제Ⅱ부 신장투명세포암종의 종양미세환경에서 유전적 조절이상에 대한 대사적 이해

결과

1. KIRC에서 차등적으로 발현되는 대사 유전자의 동정.

KIRC의 대사 조절 장애를 탐색하기 위해 임상에서 대사 표적 치료제에 대한 깊은 통찰력을 얻기 위해 사용 가능한 TCGA 데이터를 탐색했습니다. 이를 위해 우리는 두 가지 다른 데이터 세트[16, 17]에서 교차된 1916개의 대사 유전자 세트를 선택하고 종양 대 정상 조직에서 1100개의 차별적으로 발현된 유전자를 스크리닝했습니다(보충 표 2). 이러한 차별적으로 발현된 대사 유전자는 화산과 히트 맵에 표시되었습니다(그림 1(a) 및 1(b)). 1100개의 차별적으로 발현된 대사 유전자 중 78개 유전자가 상향 조절되었고 163개 유전자가 하향 조절되었습니다. 또한, 859개의 유전자가 변하지 않았습니다. 열지도는 종양 및 정상 샘플에서 이러한 차등 대사 유전자의 개별 발현 지수를 나타냅니다(그림 1(b)). 다음으로, 차별적으로 발현되는 대사 유전자 상위 10개를 확인했습니다. 그 중 ENPP3, NNMT, CYP2J2, SCD 및 HK2는 상향 조절되었고 HSD11B2, HMGCS2, HPD, HS6ST2 및 ALDOB는 하향 조절되었습니다. 이러한 DEmG의 박스 플롯은 그림 1(c)에 나와 있습니다. 상향 조절된 유전자 중 ENPP3는 종양에서 ~7-배 발현됩니다. 또는 유전자 ALDOB는 분석된 종양 샘플에서 ~5-배 하향조절됩니다.

또한 DEmG의 KEGG 경로 및 GO 분석을 평가했습니다. KEGG 경로 분석은 상향 조절된 유전자가 더 높은 유전자 비율(각 경로에서 8-9개의 유전자 수)과 함께 탄소 대사, HIF1 신호 및 당분해/포도당 신생합성에서 상당히 풍부하다는 것을 밝혔습니다(그림 1(d)). 유사하게 하향 조절된 DEmG 중에서 우리는 탄소 대사와 발린, 류신 및 이소류신 분해가 대사 활성 유전자에 의해 영향을 받는 상위 경로임을 발견했습니다(그림 1(e)). peroxisome 소기관과 관련된 경로는 유전자 종양 샘플의 하향 조절 그룹에서도 상당히 풍부했습니다. 주목할만한 것은 상향 조절된 유전자의 경로와 비교하여 하향 조절된 유전자와 관련된 경로가 유의한 p 값이 더 높다는 것입니다. 하향 조절된 유전자 범주가 풍부한 대부분의 KEGG 경로는 아미노산 대사와 관련이 있다는 점을 언급할 가치가 있습니다. 종양 형성에서 DEmG의 관련성을 더 분석하기 위해 상향 조절 및 하향 조절 유전자의 GO 기능 분석을 수행했습니다. 우리는 GO 온톨로지를 BP(생물학적 과정), CC(세포 구성 요소) 및 MF(분자 기능)의 세 가지 기능적 하위 존재 그룹으로 나누었습니다(그림 1(f) 및 1(g)). 또한 GSEA 분석에서는 종양에서 BENPORATH_MYC_TARGETS_WITH_EBOX와 관련된 유전자 강화가 크게 증가한 반면 BROWN{{11} } 골수_세포_발달_UP, KEGG_알파_ 리놀렌산_산_대사 및 KEGG{ {19}}ETHER_ LIPID_METABOLISM은 음으로 농축된 것으로 밝혀졌습니다. 다음 단계에서는 상향 및 하향 조절된 DEmG를 사용하여 단백질-단백질 상호 작용 PPI 네트워크를 구축했습니다. 다수의 유전자가 서로 상호작용을 보였다. 이러한 유전자의 상호 작용을 통해 우리는 허브 유전자를 분리했습니다. 각 노드는 정도 값에 따라 다른 노드와 이산적입니다. 또한 PPI의 상위 7개 허브 유전자를 분리했습니다. 우리는 또한 TCGA 데이터세트에서 이 허브 유전자 발현과 KIRC의 임상병리학적 특징 사이의 상관관계를 조사했습니다.

