整合多组学分析描绘复发性膀胱癌的甲基化组和羟甲基化组,并确定预测PD - L1表达的生物标志物
发布时间:
2025-06-06 11:44
整合多组学分析描绘复发性膀胱癌的甲基化组和羟甲基化组,并确定预测PD - L1表达的生物标志物
史振铎 ,韩晓晓 ,宋子健 ,董阳 ,庞坤 ,王新磊 ,刘新宇 ,陆浩 ,徐广志 ,郝林 ,董炳政 ,梁青 ,吴小可 和韩聪慧 *
摘要
背景 膀胱癌(UBC)是一种常见的泌尿系统恶性肿瘤;然而,其高复发机制以及对免疫治疗的反应机制仍不清楚,这使得临床结局预测变得困难。表观遗传改变,尤其是DNA甲基化,在膀胱癌的发生发展中起着重要作用,并且越来越多地被作为诊断或预后预测的生物标志物进行研究。然而,人们对羟甲基化知之甚少,因为以往基于亚硫酸氢盐测序方法的研究无法区分 和 信号,导致甲基化结果相互混淆。
方法 收集接受腹腔镜根治性膀胱切除术(LRC)、部分膀胱切除术(PC)或经尿道膀胱肿瘤切除术(TURBT)的膀胱癌患者的组织样本。我们采用多组学方法对原发性和复发性膀胱癌样本进行分析。通过整合包括RNA测序、氧化简化代表性亚硫酸氢盐测序(oxRRBS)、简化代表性亚硫酸氢盐测序(RRBS)和全外显子组测序等多种技术,能够对这些癌症的基因组、转录组、甲基化组和羟甲基化组图谱进行全面分析。
结果 通过全外显子组测序,我们鉴定出参与膀胱癌发生发展的驱动突变,包括FGFR3、KDMTA和KDMT2C中的突变。然而,这些驱动突变中很少有与程序性死亡配体1(PD - L1)的下调或膀胱癌复发相关的。通过整合RRBS和oxRRBS数据,我们发现脂肪酸氧化相关基因在复发性膀胱癌中与5 - 羟甲基胞嘧啶(5hmC)相关的转录改变中显著富集。我们还在NFATC1基因体中观察到一系列 低差异甲基化区域(DMRs),NFATC1在高表达PD - L1的膀胱癌样本的T细胞免疫反应中高度参与。由于 和 改变在全局上呈负相关,基于RRBS测序的结合 和 信号的标志物会减弱癌症相关信号,因此,作为临床生物标志物并非最佳选择。
结论 通过对膀胱癌样本进行多组学分析,我们发现与基因突变相比,表观遗传改变在膀胱癌的PD - L1调控和复发中参与程度更高。作为原理验证,我们证明了基于亚硫酸氢盐方法联合测量 和 水平会降低表观遗传生物标志物的预测准确性。
引言
膀胱癌(UBC)是一种常见的泌尿系统恶性肿瘤,也是全球癌症相关死亡的主要原因之一[1]。大约 的膀胱癌为非肌层浸润性膀胱癌[2,3]。尽管早期膀胱癌可通过经尿道膀胱肿瘤切除术进行治疗,但这些肿瘤的复发率很高,可达 [4]。指南建议通过膀胱镜检查对复发性膀胱癌进行终身监测[5]。然而,膀胱镜检查具有侵入性、会带来痛苦且成本较高。此外,其灵敏度不理想,可能导致高达 的膀胱恶性肿瘤病例漏诊[6]。尿液细胞学检查是一种辅助手段,但受限于灵敏度欠佳,尤其是在低级别膀胱癌中[7, 8]。因此,迫切需要开发准确、高效且最好是非侵入性的膀胱癌筛查和诊断方法。
DNA甲基化和羟甲基化是对DNA进行共价修饰的表观遗传机制,可作为DNA生物标志物。传统上,DNA甲基化被认为是一种沉默性表观遗传标记,由DNA甲基转移酶(DNMTs)促进,生成5 - 甲基胞嘧啶(5 - mC或5mC)[9]。相反,羟甲基化涉及一个氧化过程,将 转化为5 - 羟甲基胞嘧啶(5 - hmC或 )。这一反应由一类双加氧酶,即十一 - 移位蛋白(TETs)促进。通过羟甲基化,TETs有助于维持未甲基化状态,从而在细胞内转录激活中发挥作用[10]。5hmC倾向于存在于具有双重组蛋白标记的启动子区域,其中H3K4me3和H3K27me3分别用于表达激活和抑制。因此, 可能通过招募激活因子或抑制因子参与基因表达的调控。基因组高甲基化可能是由于甲基化和羟甲基化之间的平衡失调所致,可导致肿瘤抑制因子和DNA修复酶的异常沉默,进而加速肿瘤发生[11]。包括膀胱癌在内的多种癌症中, 的修饰水平会降低。然而,很少有研究在碱基分辨率水平上研究膀胱癌中 的水平。
异常的DNA羟甲基化是多种恶性肿瘤的标志[12]。Forloni等人[13]证明,在肺癌中,致癌性表皮生长因子受体可转录下调TET,从而使多种肿瘤抑制因子沉默。Neri等人[14]在结直肠癌中也发现了同样的情况。正常情况下,TET通过对WNT抑制剂启动子进行去甲基化来抑制WNT信号通路,从而抑制肿瘤生长。在结肠癌组织中,TET的下调导致WNT抑制剂的DNA羟甲基化不足,加速了结肠癌的发生。其他可能受异常DNA羟甲基化影响的恶性肿瘤包括前列腺癌、乳腺癌、卵巢癌、皮肤癌和几种血液系统恶性肿瘤(如急性髓系白血病、慢性粒单核细胞白血病和T细胞淋巴瘤)[14 - 16]。值得注意的是,异常的DNA羟甲基化也被认为是尿路上皮癌最早出现的事件之一[16, 17]。与对照组或相邻组织相比,在膀胱癌和膀胱癌细胞系中均观察到 的整体缺失[15]。因此,与基于亚硫酸氢盐处理测量的传统DNA甲基化水平类似,羟甲基化水平也可能是检测膀胱癌的有前景的生物标志物,特别是在复发性膀胱癌的反复监测中。
在本研究中,我们采用多组学方法,研究 和 水平(碱基分辨率)作为尿液癌症生物标志物与关键临床结局的关联,并探讨其在膀胱癌中的诊断价值。
材料与方法
临床样本
本研究在中国徐州中心医院泌尿外科进行(徐州 221009)。研究对象于 2020 年 9 月至 2021 年 2 月招募。选取接受腹腔镜根治性膀胱切除术(LRC)、膀胱部分切除术(PC)或经尿道膀胱肿瘤切除术(TURBT)的膀胱癌患者,并收集膀胱肿瘤组织和癌旁组织。手术后立即用无菌生理盐水清洗组织,并储存在 备用。共从 44 名患者中收集了 44 份膀胱组织标本,包括 44 份膀胱癌组织和 10 份癌旁组织。
应用以下排除标准:患有其他类型肿瘤的患者;术后病理诊断为非膀胱癌的患者;患有心血管疾病等严重并存疾病,预期生存期少于 6 个月的个体;以及临床资料不完整的患者。
DNA 提取和全外显子组测序(WES)文库构建
从膀胱癌组织中提取基因组 DNA。分别使用 Nanodrop 分光光度计(美国赛默飞世尔科技公司,威尔明顿,特拉华州)和 1%琼脂糖凝胶电泳测定 DNA 浓度和完整性。按照制造商的方案(美国安捷伦科技公司),使用安捷伦 SureSelect 人类全外显子组 v6 文库捕获基因组 DNA 样本。简而言之,使用超声破碎仪(美国科瓦里斯公司,沃本,马萨诸塞州)将大约 的基因组 DNA 剪切为 的小片段。根据指定方案,对剪切后的 DNA 进行纯化,并使用试剂盒中的试剂进行处理。将安捷伦的接头连接到打磨后的末端,并通过聚合酶链反应(PCR)扩增文库。将扩增后的文库与定制探针杂交。用试剂盒中提供的缓冲液洗涤并洗脱与探针结合的 DNA 片段。然后,在 Illumina 测序平台(HiSeq X - 10,美国 Illumina 公司,圣地亚哥,加利福尼亚州)上对这些文库进行测序,生成 150 bp 的双端读数。WES 和分析由上海欧易生物医学科技有限公司进行。
RNA - seq 文库构建
