Grazie per aver visitato nature.com.Stai utilizzando una versione del browser con supporto limitato per i CSS.Per ottenere la migliore esperienza, ti consigliamo di utilizzare un browser più aggiornato (o disattivare la modalità di compatibilità in Internet Explorer).Nel frattempo, per garantire un supporto continuo, stiamo visualizzando il sito senza stili e JavaScript.Carosello con tre diapositive mostrate alla volta.Usa i pulsanti Precedente e Successivo per navigare tra tre diapositive alla volta o i pulsanti con i puntini alla fine per saltare tre diapositive alla volta.Le Yang, Runpu Chen, … Yijun SunPedro A. Ruiz Castro, Hasmik Yepiskoposyan, … Marja TalikkaShuting Jin, Xiangxiang Zeng, … Feixiong ChengAnkush Bansal, Pulkit Anupam Srivastava e Tiratha Raj SinghDevis Pascut, Muhammad Yogi Pratama, … Claudio TiribelliTian Xiang, Chunhui Yuan, … Gao LiuMarta Lucchetta & Marco PellegriniMei Hong, Xiangyang Li, … Shaotao TangSara Pidò, Gaia Ceddia & Marco MasseroliScientific Reports volume 12, Articolo numero: 9099 (2022 ) Cita questo articoloIl cancro gastrico è la quarta causa di morte per cancro a livello globale e l'adenocarcinoma gastrico è il suo tipo più comune.Gli sforzi per il trattamento del cancro gastrico hanno aumentato il suo tasso di sopravvivenza mediano di soli sette mesi.A causa della risposta relativamente bassa del cancro gastrico alla chirurgia e alla terapia adiuvante, nonché al ruolo complesso dei fattori di rischio nella sua incidenza, come gli inibitori della pompa proteica (PPI) e le infezioni virali e batteriche, abbiamo mirato a studiare i percorsi patologici coinvolti nello sviluppo del cancro gastrico e studiare possibili farmaci mediante strumenti di biologia dei sistemi e bioinformatica.In questo studio, la rete di interazione proteina-proteina è stata analizzata sulla base di dati di microarray e sono stati scoperti possibili composti efficaci.Sono stati ricostruiti anche l'RNA non codificante rispetto alla rete di interazione dell'RNA codificante e la rete di malattie genetiche per comprendere meglio i meccanismi sottostanti.È stato scoperto che composti come amiloride, imatinib, omeprazolo, troglitazone, pantoprazolo e fostamatinib potrebbero essere efficaci nel trattamento del cancro gastrico.In una rete genetica-malattia, è stato indicato che malattie come carcinoma epatico, carcinoma mammario, fibrosi epatica, carcinoma prostatico, carcinoma ovarico e carcinoma polmonare erano correlate con l'adenocarcinoma gastrico attraverso geni specifici, tra cui hgf, mt2a, mmp2, fbn1, col1a1 e col1a2.È stato dimostrato che i percorsi di segnalazione come il ciclo cellulare, la divisione cellulare e l'organizzazione della matrice extracellulare erano sovraespressi, mentre i percorsi di digestione e trasporto ionico erano sottoespressi.Sulla base di un'analisi di biologia dei sistemi multilivello, i geni hub nell'adenocarcinoma gastrico hanno mostrato la partecipazione a percorsi come l'adesione focale, l'attivazione piastrinica, la secrezione acida gastrica, l'infezione da HPV e il ciclo cellulare.Si ipotizza che gli IPP abbiano un effetto terapeutico sui pazienti con cancro gastrico.Fostamatinib sembra un potenziale farmaco terapeutico nel cancro gastrico a causa del suo effetto inibitorio su due geni di sopravvivenza.Tuttavia, questi risultati dovrebbero essere confermati attraverso indagini sperimentali.Il cancro gastrico è stato responsabile di quasi un milione di nuovi casi di cancro nel 2020, classificandosi al quinto posto tra tutti i tumori in termini di incidenza.È stata la quarta causa di morte per cancro, con circa 769.000 decessi nel 20201. L'adenocarcinoma gastrico, il tipo più comune di cancro gastrico, origina dall'epitelio della mucosa dello stomaco e rappresenta quasi il 90% di tutti i casi di cancro gastrico2.L'incidenza del cancro gastrico varia nelle diverse parti del mondo.Il più alto tasso di incidenza del cancro gastrico si trova nell'Asia centrale e orientale e in America Latina, con il primo posto appartenente alla Corea del Sud con un tasso medio di incidenza di 60 per 100.000 per gli uomini e 25 per 100.000 per le donne.L'Africa settentrionale e orientale hanno il tasso di incidenza più basso3.Esistono diversi fattori di rischio per il cancro gastrico, tra cui l'Helicobacter pylori, il fumo di sigaretta, l'alcol, il sale nella dieta, la conservazione