ꎬ数据分析和图片制作通过ＳＰＳＳ２５.０和ＧｒａｐｈＰａｄＰｒｉｓｍ９.０软件进行ꎮ数据以ｘʃｓ表示ꎬ多组间比较当满足正态及方差齐性时ꎬ采用单因素方差分析ꎬ两两比较采用ＬＳＤꎻ两组间比较当满足正态时ꎬ采用独立样本ｔ检验分析ꎻ以ｐ<０.０５为差异有统计学意义ꎮ２㊀结果２.１㊀ＨＣＣ相关铜死亡差异基因筛选通过ｌｉｍｍａ包的数据处理分析结果显示ꎬ２６个样本数据的中位数基本处于一条直线上ꎬ表明数据集质量可靠㊁样本归一化程度好ꎬ如图１(ａ)所示ꎬ可对ＨＣＣ组和相应的非癌组中的ＤＥＧｓ进行下一步分析ꎮ将ＧＳＥ８４４０２芯片中的１４例ＨＣＣ组设为实验组ꎬ１４例非癌组织设为对照组ꎬ对其数据进行分析ꎮ以阈值为｜ｌｏｇ２ＦＣ｜>１和ｐ<０.０５作为初步筛选条件ꎬ通过火山图可直观地观察到总体差异基因的分布情况ꎬ其中红色小点代表上调基因ꎬ蓝色小点代表下调基因(图１(ｂ))ꎻ再对其进行聚类分析(图１(ｄ))ꎻ图中蓝色小块代表下调基因ꎬ红色小块代表上调基因ꎬ方块颜色越深表示差异表达的倍数越高ꎮ运用Ｖｅｎｎｙ２.１.０在线工具(ｈｔｔｐ://ｂｉｏｉｎｆｏｒｍａｔｉｃｓ.ｐｓｂ.ｕｇｅｎｔ.ｂｅ/ｗｅｂｔｏｏｌｓ/ｖｅｎｎ/)ꎬ获得２个交集基因(图１(ｃ))ꎬ分别为ＳＬＣ３１Ａ１㊁ＤＢＴꎮ图１㊀ＤＥＧｓ筛选Ｆｉｇ.１㊀ＳｃｒｅｅｎｉｎｇｏｆＤＥＧｓ２.２㊀关键基因差异表达分析使用ＵＡＬＣＡＮ在线工具以交集基因ＳＬＣ３１Ａ１和ＤＢＴ为关键基因ꎬ进行差异表达分析ꎮ其结果见图２ꎬ与正常组相比ꎬ关键基因ＳＬＣ３１Ａ１和ＤＢＴ在ＨＣＣ肿瘤中均显著下调ꎮ注:∗ｐ<０.０５ꎬ∗∗ｐ<０.０１ꎬ∗∗∗ｐ<０.００１ꎮ图２㊀差异表达分析Ｆｉｇ.２㊀Ｄｉｆｆｅｒｅｎｔｉａｌｅｘｐｒｅｓｓｉｏｎａｎａｌｙｓｉｓ２.３㊀ＲＯＣ分析使用ＴＣＧＡ数据库ꎬ用Ｒ语言中的ｐＲＯＣ包进行ＲＯＣ分析ꎬＲＯＣ曲线下的面积值在０.５~１.０之间ꎬ在ＳＡＵＣ>０.５的情况下ꎬＳＡＵＣ越接近于１ꎬ说明诊断效果越好ꎮＳＡＵＣ在０.５~０.７时有较低准确性ꎬＳＡＵＣ在０.７~０.９时有一定准确性ꎬＳＡＵＣ在０.９以上时有较高准确性ꎮＳＡＵＣ＝０.５时ꎬ说明诊断方法无诊断价值ꎮ根据图３可知ꎬＳＬＣ３１Ａ１对应的ＳＡＵＣ＝０.６８５ꎬＤＢＴ对应的ＳＡＵＣ＝０.６９４ꎬＳＡＵＣ值均高于０.５ꎬ说明ＳＬＣ３１Ａ１㊁ＤＢＴ对ＨＣＣ的诊断价值有准确性ꎮ图３㊀ＲＯＣ分析Ｆｉｇ.３㊀ＲＯＣａｎａｌｙｓｉｓ２.４㊀临床相关性分析使用ＴＣＧＡ数据库探索ＳＬＣ３１Ａ１㊁ＤＢＴ在ＨＣＣ患者不同亚型中的表达与性别㊁淋巴结转移状态和癌症分期间的关联ꎬ性别分析如图４(ａ)所示ꎬ与正常组相比ꎬＳＬＣ３１Ａ１和ＤＢＴ在男性和女性患者肿瘤中表达均显著下调ꎻＮ分期是肿瘤－结节－转移(ＴＮＭ)分期系统中的重点分期ꎬＮ分期系统有５个阶段ꎬ包括ＮＸ㊁Ｎ０㊁Ｎ１㊁Ｎ２和Ｎ３ꎮＮ的后缀代表淋巴结转移的程度ꎮＮＸ表示不能评估区域淋巴结ꎻＮ０表示没有区域淋巴结转移ꎬＮ１~Ｎ３表示区域淋巴结受累程度逐渐递增ꎮ淋巴节转移分析如图４(ｂ)所示ꎬＳＬＣ３１Ａ１和ＤＢＴ与正常组相比ꎬＮ０组显著降低(ｐ<０.００１)ꎬＮ１组显著降低不明显ꎬ表明ＳＬＣ３１Ａ１㊁ＤＢＴ和局部淋巴结受累关系均不明显ꎮ肿瘤分期分析如图４(ｃ)所示ꎬ与正常组相比ꎬＳＬＣ３１Ａ１和ＤＢＴ在Ｉ㊁ＩＩ㊁ＩＩＩ期患者肿瘤中的表达均显著下调ꎮ注:∗ｐ<０.０５ꎬ∗∗ｐ<０.０１ꎬ∗∗∗ｐ<０.００１ꎮ图４㊀临床相关性分析Ｆｉｇ.４㊀Ｃｌｉｎｉｃａｌｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ２.５㊀预后分析将２个关键基因在ＴＣＧＡ数据库中进行５年生存预后分析ꎬ红色线条代表基因高表达的生存情况ꎬ黑色线条代表低表达的生存情况ꎬ纵坐标根据基因表达的高低ꎬ分为高㊁低表达组ꎬ数值代表随时间变化存活的患者例数ꎬ为风险数字表ꎬ横坐标代表生存时间ꎬＯＳ表示总生存期ꎬＰＦＳ表示无进展生存期ꎬ其结果如图５所示ꎬ关键基因ｐ值均小于０.０５ꎬＲＨ>０.０５表示统计值具有意义ꎬＳＬＣ３１Ａ１㊁ＤＢＴ高表达说明ＨＣＣ预后良好ꎮＦｉｇ.５㊀５￣ｙｅａｒｓｕｒｖｉｖａｌａｎａｌｙｓｉｓ图５(续)２.６㊀肿瘤转移分析通过ＨＣＭＤＢ数据库分析在ＨＣＣ肿瘤转移中关键基因ＳＬＣ３１Ａ１㊁ＤＢＴ沉积量的表达ꎬ观察到ＳＬＣ３１Ａ１的沉积量在肾上腺和肺部的转移中表达量均具有统计意义ꎬ见图６(ａ)ꎬ但ＤＢＴ转录物在肾上腺㊁肺部㊁淋巴结转移中统计差异不显著ꎬ见图６(ｂ)ꎮ图６㊀肿瘤转移分析Ｆｉｇ.６㊀Ｔｕｍｏｒｍｅｔａｓｔａｓｉｓａｎａｌｙｓｉｓ２.７㊀病理分析通过Ｔｈｅｈｕｍａｎｐｒｏｔｅｉｎａｔｌａｓｐｒｏｊｅｃｔ数据库比较人类正常组织和癌症组织之间不同蛋白质的表达ꎬ结果如图７所示ꎬ结果表明ＳＬＣ３１Ａ１在肝癌组织中的表达低于正常肝组织ꎮ但ＤＢＴ未在正常肝组织中探测到ꎬ在肝癌组织中表达量低ꎮ图７㊀病理组织分析Ｆｉｇ.７㊀Ｐａｔｈｏｈｉｓｔｏｌｏｇｉｃａｌａｎａｌｙｓｉｓ２.８㊀分子对接和活性化合物筛选根据ＣＴＤ数据库获得ＳＬＣ３１Ａ１㊁ＤＢＴ相对应的活性化合物成分ꎬ所获化合物主要成分见表１ꎬ全表见ＯＳＩＤ科学数据与内容附表１ꎮ联合ＴＣＭＳＰ数据库和ＰｕｂＣｈｅｍ数据库筛选并获得ＳＬＣ３１Ａ１㊁ＤＢＴ相对应化合物的２Ｄ结构ꎬ并从ＰＤＢ数据库中下载上述关键基因编码的蛋白结构ꎬ再使用ＢＩＯＶＩＡＤｉｓｃｏｖｅｒｙＳｔｕｄｉｏ(ＤＳ)２０１６进行分子对接ꎬＳＬＣ３１Ａ１与所筛选药物无法对接ꎬＤＢＴ与叶酸和白藜芦醇均能对接ꎬ结果见表２ꎬ其中对接效果最好的小分子化合物为叶酸(对接分数１３４.５４２ꎬ图８)ꎮ表１㊀活性化合物筛选结果苯丙胺Ｄ０００６６１１类黄酮Ｄ００５４１９１ＤＢＴ叶酸Ｄ００５４９２１对苯二酚Ｃ０３１９２７１白藜芦醇Ｄ００００７７１８５１铜Ｄ００３３００１儿茶素Ｃ０４５６５１１ＳＬＣ３１Ａ１红豆碱Ｃ４９６４９２１叶酸Ｄ００５４９２１白藜芦醇Ｄ００００７７１８５１表２㊀分子对接结果ＤＢＴ２ＩＩ３叶酸Ｄ００５４９２ＭＯＬ０００４３３１１３４.５４２白藜芦醇Ｄ００００７７１８５ＭＯＬ０１２７４４１７９.６３５５图８㊀分子对接结果Ｆｉｇ.８㊀Ｍｏｌｅｃｕｌａｒｄｏｃｋｉｎｇｒｅｓｕｌｔｓ２.９㊀ＷｅｓｔｅｒｎＢｌｏｔ采用ＷＢ检测蛋白表达情况ꎬ实验结果如图９所示ꎮ与未给药干预组相比ꎬＨｅｐＧ２细胞在５０和１００μｍｏｌ/Ｌ叶酸的干预下ꎬＤＢＴ蛋白表达无明显变化ꎬ但在２００μｍｏｌ/Ｌ叶酸干预下ꎬＤＢＴ蛋白表达升高(ｐ<０.００５)ꎮ图９㊀蛋白表达结果Ｆｉｇ.９㊀Ｐｒｏｔｅｉｎｅｘｐｒｅｓｓｉｏｎｒｅｓｕｌｔｓ３㊀讨论据国际癌症研究机构估计ꎬ２０１８年ＨＣＣ患者超过８４１０８０例[１]ꎮ患者的患病率与发病率密切相关ꎬ这反映其具有典型的晚期表现㊁有限的治疗选择㊁侵袭性和极差的总体生存率[１４]ꎮ癌症治疗成本较高ꎬ治疗费用可能随着越来越多的病人接受肝移植而上升[１４￣１５]ꎮ因此ꎬ探索诊断ＨＣＣ的肿瘤标志物与治疗ＨＣＣ的药物靶标关重要ꎮ铜死亡取决于细胞中铜的积累ꎬ是一种独特的细胞死亡途径ꎮ研究表明[４￣６]ꎬ与正常组相比ꎬ许多恶性肿瘤中的铜含量更高ꎬ尤其在乳腺癌㊁肺癌㊁胃癌等不同癌症患者的血清和肿瘤中ꎬ都发现了铜水平的高表达ꎮ同时ꎬ铜的积累与增殖和生长㊁血管生成和转移有关[１６]ꎮ铜离子载体(如Ｅｌｅｓｃｌｏｍｏｌ)是铜离子的小分子转运蛋白ꎬ可以探索铜离子细胞毒性机制ꎮ铜水平的稳定在各生理过程中至关重要ꎬ细胞内铜的生物利用度失调可诱发氧化应激和细胞毒性[１７]ꎮ因为肿瘤的生长和转移对这种金属营养的要求更高ꎮ除此之外ꎬ铜除了作为活动性位点代谢辅助因子外ꎬ也是一种动态信号金属和金属变异体调节因子[１８]ꎬ其在脂肪分解中依赖铜的磷酸二酯酶３Ｂ(ＰＤＥ３Ｂ)ꎬ在细胞生长和增殖中依赖丝裂原激活蛋白激酶激酶１(ＭＥＫ１)和ＭＥＫ２以及在自噬中依赖激酶ＵＬＫ１和ＵＬＫ２ꎮ本研究首先通过ＧＥＯ数据库获得ＨＣＣ及周围正常组基因芯片数据集ＧＳＥ８４４０２ꎬ对非癌组织和ＨＣＣ组织进行ＤＥＧｓ分析ꎮ将ＤＥＧｓ与已知的铜死亡基因取交集ꎬ获得两个重叠基因ＳＬＣ３１Ａ１㊁ＤＢＴꎬ并将其锁定为进一步研究的关键基因ꎮ为了进一步明确ＳＬＣ３１Ａ１㊁ＤＢＴ在ＨＣＣ中的临床意义ꎬ本研究对ＳＬＣ３１Ａ１㊁ＤＢＴ在ＨＣＣ中的差异表达水平与临床分期㊁ＲＯＣ㊁预后㊁肿瘤转移㊁免疫组化的相关性进行分析ꎬ并进一步挖掘ＳＬＣ３１Ａ１㊁ＤＢＴ相对应的活性化合物ꎮＵＡＬＣＡＮ数据库分析结果表明ꎬＳＬＣ３１Ａ１和ＤＢＴ基因在ＨＣＣ中显著低表达ꎬ这提示ＳＬＣ３１Ａ１㊁ＤＢＴ的低表达可能促进ＨＣＣ的发展进程ꎮＲＯＣ分析结果表明ꎬＳＬＣ３１Ａ１和ＤＢＴ对ＨＣＣ的诊断具有一定的准确性ꎮ为了进一步验证ＳＬＣ３１Ａ１和ＤＢＴ与ＨＣＣ的相关性ꎬ进行了临床相关性分析ꎬ性别和癌症分期分析结果表明ꎬＳＬＣ３１Ａ１和ＤＢＴ的表达下调可能是ＨＣＣ发生进展的重要影响因素ꎻ淋巴结转移分析表明ꎬＳＬＣ３１Ａ１和ＤＢＴ与淋巴结转移相关性不显著ꎮＫａｐｌａｎ￣ＭｅｉｅｒＰｌｏｒｔｔｅｒ数据库ｍＲＮＡＲＮＡ￣ｓｅｑ预后分析结果显示ꎬＳＬＣ３１Ａ１和ＤＢＴ的扩增状态影响ＨＣＣ的预后状态ꎮＨＣＭＤＢ数据库分析结果表明ꎬＳＬＣ３１Ａ１转录物在肝肿瘤转移至肾上腺㊁肺脏中存在差异表达ꎬ但ＤＢＴ在肝肿瘤至肾上腺㊁肺部㊁淋巴结转移中表达量无显著差异ꎬ这提示在肿瘤转移过程中ＳＬＣ３１Ａ１的差异表达有作为预测因子的潜在可能ꎮＴＨＰＡ数据库免疫组化分析结果显示ＳＬＣ３１Ａ１在ＨＣＣ病理组织中低表达ꎬ提示其在ＨＣＣ中的表达下调可能标志着ＨＣＣ的发生ꎮ通过上述分析ꎬ验证铜死亡基因ＳＬＣ３１Ａ１和ＤＢＴ是影响肝癌进展的重要因子ꎬ进一步通过ＣＴＤ数据㊁ＴＣＭＳＰ数据库和ＰｕｂＣｈｅｍ挖掘ＳＬＣ３１Ａ１和ＤＢＴ相对应的活性化合物ꎬ其中分子对接最佳化合物为叶酸和白藜芦醇ꎬ对接分数分别为１３４.