基于TCGA数据库筛选与三阴型乳腺癌预后相关的miRNAs及其基因网络

doi:10.13481/j.1671-587X.20240212

摘要/Abstract

摘要：

目的筛选与三阴型乳腺癌（TNBC）预后相关的关键微小RNA（miRNAs）及其靶基因，探讨其参与调控的生物学功能和信号通路，为TNBC患者预后标志物的筛选提供理论依据。方法基于癌症基因组图谱（TCGA）数据库筛选TNBC患者与非TNBC患者差异表达miRNAs，通过生存分析明确与患者预后相关的miRNAs。利用miRDB和miRWalk3.0在线数据库筛选miRNAs的靶基因，Cytoscape 3.8.2软件明确miRNA-信使核糖核酸（mRNA）调控网络，利用R软件limma数据包筛选TNBC患者与非TNBC患者差异表达miRNAs，利用R软件clusterProfiler包分析靶基因参与的生物学功能和通路。结果生存分析，miR-9、miR-17、miR-31、miR-146a、miR-188和miR-190b与TNBC患者的预后有关，且上述miRNAs表达量越低，TNBC患者预后越差。筛选出受这6种miRNAs调控的靶基因224个。基因本体论（GO）功能富集分析，靶基因主要参与乳腺腺泡的发育、DNA转录的正向调控以及血管生成等功能；京都基因与基因组百科全书（KEGG）信号通路富集分析，靶基因主要富集在细胞因子-细胞因子受体相互作用以及胰岛素分泌信号等通路。网络分析，miR-9、miR-17、溶质载体家族24成员2（SLC24A2）、vav鸟苷酸交换因子3 （VAV3）、三部结构域含有36（TRIM36）、突触标记素1（SYT1）、富勒林和Sec7结构域含有3（PSD3）、过氧化物酶体增殖物活化受体α（PPARA）、RNA聚合酶Ⅲ亚基G（POLR3G）、多形性腺瘤基因1（PLAG1）、泛素相关和SH3结构域含有B（UBASH3B）及SH3结构域和四重肽重复2（SH3TC2）是调控网络中的关键基因，其中miR-9-SYT1、miR-9-KIF13B、miR-9-KITLG、miR-17-SLC24A2、miR-31-SLC24A2、miR-146a-SYT1、miR-146a-KIF13B、miR-188-SLC24A2和miR-188-SLC24A2的miRNA-mRNA相互作用最为密切。结论 miR-9、miR-17、miR-31、miR-146a、miR-188和miR-190b及其靶基因参与乳腺腺泡发育和血管生成等生理过程，与TNBC患者的不良预后密切相关。

关键词: 三阴型乳腺癌, 微小核糖核酸, 预后, 调控网络, 靶基因

Abstract:

