结肠癌核心基因和独立预后因子筛选的生物信息学分析

doi:10.13481/j.1671-587X.20220325

摘要/Abstract

摘要： 目的

挖掘基因表达综合（GEO）数据库和癌症基因组图谱（TCGA）数据库中结肠癌基因表达数据，探讨引发结肠癌的潜在核心基因及独立预后因子。

方法

采用TCGA数据库检索结肠癌中基因表达水平和临床特征数据，采用GEO数据库检索结肠癌和癌旁组织中核心基因表达水平，行加权基因共表达网络分析（WGCNA）、维恩分析、蛋白-蛋白互作（PPI）网络构建和Hub 基因筛选、基因本体（GO）及京都基因和基因组百科全书（KEGG）富集分析、泛癌基因的免疫细胞亚型分析、核心基因的泛癌热图和相关性分析、核心基因与肿瘤微环境的相关性分析和核心基因的风险回归模型分析，实时荧光定量PCR（RT-qPCR）、Western blotting和免疫组织化学法检测结肠癌组织及癌旁组织中NKD1与AXIN2表达水平，进一步证实筛选结果。

结果

TCGA数据分析得出1 208个基因高表达；GSE37182芯片中有252个基因高表达。对4组差异分析数据取交集，维恩分析获得13个共有基因，并进行PPI网络构建，发现7个基因（ARID3A、 SALL4、NKD1、KND2、AXIN2、CA9和TACSTD2）为结肠癌潜在的核心基因。GO富集分析，这7个基因主要参与Wnt信号通路进行正/负调控，基底外侧质膜或结合泛素蛋白连接酶；KEGG富集分析，这7个基因主要作用于Hippo信号通路和Wnt信号通路。泛癌基因分析，7个核心基因在结肠癌组织中均明显高表达，NKD1和AXIN2基因在结肠癌组织中的表达呈正相关关系（r=0.69）；TACSTD2基因在C1、C2、C3和C6免疫细胞亚型中呈高表达。核心基因的表达与样品中肿瘤微环境之间的相关性分析，结肠癌组织中NKD2、AXIN2、ARID3A和NKD1基因的表达与综合打分呈负相关关系（P<0.01）。结肠癌患者生存预后分析，只有AXIN2为显著独立预后因子（P<0.05），在结肠癌患者中为低风险独立预后因子。RT-qPCR、Western blotting和免疫组织化学法检测，NKD1在结肠癌肿瘤标本和结肠癌细胞中均呈高表达，并且NKD1与AXIN2基因表达水平呈显著正相关关系（P<0.01）。

结论

基于生物信息学分析结肠癌数据库筛选出7个核心基因，其中AXIN2为结肠癌患者独立预后因子，结肠癌组织中NKD1的AXIN2基因表达水平呈正相关关系。

关键词: 结肠肿瘤, 核心基因, 预后因子, 加权基因共表达网络分析, 生物信息学

Abstract: Objective

To mine the gene expression data of colon cancer in Gene Expression Omnibus （GEO） database and The Cancer Genome Atlas （TCGA） database，and to explore the potential core genes and the independent prognostic factors of colon cancer.

Methods

TCGA database was used to retrieve the gene expression levels and clinical feature data in colon cancer， and the GEO database was used to retrieve the core gene expression levels in colon cancer and adjacent tissues. Weighted correlation network analysis（WGCNA）， Wenn analysis， protein-protein interaction（PPI） network construction and Hub gene screening， Gene Ontology（GO）enrichment analysis and Kyoto Encylopaedia of Genes and Genomes （KEGG） enrichment analysis， immune cell subtype analysis on pan oncogene，pan cancer heat map and correlation analysis of core gene， correlation analysis on core gene and tumor microenvironment and risk regression model analysis on core gene were performed. The expression levels of NKD1 and AXIN2 in the colon cancer tissue and adjacent tissue were detected by real-time fluorescence quantitative PCR （RT-qPCR），Western blotting and immunohistochemistry to further confirm the screening results.