degli alimenti e le sindromi genetiche4, tra cui l'H. pylori è il più saliente.Secondo studi recenti, il rischio di cancro gastrico è diminuito nei pazienti sottoposti a terapia di eradicazione di H. pylori (rapporto del tasso di incidenza aggregato di 0,53, 95% CI 0,44–0,64)5.Oltre a ciò, i fattori genetici hanno un profondo impatto sul cancro gastrico;sembra che la mutazione della caderina E (cdh1) porti a un tipo specifico di cancro gastrico chiamato cancro gastrico diffuso ereditario6.Alcuni virus come il virus Epstein-Barr (EBV) e il virus del papilloma umano (HPV) possono anche indurre il cancro gastrico.L'EBV è stato riscontrato in quasi il 9% dei pazienti con cancro gastrico7, ma la prevalenza dell'HPV è molto diversa.Mentre il rilevamento del DNA dell'HPV nelle cellule tumorali dei tumori gastrici non è stato confermato in Europa centrale8, in due studi condotti in Cina, il DNA dell'HPV è stato rilevato nel 29% e nel 47,5% dei casi9,10.Anche il tasso di sopravvivenza al cancro gastrico varia nelle diverse parti del mondo;in alcuni paesi come Regno Unito, Nuova Zelanda, Australia, Canada, Danimarca e Norvegia, il tasso di sopravvivenza è inferiore al 40%, mentre è più alto nei paesi ad alta incidenza tra cui la Corea del Sud e il Giappone.La ragione probabile è che questi ultimi due paesi hanno un piano appropriato per lo screening dei pazienti mediante radiografia ed endoscopia, che può far aumentare il tasso di sopravvivenza fino al 70%11.Un approccio multidisciplinare è essenziale per il trattamento del cancro gastrico, che dovrebbe essere deciso da un team composto da almeno un chirurgo, un patologo, un gastroenterologo, nonché oncologi medici e radioterapisti12.In caso di intervento chirurgico, che è il trattamento gold standard per il cancro gastrico13, la resezione chirurgica completa con linfoadenectomia adeguata e la resezione endoscopica della mucosa (EMR) possono essere appropriate per il trattamento del cancro gastrico precoce14.Inoltre, la terapia adiuvante e neoadiuvante, comprese la chemioterapia e la radioterapia, sono molto efficaci nel trattamento del cancro gastrico.Questa strategia di trattamento, ampiamente utilizzata in alcune aree del mondo, come l'Asia e gli Stati Uniti, può ridurre le dimensioni del tumore oi suoi comportamenti invasivi.Potrebbe anche migliorare l'efficacia della resezione chirurgica come metodo principale di trattamento del cancro gastrico e potrebbe persino ridurre gli effetti collaterali dopo l'intervento chirurgico15.A questo proposito, la chemioterapia preoperatoria con regime di epirubicina, cisplatino e fluorouracile infuso (ECF) potrebbe ridurre significativamente le dimensioni del tumore e aumentare il tasso di sopravvivenza globale del paziente16.Sebbene ci siano ancora dubbi sull'efficacia dei farmaci per il cancro gastrico, diverse molecole come il bemarituzumab, che ha come bersaglio il proto-oncogene c-SRC (src), la tirosina-proteina chinasi (ptk) e il mastinib, che ha come bersaglio il fattore di crescita dei fibroblasti 2 (fgf2 ), possono essere i potenziali farmaci oggetto di indagine negli studi clinici17.Diverse vie hanno un ruolo sostanziale nello sviluppo del cancro gastrico, come la via del fattore di crescita dell'endotelio vascolare (VEGF), la via di segnalazione della fosfatidilinositolo 3-chinasi (PI3K)/AKT/target della rapamicina nei mammiferi (mTOR), il fattore di crescita degli epatociti (HGF)/ via di segnalazione tirosina-proteina chinasi Met (MET), via di segnalazione Janus chinasi (JAK)/trasduttore di segnale e attivatore delle proteine ​​di trascrizione (STAT) e via di segnalazione Wnt18.Pertanto, lo studio di questi percorsi potrebbe aiutare a trovare bersagli appropriati e scoprire farmaci adatti a migliorare la sopravvivenza dei pazienti19.I farmaci inibitori della pompa protonica (PPI) riducono la secrezione acida bloccando l'H+, K+-ATPasi gastrica.Possono essere somministrati in alcune condizioni come il reflusso gastroesofageo19.Si noti che gli IPP potrebbero avere un duplice ruolo nel cancro gastrico;alcuni ricercatori ritengono che l'uso a lungo termine degli IPP possa aumentare il rischio di cancro gastrico, mentre altri affermano che possono supportare l'efficacia della chemioterapia nel trattamento del cancro gastrico20.Questo duplice ruolo può essere oggetto di discussione e approfondimento, che può