Део Ⅱ Метаболичко разумевање генетске дисрегулације у микроокружењу тумора карцинома бубрега бубрега

Резултат

1. Идентификација диференцијално изражених метаболичких гена у КИРЦ-у.

Да бисмо истражили метаболичку дисрегулацију у КИРЦ-у, истражили смо доступне податке ТЦГА да бисмо добили дубок увид у терапеутске лекове усмерене на метаболизам у клиници. У ту сврху, одабрали смо скуп од 1916 метаболичких гена који су пресечени из два различита скупа података [16, 17] и прегледали 1100 различито експримираних гена у тумору у односу на нормална ткива (додатна табела 2). Ови различито експримирани метаболички гени су уцртани у вулкане и топлотне мапе (Слике 1(а) и 1(б)). Од 1100 различито експримираних метаболичких гена, 78 гена је регулисано навише, а 163 гена је смањено. Штавише, било је 859 гена који су били непромењени. Топлотна мапа представља индивидуални индекс експресије тих диференцијалних метаболичких гена у туморским и нормалним узорцима (слика 1(б)). Затим смо идентификовали првих 10 различито експримираних метаболичких гена; међу њима, ЕНПП3, ННМТ, ЦИП2Ј2, СЦД и ХК2 су регулисани навише, а ХСД11Б2, ХМГЦС2, ХПД, ХС6СТ2 и АЛДОБ су регулисани наниже. Оквирни графикони ових ДЕмГ су приказани на слици 1(ц). Међу појачано регулисаним генима, ЕНПП3 је ~7- пута експримиран у туморима. Алтернативно, ген АЛДОБ је ~5-преструко смањен у анализираним узорцима тумора.

Поред тога, проценили смо КЕГГ пут и ГО анализе ДЕмГ. Анализа КЕГГ пута је открила да су повећани гени значајно обогаћени метаболизмом угљеника, ХИФ1 сигнализацијом и гликолизом/глуконеогенезом са већим односом гена (8-9 број гена у сваком путу) (слика 1(д)). Слично томе, међу смањеним ДЕмГ, открили смо да су метаболизам угљеника и деградација валина, леуцина и изолеуцина главни путеви на које утичу метаболички активни гени (Слика 1 (е)). Путеви повезани са органелом пероксизома такође су значајно обогаћени у смањеној групи узорака генског тумора. Важно је напоменути, у поређењу са онима у генима са повећаном регулацијом, путеви укључени у ниже регулисане гене имају веће значајне п вредности. Вреди напоменути да је већина КЕГГ путева обогаћених смањеним категоријама гена била повезана са метаболизмом аминокиселина. Да би се даље сецирао укључивање ДЕмГ у туморигенезу, извршене су ГО функционалне анализе појачано и ниже регулисаних гена. Поделили смо ГО онтологију у три функционалне субонтолошке групе, БП (биолошки процес), ЦЦ (ћелијска компонента) и МФ (молекуларна функција) (Слике 1(ф) и 1(г)). Поред тога, ГСЕА анализа је открила значајно повећање обогаћивања гена повезаних са БЕНПОРАТХ_МИЦ_ЦИЉАМА_ВИТХ_ЕБОКС-ом у туморима, док БРОВН{{11} } МИЈЕЛОИД_РАЗВОЈ ЋЕЛИЈА_УП, КЕГ_АЛФА_ ЛИНОЛЕН_КИСЕЛИНА_МЕТАБОЛИЗАМ, и КЕГГ{ Утврђено је да је {19}ЕТАР_ ЛИПИД_МЕТАБОЛИЗАМ негативно обогаћен. У следећој фази, конструисали смо ППИ мрежу за интеракцију протеин-протеин са регулисаним ДЕмГ нагоре и надоле. Један број гена је показао међусобну интеракцију. Кроз интеракције ових гена, изоловали смо гене чворишта. Сваки чвор је одвојен од другог на основу вредности степена; даље, изоловали смо првих 7 гена чворишта за ППИ. Такође смо истражили корелацију између експресије овог чворишта гена и клиничкопатолошких карактеристика КИРЦ-а у скуповима података ТЦГА.

Кликните овде да сазнатекоје су предности Цистанцхеа.