Objective To identify the key microRNAs （miRNAs） and their target genes associated with the prognosis of triple-negative breast cancer （TNBC） and to discuss their roles in regulatory biological functions and signaling pathways， and to provide the theoretical basis for the selection of prognostic biomarkers for the patients with TNBC. Methods The differentially expressed miRNAs between the TNBC patients and non-TNBC patients were selected based on The Cancer Genome Atlas （TCGA） Database； survival analysis was used to clarify the miRNAs related to the prognosis of the patients；miRDB and miRWalk3.0 online Databases were used to screen for the miRNA target gene； Cytoscape 3.8.2 software was used to elucidate the miRNA-messenger RNA （mRNA） regulatory network；the limma package in R software was used to screen the differentially expressed miRNAs of the TNBC patients and non-TNBC patients； the clusterProfiler package in R software was used to analyze the biological functions and pathways involved by the target genes. Results The survival analysis results showed that miR-9， miR-17， miR-31， miR-146a， miR-188， and miR-190b were associated with the prognosis of the TNBC patients， and low expression levels of these miRNAs were correlated with the poorer prognosis of the patients. A total of 224 target genes regulated by these six miRNAs were identified. The Gene Ontology （GO） functional enrichment analysis results showed that the target genes were primarily involved in the development of mammary alveoli， positive regulation of DNA transcription， and angiogenesis.The Kyoto Encyclopedia of Genes and Genomes （KEGG） pathway enrichment analysis results showed that the target genes were mainly enriched in cytokine-cytokine receptor interaction and insulin secretion signaling pathways. The network analysis results identified the key genes in the regulatory network， including solute carrier family 24 member 2 （SLC24A2）， vav guanine nucleotide exchange factor 3 （VAV3）， tripartite motif containing 36 （TRIM36）， synaptotagmin 1 （SYT1）， pleckstrin and Sec7 domain containing 3 （PSD3）， peroxisome proliferator-activated receptor α （PPARA）， RNA polymerase Ⅲ subunit G （POLR3G）， pleomorphic adenoma gene 1 （PLAG1）， ubiquitin associated and SH3 domain containing B （UBASH3B）， and SH3 domain and tetramerization domain containing 2 （SH3TC2）； the interactions of miRNA-mRNA of miR-9-SYT1， miR-9-KIF13B， miR-9-KITLG， miR-17-SLC24A2， miR-31-SLC24A2，miR-146a-SYT1， miR-146a-KIF13B， miR-188-SLC24A2， and miR-188-SLC24A2 were the closest. Conclusion MiR-9， miR-17， miR-31， miR-146a， miR-188， miR-190b and their target genes are involved in physiological processes such as mammary alveolar development and angiogenesis， which are closely associated with the poor prognosis of the patients with TNBC.

Key words: Triple negative breast cancer, MicroRNA, Prognosis, Regulatory network, Target gene

中图分类号:

R737.9

宋玥莹,高超,陈文俊,邵艾彧,乔乙春,李卓林. 基于TCGA数据库筛选与三阴型乳腺癌预后相关的miRNAs及其基因网络[J]. 吉林大学学报(医学版), 2024, 50(2): 392-399.

Yueying SONG,Chao GAO,Wenjun CHEN,Aiyu SHAO,Yichun QIAO,Zhuolin LI. Screening of miRNAs related to prognosis of triple-negative breast cancer and its gene network based on TCGA Database[J]. Journal of Jilin University(Medicine Edition), 2024, 50(2): 392-399.

