Особенности транскрипционной активности генов в различных гистологических подтипах плоскоклеточного рака языка

Введение. На протяжении последнего десятилетия рак языка сохраняет лидирующие позиции в общей структуре заболеваемости злокачественными опухолями головы и шеи. Плоскоклеточный тип рака языка является агрессивной формой и имеет клинически непредсказуемый прогноз. В настоящее время выделяют несколько гистологических подтипов этой патологии. Поиск новых прогностических факторов, которые могли бы отражать фактическое состояние опухолевой прогрессии и давать объективный прогноз развития болезни, является актуальным направлением исследований в молекулярной онкологии. Такими факторами могут выступать определенные транскриптомные характеристики опухолей, определяющие особенности патогенеза в каждом конкретном случае.

Цель исследования – изучение особенностей транскрипционной активности генов в различных гистологических подтипах плоскоклеточного рака языка с применением биоинформационных и молекулярных подходов.

Материалы и методы. Этап скринингового биоинформационного анализа выполнен с использованием интерактивного веб-сервера анализа данных по экспрессии матричной РНК 9736 образцов опухолей и 8587 образцов нормальной ткани из проектов Атлас ракового генома (The Cancer Genome Atlas, TCGA) и Genotype-Tissue Expression (GTEx) с применением стандартного конвейера обработки Gene Expression Profiling Interactive Analysis (GEPIA). В ходе основного (валидационного) этапа исследования анализировались данные 300 больных с местно-распространенными злокачественными опухолями языка. Уровень относительной экспрессии генов, выявленных на этапе биоинформационного анализа, определяли методом количественной полимеразной цепной реакции в режиме реального времени.

Результаты. В ходе биоинформационного анализа выделены 1488 генов, увеличивающих экспрессию, и 589 генов, уменьшающих экспрессию, при плоскоклеточном раке языка. Из этих 2077 генов были выбраны 23 генетических локуса, наиболее сильно изменяющих экспрессию в опухолевой ткани относительно нормальной ткани языка. Из них при валидации методом полимеразной цепной реакции только 14 изменяли свой транскрипционный профиль в опухолевой ткани относительно нормальной: MMP1, MMP11, CA9, PTHLH, MMP9, LAMC2, MMP3, ANXA1, MT-ND6, CRNN, MAL, TGM3, IL1RN и CLU. При анализе данных с помощью полимеразной цепной реакции выявлена значительная гетерогенность в ряде исследованных биологических образцов. Кластерный анализ позволил разделить общую выборку из 300 пациентов на 3 группы, различающиеся по экспрессии генов: кластер 1 (n = 90), кластер 2 (n = 101) и кластер 3 (n = 109), соответствующие базалоидному, акантолитическому и обычному гистологическим подтипам.

Заключение. Таким образом, в ходе исследования выявлен ряд молекулярных маркеров плоскоклеточного рака языка (MMP1, MMP11, CA9, PTHLH, MMP9, LAMC2, MMP3, ANXA1, MT-ND6, CRNN, MAL, TGM3, IL1RN и CLU), а также транскрипционные особенности различных гистологических подтипов этого заболевания.

1. Льянова А.А., Владимирова Л.Ю., Франциянц Е.М. и др. Молекулярные основы современной таргетной терапии плоскоклеточного рака языка и слизистой дна полости рта моноклональными антителами. Злокачественные опухоли 2017;7(4):77–87. DOI: 10.18027/2224-5057-2017-7-4-77-87

2. The global burden of cancer attributable to risk factors, 2010–19: a systematic analysis for the Global Burden of Disease Study 2019. Lancet 2022;400(10352):563–91. DOI: 10.1016/S0140-6736(22)01438-6

3. Ion Ciucă Mărăşescu F.I., Marasescu P.C., Matei M. et al. Epidemiological and histopathological aspects of tongue squamous cell carcinomas-retrospective study. Curr Health Sci J 2018;44(3): 211–24. DOI: 10.12865/CHSJ.44.03.03

4. Byers R.M., El-Naggar A.K., Lee Y.Y. et al. Can we detect or predict the presence of occult nodal metastases in patients with squamous carcinoma of the oral tongue. Head Neck 1998;20(2): 138–44. DOI: 10.1002/(sici)1097-0347(199803)20:23.0.co;2-3