2. Анализа мреже открива основне метаболичке промене у различитим онтологијама тумора.

Затим су одабрани подаци о експресији ДЕмГ-а и коришћени као улазни подаци за ВГЦНА, који је идентификовао 6 различитих модула коекспресије који садрже различит број гена за сваки модул (слика 2(а)). Повезали смо диференцијалне гене са спољашњим особинама и идентификовали модуле који су значајно повезани са клиничким особинама (слика 2(б)). На основу коефицијента корелације, установили смо да су МЕтиркизни модули негативно повезани са статусом преживљавања. Анализе обогаћивања ГО и КЕГГ пута су изведене коришћењем гена из ових модула (Слике 2(ц) и 2(д)). Најбогатији КЕГГ путеви били су разградња валина, леуцина и изолеуцина; метаболизам угљеника; метаболизам пропаноата; метаболизам масних киселина; деградација масних киселина; метаболизам пероксизома и бутаноата; метаболизам глиоксилата и дикарбоксилата; и метаболизам триптофана (слика 2(ц)). Гени који се односе на БП термине су били претежно обогаћени малим молекулима, карбоксилном киселином и катаболичким процесима органске киселине. Гени повезани са ЦЦ терминима углавном су обогаћени у митохондријском матриксу. Диференцијално експримирани гени повезани са МФ су углавном обогаћени везивањем коензима (слика 2(д)). Поред тога, извршили смо анализу преживљавања 8 гена у модулу преживљавања. Пацијенти са већом експресијом АЦАДСБ, ПАНК1, СЛЦ25А4, ПЦЦА, ХАДХ, АУХ, АЦАТ1 и АЛДХ6А1 имали су дужу стопу преживљавања од оних са нижом експресијом ових гена (п=0) (Слике 2(е)–2( л)).

3. Груписање пацијената КИРЦ-а.

Одабрали смо врхунске ДЕмГ за кластер анализу; КИРЦ пацијенти су груписани у три кластера на основу диференцијалне експресије метаболичких гена. Слика 3(а) приказује топлотне карте ДЕмГ код пацијената са КИРЦ-ом. Скала боја показује вредност експресије (светло плава означава нижу вредност експресије; тамно плава означава веће вредности експресије гена).

КМ криве су нацртане да би се упоредило укупно преживљавање три кластера за КИРЦ пацијенте. Укупне стопе преживљавања значајно су се разликовале у три кластера (п < {{0}}:01 Слика 3(б)). Кластер 1 је показао лошију стопу преживљавања у поређењу са кластером 2 и кластером 3. Стопа преживљавања ПФС се такође значајно разликовала међу 3 кластера (п < 0:001, слика 3(ц)), а кластер 1 је показао лошију стопу преживљавања ПФС у поређењу са са кластером 2 и кластером 3.

Различите боје у нашем моделу представљају клиничке параметре и основне патолошке стадијуме (Слика 3(д)). Кластер 3 има нижи Мо однос и већу вредност М1 у поређењу са кластерима 1 и 2 што сугерише веће метастазе рака и напреднији стадијум тумора у кластеру 3 од кластера 1 и 2. Слично, у кластеру 3, рак се проширио више на лимфне чворове (већи Н1) у поређењу са онима у кластерима 1 и 2. Већина КИРЦ пацијената је дијагностикована у стадијумима ИИИ и ИВ (Слике 3(е) и 3(ф)), што указује на веће или проширене туморе, као и кретање кроз крвног или лимфног система до удаљеног региона у телу.

4. Имуни статус три кластера.

Користили смо алгоритам ЕСТИМАТЕ да проценимо стромалне и имуне резултате серије КИРЦ ткива на основу њихових метаболичких транскрипционих профила (слика 4(а)). Касније су ови резултати узети у обзир да би се развио потпис метаболичких гена заснован на стромално-имуном резултату за стратификацију прогнозе у КИРЦ-у. Као што је приказано на слици 4(а), три групе кластера (Ц1, Ц2 и Ц3) су стратификоване у кутијастим дијаграмима на основу њиховог стромалног имуног резултата. Међу три кластера, Ц1 је показао већи значајан резултат и у стромалним и у имунолошким класификацијама.

