论文部分内容阅读
目的:通过TCGA数据库中巨大的胰腺癌病人信息,寻找全新的与胰腺癌预后相关的miRNA,并分析预测其可能影响胰腺癌病人预后的机制,为探索胰腺癌的发展及寻找新的治疗手段指引方向。方法:通过用R语言提取TCGA中178例胰腺癌患者的全部miRNA的表达水平及年龄、性别、肿瘤部位、TNM分期、肿瘤大小、组织学类型、组织学分级,慢性胰腺炎史,吸烟史,通过limma包矫正癌与癌旁组织的差异miRNA表达水平,找出两者倍数大于2,P值小于0.05的25条miRNA,再将这些miRNA与预后做生存分析,剔除在胰腺癌中有过研究的miRNA,最后得到了 4条miRNA。然后用Cox回归模型统计这四条miRNA与前述的年龄、性别、肿瘤部位、TNM分期、肿瘤大小、组织学类型、组织学分级,慢性胰腺炎史,吸烟史对胰腺癌预后的作用。在此之后通过 TargetScan(http://www.targetscan.org/)miRDB(http://www.mirdb.org/miRDB/)and Diana(http://diana.imis.athena-innovation.gr/)再预测这4条miRNA可能靶向的基因并取交集后共得到473条可能的靶向基因,对这些基因在 The Database for Annotation,Visualization and Integrated Discovery(DAVID)(https://david.ncifcrf.gov/)上进行可能参与的通路分析,同时用String网站对这些蛋白的相互作用进行预测并绘制网络,寻找可能的Hub基因。最后在胰腺癌细胞系及正常胰腺细胞系中通过Q-PCR验证了这4条miRNA的表达差异。结果:通过生物信息学手段我们找到了 4条新的在癌与癌旁组织中差异表达且与胰腺癌预后显著相关的 miRNA(mima-342,mima-424,mirna-766,mirna-3613),预测了除了他们可能调控的473条基因,可能通过调控P53信号通路、蛋白泛素化、细胞周期、凋亡等许多通路影响胰腺癌的发展,我们绘制了这些蛋白间可能的互作网络图,最后在胰腺癌细胞系Aspc-1,Miapaca-2,Panc-1,Hpc-Y5及正常胰腺上皮细胞系HPNE中检测了这些miRNA的表达量。结论:miRNA-342,miRNA-424,miRNA-766,miRNA-3613 可能通过调控 P53 信号通路、蛋白泛素化、细胞周期、凋亡等许多通路影响胰腺癌的发展及预后,其中mirna-424,mirna-766 and mirna-3613可作为影响胰腺癌预后的独立危险因素,但仍需要更多的样本进一步验证这一结论,这一现象背后的具体机制也需要更加深入的研究。