生物信息學(xué)分析骨肉瘤中關(guān)鍵基因及其潛在調(diào)控miRNA

黃漢記 鄭明軍 徐偉華

摘要：目的 篩選出骨肉瘤中關(guān)鍵基因，并進(jìn)一步分析其調(diào)控miRNA，分析其可能的機(jī)制及臨床意義。方法 采用的R語(yǔ)言limma軟件包對(duì)miRNA芯片進(jìn)行差異分析，并利用生物信息學(xué)數(shù)據(jù)庫(kù)預(yù)測(cè)可能結(jié)合調(diào)控的miRNA。最終利用R語(yǔ)言Upset取各數(shù)據(jù)庫(kù)預(yù)測(cè)到的miRNA和差異性表達(dá)的miRNA得到的交集作為關(guān)鍵miRNA。結(jié)果 生物信息學(xué)分析結(jié)果發(fā)現(xiàn)EFNA1在骨肉瘤對(duì)比成骨細(xì)胞組中顯著高表達(dá)。進(jìn)一步七個(gè)不同的數(shù)據(jù)庫(kù)預(yù)測(cè)EFNA1的上游調(diào)控miRNA，得到唯一的交集為hsa-miR-1915-3p。結(jié)論 EFNA1的高表達(dá)會(huì)促進(jìn)骨肉瘤的發(fā)展，而hsa-miR-1915-3p可能是EFNA1的潛在調(diào)控靶點(diǎn)。

【中圖分類號(hào)】R730.4 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1673-9026（2021）08-018-01

人骨肉瘤是最常見(jiàn)的原發(fā)性惡性骨腫瘤之一，其發(fā)病率，死亡率較高和易發(fā)現(xiàn)轉(zhuǎn)移[1]。?盡管在過(guò)去幾十年中，針對(duì)OS的治療策略取得了重大進(jìn)展，但由于診斷和轉(zhuǎn)移的發(fā)展延遲，其預(yù)后仍然很差[2]。因此，需要尋找新的生物標(biāo)志物，并確保骨肉瘤患者的有效治療。近幾十年來(lái)，研究發(fā)現(xiàn)了一類新的非編碼RNA （ncRNA），如microRNAs （miRNAs）等非編碼RNA[3]。它們都具有不同的調(diào)節(jié)功能，有效地調(diào)節(jié)細(xì)胞功能的基本蛋白效應(yīng)器，并在骨肉瘤的發(fā)展和進(jìn)展中發(fā)揮重要作用。其中miRNA是非編碼基因中重要的家族，在腫瘤的發(fā)生和OS的發(fā)展中發(fā)揮著關(guān)鍵的作用[4]因此，本文中我們主要探討篩選出關(guān)鍵的靶基因，并進(jìn)一步預(yù)測(cè)其可能調(diào)控的miRNA進(jìn)行生物信息學(xué)分析，為骨肉瘤的分子標(biāo)志物和臨床治療提供新的視角。

1.方法

1.1數(shù)據(jù)收集

登錄 GEO 數(shù)據(jù)庫(kù)（https：//www.ncbi.nlm.nih.gov/geo/） ，找出已經(jīng)公布的骨肉瘤基因芯片數(shù)據(jù)集GSE14359（平臺(tái)為：GPL96 [HG-U133A] Affymetrix Human Genome U133A Array）。對(duì)芯片進(jìn)行整理，共獲得20個(gè)數(shù)據(jù)集，18個(gè)為骨肉瘤細(xì)胞系數(shù)據(jù)，2個(gè)為非腫瘤性成骨細(xì)胞的原代細(xì)胞數(shù)據(jù)。TARGET數(shù)據(jù)庫(kù)（https//ocg.cancer.gov/programs/target）是一個(gè)兒童腫瘤數(shù)據(jù)庫(kù)，從其中下載得到86例具有完整臨床生存信息的表達(dá)譜和臨床信息。GEO與TARGET均為公開(kāi)的數(shù)據(jù)庫(kù)，所以不需要道德委員會(huì)批準(zhǔn)。

1.2差異分析

利用R語(yǔ)言軟件包“l(fā)imma”，對(duì)數(shù)據(jù)進(jìn)行對(duì)比差異分析篩選差異基因。篩選條件為P<0.05，|log2（FoldChange）|>1，隨后得到的差異基因使用火山圖進(jìn)行展示。