RNA - seq 文库由易基因科技有限公司构建。简而言之,根据制造商的方案,使用 Invitrogen TRIzol 试剂从每个样本中提取总 RNA,然后用无 RNase 的 DNase I 处理 。使用 Oligo(dT) 磁珠从 总 RNA 中纯化含 poly(A) 的 mRNA。首先在高温下使用二价阳离子将捕获的 mRNA 片段化为 100 - 200nt。用 SuperScript II 对片段化的 mRNA 进行逆转录,然后通过随机引物法使用 RNaseH 和 DNA Pol I 将其转化为双链 cDNA。纯化后,对双链 cDNA 进行平端处理、3’ 端加 dA 和接头连接。最后,进行 PCR 以富集连接接头的 cDNA,并在 Illumina 测序平台上测序之前,用安捷伦生物分析仪 2100 分析文库并通过 qPCR 定量。
oxRRBS - 和 RRBS - seq 文库构建
简而言之,使用 MspI 酶在 条件下消化 基因组 DNA 。消化后,按照 Illumina 双端方案并进行一些修改构建文库。具体而言,对纯化的消化后 DNA 依次用 T4 DNA 聚合酶、Klenow 片段和 T4 多核苷酸激酶的混合物进行处理,以修复、平端和磷酸化末端。随后,将 TrueMethyl Seq 试剂盒(CEGX)提供的测序对照 DNA 与平端 DNA 混合。使用 Klenow 片段(3’ - 5’ 外切酶活性缺失)对 DNA 片段混合物进行 3’ 端腺苷酸化,然后使用 T4 DNA 连接酶将其与用 5’ - 甲基胞嘧啶代替胞嘧啶合成的接头连接。在每个步骤的反应完成后,使用 QIAquick PCR 纯化试剂盒(Qiagen)纯化 DNA。
在氧化反应之前,按照制造商的说明,使用TrueMethyl Seq试剂盒(CEGX)提供的磁珠结合溶液1对所有产物进行纯化。纯化后,每个oxRRBS文库在 的反应体积中加入 的氧化剂溶液(CEGX)进行氧化反应,作为对照,RRBS文库样本则在 的超纯水中加入,而不添加氧化剂。将两个文库在热循环仪中进行 处理,热循环仪的盖子需预热至 。接下来,将反应混合物在 的条件下离心 ,然后将上清液转移至新的 PCR管中进行亚硫酸氢盐处理。根据制造商的说明,使用TrueMethyl Seq试剂盒(CEGX)进行亚硫酸氢盐转化处理。最终的oxRRBS和RRBS文库通过使用与接头兼容的条形码引物进行PCR扩增生成,使用安捷伦2100生物分析仪(安捷伦科技公司)和实时PCR测定法进行定量,并在Illumina Hiseq平台上进行测序。
5-甲基胞嘧啶(5mC)/5-羟甲基胞嘧啶(5hmC)特异性定量PCR
将包埋在25个蜡块中的临床样本切成 厚的切片,并使用QIAamp DNA FFPE组织试剂盒(美国凯杰公司)提取样本核酸。按照制造商的说明,使用BisulPlus 位点 和 检测PCR试剂盒(美国Epigentek公司),用亚硫酸氢盐对基因组DNA进行修饰。基因组DNA的亚硫酸氢盐转化会使未甲基化的胞嘧啶转化为尿嘧啶,而甲基化的胞嘧啶保持不变。经亚硫酸氢盐修饰的DNA进一步用特定的载脂蛋白B mRNA编辑酶催化多肽样脱氨酶(APOBEC)处理,该酶可将 转化为 ,从而将其与 区分开来。使用在线CpG岛软件对EZHIP、ALKBH5和TUBG1基因(http://emboss.bioinformatics.nl/cgi-bin/emboss/cpgplot)进行分析。使用Premier 5.0软件(加拿大Primer公司),选择密度更高的 二核苷酸区域的序列来设计 和 引物。按照制造商的说明,使用BisulPlus 位点 检测PCR试剂盒(美国Epigentek公司)中的扩增试剂制备反应体系。PCR循环条件如下:在 下进行 ,然后在 下进行 个循环的 ,在 下进行 ,最后在 下于 时在 下进行 ,并在 下进行 。PCR引物的序列如下:EZHIP(5-羟甲基胞嘧啶,5hmC):PCR正向引物CCGGTTCTTCCGCTGCAG CCGC,反向引物CGTCAGCACAGCAGCTAT GATTGGCAGCCC;ALKBH5(5hmC):PCR正向引物GGCGGCGCGGCGTGAAGACAG,反向引物GCAGACAGGAACCGCTTGCCGTCCG;TUBG1(5hmC):PCR正向引物GGGATCTCGCTGTGGGAT CCTGGACTCCA,反向引物CCCTCGGGGTTG GGCAAGTGGACACTG;EZHIP(5-甲基胞嘧啶,5mC):PCR正向引物CCGGTTTTTTTGTTGTAGTTGT,反向引物CATCAACACAACAACTATAATTAACAAGCCC;ALKBH5(5mC):PCR正向引物GGTGGTGTGGTGTGA AGATAG,反向引物ACAAACAAAAACCAC TTACCATCCA;TUBG1(5mC):PCR正向引物GGGATT TCGTTGTGGATTTTGGATTTTA,反向引物CCCTCAAAATTAAACAAATAAACACTA。
检测血清单纯疱疹病毒(HSV)免疫球蛋白G(IgG)水平
按照统一标准采集患者静脉血,并送至徐州中心医院检验科进行检测。使用单纯疱疹病毒1/2型抗体试剂盒(中国安图生物),按照制造商的说明,在AutoLumo A6000仪器(中国安图生物)上检测HSV1/2 IgG表达水平。
突变数据分析
我们获取了Fastq数据,并使用Burrows-Wheeler比对器(Burrows-Wheeler Aligner)将其与hg38基因组进行比对。使用Samtools对生成的SAM文件进行排序和索引。为了分析突变数据,我们按照文献[18]所述,采用了GATK(版本4.2.5)的最佳实践方法(Mutect2)。对生成的VCF文件进行过滤,并使用Functator(功能注释器,FUNCtional annOTATOR)进行注释。将突变结果记录在MAF文件中。我们使用Maftools分析肿瘤突变并生成肿瘤图谱。为了比较驱动基因突变频率,我们参考了癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据集。
RNA测序数据分析
使用Trimmomatic(v0.39)从原始序列文件中去除低质量序列和接头序列[19]。使用STAR(v2.7.0a)将修剪后的fastq文件映射到hg38基因组参考序列上[20]。然后使用sam-tools(v1.9)的视图功能,将参数 -F 设置为268,对比对结果进行清理[21]。使用Htseq-count(v2.0.2)计算映射到每个基因的读数计数[22]。最后,使用DESeq2(v1.36.0)识别差异表达基因(DEGs)[23]。显著的差异表达基因定义为校正后的P值(Benjamini-Hochberg法)小于0.05且log2折叠变化的绝对值大于1。使用Enrichr进行通路富集和基因本体分析。
氧化还原型重亚硫酸盐测序/重亚硫酸盐测序数据分析