essere fatto attraverso un approccio sistemico.La biologia dei sistemi è un modo popolare per comprendere la complessità dei sistemi.Utilizza modelli computazionali per comprendere meglio i processi biologici e analizzarli21.Ci sono alcuni studi che utilizzano questo approccio per trovare biomarcatori, geni differenzialmente espressi e importanti percorsi nel cancro gastrico.Ad esempio, Echizen et al.scoprire il ruolo cruciale della via di segnalazione NOX1/ROS nella tumorigenesi del cancro gastrico22.In un altro studio di Vizeacoumar e colleghi, sono stati scoperti candidati per potenziali biomarcatori tra cui CST1, INHBA, STMN123.Lui et al.hanno anche trovato potenziali biomarcatori prognostici immuno-correlati del cancro gastrico tra cui INHBA, ANGPTL1, ACKR1, GHR24.Questi studi possono mostrare l'ampia prospettiva di questo approccio per una migliore comprensione delle malattie umane.In questo studio, vengono utilizzati approcci di biologia dei sistemi per trovare i geni hub (i nodi più importanti nelle reti) nell'adenocarcinoma gastrico, studiare i relativi percorsi importanti e infine suggerire potenziali farmaci per il trattamento dell'adenocarcinoma gastrico.L'approccio utilizzato in questo studio è il seguente in breve: il cancro gastrico è stato modellato mediante strumenti di analisi di rete basati su dati di espressione genica e sono stati rilevati potenziali composti che possono influenzare la sopravvivenza dei pazienti.Inoltre, sono state analizzate le interazioni dell'RNA non codificante, le cause virali e i percorsi per comprendere meglio i meccanismi patologici dello sviluppo del cancro gastrico.Un riepilogo del metodo utilizzato è mostrato in Fig. 1.Diagramma del metodo che mostra il riepilogo dei passaggi applicati in questo studio.Il database di espressione genica omnibus (GEO) (https://www.ncbi.nlm.nih.gov/geo) è stato utilizzato per scaricare un set di dati di microarray relativo al cancro gastrico.Questo database fornisce un gran numero di microarray, RNA seq e altri dati liberamente, quindi può essere un database molto utile per lavorare nel campo della genetica e della bioinformatica.Nella sezione di ricerca avanzata, sono stati cercati tutti i profili di microarray con le parole chiave "gastric cancer" e "u133" nel titolo o nell'abstract.Sono stati trovati quarantacinque studi sull'Homo sapiens.Tra questi, GSE79973 è costituito da 10 coppie di tessuto tumorale gastrico e campioni non tumorali adiacenti con piattaforme HG-U133_Plus_2 (un singolo array che rappresenta 14.500 geni umani ben caratterizzati, che possono essere utilizzati per esplorare la biologia umana e i processi patologici), ed è stato selezionati per ulteriori analisi25.I campioni sono stati analizzati utilizzando il software della console di analisi del trascrittoma (TAC) con l'aiuto della libreria affymetrica U133-plus2 per identificare i geni espressi in modo differenziale (DEGS).L'algoritmo RMA è stato applicato per la normalizzazione dei dati.Quindi, il PCA è stato utilizzato per ridurre le dimensioni del set di dati, in modo da poter valutare se il normale rispetto al tumore fosse ben separato.L'analisi di confronto (t-test) è stata eseguita anche sul set di dati per identificare i geni espressi in modo differenziale con un valore p significativo (valore p ≤ 0,05).Infine, l'analisi dell'arricchimento del set di geni ha aiutato a scoprire i possibili percorsi correlati associati a ciascun gruppo di geni.Sono stati esclusi due campioni anomali.Successivamente in PCA, i campioni normali e tumorali erano ben separati.Infine, per ulteriori analisi, i DEGS sono stati rilevati in base ai loro cambiamenti di piega (FC ≥ 2,3 o FC ≤ -2,3) a un livello di significatività di (p-value ≤ 0,05) (Tabella S1).I DEG sono stati importati in STRING v11.0 (https://string-db.org/)26 e classificati in base al loro cambio di piega (proteine ​​con sezione valore/grado).Il database STRING può aiutare a trovare la relazione tra proteine ​​diverse in specie diverse, compreso l'homo sapiens.L'analisi dell'arricchimento è stata effettuata utilizzando il database gene ontology (GO) (//geneontology.org/), che ha un buon potenziale per trovare diversi percorsi in cui un gruppo di geni ha un ruolo.I percorsi sono stati filtrati in base al tasso di false scoperte (FDR ≤ 0,05).Il database STRING v11.0 è stato utilizzato per costruire la rete di interazione proteina-proteina dei DEG e il software Cytoscape v3.7.2 è stato utilizzato per la visualizzazione e il calcolo dei parametri di rete27.I parametri di centralità, inclusi grado, interdipendenza e vicinanza, sono stati calcolati per l'identificazione dei geni hub nella rete utilizzando Gephi.Gephi è un potente software per la visualizzazione e l'analisi delle reti28.