1.3差異基因KEGG通路富集

利用R語(yǔ)言軟件包“clusterProfiler”，對(duì)得到的差異基因進(jìn)行KEGG通路富集分析。利用R軟件包“org.Hs.eg.db”，“enrichplot”，“ggplot2 “等對(duì)基因進(jìn)行注釋，制作氣泡圖進(jìn)行展示。

1.4生存分析

對(duì)KEGG通路富集分析中最富集的通路基因，利用TARGET構(gòu)建的生存模型進(jìn)行生存分析。生存分析分組基于對(duì)單基因的表達(dá)，以中位數(shù)作為分組依據(jù)分成高表達(dá)組和低表達(dá)組。

1.5基因預(yù)測(cè)可能潛在結(jié)合的miRNA

利用miRWalk（http：//zmf.umm.uni-heidelberg.de/apps/zmf/mirwalk2/index.html），Microt4，miRanda，mirbridge，miRMap，RNAhybrid，Targetscan七個(gè)預(yù)測(cè)數(shù)據(jù)庫(kù)對(duì)篩選出的關(guān)鍵基因進(jìn)行預(yù)測(cè)可能結(jié)合miRNA。利用R軟件包“UpSet”對(duì)七個(gè)數(shù)據(jù)庫(kù)預(yù)測(cè)到的miRNAs進(jìn)行取交集。

2.結(jié)果

2.1篩選差異基因

如圖1所示，結(jié)果差異基因分析，共得到差異基因848個(gè)，其中上調(diào)差異基因514，下調(diào)基因334個(gè)。

2.2KEGG通路富集分析

利用差異分析得到的848個(gè)差異基因進(jìn)行KEGG通路富集分析，結(jié)果如圖2中A所示。KEGG富集分析結(jié)果顯示，最富集的通路是PI3K-Akt信號(hào)通路，共有35個(gè)基因富集于此。

2.3生存分析

利用TARGET構(gòu)建的生存模型對(duì)富集于PI3K-Akt信號(hào)通路的35個(gè)基因進(jìn)行生存分析，結(jié)果顯示僅只有一個(gè)基因具有顯著性意義（P<0.05）。如圖2中B顯示，EFNA1基因表達(dá)分成高低兩組，其中高表達(dá)組的預(yù)后不良，并且EFNA1屬于上調(diào)差異基因。

2.4靶基因預(yù)測(cè)調(diào)控miRNA

通過(guò)七個(gè)不同的數(shù)據(jù)庫(kù)對(duì)EFNA1，進(jìn)行預(yù)測(cè)可能發(fā)生結(jié)合的miRNA，并且取七者的交集得到一個(gè)唯一的miRNA是has-miR-1915-3p，如圖2中C所示。

3.討論

近些年來(lái)，隨著高通量測(cè)序技術(shù)的不斷發(fā)展，生物信息學(xué)被廣泛應(yīng)用于揭示多種癌癥的基因組水平的腫瘤進(jìn)展和癌變的內(nèi)在機(jī)制[5]。值得關(guān)注的是有許多生物信息學(xué)網(wǎng)絡(luò)工具可以幫助我們分析相關(guān)數(shù)據(jù)，并提供標(biāo)準(zhǔn)化和可視化的結(jié)果。現(xiàn)階段，骨肉瘤的微陣列數(shù)據(jù)仍然有限，但可以發(fā)現(xiàn)一些隱藏的、有趣的信息，如骨肉瘤關(guān)鍵基因的表達(dá)[6]、骨肉瘤中的miRNA[7]。

在本研究中，我們從公開(kāi)的表達(dá)譜數(shù)據(jù)中鑒定了差異表達(dá)的mRNA，并對(duì)差異基因進(jìn)行KEGG通路富集分析。PI3K-Akt信號(hào)通路被認(rèn)為是人類癌癥中最重要的致癌途徑之一，同時(shí)影響著骨肉瘤細(xì)胞的凋亡等進(jìn)程[8，9]。根據(jù)TARGET數(shù)據(jù)庫(kù)確定了預(yù)后相關(guān)的差異基因?yàn)镋FNA1。最近，有研究通過(guò)生物信息學(xué)分析發(fā)現(xiàn)EFNA1在乳腺癌對(duì)比癌旁中的高表達(dá)于乳腺癌，并對(duì)預(yù)后有影響[10]。有研究表明，EphA2 /EFNA1高表達(dá)于肝癌、肺癌、卵巢癌、宮頸癌、前列腺癌、胃腺癌、腦膠質(zhì)瘤、膀胱癌、成骨肉瘤及惡性黑色素瘤等[11] 20種細(xì)胞系中，這于我們的分析結(jié)果所一致。

