基于内源性竞争性网络的Ⅰ型、Ⅱ型子宫内膜癌关键长非编码RNA和微小RNA分析

doi:10.3969/j.issn.1673-8640.2021.05.016

摘要/Abstract

摘要：

目的基于内源性竞争性网络分析可用于子宫内膜癌（EC）分型及诊治的潜在生物标志物。方法从TCGA数据库中总结EC差异表达的基因,筛选出32个基因来构建内源性竞争性网络。采用基因本体论（GO）和京都基因与基因组数据库（KEGG）富集分析、相关性分析、生存分析及GEO数据集验证,进一步筛选关键基因。结果 Ⅰ型EC和Ⅱ型EC之间存在59个差异表达的长非编码RNA（lncRNA）、51个差异表达的微小RNA（miRNA）和843个差异表达的mRNA。在此基础上,建立了内源性竞争性网络,进一步筛选出与EC分型及预后相关的关键基因。在TCGA数据库中,LINC00667、miR-34c、miR-449a、miR-449b和TMCC3均与EC患者生存率相关,LINC00667和TMCC3表达越高,患者生存率越低,而miR-34c、miR-449a、miR-449b表达越高,患者生存率越高。Pearson相关分析结果显示,LINC00667与TMCC3呈正相关（P<0.001）。EC患者中LINC00667高表达与EC的病理分型、分化程度和国际妇产科联盟（FIGO）分期有关（P<0.05）,与年龄无关（P>0.05）。TMCC3高表达与EC的病理分型、年龄和分化程度有关（P<0.05）,与FIGO分期无关（P>0.05）。miR-34c、miR-449a、miR-449b低表达与EC的病理分型、分化程度和FIGO分期有关（P<0.05）,与年龄无关（P>0.05）。结论 LINC00667-miR-34c/miR-449a/miR-449b-TMCC3是Ⅰ型和Ⅱ型EC内源性竞争性网络中的关键基因,且均具有良好的预后评估价值。

关键词: 长非编码RNA, 微小RNA, 竞争性内源RNA, 子宫内膜癌, 分型

Abstract:

Objective To analyze the potential biomarkers involved in the classification,diagnosis and treatment of endometrial carcinoma（EC） based on endogenous competitive network. Methods The differentially expressed genes were summarized from the Cancer Genome Atlas（TCGA） database,and 32 genes were screened to construct endogenous competitive network. In order to further screen key genes,Gene Ontology（GO） and Kyoto Encyclopedia of Genes and Genomes（KEGG） enrichment analysis,correlation analysis,survival analysis and GEO datum set validation were carried out. Results There were 59 differentially expressed long noncoding RNA（lncRNA）,51 differentially expressed microRNA（miRNA）and 843 differentially expressed messenger RNA between type Ⅰ and type Ⅱ EC. On this basis,an endogenous competitive network was established,and further the key genes related to genotyping and prognosis were screened.LINC00667 and TMCC3 were negatively correlated,while miR-34c,miR-449a,miR-449b were positively correlated with the survival of EC patients in the TCGA database. Pearson correlation analysis showed that LINC00667 was positively correlated with TMCC3（P<0.001）. The high expression of LINC00667 in EC patients was related to the classification of EC,the International Federation of Gynecology and Obstetrics（FIGO） stage and differentiation（P<0.05）,but there was no relation with age（P>0.05）. The high expression of TMCC3 was correlated with the classification of EC,age and differentiation（P<0.05）,but there was no relation with FIGO stage（P>0.05）. The high expression of miR-34c,miR-449a,miR-449b in EC patients was related to the classification of EC,FIGO stage and differentiation（P<0.05）,but there was no relation with age（P>0.05）. Conclusions LINC00667-miR-34c/miR-449a/miR-449b-TMCC3 are identified as key genes in the endogenous competitive network of type Ⅰ and type Ⅱ EC and have good prognostic value.

Key words: Long noncoding RNA, MicroRNA, Competitive endogenous RNA, Endometrial carcinoma, Classification

中图分类号:

R446.7

袁霜, 王丽华. 基于内源性竞争性网络的Ⅰ型、Ⅱ型子宫内膜癌关键长非编码RNA和微小RNA分析[J]. 检验医学, 2021, 36(5): 535-543.

YUAN Shuang, WANG Lihua. Analysis of key long noncoding RNA and microRNA in type Ⅰ and type Ⅱ endometrial carcinoma based on endogenous competitive network[J]. Laboratory Medicine, 2021, 36(5): 535-543.

