基于生物信息學分析和構建乳腺癌腦轉移中miRNA-TF-mRNA調控網絡

摘要：目的" 構建乳腺癌腦轉移中miRNA-TF-mRNA調控網絡。方法" 從GEO數據庫下載乳腺癌腦轉移相關的miRNA和mRNA表達數據集，通過GEO2R對數據集進行差異分析。使用miRWalk、TargetScan和miRDB工具預測差異表達miRNAs的下游靶mRNAs，并與差異表達mRNAs進行交叉匹配，同時進行GO和KEGG功能富集分析。利用String數據庫構建交叉mRNAs的PPI網絡圖并篩選關鍵靶mRNAs。通過FunRich軟件預測靶mRNAs的轉錄因子（TFs），并利用Cytoscape 軟件構建乳腺癌腦轉移中相關的miRNA-TF-mRNA 調控網絡。結果" 共篩選出差異表達的miRNAs 54個，全為上調miRNAs。預測的下游靶mRNAs與差異表達mRNAs取交集共篩選出41個候選靶mRNAs。GO分析顯示其生物過程主要參與基因表達的正調控等，分子功能主要參與涉及調控RNA聚合酶Ⅱ轉錄因子的活性；KEGG通路分析顯示主要集中在癌癥相關的Ras信號通路。String數據庫構建候選靶mRNAs的PPI網絡圖，篩選出包括SUMO1、DAXX、UBA2、RBX1等在內的23個關鍵mRNAs。FunRich軟件預測獲得10個調控關鍵mRNAs的TFs，包括SMAD1、HOXA3、FOXO1等。利用Cytoscape軟件構建miRNA-TF-mRNA調控網絡，得到3個miRNAs節點、10個TFs節點、23個候選靶mRNAs節點。結論" miR-532-3p、miR-1224-5p、miR-877-5p和SMAD1、HOXA3、FOXO1等TFs、以及SUMO1、DAXX、UBA2等關鍵靶mRNAs可能在乳腺癌腦轉移發生發展過程中構成重要的miRNA-TF-mRNA調節網絡。

關鍵詞：乳腺癌腦轉移；微小RNAs；生物信息學；miRNA-TF-mRNA調控網絡

中圖分類號：R730.1" " " " " " " " " " " " " " " " "文獻標識碼：A" " nbsp; " " " " " " " " " " " " " "DOI：10.3969/j.issn.1006-1959.2025.06.002

文章編號：1006-1959（2025）06-0009-06

Based on Bioinformatics Analysis and Construction of miRNA-TF-mRNA Regulatory

Network in Breast Cancer Brain Metastasis

PAN Xin1， LIU Zhihan2， LIU Xilin3

（1.Department of Medicine， Medical College of Jinzhou Medical University， Jinzhou 121000， Liaoning， China;

2.Department of Medical Technology， Medical college of Jinzhou Medical University， Jinzhou 121000， Liaoning， China;

3.Department of Nursing， Hebei Oriental University， Langfang 065000， Hebei， China）

Abstract： Objective" To construct a miRNA-TF-mRNA regulatory network in brain metastasis of breast cancer. Methods" The miRNA and mRNA expression data sets related to brain metastasis of breast cancer were downloaded from GEO database， and the data sets were analyzed by GEO2R. The downstream target mRNAs of differentially expressed miRNAs were predicted by miRWalk， TargetScan and miRDB tools， and cross-matched with differentially expressed mRNAs， and GO and KEGG functional enrichment analysis were performed. The PPI network diagram of cross mRNAs was constructed by String database， and the key target mRNAs were screened. The transcription factors （TFs） of target mRNAs were predicted by FunRich software， and the miRNA-TF-mRNA regulatory network related to brain metastasis of breast cancer was constructed by Cytoscape software. Results" A total of 54 differentially expressed miRNAs were screened， all of which were up-regulated miRNAs. A total of 41 candidate target mRNAs were screened from the intersection of predicted downstream target mRNAs and differentially expressed mRNAs. GO analysis showed that its biological process was mainly involved in the positive regulation of gene expression， and its molecular function was mainly involved in the regulation of RNA polymerase Ⅱ transcription factor activity. KEGG pathway analysis showed that it mainly focused on cancer-related Ras signaling pathways. The PPI network of candidate target mRNAs was constructed by String database， and 23 key mRNAs including SUMO1， DAXX， UBA2 and RBX1 were screened out. FunRich software predicted 10 TFs that regulate key mRNAs， including SMAD1， HOXA3， FOXO1， etc. The miRNA-TF-mRNA regulatory network was constructed by Cytoscape software， and 3 miRNAs nodes， 10 TFs nodes and 23 candidate target mRNAs nodes were obtained. Conclusion" miR-532-3p， miR-1224-5p， miR-877-5p， SMAD1， HOXA3， FOXO1 and other TFs， as well as SUMO1， DAXX， UBA2 and other key target mRNAs may constitute an important miRNA-TF-mRNA regulatory network in the development of brain metastasis of breast cancer.