图/表 7

表1

图1

图2

图3

图4

图5

图6

参考文献 33

1	KWAN M L， BERNARD P S， KROENKE C H， et al. Breastfeeding， PAM50 tumor subtype， and breast cancer prognosis and survival［J］.J Natl Cancer Inst， 2015， 107（7）： djv087.
2	YUAN Z Y， WANG S S， GAO Y， et al. Clinical characteristics and prognosis of triple-negative breast cancer： a report of 305 cases［J］.Ai Zheng，2008，27（6）： 561-565.
3	EBERLEIN T J. Race， breast cancer subtypes， and survival in the Carolina breast cancer study［J］. Yearb Surg， 2007， 2007： 304-305.
4	NAKAJIMA H， FUJIWARA I， MIZUTA N， et al. Prognosis of Japanese breast cancer based on hormone receptor and HER2 expression determined by immunohistochemical staining［J］. World J Surg， 2008， 32（11）： 2477-2482.
5	BABYSHKINA N， MALINOVSKAYA E， PATALYAK S， et al. Neoadjuvant chemotherapy for different molecular breast cancer subtypes： a retrospective study in Russian population［J］. Med Oncol， 2014， 31（9）： 165.
6	GROUP I B C S， COLLEONI M， GELBER S， et al. Tamoxifen after adjuvant chemotherapy for premenopausal women with lymph node-positive breast cancer： international Breast Cancer Study Group Trial 13-93［J］. J Clin Oncol， 2006， 24（9）： 1332-1341.
7	Straver M E， Rutgers E J T， Rodenhuis S，et al.The relevance of breast cancer subtypes in the outcome of neoadjuvant chemotherapy［J］. Annal surgical Oncol， 2010， 17（9）：2411-2418.
8	RAKHAE A， EL-SAYEDM E， GREENA R， et al. Prognostic markers in triple-negative breast cancer［J］. Cancer， 2007， 109（1）： 25-32.
9	XIONG B， LEI X F， ZHANG L， et al. miR-103 regulates triple negative breast cancer cells migration and invasion through targeting olfactomedin 4［J］. Biomed Pharmacother， 2017， 89： 1401-1408.
10	LIANG Z X， BIAN X H， SHIM H. Downregulation of microRNA-206 promotes invasion and angiogenesis of triple negative breast cancer［J］. Biochem Biophys Res Commun， 2016， 477（3）： 461-466.
11	LEE R C， FEINBAUM R L， AMBROS V. The C. elegans heterochronic gene Lin-4 encodes small RNAs with antisense complementarity to Lin-14［J］. Cell， 1993， 75（5）： 843-854.
12	SANTOVITO D， MEZZETTI A， CIPOLLONE F. microRNAs and atherosclerosis： new actors for an old movie［J］. Nutr Metab Cardiovasc Dis， 2012， 22（11）： 937-943.
13	RUPAIMOOLE R， CALIN G A， LOPEZ-BERESTEIN G， et al. miRNA deregulation in cancer cells and the tumor microenvironment［J］. Cancer Discov， 2016， 6（3）： 235-246.
14	CHUA J H， ARMUGAM A， JEYASEELAN K. microRNAs： biogenesis， function and applications［J］. Curr Opin Mol Ther， 2009， 11（2）： 189-199.
15	LING H， FABBRI M， CALIN G A. microRNAs and other non-coding RNAs as targets for anticancer drug development［J］. Nat Rev Drug Discov， 2013， 12（11）： 847-865.
16	VOLINIA S， CALIN G A， LIU C G，et al.A microRNA expression signature of human solid tumors defines cancer gene targets［J］. Proc Natl Acad Sci U S A， 2006， 103（7）： 2257-2261.
17	JANG M H， KIM H J， GWAK J M， et al. Prognostic value of microRNA-9 and microRNA-155 expression in triple-negative breast cancer［J］. Hum Pathol， 2017， 68： 69-78.
18	FAN C N， LIU N， ZHENG D， et al. microRNA-206 inhibits metastasis of triple-negative breast cancer by targeting transmembrane 4 L6 family member 1［J］. Cancer Manag Res， 2019， 11： 6755-6764.
19	BARONI S， ROMERO-CORDOBA S， PLANTAMURA I， et al. Exosome-mediated delivery of miR-9 induces cancer-associated fibroblast-like properties in human breast fibroblasts［J］. Cell Death Dis， 2016， 7（7）： e2312.
20	D'IPPOLITO E， PLANTAMURA I， BONGIOVANNI L，et al. miR-9 and miR-200 regulate PDGFRβ-mediated endothelial differentiation of tumor cells in triple-negative breast cancer［J］. Cancer Res， 2016，76（18）： 5562-5572.
21	JANG M H， KIM H J， GWAK J M， et al. Prognostic value of microRNA-9 and microRNA-155 expression in triple-negative breast cancer［J］. Hum Pathol， 2017， 68： 69-78.
22	D'IPPOLITO E， PLANTAMURA I， BONGIOVANNI L，et al. miR-9 and miR-200 regulate PDGFRβ-mediated endothelial differentiation of tumor cells in triple-negative breast cancer［J］. Cancer Res， 2016， 76（18）： 5562-5572.
23	LI J， LAI Y H， MA J Y， et al. miR-17-5p suppresses cell proliferation and invasion by targeting ETV1 in triple-negative breast cancer［J］. BMC Cancer， 2017， 17（1）： 745.
24	LUO L J， YANG F， DING J J， et al. miR-31 inhibits migration and invasion by targeting SATB2 in triple negative breast cancer［J］. Gene， 2016， 594（1）： 47-58.
25	SI C S， YU Q， YAO Y F. Effect of miR-146a-5p on proliferation and metastasis of triple-negative breast cancer via regulation of SOX5［J］. Exp Ther Med， 2018， 15（5）： 4515-4521.
26	ZAVALA V， PÉREZ-MORENO E， TAPIA T， et al. miR-146a and miR-638 in BRCA1-deficient triple negative breast cancer tumors， as potential biomarkers for improved overall survival［J］. Cancer Biomark， 2016， 16（1）： 99-107.
27	NAOREM L D， MUTHAIYAN M， VENKATESAN A. Identification of dysregulated miRNAs in triple negative breast cancer： a meta-analysis approach［J］. J Cell Physiol， 2019， 234（7）： 11768-11779.
28	HAMILTON N， AUSTIN D， MÁRQUEZ-GARBÁN D， et al. Receptors for insulin-like growth factor-2 and androgens as therapeutic targets in triple-negative breast cancer［J］. Int J Mol Sci， 2017， 18（11）： 2305.
29	HAMILTON N， AUSTIN D， MÁRQUEZ-GARBÁN D，et al. Receptors for insulin-like growth factor-2 and androgens as therapeutic targets in triple-negative breast cancer［J］. Int J Mol Sci， 2017， 18（11）： 2305.
30	WANG Z S， LI Y F， XIAO Y J， et al. Integrin α9 depletion promotes β-catenin degradation to suppress triple-negative breast cancer tumor growth and metastasis［J］. Int J Cancer， 2019， 145（10）： 2767-2780.
31	RIGIRACCIOLO D C， NOHATA N， LAPPANO R， et al. IGF-1/IGF-1R/FAK/YAP transduction signaling prompts growth effects in triple-negative breast cancer （TNBC） cells［J］. Cells， 2020， 9（4）： 1010.
32	SHAHEEN S， FAWAZ F， SSHA H，et al. Differential expression and pathway analysis in drug-resistant triple-negative breast cancer cell lines using RNASeq analysis［J］. Int J Mol Sci，2018，19（6）：1810.
33	WANG S， XIA D， WANG X，et al. C/EBPβ regulates the JAK/STAT signaling pathway in triple-negative breast cancer［J］. FEBS Open Bio， 2021， 11： 1250-1258.

