Expression of Four Long Non-coding RNAs in Breast Cancer and Their Relation with Patient's Prognosis
-
摘要:目的
探讨EGOT、MEG3、KCNQ1OT1和NEAT1四种LncRNA在不同亚型乳腺癌患者中的表达及与患者临床病理特征及预后的关系。
方法利用UALCAN网站挖掘TCGA数据库等大数据，分析四种LncRNA在1 097个乳腺癌组织样本和114个正常组织样本中的表达，用Kaplan-Meier Plotter法绘制生存曲线，分析四种LncRNA与乳腺癌患者预后的关系。通过LinkedOmics网站和ClueGO工具分析与它们表达相关的蛋白质的主要功能。
结果EGOT、MEG3在乳腺癌组织中的表达显著低于正常组织（P < 0.05）；HER2阳性乳腺癌中KCNQ1OT1显著低表达（P < 0.05）；NEAT1在Ⅳ期、HER2阳性和三阴性乳腺癌中的表达显著低于正常组织（P < 0.05）。四种LncRNA的表达水平与乳腺癌患者的无复发生存时间（RFS）均有显著相关性（P < 0.05），且LncRNA低表达时乳腺癌患者的RFS和预后较差。通过功能富集分析发现与四种LncRNA表达相关的蛋白质均与重要生物过程或通路相关。
结论四种LncRNA在乳腺癌或部分亚型中表达下调，它们可能是乳腺癌中潜在的抑癌因子，且可成为判断乳腺癌患者预后的生物学指标。
Abstract:ObjectiveTo investigate the expression of EGOT, MEG3, KCNQ1OT1 and NEAT1 in breast cancer tissues and their correlation with clinicopathologic features and prognosis of breast cancer patients.
MethodsExpression of four lncRNAs in 1097 breast cancer samples and 114 normal samples in the TCGA database were analyzed using UALCAN website. Survival curves were described by Kaplan-Meier Plotter website to analyze the relation between lncRNAs and the prognosis of breast cancer patients. The main functions of the proteins related to their expression were analyzed by LinkedOmics and ClueGO tools.
ResultsThe expression of EGOT and MEG3 in breast cancer tissues were significantly lower than those in normal tissues (P < 0.05). Expression of KCNQ1OT1 was significantly lower in HER2-positive breast cancer (P < 0.05). The NEAT1 expression in stage Ⅳ breast cancer, HER2-positive and triple negative breast cancer tissues were significantly lower than that in normal tissues (P < 0.05). The expression levels of the four lncRNAs were significantly correlated with the relapse-free survival time (RFS) of breast cancer patients (P < 0.05), and the RFS and prognosis of breast cancer patients were relatively poor when lncRNA expression was low. The functional enrichment analysis results showed that all the proteins related to the expression of four lncRNAs were related to important biological processes or pathways.
ConclusionThe four lncRNAs (EGOT, MEG3, KCNQ1OT1 and NEAT1) are down-regulated in breast cancer or some subtypes. They may be potential tumor suppressor factors in breast cancer and biological indicators for the prognosis of breast cancer patients.
-
Key words:
- Long non-coding RNA /
- Breast cancer /
- Prognosis
-
0 引言
宫颈小细胞神经内分泌癌（small cell neuroendocrine carcinoma, SCNEC）是一种较为罕见的原发于宫颈的神经内分泌性肿瘤，约占宫颈恶性肿瘤的1%~2%[1-2]。在各种类型的宫颈癌中，SCNEC是一种侵袭性强的病理类型[3-8]。但因为该类病例较少，目前尚无规范化的治疗。本研究对101例宫颈小细胞神经内分泌癌患者的临床病理资料及生存状况进行分析，旨在探讨SCNEC合理的治疗方案及预后相关因素，为此类患者治疗及预后判断提供临床依据。
1 资料与方法
1.1 临床资料