È stato impiegato per l'identificazione di comunità più piccole formate da un gruppo di geni hub, chiamati moduli, tra 116 geni hub selezionati.Gephi utilizza il metodo Louvain per l'analisi della modularità, che è un metodo popolare nell'identificazione della comunità29.Come ultimo passaggio, sono stati utilizzati due database di KEGG e gene ontology (GO) su https://maayanlab.cloud/Enrichr/ per mostrare i relativi percorsi biologici di ciascun modulo30,31,32.Questi due database sono buoni strumenti online per il rilevamento di percorsi correlati a un gruppo di geni.I geni hub sovraregolati e sottoregolati sono stati importati separatamente in ENRICHR per trovare i percorsi sovraregolati e sottoregolati.ENRICHR è un database online professionale, che può collegare un gruppo di geni ad altri database, mostrando i relativi percorsi, malattie, farmaci e altri dati33.In questo studio, è stata presa in considerazione la costruzione di una rete di RNA non codificante per avere una visione migliore della patogenesi del cancro gastrico.I dati di espressione dell'RNA non codificante sono stati separati dai DEG al livello di significatività di (valore p ≤ 0,05, FC ≥ 2,3 o FC ≤ -2,3).La rete di RNA non codificante rispetto a quella codificante è stata costruita utilizzando l'RNA Interactoma Database (https://www.rna-society.org/rnainter/)34.È stato utilizzato anche uno script Python.La rete è stata costruita tra 116 e 37 hub codificanti e geni non codificanti, rispettivamente.È stata inoltre aggiunta la rete di interazione proteina-proteina STRING v11.0 per ottenere una rete di interazione completa.I 116 geni hub sono stati esportati in ENRICHR e le loro malattie correlate sono state estratte dal plug-in DisGNet per identificare le malattie meglio abbinate con questi geni hub, in base al valore p.Il plug-in DisGNet in Cytoscape è stato quindi utilizzato per trovare l'interazione dei nostri 116 geni hub con le malattie e il loro coinvolgimento in diverse malattie35.I dati raccolti possono suggerire i geni che potrebbero avere un ruolo nella metastasi del cancro gastrico o di altri tumori correlati basati sulle reti.Il database GEPIA (http://gepia.cancer-pku.cn/) è stato utilizzato per l'analisi della sopravvivenza36.GEPIA è uno strumento online che può essere utilizzato per la sopravvivenza, l'analisi di correlazione e l'analisi dell'espressione genica in diversi tipi di cancro e tessuti normali.Abbiamo ipotizzato che l'analisi della sopravvivenza possa scoprire bersagli farmacologici più affidabili tra i nostri geni hub, perché può mostrare l'esito del paziente in associazione con la sottoespressione o la sovraespressione dei geni, quindi un gene con parametri di centralità elevati nel grafico e un impatto significativo sulla sopravvivenza del paziente a allo stesso tempo potrebbe avere prove più forti e valide per la progressione o l'inibizione della crescita tumorale.Il GEPIA utilizza i dati del progetto TCGA e GTEx per eseguire l'analisi della sopravvivenza globale o della sopravvivenza libera da malattia utilizzando il t-test log-rank con soglie regolabili.Può anche calcolare il rapporto di rischio proporzionale di Cox e mostra un intervallo di confidenza del 95% sui grafici di sopravvivenza.Log-rank <0,05 è stato assunto come livello di significatività e la soglia è stata fissata al 50%.Sono stati controllati tutti i grafici di sopravvivenza di 116 geni hub e il loro rapporto di rischio proporzionale di cox è stato calcolato per trovare i geni hub che hanno avuto un effetto significativo sul tasso di sopravvivenza.È stata anche controllata l'espressione genica di sopravvivenza tra tumore e dati normali in GEPIA e sono stati esclusi i geni di sopravvivenza senza espressione differenziale significativa basata sulle analisi GEPIA.GEPIA è stato utilizzato anche per identificare la correlazione lineare tra i geni di sopravvivenza scoperti e il resto degli hub.