알고 싶다면 여기를 클릭하세요Cistanche 혜택은 무엇입니까.

2. 네트워크 분석은 다양한 종양 존재론에서 기본 대사 변화를 나타냅니다.

다음으로, DEmGs의 발현 데이터를 선택하여 WGCNA의 입력 데이터로 사용했으며, 각 모듈에 대해 서로 다른 수의 유전자를 포함하는 6개의 별개의 공동 발현 모듈을 확인했습니다(그림 2(a)). 우리는 차등 유전자를 외부 특성과 연관시키고 임상 특성과 유의미하게 관련된 모듈을 식별했습니다(그림 2(b)). 상관 계수를 기반으로 MEturquoise 모듈이 생존 상태와 음의 상관 관계가 있음을 발견했습니다. GO 및 KEGG 경로 농축 분석은 이러한 모듈의 유전자를 사용하여 수행되었습니다(그림 2(c) 및 2(d)). 가장 풍부한 KEGG 경로는 발린, 류신 및 이소류신 분해였습니다. 탄소대사; 프로파노에이트 대사; 지방산 대사; 지방산 분해; 퍼옥시좀 및 부타노에이트 대사; 글리옥실레이트 및 디카르복실레이트 대사; 및 트립토판 대사(그림 2(c)). BP 용어와 관련된 유전자는 소분자, 카르복실산 및 유기산 이화 과정에서 주로 풍부했습니다. CC 용어와 관련된 유전자는 주로 미토콘드리아 기질에서 풍부했습니다. MF와 관련하여 차별적으로 발현된 유전자는 주로 조효소 결합이 풍부했습니다(그림 2(d)). 또한, 생존 모듈에서 8개의 유전자에 대한 생존 분석을 수행하였다. ACADSB, PANK1, SLC25A4, PCCA, HADH, AUH, ACAT1 및 ALDH6A1 발현이 높은 환자는 이러한 유전자의 발현이 낮은 환자보다 생존율이 더 길었습니다(p=0)(그림 2(e)-2( 엘)).

3. KIRC 환자의 클러스터링.

클러스터 분석을 위해 최고의 DEmG를 선택했습니다. KIRC 환자는 대사 유전자의 차별적 발현에 기초하여 3개의 군집으로 분류되었다. 그림 3(a)는 KIRC 환자의 DEmG 열지도를 보여줍니다. 색상 척도는 발현 값을 나타냅니다(밝은 파란색은 낮은 발현 값을 나타내고 진한 파란색은 높은 유전자 발현 값을 나타냅니다).

KIRC 환자에 대한 세 군집의 전체 생존을 비교하기 위해 KM 곡선을 그렸습니다. 전체 생존율은 세 군집에서 크게 달랐습니다(p < {{0}}:01 그림 3(b)). 군집 1은 군집 2 및 군집 3에 비해 더 나쁜 생존율을 보였다. PFS 생존율도 3 군집 간에 유의한 차이가 있었고(p < 0:001, 그림 3(c)), 군집 1은 군집 2 및 군집 3에 비해 더 나쁜 PFS 생존율을 보였다 클러스터 2와 클러스터 3.

우리 모델의 다른 색상은 임상 매개변수와 기본 병리학적 단계를 나타냅니다(그림 3(d)). 클러스터 3은 클러스터 1과 2에 비해 Mo 비율이 낮고 M1 값이 더 높아 클러스터 1과 2보다 클러스터 3에서 더 높은 암 전이와 더 진행된 종양 단계를 나타냅니다. 마찬가지로 클러스터 3에서 암은 림프절로 더 많이 퍼졌습니다. (더 높은 N1) 클러스터 1 및 2에 있는 것과 비교하여. 대부분의 KIRC 환자는 III 및 IV 단계에서 진단되었으며(그림 3(e) 및 3(f)), 이는 더 크거나 확장된 종양을 시사하고 혈액 또는 림프계를 신체의 먼 부위로

4. 3개 클러스터의 면역 상태.

우리는 ESTIMATE 알고리즘을 사용하여 대사 전사 프로필을 기반으로 일련의 KIRC 조직의 간질 및 면역 점수를 추정했습니다(그림 4(a)). 나중에 이러한 점수는 KIRC의 예후 계층화를 위한 간질-면역 점수 기반 대사 유전자 서명을 개발하기 위해 고려되었습니다. 그림 4(a)에서 볼 수 있듯이 세 개의 클러스터 그룹(C1, C2 및 C3)이 기질-면역 점수를 기반으로 박스 플롯으로 계층화되었습니다. 세 군집 중 C1은 간질 및 면역 분류 모두에서 더 높은 유의미한 점수를 보였다.