Results

The TCGA data analysis results showed that 1 208 genes were highly expressed， 252 genes were highly expressed in the GSE37182 chip. The intersection of 4 groups of differential analysis data was taken， 13 common genes were obtained by Venn analysis. The PPI network was constructed， and 7 genes （ARID3A，SALL4，NKD1，KND2，AXIN2，CA9，and TACSTD2） were found to be the potential core genes of colon cancer. The GO analysis results showed that these 7 genes were mainly involved in positive/negative regulation of Wnt signaling pathway， basolateral plasma membrane or bound to ubiquitin protein ligases. The KEGG enrichment analysis results showed that these 7 genes were mainly involved in the Hippo signaling pathway and Wnt signaling pathway.The pan-cancer gene analysis results showed that these 7 core genes were significantly highly expressed in the colon cancer tissue， and the expression levels of NKD1 and AXIN2 genes in the colon cancer tissue had a high positive correlation （r=0.69）. High expression of TACSTD2 gene was shown in the C1，C2，C3， and C6 immune cell subtypes.The correlation analysis results between the expression of core genes and the tumor microenvironment showed that the expression levels of NKD2，AXIN2，ARID3A，and NKD1 genes in the colon cancer tissue were negatively correlated with the comprehensive score（P<0.01）. The survival prognostic analysis results of colon cancer patients showed that only AXIN2 was a significant independent prognostic factor （P<0.05）， and it was a low-risk independent prognostic factor in the colon cancer patients. The RT-qPCR，Western blotting，and immunohistochemistry detection results showed that NKD1 was highly expressed in both the colon cancer tissue and colon cancer cells， and the expression levels of NKD1 and AXIN2 were significantly positively correlated（P<0.01）.

Conclusion

Seven core genes are screened by the bioinformatics screening of colon cancer database， among which AXIN2 is an independent prognostic factor for the colon cancer patients， and the expression level of NKD1 in the colon cancer tissue is positively correlated with the expression level of AXIN2.

Key words: Colon neoplasms, Core genes, Prognostic factors, Weighted correlation network analysis, Bioinformatics

中图分类号:

R735.35

刘迁,祁国萍,于华裔,戴宇阳,陆文斌,金建华. 结肠癌核心基因和独立预后因子筛选的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(3): 755-765.

Qian LIU,Guoping QI,Huayi YU,Yuyang DAI,Wenbin LU,Jianhua JIN. Bioinformatics analysis on screening of colon cancer core genes and independent prognostic factors[J]. Journal of Jilin University(Medicine Edition), 2022, 48(3): 755-765.