È stato utilizzato il metodo Pearson e il livello di significatività è stato impostato su "coefficiente R ≥ 0,5, valore p ≤ 0,05" per scoprire la correlazione lineare.Ancora una volta, i geni senza espressione significativa nel tumore e nei campioni normali sono stati esclusi sulla base dell'analisi GEPIA.I percorsi in cui erano coinvolti un gene di sopravvivenza e le sue correlazioni sono stati trovati utilizzando KEGG e GO nel database ENRICHR.Ha permesso di identificare tutti i possibili bersagli farmacologici con un elevato effetto sulla crescita del tumore al fine di utilizzarli negli esperimenti per la validazione.Per avere una migliore analisi attribuibile a tutte le popolazioni di cancro gastrico, è stato utilizzato il box plot del database GEPIA.Nel nostro studio, è stata costruita una rete di interazione tra le sopravvivenze e le loro correlazioni per comprendere gli ipotetici meccanismi che determinano una prognosi sfavorevole nel cancro gastrico.Il peso dei bordi in questa rete era il coefficiente di correlazione recuperato da GEPIA.Il database Targetmine (https://targetmine.mizuguchilab.org/) è stato utilizzato per trovare farmaci e composti che hanno interazioni con geni/proteine37.Targetmine può cercare più geni contemporaneamente nella banca dei farmaci e in altri database e mostrare i risultati.Sulla base del suddetto database, i geni di sopravvivenza la cui sovraespressione ha portato a migliori tassi di sopravvivenza dei pazienti potrebbero essere presi di mira con agonisti affini.In questo studio, per scoprire eventuali effetti sinergici dei farmaci, sono stati individuati i geni che avevano una correlazione lineare positiva con le sopravvivenze che necessitavano di agonisti.Gli antagonisti sono stati selezionati contro i geni la cui sottoespressione era correlata a migliori tassi di sopravvivenza o aveva una correlazione lineare positiva con questo tipo di geni di sopravvivenza.I dati sui geni umani ottenuti nello studio sono stati ricavati da un archivio pubblicamente disponibile.Tutti gli esperimenti sono stati condotti in conformità con le linee guida e i regolamenti pertinenti nel manoscritto principale.I dati normalizzati dei campioni di adenocarcinoma gastrico rispetto al tessuto normale accoppiato e la distribuzione dell'espressione genica del box plot in ciascun paziente sono mostrati in Fig. 2A.La distribuzione dell'espressione genica del microarray prima della normalizzazione è mostrata in riquadri blu (CEL).Un file CEL è un file di dati creato dal software di analisi delle immagini di microarray DNA Affymetrix.Contiene i dati estratti dalle "sonde" su un Affymetrix GeneChip e può memorizzare migliaia di punti dati, il che può aumentare le dimensioni del file.I file CEL possono essere elaborati da algoritmi software e visualizzati su una griglia 2D come parte di un esperimento generale sul genoma.Normalizzazione e filtraggio genico dei dati di microarray.(A) Distribuzione dell'espressione genica del box plot in ciascun paziente e normalizzazione dei dati dei campioni di microarray.Per ogni campione di microarray, il blue box plot (CEL) mostra la distribuzione dell'espressione genica del microarray prima della normalizzazione e il red box plot (CHP) rappresenta la distribuzione dell'espressione genica dopo la normalizzazione.(B) Il grafico a dispersione dei DEG (geni differenzialmente espressi).Mostra la varianza dell'espressione genica media nei pazienti normali rispetto a quelli tumorali.(C) Grafico vulcanico dei DEG (geni differenzialmente espressi) tra campioni di adenocarcinoma gastrico rispetto a tessuto normale accoppiato.Mostra un'espressione genica significativa in base al valore p e al cambiamento di piega.Nota: in (B) e (C), i punti rossi e verdi mostrano rispettivamente i geni sovraregolati e sottoregolati.Inoltre, i nodi grigi sono i DEGS il cui cambio di piega è inferiore al limite determinato nello studio.La distribuzione dell'espressione genica dopo la normalizzazione è rappresentata in riquadri rossi (CHP).CHP è un formato di file generato dalla console di analisi del trascrittoma (TAC) dopo la normalizzazione dei dati di espressione mediante algoritmi RMA, MSA5 o DABG.Salva i parametri dell'algoritmo e le statistiche di riepilogo.Secondo i risultati PCA, due campioni, tra cui GSM2109548_BH12507-10_13130C_HG-U133_Plus_2.CEL e GSM2109549_BH12507-10_13130N_HG-U133_Plus_2.CEL, sono stati esclusi e altri sono stati sottoposti