Gene ID	Log₂FC	P	Gene expression status
Hsa-miR-34c	1.02	3.55E-08	Low expression
Hsa-miR-30a	1.04	8.15E-10	Low expression
Hsa-miR-887	1.06	4.66E-09	Low expression
Hsa-miR-182	1.06	4.86E-15	Low expression
Hsa-miR-196a-2	1.06	1.13E-06	Low expression
Hsa-miR-342	1.48	7.62E-27	Low expression
Hsa-miR-153-2	1.59	7.98E-13	Low expression
Hsa-miR-10a	1.79	2.97E-21	Low expression
Hsa-miR-149	1.88	1.14E-23	Low expression
Hsa-miR-375	2.13	9.27E-17	Low expression
Hsa-miR-653	2.34	9.83E-20	Low expression
Hsa-miR-184	3.43	1.19E-17	Low expression
Hsa-miR-190b	3.46	6.87E-47	Low expression
Hsa-miR-877	1.00	4.99E-10	High expression
Hsa-miR-130b	1.01	9.70E-25	High expression
Hsa-miR-511	1.03	2.52E-12	High expression
Hsa-miR-188	1.03	1.33E-13	High expression
Hsa-miR-146a	1.05	1.79E-15	High expression
Hsa-miR-942	1.07	2.55E-19	High expression
Hsa-miR-937	1.17	3.56E-08	High expression
Hsa-miR-19a	1.24	6.77E-20	High expression
Hsa-miR-17	1.26	9.58E-30	High expression
Hsa-miR-31	1.31	5.37E-11	High expression
Hsa-miR-505	1.31	3.12E-32	High expression
Hsa-miR-455	1.51	6.81E-31	High expression
Hsa-miR-9-3	1.56	4.18E-11	High expression
Hsa-miR-9-1	1.57	3.58E-11	High expression
Hsa-miR-9-2	1.57	3.58E-11	High expression
Hsa-miR-584	1.62	7.46E-29	High expression
Hsa-miR-483	1.65	1.16E-13	High expression
Hsa-miR-224	1.84	1.76E-18	High expression
Hsa-miR-452	1.86	7.46E-29	High expression
Hsa-miR-18a	1.92	7.34E-48	High expression
Hsa-miR-1269a	2.23	3.35E-06	High expression
Hsa-miR-135b	2.88	5.38E-34	High expression
Hsa-miR-577	3.37	9.58E-30	High expression
Hsa-miR-934	4.78	8.82E-55	High expression