또한, 3개의 클러스터는 CIBERSORT에 의해 p-값 < 0.1로 분석되었습니다(그림 4(b)). 3개 클러스터의 병리학적 단계와 함께 종양 순도, 면역 점수 및 간질 점수가 열 지도 상단에 표시됩니다. 이 분석에서 우리는 주로 규제 T 세포(Tregs)가 클러스터 C1에서 풍부하고 C1의 환자가 주로 병리학적 단계 III 및 IV에 있음을 발견했습니다. 또한, C1 클러스터의 활성화된 NK 세포, CD8 + T 세포, T 여포 헬퍼 세포 및 M0 대식세포; C2 클러스터의 CD8 플러스 T 세포 및 T 소낭 헬퍼 세포; C3 클러스터에서 휴식 비만 세포, M2 대식세포, 휴식 기억 CD4 T 세포, 단핵구, 나이브 B 세포 및 M1 대식세포도 검출되었습니다(그림 4(b)).

CIBERSORT 외에도 다른 알고리즘 패키지를 사용하여 면역 침투 상태를 확인했습니다. MCP 분석의 계층적 열 지도는 그림 4(c)에 나와 있습니다. MCP 분석의 주요 결과는 클러스터 C1에서 누락된 클러스터 C3의 호중구 침윤 및 내피 세포 침윤이었습니다. 이 분석은 또한 클러스터 C3에서 NK 세포, 단핵구 계통 및 골수 수지상 세포 침윤을 밝혀냈습니다. 다른 면역 세포 집단은 3개의 분석된 클러스터에서 혼합되었습니다(그림 4(c)).

CIBERSORT 및 MCP 분석을 보완하기 위해 ssGSEA를 적용하여 R 패키지 GSVA에 구현된 면역 세포 유형에 대한 침투 수준을 정량화했습니다. 3개의 클러스터 데이터가 ssGSEA 패키지에 공급되었고 KIRC 샘플에서 28개의 면역 관련 세포 및 유형의 풍부함을 얻었습니다. 결과는 C1과 C2가 더 많은 면역 침윤을 가졌다는 것을 밝혔습니다. NK, 호중구 및 호산구를 포함한 일부 선천 면역 세포는 3개의 클러스터로 혼합되었습니다(그림 4(d)).

5. DEmGs 기반 예측 모델의 구축 및 검증.

마지막으로, 우리는 대사 유전자의 차별적 발현을 기반으로 예측 모델을 구성하고 검증했습니다. 전체 생존을 기반으로 DEmG의 면역 관련 위험 점수를 계산했습니다. 이를 위해 위험 점수의 상관 관계를 평가하기 위해 두 그룹을 고안했습니다. 하나는 훈련 코호트용이고 다른 하나는 테스트 코호트용입니다. 우리는 전체 생존율이 낮고 위험 점수 전체에 흩어져 있음을 발견했습니다(그림 5(a) 및 5(b)). 다음으로 중간 위험 점수에 따라 추가 평가를 위해 KIRC 환자를 고위험군과 저위험군으로 분류했습니다. 그런 다음 훈련 및 테스트 코호트에서 이 두 위험 그룹의 생존 분석을 수행했습니다. 예상대로 고위험군은 저위험군에 비해 생존율이 낮은 것으로 나타났다(그림 5(c) 및 5(d)). 또한 훈련 및 테스트 코호트를 위해 ROC 곡선 분석을 수행했습니다. 테스트 코호트에서 5년에 0.68의 ROC 점수를 관찰했으며 이는 KIRC의 예후를 예측하는 데 좋은 성능을 나타냅니다(그림 5(e) 및 5(f)). ROC 곡선 분석 외에도 LASSO COX 회귀 모델을 실행하여 부분 우도 편차(보충 그림 5(a)) 및 DEmG의 회귀 계수(보충 그림 5(b))로 표시된 예후 모델을 검증했습니다. 마지막으로 5개의 유전자(ABCG1, CRYL1, FDX1, PANK1 및 SLC44A)가 HR < 1인 잠재적인 예후 인자로 예측되었습니다(보충 그림 5(c)).

