使用Chrome浏览器效果最佳,继续浏览,你可能不会看到最佳的展示效果,

确定继续浏览么?

复制成功,请在其他浏览器进行阅读

上调的miR-452-5p抑制RORα的表达并促进肝癌细胞的增殖和迁移

  • 史政科
  • 陈佩佩
  • 张怡轩
  • 魏杰
  • 杜亚楠
  • 柳晓泉
中国药科大学药物代谢动力学研究中心,南京 211198

中图分类号: Q789R965

最近更新:2022-06-28

DOI:10.11665/j.issn.1000-5048.20220310

  • 全文
  • 图表
  • 参考文献
  • 作者
  • 出版信息
EN
目录contents

摘要

为了探究肝细胞癌中miR-452-5p对患者预后生存的影响及其对肝癌细胞增殖、迁移的作用。采用肿瘤基因组图谱(TCGA)数据库中肝细胞肝癌数据集对miR-452-5p进行差异表达分析和Kaplan-Meier生存分析。采用TargetscanHuman和miRDB靶基因数据库对miR-452-5p靶基因进行预测;采用基因差异表达分析和加权基因共表达网络分析(WGCNA)的方法对数据集GSE14520进行分析计算。用Lipofectmine-2000将miR-452-5p模拟物、模拟物阴性对照和miR-452-5p抑制剂、抑制剂阴性对照分别转染到Huh7细胞中。分别采用RT-qPCR和Western blot实验,检测4组细胞中RORα在mRNA和蛋白水平上的表达情况。采用CCK-8、Transwell实验,检测4组细胞的增殖活力以及迁移能力。双荧光素酶报告基因实验验证Huh7细胞中miR-452-5p与RORα的调控关系。经TCGA数据分析,miR-452-5p在肝癌组织中高表达且显著影响患者预后总生存期。通过miRNA靶基因预测、基因差异表达分析、WGCNA分析,筛选出关键基因RORα和LAMC1。通过Kaplan-Meier生存分析得知RORα的异常表达显著影响肝癌患者的预后总生存期。肝癌细胞中miR-452-5p的过表达,会降低RORα的mRNA和蛋白表达,同时增强肝癌细胞的增殖能力和迁移能力。双荧光素酶报告基因实验结果证实了miR-452-5p靶向RORα的3′UTR区。在肝细胞癌患者中高表达的miR-452-5p靶向抑制了RORα的表达,促进了肝癌细胞增殖和迁移,进而加剧了肝癌的进展和预后不良。

根据2018年全球癌症统计数据显示,肝癌已经成为世界第二大癌症死亡原

1。肝细胞癌(hepatocellular carcinoma,HCC)是原发性肝癌的一种,其占比超过80%2。在不同风险诱因下,肝细胞癌的病因也不尽相同,其中HBV、HCV感染仍是主要诱3-6,非酒精性脂肪肝病占比呈增加趋7。肝细胞癌在分子水平具有高度异质性,其发病机制尚不明晰,且缺乏临床广泛认可的生物标志8,这造成了肝细胞癌早期诊断难,晚期治疗手段有限的困境。因此,研究HCC在分子水平上影响疾病发生、发展的机制,对寻找临床诊断相关的标志物、提供新的治疗方法具有重要意义。

miRNA是非编码RNA(non-coding RNA,ncRNA)家族的成员之一,通常由19 ~ 25个左右的核苷酸组成,其主要通过调节基因转录后水平的表达,进而广泛参与到细胞各个生命过程

9-10。在哺乳动物中,miRNA控制着50%的蛋白编码基因的表11,这表明miRNA的表达水平会影响人类代谢与疾病的相关通路,同时与肿瘤发生、发展和转移显著相12。现如今,诸多研究表明miR-452-5p的异常表达影响到多种肿瘤的生物学进程。Lin13研究表明,miR-452-5p通过调控ERK/MAPK通路促进结直肠癌进展。Zhai14等报道miR-452-5p在肾细胞癌中的过表达通过抑制SMAD4/SMAD7通路,加剧肾癌细胞的迁移和侵袭。在HCC 相关研究中,Zheng15报道miR-452-5p在肝细胞癌细胞中通过靶向CDKN1B,改变了细胞周期,进而促进肿瘤的发生。目前,在HCC中miR-452-5p的异常表达与HCC患者预后生存的关系,及其对肿瘤进展、预后相关的调控机制还有待进一步研究。