[1]	魏海峰,倪志强,魏雁虹,王起来,李首庆,马寅芙,谭岩,方艳秋. miR-126过表达和ADAM9基因沉默对胃癌SGC-7901细胞生物学行为的影响及其机制[J]. 吉林大学学报(医学版), 2024, 50(2): 310-319.
[2]	王小燕,张豪,郭泽皓,曹骏,莫之婧. 肝细胞癌中UBE2S互作蛋白的筛选及预后模型构建[J]. 吉林大学学报(医学版), 2024, 50(1): 168-177.
[3]	叶汇,孙哲,周丽婷,齐雯,叶琳. 基于GEO和TCGA数据库对肺腺癌差异表达基因的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(6): 1491-1503.
[4]	徐雅琪,王艳玉,张文婧,韩梅,穆华夏,杨希,卜伟晓,陶子琨,孔雨佳,石福艳,王素珍. 乙型肝炎病毒相关肝细胞癌关键基因筛选及其与预后关系的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(5): 1243-1252.
[5]	崔海康,张旭东,李晓宁,杨希,杨兰,张文杰. 细胞焦亡分型和APOD预测胃癌患者预后作用的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(5): 1268-1279.
[6]	李婧婧,热孜宛古丽·艾斯凯尔null,邢婉怡,邹颖刚. 单侧卵巢原发性去分化脂肪肉瘤1例报告及文献复习[J]. 吉林大学学报(医学版), 2023, 49(4): 1040-1045.
[7]	李婧婧,热孜宛古丽·艾斯凯尔,李丹丹,邹颖刚. 不同治疗方案对卵巢恶性生殖细胞肿瘤患者生育能力影响的研究进展[J]. 吉林大学学报(医学版), 2023, 49(3): 816-822.
[8]	杨仁义,彭书旺,王永恒,董宇轩,段姗姗. 甲状腺癌铁死亡预后风险模型的构建及其潜在机制的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(2): 402-413.
[9]	王小燕,胡溢洪,韩语诚,邹先琼. COMMD7在脑低级别胶质瘤发生发展中作用机制的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(2): 414-424.
[10]	白杨,杨晨曦,刘小强,刘羽,邢倩. 系统性红斑狼疮患者妊娠期外周血中滤泡辅助性T淋巴细胞的变化及其意义[J]. 吉林大学学报(医学版), 2023, 49(1): 166-172.
[11]	高云鹤,姚佳楠,曹岚清,许传杰. 不同部位孤立性纤维性肿瘤患者临床病理特征和预后影响因素分析[J]. 吉林大学学报(医学版), 2022, 48(6): 1510-1517.
[12]	侯俊杰,米旭光,李孝男,李晓男,杨影,芦小单,方艳秋,金宁一. 基于乳酸代谢基因的肺腺癌预后模型的建立和评价[J]. 吉林大学学报(医学版), 2022, 48(6): 1546-1554.
[13]	沈珂羽,付晶瑶,肖思齐,吴宪吉,张广. 低危甲状腺微小乳头状癌术前评估与预后相关因素的研究进展[J]. 吉林大学学报(医学版), 2022, 48(6): 1650-1656.
[14]	胡连涛,邓文俊,鹿士振,孙跞,李学斌,黎楚豪,王欣然,张春斌,李玥,王伟群. CC趋化因子配体20在肝细胞癌组织中的表达及其在肝细胞肝癌预后评估中作用的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(4): 1010-1017.
[15]	牛英杰,查勇,李思嘉,王青,唐诗聪,李红阳. 胆管癌根治性切除术后患者预后相关因素分析和生存预测模型构建[J]. 吉林大学学报(医学版), 2022, 48(4): 979-987.