5. Neville B., Damm D., Allen C., Chi A. Oral and maxillofacial pathology. United States: Elsevier, 2015.

6. Ferris R.L., Blumenschein G. Jr., Fayette J. et al. Nivolumab for recurrent squamous-cell carcinoma of the head and neck. N Engl J Med 2016;375:1856–67. DOI: 10.1056/NEJMoa1602252

7. Lingen M.W., Pinto A., Mendes R.A. et al. Genetics/epigenetics of oral premalignancy: Current status and future research. Oral Dis 2011;17(1):7–22. DOI: 10.1111/j.1601-0825.2011.01789.x

8. Jones P.A., Baylin S.B. The fundamental role of epigenetic events in cancer. Nat Rev Genet 2002;3:415–28. DOI: 10.1038/nrg816

9. Kyrgidis A., Tzellos T.G., Triaridis S. Melanoma: stem cells, sun exposure and hallmarks for carcinogenesis, molecular concepts and future clinical implications. J Carcinog 2010;9:3. DOI: 10.4103/1477-3163.62141

10. Khan S.S., Kamboj M., Verma R., Kumar M. Epigenetics in oral cancer-neoteric biomarker. J Oral Med Oral Surg Oral Pathol Oral Radiol 2016;2:62–5.

11. Владимирова Л.Ю., Льянова А.А., Франциянц Е.М. и др. Молекулярные механизмы резистентности к терапии моноклональными антителами у больных плоскоклеточным раком языка и слизистой дна полости рта. Злокачественные опухоли 2018;4:13–25. DOI: 10.18027/2224-5057-2018-8-4-13-25

12. Hema K.N., Smitha T., Sheethal H.S., Mirnalini S.A. Epigenetics in oral squamous cell carcinoma. J Oral Maxillofac Pathol 2017;21(2):252–9. DOI: 10.4103/jomfp.JOMFP_150_17

13. Tang Z., Li Ch., Kang B. et al. GEPIA: a web server for cancer and normal gene expression profiling and interactive analyses. Nucleic Acids Res 2017;45(W1):W98–102. DOI: 10.1093/nar/gkx247

14. Кутилин Д.С., Гусарева М.А., Кошелева Н.Г. и др. Аберрантная транскрипционная активность генов как фактор радиорезистентности клеток линии HT-29. Современные проблемы науки и образования 2020;3. Доступно по: https://scienceeducation.ru/ru/article/view?id=29831

15. Vandesompele J., De Preter K., Pattyn F. et al. Accurate normalization of real-time quantitative RT-PCR data by geometric averaging of multiple internal control genes. Genome Biol 2002;3(7):1–12.

16. Kutilin D.S. Regulation of gene expression of cancer/testis antigens in colorectal cancer patients. Mol Biol 2020;54:520–34. (In Russ.). DOI: 10.1134/S0026893320040093

17. Krishnan A., Zhang R., Yao V. et al. Genome-wide prediction and functional characterization of the genetic basis of autism spectrum disorder. Nat Neurosci 2016;19(11):1454–62. DOI: 10.1038/nn.4353

18. Димитриади Т.А., Бурцев Д.В., Дженкова Е.А., Кутилин Д.С. Дифференциальная экспрессия микроРНК и их генов-мишеней при цервикальных интраэпителиальных неоплазиях разной степени тяжести. Успехи молекулярной онкологии 2020;7(2):30–44. DOI: 10.17650/2313-805X-2020-7-2-47-61

19. Warde-Farley D., Donaldson S.L., Comes O. et al. The GeneMANIA prediction server: biological network integration for gene prioritization and predicting gene function. Nucleic Acids Res 2010;38(2):214–20. DOI: 10.1093/nar/gkq537

20. Shah S., Pathak P., Gulati N. Cell signaling pathways in oral cancer: a review. J Applied Dental Med Sci 2015;1(1):69–75.

