以下小编分享一篇今年8月25日发表在《Aging》的原著性文章,标题是Characterization of long non-coding RNA and messenger RNA profiles in laryngeal cancer by weighted gene co-expression network analysis,影响因子4.831分。
https://doi.org/10.18632/aging.102419
文章的关键术语
laryngeal cancer (LC)喉癌
biomarker
weighted gene co-expression network analysis
lncRNA-microRNA
研究主旨
本研究从癌症基因组图谱(TCGA)数据库中收集了RNA测序数据(包括lncRNA表达数据和mRNA表达数据),以阐明与健康人群相比,LC患者中重要的共表达模块。这些模块与LC患者的临床特征密切相关,而且这些模块中的基因可能还会影响LC发展。在研究中选择共表达粉红色模块作进一步分析,因为它包含许多重要的临床特征,可有助于开发更多适用于LC患者的生物标志物。此外,对 lncRNA-miRNA-mRNA 和 lncRNA-RNA 结合蛋白-mRNA 网络的分析可能为LC的分子机制提供新的见解,从而有助于改善LC患者的早期诊断和整体预后。
LC也是较常见的肿瘤之一,其预后很差。LC的发生率呈逐渐上升趋势。虽然早期诊断的患者可以进行手术治疗,但大多数病例往往在诊断出来时已经在晚期了,这大大降低预后效果。所以,非常迫切需要为LC患者开发更多新的诊断性生物标志物,以能更早被发现确诊,及早治疗,提高LC患者的存活率。
研究思路
从TCGA数据库中获取LC病人的相关数据。
从数据中筛选出最佳2500个lncRNA和2500个mRNA的基因,用带有Voom的Limma包优化基因,去除一些辅助性数据,再进一步做WGCNA分析。
用GenCLiP3和Cytoscape做GO/KEGG分析,鉴定出与LC相关的通路和生物学功能。
GenCLiP3,http://ci.smu.edu.cn/genclip3/analysis.php
Cytoscape,https://cytoscape.org/
用STRING构建出mRNA-mRNA互作网络图,并用Cytoscape 3.2进行分析,再用MCODE插件提取枢纽基因。
用starBase v2.0把 lncRNA-miRNA-mRNA和 lncRNA-RNA 结合蛋白-mRNA 相互作用网络进行解码,Cytoscape 3.4.0把解码出来的数据再成像出一幅网络图。
starBase v2.0,http://starbase.sysu.edu.cn/starbase2/index.php
细胞学实验:LC细胞株Hep-2、TU177细胞、HaCaT正常角化细胞的培养。
从三种细胞株中提取总RNA,反转录成cDNA,做qRT-PCR。
统计学分析:所有数据都用R软件3.4.3 (https://www.r-project.org/)分析。
研究结果
首先,作者构建了LC的共表达模块,得出以下结果。
在共表达粉红色模块中做富集分析,得出以下结果:
同样也在共表达粉红色模块中用了STRING做PPI和GO分析,得出这样的结果:
LncRNA-RNA 结合蛋白-mRNA 和 LncRNA-miRNA-mRNA网络分析,得出这样的结果:
qRT-PCR验证survival-related lncRNA和hubmRNA的表达,包括8个lncRNA和12个hubmRNA,得出以下的结果。
网友评论