CYP4F12 ist ein potenzieller Biomarker und hemmt die Zellmigration von Plattenepithelkarzinomen im Kopf- und Halsbereich über den EMT-Weg

Aug 12, 2023

Wissenschaftliche Berichte Band 13, Artikelnummer: 10956 (2023) Diesen Artikel zitieren

331 Zugriffe

Details zu den Metriken

Das Kopf-Hals-Plattenepithelkarzinom (HNSC) ist der häufigste bösartige Tumor im Kopf-Hals-Bereich. Aufgrund der heimtückischen Natur von HNSC und des Mangels an wirksamen frühen Diagnoseindikatoren ist die Entwicklung neuer Biomarker zur Verbesserung der Patientenprognose besonders dringend. In dieser Studie untersuchten und validierten wir die Korrelation zwischen den Expressionsniveaus von Cytochrom P450 Familie 4 Unterfamilie F Mitglied 12 (CYP4F12) und der HNSC-Progression anhand von Daten aus dem Cancer Genome Atlas (TCGA), Gene Expression Omnibus (GEO)-Datensätzen und gesammelten Patientenproben. Wir analysierten den Zusammenhang der CYP4F12-Expression mit klinisch-pathologischen Merkmalen, Immunkorrelation und Prognose. Abschließend haben wir die Korrelation zwischen CYP4F12 und Signalwegen analysiert und durch Experimente verifiziert. Die Ergebnisse zeigten, dass CYP4F12 in Tumorgeweben nur schwach exprimiert wurde, an verschiedenen phänotypischen Veränderungen von HNSC beteiligt war und die Infiltration von Immunzellen beeinflusste. Die Signalweganalyse deutete darauf hin, dass CYP4F12 möglicherweise eine Schlüsselrolle bei der Migration und Apoptose von Tumorzellen spielt. Experimentelle Ergebnisse zeigten, dass eine Überexpression von CYP4F12 die Zellmigration hemmte und die Adhäsion zwischen Zellen und Matrix durch Hemmung des epithelial-mesenchymalen Übergangswegs (EMT) in HNSC-Zellen verstärkte. Zusammenfassend lieferte unsere Studie Einblicke in die Rolle von CYP4F12 bei HNSC und zeigte, dass CYP4F12 ein potenzielles therapeutisches Ziel für HNSC sein könnte.

HNSC, das 90 % aller Kopf- und Halskrebserkrankungen ausmacht, ist die sechsthäufigste Krebsart weltweit1,2. HNSC entwickelt sich in den Schleimhäuten der Nasen-, Mund-, Hypopharynx- und Kehlkopfhöhlen3,4. HNSC wird normalerweise mit der Exposition gegenüber Karzinogenen aus Tabak, übermäßigem Alkoholkonsum und einer Infektion mit dem humanen Papillomavirus (HPV) in Verbindung gebracht5,6. Obwohl sich die Behandlungen in den letzten vierzig Jahren verbessert haben, haben sich die Gesamtüberlebensraten nicht wesentlich verändert7,8. Daher ist es von entscheidender Bedeutung, die Pathogenese von HNSC weiter zu untersuchen und prädiktive Biomarker zu entwickeln, um die Erkennung und das Überleben von Patienten mit HNSC zu verbessern.

Die Superfamilie des menschlichen Cytochrom P450 (CYP450) ist eine polygene Familie von Enzymen, die aus 18 Familien besteht, die in vielen Geweben exprimiert werden9,10. CYP450-Enzyme sind am oxidativen Metabolismus verschiedener endogener Verbindungen (wie Lipide und Steroide) und exogener Verbindungen (wie Medikamente und Toxine) beteiligt11,12. Kürzlich hat die Literatur gezeigt, dass diese Enzyme möglicherweise auch eine wichtige Rolle bei der Tumorentstehung spielen13,14,15. Sie können direkt an der Tumorentstehung und -progression beteiligt sein16,17 oder über einige Metaboliten am Prozess von Tumoren beteiligt sein18,19,20 oder die Tumorbehandlung beeinflussen, indem sie Chemotherapeutika metabolisieren21,22. Immer mehr Fachliteratur weist darauf hin, dass Mitglieder der CYP450-Familie entscheidend am Fortschreiten von Krebs beteiligt sind. Die Rolle und Mechanismen von CYP4F12 bei HNSC bleiben jedoch unklar.