图/表 16

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

图14

图15

表1

参考文献 33

1	SIEGEL R L， MILLER K D， JEMAL A. Cancer statistics， 2020［J］.CA Cancer J Clin，2020，70（1）： 7-30.
2	FENG X D， ZHANG Z J， SUN P， et al. Interleukin-18 is a prognostic marker and plays a tumor suppressive role in colon cancer［J］. Dis Markers， 2020， 2020： 6439614.
3	ANGELESCU R， DOBRESCU R. MIDGET： Detecting differential gene expression on microarray data［J］. Comput Methods Programs Biomed，2021， 211： 106418.
4	WANG Y H， ZHAO Y， BOLLAS A， et al. Nanopore sequencing technology， bioinformatics and applications［J］.Nat Biotechnol，2021，39（11）：1348-1365.
5	CZECH L， HUERTA-CEPAS J， STAMATAKIS A. A critical review on the use of support values in tree viewers and bioinformatics toolkits［J］. Mol Biol Evol， 2017， 34（6）： 1535-1542.
6	MA J Y， CHEN X C， LIN M Q， et al. Bioinformatics analysis combined with experiments predicts CENPK as a potential prognostic factor for lung adenocarcinoma［J］. Cancer Cell Int， 2021， 21（1）： 65.
7	WANG Y C， TIAN Z B， TANG X Q. Bioinformatics screening of biomarkers related to liver cancer［J］. BMC Bioinformatics， 2021， 22（）： 521.
8	赵昕辉，刘俊，贺奋飞，等. 基于生物信息学分析的结肠癌枢纽基因筛选及调控网络构建［J］. 现代肿瘤医学， 2019， 27（13）： 2227-2231.
9	DIBOUN I， WERNISCH L， ORENGO C A， et al. Microarray analysis after RNA amplification can detect pronounced differences in gene expression using limma［J］. BMC Genomics， 2006， 7： 252.
10	ROBINSON M D， MCCARTHY D J， SMYTH G K. edgeR： a Bioconductor package for differential expression analysis of digital gene expression data［J］. Bioinformatics， 2010， 26（1）： 139-140.
11	ITO K， MURPHY D. Application of ggplot2 to pharmacometric graphics［J］. CPT Pharmacometrics Syst Pharmacol， 2013， 2（10）： e79.
12	LANGFELDER P， HORVATH S. WGCNA： an R package for weighted correlation network analysis［J］. BMC Bioinformatics， 2008， 9： 559.
13	YOUNG A， WHITEHOUSE N， CHO J， et al. OntologyTraverser： An R package for GO analysis［J］. Bioinformatics， 2005， 21（2）： 275-276.
14	KANEHISA M， GOTO S， FURUMICHI M， et al. KEGG for representation and analysis of molecular networks involving diseases and drugs［J］. Nucleic Acids Res， 2010， 38（Database issue）： D355-D360.
15	STEENWYK J L， ROKAS A. Ggpubfigs： colorblind-friendly color palettes and ggplot2 graphic system extensions for publication-quality scientific figures［J］. Microbiol Resour Announc， 2021， 10（44）： e0087121.
16	ZHOU L N， DING L Y， GONG Y Q， et al. Identification of hub genes associated with the pathogenesis of diffuse large B-cell lymphoma subtype one characterized by host response via integrated bioinformatic analyses［J］. Peer J， 2020， 8： e10269.
17	LIU Z C， LIU X L， CAI R， et al. Identification of a tumor microenvironment-associated prognostic gene signature in bladder cancer by integrated bioinformatic analysis［J］.Int J Clin Exp Pathol，2021，14（5）： 551-566.
18	WANG Y， LUO H， CAO J， et al. Bioinformatic identification of neuroblastoma microenvironment-associated biomarkers with prognostic value［J］.J Oncol， 2020， 2020： 5943014.
19	LIU Q， LU W B， YANG C X， et al. HBXIP activates the PPARδ/NF-κB feedback loop resulting in cell proliferation［J］. Oncotarget， 2018， 9（1）： 404-417.
20	LIU Q， DENG J Z， YANG C X， et al. DPEP1 promotes the proliferation of colon cancer cells via the DPEP1/MYC feedback loop regulation［J］. Biochem Biophys Res Commun， 2020， 532（4）： 520-527.
21	WANG Y， YANG C X， LI W J， et al. Identification of colon tumor marker NKD1 via integrated bioinformatics analysis and experimental validation［J］. Cancer Med， 2021， 10（20）： 7383-7394.
22	STANCIKOVA J， KRAUSOVA M， KOLAR M， et al. NKD1 marks intestinal and liver tumors linked to aberrant Wnt signaling［J］. Cell Signal， 2015， 27（2）： 245-256.
23	CAO B P， YANG W L， JIN Y S， et al. Silencing NKD2 by promoter region hypermethylation promotes esophageal cancer progression by activating Wnt signaling［J］. J Thorac Oncol， 2016， 11（11）： 1912-1926.
24	BERNKOPF D B， BRÜCKNER M， HADJIHANNAS M V，et al. An aggregon in conductin/axin2 regulates Wnt/β-catenin signaling and holds potential for cancer therapy［J］. Nat Commun， 2019， 10（1）： 4251.
25	KING D J， FREIMANIS G， LASECKA-DYKES L， et al. A systematic evaluation of high-throughput sequencing approaches to identify low-frequency single nucleotide variants in viral populations［J］. Viruses， 2020， 12（10）： 1187.
26	LIU H Y， ZHANG C J. Identification of differentially expressed genes and their upstream regulators in colorectal cancer［J］. Cancer Gene Ther， 2017， 24（6）： 244-250.
27	HESARI A， RAJAB S， REZAEI M， et al. Knockdown of Sal-like 4 expression by siRNA induces apoptosis in colorectal cancer［J］. J Cell Biochem， 2019： 2019Feb16.
28	GUO J H， CAGATAY T， ZHOU G J， et al. Mutations in the human naked cuticle homolog NKD1 found in colorectal cancer alter Wnt/Dvl/beta-catenin signaling［J］. PLoS One， 2009， 4（11）： e7982.
29	CHEN H Y， LANG Y D， LIN H N， et al. miR-103/107 prolong Wnt/β-catenin signaling and colorectal cancer stemness by targeting Axin2［J］. Sci Rep， 2019， 9： 9687.
30	TIENG F Y F， ABU N， SUKOR S， et al. L1CAM， CA9， KLK6， HPN， and ALDH1A1 as potential serum markers in primary and metastatic colorectal cancer screening［J］. Diagnostics （Basel）， 2020， 10（7）： 444.
31	CUBAS R， ZHANG S， LI M， et al. Trop2 expression contributes to tumor pathogenesis by activating the ERK MAPK pathway［J］. Mol Cancer， 2010， 9： 253.
32	VELOUDIS G， PAPPAS A， GOURGIOTIS S， et al. Assessing the clinical utility of Wnt pathway markers in colorectal cancer［J］. J BUON， 2017， 22（2）： 431-436.
33	OTERO L， LACUNZA E， VASQUEZ V， et al. Variations in AXIN₂ predict risk and prognosis of colorectal cancer［J］. B D J Open， 2019， 5： 13.

