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

doi:10.13481/j.1671-587X.20230518

摘要/Abstract

摘要：

目的采用生物信息学方法识别与乙型肝炎病毒相关肝细胞癌（HBV-HCC）的早期诊断和不良预后相关的关键基因，阐明HBV-HCC 发生发展的潜在分子机制。方法从基因表达综合数据库（GEO）中检索“hepatitis B induced HCC ”，下载基因数据集GSE121248，通过R软件中的“limma”数据包筛选差异表达基因（DEGs），采用“clusterProfiler” 数据包对DEGs进行基因本体（GO）功能富集分析和京都基因与基因组百科全书（KEGG）信号通路富集分析，采用STRING数据库和Cytoscape软件建立蛋白-蛋白互作（PPI）网络并筛选关键基因。采用基因表达水平值的交互式分析（GEPIA）、Kaplan Meier-Plotter和人类蛋白质图谱（HPA）数据库验证关键基因及其蛋白质表达水平，采用“CIBERSORT”数据包分析免疫细胞的浸润情况。结果共筛选出574个DEGs，其中上调基因173个，下调基因401个。GO功能富集分析，DEGs主要富集于小分子代谢、信号转导、免疫应答和炎症反应等生物学过程；KEGG通路富集分析，DEGs主要富集于视黄醇代谢、细胞色素P450对外源药物代谢通路和化学致癌作用等。筛选PPI网络中的细胞分裂周期20（CDC20）、细胞周期蛋白依赖性激酶1（CDK1）、细胞周期蛋白A2（CCNA2）、纺锤体检测点蛋白（BUB1B）、拓扑异构酶Ⅱα（TOP2A）、Discs大同源相关蛋白5（DLGAP5）、异常纺锤体样小头畸形相关蛋白（ASPM）、中心体蛋白55（CEP55）、驱动蛋白超家族11（KIF11）和驱动蛋白超家族20A（KIF20A）为HBV-HCC的关键基因。GEPIA数据库分析，上述10种关键基因在HCC患者中均呈高表达。Kaplan-Meier生存曲线分析，关键基因高表达的HCC患者总生存期短于低表达患者。结论细胞周期与病毒致癌作用相关基因（CDC20、CDK1、CCNA2和BUB1B）与HBV-HCC患者的发生发展及不良预后有密切关联，可能成为诊断标志物和治疗新靶点。

关键词: 肝细胞肿瘤, 乙型肝炎病毒, 生物信息学, 免疫浸润, 预后

Abstract:

Objective To identify the key genes associated with the early diagnosis and poor prognosis of hepatitis B virus-associated hepatocellular carcinoma （HBV-HCC） by using the bioinformatics methods， and to elucidate the underlying molecular mechanism of occurence and development of HBV-HCC. Methods Gene Expression Omnibus （GEO） Database was used to retrieval “hepatitis B induced HCC”； the Gene Dataset GSE121248 was downloaded， the differentially expressed genes （DEGs） were screened by the “limma” Data Package in R Software， and the DEGs were enriched by using the “clusterProfiler” Data Package for Gene Ontology （GO） functional analysis and the Kyoto Genes and Genome Encyclopedia （KEGG） signaling pathway enrichment analysis； STRING Database and Cytoscape Software were used to establish the protein-protein interaction（PPI） network and the key genes were screened out.Gene Expression Profiling Interactive Analysis（GEPIA）， Kaplan Meier-Plotter，and Human Protein Atlas（HPA）Databases were used to verify the key genes and the expression levels of proteins；the infiltration of the immune cells was analyzed based on the “CIBERSORT” Data Package. Results A total of 574 DEGs were identified，including 173 up-regulated genes and 401 down-regulated genes. The GO functional enrichment analysis results showed that DEGs were mainly enriched in the biological processes such as small molecule metabolism， signal transduction， immune response， inflammatory response，and so on； the KEGG signaling pathway enrichment analysis results showed that the DEGs were mainly enriched in retinol metabolism， cytochrome P450 metabolic pathway of exogenous drugs， and chemical carcinogenesis，and so on. The PPI network results showed that cell division cycle 20（CDC20），cyclin dependent kinase 1（CDK1）， cyclin A2（CCNA2）， pindle checkpoint protein（BUB1B）， topoisomerase Ⅱ α（TOP2A）， discs large homolog associated related protein 5（DLGAP5）， abnormal spindle-like microcephaly associated protein（ASPM）， centrosomal protein 55（CEP55）， kinesin superfamily 11（KIF11），and kinesin superfamily 20A（KIF20A） were the key genes. The GEPIA Database analysis results showed that these above 10 key genes were highly expressed in the HCC patients. The Kaplan Meier survival curve showed that the overall survivals of the HCC patients with high expression of key genes were shorter than those of the HCC patients with low expression of key genes. Conclusion The genes related to cell cycle and viral oncogenesis （CDC20， CDK1， CCNA2， and BUB1B） are closely associated with the occurence and development and poor prognosis of the HBV-HCC patients， which may become the diagnostic markers and new targets for the treatment.

