טרופומודולין 3 ביטוי יתר כסמן לעמידות פלטינום וחדירה חיסונית בסרטן השחלות

Summary

טרופומודולין 3 (TMOD3) נחקר יותר ויותר בגידולים בשנים האחרונות. מחקר זה הוא הראשון לדווח כי TMOD3 מתבטא מאוד בסרטן השחלות והוא קשור קשר הדוק עם עמידות לפלטינה וחדירה חיסונית. תוצאות אלה עשויות לסייע בשיפור התוצאות הטיפוליות לסרטן השחלות.

Abstract

השלד ממלא תפקיד חשוב בעמידות לפלטינה בסרטן השחלות. טרופומודולין 3 (TMOD3) הוא קריטי בהתפתחות גידולים רבים, אך תפקידו בעמידות לתרופות של סרטן השחלות עדיין לא נחקר. על ידי ניתוח נתונים ממאגרי המידע Gene Expression Omnibus (GEO), The Cancer Genome Atlas (TCGA) ו-Clinical Proteomic Tumor Analysis Consortium (CPTAC), מחקר זה השווה את ביטוי TMOD3 בסרטן השחלות וברקמות נורמליות, ובחן את הביטוי של TMOD3 לאחר טיפול בפלטינה בסרטן שחלות רגיש לפלטינום ועמיד לפלטינה. שיטת קפלן-מאייר שימשה להערכת ההשפעה של TMOD3 על הישרדות כוללת (OS) והישרדות ללא התקדמות (PFS) בחולות סרטן השחלות. מיקרו-רנ"א (miRNAs) המכוונים ל-TMOD3 נחזו באמצעות TargetScan ונותחו באמצעות מסד הנתונים TCGA. Tumor Immune Estimation Resource (TIMER) ופורטל מאגר משולב לאינטראקציות בין גידולים למערכת החיסון (TISIDB) שימשו כדי לקבוע את הקשר בין ביטוי TMOD3 לבין חדירה חיסונית. רשתות ביטוי משותף TMOD3 בסרטן השחלות נחקרו באמצעות LinkedOmics, כלי החיפוש לאחזור גנים/חלבונים באינטראקציה (STRING), ומסד הנתונים לביאור, ויזואליזציה וגילוי משולב (DAVID) ביואינפורמטיקה. התוצאות הראו כי TMOD3 התבטא מאוד בסרטן השחלות והיה קשור לדירוג, היערכות וגרורות של סרטן השחלות. ביטוי TMOD3 הופחת באופן משמעותי בתאי סרטן שחלות שטופלו בפלטינה ובמטופלות. עם זאת, ביטוי TMOD3 היה גבוה יותר בתאי סרטן שחלות עמידים לפלטינום וברקמות בהשוואה לתאים רגישים לפלטינה. ביטוי TMOD3 גבוה יותר היה קשור באופן מובהק עם מערכת הפעלה נמוכה יותר ו- PFS בחולות סרטן השחלות שטופלו בכימותרפיה מבוססת פלטינה. ויסות לאחר שעתוק בתיווך miRNA אחראי ככל הנראה לביטוי TMOD3 גבוה בסרטן השחלות וברקמות שחלה עמידות לפלטינה. הביטוי של TMOD3 mRNA היה קשור לחדירה חיסונית בסרטן השחלות. ממצאים אלה מצביעים על כך ש- TMOD3 מתבטא מאוד בסרטן השחלות וקשור קשר הדוק עם עמידות לפלטינה וחדירה חיסונית.

