越来越多的证据揭示了热休克蛋白90kDAαB类成员1(HSP90AB1)在癌症发生、发展和进展中的重要作用,但尚未对HSP90AB1进行泛癌症分析。本研究利用生物信息学技术全面研究了HSP90AB1的表达谱和预后意义,以及HSP90AB1与临床病理参数和免疫细胞浸润的关系。HSP90AB1在多种常见癌症中显著上调,并与预后相关。Cox回归分析显示,HSP90AB1在膀胱非本质癌、胆管癌、肺腺癌中高表达,与总生存期(OS)、疾病特异性生存期(DSS)、无进展间期(PFI)相关。在大多数癌症中,HSP90AB1 DNA 甲基化降低,并与 HSP90AB1 表达呈负相关。一些癌症中 HSP90AB1 磷酸化增加。HSP90AB1 与浸润细胞和免疫检查点基因水平密切相关。我们的泛癌症分析为 HSP90AB1 在不同癌症中的肿瘤发生和转移中的作用提供了多方面的理解。
© 作者 2024。开放存取本文根据知识共享署名 4.0 国际许可进行授权,允许以任何媒体或格式使用、共享、改编、分发和复制,只要您给予原作者和来源适当的信任,提供知识共享许可的链接,并指明是否做了更改。本文中的图片或其他第三方资料包含在文章的知识共享许可中,除非资料的致谢中另有说明。如果资料未包含在文章的知识共享许可中,且您的预期用途不被法定规定允许或超出允许用途,则需要直接从版权所有者处获得许可。要查看此许可证的副本,请访问 http://creativecommons.org/licenses/by/4.0/。知识共享公共领域贡献豁免(http://creativecom-mons.org/publicdomain/zero/1.0/)适用于本文中提供的数据,除非数据来源中另有说明。
网络药理学是一种多靶点药物发现方法,用于探索药物与生物网络之间的相互作用。它有助于了解草药的治疗机制,特别是对于糖尿病等复杂疾病。Chandraprabha Vati 是一种经典的阿育吠陀配方,含有 37 种成分,其中许多成分具有抗糖尿病作用。本研究旨在研究 Chandraprabha Vati 的植物化学物质与抗糖尿病药物格列美脲之间的相互作用。使用 IMPPAT 选择 Chandraprabha Vati 的生物活性成分。使用 Swiss ADME 进行药代动力学预测,并使用 Way2Drug 预测药物间相互作用。使用 STRING 数据库构建蛋白质-蛋白质相互作用 (PPI),并在 Cytoscape 中进行网络分析。使用 DAVID 数据库进行基因本体和 KEGG 富集分析。药代动力学分析确定了 11 种关键植物化学物质,它们对参与格列美脲代谢的酶 CYP2C9 具有不同的影响。靶标重叠分析显示格列美脲和植物化学物质之间存在 34 个共同的枢纽基因,包括 EGFR、ESR1、PIK3CA、CYP2C9 和 SRC。这些基因与药物相互作用有关,其中 EGFR 成为关键因素。Chandraprabha Vati 中的植物化学物质,特别是 20-羟基孕-4-烯-3-酮、β-石竹烯和豆固醇,可能通过抑制 CYP2C9 与格列美脲相互作用。这可能会改变格列美脲代谢,增加不良反应的风险。需要进一步的临床研究来证实这些发现并指导安全的联合用药。