Штавише, ЦИБЕРСОРТ је анализирао три кластера са п-вредношћу < 0.1 (Слика 4(б)). Чистоћа тумора, имуни резултат и стромални резултат заједно са патолошким стадијумима 3 кластера приказани су на врху топлотне мапе. У овој анализи смо углавном открили да су регулаторне Т ћелије (Трегови) обогаћене кластером Ц1, а пацијенти у Ц1 су углавном били у патолошким стадијумима ИИИ и ИВ. Штавише, активиране НК ћелије, ЦД8 плус Т ћелије, Т фоликуларне помоћне ћелије и М0 макрофаги у Ц1 кластеру; ЦД8 плус Т ћелије и Т фоликуларне помоћне ћелије у Ц2 кластеру; а детектовани су и мастоцити у мировању, М2 макрофаги, ЦД4 Т ћелије меморије у мировању, моноцити, наивне Б ћелије и М1 макрофаги у Ц3 кластеру (Слика 4(б)).

Осим ЦИБЕРСОРТ-а, користили смо и друге алгоритамске пакете за проверу статуса имунолошке инфилтрације. Хијерархијска топлотна мапа МЦП анализе је приказана на слици 4(ц). Кључни налази МЦП анализе били су инфилтрација неутрофила и инфилтрација ендотелних ћелија у кластеру Ц3 који је недостајао у кластеру Ц1. Ова анализа је такође открила НК ћелију, моноцитну линију и инфилтрацију мијелоидних дендритичних ћелија у кластеру Ц3. Остале популације имуних ћелија су помешане у три анализирана кластера (Слика 4(ц)).

Да бисмо допунили ЦИБЕРСОРТ и МЦП анализе, применили смо ссГСЕА да квантификујемо нивое инфилтрације за типове имуних ћелија имплементираних у Р пакету ГСВА. Подаци о три кластера су убачени у ссГСЕА пакет и добијено је богатство од 28 ћелија и типова повезаних са имунитетом у КИРЦ узорцима. Резултати су открили да Ц1 и Ц2 имају више имунолошке инфилтрације; неке урођене имуне ћелије, укључујући НК, неутрофиле и еозинофиле, помешане су у 3 кластера (Слика 4 (д)).

5. Конструкција и валидација модела предвиђања заснованог на ДЕмГ.

На крају, конструисали смо и потврдили модел предвиђања заснован на диференцијалној експресији метаболичких гена. Израчунали смо имунолошки резултат ризика од ДЕмГ на основу укупног преживљавања. У ту сврху осмислили смо две групе за процену корелације скора ризика; један је за кохорту за обуку, а други за кохорту за тестирање. Открили смо да је укупно преживљавање било ниско и расуто по скору ризика (Слике 5(а) и 5(б)). Затим, на основу средњег скора ризика, додијелили смо КИРЦ пацијенте у групе високог и ниског ризика за даљу евалуацију. Затим смо извршили анализу преживљавања ове две ризичне групе у кохортама за обуку и тестирање. Као што се очекивало, утврђено је да групе са високим ризиком имају ниско преживљавање у поређењу са групама ниског ризика (Слике 5(ц) и 5(д)). Поред тога, извршена је анализа РОЦ криве за кохорте за обуку и тестирање. Приметили смо РОЦ скор од 0.68 на 5 година у кохортама за тестирање, што указује на добар учинак у предвиђању прогнозе КИРЦ-а (Слике 5(е) и 5(ф)). Поред анализе РОЦ криве, такође смо извршили модел регресије ЛАССО ЦОКС да бисмо потврдили наш прогностички модел као што је назначено делимичном девијацијом вероватноће (додатна слика 5 (а)) и коефицијентом регресије ДЕмГ (додатна слика 5 (б)). На крају, предвиђено је да пет гена (АБЦГ1, ЦРИЛ1, ФДКС1, ПАНК1 и СЛЦ44А) буду потенцијални прогностички фактори са ХР <1 (додатна слика 5 (ц)).

6. Основни механизми напредовања КИРЦ-а.

