乳腺癌和子宫内膜癌核心基因和分子通路生物信息学研究

医学信息学解锁17（2019）100274乳腺癌和子宫内膜癌核心基因和分子通路的生物信息学研究Md Foyzur Rahmana，1，Md Rezanur Rahmana，1， *，Tania Islamb，1，Toyfiquz Zaman a， Md Abu Hena Shuvoc，Md Tofazzal Hossain d，Md RafiqulIslam e，Md Rezaul Karim a，Mohammad Ali Monif，**a孟加拉国Sirajgonj Enayetpur Khwaja Yunus Ali大学生物医学学院生物化学和生物技术系b孟加拉国库什蒂亚伊斯兰大学生物技术和遗传工程系c孟加拉国拉杰沙希工程技术大学计算机科学与工程系d孟加拉国拉杰沙希拉杰沙希大学生物化学和分子生物学系e孟加拉国Jashore，Jashore科技大学生物科学和技术学院药学系f孟加拉国Pabna科技大学计算机科学与工程系，Pabna，6600A R T I C L EI N FO关键词：子宫内膜癌乳腺癌差异表达基因分子途径A B S T R A C T子宫内膜癌（Endometrial cancer，EC）是发生于子宫内膜的一种常见的绝经后女性生殖道恶性肿瘤。乳腺癌（BC）是EC的危险因素之一，但这两种疾病共有的分子通路和核心基因尚未阐明。在这项研究中，我们试图确定共同的分子途径和预后枢纽蛋白在EC和BC，可用于预测的进展。我们使用统计方法Limma对从Gene EXpression Omnibus下载的EC和BC的转录组进行差异分析。通过基因本体（GO）和途径富集分析进行基因功能注释。使用STRING数据库从蛋白质-蛋白质相互作用（PPI）网络分析鉴定中枢蛋白，并使用SurvEX press对中枢蛋白进行存活分析以评估预后值。我们分别分析了EC和BC转录组学数据集，并确定了EC和BC共有的57个共同差异表达基因。GO和通路分析显示57个常见的失调基因涉及几个改变的分子通路，包括蛋白质消化和吸收、半胱氨酸和蛋氨酸代谢、ECM-受体相互作用和药物代谢。基于PPI网络的拓扑分析，我们检测了在EC和BC的进展和调节中起重要作用的关键枢纽蛋白（CDC 20，EZH2，TOP2A，SPTBN1）。枢纽基因的生存分析表明，它们与EC和BC的生存结局显著相关。在本研究中，我们已经确定了新的途径，共同EC和BC在分子水平上，也确定了可能的基因表达EC和BC之间的联系。1. 介绍子宫内膜癌（EC）是女性中最致命的妇科恶性肿瘤之一，并且通常是腺癌。EC是美国女性常见的癌症[1]。全世界每年约有76，000例患者死于EC [2]。考虑到EC死亡率和新诊断EC数量的增加，需要生物标志物或治疗靶点来改善女性的治疗和健康。乳腺癌（BC）是一种异质性浸润性癌症，在美国女性中是一种高度流行的癌症[3]。新出现的证据表明，BC是EC的主要风险因素之一[4，5]。然而，EC的根本原因，以及BC如何影响EC的发生和发展，尚不清楚。Liu等人使用与我们相同的数据集确定了EC中的DEG和途径，* 通讯作者。** 通讯作者。电子邮件地址：rezanur12@kyau.edu.bd（M.R. Rahman），mohammad. sydney.edu.au（M.A. Moni）。1 这些作者做出了同等的贡献，应该被视为这项工作的联合第一作者https://doi.org/10.1016/j.imu.2019.100274接收日期：2019年10月22日;接收日期：2019年11月20日;接受日期：2019年11月21日在线发售2019年2352-9148/© 2019由Elsevier Ltd.发布这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表医学信息学期刊主页：http://www.elsevier.com/locate/imuM.F. Rahman等人医学信息学解锁17（2019）1002742Fig. 1. 本研究的工作流程。首先，从GEO数据库下载乳腺癌和子宫内膜癌的微阵列基因表达数据集（分别为GSE 42568和GSE 17025），并通过差异基因表达分析鉴定来自两个数据集的DEG。其次，揭示了疾病之间的共同DEG。