Clinical parameter	Univariate risk analysis			Multivariate risk analysis
Clinical parameter	HR	95%CI	P	HR	95%CI	P
Age	1.03	1.01－1.05	0.008	1.04	1.01－1.06	0.001
Gender	1.11	0.70－1.77	0.653	10.5	0.65－1.69	0.836
Stage	2.26	1.73－2.93	1.59E－09	1.21	0.57－2.60	0.622
T	2.85	1.80－4.52	7.77E－06	1.76	1.01－3.07	0.045
M	4.45	2.74－7.21	1.40E－09	2.28	0.81－6.41	0.118
N	2.02	1.54－2.65	3.47E－07	1.42	0.88－2.28	0.150
AXIN2	0.99	0.98－1.00	0.023	0.82	0.69－0.98	0.026

[1]	陈素贤,谷泽慧,马炀斐,谭琦,李琪,王亚帝. 芦丁对人结肠癌SW480细胞凋亡的促进作用及其作用机制[J]. 吉林大学学报(医学版), 2022, 48(2): 356-363.
[2]	李小燕,张维,何杰. REG1A通过调控Wnt/β-catenin信号通路对肺腺癌细胞增殖和迁移的促进作用[J]. 吉林大学学报(医学版), 2022, 48(2): 444-453.
[3]	赵莹,赵丹玉,刘超. 基于TXNDC11基因对泛癌的预后评估价值及其免疫调节作用的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(1): 142-153.
[4]	赵志娟,孟莲,刘春霞. 基于融合基因作用于横纹肌肉瘤的miRNA-mRNA调控网络的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(1): 154-162.
[5]	李楠,陈蕾,许天敏,张琨. 子宫内膜异位症患者细胞外基质相关基因筛选的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(1): 188-194.
[6]	董浩,江海圳,李超,高登科,靳亚平,陈华涛. 小鼠NR1D1基因过表达载体的构建及其生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(1): 94-103.
[7]	于洋,刘赛男,刘云恺,李勇,乔乙春,程熠. PRPS2表达特点及其与乳腺癌预后关系的生物信息学分析[J]. 吉林大学学报(医学版), 2021, 47(5): 1229-1236.
[8]	马博, 李建刚, 王俊, 候军丽, 李亮. miR-106b靶向调控TGF-β/Smad通路对结肠癌细胞侵袭和迁移的促进作用[J]. 吉林大学学报(医学版), 2021, 47(3): 630-636.
[9]	李晓辉, 瞿紫微, 卢昕, 孟庆彬, 陈华涛, 任骏, 谭成沛. 骨髓间充质干细胞来源性外泌体携带miR-196b-5p对结肠癌细胞生物学特性的调控作用[J]. 吉林大学学报(医学版), 2021, 47(3): 660-668.
[10]	潘玉卿, 孙运艳, 李轶勋, 王丽英, 斯南卓玛, 陈睿, 张曦, 杜艳. 基于高通量芯片对急性髓系白血病竞争内源性RNA网络的构建和分析[J]. 吉林大学学报(医学版), 2021, 47(3): 669-676.
[11]	林瑶,林春霖,王琴,张彬,王少瑜,朱广伟. 微小染色体蛋白家族和染色体结构维持蛋白4基因在宫颈鳞状细胞癌组织中的表达及其生物信息学分析[J]. 吉林大学学报(医学版), 2021, 47(2): 430-437.
[12]	郑兰,朴松哲,徐然,王馨悦,王艺璇,林贞花,杨洋. 基于m⁶A调节基因表达水平对子宫内膜癌免疫浸润及其预后影响的生物信息学分析[J]. 吉林大学学报(医学版), 2021, 47(2): 438-452.
[13]	黄维莉,吕永晨. 结肠癌组织中miR-1915-3p和Bcl-2的表达及其临床意义[J]. 吉林大学学报(医学版), 2021, 47(2): 453-459.
[14]	张曦, 翟丽, 孙运艳, 杨伟, 高艳章, 雷鸣, 潘玉卿. 基于高通量芯片对小儿急性髓系白血病的生物信息学分析[J]. 吉林大学学报(医学版), 2020, 46(05): 1036-1042.
[15]	王治, 洪莉, 李素廷, 曾婉玲. 基于GEO数据库生物信息学方法分析子宫内膜癌相关基因和候选通路[J]. 吉林大学学报(医学版), 2020, 46(04): 804-809.