Да бисмо даље истражили основни механизам за прогресију КИРЦ-а, спровели смо анализу диференцијалне експресије међу свим кластерима и користили графикон топлотне мапе да бисмо визуелизовали резултате (Слика 6 (а)). Да бисмо идентификовали сигналне путеве ДЕмГ-а, извршили смо КЕГГ и ГО анализе обогаћивања ДЕГ-ова у три кластера. Укратко, ови резултати су открили да су ДЕГ три кластера углавном обогаћени фокалном адхезијом, Фоко сигналним путем и Апелин сигналним путем за кластер Ц3 и апсорпцијом минерала, формирањем екстрацелуларне замке неутрофила и инфекцијом стафилококусом ауреус за кластер Ц2 (Слика 6 (б)). Поред тога, ГО функционална анализа ДЕГ-ова открила је онтологије повезане са МФ-, ЦЦ- и БП приказане на слици 6(ц). Занимљиво је да је анализа диференцијалне експресије открила абнормално понашање регулације гена у три кластера. Углавном, НУДТ1 је био високо изражен у Ц1, који је имао најгоре преживљавање. Даље истраживање је открило да је експресија НУДТ1 значајно смањена кроз прогресију од Ц1 до Ц3 (Слика 6 (д)). Штавише, откривено је да је НУДТ1 појачан у КИРЦ узорцима тумора (Слика 6 (е)). Затим смо истакли експресију НУДТ1 у стадијумима сваког тумора (Слика 6 (ф)). Анализу укупног преживљавања је такође урадио Каплан-Меиер плотер и открили смо да пацијенти са већом експресијом НУДТ1 имају лошије укупно преживљавање (ХР=1:82 (1,34–2,48), лог-ранк п {{27} }:00012) (Слика 6(г)).

На крају, извршили смо КЕГГ и ГО анализе функционалног обогаћивања за гене који су у интеракцији са НУДТ1. Гени су подељени у две групе - у позитивној корелацији са НУДТ1 и у негативној корелацији са НУДТ1. Анализа КЕГГ пута је показала да су позитивно корелирани гени углавном обогаћени рибозомским путем, Хантингтоновој болести, амиотрофичној латералној склерози и Алцхајмеровој болести. С друге стране, негативно корелирани гени су обогаћени углавном хепатитисом Б и Фоко сигнализацијом (слика 6(х)). Штавише, ГО онтологија три различите групе МФ, ЦЦ и БП и за позитивно и за негативно корелиране гене приказана је на слици 6(и). Поред тога, открили смо да је експресија НУДТ1 у високој корелацији са инфилтрацијом имуних ћелија (допунска слика 6) и различитим клиничким карактеристикама пацијената са КИРЦ (табела 1).

Цистанцхе суплементи

7. Губитак НУДТ1 инхибира пролиферацију и миграцију ћелија рака бубрега.

Затим смо упоредили ниво експресије НУДТИ у КИРЦ ткивима и њиховим повезаним нормалним ткивима, што је открило да је НУДТ1 високо експримиран у КИРЦ ткивима (слика 7 (а)). Штавише, утврдили смо ефекте губитка НУДТ1 на ћелијске линије рака бубрега коришћењем инхибиције посредоване сиРНА. НУДТ1 је био циљан за уништавање сиРНА у две ћелијске линије 786-О и АЦХН, а нивои НУДТ1 мРНА су успешно инхибирани као што је доказано кПЦР анализом (Слика 7(б)). Након уништавања НУДТ1 посредованог сиРНА, тест виталности ћелија показао је смањену виталност ћелија у обе ћелијске линије (Слике 7(ц) и 7(д)). Након тога, тест миграције ћелија након обарања НУДТ1 показао је значајно смањену миграцију ћелија у НУДТ1-осиромашеним 786-О и АЦХН ћелијама (Слике 7(е) и 7(ф)). Капацитет миграције 786-О ћелија је смањен на око 50 процената, а смањење од 70 процената је примећено у АЦХН ћелијама након НУДТ1 обарања (Слика 7(ф)). Инвазија ћелија је такође инхибирана у обе ћелијске линије када је НУДТ1 ген оборен (Слике 7 (г) и 7 (х)). Да бисмо употпунили миграцију, такође смо извршили тест зарастања рана када је НУДТ1 био исцрпљен из 786-О и АЦХН ћелијских линија и приметили смо сличне резултате смањене способности зарастања рана у обе ћелијске линије којима недостаје НУДТ1 (Слике 7(л)- 7(н)). На основу ових резултата, претпоставили смо да губитак НУДТ1 може довести до апоптозе у ћелијама рака бубрега. Стога смо измерили проценат апоптотичких ћелија након утишавања НУДТ1. Занимљиво је да смо открили да је проценат апоптотичких ћелија значајно повећан у ћелијама осиромашеним НУДТ1-(слике 7(и)–7(к)).