本研究将结合靶基因预测数据库TargetscanHuman 和miRDB,组学数据库Gene Expression Omnibus(GEO)、肿瘤基因组图谱(The Cancer Genome Atlas,TCGA)和The Genotype-Tissue Expression(GTEx),运用miRNA靶基因预测、基因差异表达分析、加权基因共表达网络分析(weight gene co-expression net analysis, WGCNA)等生物信息学方法,分析miR-452-5p在HCC中的差异表达对患者预后生存的影响,进一步筛选出miR-452-5p影响患者预后总生存(overall survival,OS)的靶标基因。并在肝癌细胞中探究miR-452-5p对该靶基因的调控,及其过表达对肝癌细胞增殖、迁移的影响。

1 材 料

1.1 数 据

GEO 数据库(http://www.ncbi.nlm.nih.gov/GEO/)中筛选并下载带有HCC患者临床信息的数据集GSE14520。GSE14520数据集包括美国国家癌症研究所的445个样本的基因表达数据谱,样本包含225例肝癌组织和220例正常肝组织。在TCGA数据库(http://portal.gdc.cancer.gov/)中,获取肝癌患者转录组测序(第3级)的表达谱数据集,包括373例肝癌组织和50例正常组织样本。226个健康肝组织样本的mRNA表达数据均来自GTEx V8版本(http://gtexportal.org/home/datasets)。

1.2 试 剂

DMEM高糖培养基和胎牛血清(美国Gibco公司);青霉素-链霉素双抗、Trizol RNA提取试剂、逆转录试剂盒、Hieff® qPCR SYBR Green Master Mix(low Rox)、β-actin抗体、过氧化物酶标记山羊抗兔IgG二抗(上海翌圣生物科技有限公司);胰蛋白酶(江苏凯基生物技术公司);miR-452-5p模拟物(miR-452-5p mimics)、miR-452-5p抑制剂(miR-452-5p inhibitor)、模拟物阴性对照(mimics negative control,mimics NC)、抑制剂阴性对照(inhibitor negative control,inhibitor NC)(广州锐博生物技术公司);Lipofectmine-2000转染试剂(美国Thermo公司);miR-452-5p特异性逆转录引物、miR-452-5p、U6、RORα和GAPDH的扩增前引物及后引物(北京擎科生物公司);RIPA细胞裂解液、一抗稀释液、封闭液、双荧光素酶报告基因试剂盒(江苏碧云天生物科技有限公司);RORα抗体(中国Proteintech公司); RORα野生型(Wt)和突变型(Mut)荧光质粒,分别向GP-pmirGLO克隆载体的SacI/XhoI克隆位点插入RORα-hsa-miR-452-5p wt和RORα-hsa-miR-452-5p mut基因序列得到,质粒抗性是Ampicillin(上海吉玛基因有限公司);其他试剂均为市售分析纯。

1.3 仪 器

二氧化碳培养箱、QuantStudio3实时荧光定量PCR系统(美国Thermo公司);VersaMax(美国Molecular Devices公司);电泳仪、转膜仪(美国Bio-Rad公司);多功能凝胶成像系统(中国Tanon公司);倒置荧光显微镜(日本Olympus公司);SynergyTM H1全功能微孔板检测仪(美国伯腾有限公司)。