In dieser Studie untersuchten wir die Expression von CYP4F12 in verschiedenen Tumortypen, untersuchten seine latente Rolle bei der HNSC-Immuninfiltration und bewerteten seinen prognostischen Wert bei HNSC-Patienten. Darüber hinaus untersuchten wir die molekularen Veränderungen und Immunsignaturen von HNSCs und bewerteten deren Einfluss auf die klinischen Ergebnisse. Wir analysierten weiter die unterschiedlich exprimierten Gene und die funktionelle Anreicherung, die mit der CYP4F12-Expression verbunden sind. Schließlich führten wir In-vitro-Experimente durch, um die hemmende Wirkung von CYP4F12 auf die Migration und Adhäsion von HNSC-Zellen zu bestimmen, und untersuchten den möglichen zugrunde liegenden Mechanismus. Ziel der aktuellen Studie war es zu bestätigen, ob CYP4F12 ein vielversprechender prädiktiver Biomarker für die Prognose von HNSC und das Ansprechen auf eine Immuntherapie sein könnte.

Die Expression von CYP4F12 in einer Vielzahl von Krebszelllinien und spezifischen HNSC-Zelllinien wurde mithilfe des Datensatzes „Cancer Cell Line Encyclopedia“ (CCLE) (https://portals.broadinstitute.org/ccle/about) mit R V4.0.3 analysiert Softwarepaket (https://www.r-project.org/) GGplot2 (v3.3.3)23.

Eine Pan-Krebs-Analyse von CYP4F12 wurde mit TIMER durchgeführt, einer Datenbank, die die Genexpression über verschiedene Tumortypen hinweg untersuchen kann24 (https://cistrome.shinyapps.io/timer).

Die Expression von CYP4F12 in HNSCs und angrenzenden Nicht-Tumorgeweben wurde unter Verwendung des TCGA-HNSC-Datensatzes sowie der Datensätze GSE107591 (23 normale und 24 Tumorgewebe) und GSE58911 (15 gepaarte normale und Tumorproben) untersucht, die aus der GEO-Datenbank (https://www.geo.org) abgerufen wurden ://www.ncbi.nlm.nih.gov/geo), die mit dem Online-Programm GEO2R analysiert wurden. Insgesamt wurden 543 HNSC-Fälle von TCGA HNSC abgerufen. Rohe Zähldaten wurden vom Einsender bereitgestellt.

Mögliche Korrelationen zwischen der CYP4F12-Expression und klinisch-pathologischen Variablen von HNSC-Patienten wurden mithilfe der Ualcan-Datenbank (http://ualcan.path.uab.edu/) ermittelt, einer Website zur Analyse von Krebs-Omics-Daten, die umfassende transkriptomische Daten für Krebserkrankungen aus TCGA bereitstellt25,26 .

Das Gesamtüberleben (OS) und das krankheitsfreie Überleben (DFS) von CYP4F12 wurden mithilfe der GEPIA-Datenbankplattform (Gene Expression Profiling Interactive Analysis) (http://gepia.cancer-pku.cn) analysiert, einem Online-Tool zur systematischen Analyse von Genexpression27.

Darüber hinaus wurden die RNA-seq-Daten (Ebene 3) und entsprechende klinische Informationen von 504 HNSC-Patienten aus der TCGA-Datenbank (https://portal.gdc.com) abgerufen. TimeROC (v 0,4)28 wurde verwendet, um die Empfangsbetriebscharakteristikkurven (ROC) und die Fläche unter den ROC-Kurven (AUCs) von CYP4F12 zu analysieren. Das prädiktive Potenzial von CYP4F12 wurde bewertet. Die Patienten wurden entsprechend dem Median der CYP4F12-Transkripte in zwei Gruppen eingeteilt, und die R-Softwarepakete ggstatsplot (v0.11.1)29 und pheatmap (v1.0.12)30 wurden für die Immunkorrelation bzw. Immunzell-Biomarker-Analyse verwendet. Unterschiede in den Immun-Scores, Immun-Checkpoints, der Analyse der Immun-Checkpoint-Blockade (ICB)-Reaktion und den klinischen Daten zwischen den beiden Gruppen wurden ebenfalls analysiert. Zur Auswertung des Immun-Scores wurde das R-Paket immunodeconv verwendet, das sechs Algorithmen integriert, und zur Berechnung des Immun-Scores zwischen Gruppen wurde der TIMER-Algorithmus verwendet. Immun-Checkpoints wurden berechnet, indem die Expressionsgenwerte von SIGLEC15, TIGIT, CD274, HAVCR2, PDCD1, CTLA4, LAG3 und PDCD1LG2 extrahiert wurden, um die Korrelation zwischen der Expression von Immun-Checkpoint-bezogenen Genen und CYP4F12 zu beobachten. Diese Ergebnisse wurden mit den R-Paketen GGplot2 und pheatmap erhalten. Für die ICB-Reaktionsanalyse wurde der TIDE-Algorithmus (Tumor Immunodeficiency and Exclusion) verwendet, um mögliche Immuntherapie-Reaktionen vorherzusagen.