Дискусија

Карцином реналних ћелија бубрега (КИРЦ) је један од најчешћих карцинома широм света, генерално не показује ране симптоме док тумор не постане довољно велики; стога је стопа морталитета релативно висока [18–20]. Стога је неопходно истражити карциногенезу КИРЦ-а и идентификовати корисне биомаркере за његову рану дијагнозу. Међутим, до сада је утврђено ограничено знање о патогенези и карциногенези КИРЦ-а. Поред тога, није потврђено много молекуларних маркера за клиничку праксу. Напредна технологија секвенцирања високе пропусности и биоинформатичке технологије омогућавају одабир ефикасних биомаркера [21]. Подаци о секвенцирању РНК и клиничке белешке за преко пет стотина КИРЦ случајева су бесплатно доступни у бази података ТЦГА. Користећи предности ових слободно доступних података из ТЦГА, анализирали смо податке о секвенци РНК за различито експримиране метаболичке гене у узорцима тумора у односу на нормално ткиво. Међу повишеним и ниже регулисаним генима, идентификовали смо 10 најбољих диференцијално експримираних метаболичких гена (ДЕмГ). Верујемо да метаболички гени имају различите функције у КИРЦ-у; ипак, проналажење одговарајућих дијагностичких и терапијских маркера могло би бити изазов из скупа гена са разноврсним функцијама.

Раније су студије процениле инфилтрацију имуних ћелија у микроокружење тумора неколико врста рака. Проучавана је веза између туморских имуних ћелија и ангиогенезе у подацима КИРЦ узорака добијених из ТЦГА, а РФКС2, СОКС13 и ТХРА су идентификовани као три најбоља МТФ-а у регулисању потписа ангиогенезе код КИРЦ пацијената [4]. Штавише, два независна обрасца модификације м6А контролишу биолошке функције, имунолошке карактеристике и прогнозе КИРЦ-а [22]. Протеин 5 повезан са аутофагијом (АТГ5) је повезан са прогресијом неколико карцинома укључујући КИРЦ [23]. У тренутној анализи, неки од различито експримираних гена укључујући ПБРМ1, СЕТ2, ВХЛ и БАП1 показали су значајну корелацију са метаболичким путевима у КИРЦ подацима. Ради даљег дубљег истраживања, груписали смо пацијенте на основу ДЕмГ; кластер 1 је показао лошију укупну стопу преживљавања у поређењу са другим кластерима; У сваком случају, КИРЦ пацијенти у кластеру 3 имају узнапредовал стадијум тумора и имају високе лимфне чворове (већи Н1) у поређењу са онима у кластерима 1 и 2, показујући метастазе рака и ширење тумора у кластеру 3. Показује мањи број метаболичких гена у кластерима повезаним са метастазама рака.

Поред тога, резултати имунолошке инфилтрације у различитим кластерима показују Ц1 са високим резултатима у стромалним и имунолошким класификацијама. Важно је напоменути да пацијенти са Ц1 у патолошким стадијумима ИИИ и ИВ имају високу инфилтрацију Т ћелија заједно са ЦД8 плус Т ћелијама, Т фоликуларним помоћним ћелијама и макрофагима. Уз то има и обиље Трегова. Трегови имају виталну улогу у имунолошкој толеранцији и хомеостази [24]. Код многих карцинома као што су рак дебелог црева, рак дојке и рак панкреаса, повећани проценат Трег-а је повезан са лошом прогнозом рака [25, 26]. Макрофаг М0 индукује инвазију и пролиферацију ћелија [27], а повишени нивои макрофага су повезани са лошом прогнозом у РЦЦ [28]. Слично, ЦД8 плус Т ћелије су познате као кључне антитуморске ћелије и најбољи избор за циљану терапију имуних ћелија за рак [29]. Иако Ц1 има највећу инфилтрацију ЦД8 плус Т ћелија од других кластера, имао је најгоре укупно преживљавање.