6. KIRC 진행의 기본 메커니즘.

KIRC 진행의 기본 메커니즘을 더 자세히 조사하기 위해 모든 클러스터 간에 차등 표현 분석을 수행하고 히트 맵 플롯을 활용하여 결과를 시각화했습니다(그림 6(a)). DEmG의 신호 경로를 확인하기 위해 세 클러스터에서 DEG의 KEGG 및 GO 농축 분석을 수행했습니다. 요컨대, 이러한 결과는 세 클러스터의 DEG가 클러스터 C3 및 미네랄 흡수를 위한 초점 접착, Foxo 신호 경로 및 Apelin 신호 경로, 호중구 세포외 트랩 형성 및 클러스터 C2에 대한 포도상구균 감염에서 주로 풍부하다는 것을 보여주었습니다(그림 6 (비)). 또한 DEG의 GO 기능 분석은 그림 6(c)에 표시된 MF, CC 및 BP 관련 온톨로지를 발견했습니다. 흥미롭게도, 차등 발현 분석은 3개의 클러스터에서 유전자 조절의 비정상적인 행동을 드러냈다. 대부분 NUDT1은 생존율이 가장 낮은 C1에서 높게 발현되었다. 추가 조사에서 NUDT1 발현이 C1에서 C3으로의 진행을 통해 상당히 하향 조절되었음을 밝혔습니다(그림 6(d)). 더욱이, NUDT1은 KIRC 종양 샘플에서 상향조절되는 것으로 밝혀졌다(도 6(e)). 다음으로, 우리는 각 종양의 단계에서 NUDT1 발현을 강조했습니다(그림 6(f)). Kaplan-Meier 플로터에 의해 전체 생존 분석도 수행되었으며 NUDT1의 발현이 더 높은 환자는 전체 생존이 더 나빴습니다(HR= 1:82(1.34–2.48), 로그 순위 p{{27} }:00012) (그림 6(g)).

마지막으로 NUDT1과 상호 작용하는 유전자에 대해 KEGG 및 GO 기능 강화 분석을 수행했습니다. 유전자는 NUDT1과 양의 상관 관계가 있고 NUDT1과 음의 상관 관계가 있는 두 그룹으로 나뉘었습니다. KEGG 경로 분석은 리보솜 경로, 헌팅턴병, 근위축성 측삭 경화증 및 알츠하이머병에서 양의 상관관계가 있는 유전자가 주로 풍부하다는 것을 보여주었습니다. 한편, 음의 상관 관계가 있는 유전자는 주로 B형 간염 및 Foxo 신호에서 풍부했습니다(그림 6(h)). 또한 양성 및 음성 상관 유전자에 대한 세 가지 그룹 MF, CC 및 BP의 GO 온톨로지가 그림 6(i)에 나와 있습니다. 또한, 우리는 NUDT1의 발현이 면역 세포의 침윤(보충 그림 6) 및 KIRC 환자의 다양한 임상 특징과 높은 상관관계가 있음을 발견했습니다(표 1).

Cistanche 보충제

7. NUDT1의 손실은 신장암 세포 증식 및 이동을 억제합니다.

다음으로 우리는 KIRC 조직과 관련 정상 조직에서 NUDTI의 발현 수준을 비교하여 NUDT1이 KIRC 조직에서 높게 발현됨을 밝혔습니다(그림 7(a)). 또한, 우리는 siRNA 매개 억제를 사용하여 신장 암 세포주에 대한 NUDT1 손실의 영향을 확인했습니다. NUDT1은 2개의 세포주 786-O 및 ACHN에서 siRNA 녹다운의 표적이 되었고 NUDT1 mRNA 수준은 qPCR 분석에 의해 입증된 바와 같이 성공적으로 억제되었습니다(그림 7(b)). NUDT1의 siRNA-매개 녹다운 후, 세포 생존능 검정은 두 세포주 모두에서 감소된 세포 생존능을 보여주었다(도 7(c) 및 7(d)). 그 후, NUDT1의 녹다운 시 세포 이동 분석은 NUDT1-고갈된 786-O 및 ACHN 세포에서 유의하게 감소된 세포 이동을 보였다(도 7(e) 및 7(f)). 786-O 세포의 이동 능력은 약 50%로 감소했으며, NUDT1 녹다운 시 ACHN 세포에서 70% 감소가 관찰되었습니다(그림 7(f)). 세포 침입은 또한 NUDT1 유전자가 녹다운되었을 때 두 세포주 모두에서 억제되었습니다(그림 7(g) 및 7(h)). 마이그레이션을 보완하기 위해 786-O 및 ACHN 세포주에서 NUDT1이 고갈되었을 때 상처 치유 분석을 수행했으며 NUDT1이 부족한 두 세포주에서 상처 치유 능력이 감소한 유사한 결과를 관찰했습니다(그림 7(l)- 7(n)). 이러한 결과를 바탕으로 우리는 NUDT1의 손실이 신장암 세포에서 세포사멸을 유발할 수 있다는 가설을 세웠습니다. 따라서 우리는 NUDT1의 침묵시 세포사멸 세포의 백분율을 측정했습니다. 흥미롭게도, 우리는 NUDT1- 고갈된 세포에서 세포사멸 세포의 비율이 상당히 증가한다는 것을 발견했습니다(그림 7(i)-7(k)).

