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
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
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。
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)。
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、Hief
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);Synerg
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。
从TargetscanHuma
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
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。
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。
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
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。
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 × 1
Transwell实验中,将4组转染细胞以每孔1 × 1
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。
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(

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
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。
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(

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

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

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

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
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

Figure 7 RT-qPCR tested the expression level of miR-452-5p and RORα in 4 transfected Huh7 cells ()
A: Relative expression level of miR-452-5p in 4 transfected Huh7 cells; B: Relative expression level of RORα in 4 transfected Huh7 cells

Figure 8 Western blot determined the protein level of RORα in 4 transfected Huh7 cells ()
**P < 0.01
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。

Figure 9 CCK-8 assay testified the viability of transfected Huh7 cells ()
A: Cell viability of mimics-452-5p and mimics negative control (NC) groups; B: Cell viability of inhibitor-452-5p and inhibitor NC groups
Transwell实验结果(

Figure 10 Migration capacity were checked by the Transwell assay ()
***P < 0.001
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。

Figure 11 miR-452-5p regulated RORα expression by targeting its 3′UTR of mRNA()
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
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
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
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
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. [百度学术]
El-Serag HB,Rudolph KL. Hepatocellular carcinoma:epidemiology and molecular carcinogenesis[J]. Gastroenterology,2007,132(7):2557-2576. [百度学术]
Hsu YC,Yip TC,Ho HJ,et al. Development of a scoring system to predict hepatocellular carcinoma in Asians on antivirals for chronic hepatitis B[J]. J Hepatol,2018,69(2):278-285. [百度学术]
Chang KC,Wu YY,Hung CH,et al. Clinical-guide risk prediction of hepatocellular carcinoma development in chronic hepatitis C patients after interferon-based therapy[J]. Br J Cancer,2013,109(9):2481-2488. [百度学术]
Waziry R,Hajarizadeh B,Grebely J,et al. Hepatocellular carcinoma risk following direct-acting antiviral HCV therapy:a systematic review,meta-analyses,and meta-regression[J]. J Hepatol,2017,67(6):1204-1212. [百度学术]
Kulik L,El-Serag HB. Epidemiology and management of hepatocellular carcinoma[J]. Gastroenterology,2019,156(2):477-491. el. [百度学术]
McGlynn KA,Petrick JL,El-Serag HB. Epidemiology of hepatocellular carcinoma[J]. Hepatology,2021,73(Suppl 1):4-13. [百度学术]
Piñero F,Dirchwolf M,Pessôa MG. Biomarkers in hepatocellular carcinoma:diagnosis,prognosis and treatment response assessment[J]. Cells,2020,9(6):E1370. [百度学术]
Bartel DP. microRNAs:target recognition and regulatory functions[J]. Cell,2009,136(2):215-233. [百度学术]
Lu TX,Rothenberg ME. microRNA[J]. J Allergy Clin Immunol,2018,141(4):1202-1207. [百度学术]
Krol J,Loedige I,Filipowicz W. The widespread regulation of microRNA biogenesis,function and decay[J]. Nat Rev Genet,2010,11(9):597-610. [百度学术]
Ali SZ,Langden SSS,Munkhzul C,et al. Regulatory mechanism of microRNA expression in cancer[J]. Int J Mol Sci,2020,21(5):1723. [百度学术]
Lin X,Han L,Gu CC,et al. miR-452-5p promotes colorectal cancer progression by regulating an ERK/MAPK positive feedback loop[J]. Aging (Albany NY),2021,13(5):7608-7626. [百度学术]
Zhai W,Li SY,Zhang J,et al. Sunitinib-suppressed miR-452-5p facilitates renal cancer cell invasion and metastasis through modulating SMAD4/SMAD7 signals[J]. Mol Cancer,2018,17(1):157. [百度学术]
Zheng QL,Sheng Q,Jiang CY,et al. microRNA-452 promotes tumorigenesis in hepatocellular carcinoma by targeting cyclin-dependent kinase inhibitor 1B[J]. Mol Cell Biochem,2014,389(1/2):187-195. [百度学术]
Agarwal V,Bell GW,Nam JW,et al. Predicting effective microRNA target sites in mammalian mRNAs[J]. Elife,2015,4:e05005. [百度学术]
Chen YH,Wang XW. miRDB:an online database for prediction of functional microRNA targets[J]. Nucleic Acids Res,2020,48(D1):D127-D131. [百度学术]
Langfelder P,Horvath S. WGCNA:an R package for weighted correlation network analysis[J]. BMC Bioinformatics,2008,9:559. [百度学术]
Yi M,Xu LP,Jiao Y,et al. The role of cancer-derived microRNAs in cancer immune escape[J]. J Hematol Oncol,2020,13(1):25. [百度学术]
Rupaimoole R,Slack FJ. microRNA therapeutics:towards a new era for the management of cancer and other diseases[J]. Nat Rev Drug Discov,2017,16(3):203-222. [百度学术]
Gao L,Zhang LJ,Li SH,et 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 Pract,2018,214(5):732-749. [百度学术]
Zhang Y,Li X,Zhang J,et al. Circ-CCDC66 upregulates REXO1 expression to aggravate cervical cancer progression via restraining miR-452-5p[J]. Cancer Cell Int,2021,21(1):20. [百度学术]
Mao W,Xiong GF,Wu YY,et al. RORα suppresses cancer-associated inflammation by repressing respiratory complex I-dependent ROS generation[J]. Int J Mol Sci,2021,22(19):10665. [百度学术]
Liu G,Yang ZF,Zhou PY,et al. ROR-α-1 inhibits the proliferation,invasion,and migration of hepatocellular carcinoma MHCC97H via downregulation of chemokine CXCL5[J]. Cytokine,2020,129:155004. [百度学术]
Huang JL,Fu YP,Gan W,et al. Hepatic stellate cells promote the progression of hepatocellular carcinoma through microRNA-1246-RORα-Wnt/β-Catenin axis[J]. Cancer Lett,2020,476:140-151. [百度学术]
Han LL,Huang C,Zhang SQ. The RNA-binding protein SORBS2 suppresses hepatocellular carcinoma tumourigenesis and metastasis by stabilizing RORA mRNA[J]. Liver Int,2019,39(11):2190-2203. [百度学术]