肝细胞癌中UBE2S互作蛋白的筛选及预后模型构建

目的:筛选泛素结合酶E2S (UBE2S)互作蛋白并构建肝细胞癌(HCC)基于UBE2S互作蛋白的预后模型(UIPM),分析UIPM评估HCC患者预后的价值。方法:采用免疫共沉淀(Co-IP)技术筛选与Flag-UBE2S结合的蛋白复合体,经十二烷基硫酸钠-聚丙烯酰胺凝胶电泳(SDSPAGE)和Western blotting法验证后,采用液相色谱-质谱联用仪(LC-MS)分析鉴定UBE2S互作蛋白,并对互作蛋白进行基因本体论(GO)功能和京都基因与基因组百科全书(KEGG)信号通路富集分析。采用R软件survival包筛选癌症基因组图谱(TGGA)中HCC预后相关蛋白与UBE2S互作蛋白取交集,通过LASSO回归分析从交集蛋白中获取关键蛋白构建UIPM,并建立预后模型风险评分公式,按照风险评分的中位值将TGGA中HCC患者分为高风险组和低风险组,通过受试者工作特征曲线(ROC)评估UIPM的预测准确性,并采用国际癌症基因组联盟(ICGC)数据库对UIPM预测准确性进行再次验证。采用单因素和多因素Cox回归分析评估UIPM风险评分是否为HCC的预后独立危险因素,并进一步构建列线图模型。结果:Co-IP联合LC-MS分析得到97个UBE2S互作蛋白。GO功能和KEGG信号通路富集分析,互作蛋白主要与半胱氨酸型内肽酶活性、氧化应激和细胞死亡有密切关联。TCGA筛选出5 163个HCC预后相关蛋白,与UBE2S互作蛋白取交集,获得40个预后相关互作蛋白,LASSO回归分析得到7个关键蛋白,包括UBE2S、热休克蛋白家族A成员8(HSPA8)、异质性胞核核糖核蛋白H1(HNRNPH1)、含TCP1伴侣蛋白亚基3 (CCT3)、真核翻译起始因子2亚基1 (EIF2S1)、活化蛋白C激酶1受体(RACK1)和肌动蛋白相关蛋白2/3复合体亚基4(ARPC4),并构建了UIPM,高和低风险组HCC患者生存率存比较差异有统计学意义(P<0.05)。ROC曲线,UIPM预测HCC患者1、2和3年UIPM风险评分的ROC曲线下面积(AUC)值均大于0.7,表明预测模型准确度较高。ICGC数据库数据也证实UIPM预测准确度较高。单因素和多因素Cox回归分析,UIPM风险评分是HCC患者的独立预后危险因素(P<0.05)。列线图预测HCC患者生存率与实际生存率之间有较好的一致性。结论:97个互作蛋白与UBE2S相互作用,可能通过氧化应激和铁死亡相关通路的失调促进HCC发生发展。UIPM风险评分是HCC预后的独立危险因素,可以用于预测HCC患者预后。而UBE2S、HSPA8、HNRNPH1、CCT3、EIF2S1、RACK1和ARPC4有望成为HCC新的生物标志物和治疗靶点。

基于DNA损伤应答的肝细胞癌预后基因筛选和预后模型构建

目的筛选差异表达的DDR相关基因(differential expressed-DNA damage response associated genes,DEDDR)构建肝细胞癌(HCC)预后模型。方法使用limma R软件包从TCGA-LIHC数据集中筛选HCC样本和正常样本之间的差异表达基因(DEGs),将其与276个DDR基因取交集获得差异表达DEDDR。通过单因素Cox分析和Lasso回归分析以确定DEDDR预后模型,ROC曲线评估模型的准确性。单因素、多因素Cox回归分析DEDDR预后模型风险评分是否为HCC的预后独立危险因素,并采用国际癌症基因组联盟(ICGC)中LIHC数据作为外部数据进行验证。最后对low-DEDDR组和high-DEDDR组进行GSEA和免疫浸润分析。结果1361个DEGs与276个DDR基因取交集获得25个DEDDR,Lasso回归分析得到4个DEDDR(TTK、NSMCE2、NUDT1、NEIL3)用于构建预后模型。low-DEDDR组比high-DEDDR组患者具有更高的生存率。ROC曲线显示该模型预测HCC患者1年、2年和3年生存率的AUC值分别为0.77、0.70和0.68;单因素和多因素Cox回归分析结果显示DEDDR预后模型风险评分是HCC患者的独立预后危险因素,且其AUC值高于其他临床病理特征,ICGC中LIHC数据进一步验证了该模型的准确性和临床适用性较好。GSEA分析显示high-DEDDR组主要富集细胞周期、细胞衰老、DNA复制等信号通路,此外high-DEDDR组中2型辅助性T细胞(Th2)丰度更高,而嗜酸性粒细胞丰度更低。结论DEDDR预后模型在预测HCC患者的预后方面具有较好的表现,可为评估HCC患者预后、识别高危患者提供参考。