此后，用优选的GO和途径数据库的基因注释揭示了由所鉴定的DEG富集的显著GO术语和途径，并且蛋白质-蛋白质相互作用分析的拓扑分析揭示了中枢蛋白。最后，进行枢纽蛋白的交叉验证和存活分析已用于揭示EC肿瘤发生和进展的潜在分子机制[6]。在另一项研究中，Kusonmano等人确定了EC中侵袭性原发性肿瘤和转移性病变之间的几个高度连接和DEG子网络[7]。在他们的研究中，Wang等人使用机器学习算法揭示了 BC [8]。因此，许多研究试图使用转录组学数据集来解码分子特征或生物分子，例如EC和BC中的差异表达基因。然而，EC和BC之间的共同基因或途径目前尚未确定。确定EC和BC的共同基因和/或通路将有助于理解EC和BC共同/共享的分子机制，这将有助于进一步的临床研究。从转录组学数据集（RNA-Seq和微阵列）中鉴定候选生物标志物通常用于各种复杂疾病（包括癌症和神经退行性疾病）的生物医学研究[9转录组学数据集的生物信息学综合分析有助于识别/筛选与各种癌症进展模式相关的基因，并开发用于管理疾病的新治疗策略[6，18]。在本研究中，我们采用了一种全面的生物信息学-matics的方法来解码EC和BC之间的共同基因和途径，以阐明它们潜在的共享机制（图1）。①的人。2. 材料和方法2.1. BC和EC差异表达基因的鉴定我们从NCBI-GEO数据库中获得了BC和EC的基于阵列的高通量分析数据集[19]。BC数据集（GEO登录号GSE 42568）包含使用AffymetriX微阵列的104个乳腺癌和17个正常乳腺活检的基因表达谱。EC数据集（GEO登录号GSE 17025）是91个异质等级的I期EC和12个萎缩性子宫内膜样品的全局基因表达谱。通过Affymetri x平台生成基因表达谱。通过log2转换将数据集标准化，以处理BC和EC相对于其各自匹配对照的微阵列数据中的噪声。然后，我们应用统计学方法Limma来识别差异表达基因（DEG），并进行Benjamini-Hochberg校正以控制假阳性，发现率分类显著DEG的截止标准是p值0.01和绝对log2倍数变化（FC）>1。<图二. 应用Limma软件对乳腺癌（BC）和子宫内膜癌（EC）的基因表达数据集进行分析，以确定BC和EC之间共同的差异表达基因（DEG）。57个基因被认为是BC和EC之间的共同DEG2.2. 基因本体和途径富集分析为了使用DAVID [20]鉴定GO和KEGG途径，我们进行了基因过度表达分析，认为调整后的p值0.05对于所有富集分析均具有显著性。<2.3. 蛋白质相互作用分析我们查询STRING数据库以构建由EC和BC共享的共同DEG编码的蛋白质的蛋白质-蛋白质相互作用网络[21]。然后，我们使用NetworkAnalyst工具分析网络[22]。2.4. 枢纽基因通过SurvEX press使用来自癌症基因组图谱（TCGA）的BC和EC的独立RNA测序数据集交叉验证中心基因的差异表达分析[23]。通过box图证明了高风险和低风险类别患者之间的枢纽基因的差异表达水平。采用学生t检验评估显著性水平。我们将患者分为低风险组和高风险组，并通过SurvEX press进行多变量COX回归分析和对数秩p值0.05被视为统计学显著性。<对预后评估有重要意义。BC和EC RNA-Seq数据集由962个样本和322个具有临床信息的样本组成。3. 结果3.1. BC和EC利用Limma软件对EC和BC的基因表达高通量数据集进行统计分析，以检测差异表达基因（DEG）。我们对每个数据集进行了单独分析，M.F. Rahman等人医学信息学解锁17（2019）1002743表1EC和BC中相互差异表达的基因丰富了重要的基因本体论术语（前五名）类别GO IDGO术语Adj. p值基因生物过程GO：0014842骨骼肌卫星细胞增殖1.19E-04成纤维细胞生长因子2GO：0031325GO：0051931细胞代谢过程感觉知觉1.43E-042.21E-04ANGPT1; UHRF1;INHBA; ACACBTMEM100; SPXGO：0051930痛觉调节2.84E-04TMEM100; SPXGO：0002040出芽式血管生成2.86E-04ANGPT1; FGF2; GPLD1细胞组分GO：0043202溶酶体腔0.001OGN，SDC1，GYG2GO：0014704闰盘0.003DSP; FXYD 