1.4 细 胞

人肝细胞癌细胞Huh7细胞株购自中国科学院细胞库。

2 方 法

2.1 miR-452-5p的生存分析和临床样本验证

在TCGA肝细胞肝癌(liver hepatocellular carcinoma,LIHC)患者数据中剔除miR-452-5p缺失的样本,进行差异表达分析。根据miR-452-5p的表达水平,将具有完整临床信息的HCC患者以三分位点划分为高表达组(前33%)和低表达组(后33%),运用R语言中的Survminer和Survival包,对两组患者的OS进行Kaplan-Meier生存分析(显著标准为P < 0.05)。基于TCGA第三级转录组表达谱数据,纳入具有完整miRNA表达数据的371例肝癌组织样本和50例正常肝组织样本作为分析对象,通过R包ggplot2和ggsignif对miR-452-5p在肝癌组织和正常组织进行差异表达验证分析。

2.2 miR-452-5p靶基因预测

从TargetscanHuman

16和miRDB数据17获取miR-452-5p的预测靶基因集,将miRBD数据库中靶向得分(Target Score)前50%的基因与TargetscanHuman数据库所预测的miR-452-5p靶基因进行交集运算,得到miR-452-5p的交集靶基因集合。

2.3 GSE14520差异表达分析和加权基因共表达网络分析

利用R语言中的edgeR和limma包对GSE14520数据集的基因表达矩阵进行标准化后再进行差异分析。筛选差异表达基因的标准为|log2 (fold change)| >1且P < 0.05,在此标准下得到差异表达基因(Differentially Expressed Genes, DEGs)集合。

GSE14520数据集中全部225个肿瘤患者样本,以聚类树上限高度120,下限高度20的标准剔除离群样本后,得到209个具有完整临床信息的肝细胞癌患者样本,以209个患者样本中变异系数前5 000的基因组成新的基因表达矩阵,进行WGCNA分析。运用R语言中WGCNA

18,使用一步法进行共表达网络的构建,并设定单个模块最低基因数为30。计算构建网络的软阈值β,再根据设定的软阈值得到邻接矩阵。邻接矩阵被转化为一个拓扑重叠(topological overlap matrix,TOM)矩阵,利用该矩阵进一步计算表达模式相近的基因,进而组合成表达模式不同的模块。计算出代表整个模块表达模式的模块特征基因(module eigengene,ME)。将患者的临床表征信息和ME进行相关性计算,找出对临床表征有显著影响的关键模块,并提取出关键模块中的ME以待后续分析。

2.4 确定临床相关的miR-452-5p的异常靶基因并验证

运用R语言中intersect函数对上述差异表达基因集合、交集靶基因集合、关键模块基因集合进行交集运算,筛选出异常表达且显著影响临床表征的miR-452-5p靶标基因。通过整合TCGA中LIHC数据集和GTEx中正常肝组织转录组数据,得到具有完整mRNA表达数据的371例肝癌组织与276例正常组织组成的counts矩阵样本,再根据RNAseqDB包的流程计算得到特征counts矩阵,使用combat函数进一步校正批次效应,在校正后的矩阵中对筛选出的关键靶基因进行差异表达验证分析。根据TGCA中LIHC数据集中的关键基因的表达水平,以三分位点为分割点将患者分成高、低表达组进行生存分析。

2.5 细胞培养及转染

用含有10%胎牛血清和1%的青霉素和链霉素的DMEM高糖培养基培养Huh7细胞,并置于5% CO2且37 ℃恒温的孵箱中。选择生长对数期细胞进行转染,按照Lipofectmine-2000转染试剂的说明,将miR-452-5p模拟物阴性对照、miR-452-5p模拟物、miR-452-5p抑制剂阴性对照、miR-452-5p抑制剂分别转染Huh7细胞,得到相应的4组转染细胞,以不同的转入物质分组、命名。

2.6 miR-452-5p对靶基因调控的实验验证

收取培养48 h后的4组转染细胞,分别进行实时荧光定量PCR(RT-qPCR)和免疫蛋白印迹(Western blot)实验,验证miR-452-5p的转染效率并分析4组转染细胞中靶基因在mRNA水平和蛋白水平表达量的变化。用Trizol试剂提取4组细胞中的总RNA,将总RNA 1 μg逆转录为cDNA,cDNA经过QuantStudio3系统扩增为目的基因片段,分别以U6和GAPDH作为内参,采用2-ΔΔCt法计算miR-452-5p和靶基因的相对表达量。