Die differenziell exprimierte Genanalyse wurde mit dem R-Softwarepaket Limma (v3.40.6)30 durchgeführt. Als Schwellenwerte für das mRNA-Differentialexpressionsscreening wurden angepasstes P < 0,05 und log2 (fache Änderung) > 1 oder log2 (fache Änderung) < − 1″ definiert. Die Daten wurden durch Merkmalsanreicherung analysiert, um die potenziellen Funktionen potenzieller Ziele zu bestätigen. Dabei wurde das Paket ClusterProfiler (v4.2.2)31 in R verwendet, um die Gene Ontology (GO)-Funktion potenzieller mRNAs zu analysieren und den Kyoto Encyclopedia of Genes and Genomes (KEGG)-Weg31 anzureichern .

Um die Korrelation zwischen CYP4F12 und dem HNSC-Signalweg zu analysieren, haben wir den Satz von Genen gesammelt, die im relevanten Signalweg enthalten sind32, mit dem R-Software-Paket GSVA (v1.40.1)33 analysiert und den Parameter method = 'ssgsea' ausgewählt, die Korrelation zwischen Genen und Signalweg Die Ergebnisse wurden mittels Spearman-Korrelation analysiert.

Klinisch resezierte Tumorproben wurden nach dem Zufallsprinzip von 22 Patienten mit HNSC-Krebs entnommen, die sich zwischen 2019 und 2021 einer kurativen Resektion mit Einverständniserklärung im Qilu-Krankenhaus der Shandong-Universität unterzogen. Diese Patienten erhielten vor ihrer Operation keine lokale oder systemische Chemotherapie. Alle Proben wurden gesammelt und sofort in flüssigem Stickstoff eingefroren und bei –80 ° C gelagert. Zur Bestimmung der CYP4F12-Genexpression wurde eine quantitative Echtzeit-Polymerasekettenreaktion (qRT-PCR) verwendet. Diese Studie wurde von der Ethikkommission des Qilu-Krankenhauses der Shandong-Universität genehmigt (Genehmigungsnummer: KYLL-2019-2-095; Ablaufdatum: 2019–2021).

Die menschlichen HNSC-Zelllinien FaDu (menschliche Hypopharynxkrebszellen, ATCC HTB-43) und SCC-9 (menschliche Mundhöhlenkrebszellen, ATCC CRL-1629) wurden von der ATCC erworben. Alle Medien wurden mit 10 % fötalem Rinderserum (FBS) (Minhai Bio-engineering Co., LTD) und 1 % Penicillin-Streptomycin-Lösung (Beyotime) versetzt. Alle Zelllinien wurden innerhalb von 2 Monaten nach der Wiederbelebung unter Standardbedingungen bei 37 °C und 5 % CO2 kultiviert. Die FaDu-Zelllinie wurde in MEM kultiviert und die SCC-9-Zelllinie wurde in DMEM kultiviert.

Das Plasmid wurde von Weizhen Biology (China) gekauft. Doppelsträngige siRNAs gegen menschliches CYP4F12 (siRNA1-Targeting-Sequenz: GAAGCCAGCAUAUCCUCCATT; siRNA2-Targeting-Sequenz: GAAGCCAGCATATCCTCCCATT) und Kontroll-siRNA wurden von GeneChem (China) gekauft. Gemäß dem Protokoll des Herstellers wurde CYP4F12 mit Lipofectamine 3000 (Thermo Fisher) transfiziert. FaDu-Zellen (1,6 × 105 Zellen/ml; 2 ml) und SCC-9-Zellen (1,1 × 105/ml; 2 ml) wurden in Platten mit 6 Vertiefungen ausgesät und 24 Stunden lang kultiviert. Die Zellen wurden dann mit leerem Vektorplasmid und CYP4F12-Plasmid oder CYP4F12-siRNA1, siRNA2 und Kontroll-siRNA transfiziert. Die Zellen wurden nach 48 Stunden für nachfolgende Experimente geerntet.

Ungefähr 5 × 103 vorübergehend transfizierte FaDu-Zellen wurden in Platten mit 96 Vertiefungen ausgesät. Nach 24, 48 und 72 Stunden Inkubation wurden 10 µL Cell Counting Kit-8 (CCK-8)-Lösung in jede Vertiefung gegeben. Nach 2-stündiger Inkubation wurde die optische Dichte (OD) bei 450 nm mit einem Mikroplattenlesegerät (Bio-Rad, USA) erfasst.