使用TrimGalore(v0.6.5)去除低质量序列、接头序列以及读取序列R2 5’端的5个碱基。然后使用BSMAP(v2.90)将修剪后的读取序列与hg38人类参考基因组进行比对[24]。使用Samtools的视图功能从映射的bam文件中过滤低质量的比对结果。使用BSMAP提供的methratio.py计算清理后bam文件中的CpG甲基化水平。通过从重亚硫酸盐测序(RRBS-seq)甲基化水平中减去 (氧化重亚硫酸盐测序,oxRRBS-seq甲基化水平)水平,计算每个CpG位点的 甲基化水平。最后使用metilene(v0.2 - 8)处理CpG 或 比率,以识别新的 或 差异甲基化区域(DMRs)[25]。显著的 差异甲基化区域定义为甲基化差异的绝对值大于0.2且校正后的P值(Benjamini-Hochberg法)小于0.05。显著的 差异甲基化区域定义为甲基化差异的绝对值大于0.1且校正后的P值(Benjamini-Hochberg法)小于0.05。使用Enrichr进行通路富集和基因本体分析[26]。
结果
膀胱癌队列的基因组和转录组分析
我们检测了不同状态和分级的尿路上皮膀胱癌(UBC)样本中的突变(单核苷酸变异,SNVs;插入缺失,indels)(蓝色:复发、高级别;红色:原发、低级别)(图S1A)。每个样本的变异中位数为283.5个,其中大多数为错义变异。突变最多的前十个基因是 、PRAG1、FAM8A1、LNP1、CBX3、KCNN2、DHDH和TMPRSS13(图S1B)。通过全基因组微卫星分析,所有肿瘤均被鉴定为微卫星稳定型。在突变数据集的富集分析中,受体酪氨酸激酶 - 鼠类肉瘤滤过性毒菌致癌同源体(RTK - RAS)、Notch和Wnt信号通路[27]被确定为变化最显著的通路(图S1C)。接下来,我们检测了已知的UBC驱动基因突变频率,发现大多数等位基因频率在0.2至0.8之间(图S1D、S1E)。我们队列中这些驱动基因的突变频率与已知的TCGA数据集相当。
我们进一步对10份膀胱癌旁组织和40份膀胱癌组织样本进行了RNA测序(RNA-seq),以研究膀胱癌发生过程中的转录组变化。使用STAR映射工具处理RNA测序数据。利用DESeq2,我们鉴定出340个显著上调和458个显著下调的基因,其< b0></b0>绝对值大于1,校正P值小于0.05(图S2A)。上调基因在单纯疱疹病毒1型(HSV1)感染途径中富集程度最高,这表明膀胱癌样本中存在HSV1感染。与之前报道凝血功能失调与HSV感染相关的研究一致,下调基因在补体和凝血级联途径中富集。下调基因还在常见的癌症途径中富集,如PI3K - Akt和MAPK信号转导途径。我们还观察到与黏着斑和细胞外基质 - 受体相互作用相关的基因失调,这可能促进肿瘤细胞的增殖和迁移(图S2B)。总体而言,我们在此为尿路上皮膀胱癌(UBC)队列提供了高质量的突变和RNA测序数据集。
通过氧化还原重亚硫酸盐测序(oxRRBS-seq)和重亚硫酸盐测序(RRBS-seq)描绘膀胱癌中< b0></b0>和< b1></b1>的景观变化
DNA甲基化在膀胱癌发生中的作用已得到广泛研究。然而,大多数研究基于< b0></b0>甲基化芯片、重亚硫酸盐测序(RRBS)或全基因组重亚硫酸盐测序(WGBS),这些方法无法区分< b1></b1>和< b2></b2>。Booth等人[28]开发了氧化还原重亚硫酸盐测序(oxRRBS)技术,该技术可将< b3></b3>转化为< b4></b4>,同时保持< b1></b1>不变;因此,它可以在碱基分辨率水平上对全基因组范围内的< b1></b1>状态进行分析。为了阐明< b5></b5>在膀胱癌发展中的作用,我们对10份癌旁和44份癌性膀胱组织样本进行了oxRRBS测序。使用Metilene软件,我们鉴定出1266个显著高甲基化的< b5></b5>差异甲基化区域(DMRs)和2666个低甲基化的< b1></b1>差异甲基化区域(图1A)。这些差异甲基化区域的最小平均甲基化变化为0.2,校正P值小于0.05。
尽管膀胱癌样本中低甲基化的差异甲基化区域有所增加,但在启动子、外显子和转录终止位点(TTS)区域注释到的高甲基化和低甲基化差异甲基化区域数量相近。相反,在内含子和基因间区域注释到更多的低甲基化差异甲基化区域(图1B)。这一发现与之前的研究一致,即高甲基化发生在启动子区域,而低甲基化发生在基因体和基因间区域。高甲基化基因在泌尿生殖系统发育和输尿管芽形态发生相关的分支过程中高度富集,这表明膀胱癌的进展伴随着泌尿生殖系统形态的破坏。这些基因在肾脏发育过程中也有富集,如肾上皮和后肾发育,这与老年膀胱癌患者中常见慢性肾病的情况相符(图1C)。
低甲基化差异甲基化区域主要富集在失巢凋亡的正调控、凋亡细胞的吞噬和凋亡细胞清除过程中。此外,低甲基化差异甲基化区域在PI3K途径活性和细胞周期调控中富集,这可能有助于提高膀胱癌细胞的增殖能力。值得注意的是,低甲基化差异甲基化区域在男性性腺发育过程中富集程度最高。鉴于男性膀胱癌的患病率是女性的三到四倍,进一步研究DNA甲基化是否与两性膀胱癌发病率差异有关将是很有趣的(图1D)。
接下来,我们对10份膀胱癌旁组织和44份膀胱癌组织样本进行了简化代表性重亚硫酸盐测序(RRBS)和氧化简化代表性重亚硫酸盐测序(oxRRBS)。通过从RRBS甲基化水平中减去oxRRBS甲基化水平来计算5-羟甲基胞嘧啶(5hmC, )水平,RRBS可同时检测5-羟甲基胞嘧啶(5hmC, )和5-甲基胞嘧啶(5mC, )。通过比较膀胱癌组织和癌旁组织,我们鉴定出287个高5-羟甲基胞嘧啶差异甲基化区域(hyper-5hmC DMRs)和534个低5-羟甲基胞嘧啶差异甲基化区域(hypo-5hmC DMRs)。5-羟甲基胞嘧啶(5hmC, )差异甲基化区域的最小平均甲基化变化为0.1,校正后的P值小于0.05。与5-甲基胞嘧啶(5mC, )差异甲基化区域相比,我们在 exon、基因间区、内含子和转录终止位点(TTS)区域观察到数量相当的高5-羟甲基胞嘧啶差异甲基化区域(hyper-5hmC DMRs)和低5-羟甲基胞嘧啶差异甲基化区域(hypo-5hmC DMRs),但在启动子区域,低5-羟甲基胞嘧啶差异甲基化区域(hypo-5hmC DMRs)的数量大约是高5-羟甲基胞嘧啶差异甲基化区域(hyper-5hmC DMRs)的五倍(图1A和B)。
高5-羟甲基胞嘧啶差异甲基化区域(hyper-5hmC DMRs)和低5-羟甲基胞嘧啶差异甲基化区域(hypo-5hmC DMRs)均在与泌尿系统相关的通路中富集,如输尿管芽发育和肾脏发育,这表明5-羟甲基胞嘧啶(5hmC, )的改变可能参与了膀胱癌发展过程中泌尿系统的破坏。此外,低5-羟甲基胞嘧啶差异甲基化区域(hypo-5hmC DMRs)在神经系统发育、成纤维细胞生长因子受体(FGFR)信号通路的调节、白细胞介素-13(IL-13)和白细胞介素-4(IL-4)产生的正调节、间充质细胞发育以及上皮细胞增殖的负调节等方面富集,这表明5-羟甲基胞嘧啶(5hmC, )在调节膀胱癌细胞的增殖、免疫逃逸和上皮-间充质转化(EMT)中也发挥着作用(图1E和F)。我们还在许多常见的转录调节因子中观察到低5-羟甲基胞嘧啶差异甲基化区域(hypo-5hmC DMRs),包括组蛋白去乙酰化酶2(HDAC2)、染色质解旋酶DNA结合蛋白8(CHD8)、转录因子E2F3(E2F3)和组蛋白赖氨酸甲基转移酶2A(KMT2A)(补充表S3)。这些结果进一步支持了5-羟甲基胞嘧啶(5hmC, )低甲基化是膀胱癌基因表达的关键调节因子这一假设。