Key words: Hepatocellular carcinoma, Hepatitis B virus, Bioinformatics, Immune infiltration, Prognosis

中图分类号:

R735.7

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.

Yaqi XU,Yanyu WANG,Wenjing ZHANG,Mei HAN,Huaxia MU,Xi YANG,Weixiao BU,Zikun TAO,Yujia KONG,Fuyan SHI,Suzhen WANG. Bioinformatics analysis on screening of key genes of hepatitis B virus-related hepatocellular carcinoma and its relationship with prognosis[J]. Journal of Jilin University(Medicine Edition), 2023, 49(5): 1243-1252.

图/表 8

图 1

图 2

图 3

图 4

图 5

图 6

图 7

表 1

参考文献 36

1	BRAY F， FERLAY J， SOERJOMATARAM I， et al. Global cancer statistics 2018： GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries［J］.CA Cancer J Clin，2018，68（6）：394-424.
2	PETRICK J L， FLORIO A A， ZNAOR A， et al. International trends in hepatocellular carcinoma incidence， 1978-2012［J］. Int J Cancer， 2020， 147（2）： 317-330.
3	RINALDI L， GUARINO M， PERRELLA A， et al. Role of liver stiffness measurement in predicting HCC occurrence in direct-acting antivirals setting： a real-life experience［J］. Dig Dis Sci， 2019， 64（10）： 3013-3019.
4	GRANDHI M S， KIM A K， RONNEKLEIV-KELLY S M， et al. Hepatocellular carcinoma： from diagnosis to treatment［J］. Surg Oncol， 2016， 25（2）： 74-85.
5	DING W， ZHANG Z， YE N Y， et al. Identification of key genes in the HBV-related HCC immune microenvironment using integrated bioinformatics analysis［J］. J Oncol， 2022， 2022： 2797033.
6	WANG S M， OOI L L P J， HUI K M. Identification and validation of a novel gene signature associated with the recurrence of human hepatocellular carcinoma［J］. Clin Cancer Res， 2007， 13（21）： 6275-6283.
7	SZKLARCZYK D， GABLE A L， NASTOU K C，et al. The STRING database in 2021： customizable protein-protein networks， and functional characterization of user-uploaded gene/measurement sets［J］. Nucleic Acids Res， 2021， 49（D1）： D605-D612.
8	CHIN C H， CHEN S H， WU H H， et al. cytoHubba： identifying hub objects and sub-networks from complex interactome［J］. BMC Syst Biol， 2014， 8（）： S11.
9	TANG Z F， LI C W， KANG B X， et al. GEPIA： a web server for cancer and normal gene expression profiling and interactive analyses［J］. Nucleic Acids Res， 2017， 45（W1）： W98-W102.
10	LÁNCZKY A， GYÖRFFY B. Web-based survival analysis tool tailored for medical research （KMplot）： development and implementation［J］. J Med Internet Res， 2021， 23（7）： e27633.
11	ASPLUND A， EDQVIST P H D， SCHWENK J M， et al. Antibodies for profiling the human proteome-The Human Protein Atlas as a resource for cancer research［J］. Proteomics， 2012， 12（13）： 2067-2077.
12	YANG J D， HAINAUT P， GORES G J， et al. A global view of hepatocellular carcinoma： trends， risk， prevention and management［J］. Nat Rev Gastroenterol Hepatol， 2019， 16（10）： 589-604.
13	SCHWEITZER A， HORN J， MIKOLAJCZYK R T， et al. Estimations of worldwide prevalence of chronic hepatitis B virus infection： a systematic review of data published between 1965 and 2013［J］. Lancet， 2015， 386（10003）： 1546-1555.
14	REVILL P A， TU T， NETTER H J， et al. The evolution and clinical impact of hepatitis B virus genome diversity［J］. Nat Rev Gastroenterol Hepatol， 2020， 17（10）： 618-634.
15	COLOTTA F， ALLAVENA P， SICA A， et al. Cancer-related inflammation， the seventh hallmark of cancer： links to genetic instability［J］. Carcinogenesis， 2009， 30（7）： 1073-1081.
16	HUANG X B， HE Y G， ZHENG L， et al. Identification of hepatitis B virus and liver cancer bridge molecules based on functional module network［J］. World J Gastroenterol， 2019， 25（33）： 4921-4932.