Херба Цистанцхе

Користили смо три методе ЦИБЕРСОРТ, МЦП и ссГСЕА за проучавање инфилтрације имуних ћелија у микроокружењу КИРЦ тумора. Традиционални метод за мерење туморске имунолошке инфилтрације је кроз хистологију на деловима ткива и имунолошким подскуповима на основу имунохистохемије појединачних маркера. Међутим, постоји неколико ограничења у којима имунохистохемија не може да идентификује многе имунолошке популације и има лош учинак у хватању функционалних фенотипова (нпр. активирани у односу на лимфоците у мировању). Због тога смо користили ЦИБЕРСОРТ, рачунарски приступ који је развио [30] који се бави изазовима са којима се суочава имунохистохемија. Осим ЦИБЕРСОРТ-а, користили смо и друге алгоритамске пакете за проверу статуса имунолошке инфилтрације. То је зато што ЦИБЕРСОРТ мери само пропорције популација имуних ћелија унутар узорка које се могу решити помоћу другог пакета као што је МЦП бројач који може проценити популацију ћелија у изобиљу што омогућава поређење инфилтрирајућих ћелија у микроокружењу тумора међу узорцима [31]. Да бисмо допунили ЦИБЕРСОРТ и МЦП анализе, применили смо ссГСЕА да квантификујемо нивое инфилтрације за типове имуних ћелија примењених у Р пакету ГСВА [32, 33]. ГСА је метода заснована на рангу која израчунава прекомерну експресију за листу од интереса за ген у односу на све друге гене у геному. ЦИБЕРСОРТ је показао боље резултате у поређењу са друге две методе; па су даље анализе вршене на основу података добијених од ЦИБЕРСОРТ-а.

Штавише, фокусирали смо се на основни механизам прогресије КИРЦ-а анализом диференцијалне експресије заснованом на подацима РНА-сек. Све у свему, циљали смо на абнормалну диференцијалну експресију заједничких гена између три кластера. Већина гена је била смањена, осим НУДТ1 у Ц1; међутим, његова експресија је значајно смањена кроз прогресију од Ц1 до Ц3. Стога је НУДТ1 додатно потврђен за своју улогу у напредовању КИРЦ-а. Инхибиција експресије НУДТИ гена посредована сиРНА у две КИРЦ ћелијске линије (786-О и АЦХН) смањила је виталност ћелије и миграцију ћелија и повећала апоптозу, што потврђује њену улогу у прогресији тумора. Раније је објављено да је ниво експресије НУДТ1 у корелацији са степеном тумора, стадијумом, величином, диференцијацијом, степеном васкуларне инвазије, укупним преживљавањем (ОС) и преживљавањем без болести (ДФС) код пацијената са ХЦЦ, такође предвиђеним као прогностички маркер са терапијским потенцијалом код пацијената са ХЦЦ [34]. Прекомерна експресија НУДТ1 код плућне артеријске хипертензије смањује оксидативни стрес и оштећење ДНК, чиме се промовише пролиферација ћелија и смањује апоптоза [35]. Показало се да пацијенти са оралним карциномом сквамозних ћелија (ОСЦЦ) који имају високу експресију НУДТ1 показују лошу стопу преживљавања [36]. На основу чињенице да нема довољно литературе о улози НУДТИ-ја у раку и да до сада ниједна студија никада није пријавила његову улогу у КИРЦ-у, стога по први пут извештавамо о улози НУДТИ-ја у напредовању КИРЦ-а. Тренутна студија је имала нека ограничења; иако је наше истраживање открило да би потпис могао бити повезан са имунотерапијом КИРЦ-а, ефикасност потписа није могла бити потврђена због недостатка података, потенцијалних основних механизама и функционалне улоге НУДТ1 у КИРЦ-у и клиничкој пракси потребно је даље истраживање.