논의

신장 투명 세포 암종(KIRC)은 전 세계적으로 가장 많이 발생하는 암 중 하나이며 일반적으로 종양이 충분히 커질 때까지 초기 증상을 보이지 않습니다. 따라서 사망률은 상대적으로 높습니다 [18–20]. 따라서 KIRC의 발암성을 조사하고 조기 진단을 위한 유용한 바이오마커를 발굴하는 것이 필요하다. 그러나 지금까지 KIRC의 병인 및 발암에 대한 제한된 지식이 확립되어 있습니다. 또한, 임상 실습을 위한 분자 마커가 많이 검증되지 않았습니다. 고급 처리량 시퀀싱 및 생물정보학 기술을 통해 효과적인 바이오마커를 선택할 수 있습니다[21]. 500개 이상의 KIRC 사례에 대한 RNA 시퀀싱 데이터 및 임상 주석은 TCGA 데이터베이스에서 무료로 사용할 수 있습니다. TCGA에서 무료로 사용할 수 있는 이 데이터를 활용하여 종양 조직과 정상 조직 샘플에서 차등적으로 발현된 대사 유전자에 대한 RNA 시퀀스 데이터를 분석했습니다. 상향 조절 및 하향 조절된 유전자 중에서 상위 10개의 차등적으로 발현된 대사 유전자(DEmG)를 확인했습니다. 우리는 대사 유전자가 KIRC에서 다양한 기능을 가지고 있다고 믿습니다. 여전히 적절한 진단 및 치료 마커를 찾는 것은 다양한 기능을 가진 유전자 풀에서 어려운 일이 될 수 있습니다.

이전 연구에서는 여러 암의 종양 미세 환경에서 면역 세포 침윤을 추정했습니다. TCGA에서 얻은 KIRC 샘플의 데이터에서 종양 면역 세포와 혈관 신생 사이의 관계를 연구했으며 RFX2, SOX13 및 THRA가 KIRC 환자의 혈관 신생 신호를 조절하는 상위 3개 MTF로 확인되었습니다[4]. 또한 두 개의 독립적인 m6A 변형 패턴이 생물학적 기능, 면역학적 특성 및 KIRC의 예후를 제어합니다[22]. Autophagy 관련 단백질 5(ATG5)는 KIRC를 포함한 여러 암의 진행과 관련이 있습니다[23]. 현재 분석에서 PBRM1, SET2, VHL 및 BAP1을 포함하여 차등적으로 발현된 일부 유전자는 KIRC 데이터에서 대사 경로와 유의한 상관관계를 보였다. 추가 심층 조사를 위해 DEmG를 기반으로 환자를 클러스터링했습니다. 군집 1은 다른 군집에 비해 전체 생존율이 더 나빴습니다. 어쨌든 클러스터 3의 KIRC 환자는 클러스터 1과 2에 비해 종양 단계가 진행되었고 림프절(N1이 더 높음)이 높아 클러스터 3에서 암 전이와 종양의 확장을 보여줍니다. 이는 더 적은 수의 대사 유전자를 나타냅니다. 암 전이와 관련된 클러스터에서.