５４２和７９.６３５５ꎮＷＢ实验验证结果表明ꎬ２００μｍｏｌ/Ｌ叶酸干预下的ＨｅｐＧ２细胞中ＤＢＴ的蛋白表达量增加ꎬ其在ＨＣＣ中表达的下调可能标志着ＨＣＣ的发生ꎬ这提示ＤＢＴ有作为ＨＣＣ预测因子及治疗靶标的潜在可能ꎮ白藜芦醇是一种多酚有机化合物ꎬ不仅可抑制ＨＥＰＧ２细胞增殖ꎬ还通过抑制Ｇ１期和Ｇ２/Ｍ期的细胞周期从而抑制肝细胞生长进而导致细胞凋亡[１９]ꎮ此外ꎬ白藜芦醇通过抑制活性氧的产生ꎬ并增加ＮＯＳ的活性和ＮＯ生产来调节ＮＯ/ＮＯＳ系统[１８]ꎮ已有研究表明ꎬ白藜芦醇可以通过激活ｐ５３ꎬ而抑制ＰＩ３Ｋ/ＡＫＴ信号传导途径ꎬ从而导致ｂｅｃｌｉｎ１表达并抑制ＨＣＣ细胞的增殖ꎬ侵袭和迁移[２０]ꎮ白藜芦醇使有氧糖酵解的ＨＣＣ细胞凋亡ꎬ糖酵解抑制剂可减轻这种效应[２１]ꎮ白藜芦醇诱导线粒体凋亡与ＨＣＣ细胞ＨＫ２表达的降低有关[２１]ꎮ此外ꎬ白藜芦醇增强了索拉非尼诱导的有氧糖酵解ＨＣＣ细胞生长抑制作用ꎮ这两种试剂联合治疗可抑制ＨＣＣ小鼠的生长并促进其凋亡[２１]ꎮ研究表明ꎬ叶酸在ＨＣＣ的发生发展中具有重要意义ꎬ叶酸修饰的ＴＰＧＳ￣ＦＡ可作为ＮＣｅｔ等药物的有效载体ꎬ并有望成为治疗ＨＣＣ的一种有效㊁安全的药物[２２￣２３]ꎮ实验研究表明ꎬ将叶酸掺入ＨＫＵＳＴ￣１可使铜离子缓慢释放ꎬ从而降低细胞毒性ꎬ增强细胞体外迁移[２４]ꎮＳＬＣ３１Ａ１㊁ＤＢＴ是与铜死亡相关的基因ꎬ研究发现铜可通过单独或与配体结合促进血管生成从而影响肿瘤的发生㊁发展与转移[１６]ꎮ铜参与多种细胞过程ꎬ包括线粒体呼吸㊁抗氧化剂防御㊁氧化还原信号㊁激酶信号㊁自噬和蛋白质质量控制[１７]ꎮ铜过量易导致细胞毒性ꎬ在生理浓度下细胞对铜离子的敏感性更高ꎬ各种金属离子能以独立的凋亡方式引发细胞死亡ꎬ如磷脂过氧化引发的铁中毒[１４ꎬ１７]ꎮ铜可被溶质载体家族３１号成员１基因跨膜铜转运蛋白ＳＬＣ３１Ａ１吸收ꎬ再由超氧化物歧化酶(ＣＣＳ)的铜伴侣传递给ＳＯＤ１ꎬ发挥抗氧化作用[１７ꎬ２５]ꎮＳＬＣ３１Ａ１是主要的铜流入转运体ꎬ其表达的变化能够诱发细胞铜积累的改变ꎬ而降低ＳＬＣ３１Ａ１的表达可以抑制癌细胞的增殖[２６￣２８]ꎮ因此ꎬＳＬＣ３１Ａ１是癌症诊断和治疗值得注意的基因ꎮＤＢＴ是哺乳动物激酶ＣＫＩε和ＣＫＩδ的同源激酶[２９]ꎬ也是时钟基因之一ꎬ参与许多不同的功能ꎬ包括昼夜节律㊁平面细胞极性㊁程序性细胞死亡和生长等ꎮＤＢＴ通过阻滞Ｇ２/Ｍ期细胞并诱导细胞死亡来抑制ＨｅｐＧ２细胞的增殖[３０]ꎮ因此ꎬ叶酸与白藜芦醇可能通过促进ＤＢＴ的表达ꎬ从而促进肝癌细胞的铜离子的释放ꎬ降低ＳＬＣ３１Ａ１的表达抑制癌细胞的增殖ꎮ本研究为进一步了解铜死亡相关基因ＳＬＣ３１Ａ１㊁ＤＢＴ与ＨＣＣ进程的相关性提供了初步依据ꎬ同时进行了与之对应的活性成分筛选ꎬ为ＨＣＣ提供了新的诊疗思路ꎬ但其具体的生物学作用及机制还需进一步实验验证ꎮ参考文献:[１]ＢＲＡＹＦꎬＦＥＲＬＡＹＪꎬＳＯＥＲＪＯＭＡＴＡＲＡＭＩꎬｅｔａｌ.Ｇｌｏｂａｌｃａｎｃｅｒｓｔａｔｉｓｔｉｃｓ２０１８:ＧＬＯＢＯＣＡＮｅｓｔｉｍａｔｅｓｏｆｉｎｃｉｄｅｎｃｅａｎｄｍｏｒｔａｌｉｔｙｗｏｒｌｄｗｉｄｅｆｏｒ３６ｃａｎｃｅｒｓｉｎ１８５ｃｏｕｎｔｒｉｅｓ[Ｊ].ＣＡ:ａＣａｎｃｅｒＪｏｕｒｎａｌｆｏｒＣｌｉｎｉｃｉａｎｓꎬ２０１８ꎬ６８(６):３９４￣４２４.ＤＯＩ:１０.３３２２/ｃａａｃ.２１４９２.[２]杨超祺ꎬ刘松梅.ＤＮＡ甲基化在肝癌中的研究进展[Ｊ].生命科学ꎬ２０２１ꎬ３３(５):６４６￣６５２.ＤＯＩ:１０.１３３７６/ｊ.ｃｂｌｓ/２０２１０６８. [３]ＢＩＡＮＺＬꎬＦＡＮＲꎬＸＩＥＬＭ.Ａｎｏｖｅｌｃｕｐｒｏｐｔｏｓｉｓ￣ｒｅｌａｔｅｄｐｒｏｇｎｏｓｔｉｃｇｅｎｅｓｉｇｎａｔｕｒｅａｎｄｖａｌｉｄａｔｉｏｎｏｆｄｉｆｆｅｒｅｎｔｉａｌｅｘｐｒｅｓｓｉｏｎｉｎｃｌｅａｒｃｅｌｌｒｅｎａｌｃｅｌｌｃａｒｃｉｎｏｍａ[Ｊ].Ｇｅｎｅｓꎬ２０２２ꎬ１３(５):８５１.ＤＯＩ:１０.３３９０/ｇｅｎｅｓ１３０５０８５１.[４]宋厚盼ꎬ刘恒铭ꎬ仇婧玥ꎬ等.胃癌发病关键基因调控网络构建及其靶向治疗中药活性成分筛选研究[Ｊ].中草药ꎬ２０２１ꎬ５２(２２):６９３９￣６９５２.ＤＯＩ:１０.７５０１/ｊ.ｉｓｓｎ.０２５３￣２６７０.２０２１.２２.０２０.[５]ＤＡＶＩＳＳꎬＭＥＬＴＺＥＲＰＳ.ＧＥＯｑｕｅｒｙ:ａｂｒｉｄｇｅｂｅｔｗｅｅｎｔｈｅｇｅｎｅｅｘｐｒｅｓｓｉｏｎｏｍｎｉｂｕｓ(ＧＥＯ)ａｎｄＢｉｏＣｏｎｄｕｃｔｏｒ[Ｊ].Ｂｉｏｉｎｆｏｒｍａｔｉｃｓꎬ２００７ꎬ２３(１４):１８４６￣１８４７.ＤＯＩ:１０.１０９３/ｂｉｏｉｎｆｏｒｍａｔｉｃｓ/ｂｔｍ２５４.[６]ＧＵＺＧꎬＥＩＬＳＲꎬＳＣＨＬＥＳＮＥＲＭ.Ｃｏｍｐｌｅｘｈｅａｔｍａｐｓｒｅｖｅａｌｐａｔｔｅｒｎｓａｎｄｃｏｒｒｅｌａｔｉｏｎｓｉｎｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｇｅｎｏｍｉｃｄａｔａ[Ｊ].Ｂｉｏｉｎｆｏｒｍａｔｉｃｓꎬ２０１６ꎬ３２(１８):２８４７￣２８４９.ＤＯＩ:１０.１０９３/ｂｉｏｉｎｆｏｒｍａｔｉｃｓ/ｂｔｗ３１３.[７]ＴＳＶＥＴＫＯＶＰꎬＣＯＹＳꎬＰＥＴＲＯＶＡＢꎬｅｔａｌ.ＣｏｐｐｅｒｉｎｄｕｃｅｓｃｅｌｌｄｅａｔｈｂｙｔａｒｇｅｔｉｎｇｌｉｐｏｙｌａｔｅｄＴＣＡｃｙｃｌｅｐｒｏｔｅｉｎｓ[Ｊ].Ｓｃｉｅｎｃｅꎬ２０２２ꎬ３７５(６５８６):１２５４￣１２６１.ＤＯＩ:１０.１１２６/ｓｃｉｅｎｃｅ.ａｂｆ０５２９.[８]ＭＩＴＴＥＥＲＤＲꎬＧＲＥＥＲＢＤ.ＵｓｉｎｇＧｒａｐｈＰａｄＰｒｉｓｍᶄｓｈｅａｔｍａｐｓｆｏｒｅｆｆｉｃｉｅｎｔꎬｆｉｎｅ￣ｇｒａｉｎｅｄａｎａｌｙｓｅｓｏｆｓｉｎｇｌｅ￣ｃａｓｅｄａｔａ[Ｊ/ＯＬ].ＢｅｈａｖｉｏｒＡｎａｌｙｓｉｓｉｎＰｒａｃｔｉｃｅꎬ２０２２ꎬ１５(２):５０５￣５１４.ＤＯＩ:１０.１００７/ｓ４０６１７￣０２１￣００６６４￣７.[９]ＤＡＶＩＳＡＰꎬＷＩＥＧＥＲＳＴＣꎬＪＯＨＮＳＯＮＲＪꎬｅｔａｌ.Ｃｏｍｐａｒａｔｉｖｅｔｏｘｉｃｏｇｅｎｏｍｉｃｓｄａｔａｂａｓｅ(ＣＴＤ):Ｕｐｄａｔｅ２０２３[Ｊ].ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓｅａｒｃｈꎬ２０２３ꎬ５１(Ｄ１):Ｄ１２５７￣Ｄ１２６２.ＤＯＩ:１０.１０９３/ｎａｒ/ｇｋａｃ８３３.[１０]ＺＨＡＮＧＹＪꎬＷＥＩＨＹꎬＦＡＮＬꎬｅｔａｌ.ＣＬＥＣ４ｓａｓｐｏｔｅｎｔｉａｌｔｈｅｒａｐｅｕｔｉｃｔａｒｇｅｔｓｉｎｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａｍｉｃｒｏｅｎｖｉｒｏｎｍｅｎｔ[Ｊ].ＦｒｏｎｔｉｅｒｓｉｎＣｅｌｌａｎｄＤｅｖｅｌｏｐｍｅｎｔａｌＢｉｏｌｏｇｙꎬ２０２１ꎬ９:６８１３７２.ＤＯＩ:１０.３３８９/ｆｃｅｌｌ.２０２１.６８１３７２.[１１]ＺＨＥＮＧＧＴꎬＭＡＹＪꎬＺＯＵＹꎬｅｔａｌ.ＨＣＭＤＢ:Ｔｈｅｈｕｍａｎｃａｎｃｅｒｍｅｔａｓｔａｓｉｓｄａｔａｂａｓｅ[Ｊ].ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓｅａｒｃｈꎬ２０１８ꎬ４６(Ｄ１):Ｄ９５０￣Ｄ９５５.ＤＯＩ:１０.１０９３/ｎａｒ/ｇｋｘ１００８.[１２]ＵＨＬＥＮＭꎬＺＨＡＮＧＣꎬＬＥＥＳꎬｅｔａｌ.Ａｐａｔｈｏｌｏｇｙａｔｌａｓｏｆｔｈｅｈｕｍａｎｃａｎｃｅｒｔｒａｎｓｃｒｉｐｔｏｍｅ[Ｊ].Ｓｃｉｅｎｃｅꎬ２０１７ꎬ３５７(６３５２):ｅａａｎ２５０７.ＤＯＩ:１０.