肝癌细胞中VIPR1互作蛋白质谱分析及肝癌预后模型的构建

目的:寻找与血管活性肠肽受体1(vasoactive intestinal peptide receptor 1,VIPR1)相互作用的蛋白并构建肝细胞肝癌(hepatocellular carcinoma,HCC)预后模型。方法:采用免疫共沉淀技术(Co-immunoprecipitation,Co-IP)筛选Flag标签抗体结合的蛋白复合体,采用SDS-PAGE银染实验和Western blot进行验证,采用质谱分析(liquid chromatograph-mass spectrometer,LC-MS)获得VIPR1的互作蛋白,采用生物信息学软件和癌症基因组图谱(The Cancer Genome Atlas project,TCGA)数据库筛选hub互作蛋白、富集分析、构建HCC预后模型并采用国际癌症基因组联盟(International Cancer Genome Consortium,ICGC)中LIHC数据和GSE14520数据集作为外部数据对其预测准确性进行验证。结果:得到196个VIPR1的互作蛋白,筛选出8个关键模块共104个hub互作蛋白,主要与细胞骨架、核糖体的功能和细胞免疫密切相关,获得7个关键蛋白并构建了HCC预后Lasso回归模型,随后在两个外部数据集中验证了该模型在预测HCC预后方面具有可接受的准确性及临床适用性。结论:VIPR1的互作蛋白可促进HCC发生发展,其中关键蛋白构建的HCC预后模型有良好的准确性。

高层装配式结构关键施工技术分析

以常见的高层装配建筑的施工技术为例,结合装配式发展与特点对其中的叠合板、预制剪力墙、安全围护施工进行分析,针对其中的注意事项进行归纳整理,以提高装配式结构用于高层建筑的安全性。

VIPR1启动子甲基化促进转录因子AP-2α下调VIPR1的表达并促进肝细胞癌的生长

目的探讨血管活性肠肽受体1(VIPR1)在肝细胞癌(HCC)组织中低表达的转录调控机制和生物学功能。方法肝癌细胞系Hep3B和Huh7常规培养,实验分为VIPR1启动子野生型组、启动子突变载体1组、启动子突变载体2组和启动子突变载体1+2组。双荧光素酶报告基因实验检测AP-2α表达对VIPR1启动子活性的影响;DNA甲基化转移酶抑制剂(DAC)处理肝癌细胞,焦磷酸测序法检测VIPR1启动子甲基化水平的变化;染色质免疫共沉淀检测AP-2α与VIPR1启动子的结合能力;Westernblot检测AP-2α的敲减作用以及VIPR1的表达;Westernblot检测两种细胞株中VIPR1的差异表达;qPCR和Westernblot检测VIPR1过表达和敲减效果;流式细胞术检测细胞周期和细胞凋亡;CCK8实验检测细胞增殖。建立裸鼠移植瘤模型,检测LV-NC组和LV-VIPR1组中肿瘤的体积和质量。结果与VIPR1启动子野生型组相比,启动子突变载体1+2与AP-2α表达质粒共转染后,荧光素酶活性明显恢复(P<0.05);DAC处理后,VIPR1启动子甲基化水平降低,并且随着甲基化程度减弱,与VIPR1启动子结合的AP-2α显著减少(P<0.01);敲减AP-2α后,VIPR1表达上升;Huh7细胞株中VIPR1表达低于Hep3B细胞株,在两种细胞株中成功构建了VIPR1过表达和敲减模型,VIPR1过表达增加了G2/M期的细胞数量(P<0.01),凋亡细胞显著增加(P<0.001),细胞增殖受到抑制(P<0.001),而VIPR1敲低则相反。体内实验表明VIPR1过表达组的肿瘤体积减小(P<0.001),肿瘤量降低(P<0.05)。结论HCC中VIPR1的启动子甲基化促进了转录因子AP-2α的结合,并且抑制了VIPR1表达,而VIPR1过表达可使细胞周期阻滞在G2/M期,促进细胞凋亡,抑制细胞增殖和肿瘤生长。