用含有1%PMSF的蛋白裂解液(RIPA)裂解培养48 h后的4组转染细胞,经BCA法蛋白定量后,取蛋白20 μg在10% SDS-PAGE胶上进行分离,湿转法将胶上的蛋白转移到PVDF膜上,封闭液封闭2.5 h,分别用兔抗RORα(1∶3 000稀释)和兔抗β-actin(1∶2 000稀释)一抗4 ℃孵育过夜。次日经TBST洗膜3次,每次10 min,室温孵育二抗(1∶4 000稀释)1 h,再经TBST洗膜3次,每次5 min,使用ECL发光液显色,用Tannon Image J软件对蛋白灰度进行半定量分析。

2.7 CCK-8和Transwell实验

利用CCK-8法检测4组转染Huh7细胞的增殖能力,将转染后的4组细胞按照每孔3 × 103个接种于96孔板中。在培养0,24,48,72,96 h后,向每孔加入含有CCK-8试剂10 μL的反应体系,37 ℃孵育2 h,在450 nm处测定反应后体系的吸收度。

Transwell实验中,将4组转染细胞以每孔1 × 105个细胞的数量分别接种到含有聚碳酸酯膜且孔径为8 μm,直径约6.5 mm的转染小室的上层,向上层加入无血清培养基200 μL,将小室置于24孔细胞培养板中,小室下层每孔加入含有10%胎牛血清的培养基650 μL。培养48 h后,小室上下层的细胞经90%甲醇固定15 min,再用0.1%的结晶紫溶液染色20 min,棉签擦去上层细胞,用相差显微镜观察并拍照记录穿膜并附于下层的细胞,ImageJ软件用于细胞计数。

2.8 双荧光素酶报告基因实验

将miR-452-5p模拟物阴性对照、miR-452-5p模拟物、miR-452-5p抑制剂阴性对照、miR-452-5p抑制剂分别和RORα Wt荧光质粒、RORα Mut荧光质粒共转染到Huh7细胞中,共转染48 h后,按照双荧光素酶报告基因试剂盒的说明书测定荧光强度。

2.9 数据统计分析

生物信息学分析部分的数据处理由R语言完成。实验部分的数据均在GraphPad Prism 8.0进行统计分析,结果以x¯±s表示,P < 0.05被认为有显著性差异,P < 0.01被认为有极显著差异。

3 结 果

3.1 miR-452-5p差异表达的分析及其对肝细胞癌预后总生存期的影响

结合TCGA中肝癌患者转录组数据,剔除一例miR-452-5p缺失样本后,观察到miR-452-5p在372例肝癌组织中表达量显著高于50例正常肝组织(图1-A)。根据miR-452-5p的表达水平,将具有完整生存信息的361例肝癌患者以三分位点划分成上三分位的高表达组(119例)和后三分位的低表达组(119例),如图1-B所示,miR-452-5p的表达量与肝细胞癌患者预后总生存时间显著相关(P = 0.012),说明miR-452-5p的过表达预示着患者存在较短的预后生存时间。

  

Figure 1  Expression level of miR-452-5p in The Cancer Genome Atlas-Liver Hepatocellular Carcinoma (TCGA-LIHC) dataset and Kaplan-Meier survival analysis

A: Boxplot showed the expression level of miR-452-5p in TCGA-LIHC dataset (***P < 0.001); B: Survival plot of miR-452-5p between high expressed group and low expressed group

3.2 确定miR-452-5p的预测靶基因集合

基于miRDB数据库中预测的靶标得分,取排名前50%(得分大于75)的miR-452-5p预测靶基因,得到一个包括299个基因的集合。从TargetscanHuman数据库,得到包含342个基因标签的miR-452-5p预测靶基因集合。将两个预测靶基因集进行交集运算,最终得到一个含有99个基因标签的靶基因交集。