图/表 9

参考文献 20

[1]	BRAY F, FERLAY J, SOERJOMATARAM I, et al. Global cancer statistics 2018:GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2018,68(6):394-424. DOI URL
[2]	BROOKS R A, FLEMING G F, LASTRA R R, et al. Current recommendations and recent progress in endometrial cancer[J]. CA Cancer J Clin, 2019,69(4):258-279.
[3]	ANASTASIADOU E, JACOB L S, SLACK F J. Non-coding RNA networks in cancer[J]. Nat Rev Cancer, 2018,18(1):5-18. DOI URL
[4]	RUPAIMOOLE R, SLACK F J. MicroRNA therapeutics:towards a new era for the management of cancer and other diseases[J]. Nat Rev Drug Discov, 2017,16(3):203-222. DOI URL
[5]	YAO R W, WANG Y, CHEN L L. Cellular functions of long noncoding RNAs[J]. Nat Cell Biol, 2019,21(5):542-551. DOI URL
[6]	SALMENA L, POLISENO L, TAY Y, et al. A ceRNA hypojournal:the Rosetta Stone of a hidden RNA language?[J]. Cell, 2011,146(3):353-358. DOI URL
[7]	XIA L, WANG Y, MENG Q, et al. Integrated bioinformatic analysis of a competing endogenous RNA network reveals a prognostic signature in endometrial cancer[J]. Front Oncol, 2019,9:448. DOI URL
[8]	LI R, QU H, WANG S, et al. GDCRNATools:an R/Bioconductor package for integrative analysis of lncRNA,miRNA and mRNA data in GDC[J]. Bioinformatics, 2018,34(14):2515-2517. DOI URL
[9]	LI J H, LIU S, ZHOU H, et al. StarBase v2. 0:decoding miRNA-ceRNA,miRNA-ncRNA and protein-RNA interaction networks from large-scale CLIP-Seq data[J]. Nucleic Acids Res, 2013,42(Database issue):D92-D97. DOI URL
[10]	JEGGARI A, MARKS D S, LARSSON E. MiRcode:a map of putative microRNA target sites in the long non-coding transcriptome[J]. Bioinformatics, 2012,28(15):2062-2063. DOI URL
[11]	CHOU C H, SHRESTHA S, YANG C D, et al. MiRTarBase update 2018:a resource for experimentally validated microRNA-target interactions[J]. Nucleic Acids Res, 2018,46(D1):D296-D302. DOI URL
[12]	FURIÓ-TARÍ PEDRO, TARAZONA S, GABALDÓN TONI, et al. SpongeScan:a web for detecting microRNA binding elements in lncRNA sequences[J]. Nucleic Acids Res, 2016,44(W1):W176-W180. DOI URL
[13]	YU G, WANG L G, HAN Y, et al. ClusterProfiler:an R package for comparing biological themes among gene clusters[J]. OMICS, 2012,16(5):284-287. DOI URL
[14]	DONG P, XIONG Y, YUE J, et al. Exploring lncRNA-mediated regulatory networks in endometrial cancer cells and the tumor microenvironment:advances and challenges[J]. Cancers(Basel), 2019,11(2):234.
[15]	CHEN Y, BI F, AN Y, et al. Identification of pathological grade and prognosis-associated lncRNA for ovarian cancer[J]. J Cell Biochem, 2019,120(9):14444-14454. DOI URL
[16]	JIANG L, MENG W, ZENG J, et al. MiR-34c oligonucleotide enhances chemosensitivity of Ishikawa cell to cisplatin by inducing apoptosis[J]. Cell Biol Int, 2013,37(6):577-583. DOI URL
[17]	LI F, CHEN H, HUANG Y, et al. MiR-34c plays a role of tumor suppressor in HEC-1-B cells by targeting E2F3 protein[J]. Oncol Rep, 2015,33(6):3069-3074. DOI URL
[18]	YE W, XUE J, ZHANG Q, et al. MiR-449a functions as a tumor suppressor in endometrial cancer by targeting CDC25A[J]. Oncol Rep, 2014,32(3):1193-1199. DOI URL
[19]	HU Y, WU A Y, XU C, et al. MicroRNA-449a inhibits tumor metastasis through AKT/ERK1/2 inactivation by targeting steroid receptor coactivator(SRC) in endometrial cancer[J]. J Cancer, 2019,10(2):547-555.
[20]	SOHN W J, KIM J Y, KIM D, et al. Expression and characterization of transmembrane and coiled-coil domain family 3[J]. BMB Rep, 2016,49(11):629-634. DOI URL

