结直肠癌预后生物标志物的生物信息学挖掘与实验验证

Bioinformatics mining and experimental validation of prognostic biomarkers in colorectal cancer.

作者信息Feng Huang, Salah A Alshehade, Wei Guo Zhao, Zhuo Ya Li, Jung Yin Fong, Chin Tat Ng, Li Chen, Sasikala Chinnappan, Mohammed Abdullah Alshawsh, Karthikkumar Venkatachalam, Malarvili Selvaraja
PMID40847013
发布时间2025-08-22
DOI10.1007/s12672-025-03301-9

实验完整度

研究包含生物信息学分析(WGCNA、Cox、LASSO)和体外细胞实验(siRNA敲低、MTT、克隆形成、Transwell、凋亡检测),但缺乏体内实验和临床样本验证。

主要模型

HCT116人结直肠癌细胞系 HT29人结直肠癌细胞系 TCGA-CRC数据队列 GSE39582和GSE32323数据集

重点核对

TIMP1基因敲低使用siRNA,序列见表1 细胞株:HCT116和HT29,培养于DMEM(10% FBS) siRNA转染使用Lipofectamine 3000,转染后48小时检测蛋白表达 MTT实验:每孔5×10^3个细胞,检测570nm吸光度,重复三次 凋亡检测:Annexin V-FITC/PI染色,流式细胞仪分析

摘要

结直肠癌(CRC)是一种常见疾病,其发病率和死亡率不断上升。在CRC治疗中,识别稳健的预后基因特征仍然是一个未满足的临床需求。本研究利用GEO和TCGA数据库的数据,识别了CRC组织与邻近正常组织相比的2,779个上调和2,629个下调基因。WGCNA分析突出了MEbrown模块,该模块包含1,639个与CRC进展强相关的基因。随后,进行交集分析以进一步细化候选基因集,最终选择926个差异表达的CRC相关基因进行后续分析。通过单变量Cox回归、LASSO正则化和多变量Cox回归,建立了一个五基因预后特征(TIMP1、PCOLCE2、MEIS2、HDC、CXCL13),在外部(GSE32323)和内部验证队列中显示出一致的预测准确性。突变谱显示特征基因以错义突变为主,其中TIMP1具有最高的变异等位基因频率。功能富集分析将TIMP1与关键的CRC通路联系起来,包括I型干扰素受体结合、氧化磷酸化和Notch信号通路。TIMP1的高表达与CRC患者的不良预后相关。此外,利用siRNA技术,研究了TIMP1对CRC细胞系(HCT116和HT29)细胞增殖、转移和凋亡的影响,表明TIMP1敲低显著抑制CRC细胞增殖、转移,并促进凋亡。这些实验结果与生物信息学分析得出的结论一致。本研究提出了一种CRC预后风险模型,进一步强调TIMP1作为该疾病的潜在生物标志物和治疗靶点。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
结直肠癌中是否存在能够预测患者预后并作为治疗靶点的关键基因?
核心机制
TIMP1高表达与CRC不良预后相关;TIMP1敲低抑制细胞增殖、迁移和侵袭,促进凋亡,提示TIMP1促进CRC进展。
主要证据
基于TCGA和GEO数据构建的五基因预后模型在验证集中具有预测价值;体外实验表明siRNA敲低TIMP1显著抑制HCT116和HT29细胞增殖、迁移和侵袭,并促进凋亡。
研究意义
本研究提供了一种CRC预后风险模型,并指出TIMP1可作为潜在的生物标志物和治疗靶点,为CRC靶向治疗开发提供见解。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

差异表达基因和WGCNA模块识别

筛选CRC与正常组织间的差异表达基因,并识别与CRC相关的关键基因模块。

从TCGA-CRC数据中筛选出5408个DEGs,通过WGCNA构建共表达网络,确定MEbrown模块与CRC相关,包含1639个基因,与DEGs取交集得到926个DE-CRC相关基因。

