Umfassende Analyse des Expressionsprofils von langen nichtkodierenden RNAs und mRNAs bei Rektumkarzinomen
Rektumkarzinome (RC) stellen eine maligne Tumorerkrankung dar, die eine erhebliche Bedrohung für die menschliche Gesundheit darstellt. Trotz Fortschritte in Diagnostik und Behandlung sind die molekularen Mechanismen, die RC zugrunde liegen, weiterhin unzureichend verstanden. Lange nichtkodierende RNAs (lncRNAs) haben sich als entscheidende Regulatoren in der Tumorbiologie erwiesen, doch ihre spezifischen Rollen und Expressionsmuster bei RC sind noch nicht vollständig geklärt. Diese Studie zielt darauf ab, eine umfassende Analyse der lncRNA- und mRNA-Expressionsprofile bei RC durchzuführen, potenzielle Biomarker zu identifizieren und deren funktionelle Implikationen zu untersuchen.
Hintergrund
Kolorektale Karzinome (CRC) zählen weltweit zu den häufigsten malignen Erkrankungen, wobei RC einen bedeutenden Subtyp darstellt. Die Inzidenz- und Mortalitätsraten von CRC sind alarmierend hoch, was sie zu einem kritischen Problem der öffentlichen Gesundheit macht. Jüngste Fortschritte in der Genomsequenzierung haben die Bedeutung von lncRNAs in der Krebsbiologie hervorgehoben. Diese nichtkodierenden RNAs, die länger als 200 Nukleotide sind, kodieren zwar keine Proteine, spielen jedoch eine zentrale Rolle bei der Regulation der Genexpression und zellulärer Prozesse. Eine Dysregulation von lncRNAs wurde mit verschiedenen Krebsarten, einschließlich CRC, in Verbindung gebracht und beeinflusst Tumorigenese, Progression und Metastasierung. Dennoch bleiben die spezifischen Beiträge von lncRNAs zur RC-Pathogenese unklar, was weitere Untersuchungen erforderlich macht.
Methoden
In dieser Studie wurde ein mehrstufiger Ansatz zur Analyse der lncRNA- und mRNA-Expressionsprofile bei RC angewendet. Gewebeproben von sechs RC-Patienten, einschließlich karzinomatösen und angrenzenden nicht-kanzerösen Geweben, wurden mit dem Affymetrix Human GeneChip untersucht. Gen-Ontologie-(GO)- und Pathway-Enrichment-Analysen wurden durchgeführt, um biologische Funktionen und Signalwege der differentiell exprimierten mRNAs zu identifizieren. Die Expressionsniveaus ausgewählter lncRNAs wurden mittels quantitativer Echtzeit-Polymerasekettenreaktion (qRT-PCR) validiert. LncRNA-mRNA-Koexpressionsnetzwerke wurden konstruiert, um potenzielle regulatorische Beziehungen zu untersuchen. Darüber hinaus wurden online-bioinformatische Tools wie GEPIA2, ONCOMINE und PROGgeneV2 genutzt, um die Expression und prognostische Signifikanz relevanter mRNAs und lncRNAs zu bewerten. Zusätzlich wurden konkurrierende endogene RNA-(ceRNA)-Netzwerke erstellt, um Interaktionen zwischen lncRNAs, MicroRNAs (miRNAs) und mRNAs vorherzusagen.
Ergebnisse
Die Analyse ergab 1658 differentiell exprimierte lncRNAs (778 hochreguliert, 880 herunterreguliert) und 1783 aberrant exprimierte mRNAs (909 hochreguliert, 874 herunterreguliert). Die GO-Analyse identifizierte kritische biologische Prozesse, darunter Zellproliferation, Migration, Angiogenese und zelluläre Reaktion auf Zinkionen. Pathway-Enrichment-Analysen zeigten signifikante Signalwege wie den Interleukin-17 (IL-17)-Signalweg, Zellzyklus-Signalweg, Wnt-Signalweg und Mineralstoffaufnahme-Signalweg.