收集2007年1月—2018年6月在江西省妇幼保健院确诊并完成治疗的101例宫颈小细胞神经内分泌癌患者作为研究对象。患者确诊年龄25~73岁，中位年龄44岁，其中41~50岁者有40例。宫颈局部肿瘤直径 > 4 cm患者34例，≤4 cm患者67例。患者临床资料及年龄分布见表 1。所有患者均知情同意。
表 1 101例SCNEC患者临床病理特征Table 1 Clinical and pathological features of 101 SCNEC patients
1.2 方法
1.2.1 研究对象纳入标准
（1）所有患者接受治疗前均经江西省妇幼保健院病理确诊为宫颈小细胞神经内分泌癌；（2）临床分期盆腔检查均经三位以上有经验的妇科肿瘤专业医师检查确定；（3）治疗前均未接受任何干预性治疗，且初始治疗及后续治疗均在同一机构完成；（4）纳入研究的患者治疗模式均为手术+术后补充放化疗（下文简称手术治疗组）或根治性放化疗，且按计划完成全部治疗；（5）全部患者术后病理检查均在同一医院完成；（6）建立了完整的病历档案，并持续随访，具备完整的住院及门诊复查病历资料。
1.2.2 手术方式
72例手术治疗患者手术方式为广泛子宫切除+盆腔淋巴结切除术±腹主动脉旁淋巴结切除术，其中47例行腹主动脉旁淋巴结切除术。69例行双附件切除，其余3例保留一侧卵巢且进行了保留卵巢的组织活检。
1.2.3 放疗
放疗包括体外照射+腔内后装治疗，体外照射采用全盆腔体外照射+中央遮盖体外照射。体外照射剂量：全盆照射肿瘤剂量30~40 Gy，中央遮盖照射剂量15~25 Gy，放疗频率及强度：每周5次，每次分割剂量2 Gy。腔内后装采用高剂量率后装治疗设备，放射源为铱192。放疗剂量参照点A点累积剂量要求60~70 Gy；B点累积剂量要求54~56 Gy。放疗期间均给予铂类为基础的同步化疗。
1.2.4 随访
通过电话或门诊复查方式进行随访，截止时间为2018年9月。
1.3 统计学方法
采用GraphPad7.0统计软件对不同组间患者生存率进行显著性比较。生存分析采用Kaplan-Meier法，生存率的比较采用Log rank检验。P < 0.05为差异有统计学意义。
2 结果
72例手术组患者中，2例失访，19例死亡，51例生存。19例死亡患者生存时间1~63月，中位生存时间19月，平均生存时间18.5月。51例生存的患者中，生存时间1~139月，中位生存时间39月，平均生存时间47.3月。随访5年以上共33例，生存20例，五年生存率60.6%。
29例根治性放化疗患者中，随访5年以上20例，其中2例失访，死亡15例，生存3例，五年生存率15%。生存时间1~75月，中位生存时间21月。3例生存患者年龄分别为40岁、41岁、46岁，临床分期均为ⅡB期，病理均为单纯的宫颈小细胞神经内分泌癌，化疗方案均为多西他赛+卡铂，放疗给予根治性同步放化疗。ⅠB1期~ⅡA期手术治疗组患者生存率优于ⅡB期~Ⅳ期期根治性放化疗组患者（P=0.0025），见图 1。
72例接受手术治疗的患者均行宫颈癌根治术+盆腔淋巴结切除术，47例行腹主动脉旁淋巴结切除术，其中1例（1/47, 2.12%）腹主动脉旁淋巴结阳性。27例（27/72, 37.5%）盆腔淋巴结阳性。淋巴结阳性与阴性患者生存曲线比较差异有统计学意义，淋巴结阴性患者生存优于淋巴结阳性患者（P=0.0004），见图 2。
![]()
图 2 盆腔淋巴结阳性和阴性手术患者生存曲线Figure 2 Survival curves of surgical SCNEC patients with pelvic lymph node positive and negative72例手术治疗的患者中，按病理类型分，单纯SCNEC例41例，混合其他病理类型者31例，其中混合有腺癌19例，鳞癌9例，腺鳞癌3例。混合型与单纯型SCNEC生存曲线比较差异无统计学意义（P=0.0546），见图 3。
3 讨论
WHO分类将宫颈神经内分泌肿瘤分为低级别神经内分泌肿瘤（包括类癌及非典型类癌）和高级别神经内分泌肿瘤（包括小细胞神经内分泌癌和大细胞神经内分泌癌）。目前无公认的、规范有效的治疗方案，对于宫颈神经内分泌肿瘤多参照常见宫颈癌的分期治疗原则，主张手术、化疗和放疗的综合性治疗，但其治疗是否应有别于宫颈鳞癌需要更大样本、多中心的研究。美国国立综合癌症网络（National Comprehensive Cancer Network, NCCN）指南也将SCNEC列入特殊类型宫颈癌。
关于SCNEC患者生存率及预后方面的研究，Ishikawa等的一项多中心研究显示淋巴血管间隙受侵是患者的总生存率及无进展生存率的重要预后因素，盆腔淋巴结转移是DFS的重要预后影响因素[9]。Cohen等研究发现Ⅰ~ⅡA、ⅡB~ⅣA、ⅣB期5年生存率分别为36.8%、9.8%和0[10]，本研究结果显示临床分期与预后密切相关，各期别5年生存率均较以往文献报道略高。FIGO分期是较为公认的影响患者预后的最重要的独立危险因素[11-12]。由于SCNEC侵袭性强，易发生远处转移，有学者认为早期SCNEC患者手术联合化疗的预后优于单纯手术者[13-14]。本研究中ⅠB~ⅡA期患者均采用手术+放化疗综合治疗，5年总生存率60%以上，提示手术联合术后放化疗对此类患者疗效较好。
宫颈小细胞神经内分泌癌早期容易发生转移，但从72例早期患者手术情况发现，仅1例（1.39%）发生卵巢转移。提示对于存在生育要求的年轻SCNEC患者，是否一定要行卵巢切除有待进一步研究证实。研究证实，SCNEC好发转移器官为肺、脑、肝，预后差[15-16]。
此外，几乎所有文献均支持此类肿瘤早期即容易发生远处转移，本研究资料中，死亡病例主要病因为肺转移、全身转移，临床观察也支持上述观点。关于淋巴结转移，有研究认为，即使是早期的SCNEC患者，淋巴结转移也非常普遍，淋巴结转移率为41.6%~57%[17]。本研究中，72例早期SCNEC患者手术后病理提示淋巴结转移22例，转移率37.5%，与文献报道接近，但是对于腹主动脉旁淋巴结，72例患者中47例患者行腹主动脉旁淋巴结活检或切除，仅1例发生腹主动脉旁淋巴结转移，转移率仅为2.13%，远低于盆腔淋巴结转移率。这一研究结果提示我们，即便是早期SCNEC患者，化疗对于控制转移也有重要的临床意义。