Der Zellzyklus wurde mit dem Cell Cycle Assay Kit (Bestbio) nachgewiesen. Ungefähr 2 × 105 vorübergehend transfizierte FaDu-Zellen wurden 48 Stunden lang in Platten mit 6 Vertiefungen ausgesät. Die Zellen wurden mit Trypsin behandelt und gesammelt, mit 75 % kaltem Ethanol fixiert und 1 Stunde bei –20 °C inkubiert. Nach der Inkubation wurden 20 μl RNase zur Zellsuspension gegeben und 30 Minuten bei 37 °C inkubiert. Die Zellen wurden zentrifugiert und der Überstand mit 0,5 ml PI-Färbepuffer resuspendiert und 15 Minuten lang bei Raumtemperatur im Dunkeln inkubiert. Die Ergebnisse wurden mit CytEpert V2.0 (Beckman Coulter) quantifiziert.

Zum Nachweis von Apoptose wurde das Annexin V-FITC/PI-Apoptose-Assay-Kit (Bestbio) verwendet. Ungefähr 2 × 105 vorübergehend transfizierte FaDu-Zellen wurden 48 Stunden lang in Platten mit 6 Vertiefungen ausgesät. Die Zellen wurden mit EDTA-freiem Trypsin gesammelt. Die Zellen wurden dann in Bindungspuffer resuspendiert und mit Fluoresceinisothiocyanat (FITC) und Propidiumiodid (PI) doppelt gefärbt. Apoptotische Zellen wurden sofort mittels Durchflusszytometrie gemessen (Beckman Coulter, Cytoflex S). Der gesamte Eingriff wurde im Dunkeln durchgeführt.

Migrationstests wurden in Transwell-Kammern mit Filtern mit 8 µm Porengröße (Costar) durchgeführt. Das obere Kompartiment wurde mit 5 × 104 Zellen in serumfreiem Medium ausplattiert, während dem unteren Kompartiment 20 % FBS zugesetzt wurde. Die Zellen wurden 24 Stunden lang kultiviert, dann mit phosphatgepufferter Kochsalzlösung (PBS) gewaschen und mit Methanol fixiert. Die Zellen wurden mit 0,1 % Kristallviolett-Farbstoff (Solarbio) gefärbt. Abschließend wurden die gefärbten Zellen fotografiert und gezählt.

Ungefähr 5 × 105 vorübergehend transfizierte Zellen wurden in Platten mit 6 Vertiefungen inokuliert und 24 Stunden lang bis zu einer Konfluenz von 80 % bis 90 % kultiviert. Eine sterile 200-µl-Pipettenspitze wurde in der Mitte jeder Vertiefung abgekratzt, um einen Kratzer zu erzeugen. Nach dem Waschen mit PBS wurde der Platte MEM- oder DMEM-Medium mit 1 % FBS zugesetzt. Kratzer wurden alle 12 Stunden fotografiert. Die Zellmigrationsrate wurde durch Vergleich der Bilder quantifiziert.

Das Zelladhäsions-Assay-Kit (BestBio) wurde verwendet, um die Adhäsionskapazität der CYP4F12-Funktion in FaDu- und SCC-9-Zellen zu analysieren. Der Beschichtungspuffer (100 µL/Well) wurde zu 96-Well-Zellplatten gegeben und über Nacht bei 4 °C inkubiert. Am nächsten Tag wurde der Beschichtungspuffer entfernt und dreimal mit der Waschlösung gewaschen. Dann wurden die Zellen 48 Stunden nach der Transfektion mit Trypsin geerntet, mit PBS gewaschen und in MEM- oder DMEM-Medium resuspendiert. Dann wurden 1 × 105 Zellen in jede vorbehandelte 96-Well-Platte ausgesät. Für jede Probe wurden 10 Mehrfachvertiefungen angelegt, 5 für die Versuchsgruppe und 5 für die Kontrollgruppe. Die Zellen wurden 30 Minuten lang bei 37 ° C inkubiert. Als nächstes wurde die Kontrollgruppe unbehandelt gelassen und die Versuchsgruppe wurde dreimal mit 100 µL Kulturmedium gewaschen. Dann wurden 10 µL Färbelösung B hinzugefügt und 1 Stunde bei 37 °C inkubiert. Die optische Dichte (OD) wurde bei 450 nm mit einem Mikroplattenlesegerät (Bio-Rad, USA) gemessen. Die Adhäsionsrate jeder Gruppe wurde als (OD-CYP4F12 – OD-CYP4F12-Blank) / (OD-Kontrolle – OD-Kontrolle-Blank) * 100 % berechnet.