1GO：0005764溶酶体0.007OGN; SDC1; GYG2; GPLD1; AP1M2GO：0005882中间丝0.007DSP; EPPK1GO：0005775空泡腔0.011OGN，SDC1，GYG2分子功能GO：0005080蛋白激酶C结合0.006TOP2A; DSPGO：0008270锌离子结合0.010抗利尿激素1B;BHMT2GO：0045296钙粘蛋白结合0.012 ANLN; BAIAP 2L 1; S100 P; SPTBN 1GO：0004024乙醇脱氢酶活性，锌依赖性0.016ADH1bGO：0008083生长因子活性0.017成纤维细胞生长因子2表2乳腺癌（BC）和子宫内膜癌（EC）共同差异表达基因途径Adj. p值基因蛋白质消化吸收0.002MME; COL6A6; ATP 1A2半胱氨酸和蛋氨酸代谢0.007BHMT 2; CDO 1疟疾0.008六溴代二苯ECM-受体相互作用0.022SDC1; COL6A6牛磺酸和亚牛磺酸代谢0.030CDO1脂肪酸生物合成0.036ACACB药物代谢0.038抗利尿激素1BDEG，然后我们匹配EC和BC数据集的DEG，以识别两个数据集之间的共同DEG。发现57个基因在EC和BC数据集之间是共同的（图2）。然后，我们考虑了这57个DEG进行进一步研究。为了了解相互DEG的功能和生物学意义，我们进行了基因集富集分析，以获得生物学过程，分子功能，和细胞组分富集的DEG。重要的富集生物过程（BP）是骨骼肌卫星细胞增殖的调节、细胞代谢过程的正调节、感觉抑制的调节、疼痛感觉的调节和萌芽血管生成（表1）。重要的细胞成分被鉴定为溶酶体腔、闰盘、溶酶体、中间丝和空泡腔（表1）。DEG显著富集的分子功能是蛋白激酶C结合、锌离子结合、钙粘蛋白结合、醇脱氢酶活性、锌依赖性和生长因子活性（表1）。然后， 我们 分析 的 途径 到 获得 富集分子考虑到DEG的参与，重要的分子途径是蛋白质消化和吸收、半胱氨酸和蛋氨酸代谢、疟疾、ECM-受体相互作用和药物代谢，参与EC和BC的发病机制（表2）。3.2. 中枢蛋白生物系统中的生物分子通过相互作用发挥作用;因此，为了深入了解DEG的功能相互作用，我们围绕BC和EC的共同蛋白质重建了PPI网络（图3）。通过采用拓扑分析，我们已经检测到关键枢纽蛋白，即CDC20、EZH2、T0P2A和SPTBN1（表3）。图三. BC和EC的共同差异表达基因（DEG）与其他基因的蛋白质-蛋白质相互作用所有节点表示DEG，边表示两个基因之间的相互作用。四个大节点表示枢纽蛋白。3.3. 枢纽基因枢纽基因的差异表达与TCGA乳腺癌和子宫内膜癌数据集交叉验证。与在BC和EC中观察到的非肿瘤/对照相比，肿瘤组织中的中枢基因（CDC 20、EZH 2、T0 P2 A、SPTBN 1）的统计学显著差异表达（图1B）。 4 a和b）。进行了中心基因/蛋白的预后评估，以评估其作为癌症中的生物标志物和药物靶标的效用以及BC和EC中治疗策略的开发预后M.F. Rahman等人医学信息学解锁17（2019）1002744表3本研究中为BC和EC提出的共同生物标志物候选物列表。评价显示中枢基因即，CDC 20、EZH2和T0P2A在BC的预后中是统计学显著的，对数秩p值为0.024，风险比为1.49（图1B）。 5 a）。中枢蛋白（CDC 20，枢纽蛋白名称生物分子的作用参考文献EZH2、TOP2A、SPTBN1）在EC的预后中显示出显著性，对数秩p值为0.0096，风险比为2.66（图1B）。 5 b）。细胞分裂周期蛋白20EZH2 zeste增强子同源物2拓扑异构酶2-αSPTBN 1血影蛋白β，非红细胞1在子宫内膜和乳腺癌的乳腺癌在乳腺癌进展中起重要作用，是肿瘤发生的有效调节剂[24日][25日][26日][27日]4. 讨论在本研究中，我们研究了BC和EC的基因表达谱，其中我们确定了在这两种疾病中应该失调的基因，并且可能被视为候选疾病生物标志物和潜在的治疗靶点。研究BC和EC的微阵列数据集，通过一种新的方法探索候选生物标志物基因，该方法现在常用于鉴定包括癌症在内的复杂疾病之间的相互作用，即，神经胶质瘤、结直肠癌、头颈癌、卵巢癌和神经退行性疾病[9通过见图4。 TCGA乳腺癌和子宫内膜癌数据集中差异表达的交叉验证。M.F. Rahman等人医学信息学解锁17（2019）1002745图五. 枢纽基因的存活分析。a.乳腺癌的显著预后评估（长秩p值0.05）。

下载后可阅读完整内容，剩余1页未读，立即下载