１１２６/ｓｃｉｅｎｃｅ.ａａｎ２５０７.[１３]ＫＩＭＳꎬＣＨＥＮＪꎬＣＨＥＮＧＴＪꎬｅｔａｌ.ＰｕｂＣｈｅｍｉｎ２０２１:ｎｅｗｄａｔａｃｏｎｔｅｎｔａｎｄｉｍｐｒｏｖｅｄｗｅｂｉｎｔｅｒｆａｃｅｓ[Ｊ].ＮｕｃｌｅｉｃＡｃｉｄｓＲｅｓｅａｒｃｈꎬ２０２１ꎬ４９(Ｄ１):Ｄ１３８８￣Ｄ１３９５.ＤＯＩ:１０.１０９３/ｎａｒ/ｇｋａａ９７１.[１４]ＷＡＬＬＡＣＥＭＣꎬＰＲＥＥＮＤꎬＪＥＦＦＲＥＹＧＰꎬｅｔａｌ.Ｔｈｅｅｖｏｌｖｉｎｇｅｐｉｄｅｍｉｏｌｏｇｙｏｆｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａ:Ａｇｌｏｂａｌｐｅｒｓｐｅｃｔｉｖｅ[Ｊ].ＥｘｐｅｒｔＲｅｖｉｅｗｏｆＧａｓｔｒｏｅｎｔｅｒｏｌｏｇｙ＆Ｈｅｐａｔｏｌｏｇｙꎬ２０１５ꎬ９(６):７６５￣７７９.ＤＯＩ:１０.１５８６/１７４７４１２４.２０１５.１０２８３６３. [１５]ＥＬＫＨＯＵＲＹＡＣꎬＫＬＩＭＡＣＫＷＫꎬＷＡＬＬＡＣＥＣꎬｅｔａｌ.ＥｃｏｎｏｍｉｃｂｕｒｄｅｎｏｆｈｅｐａｔｉｔｉｓＣ￣ａｓｓｏｃｉａｔｅｄｄｉｓｅａｓｅｓｉｎｔｈｅＵｎｉｔｅｄＳｔａｔｅｓ[Ｊ].ＪｏｕｒｎａｌｏｆＶｉｒａｌＨｅｐａｔｉｔｉｓꎬ２０１２ꎬ１９(３):１５３￣１６０.ＤＯＩ:１０.１１１１/ｊ.１３６５￣２８９３.２０１１.０１５６３.ｘ.[１６]ＯＬＩＶＥＲＩＶ.Ｓｅｌｅｃｔｉｖｅｔａｒｇｅｔｉｎｇｏｆｃａｎｃｅｒｃｅｌｌｓｂｙｃｏｐｐｅｒｉｏｎｏｐｈｏｒｅｓ:ａｎｏｖｅｒｖｉｅｗ[Ｊ].ＦｒｏｎｔｉｅｒｓｉｎＭｏｌｅｃｕｌａｒＢｉｏｓｃｉｅｎｃｅｓꎬ２０２２ꎬ９:８４１８１４.ＤＯＩ:１０.３３８９/ｆｍｏｌｂ.２０２２.８４１８１４.[１７]ＧＥＥＪꎬＢＵＳＨＡＩꎬＣＡＳＩＮＩＡꎬｅｔａｌ.Ｃｏｎｎｅｃｔｉｎｇｃｏｐｐｅｒａｎｄｃａｎｃｅｒ:ｆｒｏｍｔｒａｎｓｉｔｉｏｎｍｅｔａｌｓｉｇｎａｌｌｉｎｇｔｏｍｅｔａｌｌｏｐｌａｓｉａ[Ｊ].ＮａｔｕｒｅＲｅｖｉｅｗｓＣａｎｃｅｒꎬ２０２２ꎬ２２(２):１０２￣１１３.ＤＯＩ:１０.１０３８/ｓ４１５６８￣０２１￣００４１７￣２.[１８]ＮＯＴＡＳＧꎬＮＩＦＬＩＡＰꎬＫＡＭＰＡＭꎬｅｔａｌ.ＲｅｓｖｅｒａｔｒｏｌｅｘｅｒｔｓｉｔｓａｎｔｉｐｒｏｌｉｆｅｒａｔｉｖｅｅｆｆｅｃｔｏｎＨｅｐＧ２ｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａｃｅｌｌｓꎬｂｙｉｎｄｕｃｉｎｇｃｅｌｌｃｙｃｌｅａｒｒｅｓｔꎬａｎｄＮＯＳａｃｔｉｖａｔｉｏｎ[Ｊ].ＢｉｏｃｈｉｍｉｃａｅｔＢｉｏｐｈｙｓｉｃａＡｃｔａ(ＢＢＡ)￣ＧｅｎｅｒａｌＳｕｂｊｅｃｔｓꎬ２００６ꎬ１７６０(１１):１６５７￣１６６６.ＤＯＩ:１０.１０１６/ｊ.ｂｂａｇｅｎ.２００６.０９.０１０.[１９]ＰＩＯＴＲＯＷＳＫＡＨꎬＫＵＣＩＮＳＫＡＭꎬＭＵＲＩＡＳＭ.Ｂｉｏｌｏｇｉｃａｌａｃｔｉｖｉｔｙｏｆｐｉｃｅａｔａｎｎｏｌ:ｌｅａｖｉｎｇｔｈｅｓｈａｄｏｗｏｆｒｅｓｖｅｒａｔｒｏｌ[Ｊ].ＭｕｔａｔｉｏｎＲｅｓｅａｒｃｈ/ＲｅｖｉｅｗｓｉｎＭｕｔａｔｉｏｎＲｅｓｅａｒｃｈꎬ２０１２ꎬ７５０(１):６０￣８２.ＤＯＩ:１０.１０１６/ｊ.ｍｒｒｅｖ.２０１１.１１.００１.[２０]ＺＨＡＮＧＢＣꎬＹＩＮＸＮꎬＳＵＩＳＧ.Ｒｅｓｖｅｒａｔｒｏｌｉｎｈｉｂｉｔｅｄｔｈｅｐｒｏｇｒｅｓｓｉｏｎｏｆｈｕｍａｎｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａｂｙｉｎｄｕｃｉｎｇａｕｔｏｐｈａｇｙｖｉａｒｅｇｕｌａｔｉｎｇｐ５３ａｎｄｔｈｅｐｈｏｓｐｈｏｉｎｏｓｉｔｉｄｅ３￣ｋｉｎａｓｅ/ｐｒｏｔｅｉｎｋｉｎａｓｅＢｐａｔｈｗａｙ[Ｊ].ＯｎｃｏｌｏｇｙＲｅｐｏｒｔｓꎬ２０１８ꎬ４０(５):２７５８￣２７６５.ＤＯＩ:１０.３８９２/ｏｒ.２０１８.６６４８.[２１]ＤＡＩＷＱꎬＷＡＮＧＦꎬＬＵＪꎬｅｔａｌ.Ｂｙｒｅｄｕｃｉｎｇｈｅｘｏｋｉｎａｓｅ２ꎬｒｅｓｖｅｒａｔｒｏｌｉｎｄｕｃｅｓａｐｏｐｔｏｓｉｓｉｎＨＣＣｃｅｌｌｓａｄｄｉｃｔｅｄｔｏａｅｒｏｂｉｃｇｌｙｃｏｌｙｓｉｓａｎｄｉｎｈｉｂｉｔｓｔｕｍｏｒｇｒｏｗｔｈｉｎｍｉｃｅ[Ｊ].Ｏｎｃｏｔａｒｇｅｔꎬ２０１５ꎬ６(１５):１３７０３￣１３７１７.ＤＯＩ:１０.１８６３２/ｏｎｃｏｔａｒｇｅｔ.３８００. [２２]ＳＨＡＲＭＡＲꎬＡＬＩＴꎬＮＥＧＩＩꎬｅｔａｌ.Ｄｉｅｔａｒｙｍｏｄｕｌａｔｉｏｎｓｏｆｆｏｌｉｃａｃｉｄａｆｆｅｃｔｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｄｉｅｔｈｙｌｎｉｔｒｏｓａｍｉｎｅｉｎｄｕｃｅｄｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａｉｎａｒａｔｍｏｄｅｌ[Ｊ].ＪｏｕｒｎａｌｏｆＭｏｌｅｃｕｌａｒＨｉｓｔｏｌｏｇｙꎬ２０２１ꎬ５２(２):３３５￣３５０.ＤＯＩ:１０.１００７/ｓ１０７３５￣０２０￣０９９５５￣９.[２３]ＬＩＤＮꎬＬＩＵＳＧꎬＺＨＵＪＨꎬｅｔａｌ.ＦｏｌｉｃａｃｉｄｍｏｄｉｆｉｅｄＴＰＧＳａｓａｎｏｖｅｌｎａｎｏ￣ｍｉｃｅｌｌｅｆｏｒｄｅｌｉｖｅｒｙｏｆｎｉｔｉｄｉｎｅｃｈｌｏｒｉｄｅｔｏｉｍｐｒｏｖｅａｐｏｐｔｏｓｉｓｉｎｄｕｃｔｉｏｎｉｎＨｕｈ７ｈｕｍａｎｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａ[Ｊ].ＢＭＣｐｈａｒｍａｃｏｌｏｇｙ＆ｔｏｘｉｃｏｌｏｇｙꎬ２０２１ꎬ２２(１):１. [２４]ＸＩＡＯＪＳꎬＺＨＵＹＸꎬＨＵＤＤＬＥＳＴＯＮＳꎬｅｔａｌ.Ｃｏｐｐｅｒｍｅｔａｌ￣ｏｒｇａｎｉｃｆｒａｍｅｗｏｒｋｎａｎｏｐａｒｔｉｃｌｅｓｓｔａｂｉｌｉｚｅｄｗｉｔｈｆｏｌｉｃａｃｉｄｉｍｐｒｏｖｅｗｏｕｎｄｈｅａｌｉｎｇｉｎｄｉａｂｅｔｅｓ[Ｊ].ＡＣＳＮａｎｏꎬ２０１８ꎬ１２(２):１０２３￣１０３２.ＤＯＩ:１０.１０２１/ａｃｓｎａｎｏ.７ｂ０１８５０.[２５]ＦＵＪＩＴＡＫꎬＭＯＴＯＹＡＭＡＳꎬＳＡＴＯＹꎬｅｔａｌ.ＥｆｆｅｃｔｓｏｆＳＬＣ３１Ａ１ａｎｄＡＴＰ７Ｂｐｏｌｙｍｏｒｐｈｉｓｍｓｏｎｐｌａｔｉｎｕｍｒｅｓｉｓｔａｎｃｅｉｎｐａｔｉｅｎｔｓｗｉｔｈｅｓｏｐｈａｇｅａｌｓｑｕａｍｏｕｓｃｅｌｌｃａｒｃｉｎｏｍａｒｅｃｅｉｖｉｎｇｎｅｏａｄｊｕｖａｎｔｃｈｅｍｏｒａｄｉｏｔｈｅｒａｐｙ[Ｊ].ＭｅｄｉｃａｌＯｎｃｏｌｏｇｙꎬ２０２１ꎬ３８(１):１￣７.ＤＯＩ:１０.１００７/ｓ１２０３２￣０２０￣０１４５０￣１.[２６]ＷＡＣＨＳＭＡＮＮＪꎬＰＥＮＧＦＹ.Ｍｏｌｅｃｕｌａｒｉｍａｇｉｎｇａｎｄｔｈｅｒａｐｙｔａｒｇｅｔｉｎｇｃｏｐｐｅｒｍｅｔａｂｏｌｉｓｍｉｎｈｅｐａｔｏｃｅｌｌｕｌａｒｃａｒｃｉｎｏｍａ[Ｊ].ＷｏｒｌｄＪｏｕｒｎａｌｏｆＧａｓｔｒｏｅｎｔｅｒｏｌｏｇｙꎬ２０１６ꎬ２２(１):２２１￣２３１.ＤＯＩ:１０.３７４８/ｗｊｇ.ｖ２２.ｉ１.２２１.[２７]ＳＡＦＩＲꎬＮＥＬＳＯＮＥＲꎬＣＨＩＴＮＥＮＩＳＫꎬｅｔａｌ.Ｃｏｐｐｅｒｓｉｇｎａｌｉｎｇａｘｉｓａｓａｔａｒｇｅｔｆｏｒｐｒｏｓｔａｔｅｃａｎｃｅｒｔｈｅｒａｐｅｕｔｉｃｓ[Ｊ].ＣａｎｃｅｒＲｅｓｅａｒｃｈꎬ２０１４ꎬ７４(２０):５８１９￣５８３１.ＤＯＩ:１０.１１５８/０００８￣５４７２.ＣＡＮ￣１３￣３５２７.[２８]ＢＡＲＲＥＳＩＶꎬＴＲＯＶＡＴＯ￣ＳＡＬＩＮＡＲＯＡꎬＳＰＡＭＰＩＮＡＴＯＧꎬｅｔａｌ.ＴｒａｎｓｃｒｉｐｔｏｍｅａｎａｌｙｓｉｓｏｆｃｏｐｐｅｒｈｏｍｅｏｓｔａｓｉｓｇｅｎｅｓｒｅｖｅａｌｓｃｏｏｒｄｉｎａｔｅｄｕｐｒｅｇｕｌａｔｉｏｎｏｆＳＬＣ３１Ａ１ꎬＳＣＯ１ꎬａｎｄＣＯＸ１１ｉｎｃｏｌｏｒｅｃｔａｌｃａｎｃｅｒ[Ｊ].ＦＥＢＳＯｐｅｎＢｉｏꎬ２０１６ꎬ６(８):７９４￣８０６.ＤＯＩ:１０.１００２/２２１１￣５４６３.１２０６０.[２９]ＷＡＮＧＪＬꎬＦＡＮＪＹꎬＺＨＡＯＺＷꎬｅｔａｌ.ＤＢＴａｆｆｅｃｔｓｓｌｅｅｐｉｎｂｏｔｈｃｉｒｃａｄｉａｎａｎｄｎｏｎ￣ｃｉｒｃａｄｉａｎｎｅｕｒｏｎｓ[Ｊ].ＰＬｏＳＧｅｎｅｔｉｃｓꎬ２０２２ꎬ１８(２):ｅ１０１００３５.ＤＯＩ:１０.１３７１/ｊｏｕｒｎａｌ.ｐｇｅｎ.１０１００３５.[３０]ＳＨＡＢＡＮＮＺꎬＹＥＨＩＡＳＡꎬＡＷＡＤＤꎬｅｔａｌ.Ａｔｉｔａｎｉｕｍ(ＩＶ)￣ｄｉｔｈｉｏｐｈｅｎｏｌａｔｅｃｏｍｐｌｅｘａｎｄｉｔｓｃｈｉｔｏｓａｎｎａｎｏｃｏｍｐｏｓｉｔｅ:ｔｈｅｉｒｒｏｌｅｓｔｏｗａｒｄｓｒａｔｌｉｖｅｒｉｎｊｕｒｉｅｓｉｎｖｉｖｏａｎｄａｇａｉｎｓｔｈｕｍａｎｌｉｖｅｒｃａｎｃｅｒｃｅｌｌｌｉｎｅｓ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＭｏｌｅｃｕｌａｒＳｃｉｅｎｃｅｓꎬ２０２１ꎬ２２(２０):１１２１９.ＤＯＩ:１０.３３９０/ｉｊｍｓ２２２０１１２１９.。