또한, 다른 클러스터의 면역 침윤 점수는 간질 및 면역 분류에서 높은 점수를 가진 C1을 보여줍니다. 주목할 만한 것은 병리학적 단계 III 및 IV의 C1 환자는 CD8 플러스 T 세포, T 여포 보조 세포 및 대식세포와 함께 T 세포의 높은 침윤을 보입니다. Treg도 풍부합니다. Treg는 면역 관용과 항상성에 중요한 역할을 합니다[24]. 결장암, 유방암 및 췌장암과 같은 많은 암에서 Treg의 비율 증가는 암의 불량한 예후와 관련이 있습니다[25, 26]. M0 대식세포는 세포의 침입과 증식을 유도하며[27] 대식세포의 증가된 수준은 RCC에서 나쁜 예후와 관련이 있습니다[28]. 마찬가지로 CD8 + T 세포는 주요 항종양 세포로 알려져 있으며 암에 대한 표적 면역 세포 치료를 위한 최고의 선택입니다[29]. C1은 다른 클러스터보다 CD8 + T 세포의 침투가 가장 높지만 전체 생존율이 가장 낮습니다.

허바 씨스탄체

우리는 KIRC 종양 미세 환경에서 면역 세포 침윤을 연구하기 위해 CIBERSORT, MCP 및 ssGSEA의 세 가지 방법을 사용했습니다. 종양 면역 침윤을 측정하는 전통적인 방법은 개별 마커의 면역조직화학에 의해 유추되는 조직 섹션 및 면역 하위 집합에 대한 조직학을 통하는 것입니다. 그러나, 면역조직화학이 많은 면역 집단을 식별할 수 없고 기능적 표현형(예: 활성화된 림프구 대 휴식 중인 림프구)을 포착하는 데 제대로 수행되지 않는 몇 가지 제한 사항이 있습니다. 따라서 우리는 면역조직화학이 직면한 문제를 해결하기 위해 [30]에서 개발한 전산 접근법인 CIBERSORT를 활용했습니다. CIBERSORT 외에도 다른 알고리즘 패키지를 사용하여 면역 침투 상태를 확인했습니다. 이것은 CIBERSORT가 종양 미세 환경에서 침윤 세포의 샘플 간 비교를 가능하게 하는 풍부한 세포 집단을 추정할 수 있는 MCP-카운터와 같은 다른 패키지에 의해 분석될 수 있는 면역 세포 집단의 샘플 내 비율만을 측정하기 때문입니다[31]. CIBERSORT 및 MCP 분석을 보완하기 위해 ssGSEA를 적용하여 R 패키지 GSVA에 구현된 면역 세포 유형에 대한 침투 수준을 정량화했습니다[32, 33]. GSA는 게놈의 다른 모든 유전자에 비해 유전자의 관심 목록에 대한 과발현을 계산하는 순위 기반 방법입니다. CIBERSORT는 다른 두 가지 방법에 비해 더 나은 결과를 보였다. 따라서 CIBERSORT에서 얻은 데이터에서 추가 분석을 수행했습니다.

또한 RNA-seq 데이터를 기반으로 한 차등 발현 분석을 통해 KIRC 진행의 기본 메커니즘에 중점을 두었습니다. 전반적으로, 우리는 3개의 군집 중에서 공통 유전자의 비정상적 차별적 발현을 목표로 삼았습니다. 대부분의 유전자는 C1에서 NUDT1을 제외하고 하향 조절되었습니다. 그러나 그 발현은 C1에서 C3로의 진행을 통해 상당히 하향 조절되었습니다. 따라서 NUDT1은 KIRC 진행에서의 역할에 대해 추가로 검증되었습니다. 2개의 KIRC 세포주(786-O 및 ACHN)에서 NUDTI 유전자 발현의 siRNA 매개 억제는 세포 생존력 및 세포 이동을 감소시켰고 세포사멸을 증가시켰으며, 이는 종양 진행에서의 역할을 확인시켜줍니다. 이전에는 NUDT1 발현 수준이 HCC 환자에서 종양 등급, 병기, 크기, 분화, 혈관 침윤 정도, 전체 생존(OS) 및 무병 생존(DFS)과 상관관계가 있다고 보고되었으며, 또한 다음과 같이 예측됩니다. HCC 환자에서 치료 가능성이 있는 예후 마커[34]. 폐동맥 고혈압에서 NUDT1을 과발현하면 산화 스트레스와 DNA 손상이 감소하여 세포 증식이 촉진되고 세포 사멸이 감소합니다[35]. NUDT1 발현이 높은 구강편평세포암종(OSCC) 환자는 생존율이 낮은 것으로 나타났다[36]. 암에서 NUDTI의 역할에 대한 문헌이 충분하지 않고 지금까지 KIRC에서 NUDTI의 역할을 보고한 연구가 없기 때문에 KIRC 진행에서 NUDTI의 역할을 처음으로 보고합니다. 현재 연구에는 몇 가지 제한 사항이 있습니다. 우리의 연구에서 서명이 KIRC의 면역 요법과 관련이 있을 수 있음을 발견했지만 데이터 부족, 잠재적인 기본 메커니즘 및 KIRC 및 임상 실습에서 NUDT1의 기능적 역할로 인해 서명의 효능을 검증할 수 없었으며 임상 실습은 추가 탐색이 필요합니다.