a ulteriore analisi (Fig. 3).I DEG sono stati identificati a un livello di significatività di valore p ≤ 0, 05, FC ≤ - 2, 3 o FC ≥ 2, 3 (Fig. 2B, C).C'erano 1768 DEG, tra cui 775 geni erano sovraespressi e 993 geni erano sottoregolati (Tabella Supplementare S1).Il grafico PCA dei campioni di adenocarcinoma gastrico rispetto ai tessuti normali accoppiati prima e dopo la rimozione di due campioni anomali.Pazienti normali e pazienti tumorali sono ben separati sul componente principale 1 (PCA1).Nota: i punti rossi sono campioni normali e i punti blu sono campioni di tessuto tumorale.I DEG sono stati classificati in base al loro cambiamento di piega e sono stati importati in STRING v11.0 per l'analisi dell'arricchimento del set genetico basata sui percorsi biologici GO.Il filtraggio dei percorsi basato sul tasso di scoperta falsa (FDR ≤ 0, 05) ha mostrato il coinvolgimento dei geni sovraespressi nell'organizzazione della matrice extracellulare, mentre i geni sottoregolati hanno svolto un ruolo nel trasporto e nella digestione degli ioni (Tabella Supplementare S2).Fibronectina 1 (fn1), catena alfa 1 di tipo I del collagene (col1a1), metallopeptidasi 2 della matrice (mmp2), catena alfa 2 di tipo I del collagene (col1a2), proteina secreta acida e ricca di cisteina (sparc), biglycan (bgn) erano i primi cinque geni hub basati su autovettore.Questi geni possono forse controllare la maggior parte dei cicli di feedback coinvolti nella sopravvivenza delle cellule tumorali e gli interventi contro la loro funzione possono provocare cambiamenti drammatici nella crescita delle cellule tumorali del cancro gastrico.I primi 116 geni hub avevano quattro moduli e l'analisi dell'arricchimento del modulo basata sui percorsi KEGG ha mostrato il coinvolgimento di questi moduli in percorsi come il ciclo cellulare, l'adesione focale, l'attivazione piastrinica e la secrezione acida gastrica.Ha anche suggerito la via dell'infezione da HPV, che era quasi correlata con l'organizzazione della matrice extracellulare.Tutti questi percorsi erano sovraregolati tranne la secrezione acida gastrica.Mirare a questi geni può comportare numerosi effetti collaterali, quindi abbiamo deciso di prendere di mira i geni hub che hanno influenzato in modo specifico la sopravvivenza dei pazienti con cancro gastrico (Tabella supplementare S3, Fig. 4A).(A) 116 geni hub (i nodi più importanti della rete) e la loro interazione nella rete.La dimensione del nodo rappresenta l'interezza e il colore del nodo mostra la modularità.Nodi viola: modulo 0;Nodi verdi: modulo1;Nodi arancioni: modulo 2;Nodi blu: modulo 3. (B) Geni Hub e relative reti di microRNA nel cancro gastrico.Mostra l'effetto del microRNA nella rete dei geni hub.La dimensione del nodo mostra il grado, mentre il colore del nodo rappresenta l'intermedia.(C) Analisi della rete ponderata tra i geni di sopravvivenza e le loro correlazioni, che mostra la separazione tra agonista e antagonista che richiede obiettivi.La dimensione del nodo rappresenta il grado e il colore del nodo mostra la distanza.Lo spessore del bordo mostra la correlazione dei nodi.L'analisi di sopravvivenza eseguita sui geni hub sovraespressi e sottoespressi ha rappresentato il ruolo significativo dei geni hub nella sopravvivenza dei pazienti affetti da cancro gastrico.La sovraespressione di alcuni geni hub come fn1, beta del recettore del fattore di crescita derivato dalle piastrine (pdgfrb), col1a1, versican (vcan), inibitore dell'attivatore del plasminogeno-1 (serpine1), superfamiglia di immunoglobuline contenente ripetizione ricca di leucina (islr), cluster di differenziazione 36 (cd36), catena gamma del fibrinogeno (fgg), grelina e obestatina prepropeptide (ghrl) e recettore della trombina del fattore II della coagulazione (f2r) hanno mostrato un impatto negativo sulla sopravvivenza dei pazienti affetti da cancro gastrico.In questo gruppo, tutti i geni tranne cd36, ghrl e kit proto-oncogene (kit) hanno mostrato sovraespressione nel cancro gastrico, il che potrebbe suggerire il loro effetto oncogenico.D'altra parte, la sovraespressione di alcuni geni hub come la proteina centrosomica 55 (cep55), la proteina E associata al centrosoma (cenpe) e la trasformazione delle cellule epiteliali 2 (ect2) hanno indicato un effetto positivo sulla sopravvivenza dei casi di cancro gastrico.Inoltre, questi geni erano sovraespressi nel tessuto