Цистанцхе тубулоса

Закључци

Прегледали смо дисрегулисане метаболичке гене између нормалног и туморског ткива и истражили њихову функцију. ВГЦНА анализа је идентификовала групу гена у корелацији са статусом преживљавања КИРЦ-а. Груписање консензуса засновано на генима везаним за преживљавање показало је три кластера са различитим стопама преживљавања и обрасцима имунолошке инфилтрације. НУДТ1 је негативно корелирао са преживљавањем, а даље анализе су откриле да нокдаун НУДТ1 инхибира пролиферацију и миграцију туморских ћелија. Треба напоменути да је модел предвиђања конструисан на основу гена везаних за преживљавање, који су показали високу ефикасност у предвиђању преживљавања КИРЦ-а. У закључку, извршили смо исцрпну анализу метаболичких гена у КИРЦ-у и идентификовали НУДТ1 као онкоген који би се могао користити као терапеутски и прогностички циљ.

Ефекат екстракта Цистанцхе на транспарентност бубрега

Постоје ограничени научни докази о ефекту Цистанцхеа на транспарентност бубрега. Међутим, неке студије сугеришу да екстракт Цистанцхеа може имати позитиван утицај на здравље бубрега.

Бубрези су одговорни за филтрирање отпада и токсина из тела, а њихово здравље је од суштинског значаја за опште благостање. Истраживања су показала да екстракт Цистанцхеа има моћна антиоксидативна и антиинфламаторна својства, која могу помоћи у заштити од оксидативног стреса и упале у бубрезима.

У традиционалној кинеској медицини, Цистанцхе се такође користи за тонизирање бубрега и побољшање њихове функције. Неки практичари верују да редовна конзумација екстракта Цистанцхеа може помоћи у побољшању транспарентности бубрега, иако ова тврдња није подржана снажним клиничким истраживањем.

Због тога су потребна ригорознија истраживања да би се у потпуности разумеле потенцијалне предности екстракта Цистанцхе на транспарентност бубрега. Без обзира на то, као и код сваког дијететског суплемента или алтернативне терапије, важно је да се консултујете са здравственим радником пре него што унесете нове додатке у своју исхрану, посебно ако имате већ постојећа медицинска стања.

Референце

[18] РЛ Сиегел, КД Миллер, и А. Јемал, "Статистика рака, 2019," ЦА: А Цанцер Јоурнал фор Цлиницианс, вол. 69, бр. 1, стр. 7–34, 2019.

[19] РЛ Сиегел, КД Миллер, ХЕ Фуцхс, и А. Јемал, „Статистика рака, 2021.“, ЦА: Јоурнал оф Цанцер фор Цлиницианс, вол. 71, бр. 1, стр. 7–33, 2021.

[20] ЈЦ Ангуло и О. Схапиро, "Променљиви терапеутски пејзаж метастатског рака бубрега", Цанцерс, вол. 11, бр. 9, стр. 1227, 2019.

[21] АК Схарма, "Поновни трендови у откривању биомаркера: лакоћа прогнозе и предвиђања рака", Семинарс ин Цанцер Биологи, вол. 52, 1. део, стр. иии–ив, 2018.

[22] Х. Ли, Ј. Ху, А. Иу ет ал., "РНА модификација Н6- метиладенозина предвиђа имуне фенотипове и терапеутске могућности код карцинома реналних ћелија бубрега," Фронтиерс ин Онцологи, вол. 11, члан 642159, 2021.

[23] Ц. Ксу, И. Занг, И. Зхао, ет ал., „Свеобухватна анализа пан-канцера је потврдила да АТГ5 промовише одржавање метаболизма тумора и појаву туморског имуног бекства“, Фронтиерс ин Онцологи, вол. 11, члан 652211, 2021.

[24] И. Такеуцхи и Х. Нисхикава, "Улоге регулаторних Т ћелија у имунитету против рака", Интернатионал Иммунологи, вол. 28, бр. 8, стр. 401–409, 2016.

[25] Ц. Зхуо, И. Ксу, М. Иинг, ет ал., "ФОКСП3 плус Трегс: хетерогени фенотипови и конфликтни утицаји на исходе преживљавања код пацијената са колоректалним карциномом", Иммунологиц Ресеарцх, вол. 61, бр. 3, стр. 338–347, 2015.