2

功能富集和PPI网络分析

探究DE-CRC相关基因参与的生物学功能和通路。

使用STRING和Cytoscape构建PPI网络,DAVID进行GO和KEGG富集分析。

3

构建并验证预后风险模型

通过Cox回归和LASSO筛选预后相关基因,构建风险评分模型并评估其预测性能。

对926个DE-CRC相关基因进行单变量Cox分析(P<0.03),LASSO降维,多变量Cox回归确定5个特征基因,计算风险评分,根据中位风险分组,用KM曲线、ROC曲线、DCA和PCA评估模型,并在内外部验证中验证。

4

构建并评估列线图模型

结合临床因素和风险评分构建列线图以预测CRC患者生存概率,并评估其预测能力。

通过单因素和多因素Cox分析确定独立预后因素,利用rms包构建列线图,并用校准曲线和ROC曲线验证。

5

特征基因的突变和表达分析

分析特征基因的突变特征和表达与预后的关系。

使用maftools分析TCGA-CRC中的基因突变,GSCA分析CNV,UALCAN和HPA分析表达。

6

体外验证TIMP1功能

通过敲低TIMP1观察对CRC细胞增殖、转移和凋亡的影响。

使用siRNA敲低HCT116和HT29细胞中TIMP1,通过RT-qPCR和Western blot验证敲低效率,MTT和克隆形成实验检测增殖,Transwell检测迁移和侵袭,流式细胞术检测凋亡。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
杜尔贝科改良伊格尔培养基Gibco--
胎牛血清----
青霉素和链霉素----
脂质体3000Thermo Fisher Scientific13778030
Opti-MEM培养基Gibco31985070
Eastep Super总RNA提取试剂盒PromegaLS1040
HyperScript逆转录预混液APExBIOK1074
Hieff qPCR SYBR Green预混液Yeasen11202ES08
Applied Biosystems 7500 Fast实时荧光定量PCR系统ABI4351107
NP-40裂解液----
蛋白酶抑制剂混合物Roche04 906 837 001
磷酸酶抑制剂混合物Roche04 693 132 001
BCA蛋白定量试剂盒Thermo Fisher Scientific23227
PVDF膜Merck MilliporeIPVH00010
MTT试剂Solarbio298-93-1
二甲基亚砜----
酶标仪BMG Labtech--
结晶紫染色液SolarbioG1062
基质胶BeyotimeC0372
Transwell小室BD Falcon353097
Annexin V-FITC凋亡检测试剂盒ElabscienceE-CK-A211
BD FACSAria IIIu流式细胞仪BD--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
数据获取
TCGA-CRC数据集版本(版本3.4-0),包含51个正常组织样本和606个具有生存信息的CRC组织样本;GSE39582数据集包含556个CRC样本;GSE32323数据集包含17个CRC组织和17个正常组织。
阅读提示:Methods: Acquirement of the data of the CRC patients
差异表达和WGCNA分析
差异表达阈值(|log2FC|>1,adj. p<0.05);WGCNA软阈值(β=16),模块最小基因数30,MEbrown模块与CRC相关性最强。
阅读提示:Methods: Identification of differentially expressed CRC-related genes; Results: Acquirement of DE-CRC-related genes and WGCNA construction
预后模型构建
单变量Cox分析P<0.03;LASSO 10折交叉验证;多变量Cox最终确定5个基因;风险评分公式及中位风险分(0.971322)。
阅读提示:Methods: Construction and validation of the prognostic risk model; Results: Great predictive capability of prognostic risk model
细胞培养和转染
HCT116和HT29细胞系来源(ATCC);培养条件(DMEM、10%FBS、1%青霉素/链霉素、5%CO2、37℃);siRNA序列(表1);转染试剂(Lipofectamine 3000),转染浓度(4×10^5细胞/6孔板),转染时间(6小时加混合物,24小时换液)。
阅读提示:Methods: Cell culture, Cell transfection, Table 1
体外功能实验
MTT实验每孔5×10^3细胞;克隆形成实验每孔500细胞,培养12天;迁移和侵袭实验5×10^4细胞/孔,8μm孔径,48小时;凋亡实验4×10^5细胞/6孔板,干预36小时。
阅读提示:Methods: MTT assay, Colony forming assay, Invasion and migration assays, Cell apoptosis analysis