分析复发性膀胱癌的转录和甲基化变化
通过使用DESeq2比较31份原发性和9份复发性膀胱癌标本的RNA测序数据,我们鉴定出695个显著上调的基因和197个下调的基因(图S3A)。上调的基因主要与细胞外结构组织、细胞外基质(ECM)组织、血管生成、生长因子活性和炎症反应有关。下调的基因在氧化应激、嘌呤分解代谢和过氧化物酶体增殖物激活受体(PPAR)信号通路中富集(图S3B)。这些结果表明,重构细胞外基质、诱导血管生成以及抑制应激反应通路对于膀胱癌的进展至关重要。

图1. 膀胱癌样本单碱基分辨率的5-甲基胞嘧啶(5mC)和5-羟甲基胞嘧啶(5hmC)分析。A 在膀胱癌样本中鉴定出的显著5-甲基胞嘧啶(5mC)和5-羟甲基胞嘧啶(5hmC)差异甲基化区域(DMRs)的数量。 5-甲基胞嘧啶(5mC, )和5-羟甲基胞嘧啶(5hmC, )差异甲基化区域的基因组注释。膀胱癌中5-甲基胞嘧啶(5mC, )高差异甲基化区域(C)和低差异甲基化区域(D)的通路富集。膀胱癌中5-羟甲基胞嘧啶(5hmC, )高差异甲基化区域(E)和低差异甲基化区域(F)的通路富集
同样,通过比较原发性和复发性膀胱癌样本,我们鉴定出 高差异甲基化区域(hyper - DMRs)、516 个 5 - 甲基胞嘧啶(5mC)低差异甲基化区域(hypo - DMRs)、122 个 5 - 羟甲基胞嘧啶(5hmC)高差异甲基化区域和 742 个 低差异甲基化区域(图 2A)。与转录组学改变一致, 高和低差异甲基化区域在与上皮 - 间充质转化(EMT)、上皮管形态发生、细胞 - 细胞黏附以及间充质细胞增殖相关的基因本体论(GO)术语中富集。此外, 低差异甲基化区域在 WNT 信号通路中也有富集,癌细胞通常利用该通路来延长存活和增殖。有趣的是, 低差异甲基化区域在与脂肪分解调节相关的通路中独特富集(图 S4)。
由于靶向脂肪酸代谢可抑制膀胱癌的恶性表型[29],因此值得研究 是否能直接调节脂肪酸代谢,这可能为药物研发揭示新的策略或靶点。我们鉴定出与脂肪酸氧化相关基因(包括 TWIST1、CGA、PTGER3、NPR1、GNAS、IRS2 和 GNAI1)相关的 差异甲基化区域(DMRs)。与 PTGER3、NPR1、GNAS、IRS2 和 GNAI1 相关的 5 - 羟甲基胞嘧啶差异甲基化区域直接注释到启动子区域。与 TWIST1 和 CGA 相关的 差异甲基化区域注释到基因间区域,但与由 ENCODE 项目预测的启动子样顺式调控元件重叠(图 S5)。这些观察结果表明 直接参与了上述基因转录活性的调控。在 TWIST1、NPR1、IRS2 和 CGA 中, 差异甲基化区域呈低甲基化状态,并且与它们转录水平的升高呈负相关。相反,PTGER3 的 5 - 羟甲基胞嘧啶差异甲基化区域呈高甲基化状态,而其在复发性膀胱癌中的表达也显著上调。尽管 GNAS 和 GNAI1 在启动子区域与 差异甲基化区域相关,但它们在复发性膀胱癌样本中没有差异表达(图 2B)。然而,这两个基因都有不同的转录本异构体,这表明 差异甲基化区域可能在调控可变剪接中发挥作用(图 2B 和图 S5)。总之,这些结果表明 可以直接调节复发性膀胱癌中脂肪酸代谢基因的转录活性。与先前的研究一致, 结合的转录因子决定了其调控表达的机制。

图 2 复发性膀胱癌中 和 的重布线图谱。A 复发性膀胱癌样本中鉴定出的 和 差异甲基化区域(DMRs)的数量(左)。5 - 甲基胞嘧啶和 5 - 羟甲基胞嘧啶差异甲基化区域的基因组注释(右)。B 差异甲基化区域的脂肪酸代谢相关基因的 RNA 测序标准化计数。C 针对 TUGB1 和 EZHIP 差异甲基化区域的 和 特异性定量聚合酶链反应(qPCR)。D 和 E 复发性膀胱癌中的差异甲基化谱与五名在组织采集后发生复发性尿路上皮癌(UBC)患者之间的相关性
由于羟甲基化( )水平的分析是间接的,即通过从全基因组重亚硫酸盐测序(RRBS)甲基化水平中减去氧化全基因组重亚硫酸盐测序(oxRRBS)甲基化水平来计算,我们进行了5-羟甲基胞嘧啶(5hmC)特异性PCR,以验证一个注释到微管蛋白γ1(TUBG1)基因的高甲基化羟甲基化差异甲基化区域( DMR),以及一个注释到EZHIP基因的低甲基化羟甲基化差异甲基化区域( DMR)。与测序结果一致,我们观察到在复发性膀胱癌样本中,TUBG1的羟甲基化( )水平显著升高,而 的羟甲基化( )水平降低。为了研究羟甲基化( )与 之间的关系,我们对这两个羟甲基化差异甲基化区域( DMR)进行了 特异性PCR。在这两个基因中,复发性膀胱癌样本中的 水平均降低,这表明羟甲基化( )的改变并不总是与 的改变呈负相关(图2C)。
最后,五名患者在收集尿路上皮膀胱癌(UBC)组织样本后一年内被诊断为复发性膀胱癌。然后,我们将这五名患者的组织样本的羟甲基化( )和 分析结果,与未发生复发性膀胱癌患者的原发性膀胱癌组织进行了比较。有趣的是,这五名患者的 差异甲基化情况与复发性膀胱癌组织中观察到的甲基化改变相似(图2D)。相反,这五名患者的 差异甲基化谱与复发性膀胱癌组织无关(图2E)。这些结果表明,与复发性膀胱癌相关的 改变在膀胱癌进展的早期阶段就已发生,可作为预测膀胱癌预后的生物标志物。然而,复发性膀胱癌的 改变在疾病进展之前无法提前观察到,因此不太适合作为预后生物标志物。
分析膀胱癌中程序性死亡配体1(PD-L1)过表达时的转录和甲基化改变
为了研究膀胱癌中程序性死亡配体1( )的调控机制,我们根据程序性死亡配体1(PD-L1)表达水平的中位数,将膀胱癌样本分为程序性死亡配体1( )- 高表达组和低表达组(图S6)。我们在程序性死亡配体1( )- 高表达组中鉴定出532个显著上调的基因和23个显著下调的基因(图S7A)。正如预期的那样,上调的基因在炎症的负调控和 细胞活化的负调控中富集,这表明膀胱癌中程序性死亡配体1( )的过表达可以抑制免疫反应。上调的基因在细胞外基质(ECM)组织和细胞黏附术语中富集程度最高。同样,这些基因在黏着斑-PI3K-Akt-mTOR信号通路中也富集程度最高。考虑到先前的一项研究表明,黏着斑激酶(FAK)可以控制程序性死亡配体1( )的表达并诱导免疫逃逸,通过下调黏着斑基因获得迁移能力可能与膀胱癌中程序性死亡配体1(PD-L1)的过表达有关(图S7B)。