Die Zellen wurden unter Verwendung eines Ultraschallcrackers in RIPA-Puffer (Thermo Fisher) mit Proteaseinhibitor (Sigma) lysiert. Die Proteinkonzentrationen wurden mit dem BCA Protein Assay Kit (Beyotime) gemessen. Nach der Elektrophorese wurden die Proteine ​​auf Membranen aus Polyvinylidenfluorid (PVDF) übertragen. Die PVDF-Membran wurde versiegelt und mit primären und sekundären Antikörpern inkubiert. Die Banden wurden mit einem Infrarot-Fluoreszenz-Scanning-Imager gescannt und die Grauwerte der Proteinbanden mit der ImageJ-Software analysiert. Folgende Antikörper wurden verwendet: CYP4F12-Antikörper (Proteintech, 13243-1-AP), E-Cadherin (Abcam, ab40772), N-Cadherin (Abcam, ab76011), Vimentin (Abcam, ab92547), α-Catenin (Abcam, ab51032). ), Anti-Maus-IgG (H + L) (DyLight™ 680 4X PEG-Konjugat) (Cell Signaling Technology 5470S), Anti-Kaninchen-IgG (H + L) (DyLight™ 800 4X PEG-Konjugat) (Cell Signaling Technology 5151S), und β-Actin-Antikörper (Abcam, ab8226).

Die statistische Analyse wurde unter Verwendung der oben genannten Online-Datenbanken und des R-Pakets durchgeführt. Korrelationen zwischen der CYP4F12-Expression und anderen Genen wurden mithilfe von Spearman-Korrelationskoeffizienten berechnet und ausgewertet. Für kontinuierliche Variablen wurden Student-T-Tests verwendet. Zum Vergleich kategorialer Variablen wurden der Chi-Quadrat-Test nach Pearson und der exakte Test nach Fisher verwendet. Alle getesteten und gemeldeten p-Werte sind zweiseitig, es wurden unterschiedliche Signifikanzniveaus verwendet: *p-Wert < 0,05; **p-Wert < 0,01; und ***p-Wert < 0,001 wurden als statistisch signifikant angesehen.

Um die Bedeutung der CYP4F12-Expression in Tumoren zu klären, haben wir zunächst die CYP4F12-Expression bei verschiedenen Krebsarten mit TIMER analysiert. Wie in Abb. 1A gezeigt, war die Expression von CYP4F12-mRNA in fast allen Tumorgeweben geringer als in den entsprechenden Tumorgeweben, insbesondere bei invasivem Brustkarzinom (BRCA), Cholangiokarzinom (CHOL), Kolonadenokarzinom (COAD), HNSC und Nierenchromophobie (KICH). ), Nieren-Papillenzellkarzinom (KIRP), Leber-Hepatozelluläres Karzinom (LIHC), Lungenadenokarzinom (LUAD), Prostata-Adenokarzinom (PRAD), Schilddrüsenkarzinom (THCA) und Uteruskorpus-Endometriumkarzinom (UCEC). Darüber hinaus war das Expressionsniveau von CYP4F12 bei HNSC-Patienten mit HPV-Infektion signifikant höher als bei Patienten ohne HPV-Infektion. Anschließend haben wir die Expression von CYP4F12 in verschiedenen kultivierten Tumorzellen anhand der aus der CCLE-Datenbank erhaltenen RNA-SEQ-Daten bestimmt. Das Ergebnis (Abb. 1B) zeigte, dass CYP4F12 in allen Tumorzelllinien exprimiert wird, jedoch im Allgemeinen in geringen Mengen. Die mittleren CYP4F12-Expressionsniveaus der Zelllinien waren bei Blasen-Urothelkarzinom (BLCA), Kolonadenokarzinom und Rektum-Adenokarzinom (COAD_READ), HNSC, LIHC, LUAD, Pankreas-Adenokarzinom (PAAD) und Magen-Adenokarzinom (STAD) höher, während sie bei diesen nahezu nicht nachweisbar waren akute lymphoblastische Leukämie (ALL), diffuses großzelliges B-Zell-Lymphom (DLBC), Glioblastoma multiforme (GBM), akute myeloische Leukämie (LAML), niedriggradiges Hirngliom (LGG), Mesotheliom (MESO), Sarkom (SARC), kleinzelliger Lungenkrebs (SCLC), Haut-Kutan-Melanom (SKCM), THCA und UCEC. Als nächstes untersuchten wir das Transkriptionsniveau von CYP4F12 in verschiedenen HNSC-Zelllinien, die in der CCLE-Datenbank erfasst wurden. Die Ergebnisse (Abb. 1C) zeigten, dass die Häufigkeit von CYP4F12 in Zellen wie BICR22, PE/CA-PJ15, SNU-1066 und CAL-33 am stärksten ausgeprägt war, während sie in Zellen wie HSC-3 und YD-15 nahezu vernachlässigbar war , PE/CA-PJ49, YD18, FaDu, PE/CA-PJ41 und SCC-9.