17	PETTINELLI P， ARENDT B M， TETERINA A，et al.Altered hepatic genes related to retinol metabolism and plasma retinol in patients with non-alcoholic fatty liver disease［J］. PLoS One， 2018， 13（10）： e0205747.
18	GAO J， WANG Z， WANG G J， et al. From hepatofibrosis to hepatocarcinogenesis： higher cytochrome P450 2E1 activity is a potential risk factor［J］.Mol Carcinog， 2018， 57（10）： 1371-1382.
19	OLIVEIRA P A， COLAÇO A， CHAVES R， et al. Chemical carcinogenesis［J］. An Acad Bras Cienc， 2007， 79（4）： 593-616.
20	RAJAGOPALAN H， LENGAUER C. Aneuploidy and cancer［J］. Nature， 2004， 432（7015）： 338-341.
21	ZHAO J， HAN S X， MA J L， et al. The role of CDK1 in apoptin-induced apoptosis in hepatocellular carcinoma cells［J］. Oncol Rep， 2013， 30（1）： 253-259.
22	ITO Y， TAKEDA T， SAKON M， et al. Expression and prognostic role of cyclin-dependent kinase 1 （cdc2） in hepatocellular carcinoma［J］. Oncology， 2000，59（1）： 68-74.
23	KIM D H， PARK S E， KIM M， et al. A functional single nucleotide polymorphism at the promoter region of cyclin A2 is associated with increased risk of colon， liver， and lung cancers［J］. Cancer， 2011， 117（17）： 4080-4091.
24	MA Q， LIU Y M， SHANG L， et al. The FOXM1/BUB1B signaling pathway is essential for the tumorigenicity and radioresistance of glioblastoma［J］. Oncol Rep， 2017， 38（6）： 3367-3375.
25	NG I O， NA J， LAI E C， et al. Ki-67 antigen expression in hepatocellular carcinoma using monoclonal antibody MIB1. A comparison with proliferating cell nuclear antigen［J］. Am J Clin Pathol， 1995， 104（3）： 313-318.
26	KUO T C， CHANG P Y， HUANG S F， et al. Knockdown of HURP inhibits the proliferation of hepacellular carcinoma cells via downregulation of gankyrin and accumulation of p53［J］. Biochem Pharmacol， 2012， 83（6）： 758-768.
27	HE B S， YIN J B， GONG S C， et al. Bioinformatics analysis of key genes and pathways for hepatocellular carcinoma transformed from cirrhosis［J］. Medicine， 2017， 96（25）： e6938.
28	WU B， HU C Y， KONG L B. ASPM combined with KIF11 promotes the malignant progression of hepatocellular carcinoma via the Wnt/β-catenin signaling pathway［J］. Exp Ther Med， 2021， 22（4）： 1154.
29	JEFFERY J， SINHA D， SRIHARI S， et al. Beyond cytokinesis： the emerging roles of CEP55 in tumorigenesis［J］. Oncogene， 2016， 35（6）： 683-690.
30	GASNEREAU I， BOISSAN M， MARGALL-DUCOS G， et al. KIF20A mRNA and its product MKlp2 are increased during hepatocyte proliferation and hepatocarcinogenesis［J］.Am J Pathol， 2012，180（1）：131-140.
31	GUIDOTTI L G， CHISARI F V. Noncytolytic control of viral infections by the innate and adaptive immune response［J］. Annu Rev Immunol， 2001， 19： 65-91.
32	THIMME R， WIELAND S， STEIGER C， et al. CD8（+） T cells mediate viral clearance and disease pathogenesis during acute hepatitis B virus infection［J］. J Virol， 2003， 77（1）： 68-76.
33	YANG P Y， LI Q J， FENG Y X， et al. TGF-β-miR-34a-CCL22 signaling-induced Treg cell recruitment promotes venous metastases of HBV-positive hepatocellular carcinoma［J］. Cancer Cell， 2012， 22（3）： 291-303.
34	JIN Z， SUN R， WEI H， et al. Accelerated liver fibrosis in hepatitis B virus transgenic mice： involvement of natural killer T cells［J］.Hepatology，2011，53（1）：219-229.
35	LI X， SU Y， HUA X， et al. Levels of hepatic Th17 cells and regulatory T cells upregulated by hepatic stellate cells in advanced HBV-related liver fibrosis［J］. J Transl Med，2017， 15（1）：75.
36	KONG X， SUN R， CHEN Y， et al. γδT cells drive myeloid-derived suppressor cell-mediated CD8+ T cell exhaustion in hepatitis B virus-induced immunotolerance［J］. J Immunol，2014， 193（4）：1645-1653.