基于TCGA数据库建立胆管癌自噬相关基因预后预测模型及其应用
基于TCGA 数据库建立胆管癌自噬相关基因预后预测模型及其应用史华帝，左瑜芳，钟富兰，易小琼，徐祖敏广东医科大学附属医院，广东湛江524000摘要：目的利用癌症基因组图谱（TCGA ）数据库构建胆管癌自噬相关基因（ARGs ）预后预测模型。
方法通过人类自噬数据库和分子特征数据库获得531个胆管癌ARGs 。
从TCGA 数据库中选择CHOL 队列的转录组和临床数据进行下载，包含胆管癌组织36例、正常胆管组织9例。
采用Perl 软件将原始测序数据进行合并，提取所有ARGs 的表达数据；利用R 软件对胆管癌组织和正常胆管组织中的ARGs 进行差异表达分析，筛选出胆管癌组织中表达失调的ARGs ，并进行GO 功能富集和KEGG 信号通路分析。
利用单因素Cox 及Lasso 回归模型筛选关键ARGs ，多因素Cox 回归模型建立预后预测模型，根据关键ARGs 的mRNA 表达水平和风险系数计算每个患者的风险评分，按其中位数将胆管癌患者分为高风险组和低风险组，绘制生存曲线，比较两组的生存期。
绘制预后预测模型的ROC 曲线，评价其预测预后的敏感度和特异性。
最后利用R 软件构建基于关键ARGs 的列线图，绘制校准曲线评估实际生存和预测生存的一致性。
结果与正常胆管组织比较，胆管癌组织中有324个表达失调的ARGs 。
这些ARGs 主要涉及自噬、利用自噬机制的过程、大自噬、自噬的调节、凋亡等生物学过程和信号通路。
经过单因素Cox 和Lasso 回归分析，筛选出5个关键ARGs ，即VPS11、EVA1A 、BNIP3、GABARAP 、VPS4B 。
以这5个关键ARGs 建立预测胆管癌患者预后的风险模型，风险评分=（-3.739×VPS11）+（1.691×EVA1A ）+（1.734×BNIP3）+（5.776×GABARAP ）+（-1.310×VPS4B ）。
基于 tcga 数据库筛选肝癌 mirna 生物标志物及
基于TCGA数据库筛选肝癌miRNA生物标志物及靶基因功能和信号通路分析杜秀芳1 刘军杰2 黄奕铭3 张春燕1通讯作者（1.广西医科大学附属肿瘤医院实验研究部 广西 南宁 530000 2.广西医科大学附属肿瘤医院超声科 广西 南宁 5300213.广西医科大学基因组与个体化医学实验中心 广西 南宁 530021）【摘要】目的 基于The Cancer Genome Atlas（TCGA）数据库中肝细胞肝癌（肝癌）相关微小RNA（miRNA）及mRNA的生物学分析，探索肝癌相关异常表达的miRNA生物标志物及其靶基因功能和调控的信号通路。
方法 利用TCGA数据库中的肝癌组织和正常组织样本数据进行对比分析，筛选出来差异表达的miRNA和mRNA；通过对miRNA潜在靶基因的筛选和与差异表达的mRNA取交集，进一步对miRNA进行筛选；对miRNA的靶基因进行Gene Ontology（GO）功能和Kyoto Encyclopedia of Genes and Genomes（KEGG）通路富集分析。
结果 筛选得到7个差异表达miRNA，其中5个上调miRNA: hsa-mir-532、hsa-mir-21、hsa-mir-93、hsa-mir-103a-2和hsa-mir-103a-1；2个下调miRNA：hsa-mir-511和hsa-mir-424；通过预测靶基因并与差异表达的mRNA取交集，上调miRNA有16个靶基因，下调miRNA有2个靶基因；KEGG信号通路和GO功能分析结果表明，上调的miRNA靶基因主要富集在“Glioma”通路，与“response to hormone stimulus”、“response to endogenous stimulus”和“regulation of cell morphogenesis”等功能相关。
结论 差异表达的miRNA对肝癌发生发展具有一定的影响，有可能作为诊断肝癌的生物标志物和治疗靶点应用于临床。
SMC基因家族在肝癌中的表达及其预测肝癌预后的临床意义
基金项目：国家自然科学基金（82072714，81972263）；广东省自然科学基金（2018A030310118）作者单位：中山大学孙逸仙纪念医院肝胆外科，广州510120*通讯作者：陈亚进，Email ：***************SMC 基因家族在肝癌中的表达及其预测肝癌预后的临床意义霍励耘，魏英城，谭文亮，商昌珍，陈亚进*［摘要］目的研究SMC 基因家族在肝癌组织中的表达水平，及其与肝癌分期和预后的相关性。
方法应用UALCAN 和Human Protein Atlas 数据库，分析SMC 基因家族在肝癌组织和正常肝组织的表达水平，并进一步分析其在肝癌不同分期中的转录水平。
利用GEPIA 数据库完成对SMC 家族各成员基因与肝癌的生存预后相关性分析。
结果与正常肝组织比较，SMC 基因家族成员在肝癌组织中高表达（肝癌vs .正常肝组织，P <0.0001），其转录水平也与肿瘤的分期有关。
SMC1A 、SMC1B 、SMC2、SMC3、SMC4、SMC5和SMC6在Ⅲ期肝癌中的表达显著高于Ⅰ期肝癌（Ⅲ期vs.Ⅰ期，P <0.05），SMC1A 和SMC2在Ⅱ期肝癌患者中的表达高于Ⅰ期肝癌（Ⅰ期vs .Ⅱ期，P <0.05）。
此外，在肝癌的生存分析中显示，SMC1A 、SMC2、SMC3、SMC4、SMC6高表达患者的预后较差（P <0.05），其总生存期（OS ）或无瘤生存期（DFS ）明显短于低表达组。
结论SMC 基因家族在肝癌组织中高表达，其中SMC1A 、SMC2、SMC3、SMC4、SMC6的表达与肝癌患者预后不良呈正相关，可以作为肝癌预后预测因素。
［关键词］SMC 基因家族；肝癌；预后；生物信息学分析doi ：10.3969/j.issn.1009⁃976X.2021.01.005中图分类号：R735.7文献标识码：AThe clinical significance of SMC gene family in the diagnosis and prognosis of hepatocellular car⁃cinomaHUO Li⁃yun ，WEI Ying⁃cheng ，TAN Wen⁃liang ，SHANG Chang⁃zhen ，CHEN Ya⁃jinDepartment of Hepatobiliary Surgery ，Sun Yat⁃sen Memorial Hospital ，Sun Yat⁃sen ，University ，Guang⁃zhou 510289，ChinaCorresponding author ：CHEN Ya⁃jin ，***************［Abstract ］ObjectiveTo explore the relationship between SMCs and the progression of hepatocellularcarcinoma （HCC ）by bioinformatics analysis ，and to explore the clinical significance of SMCs in the diagnosis and prognosis of HCC.MethodsIn this study ，UALCAN and Human Protein Atlas datasetswere used to analyze the expression of SMCs in hepatocellular carcinoma and normal liver tissues ，as well as its transcriptional level in various stages of hepatocellular carcinoma.After that ，we used the GEPIA database to explore the survival curves of SMCs in HCC patients.ResultsWe found that SMCswere highly expressed in HCC tissues （tumor vs.normal ，P value <0.0001），and their transcriptional levels were also related to the tumor stages.The transcriptions of SMC1A ，SMC1B ，SMC2，SMC3，SMC4，SMC5and SMC5in stage 3liver hepatocellular carcinoma were significantly higher than those instage1（stage 1vs .stage3，P value <0.05）.The expression levels of SMC1A and SMC2in stage 2liverhepatocellular carcinoma were stimulated ，comparing to their transcription levels in stage 1（stage 1vs .stage 2，P value <0.05）.In addition ，the survival analysis showed that higher expression of SMC1A ，SMC2，SMC3，SMC4and SMC6was significantly related to poorer prognosis （P value <0.05）.ConclusionSMCs were highly expressed in HCC tissues and were associated with tumor stages.SMC1A ，SMC2，SMC3，SMC4and SMC6showed significant value in the diagnosis and prognosis of HCC.［Key words ］SMC gene family ；hepatocellular carcinoma ；prognosis ；bioinformatics analysis·论著与临床研究·原发性肝癌是全球第六大常见恶性肿瘤和第二大癌症相关死亡原因［1］。
胶原蛋白作为胃癌潜在生物标志物的生物信息学分析
410 CARCINO GENESIS，TERATO GENESIS&MUTA GENESIS 收稿日期：2021-04-06；修订日期：2021-09-02基金项目：广东省自然科学基金(2021A1515012180)；广东省普通高等学校重点领域专项(2021ZDZX2040)；汕头市医疗卫生科技计划项目(200617105260368)作者信息：杨婵君，E-mail：*******************。
*通信作者，陈雯恬，E-mail：*****************；刘静，E-mail：**************.cn胶原蛋白作为胃癌潜在生物标志物的生物信息学分析杨婵君1，2，陈雯恬2，*，刘静2，* (1．汕头大学医学院第二附属医院输血科，广东汕头515041；2．汕头大学医学院长江学者实验室/广东省乳腺癌诊疗重点实验室/生理学教研室，广东汕头515041)Bioinformatics analysis of gastric cancer datasets regarding collagen as a possible biomarker YANG Chanjun1,2,CHEN Wentian2,*,LIU Jing2,*(1.Department of Blood Transfusion,the Second Affiliated Hospital ofShantou University Medical College,Shantou515041;2.Changjiang Scholar's Laboratory/Provincial Key Laboratory for Diagnosis and Treatment of Breast Cancer/Department of Physiology,Shantou University MedicalCollege,Shantou515041,Guangdong,China)【摘要】目的：应用生物信息学方法探讨胃癌的潜在生物标志物。
基于综合数据库分析ASXL1基因突变对子宫内膜癌预后的影响及作用机制
DOI ： 10.3969/j.issn.l672-9463.2021.05.001•论著.基于综合数据库分析ASXL1基因突变对 子宫内膜癌预后的影响及作用机制范明1韩馨乐$杜俊彳【摘要】目的 通过多个肿瘤综合数据库分析ASXL1基因突变对子宫内膜癌(EC)预后的影响及其作用机制。
方法 全面检索 GEPIA 、Kaplan-Meier plotter 、the Human Protein Atlas 、FireBrowse 、STRING 、UALCAN 等数据库,分析其生存曲线、功能富集情况、基因相关性及信号通路，并进行生物信息学预测。
结果ASXL1基因突变是EC 不良预后因 素，对总生存期及无复发生存期均产生影响(PO.001 )。
相关性分析显示，ASXL1基因突变可能通过表观遗传学，JAK2/STAT3和PI3K/AKT/mT0R 信号通路发挥作用;结合功能富集分析,ASXL1突变主要影响PI3K/AKT/mTOR 信号通路。
结论ASXL1基因突变是EC 患者的不良预后因素，可能通过PI3K/AKT/mTOR 信号通路发挥作用，应进一步开展相关生物学研究,并探索PI3K/mT0R 等信号通路抑制剂的临床价值。
［关键词］子宫内膜癌ASXL1基因突变预后作用机制Prognostic effect and mechanism of A SXL1 gene mutation in endometrial carcinoma based on comprehensive database FanYue, HanJGnle, Du Jun. Guangzhou Women and Children Medical Care Center, G uangzhou 510623[Abstract] Objective To analyze the prognostic effect and mechanism of ASXL1 gene mutation in endometrialcarcinoma (EC) through multiple comprehensive tumor databases. Methods A comprehensive search of GEPIA, Kaplan-Meier plotter, the Human Protein Atlas, FireBrowse, STRING, UALCAN databases, analysis of survival curves,functional enrichment, gene correlation and signal pathways were conducted, with bioinformatics prediction. ResultsASXL1 gene mutation was a poor prognostic factor of EC, affecting both overall survival and relapse —free survival (P<0.001). Correlation analysis showed that ASXL1 gene mutation might play a role through epigenetics, JAK2/STAT3 and PI3K/A.KT/mT0R signaling pathways; combining with functional enrichment analysis, we found that ASXL1 mutation mainly affected PI3K/AKT/mTOR signaling pathway. Conclusion ASXL1 gene mutation is a poor prognosticfactor in EC patients, and may play a role through the PI3KZA.KT/mTOR signaling pathway. Further related biological research should be carried out and the clinical value of PI3K/mT0R inhibitors should be explored.[Key words] Endometrial carcinoma ASXL1 Gene mutation Prognosis Mechanism子宫 内膜癌(Endometrial carcinoma , EC )是女 性第六大常见的恶性肿瘤。