3.3 从GSE14520中寻找DEGs和临床相关的基因共表达模块(module)

通过对比12 399个基因在肝细胞癌组织和正常肝组织中的表达,在|log2 (fold change)| > 1且P < 0.05的标准下,共找到916个异常表达的基因,其中有573个基因表达高于正常组织,343个基因表达低于正常水平(图2)。

  

Figure 2  Volcano plot of differentially expressed genes (DEGs) in GSE14520

从GSE14520数据集中225例肝细胞癌患者样本中,经筛选纳入209例患者的变异系数前5 000的基因组成新的表达矩阵,进行WGCNA分析,确定与患者临床表征相关的基因共表达模块。当无尺度拟合指数R2定为0.9时,通过计算得到最佳软阈值β = 6,并得到邻接矩阵和TOM矩阵。通过R语言中WGCNA包,运用一步法建立基因共表达网络,并确定13个不同的基因共表达模块(图3-A)。然后,计算每个模块的特征基因与不同的临床表征之间的相关性。通过模块-特征热图(图3-B),看到MEtuquoise模块与肿瘤大小、TNM分期、BCLC分期、甲胎蛋白含量、生存时间、复发状态等临床表征都有较强的相关性。这预示着MEturquoise模块基因的表达模式对肝细胞癌的进展和预后状态的影响权重最高。

  

Figure 3  Weight gene co-expression net analysis (WGCNA) of GSE14520

A: Cluster dendrogram confirmed 13 different co-expression modules; B: Heatmap of correlation between 13 modules and clinical traits

3.4 确定影响肿瘤进展及预后的miR-452-5p靶基因

图4中,miR-452-5p_target、GSE14520_DEGs、Turquoise分别代表了含有99个基因标签的miR-452-5p预测靶基因集、GSE14520差异表达基因集和肝细胞癌预后相关的共表达模块基因集,三者交集运算后得到两个关键靶基因LAMC1和RORα。图5验证了LAMC1和RORα在TCGA-GTEx数据集中的异常表达。根据LAMC1和RORα的表达量将肝癌患者以三分位点各自划分成高表达组118例和低表达组118例,经过Kaplan-Meier生存分析,发现LAMC1的表达量与患者预后生存时间没有显著性关联,而RORα过低的表达则显著影响了HCC患者的预后总生存,RORα表达量低的患者通常预后较差(图6)。据以上结果推断,与肝细胞癌患者预后生存显著相关的miR-452-5p,在肝癌组织的过表达可能通过靶向RORα,降低其表达,从而加剧肝癌进展和患者的预后不良。

  

Figure 4  Identification of dysregulated and clinical-related miR-452-5p target genes from three gene sets

  

Figure 5  Validation of abnormally expressed LAMC1 and RORα

A: Boxplot of LAMC1 expression in The Cancer Genome Atlas-The Genotype-Tissue Expression (TCGA-GTEx) dataset; B: Expression of RORα in TCGA-GTEx dataset ***P < 0.001

  

Figure 6  Overall survival analysis of LAMC1 and RORα

A: Survival analysis of LAMC1 in TCGA-LIHC dataset; B: Survival analysis of RORα in TCGA-LIHC dataset

3.5 确定miR-452-5p对RORα的调控关系

分别将miR-452-5p模拟物阴性对照、miR-452-5p模拟物、miR-452-5p抑制剂阴性对照、miR-452-5p抑制剂分别转入Huh7细胞中,根据转染物质将4组转染后Huh7细胞分别命名为mimics NC、mimics-452-5p、inhibitor NC和inhibitor-452-5p。RT-qPCR结果如图7所示,在图7-A中,mimics-452-5p组中miR-452-5p的相对表达量远高于其阴性对照组,而inhibitor-452-5p组中miR-452-5p的表达量显著低于inhibitor NC组,该结果验证了miR-452-5p在Huh7细胞中良好的转染效率。根据图7-B显示,在miR-452-5p过表达的Huh7细胞中,RORα的mRNA水平显著降低,而在有着miR-452-5p沉默效果的inhibitor-452-5p组中,RORα的表达量有所上升。以上实验结果表明,在肝癌细胞内RORα的表达与miR-452-5p的表达水平呈负相关。图8的结果表明,过表达的miR-452-5p显著降低了Huh7细胞中RORα的蛋白水平,而抑制miR-452-5p后,RORα的蛋白水平相应的上升。综合RT-qPCR和WB的实验结果可知,miR-452-5p在转录后水平抑制了RORα的翻译,降低了其mRNA和蛋白的表达水平。