Expressionsniveaus des CYP4F12-Gens in verschiedenen Krebsarten und kultivierten Krebszellen. (A) CYP4F12-Expression in der Pan-Krebs-Analyse mit TIMER. (B) CYP4F12-Expression in verschiedenen Zelllinien von CCLE. Die Ordinate ist die Expression von CYP4F12, während die Abszisse die nach ihrer Herkunft kategorisierten Zelllinien bezeichnet. (C) Expression von CYP4F12 in verschiedenen HNSC-Zelllinien von CCLE. (*p < 0,05, **p < 0,01, ***p < 0,001).

Anschließend versuchten wir, die Herunterregulierung von CYP4F12 in HNSCs zu bestätigen. Anhand der Datensätze von TCGA, GSE107951 und GSE58911 stellten wir fest, dass CYP4F12 in HNSCs im Vergleich zu angrenzenden Nichttumorgeweben signifikant herunterreguliert war (Abb. 2A – C). Dies wurde anhand von 22 HNSC-Paaren und angrenzenden Nichttumorgeweben, die an unserer Einrichtung gesammelt wurden, weiter validiert. (Abb. 2D, E).

CYP4F12-Expression in HNSC. (A) CYP4F12-Expression in HNSC-Tumoren und normalen Geweben aus TCGA. (B und C) CYP4F12-Expression in HNSCs in den Microarray-Daten von GSE107951 und GSE58911 aus der GEO-Datenbank. (D und E) Relative Expressionsniveaus von CYP4F12 in 22 Paaren von HNSC-Geweben und angrenzenden normalen Geweben. (*p < 0,05, **p < 0,01, ***p < 0,001).

Um die klinische Bedeutung von CYP4F12 bei HNSC weiter zu untersuchen, haben wir zunächst Patienten im TCGA-HNSC-Datensatz mit unterschiedlichen klinisch-pathologischen Merkmalen klassifiziert, darunter Alter, Geschlecht, Rasse, Tumorgrad, individuelles Krebsstadium, HPV-Status, TP53-Mutationsstatus und Knotenmetastasierungsstatus. Anschließend analysierten wir das Expressionsmuster von CYP4F12 innerhalb jeder Kategorie (Abb. 3). Das Datum zeigte, dass das Expressionsniveau von CYP4F12 mit zunehmendem Alter allmählich abnahm. Darüber hinaus war das Expressionsniveau von CYP4F12 bei Männern, in der asiatischen Bevölkerung, bei HPV-negativen Patienten und bei Patienten mit TP53-Mutation niedriger als bei Patienten in den anderen Gruppen. Darüber hinaus nahm die Expression von CYP4F12 mit zunehmendem Tumorgrad von Grad 1 auf Grad 3 allmählich ab und erreichte ihren Höhepunkt bei Grad 4. Es gab jedoch keine signifikante Änderung des CYP4F12-Expressionsniveaus zwischen verschiedenen Tumorstadien oder des Status der Lymphknotenmetastasierung. Diese Ergebnisse legen nahe, dass CYP4F12 an verschiedenen phänotypischen Veränderungen des HNSC beteiligt sein und eine wichtige Rolle bei HNSC spielen könnte.

Zusammenhang zwischen CYP4F12-Expression und klinisch-pathologischen Merkmalen von HNSC. Die Expression von CYP4F12 wurde zwischen verschiedenen Altersgruppen (A), Geschlechtern (B), Rassen (C), Tumorgraden (D), Krebsstadien (E), HPV-Status (F) und TP53-Mutationsstatus (G) analysiert. und Knotenmetastasenstatus (H). (*p < 0,05, **p < 0,01, ***p < 0,001).

Als nächstes untersuchten wir den Zusammenhang zwischen CYP4F12 und Immuninfiltration bei HNSC. Wir fanden heraus, dass das Expressionsniveau von CYP4F12 positiv mit der Expression von B-Zellen (Abb. 4A) und CD4+ T-Zellen (Abb. 4B) korrelierte, jedoch nicht signifikant mit der Expression von CD8+ T-Zellen (Abb. 4C) korrelierte. Neutrophile (Abb. 4D), Makrophagen (Abb. 4E) und myeloische dendritische Zellen (Abb. 4F).