铁死亡相关复发风险模型预测胶质母细胞瘤患者的临床结局与免疫浸润
doi:10.3971/j.issn.1000-8578.2023.22.0836·临床研究·铁死亡相关复发风险模型预测胶质母细胞瘤患者的临床结局与免疫浸润廖永珍1，梁禄2，李意2，丛丽2Ferroptosis-related Recurrence Risk Model Predicts Clinical Outcomes and ImmuneInfiltration in GlioblastomaLIAO Yongzhen1, LIANG Lu2, LI Yi2, CONG Li21. School of Medicine & Health Care, Shunde Polytechnic, Foshan 528300, China;2. Schoolof Medicine, Hunan Normal University, Changsha 410013, ChinaCorrespondingAuthor:CONGLi,E-mail:****************.cnAbstract: Objective To construct a ferroptosis-related glioblastoma (GBM) recurrence risk model and evaluate the prognosis of patients. Methods Differentially expressed genes (DEGs) related to ferroptosis in recurrent GBM were screened by CGGA and FerrDb databases. Key genes were obtained by Lasso regression. Then, nomogram was constructed according to the key risk genes, and the prediction efficiency was verified using the TCGA database. GO, KEGG, and GSEA databases were used in exploring the mechanism of prognosis. ESTIMATE and TIMER were used in studying tumor immune infiltration and the expression of immune check points. Results WWTR1, PLIN2, and BID were important prognostic factors for GBM recurrence. The nomogram was constructed according to gender and age, and the observed values were in good agreement with the predicted values. The AUC values were 0.65 (1 year), 0.66 (3 years), and 0.63 (5 years) for CGGA and 0.68 (1 year), 0.76 (3 years), and 0.79 (5 years) for TCGA. Epithelial mesenchymal transition, KRAS pathway, and inflammatory response were significantly upregulated in the high-risk subtypes (P<0.05). Immune cell infiltration was lower (P<0.05). Risk score was positively correlated with the expression of immunosuppression check points. Conclusion Ferroptosis-related genes WWTR1, PLIN2, and BID can be used in constructing a nomogram with good predictive performance. These risk genes may affect prognosis through tumor-infiltrating immune cells and immune check points.Key words: Glioblastoma; Ferroptosis; Recurrence prognosis risk model; Immune infiltrationFunding: Hunan Provincial Natural Science Foundation (No. 2020JJ5381); Scientific Research Project of Hunan Health and Health Commission (No. 202103011683); Open Fund Project of Hunan Normal University School of Medicine (No. KF2022036) Competing interests: The authors declare that they have no competing interests.摘 要：目的 构建铁死亡相关胶质母细胞瘤（GBM）复发预后风险模型并评价患者预后。
基于GEO和TCGA数据库分析卵巢癌预后相关的分子特征
基于GEO和TCGA数据库分析卵巢癌预后相关的分子特征李沛阳【期刊名称】《中国性科学》【年(卷),期】2022(31)4【摘要】目的本研究基于卵巢癌相关的高通量基因表达(GEO)和癌症基因组图谱(TCGA)数据,采用KM生存曲线和随机森林算法处理基因数据,筛选参与卵巢癌进展的关键预后基因。
方法采用GEO数据库的卵巢癌患者的GSE26712数据集表达谱做差异基因分析。
采用TCGA数据库获取卵巢癌基因表达谱和总体生存的临床信息(TCGA-OV),用于筛选与卵巢癌总体生存相关的预后基因。
采用R软件的limma 函数对基因表达谱进行差异分析,以FDR<0.05和|Log;FC|>1为阈值筛选差异表达基因。
采用survival和survminer函数分析差异基因的表达对卵巢癌患者的总体生存的影响,通过Log-rank检验法比较生存曲线的差异,以P<0.05为阈值鉴定预后的基因。
通过在线工具STRING对蛋白互作网络进行可视化分析,进行分类效果的验证。
结果GEO数据库获得798个差异基因,其中包括307个上调基因和491个下调基因,并成功构建卵巢癌相关的ceRNA调控网络。
GO和KEGG分析表明失调的mRNAs主要富集在转化生长因子-β1调控、细胞增殖及补体信号通路。
受试者工作特征曲线分析筛选诊断靶标分子并构建子网络。
结论本研究为lncRNA通过ceRNA机制介导的卵巢癌发生和发展提供了新的思路。
在探索卵巢癌的分子机制时,可以选择HERC1、CALR和H2AFX相关的分子靶标作为新的目标。
【总页数】5页(P51-55)【作者】李沛阳【作者单位】西安医科大学临床医学院【正文语种】中文【中图分类】R711【相关文献】1.基于The Human Protein Atlas和TCGA数据库分析SmuG1在人卵巢癌中的表达及预后意义2.基于Oncomine和GEO数据库荟萃分析HMGA1在卵巢癌中的表达及其与预后的相关性3.基于TCGA数据库分析肝细胞肝癌组织中HMMR 表达与患者临床特征及预后的相关性4.基于GEO和TCGA数据库食管鳞状细胞癌预后模型构建与验证5.基于GEO和TCGA数据库筛选子宫内膜癌发病及预后的相关基因因版权原因，仅展示原文概要，查看原文内容请购买。
利用TCGA和GEPIA2公共数据库分析ACSM3与卵巢癌预后的关系
利用TCGA和GEPIA2公共数据库分析ACSM3与卵巢癌预
后的关系
侯娟;滕长财;王涛
【期刊名称】《右江医学》
【年(卷),期】2024(52)2