Key words： Brain metastasis of breast cancer; microRNAs; Bioinformatics; miRNA-TF-mRNA regulatory network

乳腺癌（breast cancer， BC）是全球女性中最常見的惡性腫瘤之一，也是導致高死亡率的癌癥之一[1]。2021年全球乳腺癌新發病例高達217萬例，超過肺癌的203萬例，成為全球第一大惡性腫瘤[2]。在過去十幾年中，由于影像學技術的早期診斷以及原發性乳腺癌治療的發展，不同器官的遠端轉移如肺、腦、骨和肝等是乳腺癌治療面臨的最大挑戰之一[3]。其中，由于血腦屏障的存在，乳腺癌腦轉移（breast cancer brain metastasis， BCBM）的發病率顯著提高[4]，一旦發作，病情進展迅速，且伴有嚴重的認知障礙，患者的生活質量和生存時間受到嚴重影響，病死率極高[5，6]。一般認為乳腺癌腦轉移發作則意味著腫瘤終末期，但近年來，更多無癥狀的乳腺癌腦轉移被檢出，且大多乳腺癌患者確診時即發現已有腦轉移，這對臨床診治提出了新的要求。目前手術切除和化療等系統治療手段由于血腦屏障的存在作用效果甚微[7]。因此，研究乳腺癌腦轉移發生、發展的分子機制，以此為基礎制定有針對性的治療策略將造福眾多乳腺癌腦轉移患者。miRNAs是一類由21～25個核苷酸組成的高度保守的非編碼RNA，通過堿基互補配對原則與mRNA的3' 端非編碼區（3' untranslated region， 3' UTR）特異性結合[8]，抑制其翻譯或促進其降解從而調控基因表達，參與細胞的增殖、遷移、凋亡、免疫反應等生物學過程[9]。轉錄因子（transcription factors， TFs）作為重要的生物學角色之一，在肺腺癌[10]、口腔癌[11]、乳腺癌[12]等多種疾病的病理生理過程中起著至關重要的作用。但是目前對于miRNAs和TFs在乳腺癌腦轉移發生中的分子機制缺乏了解。因此，探索乳腺癌腦轉移中miRNAs、TFs和mRNA的調控機制非常重要，有助于發掘診斷和治療乳腺癌腦轉移的潛在生物標志物。

1資料與方法

1.1數據來源" 從GEO數據庫（http：//www.ncbi.nlm.nih.gov/geo）下載乳腺癌腦轉移相關數據集。其中，GSE134108包含46個腦轉移癌組織和25個原位癌組織中的miRNAs表達譜；GSE191230包含5個腦轉移癌組織和13個原位癌組織中的mRNA表達譜。利用GEO2R對miRNA和mRNA表達譜進行差異分析，以P＜0.05作為篩選標準。

1.2 miRNAs下游靶mRNAs的預測" 利用miRWalk（http：//mirwalk.umm.uni-heidelberg.de/）[13]、TargetScan（https：//www.targetscan.org/vert_80/）[14]和miRDB（http：//mirdb.org/cgi-bin/custom.cgi）[15]軟件預測miRNA-mRNA之間可能的靶向關系，選取在3個數據庫都預測到的視為miRNAs下游靶mRNAs。

1.3候選靶mRNAs的功能分析" 選用DAVID（https：//david.ncifcrf.gov/tools.jsp）[16]數據庫在線分析篩選出的靶mRNAs，對其進行GO功能富集分析，包括細胞組分和定位（cellular component， CC）、生物過程（biological process， BP）以及分子功能（molecular function， MF）；同時進行KEGG信號通路富集分析。富集標準為P＜0.05。

1.4候選靶mRNAs的蛋白質互作網絡分析" 使用String（https：//string-db.org/）[17]數據庫預測靶mRNAs的蛋白互作（protein-protein interaction， PPI）網絡圖，并利用Cytoscape[18]軟件進行可視化展示。