为了研究DNA甲基化是否参与免疫逃逸过程,我们在程序性死亡配体1(PD - L1)高表达水平的样本中鉴定出1589个高甲基化(hyper)5-甲基胞嘧啶(5mC)差异甲基化区域(DMRs)、2149个低甲基化(hypo)5mC DMRs、370个高甲基化5-羟甲基胞嘧啶(5hmC)DMRs和1725个低甲基化5hmC DMRs(图3A)。高甲基化5mC DMRs在青年发病的成年型糖尿病、基底细胞癌和Hippo信号通路中高度富集。相比之下,低甲基化5mC DMRs在黏着连接组装、上皮 - 间充质转化(EMT)转变的负调控以及凋亡信号通路的正调控中高度富集(图S8)。在PD - L1高表达样本中上调的532个基因中,有49个基因对应低甲基化5mC DMRs。这些基因,包括趋化因子配体11(CCL11)、趋化因子配体20(CCL20)和鞘氨醇 - 1 - 磷酸受体1(S1PR1),在细胞对细胞因子刺激的反应和T细胞迁移中显著富集(图S9A)。
高甲基化5hmC DMRs在膀胱癌通路、 Toll样受体信号传导和应激激活的丝裂原活化蛋白激酶(MAPK)级联反应中富集。相比之下,低甲基化5hmC DMRs在胰岛素信号通路、脂肪细胞中脂肪分解的调节、黏着斑和腺苷酸活化蛋白激酶(AMPK)信号通路中富集(图S8B)。在PD - L1高表达水平样本中转录上调的基因中,有51个基因与低甲基化5mC DMRs相关。这些基因在细胞外基质(ECM)组织中富集,并负调控对抗原刺激的炎症反应(图S9B)。

图3 PD - L1高表达膀胱癌中的甲基化改变。A 在PD - L1高表达膀胱癌样本中鉴定出的5mC和5hmC差异甲基化区域(DMRs)的数量(左)。5mC和5hmC DMRs的基因组注释(右)。B 热图显示PD - L1高表达膀胱癌样本中5mC DMR生物标志物的甲基化改变。C 散点图显示PD - L1高表达膀胱癌中差异5mC水平和差异5hmC水平之间的相关性
用于预测免疫治疗反应的DNA甲基化生物标志物
在这里,我们比较了5mC - 5hmC高表达和低表达膀胱癌样本之间的简化代表性亚硫酸氢盐测序(RRBS - seq)和氧化简化代表性亚硫酸氢盐测序(oxRRBS - seq)数据,并确定了在预测5mC - L1高表达样本方面表现最佳的甲基化标志物。通过单变量分析,我们确定了5mC DMR生物标志物具有显著的甲基化差异,并预测曲线下面积(AUC)得分超过0.8(图3B)。相比之下,只有5hmC DMRs的AUC得分高于0.8,且它们的甲基化差异不如5mC DMRs显著,这表明5mC生物标志物更适合预测膀胱样本中PD - L1的高表达。
在大多数无细胞DNA甲基化生物标志物研究中,甲基化水平是通过基于亚硫酸氢盐或类似的酶促技术进行分析的,这些技术会将5-甲基胞嘧啶( )和5-羟甲基胞嘧啶( )都转化为尿嘧啶,因此无法区分5-甲基胞嘧啶( )和5-羟甲基胞嘧啶( )信号。由于5-羟甲基胞嘧啶( )是5-甲基胞嘧啶( )主动去甲基化过程的产物,5-羟甲基胞嘧啶( )的甲基化改变与5-甲基胞嘧啶( )的甲基化改变在全局上呈负相关,这一点在比较PD - L1高表达( - -高)和PD - L1低表达( - -低)样本时确实得到了观察(图3C)。鉴于5-羟甲基胞嘧啶( )的预测AUC得分较低,且其甲基化改变与5-甲基胞嘧啶( )生物标志物相反,仅分析5-甲基胞嘧啶( )的氧化还原亚硫酸氢盐测序(oxRRBS - seq)可用于识别比常用的还原亚硫酸氢盐测序(RRBS - seq)更好的标志物。作为原理验证,我们检测了一个注释到TET基因的表现最佳的差异甲基化区域(DMR)标志物。在PD - L1高表达( -高)的膀胱癌样本中,该DMR的5-甲基胞嘧啶( )呈低甲基化,而5-羟甲基胞嘧啶( )呈高甲基化。当使用RRBS分析甲基化变化时,发现该TET DMR呈低甲基化,但甲基化差异不如5-甲基胞嘧啶( )变化显著(图4A)。相应地,与5-羟甲基胞嘧啶( )和RRBS甲基化水平相比,该TET DMR的5-甲基胞嘧啶( )水平具有最高的预测AUC得分(图4B)。
值得注意的是,在鉴定出的102个5-甲基胞嘧啶( )差异甲基化区域(DMR)生物标志物中,有5个DMR注释到了NFATC1基因,该基因在T细胞( )激活中起关键作用,并参与PD - 1/PD - L1信号通路的调节。通过降低AUC得分阈值,在NFATC1基因体内鉴定出16个显著的5-甲基胞嘧啶( )DMR。这些DMR大多呈低甲基化,且与NFATC1外显子共定位,并编码顺式调控元件区域,这表明这些5-甲基胞嘧啶( )改变参与了NFATC1的转录调控。表现最佳的DMR(chr18:79,461,612 - 79,461,992)靠近NFATC1的第七外显子,对于PD - L1高表达( - -高)样本的AUC得分为0.884(图4C)。总之,我们证明了使用DNA甲基化标志物预测膀胱癌患者免疫治疗反应的潜力,以及使用氧化还原亚硫酸氢盐测序(oxRRBS - seq)发现甲基化标志物的优势。

图4:利用5-甲基胞嘧啶(5mC)生物标志物预测免疫治疗反应。A:TET基因中5-甲基胞嘧啶(5mC)、5-羟甲基胞嘧啶(5hmC)和RRBS甲基化水平的变化。B:TET基因中5-甲基胞嘧啶(5mC)、5-羟甲基胞嘧啶(5hmC)和RRBS甲基化用于预测PD - L1高表达膀胱癌的曲线下面积(AUC)得分。C:显示注释到NFATC1的5-甲基胞嘧啶(5mC)DMR的轨迹图(左)。一个NFATC1 DMR用于预测PD - L1高表达膀胱癌的AUC得分(右)
讨论
为全面研究复发性膀胱癌的发展以及导致肿瘤免疫逃逸的程序性死亡配体1(PD - L1)过表达情况,我们开展了多组学实验,以描绘上述过程中的基因、 和 变化。通过全外显子组测序(WES),我们在许多已知的尿路上皮癌(UBC)驱动基因中发现了突变,包括赖氨酸特异性去甲基化酶6A(KDM6A)、肿瘤蛋白p53(TP53)和成纤维细胞生长因子受体3(FGFR3)。然而,在复发性膀胱癌或PD - L1过表达病例中,这些驱动突变很少富集(图S10)。相反,在与癌症进展和免疫反应相关的各种通路中,发现了显著的 和 差异甲基化区域(DMRs)。这些结果表明,表观遗传变化与尿路上皮癌的进展密切相关。
由TET蛋白介导的羟甲基化水平有助于调节脂肪酸代谢。过氧化物酶体增殖物激活受体 和 (PPAR 和PPAR )招募TET1,诱导其反应元件区域去甲基化,并干扰脂肪酸代谢 。TET1水平降低会导致参与脂肪生成和脂肪酸摄取的基因上调,以及与脂肪分解和脂肪酸氧化相关的基因下调[31]。值得注意的是,在某些肿瘤类型中,脂肪生成增加预示着预后不良[32]。以往对癌细胞代谢特征的研究表明,与正常细胞不同,由于癌细胞对信号分子、细胞结构元件和三磷酸腺苷(ATP) 合成的需求更高,因此需要更多的脂肪酸。膀胱癌中脂肪酸合酶(FASN)的表达显著上调,被视为膀胱癌复发和进展的不良预后因素[35 - 37]。陶等人发现,FASN的小干扰RNA可以上调膀胱癌细胞中E - 钙黏蛋白的表达,并下调Snail的表达,这表明复发性膀胱癌可能与FASN诱导的上皮 - 间质转化(EMT)有关[38]。在本研究中,我们特别发现,在复发性膀胱癌中,脂肪酸氧化相关基因与 诱导的转录变化显著相关。这些结果丰富了我们目前对 如何通过表观遗传调控参与代谢调节的认识。