Spearman-Korrelationsanalyse zwischen CYP4F12-Expression und Immun-Score. Spearman-Korrelationsanalyse zwischen der CYP4F12-Expression und der Expression von B-Zellen (A), CD4 + T-Zellen (B), CD8 + T-Zellen (C), Neutrophilen (D), Makrophagen (E) und myeloischen dendritischen Zellen (F). Die horizontale Koordinate gibt die CYP4F12-Expression an und die vertikale Koordinate gibt den Immunscore an. Die Dichtekurve auf der rechten Seite zeigt den Verteilungstrend des Immunscores und die Dichtekurve oben zeigt den Verteilungstrend der CYP4F12-Expression. Die oberen Werte geben die Korrelations-p-Werte und Korrelationskoeffizienten an.

Um die Rolle von CYP4F12 bei der Tumorimmunität weiter zu klären, wurde eine Korrelationsanalyse zwischen der CYP4F12-Expression und HNSC-Immunzellmarkern unter Verwendung des TCGA-HNSC-Datensatzes durchgeführt. Wie in Tabelle 1 gezeigt, korrelierte das CYP4F12-Expressionsniveau signifikant und positiv mit Immunzellmarkern, einschließlich B-Zellmarkern (CD19 und CD79A), CD8+-T-Zellmarkern (CD8B), M1-Makrophagenmarkern (NOS2 und IRF5) und Neutrophilenmarkern (CEACAM8). , ITGAM und CCR7) und dendritische Zellmarker (CD1C). Diese Ergebnisse legen nahe, dass CYP4F12 die Infiltration von Immunzellen bei HNSC beeinflussen könnte.

Um zu untersuchen, ob die CYP4F12-Expression mit der Prognose von HNSC-Patienten zusammenhängt, haben wir Patienten im TCGA-HNSC-Datensatz basierend auf der mittleren Expression von CYP4F12 als kritischem Wert gruppiert. Das CYP4F12-Expressionsprofil und die Verteilung des Patientenüberlebensstatus sind in Abb. 5A dargestellt. GEPIA-Ergebnisse zeigten, dass Patienten mit höherer CYP4F12-Expression ein besseres OS und DFS hatten als Patienten mit niedrigerer CYP4F12-Expression (Abb. 5B, C). Und die AUCs von 1 Jahr, 3 Jahren, 5 Jahren und 7 Jahren lagen für das OS über 0,5, was darauf hindeutet, dass CYP4F12 bei HNSC-Patienten ein geringes prognostisches Prädiktorpotenzial hat (Abb. 5D).

Prognostischer Wert von CYP4F12 bei HNSC-Patienten. Patienten im TCGA-HNSC-Datensatz wurden anhand der mittleren Expression von CYP4F12 als Schwellenwert gruppiert. (A) Die Expression von CYP4F12, Überlebenszeit und Überlebensstatus von HNSC-Patienten im TCGA-Datensatz. Die Oberseite stellt das Streudiagramm der Genexpression von niedrig nach hoch dar, während verschiedene Farben unterschiedliche Gruppen darstellen. Die Mitte stellt die Überlebenszeit dar, die der Genexpression verschiedener Proben und der Streudiagrammverteilung des Überlebensstatus entspricht. Die untere Abbildung stellt die Ausdruckswärmekarte von CYP4F12 dar. (B und C) GEPIA-Analysen von OS (B) und DFS (C) bei HNSC-Patienten basierend auf der CYP4F12-Expression (hohe Gruppe vs. niedrige Gruppe). (D) ROC-Kurven von CYP4F12 zur Vorhersage des Patientenüberlebens. Höhere AUC-Werte bedeuten eine höhere Vorhersagekraft.

Als nächstes haben wir die klinischen und molekularen Eigenschaften von HNSC-Patienten aus dem TCGA-HNSC-Datensatz basierend auf den CYP4F12-Expressionsniveaus zusammengefasst. Wie in Tabelle 2 gezeigt, war das Alter der CYP4F12-Gruppe mit hoher Expression niedriger als das der Gruppe mit niedriger Expression, die Infektionsrate von HPV in der Gruppe mit hoher Expression war signifikant höher als die in der Gruppe mit niedriger Expression und die perineurale Auch Invasionen waren seltener. Darüber hinaus gab es keine signifikanten Unterschiede zwischen der CYP4F12-Hochgruppe und der CYP4F12-Niedriggruppe (P > 0,05) in Bezug auf Geschlecht, pathologisches Stadium, Tumorgrad, Rauchen, Alkoholanamnese, Strahlentherapie, lymphovaskuläre Invasion und Art des neuen Tumorereignisses. Diese Ergebnisse legen nahe, dass das Expressionsniveau von CYP4F12 mit bestimmten Phänotypen von HNSC verbunden sein könnte.