1.5候選靶mRNAs上游TFs的預測" 利用FunRich軟件[19]預測靶mRNAs的TFs，按照差異倍數（fold change， FC）進行排序選取P＜0.05的排名前10位TFs進行展示。

1.6 miRNA-TF-mRNA調控網絡的構建" 將得到miRNA-靶mRNA和TF-mRNA的靶向關系導入Cytoscape軟件中，基于Degree 值（度）進行miRNA-TF-mRNA調控網絡的可視化分析。

2結果

2.1篩選乳腺癌腦轉移組織中差異表達miRNAs和mRNAs" 經過GEO2R的分析，根據P＜0.05的標準分別從GSE134108和GSE191230數據集中篩選出差異表達miRNAs和mRNAs，并繪制火山圖。其中差異表達miRNAs 54個，都為上調miRNAs（圖1A）；差異表達mRNAs 3935個，上調mRNAs 2434個，下調mRNAs 1501個（圖1B）。

2.2預測差異表達miRNAs與下游mRNAs的靶向關系" 利用miRWalk、TargetScan和miRDB軟件預測差異表達miRNAs的下游靶mRNA，共獲得129個靶mRNAs。與差異表達mRNAs取交集后，共獲得41個候選靶mRNAs（圖2），與差異表達miRNAs相對應后，得到67對miRNA-mRNA。

2.3候選靶mRNAs的GO和KEGG富集分析" 將41個候選靶mRNAs導入在線分析軟件DAVID進行GO和KEGG富集分析，結果見圖3。GO富集分析顯示：細胞成分注釋方面，候選靶mRNAs最常見的細胞定位為細胞核，其次是胞質溶膠、染色質等；生物過程注釋方面，候選靶mRNAs主要參與基因表達的正調控、RNA聚合酶Ⅱ啟動子轉錄的負調控、細胞成分運動的調控、內皮細胞的增殖等；分子功能注釋方面，候選靶mRNAs主要參與調控RNA聚合酶Ⅱ轉錄因子和泛素結合酶的活性。KEGG富集結果顯示：候選靶mRNAs主要集中在癌癥相關的Ras信號通路。

2.4候選靶mRNAs的蛋白互作網絡（PPI）分析" 通過String數據庫和Cytoscape軟件構建41個候選靶mRNAs的PPI網絡（圖4），去除游離的靶mRNAs，共有23個靶mRNAs之間有相互作用關系，包括SUMO1、DAXX、UBA2、RBX1等。其中，節點越大、顏色越深代表Degree值越大，靶mRNAs的互作關系也越大。

2.5預測候選靶mRNAs與上游TFs的靶向關系" 基于FunRich軟件預測候選靶mRNAs的TFs，以P＜0.05和FC＞1為篩選標準，選取FC值排位前10的TFs用作后續研究（表1），分別為SMAD1、HOXA3、FOXO1、BARX2、FOXJ2、MAFB、PRRX2、PAX6、PPARA、IRF1。

2.6構建乳腺癌腦轉移相關miRNA-TF-mRNA調控網絡" 利用Cytoscape軟件構建乳腺癌腦轉移相關miRNA-TF-mRNA調控網絡（圖5），由3個miRNAs節點（miR-532-3p、miR-1224-5p、miR-877-5p）、10個TFs節點（SMAD1、HOXA3、FOXO1等）、23個候選靶mRNAs（SUMO1、DAXX、UBA2等）節點組成，顯示了miRNAs在乳腺癌腦轉移中可能的作用機制。

3討論

乳腺癌是女性最常見的惡性腫瘤，隨著醫學影像技術的迅速發展，乳腺癌的早期診斷率逐漸提高，但仍有約2.7%的患者初診時即發生遠處轉移[3]。且隨著治療方式的多樣性，患者生存時間延長，乳腺癌腦轉移發病率逐年升高[4]。乳腺癌腦轉移的治療是姑息性治療，包括手術、放療、化療等，但治療效果不佳[7]。因此，深入探討乳腺癌腦轉移的發病機制，尋找新的特異性靶點，實現早期診斷和治療尤為重要。越來越多的研究表明，miRNA作為生物體內重要的一類基因表達調控因子，與腫瘤的發生發展密切相關，有研究發現[20]，miR-199通過靶向RGS17可抑制肺癌的增殖和侵襲等過程，但在乳腺癌腦轉移中尚沒有報道完整的miRNA調控機制，因此深入研究miRNA在乳腺癌腦轉移發生發展中的調控機制具有重要意義。