  

Figure 7  RT-qPCR tested the expression level of miR-452-5p and RORα in 4 transfected Huh7 cells (x¯±s, n=3

A: Relative expression level of miR-452-5p in 4 transfected Huh7 cells; B: Relative expression level of RORα in 4 transfected Huh7 cells ***P < 0.001

  

Figure 8  Western blot determined the protein level of RORα in 4 transfected Huh7 cells (x¯±s, n=3

**P < 0.01

3.6 miR-452-5p对Huh7细胞增殖能力和迁移能力的影响

当miR-452-5p过表达或者被沉默后,利用CCK-8法检测Huh7细胞96 h内增殖情况。图9的增殖曲线显示,mimics-452-5p组和inhibitor-452-5p组与其各自的阴性对照组相比,细胞数量都在48 h开始出现显著性差异,mimics-452-5p组的细胞数量显著升高,而inhibitor-452-5p组则显著低于其对照组。以上结果表明,过表达的miR-452-5p加速了Huh7细胞的增殖;而miR-452-5p沉默的Huh7细胞增殖能力相对降低。

  

Figure 9  CCK-8 assay testified the viability of transfected Huh7 cells (x¯±s, n=3

A: Cell viability of mimics-452-5p and mimics negative control (NC) groups; B: Cell viability of inhibitor-452-5p and inhibitor NC groups *P < 0.05, **P < 0.01

Transwell实验结果(图10)表明,miR-452-5p过表达组发生迁移的细胞数,相对于其阴性对照组显著增加;而inhibitor-452-5p组平均细胞迁移数也明显低于阴性对照组。4种转染后的Huh7细胞迁移实验结果显示,miR-452-5p的确增强了肝癌细胞Huh7的迁移能力,而inhibitor-452-5p沉默组Huh7细胞的迁移能力下降。以上增殖、迁移实验的结果表明,过表达的miR-452-5p会加剧肝癌细胞的恶性行为,这从细胞层面揭示了过表达的miR-452-5p可能是加剧肝癌患者预后不良的原因。

  

Figure 10  Migration capacity were checked by the Transwell assay (x¯±s, n=5

***P < 0.001

3.7 双荧光素酶报告基因实验验证miR-452-5p与RORα靶向结合关系

为验证miR-452-5p与RORα的靶向结合关系,通过TargetscanHuman和miRDB数据获得两者结合位点的序列。图11A显示了miR-452-5p与RORα 3′UTR区6 402 ~ 6 408和8 692 ~ 8 698两段序列位点的结合情况,Wt质粒包含原始结合序列,Mut质粒则将结合位点序列进行替换。图11B中显示了模拟物阴性对照、miR-452-5p模拟物、抑制剂阴性对照、miR-452-5p抑制剂与RORα的Wt、Mut质粒共转染的Huh7细胞,以及单独转染Wt质粒或Mut质粒的空白质粒组细胞的相对荧光活性。从相对荧光强度来看,RORα的Wt质粒与miR-452-5p模拟物、miR-452-5p抑制剂共转染组分别低于或高于各自的阴性对照组和Wt空白对照组;而所有Mut共转染组没有显著变化。以上结果说明,miR-452-5p能够靶向结合于RORα的3′UTR区,进而抑制RORα转录后水平的表达。

  

Figure 11  miR-452-5p regulated RORα expression by targeting its 3′UTR of mRNA(x¯±s, n=3