隨后，進(jìn)一步預(yù)測(cè)了可能結(jié)合的miRNA發(fā)現(xiàn)has-miR-1915-3p可能與EFNA1結(jié)合。肺癌細(xì)胞中 miR-1915-3p 的過(guò)度表達(dá)可防止細(xì)胞的凋亡[12]。不過(guò)在另外一項(xiàng)研究中發(fā)現(xiàn)，與健康志愿者相比，miR-1915-3p的血清水平被調(diào)高，乳腺癌患者的血清水平顯著下降[10]。這兩者之間有不同的結(jié)果，遺憾的是還未見(jiàn)has-miR-1915-3p在骨肉瘤中的表達(dá)是否升高的研究報(bào)道，因此有待進(jìn)一步研究?？偠灾?，本研究的發(fā)現(xiàn)可能為骨肉瘤的發(fā)病機(jī)制提供新的見(jiàn)解，并提出了值得進(jìn)一步研究的潛在治療靶點(diǎn)。

參考文獻(xiàn)：

[1] Osteosarcoma incidence and survival rates from 1973 to 2004： data from the Surveillance， Epidemiology， and End Results Program - PubMed[EB/OL]. [2021-04-12]. https：//pubmed.ncbi.nlm.nih.gov/19197972/.

[2] SIEGEL R L， MILLER K D， JEMAL A. Cancer statistics， 2018[J]. CA： A Cancer Journal for Clinicians， 2018， 68（1）： 7–30.

[3] JONES K B， SALAH Z， DEL MARE S， 等. miRNA signatures associate with pathogenesis and progression of osteosarcoma[J]. Cancer Research， 2012， 72（7）： 1865–1877.

[4] ZHANG J， YAN Y-G， WANG C， 等. MicroRNAs in osteosarcoma[J]. Clinica Chimica Acta， 2015， 444： 9–17.

[5] LI M， JIN X， LI H， 等. Key genes with prognostic values in suppression of osteosarcoma metastasis using comprehensive analysis[J]. BMC Cancer， 2020， 20（1）： 65.

[6] LI M， JIN X， GUO F， 等. Integrative analyses of key genes and regulatory elements in fluoride-affected osteosarcoma[J]. Journal of Cellular Biochemistry， 2019， 120（9）： 15397–15409.

[7] Construction of microRNA-messenger networks for human osteosarcoma - PubMed[EB/OL]. [2021-06-09]. https：//pubmed.ncbi.nlm.nih.gov/30666640/.

[8] ZHANG J， YU X-H， YAN Y-G， 等. PI3K/Akt signaling in osteosarcoma[J]. Clinica Chimica Acta; International Journal of Clinical Chemistry， 2015， 444： 182–192.

[9] ZHANG H， JIANG H， ZHANG H， 等. Anti-tumor efficacy of phellamurin in osteosarcoma cells： Involvement of the PI3K/AKT/mTOR pathway[J]. European Journal of Pharmacology， 2019， 858： 172477.

[10] GUO J， LIU C， WANG W， 等. Identification of serum miR-1915-3p and miR-455-3p as biomarkers for breast cancer[J]. PloS One， 2018， 13（7）： e0200716.

[11] 趙瑞皎， 吳向華， 石必枝， 等. 酪氨酸蛋白激酶受體EphA2及其配體EFNA1在23種腫瘤細(xì)胞系中的表達(dá)及其意義[J]. 中國(guó)癌癥雜志， 2007（04）： 320–323.

[12] XU C， LI H， ZHANG L， 等. MicroRNA?1915?3p prevents the apoptosis of lung cancer cells by downregulating DRG2 and PBX2[J]. Molecular Medicine Reports， 2016， 13（1）： 505–512.

基金項(xiàng)目：廣西研究生教育創(chuàng)新計(jì)劃項(xiàng)目（編號(hào)：YCSW2021138）;