Cistanche tubulosa

결론

우리는 정상 조직과 종양 조직 사이의 조절 장애 대사 유전자를 스크리닝하고 그 기능을 탐구했습니다. WGCNA 분석은 KIRC의 생존 상태와 상관관계가 있는 유전자 그룹을 확인했습니다. 생존 관련 유전자를 기반으로 한 합의 클러스터링은 생존율과 면역 침윤 패턴이 다른 세 개의 클러스터를 보여주었습니다. NUDT1은 생존과 음의 상관관계가 있었고 추가 분석에서 NUDT1의 녹다운이 종양 세포의 증식과 이동을 억제한다는 것이 밝혀졌습니다. 특히 KIRC의 생존 예측에 높은 효율성을 보인 생존 관련 유전자를 기반으로 예측 모델을 구축하였다. 결론적으로 우리는 KIRC의 대사 유전자에 대한 철저한 분석을 수행하여 NUDT1을 치료 및 예후 표적으로 사용할 수 있는 발암 유전자로 확인했습니다.

신장 투명성에 대한 Cistanche 추출물의 효과

Cistanche가 신장 투명성에 미치는 영향에 대한 과학적 증거는 제한적입니다. 그러나 일부 연구에서는 Cistanche 추출물이 신장 건강에 긍정적인 영향을 미칠 수 있다고 제안합니다.

신장은 신체의 노폐물과 독소를 걸러내는 역할을 하며 신장의 건강은 전반적인 웰빙에 필수적입니다. 연구에 따르면 Cistanche 추출물은 강력한 항산화 및 항염증 특성을 가지고 있어 신장의 산화 스트레스와 염증으로부터 보호할 수 있습니다.

중국 전통 의학에서 Cistanche는 신장을 강화하고 기능을 향상시키는 데에도 사용됩니다. 일부 개업의는 Cistanche 추출물을 정기적으로 섭취하면 신장 투명성을 개선하는 데 도움이 될 수 있다고 생각하지만 이 주장은 강력한 임상 연구에 의해 뒷받침되지 않습니다.

따라서 신장 투명성에 대한 Cistanche 추출물의 잠재적 이점을 완전히 이해하려면 더 엄격한 연구가 필요합니다. 그럼에도 불구하고 모든 식이 보조제 또는 대체 요법과 마찬가지로, 특히 기존 질병이 있는 경우 식단에 새로운 첨가물을 추가하기 전에 의료 전문가와 상담하는 것이 중요합니다.

참조

[18] RL Siegel, KD Miller, A. Jemal, "암 통계, 2019," CA: 임상의를 위한 암 저널, vol. 69, 아니. 1, 7-34페이지, 2019.

[19] RL Siegel, KD Miller, HE Fuchs 및 A. Jemal, "암 통계, 2021," CA: 임상의를 위한 암 저널, vol. 71, 아니오. 1, 2021년 7~33쪽.

[20] JC Angulo 및 O. Shapiro, "전이성 신장암의 변화하는 치료 환경", Cancers, vol. 11, 아니. 9, p. 1227년, 2019년.

[21] AK Sharma, "바이오마커 발견의 새로운 경향: 암 예후 및 예측의 용이성," Seminars in Cancer Biology, vol. 52, 파트 1, pp. iii–iv, 2018.

[22] H. Li, J. Hu, A. Yu 등, "N6- 메틸아데노신의 RNA 변형은 신장 신장 투명 세포 암종에서 면역 표현형 및 치료 기회를 예측합니다." Frontiers in Oncology, vol. 11, 기사 642159, 2021.