Introduction

סרטן השחלות הוא השני בגובהו בשיעור התמותה מגידולים גינקולוגיים בעולם¹. ניתן לסווג אותו לשלושה סוגים המבוססים על היסטופתולוגיה: תאי נבט, גידולים מזנכימליים גונדליים וגידולי אפיתל, מתוכם 90% מהחולים הם סרטן שחלות אפיתליאלי. גורמי סיכון הקשורים לסרטן השחלות כוללים ביוץ מתמשך, חשיפה מוגברת לגונדוטרופין וציטוקינים דלקתיים². יותר מ -75% ממקרי סרטן השחלות אינם מתגלים עד לשלבים מתקדמים, וכתוצאה מכך אין להם טיפול יעיל. לחולות עם סרטן שחלות מתקדם יש פרוגנוזה גרועה, עם פחות מ -20% משיעור ההישרדות של 5 שנים למרות משטרי כימותרפיה חדשים, כגון מתן תוך צפקי וטיפול ממוקד. הטיפול המקובל בסרטן השחלות מורכב....

Protocol

1. אומניבוס ביטוי גנים (GEO)

הערה: ביטוי TMOD3 בסרטן השחלות, בסרטן השחלות שטופל בתרופות פלטינה, ובסרטן שחלות עמיד לתרופות נגזר ממאגרי הנתונים של GEO. סוג המחקר של כל מערכי הנתונים היה פרופיל ביטוי לפי מערך, והאורגניזמים היו הומו ספיינס.

1. עבור אל מסד ה.......

Discussion

השלד הציטו-שלד נחשב חיוני להתפתחות והתקדמות, טיפול ופרוגנוזה של גידולים שונים⁵². בהשוואה ל- TMOD1, המוגבל לאריתרוציטים ולמערכת הלב וכלי הדם⁵³, ול- TMOD2, המוגבל למערכת העצבים⁵⁴, ל- TMOD3 יש התפלגות בכל מקום, מה שהופך את המחקר של TMOD3 בגידולים מער?.......

Materials

Name	Company	Catalog Number	Comments
cBioportal	Memorial Sloan Kettering Cancer Center		Correlation analysis of  TMOD3 with targeted miRNAs (https://www.cbioportal.org)
CTD database	North Carolina State University		To analyze the relationships between chemistry, genes, phenotype, disease, and environment (https://ctdbase.org/)
Cytoscape	National Institute of General Medical Sciences of the National Institutes of Health		Network Data Integration, Analysis, and Visualization (www.cytoscape.org/)
DAVID	Frederick National Laboratory for Cancer Research		A comprehensive set of functional annotation tools for investigators to understand the biological meaning behind large lists of genes(https://david.ncifcrf.gov/)
GEO	NCBI		Gene expression analysis (https://www.ncbi.nlm.nih.gov/geo/ )
HPA	Knut & Alice Wallenberg foundation		The Human Protein Atlas (HPA) database helped analyze the distribution of TMOD3 in various immune cells (https://www.proteinatlas.org/)
KM-plotter	Department of Bioinformatics of the Semmelweis University		Prognostic Analysis (https://kmplot.com/analysis/)
LinkedOmics	Baylor College of Medicine		A platform for biologists and clinicians to access, analyze and compare cancer multi-omics data within and across tumor types (http://www.linkedomics.org/)
PubChem database	U.S. National Library of Medicine		To determine the definitive molecular structure of the drug
ROC Plotter	Department of Bioinformatics of the Semmelweis University		Validation of the interest gene as a predictive marker (http://www.rocplot.org/)
STRING	Swiss Institute of Bioinformatics		Coexpression networks analysis(https://string-db.org)
TargetScan	Whitehead Institute for Biomedical Research		Prediction of miRNA targets (www.targetscan.org/)
TIMER	Harvard University		Systematical analysis of immune infiltrates across diverse cancer types (https://cistrome.shinyapps.io/timer/)
TISIDB	The University of Hong Kong		A web portal for tumor and immune system interaction(http://cis.hku.hk/TISIDB/)
TNMplot	Department of Bioinformatics of the Semmelweis University		Gene expression analysis (https://www.tnmplot.com/ )
UALCAN	The University of ALabama at Birmingham		Gene expression analysis (http://ualcan.path.uab.edu)