本研究通過對GSE134108和GSE191230數據集進行差異表達分析，共篩選出54個差異表達miRNAs和3935個差異表達mRNAs。猜測這些miRNAs和mRNAs可能在乳腺癌腦轉移中發揮一定的作用。為了進一步研究miRNAs的分子機制，本研究預測差異表達miRNAs的下游靶mRNAs，并與差異表達mRNAs相適應，獲得41個交集靶mRNAs。對其進行GO和KEGG功能富集分析，結果顯示mRNAs多定位為細胞核中，參與基因表達調控和內皮細胞增殖等生物過程，還涉及調控RNA聚合酶Ⅱ轉錄因子和泛素結合酶的活性，且集中在癌癥相關的Ras信號通路中。進一步分析靶mRNAs的蛋白互作關系，共篩選出包括SUMO1、DAXX、UBA2、RBX1等在內的23個關鍵基因。研究發現，SUMO1和UBA2在乳腺癌中可抑制細胞增殖和遷移[21，22]，DAXX與RBX1也可抑制胃癌的發生發展[23，24]。因此可以推測這些關鍵基因在腫瘤的發生發展中發揮重要作用。

已有研究表明，TFs可調控mRNA的表達，且在乳腺癌腦轉移的發病過程中具有重要意義。本研究預測了關鍵基因的TFs，選取差異倍數前10位的TFs，分別為SMAD1、HOXA3、FOXO1、BARX2、FOXJ2、MAFB、PRRX2、PAX6、PPARA、IRF1，其中SMAD1排位最靠前。有研究報道，SMAD1可以轉錄因子的方式通過靶向Runx2調控乳腺癌骨轉移過程[25]，同時還可以在miR-145的調控下抑制子宮內膜間質細胞的增殖和凋亡[26]，因此研究TFs對mRNAs的調控作用對研究疾病的發生提供理論依據。本研究利用Cytoscape軟件將得到的差異表達miRNAs、TFs和mRNAs繪制成調控網絡圖，其中包含了3個miRNAs（miR-532-3p、miR-1224-5p、miR-877-5p）、10個TFs（SMAD1、HOXA3、FOXO1等）、23個靶mRNAs（SUMO1、DAXX、UBA2等），提示此miRNA-TF-mRNA調控網絡可能在乳腺癌腦轉移中發揮重要作用，后續可通過實驗確定具體的miRNA-TF-mRNA調控網絡，為研究乳腺癌腦轉移的發生發展奠定基礎。

綜上所述，本研究利用生物信息學的方法篩選出乳腺癌腦轉移中相關的miRNAs、TFs和mRNAs，確定了乳腺癌腦轉移中miRNA-TFs-mRNA調控網絡，這些調控網絡可能在乳腺癌腦轉移的發生發展中占據著重要的位置，為進一步挖掘乳腺癌腦轉移的分子機制、尋找潛在的miRNAs診斷標志物提供一定的研究依據。

參考文獻：

[1]Marli H，HideyukiI S，Yoshim A.Molecular and cellular mechanisms underlying brain metastasis of breast cancer[J].Cancer Metastasis Reviews，2020，39（3）：1-10.

[2]Dario T，Ayala A，Lin N，et al.Multidisciplinary management of brain metastasis from breast cancer[J].Hematology/Oncology Clinics of North America，2023，37（1）：183-202.

[3]Kim MY.Breast cancer metastasis[J].Adv Exp Med Biol，2021（1187）：183-204.

[4]Markus K，Yi ZG，William T，et al.The incidence of brain metastases among patients with metastatic breast cancer：A systematic review and meta-analysis[J].Neuro-Oncology，2020，23（6）：894-904.

[5]蘇俊澄，王禹錚，唐雷，等.乳腺癌腦轉移患者的臨床病理特征及預后的影響因素分析[J].上海交通大學學報（醫學版），2022，42（11）：1562-1568.

[6]Nie Y，Ying BC，Lu ZN，et al.Predicting survival and prognosis of postoperative breast cancer brain metastasis： a population-based retrospective analysis[J].Chin Med J，2023，136（14）：1699- 1707.