[23] C. Xu, Y. Zang, Y. Zhao, et al., "종합 전암 분석 결과 ATG5가 종양 대사 유지와 종양 면역 탈출을 촉진함을 확인했습니다." Frontiers in Oncology, vol. 11, 기사 652211, 2021.

[24] Y. Takeuchi 및 H. Nishikawa, "암 면역에서 조절 T 세포의 역할", International Immunology, vol. 28, 아니. 8, 401–409 페이지, 2016.

[25] C. Zhuo, Y. Xu, M. Ying, et al., "FOXP3 + Treg: 대장암 환자의 생존 결과에 대한 이기종 표현형 및 상충되는 영향", Immunologic Research, vol. 61, 아니. 3, 338~347쪽, 2015.

[26] H. Wang, F. Franco 및 PC Ho, "암에서 Treg의 대사 조절: 면역 요법 기회", Trends Cancer, vol. 3, 아니오. 8, pp. 583–592, 2017.

[27] BZ Qian 및 JW Pollard, "대식세포 다양성은 종양 진행 및 전이를 향상시킵니다." Cell, vol. 141, 아니오. 1, 39~51페이지, 2010.

[28] A. Hajiran, N. Chakiryan, AM Aydin, et al., "전이성 신장 세포 암종에서 종양 면역 미세환경 공간적 이질성의 정찰 및 면역요법 반응과의 상관관계", Clinical and Experimental Immunology, vol. 204, 아니오. 1, pp. 96–106, 2021.

[29] B. Farhood, M. Najafi 및 K. Mortezaee, "암 면역 요법의 CD8( 플러스 ) 세포독성 T 림프구: 검토," Journal of Cellular Physiology, vol. 234, 아니오. 6, pp. 8509–8521, 2019.

[30] AM Newman, CL Liu, MR Green 등, "조직 발현 프로필에서 세포 하위 집합의 강력한 열거", Nature Methods, vol. 12, 아니. 5, 페이지 453–457, 2015.

[31] E. Becht, NA Giraldo, L. Lacroix, et al., "유전자 발현을 사용하여 조직 침윤 면역 및 간질 세포 집단의 집단 풍부도 추정", Genome Biology, vol. 17, 아니. 1, p. 218, 2016.

[32] DA Barbie, P. Tamayo, JS Boehm, et al., "조직적 RNA 간섭은 발암성 KRAS 유발 암에 TBK1이 필요함을 보여줍니다." Nature, vol. 462, 아니. 7269, pp. 108–112, 2009.

[33] S. Hanzelmann, R. Castelo 및 J. Guinney, "GSVA: 마이크로어레이 및 RNA-seq 데이터에 대한 유전자 집합 변이 분석", BMC Bioinformatics, vol. 14, 아니. 2013년 1월 1일.

[34] Q. Ou, N. Ma, Z. Yu et al., "Nudix hydrolase 1 is a prognostic biomarker in hepatocellular carcinoma," Aging, vol. 12, 아니. 8, pp. 7363–7379, 2020.

[35] G. Vitry, R. Paulin, Y. Grobs, et al., "NUDT1에 의한 산화된 DNA 전구체 정화는 폐동맥 고혈압의 혈관 리모델링에 기여합니다." American Journal of Respiratory and Critical Care Medicine, vol. 203, 아니오. 5, pp. 614–627, 2021.

[36] Y. Shen, L. Zhang, S. Piao, et al., "NUDT1: 구강 편평 세포 암종 환자의 예후에 대한 잠재적 독립 예측자", Journal of Oral Pathology & Medicine, vol. 49, 아니. 3, 210~218페이지, 2020.

Junwei Xie,1,2,3,4,5 Lingang Cui,6 Shaokang Pan,1,2,3,4,5 Dongwei Liu,1,2,3,4,5 Fengxun Liu,1,2,3,4 ,5 및 Zhangsuo Liu 1,2,3,4,5

중국 정저우 450052 정저우대학교 제1부속병원 신장내과 1

2 중국 정저우 450052 정저우 대학교 신장학 연구소

3 신장 질환 연구 센터, 정저우, 450052 허난, 중국

4 중국 정저우 450052 허난성 만성 신장 질환 정밀 진단 및 치료 핵심 연구소

중국 정저우 450052 신장 질환 국립 임상 의학 연구 센터의 5 핵심 단위

6 중국 정저우 450052 정저우대학교 제1부속병원 비뇨기과