RNA名称	基因名称	Log₂FC	r值
mRNA	NR6A1	1.64^***	0.01
	TMCC3	0.89^*	0.31
lncRNA	LINC00667	1.37^***	—
miRNA	miR-34a	0.46	—
	miR-34c	-1.84^*	—
	miR-449a	-2.48^*	—
	miR-449b	-1.92^**	—

RNA名称	基因名称	Log₂FC	r值
mRNA	NR6A1	1.64^***	0.01
	TMCC3	0.89^*	0.31
lncRNA	LINC00667	1.37^***	—
miRNA	miR-34a	0.46	—
	miR-34c	-1.84^*	—
	miR-449a	-2.48^*	—
	miR-449b	-1.92^**	—

临床病理特征	例数	LINC00667			TMCC3
临床病理特征	例数	低表达	高表达	P值	低表达	高表达	P值
病理分型				<0.000 1			<0.000 1
Ⅰ型	404	242（89.63）	162（60.00）		236（87.41）	168（62.22）
Ⅱ型	136	28（10.37）	108（40.00）		34（12.59）	102（37.78）
年龄				0.876 3			0.008 1
<50岁	45	23（8.52）	22（8.15）		31（11.48）	14（5.19）
≥50岁	495	247（91.48）	248（91.85）		239（88.52）	256（94.81）
分化程度				0.000 2			0.005 0
G1+G2	218	130（48.15）	88（32.59）		125（46.30）	93（34.44）
G3	322	140（51.85）	182（67.41）		145（53.70）	177（65.56）
FIGO分期				<0.000 1			0.069 6
Ⅰ+Ⅱ期	387	216（80.00）	171（63.33）		203（75.19）	184（68.15）
Ⅲ+Ⅳ期	153	54（20.00）	99（36.67）		67（24.81）	86（31.85）

临床病理特征	例数	LINC00667			TMCC3
临床病理特征	例数	低表达	高表达	P值	低表达	高表达	P值
病理分型				<0.000 1			<0.000 1
Ⅰ型	404	242（89.63）	162（60.00）		236（87.41）	168（62.22）
Ⅱ型	136	28（10.37）	108（40.00）		34（12.59）	102（37.78）
年龄				0.876 3			0.008 1
<50岁	45	23（8.52）	22（8.15）		31（11.48）	14（5.19）
≥50岁	495	247（91.48）	248（91.85）		239（88.52）	256（94.81）
分化程度				0.000 2			0.005 0
G1+G2	218	130（48.15）	88（32.59）		125（46.30）	93（34.44）
G3	322	140（51.85）	182（67.41）		145（53.70）	177（65.56）
FIGO分期				<0.000 1			0.069 6
Ⅰ+Ⅱ期	387	216（80.00）	171（63.33）		203（75.19）	184（68.15）
Ⅲ+Ⅳ期	153	54（20.00）	99（36.67）		67（24.81）	86（31.85）

临床病理特征	例数	miR-34c			miR-449a
临床病理特征	例数	低表达	高表达	P值	低表达	高表达	P值
病理分型				<0.000 1			<0.000 1
Ⅰ型	404	176（65.92）	228（85.07）		168（62.92）	236（88.06）
Ⅱ型	131	91（34.08）	40（14.93）		99（37.08）	32（11.94）
年龄				0.747 7			0.126 3
<50岁	46	24（8.99）	22（8.21）		18（6.74）	28（10.45）
≥50岁	489	243（91.01）	246（91.79）		249（93.26）	240（89.55）
临床病理特征	例数	miR-34c			miR-449a
临床病理特征	例数	低表达	高表达	P值	低表达	高表达	P值
分化程度				<0.000 1			<0.000 1
G1+G2	219	69（25.84）	150（55.97）		67（25.09）	152（56.72）
G3	316	198（74.16）	118（44.03）		200（74.91）	116（43.28）
FIGO分期				0.001 9			0.000 2
Ⅰ+Ⅱ期	385	176（65.92）	209（77.99）		173（64.79）	212（79.10）
Ⅲ+Ⅳ期	150	91（34.08）	59（22.01）		94（35.21）	56（20.90）