[26] Х. Ванг, Ф. Франко и ПЦ Хо, "Метаболичка регулација Трегс код рака: могућности за имунотерапију", Трендс Цанцер, вол. 3, бр. 8, стр. 583–592, 2017.

[27] БЗ Киан и ЈВ Поллард, "Различитост макрофага побољшава прогресију тумора и метастазе," Целл, вол. 141, бр. 1, стр. 39–51, 2010.

[28] А. Хајиран, Н. Цхакириан, АМ Аидин, ет ал., "Рекогносцирање просторне хетерогености микроокружења туморског имуног система у метастатском карциному бубрежних ћелија и корелација са одговором имунотерапије," Цлиницал анд Екпериментал Иммунологи, вол. 204, бр. 1, стр. 96–106, 2021.

[29] Б. Фархоод, М. Најафи и К. Мортезаее, "ЦД8( плус) цитотоксични Т лимфоцити у имунотерапији рака: преглед," Јоурнал оф Целлулар Пхисиологи, вол. 234, бр. 6, стр. 8509–8521, 2019.

[30] АМ Невман, ЦЛ Лиу, МР Греен, ет ал., "Робуст енумерација подскупова ћелија из профила експресије ткива," Натуре Метходс, вол. 12, бр. 5, стр. 453–457, 2015.

[31] Е. Бецхт, НА Гиралдо, Л. Лацроик, ет ал., "Процена обиља популације имунолошких и стромалних ћелија које инфилтрирају ткиво коришћењем експресије гена", Геноме Биологи, вол. 17, бр. 1, стр. 218, 2016.

[32] ДА Барбие, П. Тамаио, ЈС Боехм, ет ал., "Систематска интерференција РНК открива да онкогени КРАС-покренути канцери захтевају ТБК1," Натуре, вол. 462, бр. 7269, стр. 108–112, 2009.

[33] С. Ханзелманн, Р. Цастело и Ј. Гуиннеи, "ГСВА: анализа варијације генског скупа за податке о микромрежу и РНА-сек", БМЦ Биоинформатицс, вол. 14, бр. 1, 2013.

[34] К. Оу, Н. Ма, З. Иу ет ал., "Нудик хидролаза 1 је прогностички биомаркер у хепатоцелуларном карциному", Агинг, вол. 12, бр. 8, стр. 7363–7379, 2020.

[35] Г. Витри, Р. Паулин, И. Гробс, ет ал., "Оксидована ДНК прекурсора чишћење помоћу НУДТ1 доприноси васкуларном ремоделирању у плућној артеријској хипертензији," Америцан Јоурнал оф Респиратори анд Цритицал Царе Медицине, вол. 203, бр. 5, стр. 614–627, 2021.

[36] И. Схен, Л. Зханг, С. Пиао, ет ал., "НУДТ1: потенцијални независни предиктор за прогнозу пацијената са оралним сквамозним карциномом", Јоурнал оф Орал Патхологи & Медицине, вол. 49, бр. 3, стр. 210–218, 2020.

Јунвеи Ксие,1,2,3,4,5 Линганг Цуи,6 Схаоканг Пан,1,2,3,4,5 Донгвеи Лиу,1,2,3,4,5 Фенгкун Лиу,1,2,3,4 ,5 и Зхангсуо Лиу 1,2,3,4,5

1 Одељење за нефрологију, Прва придружена болница Универзитета Џенгџоу, Џенгџоу 450052, Кина

2 Истраживачки институт за нефрологију, Универзитет Џенгџоу, Џенгџоу 450052, Кина

3 Истраживачки центар за болести бубрега, Џенгџоу, 450052 Хенан, Кина

4 Кључна лабораторија за прецизну дијагнозу и лечење хроничне бубрежне болести у провинцији Хенан, Џенгџоу 450052, Кина

5 Основна јединица Националног клиничког медицинског истраживачког центра за бубрежне болести, Џенгџоу 450052, Кина

6 Одељење за урологију, Прва придружена болница Универзитета Џенгџоу, Џенгџоу 450052, Кина