卵巢癌仍然是最致命的妇科恶性肿瘤,主要是因为其化疗耐药性和高复发率。越来越多的证据表明,SOX2 异常表达与卵巢癌患者的化疗耐药性和不良预后有关。在本研究中,我们旨在阐明卵巢癌细胞中 SOX2 异常表达的机制。通过检查多种卵巢癌细胞系和一组临床肿瘤样本,我们观察到卵巢癌细胞系和肿瘤中 SOX2 广泛过表达。为了确定导致卵巢癌细胞中 SOX2 过表达的信号通路,我们筛选了一组针对 30 种主要细胞激酶的小分子激酶抑制剂。在确定的热门药物中,AKT 抑制剂是其中之一。我们证明,抑制或敲低 AKT1 可大幅下调 SOX2 蛋白水平,损害 SOX2 阳性卵巢癌细胞的生长和干细胞特性,并显著提高 SOX2 阳性卵巢癌细胞对铂类药物的敏感性。从机制上讲,我们发现 AKT1 主要通过增强其蛋白质稳定性来驱动 SOX2 过表达,并通过在 T116 位点磷酸化 SOX2 来实现这一点。总之,我们的研究揭示了卵巢癌中驱动 SOX2 过表达的潜在机制,并强调了药理学抑制 AKT1 是一种潜在的治疗策略,可提高 SOX2 阳性卵巢癌对铂类药物的敏感性。
。CC-BY-ND 4.0 国际许可证(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 12 月 12 日发布。;https://doi.org/10.1101/2024.12.09.627499 doi:bioRxiv 预印本
腺样囊性癌 (ACC) 是一种罕见的分泌腺恶性肿瘤,具有双重生物学和临床行为。虽然大多数患者最初表现为局部晚期疾病,但 50-60% 的病例会出现远处转移,而这种疾病的治疗选择有限 [1]。我们的团队之前曾根据蛋白质组学和临床数据报告过两种主要的 ACC 分子亚型 [2]。ACC-I 是最具侵袭性的 ACC 类型,其特征是实体组织学、NOTCH1 突变富集、早期发生转移(包括转移到内脏器官)和预后不良(中位总生存期 (mOS) = 3.4 年)。而 ACC-II 更为普遍(占病例的 66%),其特征是非实体组织学(筛状和/或管状)、p63 和受体酪氨酸激酶上调、主要发生肺转移和总体缓慢病程(mOS = 23 年)。这些差异强调了 ACC 的内在异质性以及个性化治疗的必要性,以改善该疾病患者的临床结果。
摘要:目的:抗肌萎缩蛋白β(DTNB)是肌营养不良蛋白相关蛋白复合物(DPC)的组成部分。我们前期的RNA测序(RNA-seq)研究表明,敲低肝细胞癌(HCC)细胞中的致癌长链非编码RNA(ln cRNA)HOXD簇反义RNA 1(HOXD-AS1)可降低DTNB的表达水平。但DTNB与HCC之间的关联仍不明确。方法:采用定量实时PCR(qRT-PCR)验证HCC细胞系中DTNB的上调及HOXD-AS1对其表达的调控作用。通过生物信息学分析探讨DTNB在HCC中的潜在临床意义、生物学功能及其机制。验证DTNB在HCC组织中的高表达,并通过体外功能缺失试验研究其在HCC中的生物学功能。结果:DTNB 在肝癌细胞中高表达,并且在几种肝癌细胞系中受 lncRNA HOXD-AS1 的正向调控。DTNB 的上调与 T 分期、组织学分级、肿瘤状态、邻近肝组织炎症、甲胎蛋白 (AFP) 水平和不良预后显着相关,是与总体生存率相关的独立风险指标,对肝癌的诊断和预后具有重要意义。DTNB 还与免疫细胞浸润、免疫治疗和对抗肝癌药物的敏感性密切相关。鉴定出与 DTNB 在肝癌中共表达的基因,功能富集分析表明 DTNB 可能通过调节细胞周期在肝癌中发挥作用。预测并验证了肝癌中 HOXD-AS1/miR-139-3p/DTNB 的潜在 ceRNA(竞争性内源性 RNA)调控轴。 DTNB 的高表达在我们的 HCC 队列中得到验证,功能丧失试验表明,DTNB 敲低可抑制 HCC 细胞的增殖、迁移和侵袭,并引发细胞周期停滞在 G0/G1 期。结论:DTNB 是 lncRNA HOXD-AS1 的下游靶标,具有作为预后生物标志物和 HCC 治疗靶标的潜在用途。
