SOX9活化Wnt/β-catenin信号通路对食管鳞状细胞癌细胞增殖的影响

目的探讨SOX9对食管鳞状细胞癌(esophageal squamous cell carcinoma,ESCC)细胞增殖的影响和分子机制。方法采用免疫组化EnVision法检测ESCC组织和癌旁正常组织中SOX9的表达,并分析其与临床病理特征及预后的关系。对过表达SOX9的Eca109-SOX9细胞和Eca109-Vector进行全转录芯片检测。qRT-PCR技术检测TE-1和干扰SOX9表达的TE-1细胞中差异基因的表达。Western blot法检测干扰和过表达SOX9后活化/非磷酸化β-catenin蛋白表达。使用Wnt抑制剂LGK974处理不同ESCC细胞后,通过CCK-8法检测细胞增殖能力的变化。结果SOX9在ESCC组织(4.58±3.04)中的表达显著高于癌旁正常组织(1.56±2.08,P<0.001)。SOX9表达与ESCC分化程度和浸润深度有关(P<0.05)。生存分析显示,SOX9高表达患者的总生存率明显低于低表达者(P<0.05);生物信息学分析发现AXIN2、FZD7和WNT5A在Eca109-SOX9细胞中的表达明显高于对照组;使用siRNA干扰SOX9后,AXIN2、FZD7和WNT5A的mRNA表达水平及活化/非磷酸化β-catenin的蛋白表达水平均降低,过表达SOX9则活化/非磷酸化β-catenin表达增加;经不同浓度LGK974处理的TE-1和Eca109-SOX9细胞增殖能力均显著降低,而低表达SOX9的Eca109-Vector细胞增殖能力未见明显改变,且SOX9蛋白表达不受LGK974影响。结论SOX9在ESCC中高表达,并可通过活化Wnt/β-catenin信号通路促进ESCC增殖,提示SOX9有望成为ESCC的预后标志物和药物治疗靶点。

深度学习在肿瘤组织病理图像分析中的应用

全载玻片数字扫描技术自1999年首次提出以来,在许多病理领域得到应用和验证。近年来,将先进的人工智能(artificial intelligence,AI)技术应用于医学诊断领域,不仅为改善医疗保健提供了新思路,也掀起了在肿瘤病理学领域研究的新浪潮。在大数据及数字显微技术背景下,深度学习(deeplearning,DL)作为实现AI的一种新兴手段,在肿瘤检测、分类、转移和预后预测等组织病理图像分析中显示出巨大潜力。传统病理诊断结果受病理医师个人知识储备、临床经验以及逻辑思维方式的影响,主观性强且重复率低。AI作为一种新技术,在辅助病理医师进行病理诊断时,可以在一定程度上规避上述人为因素,减少人工失误,提高病理诊断的准确率和重复率,支持实时诊断决策。这不仅能够缓解医疗卫生资源的压力,而且能够为精准医疗助力。本文就DL在肺癌、乳腺癌、前列腺癌组织病理图像分析中的应用现状、机遇及挑战作一综述,并从病理医师角度讨论模型开发和应用监管中存在的问题。

横纹肌肉瘤相关差异miRNAs和靶基因的生物信息学分析

目的:运用生物信息学分析人正常横纹肌和横纹肌肉瘤(rhabdomyosarcoma,RMS)差异miRNAs和靶基因,为研究RMS提供新思路。方法:GEO2R分析RMS组织的差异miRNAs,利用Sangerbox绘制火山图。TargetScan、miRDB、miRwalk预测靶基因并利用Veen分析交集靶基因。Enrichr分析靶基因的GO富集分析和KEGG信号通路。Cytoscape结合生存分析筛选hub基因及miRNAs与hub基因的分子调控网络。结果:GEO2R分析发现2 549个差异miRNAs,上调和下调miRNAs分别有1 318个和1 231个,根据|log_(2)FC|>1.5,P<0.05筛选出6个差异miRNAs(上调:miR-410-3p、miR-381-3p、miR-483-3p和miR-376a-3p,下调:miR-29c-3p和miR-145-5p);TargetScan、miRDB、miRwalk分别预测6个差异miRNAs的靶基因后Veen图取交集的靶基因共计1 262个;GO富集和KEGG信号通路分析靶基因富集于RNA聚合酶Ⅱ的调控、调节干细胞多能性的信号通路、Hippo信号通路等过程;Cytoscape筛选出top10 hub基因后结合生存曲线分析显示FBXL3高表达,SPSB4、VHL、SMAD4、NRAS、KRAS低表达时患者预后较好。结论:利用生物信息学分析正常横纹肌和横纹肌肉瘤组织的差异miRNAs-靶基因,筛选出miR-145-5p(SPSB4、FBXL3、SMAD4、NRAS)、miR-29c-3p(VHL)、miR-381-3p(KRAS),可为横纹肌肉瘤的研究提供潜在的分子靶点。