tumorale, il che potrebbe mostrare il loro ruolo nell'inibizione della crescita tumorale.Il controllo dei geni hub in GEPIA ha rivelato che tutti avevano ruoli significativi nella prognosi del cancro gastrico.Si ipotizza che l'espressione correlata lineare tra i geni dell'hub possa avere un effetto sinergico sulla progressione del tumore, specialmente se la correlazione tra i geni dell'hub di non sopravvivenza e sopravvivenza è di tipo casuale.Sebbene la maggior parte dei geni nella rete con parametri di centralità elevati non fossero geni che influenzano la sopravvivenza, avevano una correlazione lineare con i geni di sopravvivenza.Pertanto, potrebbero avere un effetto causale sull'espressione dei geni hub che influenzano la sopravvivenza.Tuttavia, deve essere indagato in un approccio sperimentale.I nostri risultati hanno mostrato che alcuni geni, vale a dire col3a6, pdgfrb, col1a2, fn1, thbs2, sulf1 e vcan avevano una correlazione lineare positiva con il gene col1a1.I geni col1a2, col6a3, thbs2, proteina di attivazione dei fibroblasti (fap), sulf1 e bgn hanno mostrato una correlazione lineare positiva con il gene vcan, mentre i geni col1a2, wnt5a, col6a3, thbs1, thy1, vcan, sparc e bgn hanno indicato una correlazione lineare positiva con il gene pdgfrb.I geni mki67, anln, ccnb1, cenpf, chek1, dtl e ndc80 hanno mostrato una correlazione lineare positiva con il gene cep55.È stato anche scoperto che i geni con un ruolo significativo nella sopravvivenza erano correlati tra loro.Diversi geni accoppiati tra cui (f2r, islr), (fn1, col1a1), (islr, col1a1), (islr, f2r), (pdgfrb, col1a1), (pdgfrb, f2r) e (vcan, col1a1) hanno mostrato una correlazione positiva l'uno con l'altro, in modo che l'uso di antagonisti contro entrambi potrebbe avere un effetto sinergico sulla sopravvivenza del cancro gastrico.Inoltre, come accennato in precedenza, la sovraespressione di altri due geni accoppiati, ovvero (cep55, cenpe) e (cep55, ect2), ha rivelato un buon impatto sulla sopravvivenza, quindi l'uso del loro agonista può avere un effetto sinergico sulla sopravvivenza del cancro gastrico.È interessante notare che, in questa analisi, la sovraespressione di cep55 è risultata correlata a una prognosi positiva nei pazienti con cancro gastrico.Utilizzando la rete di interazione proteica RNA non codificante costruita completa, i parametri di centralità della rete sono stati calcolati sia per la codifica hub che per i geni non codificanti utilizzando Gephi.Fn1, il trascritto 5 (gas5) specifico per l'arresto della crescita e il trascritto 1 dell'adenocarcinoma polmonare associato alla metastasi (malat1) sono stati rilevati come hub basati sul grado e sulla distanza nella rete.Ha mostrato il ruolo centrale di fn1 e malat1 nella patogenesi del cancro gastrico (Fig. 4B).Si è scoperto che 116 geni hub erano coinvolti anche nel carcinoma epatico, carcinoma mammario, fibrosi epatica, carcinoma prostatico, carcinoma ovarico, carcinoma polmonare, ischemia cerebrale, aterosclerosi, arteriosclerosi, aneurisma aortico, malattie cardiovascolari, fibrosi polmonare, sindrome di Ehler-danlos, Sindrome di Marfan, osteogenesi imperfetta, neoplasia esofagea, osteosarcoma ed endometriosi.Oltre a ciò, questa rete ha mostrato che i geni hub con maggiore interdipendenza, come hgf, metallotioneina 2a (mt2a), mmp2, fibrillina-1 (fbn1), col1a1 e col1a2 potrebbero non solo svolgere un ruolo in diverse malattie, ma anche causare metastasi38, 39,40.Inoltre, ha dimostrato che i geni hub di sopravvivenza, come fn1 e serpine1, potrebbero essere coinvolti in diverse malattie.In questa rete sono stati identificati anche i geni che agiscono nei componenti della via della matrice extracellulare (ECM) e dell'infezione da HPV (Fig. 5).Rete genetica-malattia.Mostra non solo le malattie e le sindromi che hanno geni e percorsi comuni con l'adenocarcinoma gastrico, ma anche i geni comuni che partecipano a diverse malattie e sindromi.La dimensione del nodo rappresenta il grado (la dimensione più grande mostra il grado più alto).Il colore del nodo mostra l'intermedia (il colore più scuro indica l'intermedia più alta).