摘要。除了化疗外,靶向疗法已被批准用于治疗局部晚期和转移性胃癌。治疗效果显著,但应实现更持久的反应和生存率的提高。因此,确定新的靶点和新的临床治疗方法至关重要。在这篇综述中,我们在文献中搜索了干扰可用药靶点并在临床前体内疗效模型中表现出疗效的下调 microRNA。作为可用药靶点,我们选择了跨膜受体、分泌因子和酶。我们确定了 38 个符合所述标准的 microRNA。共有 13 个 miR 靶向跨膜受体,9 个抑制分泌蛋白,16 个减弱酶。这些 microRNA 是胃癌重建治疗的靶点。对于所有已确定的 microRNA,必须进行进一步的靶点验证实验。胃癌 (GC) 是全球第三大癌症病因,也是第四大常见癌症,全球每年死亡人数为 700 000 人 (1)。从分子角度来看,已鉴定出以下亚型:Epstein–Barr 病毒、微卫星不稳定性、
摘要:有效疫苗的缺乏和对当前治疗方法的耐药性的产生凸显了对新型抗利什曼原虫药物的迫切需求。鞘脂代谢被认为是利什曼原虫特异性靶点的有希望的来源,因为这些脂质是真核生物质膜的关键结构成分,并参与不同的细胞事件。肌醇磷酸神经酰胺 (IPC) 是利什曼原虫中的主要鞘脂,是 IPC 合酶 (IPCS) 介导的反应的产物。抗组胺药富马酸氯马斯汀已被确定为 L. major 中的 IPCS 抑制剂和体内强效的抗利什曼原虫。在这里,我们试图进一步研究这种化合物在更易处理的物种 L. mexicana 中的靶点,采用结合基因组学、蛋白质组学、代谢组学和脂质组学技术以及分子和生化研究的方法。虽然数据表明对富马酸氯马斯汀的反应基本保持不变,但发现了鞘脂代谢以外的意外干扰。此外,虽然删除编码 Lmx IPCS 的基因在体外影响不大,但它确实影响了富马酸氯马斯汀的疗效,更重要的是,影响了体内致病性。总之,这些数据表明氯马斯汀确实抑制了 Lmx IPCS 并导致相关的代谢紊乱,但其主要目标可能在其他地方。关键词:利什曼原虫、肌醇磷酸神经酰胺合酶、富马酸氯马斯汀、多组学、CRISPR-Cas9、热蛋白质组学分析
虽然大规模功能性基因筛选已经发现了许多癌症依赖性,但罕见癌症在这些努力中表现不佳,而且许多罕见癌症的依赖性状况仍然不清楚。我们对一种典型的罕见癌症——TFE3- 易位肾细胞癌 (tRCC) 进行了基因组规模的 CRISPR 敲除筛选,揭示了与线粒体生物合成、氧化代谢和肾脏谱系特化相关的途径中以前未知的 tRCC 选择性依赖性。为了推广到其他可能不易获得实验模型的罕见癌症,我们采用机器学习根据肿瘤或细胞系的转录谱推断其基因依赖性。通过将依赖性预测应用于肺泡软组织肉瘤 (ASPS),一种也是由 TFE3 易位驱动的独特罕见癌症,我们发现并验证了 MCL1 代表 ASPS 中的依赖性,但不代表 tRCC。 24 最后,我们应用我们的模型预测了 TCGA 中的肿瘤(11,373 个肿瘤;28 25 个谱系)和多种其他罕见癌症(16 种类型的 958 个肿瘤,包括 26 种肾癌的 13 种不同亚型)中的基因依赖性,从而确定了几种特征不明显的癌症类型中可能存在的潜在可操作漏洞。27 我们的研究结果将无偏功能性基因筛查与预测模型结合起来,建立了 28 种癌症候选漏洞的概况,包括几种目前缺乏潜在靶点的罕见癌症。29