ID	Description	Count	P	Gene
hsa04110	Cell cycle	4	2.702 3E-07	CDC20,CDK1,CCNA2,BUB1B
hsa05203	Viral carcinogenesis	3	0.000 149 353	CDC20,CDK1,CCNA2
hsa05166	Human T lymphocyte leukemia virus 1 infection	3	0.000 192 061	CDC20,CCNA2,BUB1B
hsa04914	Progesterone-mediated oocyte maturation	2	0.001 516 381	CDK1,CCNA2
hsa04114	Oocyte meiosis	2	0.002 488 770	CDC20,CDK1
hsa04218	Cellular senescence	2	0.003 511 844	CDK1,CCNA2

[1]	邓文俊,胡连涛,赵彬男,董新宇,李学斌,李杰,杨馨妍,郭晓莉,李玥,曲义坤,王伟群. CXC趋化因子配体10对肝细胞癌SMMC-7721细胞增殖和迁移的影响及其机制[J]. 吉林大学学报(医学版), 2023, 49(5): 1227-1233.
[2]	董勇,徐菱遥,华静,梁晗,刘东亚,赵俊波,孙正路,程序,魏书堂. 巨噬细胞外泌体lncRNA HULC对肝癌细胞迁移、侵袭和转移的影响及其机制[J]. 吉林大学学报(医学版), 2023, 49(5): 1217-1226.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	王睿,章鼎,诸葛瑞剑,薛倩,郭丽. 六价铬致肝脏损伤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): 452-459.
[8]	陈猛猛,陈俊宇,高燕,房正轩,赵淑华,郑晶莹,刘淑香. 膜穿孔蛋白E在上皮性卵巢癌组织中的表达水平及其临床意义[J]. 吉林大学学报(医学版), 2023, 49(2): 440-451.
[9]	肖志远,宋冰,马鑫雨,金连辉,郑通,柴芳. 细胞凋亡相关基因CD44在甲状腺癌组织中的表达及其与肿瘤侵袭和免疫细胞浸润关系的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(2): 473-481.
[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]	唐吴月,李硕杰,庞丽娟. 基于肺腺癌组织中可变剪接数据构建剪接因子-可变剪接调控网络的生物信息学分析[J]. 吉林大学学报(医学版), 2023, 49(1): 139-149.
[12]	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.
[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]	范吉林,朱婷婷,田晓玲,刘思佳,苏静,张世亮. 基于房颤中circRNA-miRNA-mRNA网络构建和免疫细胞浸润的生物信息学分析[J]. 吉林大学学报(医学版), 2022, 48(6): 1535-1545.
[15]	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.