【摘要】目的研究肿瘤基因图谱(TCGA)数据库中酰基辅酶A合成酶中链家族成
员3(ACSM3)在357例卵巢癌患者中的表达量及其与患者生存状况的关系。
方法
对TCGA数据库中357例卵巢癌患者的ACSM3表达量及其与生存情况的关系进
行分析,寻找其共表达基因并进行基因本体(GO)富集分析和京都基因与基因组百科
全书(KEGG)富集分析。
结果多因素Cox回归分析进一步表明,ACSM3是卵巢癌患者预后的影响因素,其共表达基因富集分析结果与炎症应答和肿瘤中基因异常转录
相关。
结论ACSM3的表达对卵巢癌患者的预后具有重要的意义,高表达预后较好。
ACSM3可以成为指导临床医师评估卵巢癌患者预后的重要指标。
【总页数】6页(P133-138)
【作者】侯娟;滕长财;王涛
【作者单位】滨州医学院附属医院检验科
【正文语种】中文
【中图分类】R737.31
【相关文献】
1.基于The Human Protein Atlas和TCGA数据库分析SmuG1在人卵巢癌中的表达及预后意义
2.利用TCGA数据库分析p53表达与结肠癌临床病理因素及预后的关系
3.利用TCGA数据库分析识别胃癌预后相关的特异性miRNA
4.利用TCGA 公共数据库挖掘乳腺癌预后相关长链非编码RNA生物标志物
5.基于GEO和TCGA数据库分析卵巢癌预后相关的分子特征
因版权原因，仅展示原文概要，查看原文内容请购买。
基于网络药理学探索二氢杨梅素抗结直肠癌的作用机制
基于网络药理学探索二氢杨梅素抗结直肠癌的作用机制吴晴茹;张金秀;孙娟;程若溪;陈秋玲;覃蒙斌;黄杰安【期刊名称】《现代消化及介入诊疗》【年(卷),期】2022(27)11【摘要】目的利用网络药理学方法对二氢杨梅素(Dihydromyricetin, DHM)抗结直肠癌(Colorectal Cancer, CRC)的分子机制进行探索。
方法以二氢杨梅素为研究对象,借助Pharm Mapper靶点预测平台收集二氢杨梅素相关靶点;运用GeneCards、Omim、TTD、Pharm GKB及Drugbank数据库,提取与结直肠癌有关靶点;应用String数据库以及Cytoscape软件,建立交集靶点PPI网络图并筛选出核心靶点,TCGA和THE HUMAN PROTEIN ATLAS数据库验证核心靶点在结直肠癌中的表达,RT-qPCR及Western Blot检测二氢杨梅素对结直肠癌细胞HCT116和DLD-1核心靶点表达的影响。
结果将获得的71个二氢杨梅素作用靶点与结直肠癌的2183个有显著差异靶点相交,共得到33个相交靶点,并挑选出6个核心靶点;GO功能和KEGG信号途径富集分析揭示了氧化应激、上皮信号传导等多种信号途径。
TCGA和THE HUMAN PROTEIN ATLAS数据库验证在正常结肠组织和结直肠癌中核心靶点的表达差异。
RT-qPCR及Western Blot结果证明二氢杨梅素可能通过核心靶点SRC发挥抗结直肠癌细胞功效。
结论本研究揭示了二氢杨梅素在结直肠癌中是一种多靶点、多途径作用的药物。
二氢杨梅素可能通过核心靶点SRC及相关通路发挥抗结直肠癌的作用。
【总页数】6页(P1408-1413)【作者】吴晴茹;张金秀;孙娟;程若溪;陈秋玲;覃蒙斌;黄杰安【作者单位】广西医科大学;广西医科大学第二附属医院消化内科【正文语种】中文【中图分类】R285;R274;R57【相关文献】1.基于网络药理学对黄连抗结直肠癌作用机制的分析2."防风-白术"抗结直肠癌作用机制的网络药理学研究3.基于网络药理学的双氢杨梅树皮素抗金黄色葡萄球菌活性和作用机制研究4.基于网络药理学的健脾解毒方抗结直肠癌的作用机制研究5.基于网络药理学和分子对接探究二氢杨梅素调脂抗肝癌的作用因版权原因，仅展示原文概要，查看原文内容请购买。
ATP6V1C1在肝细胞癌中的表达及功能研究
ATP6V1C1在肝细胞癌中的表达及功能研究姜敏;赵玉军【期刊名称】《国际医药卫生导报》【年(卷),期】2022(28)9【摘要】目的探究ATP6V1C1在肝细胞癌(HCC)表达情况及功能。
方法本研究为基础研究,利用来自癌症基因组图谱数据库基因表达总库(GEO)测序数据,找出HCC 差异表达基因(P<0.01,|logFc|≥1),进一步利用来自于癌症基因组图谱(TCGA)在线数据UALCAN、Timer分析ATP6V1C1在HCC不同分期的表达情况及不同表达水平的预后情况,TheHumanProteinAtlas分析正常肝组织与肿瘤组织免疫组化。
TCGA数据库包含女性患者121例,男性患者281例,年龄16~81岁,数据分析后台自行完成。
KEGG信号了解ATP6V1C1对相关通路的影响。
构建pcDNA3.1(+)-ATP6V 1C1载体,购买siRNA干扰片段体外研究ATP6V1C1对肝细胞癌的影响。
统计学方法采用独立样本t检验。
结果生物信息学分析提示ATP6V1C1在多种癌症中上调(P<0.05),ATP6V1C1的表达水平与HCC的肿瘤分级有关,在肝癌患者中,ATP6V1C1表达上调患者相对下调患者预后更差(P<0.05)。
过表达ATP6V1C1后明显促进HCC细胞的侵袭、迁移、增殖及克隆形成能力,同时,干扰ATP6V1C1抑制HCC细胞的侵袭、迁移、增殖及克隆形成能力。
结论ATP6V1C1在HCC中表达与预后相关,这个研究为HCC提供了新的可能诊断及治疗靶标。
【总页数】7页(P1270-1276)【作者】姜敏;赵玉军【作者单位】广东省第二人民医院普外二科【正文语种】中文【中图分类】R73【相关文献】1.同源异形框蛋白Six4在肝细胞癌中的表达及生物学功能研究2.TBX15基因启动子甲基化在肝细胞癌中的表达及其功能研究3.转录因子YY1在肝细胞癌中的表达和功能研究4.环状RNA circTMBIM在肝细胞癌中的表达和功能研究5.LINC00473在肝细胞癌中的表达及其功能研究因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
・1030・Guizhou Medical Journal!019,Vol.43,No.7基于The Human Protein Atlas和TCGA数据库分析SmuG1在人卵巢癌中的表达及预后意义郑丽娇黄洁彭冬先"(南方医科大学珠江医院妇产科，广东广州510220)摘要目的通过数据挖拡分析SmuG1在卵巢癌组织中的表达及预后意义$方法THPA数据库初步探讨SmuG1在人体的分布以及表达%TCGA数据库分析卵巢癌患者SmuG1mRNA的表达水平与临床病理特征的相关性，通过生存分析探讨SmuG1mRNA水平与总体生存期的关系，利用Cox比例风险回归模型分析SmuG1是否为患者总体生存期的独立预后影响因子$结果THPA数据库发现SmuG1是一种细胞内糖基化酶，在全身各类组织及器官中均有表达，TCGA数据库分析发现SmuG1mRNA水平与卵巢癌的临床分期呈负相关(P=0.024,相关系数r=—0.5"而与年龄、肿瘤级别、残留肿瘤大小、耐药性等无关(P〉0.05"生存分析发现SmuG1mRNA水平高的患者比SmuG1mRNA水平低的患者存活时间更长差异无统计学意义(P=0.035"Cox比例风险回归模型分析表明SmuG1的表达水平是卵巢癌患者的显著独立预后指标(HR=0.98,95%CI：O.61897〜1.560583；P=0.009"结论人卵巢癌组织中SmuG1水平与临床分期呈负相关$SmuG1表达水平高的卵巢癌患者的总体生存期较长，提示SmuG1可能是卵巢癌显著的独立预后指标$关键词SmuG1；卵巢癌；TCGA；人类蛋白库Analysis of the expression and prognosis of SmuG1in humanovariancancerbasedon%heHumanPro%einAlasandTCGAda%abaseZheng Li j iao,Huang Jie,Peng Dongdan*.Zhujiang Hospital of Southern Medical University,Guangzhou510220,Guangdong,China.Abs%rac%Objecive Toanalyzetheexpressionandprognosisofsingle-strandselective monofunctionaluracil DNA glycosylase(SMUG1)in ovarian cancer by data mining.Methods THPA database was used to investigate the disIribu ion and