A: miR-452-5p binding sites of RORα 3′UTR; B: Luciferase activities were measured in Wt groups which single transfected or con-transfected with RORα wild type plasmids and Mut groups which single transfected or con-transfected with RORα mutant type plasmids **P < 0.01

4 讨 论

miRNA在癌症中的异常表达会起到促癌或抑癌的作用,其通过调控相关癌基因或通路影响着癌症的发生、进展、预后和耐药。最新研究表明miRNA在肿瘤免疫逃逸过程中发挥着重要作用,也有研究探讨了miRNA作为癌症治疗新靶标的可

19-20。miR-452-5p已经被证实在多种癌症组织中存在异常表达,其作为促癌或抑癌因子作用于肿瘤进展相关基因和通路具有组织特异21-22。在肝癌组织中,miR-452-5p的表达高于正常组织,但其对肿瘤进展和临床预后的影响机制的研究目前较少。为探索miR-452-5p在HCC中可能的作用机制,本研究基于GEO、TCGA等数据库,运用生物信息学方法,筛选出miR-452-5p影响患者预后的关键靶基因。在HCC中,miR-452-5p通过靶向抑制RORα转录后水平的表达,进而促进肝癌细胞的增殖和迁移。

RORα属于维甲酸受体相关孤儿受体家族(Retinoid-related-orphan receptors,RORs)的一员。过往研究表明,RORα在多种肿瘤中可作为肿瘤抑制因子,起到抗癌作用,其过低的表达量与肿瘤进展密切相

23。在本研究中,过表达的miR-452-5p通过靶向结合RORα的3′UTR区进而抑制其表达,而RORα在肝癌中发挥着抑癌因子作用的研究已有文献报道。在Liu24的研究中,RORα通过下调趋化因子CXCL5抑制肝癌细胞的增殖、迁移和侵袭。根据Huang25的研究,得知RORα会通过抑制wnt/β-cantine通路来抑制肝细胞癌的进展。Han26研究表明,SORBS2与RORα的结合起到稳定后者mRNA的作用,进而发挥RORα的抑癌作用。因此,当RORα的表达量降低时,其抑癌作用减弱,从而间接促进肝癌细胞的增殖、迁移,加剧肝癌患者的预后不良。

本研究发现,miR-452-5p的过表达和RORα的表达量降低都会显著影响肝癌患者的OS;RORα所在的MEturquoise基因共表达模块,与HCC患者的复发状态、TNM分期、BCLC分期和OS都相关;上调的miR-452-5p在mRNA水平和蛋白水平都抑制了RORα的表达,降低了其抑癌作用,从而加剧了肝癌细胞的增殖和迁移。这一发现为HCC中寻找预后标志物和潜在治疗靶点提供了新的视角。

References

1

Bray FFerlay JSoerjomataram Iet al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin2018686):394-424. [百度学术] 

2

El-Serag HBRudolph KL. Hepatocellular carcinoma:epidemiology and molecular carcinogenesis[J]. Gastroenterology20071327):2557-2576. [百度学术] 

3

Hsu YCYip TCHo HJet al. Development of a scoring system to predict hepatocellular carcinoma in Asians on antivirals for chronic hepatitis B[J]. J Hepatol2018692):278-285. [百度学术] 

4

Chang KCWu YYHung CHet al. Clinical-guide risk prediction of hepatocellular carcinoma development in chronic hepatitis C patients after interferon-based therapy[J]. Br J Cancer20131099):2481-2488. [百度学术] 

5

Waziry RHajarizadeh BGrebely Jet al. Hepatocellular carcinoma risk following direct-acting antiviral HCV therapy:a systematic review,meta-analyses,and meta-regression[J]. J Hepatol2017676):1204-1212. [百度学术] 

6

Kulik LEl-Serag HB. Epidemiology and management of hepatocellular carcinoma[J]. Gastroenterology20191562):477-491. el. [百度学术] 