逃避免疫监视是癌症进展的一个标志。癌细胞逃避免疫系统的一种方式是通过 - 过表达,其与免疫细胞表面的PD1结合,使癌细胞免疫反应失活。鉴于其有前景的抗肿瘤效果,PD1/PD - L1抑制剂(帕博利珠单抗)已被批准用于治疗膀胱癌。然而,不到一半的膀胱癌患者对免疫治疗有反应。 表达已被公认为是识别更有可能从免疫治疗中获益的患者的生物标志物。先进的游离DNA甲基化检测技术进一步使开发非侵入性血液检测以预先筛选对免疫治疗有反应的患者成为可能。根据我们的研究结果,在膀胱癌细胞中观察到NFATc1基因体低甲基化,表明NFATc1转录处于激活状态,这种状态可用于预测PD - L1表达。NFATc1是在T细胞中表达的NFAT(活化T细胞核因子)的主要亚型之一,在调节响应T细胞受体(TCR)介导的信号的基因转录中起着至关重要的作用[39 - 41]。NFATc1也可被B细胞受体(BCR)激活,并上调IL - 10趋化因子以激活B细胞淋巴瘤细胞中的JAK2/STAT3通路,最终诱导PD - L1表达[42]。在膀胱癌中,NFATc1和PD - L1表达之间的相关性类似。根据Kawahara等人的研究,PD - L1在高级别膀胱癌中的表达高于低级别膀胱癌,并且与NFATc1基因的表达呈正相关[43]。因此,提出了STAT1 - PD - L1 - NFATc1通路来揭示PD - L1的免疫抑制机制,这可能增加基于PD - L1的膀胱癌抗肿瘤免疫治疗的潜力[43]。在这项研究中,我们建立了一个基于机器学习的模型,根据NFATc1的甲基化水平直接预测PD - L1高表达的膀胱癌,AUC得分为0.884。未来的研究应关注是否可以使用游离DNA实现这种精确预测。
在本研究中,我们通过将氧化还原限制性内切酶测序(oxRRBS)与传统的限制性内切酶测序(RRBS)相结合,采用了改进的全基因组甲基化和羟甲基化图谱绘制方法。标准的RRBS无法区分 和 ,因此导致以往研究中 和 水平的总和。在oxRRBS中,使用过钌酸钾可以实现将 选择性氧化为 。通过从RRBS获得的亚硫酸氢盐测序信号中减去oxRRBS获得的信号,可以确定羟甲基化水平[28, 。因此,使用RRBS + oxRRBS可以分别计算出准确的 和 比例,从而以更高的分辨率提供更详细的表观遗传信息。这更适合作为膀胱癌诊断和预后的生物标志物。
补充信息
在线版本包含补充材料,可在https://doi.org/10.1186/s40364 - 023 - 00488 - 3获取。
补充文件1:图S1。膀胱癌队列的突变分析。44个尿路上皮癌(UBC)样本的肿瘤突变图谱。UBC队列中前10个突变基因。该UBC队列中受突变影响的前10条通路。与癌症基因组图谱(TCGA)膀胱癌数据集的联合柱状图显示了膀胱癌驱动基因的突变频率。膀胱癌样本驱动基因的变异等位基因频率。第一行的数字代表该队列中每个基因的突变次数。图S2。膀胱癌与癌旁样本的差异表达分析。膀胱癌样本中差异表达基因的火山图。膀胱癌样本中上调和下调基因的通路富集分析。图S3。复发性和原发性膀胱癌样本的差异表达分析。复发性膀胱癌样本中差异表达基因的火山图。复发性膀胱癌样本中上调和下调基因的通路富集分析。图S4。复发性膀胱癌样本中 和 差异甲基化区域(DMR)的通路富集。图S5。复发性膀胱癌样本中注释到脂肪酸代谢基因的5-羟甲基胞嘧啶(5hmC)差异甲基化区域的轨迹图。图S6。程序性死亡配体1(PD-L1)高表达和低表达UBC样本中PD-L1的表达水平。图S7。PD-L1高表达和低表达膀胱癌样本的差异表达分析。PD-L1高表达膀胱癌样本中差异表达基因的火山图。PD-L1高表达膀胱癌样本中上调基因的通路富集分析。图S8。PD-L1高表达膀胱癌样本中 和 差异甲基化区域的通路富集。图S9。PD-L1高表达膀胱癌中与显著差异表达基因(DEG)相关的5-甲基胞嘧啶(5mC)低甲基化差异甲基化区域和5hmC低甲基化差异甲基化区域的通路富集。图S10。复发性和PD-L1过表达UBC样本中的驱动突变。请检查补充文件是否被正确捕获和呈现。我们确认补充文件已被正确捕获和呈现。根据期刊要求,每个补充文件必须有相应的说明。在这方面,请注意说明取自补充电子文件本身。请告知所采取的行动是否合适,如有必要请进行修改。我们确认此行动正确,无需进一步修改。
补充文件2:表S1。膀胱癌、复发性膀胱癌和PD-L1高表达膀胱癌中的差异表达基因。
补充文件3:表S2。膀胱癌、复发性膀胱癌和PD-L1高表达膀胱癌中显著的 差异甲基化区域。
补充文件4:表S3。膀胱癌、复发性膀胱癌和PD-L1高表达膀胱癌中显著的5hmC差异甲基化区域。
致谢
我们感谢方坦克斯生物医药(上海)有限公司和英坦克斯生命科技(上海)有限公司在数据处理和咨询方面提供的帮助。
作者贡献
史振铎、韩晓晓和宋子健设计了研究并分析了数据。董扬、庞坤、王新磊、刘新宇、卢浩、徐广志、郝林、董炳正和梁清进行了研究并分析了数据。宋子健、卢浩和徐广志进行了修订分析。韩晓晓和董扬撰写了论文。吴小可、宋子健和韩聪慧对稿件的重要知识内容进行了严格修订。所有作者都为文章做出了贡献并批准了提交的版本。
资金支持
本研究得到了国家自然科学基金(12271467);江苏省重点研发计划(BE2020758);徐州市医学杰出人才项目(徐卫科教〔2017〕22号);徐州市临床医学专家团队项目(2018TD004)和徐州市医学重点人才项目(XWRCHT20220055)的资助。
数据和材料的可用性
所有测序数据可通过以下链接获取:https://www.biosino.org/node/project/detail/OEP004094。
声明
伦理批准和参与同意
所有方案均获得了徐州中心医院伦理委员会的批准(伦理审批号:XZXY - LI - 20200708 - 024)。所有受试者均提供了书面同意书。
发表同意
不适用。
利益冲突
作者声明无利益冲突。
作者信息
徐州医科大学徐州临床学院泌尿外科,中国江苏。 江苏省徐州市中心医院泌尿外科,中国江苏徐州。 江苏师范大学生命科学学院,中国江苏。 黑龙江省医院泌尿外科,中国黑龙江省哈尔滨市香坊区中山路82号。 上海第一妇婴保健院临床与转化研究中心,上海信号转导与疾病研究重点实验室,同济大学干细胞研究前沿科学中心,生命科学与技术学院,中国上海。 上海交通大学医学院附属仁济医院泌尿外科,中国上海。 黑龙江省医院生殖医学科,中国黑龙江省哈尔滨市香坊区中山路82号。 黑龙江中医药大学附属第一医院妇产科,黑龙江省卵巢疾病临床研究中心,中国黑龙江省哈尔滨市香坊区和平路26号。
接收日期:2023年1月8日 接受日期:2023年4月18日
在线发表日期:2023年5月3日References