È interessante notare che la rete target agonista e la rete target antagonista sono state separate, il che significa che il targeting di uno dei geni in ciascuna rete non ha avuto un impatto significativo su altre reti.Ciò può potenzialmente ridurre la possibilità di effetti collaterali del farmaco (Fig. 4C).Sulla base di questa rete, i bersagli antagonisti hanno mostrato principalmente il coinvolgimento nell'interazione ECM-recettore e l'adesione focale, mentre i bersagli agonisti hanno rappresentato la partecipazione al percorso del ciclo cellulare.I geni con una correlazione negativa con migliori tassi di sopravvivenza sono stati cercati nel database Targetmine per identificare i loro antagonisti.Alcuni dei geni includevano fn1, K+/H+ ATPasi che trasporta la subunità alfa (atp4a), serpine1, ctsk, pdgfrb e kit.C'erano anche alcuni geni che dovevano essere sovraespressi, probabilmente attraverso l'uso di un agonista.Alcuni di questi geni erano cep55, cenpe, ect2, anillina (anln) e checkpoint chinasi 1 (chek1).Inoltre, sono stati trovati alcuni farmaci candidati per il riposizionamento.Alcuni di questi erano sorafenib, fostamatinib, troglitazone, quercetina (un flavonolo naturale presente nelle verdure che previene il cancro e l'infiammazione) e pantoprazolo (Tabella 1).Recenti studi hanno mostrato che non solo fattori genetici ma anche alcuni fattori non genetici contribuiscono al cancro gastrico41.Alcuni percorsi, tra cui il ciclo cellulare, la segnalazione WNT/β-catenina, l'adesione focale e la riparazione dell'escissione dei nucleotidi, sono tra i percorsi più importanti nel cancro gastrico42.Attualmente, il modo principale di trattare il cancro gastrico è ancora la chirurgia, che potrebbe essere seguita da una terapia adiuvante.Tuttavia, la chirurgia e la chemioterapia adiuvante, come terapia gold standard nel cancro gastrico, possono aumentare la sopravvivenza mediana di soli sette mesi43.Pertanto, la comprensione dei percorsi biologici del tumore può essere utile per trovare nuovi farmaci e metodi terapeutici per il cancro gastrico.In questo studio, utilizzando diversi strumenti e database bioinformatici, i dati di espressione genica nel cancro gastrico sono stati analizzati e confrontati con una condizione normale per identificare i geni che sono sovraregolati o sottoregolati nel cancro gastrico.L'attenzione è stata rivolta ai geni di sopravvivenza e le analisi effettuate hanno rilevato i potenziali composti che possono influenzare la sopravvivenza dei pazienti.Per comprendere ulteriormente i meccanismi patologici dello sviluppo del cancro gastrico, sono state analizzate anche le interazioni dell'RNA non codificante, le cause virali e le vie.Il ciclo cellulare, che regola la proliferazione cellulare e la crescita del tumore, è uno dei percorsi chiave in tutti i tumori compreso il cancro gastrico.Secondo la nostra analisi, diversi geni tra cui cdc20, ccnb1, chek1 e mad2l1 partecipano al percorso del ciclo cellulare.Questo percorso interagisce con la maggior parte dei percorsi nel cancro gastrico, come discusso di seguito.Sulla base della nostra analisi, l'adesione focale è un percorso promettente, che è risultato essere sovraregolato nella nostra analisi.Partecipa a molteplici attività nel microambiente tumorale (TME), immunosoppressione e metastasi.Secondo la nostra analisi, col1a1, col1a2, col6a3, col6a1, thbs1 e thbs2 sono i principali geni hub di questo percorso, che producono principalmente ECM e hanno un ruolo iniziale nell'attivazione del percorso di adesione focale30,31,32.La chinasi di adesione focale (FAK) è una parte importante del percorso di adesione focale, la cui attivazione da parte di questi composti ECM porta ad un aumento della migrazione e della sopravvivenza delle cellule tumorali, dell'angiogenesi, della produzione di citochine e dell'accumulo anormale di ECM44.Alcune di queste citochine e chemochine, vale a dire CCL1, CCL5, CCL7, CXCL10 e TGF-β2.sono responsabili del reclutamento delle cellule T-reg, che porta all'esaurimento dei CD8+ (cellule T citotossiche), che si traduce nella riduzione della funzione delle cellule tumoricide e aiuta le cellule tumorali a sfuggire al sistema immunitario45.D'altra parte, l'attivazione di FAK può essere indotta dai fibroblasti associati al cancro (CAF) tramite l'integrina β1, che può portare al potenziale di proliferazione, migrazione e invasione nelle cellule del cancro gastrico46.et al.et al.Anna.Sci.et al.Int.Int.et al.et al.et al.Avv.Lett.Sono.et al.Tutti gli autori hanno contribuito all'articolo e hanno approvato la versione presentata.Gli autori non dichiarano interessi concorrenti.