[7]楊成林，李建彬，王瑋.乳腺癌術后放療與全身系統治療的順序選擇[J].中華放射醫學與防護雜志，2021，41（10）：790-795.

[8]Cremades D，Momoein A，Vidal X，et al.MiRNA as a new regulatory mechanism of estrogen vascular action[J].International Journal of Molecular Sciences，2018，19（2）：473-478.

[9]Kousar K，Ahmad T，Abduh MS，et al.miRNAs in Regulation of Tumor Microenvironment， Chemotherapy Resistance， Immunotherapy Modulation and miRNA Therapeutics in Cancer[J].Int J Mol Sci，2022，23（22）：13822.

[10]張亞輝，蔡玥嬌，鄧海濱，等.肺巖寧下調轉錄因子Snail表達抑制人肺腺癌A549細胞EMT發生及侵襲轉移[J].世界科學技術-中醫藥現代化，2023，25（4）：1239-1249.

[11]顧超，張紅梅，仝越越，等.基于NF-κB信號通路探究SIRT7基因對口腔癌細胞株自噬蛋白及巨噬細胞極化的作用機制[J].臨床口腔醫學雜志，2023，39（12）：712-717.

[12]Benita SK，Valeria SG，Katzenllenbogen JA.Targeting the oncogenic transcription factor FOXM1 to improve outcomes in all subtypes of breast cancer[J].Breast Cancer Research，2023，25（1）：76-81.

[13]Carsten S，Carolina TD，Alisha P，et al.miRWalk： an online resource for prediction of microRNA binding sites[J].PLoS One，2018，13（10）：214-221.

[14]Vikram A，George W，Jin N，et al.Predicting effective microRNA target sites in mammalian mRNAs[J].eLife，2015，4（1）：54-59.

[15]Nathan AW，Xiao WW.miRDB： an online resource for microRNA target prediction and functional annotations[J].Nucleic Acids Research，2015，43：D146-152.

[16]Glynn D，Brad S，Hosack DA，et al.DAVID： Database for annotation，visualization，and integrated discovery[J].Genome Biology，2003，4（5）：3-8.

[17]Szklarczyk D，Kirsch R，Koutrouli M，et al.The STRING database in 2023： protein-protein association networks and functional enrichment analyses for any sequenced genome of interest[J].Nucleic Acids Res，2023，51（D1）：D638-646.

[18]Majeed A，Mukhtar S.Protein-protein interaction network exploration using Cytoscape[J].Methods Mol Biol，2023，2690：419-427.

[19]Mohashin P，Shivakumar K，Ching SA，et al.FunRich： An open access standalone functional enrichment and interaction network analysis tool[J].Proteomics，2015，15（15）：2597-2601.

[20]Su WZ，Ren LF.MiRNA-199 inhibits malignant progression of lung cancer through mediating RGS17[J].European Review for Medical and Pharmacological Sciences，2019，23（8）：3390-3400.

[21]Lorente M，Garcia A，Salvador N，et al.Inhibiting SUMO1-mediated SUMOylation induces autophagy-mediated cancer cell death and reduces tumour cell invasion via RAC1[J].Journal of Cell Science，2019，132（20）：jcs234120-234129.

[22]吳明，趙玉潔，彭楠茜，等.沉默UBA2對三陰性乳腺癌細胞系MDA-MB-231增殖和遷移的影響[J].中國醫科大學學報，2021，50（3）：241-244.

[23]陳琛斌，黃群佳，謝旺凱，等.DAXX在胃癌中的表達定位及其小泛素化修飾對胃癌惡性表型的影響[J].溫州醫科大學學報，2020，50（10）：775-781.

[24]Yu Z，Jiang JJ，Zhang JY，et al.CircDIDO1 inhibits gastric cancer progression by encoding a novel DIDO1-529aa protein and regulating PRDX2 protein stability[J].Molecular Cancer，2021，20（1）：101-110.

[25]張夢棣，時光喜，浦冬青，等.基于HIF1α-Smad/Runx2/Osterix信號軸探討黃芪補腎活血湯治療乳腺癌骨轉移的作用機制[J].世界科學技術-中醫藥現代化，2022，24（12）：4671-4680.

[26]Sirohi VK，Gupta K，Kapoor R，et al.MicroRNA-145 targets Smad1 in endometrial stromal cells and regulates decidualization in rat[J].J Mol Med，2019，97（4）：509-522.

收稿日期：2024-01-31；修回日期：2024-02-22

編輯/成森