21. Chiaradonna F., Moresco R.M., Airoldi C. et al. From cancer metabolism to new biomarkers and drug targets. Biotechnol Adv 2012;30(1):30–51. DOI: 10.1016/j.biotechadv.2011.07.006

22. Wang L., Li X. Identification of an energy metabolismrelated gene signature in ovarian cancer prognosis. Oncol Rep 2020;43(6):1755– 70. DOI: 10.3892/or.2020.7548

23. Xing L., Guo M., Zhang X. et al. A transcriptional metabolic gene-set based prognostic signature is associated with clinical and mutational features in head and neck squamous cell carcinoma. J Cancer Res Clin Oncol 2020;146(3):621–30. DOI: 10.1007/s00432-020-03155-4

24. Liu J., Lichtenberg T., Hoadley K.A. et al. An Integrated TCGA Pan-cancer clinical data resource to drive high-quality survival outcome analytics. Cell 2018;173(2):400–16. DOI: 10.1016/j.cell.2018.02.052

25. Wu X., Yao Y., Li Z. et al. Identification of a transcriptional prognostic signature from five metabolic pathways in oral squamous cell carcinoma. Front Oncol 2020;10:572919. DOI: 10.3389/fonc.2020.572919

26. Estilo C.L., O-charoenrat P., Talbot S. et al. Oral tongue cancer gene expression profiling: identification of novel potential prognosticators by oligonucleotide microarray analysis. BMC Cancer 2009;9:11. DOI: 10.1186/1471-2407-9-11

27. Nagata M., Fujita H., Ida H. et al. Identification of potential biomarkers of lymph node metastasis in oral squamous cell carcinoma by cDNA microarray analysis. Int J Cancer 2003;106:683–9. DOI: 10.1002/ijc.11283

28. Impola U., Uitto V.J., Hietanen J. et al. Differential expression of matrilysin-1 (MMP-7), 92 kD gelatinase (MMP-9), and metalloelastase (MMP-12) in oral verrucous and squamous cell cancer. J Pathol 2004;202(1):14–22. DOI: 10.1002/path.1479

29. Zhang H., Liu J., Fu X., Yang A. Identification of key genes and pathways in tongue squamous cell carcinoma using bioinformatics analysis. Med Sci Monit 2017;23:5924–32. DOI: 10.12659/msm.905035

30. Tallant C., Marrero A., Gomis-Rüth F.X. Matrix metalloproteinases: fold and function of their catalytic domains. Biochim. Biophys Acta 2010;1803(1):20–8. DOI: 10.1016/j.bbamcr.2009.04.003

31. Frost S.C., McKenna R. Carbonic anhydrase: mechanism, regulation, links to disease, and industrial applications. Springer Science & Business Media, 2013.

32. Chiche J., Brahimi-Horn M.C., Pouysségur J. Tumour hypoxia induces a metabolic shift causing acidosis: a common feature in cancer. J Cell Mol Med 2010;14(4):771–94. DOI: 10.1111/j.1582-4934.2009.00994.x

33. Tafreshi N.K., Lloyd M.C., Bui M.M. et al. Carbonic anhydrase: mechanism, regulation, links to disease, and industrial applications. Subcell Biochem 2014;5:221–54. DOI: 10.1007/978-94-007-7359-2_12

34. Zatovicova M., Sedlakova O., Svastova E. et al. Ectodomain shedding of the hypoxia-induced carbonic anhydrase IX is a metalloprotease-dependent process regulated by TACE/ADAM17. Br J Cancer 2005;93(11):1267–76. DOI: 10.1038/sj.bjc.6602861

35. Kirkpatrick J.P., Rabbani Z.N., Bentley R.C. et al. Elevated CAIX expression is associated with an increased risk of distant failure in early-stage cervical cancer. Biomark Insights 2008;3:45–55. DOI: 10.4137/bmi.s570

36. Hilvo M., Baranauskiene L., Salzano A.M. et al. Biochemical characterization of CA IX, one of the most active carbonic anhydrase isozymes. J Biol Chem 2008;283(41):27799–809. DOI: 10.1074/jbc.M800938200

37. Chiche J., Brahimi-Horn M.C., Pouysségur J. Tumour hypoxia induces a metabolic shift causing acidosis: a common feature in cancer. J Cell Mol Med 2010;14(4):771–94. DOI: 10.1111/j.1582-4934.2009.00994.x