通过生物信息学分析探索骨关节炎中潜在的miRNA-mRNA信号分子途径

对miRNA-mRNA在OA组织中的调控网络进行全面的探索。方法:从GEO数据库中下载微阵列数据集GSE74209、GSE79258和GSE105027,使用GEO2R工具分析识别OA和正常组织之间的差异表达的miRNAs(Differentially expressed miRNAs ,DEMs)。筛选出三个数据集中一致变化的miRNAs作为候选DEMs。通过FunRich和miRNet分别预测候选DEMs的潜在下游靶基因。利用DAVID在线数据库对目的基因进行基因本体论(GO)注释分析和京都基因与基因组百科全书(KEGG)通路富集分析。使用STRING数据库和Cytoscape软件构建蛋白质-蛋白质相互作用(PPI)网络和DEM-Hub基因网络。最后利用GSE48556对筛选的Top18 枢纽基因(Hub基因)表达进行评价。结果:在上述三个数据集中共筛选出6个下调的DEMs,并预测了1084个下游靶基因。通过构建DEM-Hub基因网络,发现大部分枢纽基因可能受到miR-574-5p、miR-4458、miR-3158-5p和miR-3149的调控。在前18个枢纽基因中,RBCK1、SKP1A、FBXL20、UBE2D4和UBE2E3的表达与GSE48556数据集一致。结论:本研究首次在OA组织中探索了一个潜在的miRNA-mRNA信号分子通路,为OA的发病机制和治疗提供了新的思路。

一种新的泛素化-铁死亡相关基因特征用于肝细胞癌患者预后分析

本研究通过筛选泛素化-铁死亡相关基因构建肝细胞癌(hepatocellular carcinoma,HCC)预后模型,并探究泛素化-铁死亡相关基因对HCC预后的影响。使用R包DESeq2对TCGA-LIHC数据集进行差异分析,获取HCC差异表达基因(HCC_DEGs)。将HCC_DEGs、泛素化相关基因(ubiquitination related genes,URGs)和铁死亡差异表达基因(ferroptosis_differentially expressed genes,FERR_EDGs)取交集获得泛素化和铁死亡相关基因(UBFE_EDGs),将UBFE_EDGs依次进行LASSO回归分析、单因素Cox回归分析和多因素Cox回归分析以筛选出最佳独立预后基因用于构建HCC预后模型(ubiquitination and ferroptosis-related prognostic model,UBFE)。由生存曲线、ROC曲线和校正曲线评估UBFE的预测准确性。单因素Cox回归分析、多因素Cox回归分析评估UBFE风险评分是否为HCC的预后独立危险因素,并构建列线图模型。ssGSEA分析和单细胞测序数据分析用于评估UBFE与泛素化及铁死亡的相关性。结果显示,HCC_DEGs、URGs和FERR_EDGs取交集得到45个UBFE_EDGs,依次进行LASSO回归分析、单因素Cox回归分析和多因素Cox回归分析筛选出2个UBFE_EDGs(DCAF13和UBE2C)用于构建HCC预后模型UBFE。生存曲线、ROC曲线和校准曲线分析显示UBFE高风险评分组(HighUBFE)与HCC患者预后差显著相关,UBFE具有较好的预测准确性。单因素Cox回归分析和多因素Cox回归分析结果显示UBFE风险评分是HCC患者预后的独立危险因素,UBFE联合TNM分期的预测准确性更高,列线图预测HCC患者的1年、2年和3年生存率与实际生存率的一致性较高。ssGSEA分析和单细胞分析的结果均显示UBFE风险评分与泛素化呈正相关性,与铁死亡呈负相关性,UBFE高风险评分组的铁死亡拮抗反应高于UBFE低风险评分组的。本研究构建的UBFE在预测HCC患者的预后方面具有较好的表现,DCAF13和UBE2C可能通过泛素化和铁死亡通路影响肝细胞癌的进展及患者预后。