与以往报道相比，本研究中手术患者术后均补充了放化疗，且均达到6个疗程，其中49例采用紫杉醇+铂类化疗方案，23例采用顺铂+环磷酰胺+表阿霉素化疗方案，提示手术后放化疗的必要性。
总之，宫颈小细胞神经内分泌癌发病率低、恶性程度高、易发生远处转移和复发，患者预后差、死亡率高、有独特的病理特征，诊断主要依据病理诊断和免疫组织化学结果可提高其诊断的准确率。由于研究样本少，尚需大量的临床资料及多中心研究探索最佳早期诊断及治疗的方法。
作者贡献苏嘉庆：实验设计、实施及论文撰写李智伟：实验设计、实验指导万召娟、王芳华：实验实施汪梦、张恒阳、张慧欣：实验数据分析周百灵：实验设计、论文审校 -
![]()
图 3 KCNQ1OT1在乳腺癌及正常组织中的表达
Figure 3 Expression of KCNQ1OT1 in breast cancer and normal samples
![]()
图 4 NEAT1在乳腺癌及正常组织中的表达
Figure 4 Expression of NEAT1 in breast cancer and normal samples
![]()
图 5 EGOT和MEG3在不同临床病理特征乳腺癌患者中的表达
Figure 5 Expression of EGOT and MEG3 in breast cancer patients with different clinicopathological characteristics
![]()
图 6 KCNQ1OT1和NEAT1在不同临床病理特征乳腺癌患者中的表达
Figure 6 Expression of KCNQ1OT1 and NEAT1 in breast cancer patients with different clinicopathological characteristics
![]()
图 7 LncRNA表达水平与乳腺癌患者的生存曲线
Figure 7 LncRNA expression and Kaplan-Meier curve of breast cancer patients
![]()
图 8 与LncRNA表达相关蛋白质的GO和KEGG功能富集分析结果
Figure 8 GO and KEGG function enrichment analysis results of proteins related to expression of four lncRNAs
-
[1] Miller KD, Nogueira L, Mariotto AB, et al. Cancer treatment and survivorship statistics, 2019[J]. CA Cancer J Clin, 2019, 69(5): 363-385. doi: 10.3322/caac.21565
[2] 卢振东, 孙晓晓, 谢龙祥, 等.乳腺癌分子分型研究进展[J].河南大学学报(医学版), 2018, 37(4): 229-233. http://d.old.wanfangdata.com.cn/Periodical/zgsyzdx201106079 Lu ZD, Sun XX, Xie LX, et al. The development of molecular subtyping in breast cancer[J]. Henan Da Xue Xue Bao (Yi Xue Ban), 2018, 37(4): 229-233. http://d.old.wanfangdata.com.cn/Periodical/zgsyzdx201106079
[3] Yuan CL, Jiang XM, Yi Y, et al. Identification of differentially expressed lncRNAs and mRNAs in luminal-B breast cancer by RNA-sequencing[J]. BMC cancer, 2019, 19(1): 1-12. doi: 10.1186/s12885-018-5219-3
[4] 皮亚平, 刘黎明. BCYRN1对乳腺癌细胞MCF7和小鼠移植瘤增殖和转移的影响[J].肿瘤防治研究, 2018, (4): 205-209. doi: 10.3971/j.issn.1000-8578.2018.17.0691 Pi YP, Liu LM. Influence of BCYRN1 on proliferation and migration of breast cancer cell line MCF7 and tumor-bearing mice[J]. Zhong Liu Fang Zhi Yan Jiu, 2018, (4): 205-209. doi: 10.3971/j.issn.1000-8578.2018.17.0691
[5] Rhodes DR, Kalyana-Sundaram S, Mahavisno V, et al. Oncomine 3.0: genes, pathways, and networks in a collection of 18, 000 cancer gene expression profiles[J]. Neoplasia, 2007, 9(2): 166-180. doi: 10.1593/neo.07112
[6] Tomczak K, Czerwinska P, Wiznerowicz M. The Cancer Genome Atlas (TCGA): an immeasurable source of knowledge[J]. Contemp Oncol (Pozn), 2015, 19(1A): A68-A77. http://d.old.wanfangdata.com.cn/Periodical/zhcmj201918010
[7] Zhou B, Zhao H, Yu J, et al. EVLncRNAs: a manually curated database for long non-coding RNAs validated by low-throughput experiments[J]. Nucleic Acids Res, 2018, 46(D1): D100-D105. doi: 10.1093/nar/gkx677