7

McGlynn KAPetrick JLEl-Serag HB. Epidemiology of hepatocellular carcinoma[J]. Hepatology202173Suppl 1):4-13. [百度学术] 

8

Piñero FDirchwolf MPessôa MG. Biomarkers in hepatocellular carcinoma:diagnosis,prognosis and treatment response assessment[J]. Cells202096):E1370. [百度学术] 

9

Bartel DP. microRNAs:target recognition and regulatory functions[J]. Cell20091362):215-233. [百度学术] 

10

Lu TXRothenberg ME. microRNA[J]. J Allergy Clin Immunol20181414):1202-1207. [百度学术] 

11

Krol JLoedige IFilipowicz W. The widespread regulation of microRNA biogenesis,function and decay[J]. Nat Rev Genet2010119):597-610. [百度学术] 

12

Ali SZLangden SSSMunkhzul Cet al. Regulatory mechanism of microRNA expression in cancer[J]. Int J Mol Sci2020215):1723. [百度学术] 

13

Lin XHan LGu CCet al. miR-452-5p promotes colorectal cancer progression by regulating an ERK/MAPK positive feedback loop[J]. Aging (Albany NY)2021135):7608-7626. [百度学术] 

14

Zhai WLi SYZhang Jet al. Sunitinib-suppressed miR-452-5p facilitates renal cancer cell invasion and metastasis through modulating SMAD4/SMAD7 signals[J]. Mol Cancer2018171):157. [百度学术] 

15

Zheng QLSheng QJiang CYet al. microRNA-452 promotes tumorigenesis in hepatocellular carcinoma by targeting cyclin-dependent kinase inhibitor 1B[J]. Mol Cell Biochem20143891/2):187-195. [百度学术] 

16

Agarwal VBell GWNam JWet al. Predicting effective microRNA target sites in mammalian mRNAs[J]. Elife20154e05005. [百度学术] 

17

Chen YHWang XW. miRDB:an online database for prediction of functional microRNA targets[J]. Nucleic Acids Res202048D1):D127-D131. [百度学术] 

18

Langfelder PHorvath S. WGCNA:an R package for weighted correlation network analysis[J]. BMC Bioinformatics20089559. [百度学术] 

19

Yi MXu LPJiao Yet al. The role of cancer-derived microRNAs in cancer immune escape[J]. J Hematol Oncol2020131):25. [百度学术] 

20

Rupaimoole RSlack FJ. microRNA therapeutics:towards a new era for the management of cancer and other diseases[J]. Nat Rev Drug Discov2017163):203-222. [百度学术] 

21

Gao LZhang LJLi SHet al. Role of miR-452-5p in the tumorigenesis of prostate cancer:a study based on the Cancer Genome Atl(TCGA),Gene Expression Omnibus (GEO),and bioinformatics analysis[J]. Pathol Res Pract20182145):732-749. [百度学术] 

22

Zhang YLi XZhang Jet al. Circ-CCDC66 upregulates REXO1 expression to aggravate cervical cancer progression via restraining miR-452-5p[J]. Cancer Cell Int2021211):20. [百度学术] 

23

Mao WXiong GFWu YYet al. RORα suppresses cancer-associated inflammation by repressing respiratory complex I-dependent ROS generation[J]. Int J Mol Sci20212219):10665. [百度学术] 

24

Liu GYang ZFZhou PYet al. ROR-α-1 inhibits the proliferation,invasion,and migration of hepatocellular carcinoma MHCC97H via downregulation of chemokine CXCL5[J]. Cytokine2020129155004. [百度学术] 

25

Huang JLFu YPGan Wet al. Hepatic stellate cells promote the progression of hepatocellular carcinoma through microRNA-1246-RORα-Wnt/β-Catenin axis[J]. Cancer Lett2020476140-151. [百度学术] 

26

Han LLHuang CZhang SQ. The RNA-binding protein SORBS2 suppresses hepatocellular carcinoma tumourigenesis and metastasis by stabilizing RORA mRNA[J]. Liver Int20193911):2190-2203. [百度学术]