1. Parker J, Spiess PE. Current and emerging bladder cancer urinary bio-markers. ScientificWorldJournal. 2011;11:1103-12.
2. Kamat AM, Hahn NM, Efstathiou JA, Lerner SP, Malmström PU, Choi W, et al. Bladder cancer. Lancet. 2016;388(10061):2796-810.
3. van Rhijn BW, Burger M, Lotan Y, Solsona E, Stief CG, Sylvester RJ, et al. Recurrence and progression of disease in non-muscle-invasive bladder cancer: from epidemiology to treatment strategy. Eur Urol. 2009;56(3):430-42.
4. Lenis AT, Lec PM, Chamie K, Mshs MD. Bladder Cancer: A Review. JAMA. 2020;324(19):1980-91.
5. Babjuk M, Böhle A, Burger M, Capoun O, Cohen D, Compérat EM, et al. EAU Guidelines on Non-Muscle-invasive Urothelial Carcinoma of the Bladder: Update 2016. Eur Urol. 2017;71(3):447-61.
6. Fang Q, Zhang X, Nie Q, Hu J, Zhou S, Wang C. Improved urine DNA methylation panel for early bladder cancer detection. BMC Cancer. 2022;22(1):237.
7. Raitanen MP, Aine R, Rintala E, Kallio J, Rajala P, Juusela H, et al. Differences between local and review urinary cytology in diagnosis of bladder cancer An interobserver multicenter analysis. Eur Urol. 2002;41(3):284-9.
8. Tritschler S, Sommer ML, Straub J, Hocaoglu Y, Tilki D, Strittmatter F, et al. Urinary cytology in era of fluorescence endoscopy: redefining the role of an established method with a new reference standard. Urology. 2010;76(3):677-80.
9. Dietrich D, Meller S, Uhl B, Ralla B, Stephan C, Jung K, et al. Nucleic acid-based tissue biomarkers of urologic malignancies. Crit Rev Clin Lab Sci. 2014;51(4):173-99.
10. Wu X, Zhang Y. TET-mediated active DNA demethylation: mechanism, function and beyond. Nat Rev Genet. 2017;18(9):517-34.
11. Pfeifer GP. Defining driver DNA methylation changes in human cancer. Int J Mol Sci. 2018;19(4):1166.
12. Xu T, Gao H. Hydroxymethylation and tumors: can 5-hydroxymethylation be used as a marker for tumor diagnosis and treatment? Hum Genomics. 2020;14(1):1-10.
13. Forloni M, Gupta R, Nagarajan A, Sun L-S, Dong Y, Pirazzoli V, et al. Oncogenic EGFR represses the TET1 DNA demethylase to induce silencing of tumor suppressors in cancer cells. Cell Rep. 2016;16(2):457-71.
14. Neri F, Dettori D, Incarnato D, Krepelova A, Rapelli S, Maldotti M, et al. TET1 is a tumour suppressor that inhibits colon cancer growth by derepressing inhibitors of the WNT pathway. Oncogene. 2015;34(32):4168-76.
15. Besaratinia A, Caceres A, Tommasi S. DNA Hydroxymethylation in Smoking-Associated Cancers. Int J Mol Sci. 2022;23(5):2657.
16. Brabson JP, Leesang T, Mohammad S, Cimmino L. Epigenetic Regulation of Genomic Stability by Vitamin C. Front Genet. 2021;12: 675780.
17. Hentschel AE, Beijert IJ, Bosschieter J, Kauer PC, Vis AN, Lissenberg-Witte BI, et al. Bladder cancer detection in urine using DNA methylation markers: a technical and prospective preclinical validation. Clin Epigenetics. 2022;14(1):19.
18. Pei S, Liu T, Ren X, Li W, Chen C, Xie Z. Benchmarking variant callers in next-generation and third-generation sequencing analysis. Brief Bioin-form. 2021;22(3):148.