Die qRT-PCR-Validierung bestätigte signifikante Unterschiede in den Expressionsniveaus von sechs lncRNAs zwischen Karzinom- und Parakarzinomgeweben: AC017002.2, Cancer Susceptibility 19 (CASC19), LINC00152, NONHSAT058834, NONHSAT007692 und ENST00000415991.1. Von diesen wurden AC017002.2, NONHSAT058834, NONHSAT007692 und ENST00000415991.1 bisher nicht in RC beschrieben.
Die Koexpressionsnetzwerkanalyse identifizierte SchlüsselmRNAs wie das myelozytomatöse virale Onkogen (MYC), Transforming Growth Factor Beta Induced (TGFBI) und Solute Carrier Family 7 Member 5 (SLC7A5), die starke Korrelationen mit validierten lncRNAs aufwiesen. Beispielsweise zeigten AC017002.2 und LINC00152 eine positive Korrelation mit MYC, TGFBI und Cytochrom P450 2B6 (CYP2B6). NONHSAT058834 korrelierte positiv mit MYC, während CASC19 positiv mit SLC7A5 assoziiert war.
Expressions- und Prognoseanalyse
Mittels GEPIA2 wurde eine signifikant erhöhte Expression von CASC19 und LINC00152 in RC-Geweben im Vergleich zu Normalgeweben festgestellt. Die Expression von AC017002.2 zeigte hingegen keinen signifikanten Unterschied. Prognostische Analysen ergaben, dass Patienten mit niedriger LINC00152-Expression eine bessere Gesamtüberlebensrate (OS) aufwiesen, obwohl der Unterschied statistisch nicht signifikant war. Die Expression von CASC19 und AC017002.2 korrelierte nicht mit dem OS bei RC.
ONCOMINE-Analysen zeigten, dass die Expression von MYC, SLC7A5 und TGFBI in RC-Geweben signifikant erhöht war. Prognostische Untersuchungen mit PROGgeneV2 ergaben eine Korrelation der mRNA-Expression mit dem OS bei CRC, jedoch ohne statistische Signifikanz.
CeRNA-Netzwerkanalyse
Die ceRNA-Netzwerkanalyse identifizierte potenzielle Interaktionen zwischen lncRNAs, miRNAs und mRNAs. Beispielsweise interagierte AC017002.2 mit miR-5000-3p und MYC, LINC00152 mit miR-5000-3p und MYC sowie CASC19 mit miR-708-5p und SLC7A5. Diese Interaktionen deuten darauf hin, dass lncRNAs die mRNA-Expression durch Sequestrierung von miRNAs regulieren und somit krebsrelevante Signalwege beeinflussen könnten.
Diskussion
Die Ergebnisse dieser Studie liefern wertvolle Einblicke in die Rolle von lncRNAs und mRNAs bei RC. Die Identifizierung differentiell exprimierter lncRNAs und mRNAs sowie deren assoziierte biologische Funktionen unterstreichen die Komplexität der RC-Pathogenese. Die Hochregulation von lncRNAs wie LINC00152 und CASC19 in RC-Geweben stimmt mit früheren Studien überein, die ihre Rolle bei der Förderung von Krebszellproliferation, Migration und Invasion belegen. Die neu identifizierten lncRNAs, einschließlich AC017002.2, NONHSAT058834, NONHSAT007692 und ENST00000415991.1, erfordern weitere Untersuchungen, um ihre spezifischen Funktionen in RC aufzuklären.
Die Koexpressionsnetzwerkanalyse verdeutlicht potenzielle regulatorische Beziehungen zwischen lncRNAs und mRNAs, was darauf hindeutet, dass lncRNAs die Expression krebsrelevanter Gene modulieren könnten. Die ceRNA-Netzwerkanalyse unterstützt die Hypothese, dass lncRNAs als miRNA-Sponge fungieren und so die mRNA-Expression beeinflussen. Die identifizierten Interaktionen, wie AC017002.2-miR-5000-3p-MYC, bieten eine Grundlage für zukünftige Forschungen zur Aufklärung dieser Regulati