[8] Gao Y, Wang P, Wang Y, et al. Lnc2Cancer v2.0: updated database of experimentally supported long non-coding RNAs in human cancers[J]. Nucleic Acids Res, 2019, 47(D1): D1028-D1033. doi: 10.1093/nar/gky1096
[9] Chandrashekar DS, Bashel B, Balasubramanya SAH, et al. UALCAN: A Portal for Facilitating Tumor Subgroup Gene Expression and Survival Analyses[J]. Neoplasia, 2017, 19(8): 649-658. doi: 10.1016/j.neo.2017.05.002
[10] Lánczky A, Nagy Á, Bottai G, et al. miRpower: a web-tool to validate survival-associated miRNAs utilizing expression data from 2178 breast cancer patients[J]. Breast Cancer Res Treat , 2016, 160(3): 439-446. http://cn.bing.com/academic/profile?id=bef9b13ef201039040bc8d00ccc58220&encoded=0&v=paper_preview&mkt=zh-cn
[11] Vasaikar SV, Straub P, Wang J, et al. LinkedOmics: analyzing multi-omics data within and across 32 cancer types[J]. Nucleic Acids Res, 2018, 46(D1): D956-D963. doi: 10.1093/nar/gkx1090
[12] Xu SP, Zhang JF, Sui SY, et al. Downregulation of the long noncoding RNA EGOT correlates with malignant status and poor prognosis in breast cancer[J]. Tumor Biol, 2015, 36(12): 9807-9812. doi: 10.1007/s13277-015-3746-y
[13] Jin L, Quan J, Pan X, et al. Identification of lncRNA EGOT as a tumor suppressor in renal cell carcinoma[J]. Mol Med Rep, 2017, 16(5): 7072-7079. doi: 10.3892/mmr.2017.7470
[14] 陈梦雪, 李学良.长链非编码RNA在食管癌中的研究进展[J].肿瘤防治研究, 2018, 45(11): 932-935. doi: 10.3971/j.issn.1000-8578.2018.18.0399 Chen MX, Li XL. Research Progress of Long Non-coding RNA in Esophageal Cancer[J]. Zhong Liu Fang Zhi Yan Ju, 2018, 45(11): 932-935. doi: 10.3971/j.issn.1000-8578.2018.18.0399
[15] Ghafouri-Fard S, Taheri M. Maternally expressed gene 3 (MEG3): A tumor suppressor long non coding RNA[J]. Biomed Pharmacother, 2019, 118: 109129. doi: 10.1016/j.biopha.2019.109129
[16] Moradifard S, Hoseinbeyki M, Ganji SM, et al. Analysis of microRNA and gene expression profiles in Alzheimer's disease: a meta-analysis approach[J]. Sci Rep, 2018, 8(1): 4767. http://cn.bing.com/academic/profile?id=02dd3edaf2a89a92f51c98e259cb56c7&encoded=0&v=paper_preview&mkt=zh-cn
[17] Feng W, Wang C, Liang C, et al. The dysregulated expression of KCNQ1OT1 and its interaction with downstream factors miR-145/CCNE2 in breast cancer cells[J]. Cell Physiol Biochem, 2018, 49: 432-446. doi: 10.1159/000492978
[18] Shin VY, Chen J, Cheuk IW, et al. Long non-coding RNA NEAT1 confers oncogenic role in triple-negative breast cancer through modulating chemoresistance and cancer stemness[J]. Cell Death Dis, 2019, 10(4): 270. doi: 10.1038/s41419-019-1513-5
下载:
计量
- 文章访问数: 1796
- HTML全文浏览量: 395
- PDF下载量: 348