19. Bolger AM, Lohse M, Usadel B. Trimmomatic: a flexible trimmer for Illu-mina sequence data. Bioinformatics. 2014;30(15):2114-20.
20. Dobin A, Davis CA, Schlesinger F, Drenkow J, Zaleski C, Jha S, et al. STAR: ultrafast universal RNA-seq aligner. Bioinformatics. 2013;29(1):15-21.
21. Li H, Handsaker B, Wysoker A, Fennell T, Ruan J, Homer N, et al. The Sequence Alignment/Map format and SAMtools. Bioinformatics. 2009;25(16):2078-9.
22. Anders S, Pyl PT, Huber W. HTSeq-a Python framework to work with high-throughput sequencing data. Bioinformatics. 2015;31(2):166-9.
23. Love MI, Huber W, Anders S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 2014;15(12):550.
24. Xi Y, Li W. BSMAP: whole genome bisulfite sequence MAPping program. BMC Bioinformatics. 2009;10:232.
25. Jühling F, Kretzmer H, Bernhart SH, Otto C, Stadler PF, Hoffmann S. metilene: fast and sensitive calling of differentially methylated regions from bisulfite sequencing data. Genome Res. 2016;26(2):256-62.
26. Kuleshov MV, Jones MR, Rouillard AD, Fernandez NF, Duan Q, Wang Z, et al. Enrichr: a comprehensive gene set enrichment analysis web server 2016 update. Nucleic Acids Res. 2016;44(W1):W90-7.
27. Sanchez-Vega F, Mina M, Armenia J, Chatila WK, Luna A, La KC, et al. Oncogenic Signaling Pathways in The Cancer Genome Atlas. Cell. 2018;173(2):321-37.e10.
28. Booth MJ, Branco MR, Ficz G, Oxley D, Krueger F, Reik W, et al. Quantitative sequencing of 5-methylcytosine and 5-hydroxymethylcytosine at single-base resolution. Science. 2012;336(6083):934-7.
29. Li A, Yao L, Fang Y, Yang K, Jiang W, Huang W, et al. Specifically blocking the fatty acid synthesis to inhibit the malignant phenotype of bladder cancer. Int J Biol Sci. 2019;15(8):1610-7.
30. Wang J, Zhang Y, Zhuo Q, Tseng Y, Wang J, Ma Y, et al. TET1 promotes fatty acid oxidation and inhibits NAFLD progression by hydroxymethylation of PPARa promoter. Nutr Metab (Lond). 2020;17:46.
31. Yuan Y, Liu C, Chen X, Sun Y, Xiong M, Fan Y, et al. Vitamin C Inhibits the Metabolic Changes Induced by Tet1 Insufficiency Under High Fat Diet Stress. Mol Nutr Food Res. 2021;65(16): e2100417.
32. Duan J, Sun L, Huang H, Wu Z, Wang L, Liao W. Overexpression of fatty acid synthase predicts a poor prognosis for human gastric cancer. Mol Med Rep. 2016;13(4):3027-35.
33. Jeong H, Oh HE, Kim H, Lee JH, Lee ES, Kim YS, et al. Upregulation of Fatty Acid Transporters is Associated With Tumor Progression in Non-Muscle-Invasive Bladder Cancer. Pathol Oncol Res. 2021;27: 594705.
34. Pascual G, Avgustinova A, Mejetta S, Martín M, Castellanos A, Attolini CS, et al. Targeting metastasis-initiating cells through the fatty acid receptor CD36. Nature. 2017;541(7635):41-5.
35. Sugino T, Baba K, Hoshi N, Aikawa K, Yamaguchi O, Suzuki T. Overexpres-sion of fatty acid synthase in human urinary bladder cancer and combined expression of the synthase and Ki-67 as a predictor of prognosis of cancer patients. Med Mol Morphol. 2011;44(3):146-50.
36. Miryaghoubzadeh J, Darabi M, Madaen K, Shaaker M, Mehdizadeh A, Haji-hosseini R. Tissue fatty acid composition in human urothelial carcinoma. Br J Biomed Sci. 2013;70(1):1-5.
37. Abdelrahman AE, Rashed HE, Elkady E, Elsebai EA, El-Azony A, Matar I. Fatty acid synthase, Her2/neu, and E2F1 as prognostic markers of progression in non-muscle invasive bladder cancer. Ann Diagn Pathol. 2019;39:42-52.
38. Tao T, Su Q, Xu S, Deng J, Zhou S, Zhuang Y, et al. Down-regulation of PKM2 decreases FASN expression in bladder cancer cells through AKT/ mTOR/SREBP-1c axis. J Cell Physiol. 2019;234(3):3088-104.
39. Macian F. NFAT proteins: key regulators of T-cell development and function. Nat Rev Immunol. 2005;5(6):472-84.
40. Hogan PG, Chen L, Nardone J, Rao A. Transcriptional regulation by calcium, calcineurin, and NFAT. Genes Dev. 2003;17(18):2205-32.
41. Heim L, Friedrich J, Engelhardt M, Trufa DI, Geppert CI, Rieker RJ, et al. NFATc1 Promotes Antitumoral Effector Functions and Memory CD8(+) T-cell Differentiation during Non-Small Cell Lung Cancer Development. Cancer Res. 2018;78(13):3619-33.
42. Li L, Zhang J, Chen J, Xu-Monette ZY, Miao Y, Xiao M, et al. B-cell receptor-mediated NFATc1 activation induces IL-10/STAT3/PD-L1 signaling in diffuse large B-cell lymphoma. Blood. 2018;132(17):1805-17.
43. Kawahara T, Ishiguro Y, Ohtake S, Kato I, Ito Y, Ito H, et al. PD-1 and PD-L1 are more highly expressed in high-grade bladder cancer than in low-grade cases: PD-L1 might function as a mediator of stage progression in bladder cancer. BMC Urol. 2018;18(1):97.
44. Han Q, Kono TJY, Knutson CG, Parry NM, Seiler CL, Fox JG, et al. Multi-Omics Characterization of Inflammatory Bowel Disease-Induced Hyperplasia/Dysplasia in the Rag2(-/-)/Il10(-/-) Mouse Model. Int J Mol Sci. 2020;22(1):364.
45. Seiler CL, Song JUM, Kotandeniya D, Chen J, Kono TJY, Han Q, et al. Inhalation exposure to cigarette smoke and inflammatory agents induces epigenetic changes in the lung. Sci Rep. 2020;10(1):11290. Publisher’s Note
施普林格·自然(Springer Nature)在已发表地图的管辖权主张和机构隶属关系方面保持中立。
史振铎、韩晓晓、宋子健对本工作贡献相同,并列第一作者。
*通信作者:
吴小可
xiaokewu2002@vip.sina.com
韩聪慧
hanchdoctor@st.btbu.edu.cn
作者信息的完整列表可在文章末尾获取 ↑
膀胱癌,DNA甲基化,羟甲基化,PD - L1
表观信息
Rhotekin-1 是一种新型相互作用蛋白,也是 TRPC6 活性的调控因子
2026-11-20
2026-11-19
褐飞虱体内细菌内共生菌通过叶酸介导的DNA甲基化抑制解毒作用
2026-11-18
2026-11-17
2026-11-17
2026-11-15
艾维缔官网
艾德官网
B站IVDSHOW
抖音军哥聊表观
视频号艾维缔
小红书艾维缔
快手表观盒子
表观遗传学
联系我们