expression of SmuG1in humans.The TCGA daIabase was usedIo analyzeIhe correla ion beIween SmuG1mRNAexpressionandclinicopaIhologicalfeaIureswiIhovariancancer.SurvivalanalysiswasusedIoexplore SmuG1mRNAlevelsandovera l survival.RelaIionships wereanalyzedusing Coxproporionalhazardregression modelsIo deIermine wheIher SmuG1was an independenIprognos ic facIor for overa l pa ienIsurvival.Resuls TH-PA daIabase foundIhaISMUG1was an inIrace l ular glycosyla ion enzyme expressed in various issuesandorgansof Ihebody.TCGAdaIabaseanalysisshowedanegaivecorrelaionbeIweenSmuG1mRNAlevelsandclinicalsIageof tumor in ovarian cancer.(P=0.024,correlation coefficient r=—0.5),but not related to age,tumor grade,residu-altumorsize!drugresistance!etc.(P$1.15).Survival analysis found that patients with high SmuG1mRNA levels survived longer than patients with low SmuG1mRNA levels(P=0.035).Cox proportional hazards regression modelanalysisshowedthattheexpMessionlevelofSmuG1wasasignificantindependentpMognosticindicatoMfoMo-varian cancer patients(HR=0.98,95%CI：0.61897〜1.560583,P=0.009).Conclusion The level of SmuG1in humanovariancancertissuesisnegativelycorrelated withclinicalstage.Patients with ovariancancer with high SmuG1expressionhavealongerovera l survival!suggestingthatSmuG1maybeasignificantindependentprognos-ticindicatorforovariancancer.Keywords SmuG1；Ovarian cancer；TCGA；The Human Protein Atlas中图分类号：R711.75文献标识码：A文章编号：1000-744X(2019)7-1030-03卵巢癌是致死率最高的女性恶性肿瘤，不良的总体预后是各种因素综合作用的结果，其中关键的一点是卵巢癌在早期阶段没有明显的症状和特定的肿瘤标记物，大多数女性被确诊时已为晚期，预后极差)12*+因此，深入研究卵巢癌发生发展的机制，寻找新的高度敏感的分子标记物或潜在的治疗靶点显得尤为重要+单链选择性单功能尿23 DNA糖基化酶(single-strand selective monofunctional uracil DNA glycosylase,SmuG1)是一-种细胞内糖基化酶旧，在全身各类组织及器官中均有表达,可从核染色质中的单链和双链DNA中去除尿2 3，从而有助于碱基切除修复，对于防止突变至关重要⑷。
SmuG1在多种实体肿瘤中均有异常表达,"通信作者，E-mail：pengdxl969@贵州医2019年7月437期・1031・肿瘤易感性、预后密切相关。
但在不同的肿瘤中却存在的结果，提示SmuG1可能在癌症发生发展中的角色，并且基症的及其性起不同的作用。
目前有SmuG1与卯关系的，因此，本研究利用（the human proteinatlas,THPA）及the cancer genome atlas,TCGA）其表患者的临床价值+报下+1材料与方法1.1（1）THPA检索SmuG1在人亚细胞中定位以及在组织中的表达情况+（2）TCGA下载患者的和SmuG1转录芯片,芯片进行匹配，同病详 的病例，最终得到234例研究样本+1.2（1）根据SmuG1的表况由低至高排序，分为高表（High,〉0.5分隔值）和低表达Low,<0.50.5分隔值），分析SmuG1表t与之间的关系。
存分析用Kaplan-Meier o 使用Cox比例风险回归进行单因素分析和多因素分析。
1.3统计学采用SPSS22.0件进行统学分析；采用检析SmuG1表病理特征之间的关系；通过使用Kaplan-Meier 析存活率;使用Cox比例风险回归进行单及多存P<0.05为差异有统计学。
2结果2.1THPA检SmuG1在人亚细胞定以及在组织中的表达情况SmuG1定人细胞的中心体和微管，在多种肿瘤组织中存在表达，尤其织和肝织。
1o2.2TCGA析患者SmuG1mR-NA的表及其病理特征的关系SmuG1mRNA期关（P<0.05,关系数r=-0.5）,而与年龄、肿瘤、残留肿瘤、化疗、肿瘤发无关（P$ 0.05）。
按FIGO分期，11例，期卵巢癌组织中，10例（90%）低表达，1例（10%）高表达；184例-期卵织中，83例（45%）低表达，101例（55%）高表达；39例/期织中，24例（62%）低表,15例（38%）高表达。
三者之间进行方差分析,结果差异有统计学意义（P=0.0243）。
注：引自The Human Protein Atlas数据库，定位在中心体（抗体：HPA05114），绿色为SmuG1抗体纟吉图1SmuG1蛋白在HPA05114细胞系中的定位2.3生存分析SmuG1mRNA患者存率的关系Kaplan-Meier生存小析发现高表达SmuG1mRNA的患者表达SmuG1mRNA患者的存活，差异有统计学（P=0.035）+2+图2SmuG1mRNA表患者的存时间的Kaplan-Meier生存:2.4Cox比例风险回归析SmuG11巢患者存期的独立预后单因素分析发现存SmuG1表、化疗反应、耐药性以及无病生存期长短相关；多因素进一步分析表SmuG1的表患者的显立预后指标（P=0.009）。
见表1o表1根据cox比例风险模型，SmuG1表达对总体生存率的预后价值变量存期HR(95%CI)PSmuG1表达量（高表达vs低表达）耐药性（Yes vs no）化疗反应（耐药vs非耐药）0.696(0.567〜0.988)0.0421 3.2585(1.72434〜6.15757)0.0002 5.2747(3.50953〜7.9276) 1.2496e〜15・1032・Guizhou Medical Journal,2019,Vol.43,No.7续表无病生存期（稳定vs进展）-多因素分析SmuGl表达量（高表达vs低表达）表1219788(3.06812〜157.44669)0.9828298(0.61897〜1.560583)0.0020.0093讨论卵巢癌是严重威胁妇女健康的常见妇科肿瘤,死亡率居妇科肿瘤首位+由于其起病隐匿5，早期筛查困难，大约2/3的患者在初诊时已发生盆腹腔内的广泛种植因此，提高卵巢癌的早期诊断水平、探讨其有效的治疗靶点，对改善预后有重要的意义SmuG1是三大DNA糖基化酶之一，可不受细胞周期调节并且均匀分布在核质中）9,具有广泛的底物特异性）011*+有研究表明SmuG1转录物的低表达可损害DNA修复，从而增加突变率，增强染色体不稳定性）12+在小鼠研究中,SmuG1的丢失被证明可以增加癌症的易感性+同时发现低SmuG1转录物可能与较差的存活率相关+但是目前尚未有SmuG1与卵巢癌发生发展及预后关系的研究报道+本研究利用THPA数据库，发现SmuG1定位于细胞内，是碱基切除修复的关键因子，在肿瘤组织中存在异常表达+为了进一步验证，利用TCGA 数据库分析234例卵巢癌患者SmuG1mRNA的表达水平与临床病理特征的相关性，发现SmuG1mR-NA期关，THPA的SmuG1蛋白水平趋势一致。