38. De Simone G., Supuran C.T. Carbonic anhydrase IX: Biochemical and crystallographic characterization of a novel antitumor target. Biochim Biophys Acta 2010;1804 (2):404–9. DOI: 10.1016/j.bbapap.2009.07.027

39. Rausch V., Sala V., Penna F. et al. Understanding the common mechanisms of heart and skeletal muscle wasting in cancer cachexia. Oncogenesis 2021;10(1):1. DOI: 10.1038/s41389-020-00288-6

40. Sainz B., Martín B., Tatari M. et al. ISG15 is a critical microenvironmental factor for pancreatic cancer stem cells. Cancer Res 2014;74(24):7309–20. DOI: 10.1158/0008-5472.CAN14-1354

41. Zhang Z., Huang L., Zhao W., Rigas B. Annexin 1 induced by antiinflammatory drugs binds to NF-kappaB and inhibits its activation: anticancer effects in vitro and in vivo. Cancer Res 2010;70(6):2379– 88. DOI: 10.1158/0008-5472.CAN-09-4204

42. GeneCards: The Human Gene Database. MAL mal, T-cell differentiation protein. Available at: https://www.genecards.org/cgibin/carddisp.pl?gene=MAL.

43. Voet D., Voet J.G., Pratt C.W. Fundamentals of biochemistry: life at the molecular level. 4th ed. Hoboken, NJ: Wiley, 2013. Pp. 581–620.

44. Li N., Zhao J., Ma Y. et al. Dissecting the expression landscape of mitochondrial genes in lung squamous cell carcinoma and lung adenocarcinoma. Oncology Letters 2018;16(3):3992–4000. DOI: 10.3892/ol.2018.9113

45. Moon Y., Rao G., Kim J. et al. LAMC2 enhances the metastatic potential of lung adenocarcinoma. Cell Death Differ 2015;22(8):1341–52. DOI: 10.1038/cdd.2014.228

46. Steinman L. A brief history of T(H)17, the first major revision in the T(H)1/T(H)2 hypothesis of T cell-mediated tissue damage. Nat Med 2007;13(2):139–45. DOI: 10.1038/nm1551

47. Wang K.X., Denhardt D.T. Osteopontin: role in immune regulation and stress responses. Cytokine Growth Factor Rev 2008;19(5–6): 333–45. DOI: 10.1016/j.cytogfr.2008.08.001

48. Sakata M., Tsuruha J.I., Masuko-Hongo K. et al. Autoantibodies to osteopontin in patients with osteoarthritis and rheumatoid arthritis. J Rheumatol 2001;28(7):1492–5.

49. Clay R., Siddiqi S.A. Recent advances in molecular diagnostics and therapeutic targets for pancreatic cancer. Theranostic Approach Pancreatic Cancer 2019:325–67.

50. Farrokhi V., Chabot J.R., Neubert H., Yang Z. Assessing the feasibility of neutralizing osteopontin with various therapeutic antibody modalities. Sci Rep 2018;8(1):7781.

51. Clauss A., Lilja H., Lundwall A. A locus on human chromosome 20 contains several genes expressing protease inhibitor domains with homology to whey acidic protein. Biochem J 2002;368(1):233–42. DOI: 10.1042/BJ20020869

52. Belaaouaj A., Kim K.S., Shapiro S.D. Degradation of outer membrane protein A in Escherichia coli killing by neutrophil elastase. Science 2000;89(5482):1185–8. DOI: 10.1126/science.289.5482.1185

53. Nugteren S., den Uil S.H., Delis-van Diemen P.M. et al. High expression ofsecretory leukocyte protease inhibitor (SLPI) in stage III microsatellite stable colorectal cancer is associated with reduced disease recurrence. Sci Rep 2022;12:12174. DOI: 10.1038/s41598-022-16427-5

54. Chen S.H., Hsiao S.Y., Chang K.Y., Chang J.Y. New insights into oral squamous cell carcinoma: from clinical aspects to molecular tumorigenesis. Int J Mol Sci 2021;22(5):2252. DOI: 10.3390/ijms22052252