Wie in Abb. 4 und Tabelle 1 gezeigt, korreliert CYP4F12 signifikant mit dem Grad der Infiltration von Immunzellen bei HNSC, was darauf hindeutet, dass CYP4F12 die Prognose von HNSC-Patienten beeinflussen kann, indem es den Grad der Infiltration von Immunzellen reguliert. Daher analysierten wir die Beziehung zwischen der CYP4F12-Expression und den Infiltrationsniveaus verschiedener Immunzellen in HNSC. Die Ergebnisse zeigten, dass der Immunscore von B-Zellen und CD4+ T-Zellen in der Gruppe mit hoher Expression von CYP4F12 signifikant höher war als in der Gruppe mit niedriger Expression (Abb. 6A). Anschließend untersuchten wir den Immun-Checkpoint und stellten fest, dass eine niedrige Expression von CYP4F12 mit einer hohen Expression von CD274 und PDCD1LG2 einherging (Abb. 6B).

Die Beziehung zwischen Immunscores und dem CYP4F12-Expressionsniveau bei HNSC. Patienten im TCGA-HNSC-Datensatz wurden anhand der mittleren Expression von CYP4F12 als Schwellenwert gruppiert. (A) Die Expressionsverteilung des Immunscores in der CYP4F12-Gruppe mit hoher Expression und der Gruppe mit niedriger Expression. Die Abszisse stellt die Art der Immunzellinfiltration dar und die Ordinate stellt die Verteilung des Immuninfiltrations-Scores in verschiedenen Gruppen dar. (B) Die Expressionsverteilung des Immun-Checkpoints-Gens in der CYP4F12-Gruppe mit hoher und niedriger Expression. Horizontale Koordinaten zeigen unterschiedliche Gruppen von Proben an, vertikale Koordinaten zeigen die Verteilung der Immun-Checkpoint-Genexpression und unterschiedliche Farben zeigen unterschiedliche Gruppen an. (C) Verteilung der Immunantwortwerte zwischen verschiedenen Gruppen. Sternchen (*) stehen für Signifikanzniveaus, *p < 0,05, **p < 0,01, ***p < 0,001.

Schließlich verwendeten wir den TIDE-Algorithmus, um die Reaktion von TCGA-HNSC-Proben auf prädiktive Immun-Checkpoint-Inhibitoren basierend auf Expressionsprofildaten vorherzusagen. Der TIDE-Algorithmus nutzt eine Gruppe von Genexpressionsmarkern, um zwei verschiedene Mechanismen des Tumorimmun-Escape (zytotoxische T-Lymphozyten-Dysfunktion (CTL) und CTL-Abstoßung durch immunsuppressive Faktoren) zu bewerten. Wie in Abb. 6C gezeigt, wies die Gruppe mit niedriger Expression von CYP4F12 einen hohen TIDE-Score auf, was darauf hinweist, dass die Wirksamkeit von ICB gering und die Überlebenszeit nach der ICB-Behandlung kürzer war. Zusammenfassend lässt sich sagen, dass eine geringe Expression von CYP4F12 mit Immunsuppression und Immunflucht verbunden ist.

Als nächstes führten wir die Analyse unterschiedlich exprimierter Gene in CYP4F12-Gruppen mit hoher und niedriger Expression durch und fanden 102 hochregulierte Gene und 21 herunterregulierte Gene (Abbildung S1A, B). Anschließend wurden GO- und KEGG-Analysen an diesen unterschiedlich exprimierten Genen durchgeführt. Das Ergebnis von KEGG (Abbildung S1C, D) zeigte, dass sie möglicherweise über Cytochrom P450, den Östrogen-Signalweg und den Alterswut-Signalweg bei Diabetes-Komplikationen am xenobiotischen Stoffwechsel beteiligt sind; während die GO-Analyse zeigte (Abbildung S1E, F), dass sie möglicherweise mit der Hautentwicklung, der Epidermisentwicklung, der Organisation extrazellulärer Strukturen und der Organisation der extrazellulären Matrix zusammenhängen.

Als nächstes haben wir gemäß einer zuvor beschriebenen Methode und dem „ssgsea“-Algorithmus Gene gesammelt, die möglicherweise an relevanten Signalwegen beteiligt sind. Anschließend berechneten wir die Anreicherungsanteile von CYP4F12 und die Schlüsselwege der Tumorentwicklung, um die Korrelation zwischen Genen und Wegen zu erhalten. Die Ergebnisse zeigten, dass eine positive Korrelation zwischen der Expression von CYP4F12 und reaktiven Sauerstoffspezies bestand (Abb. 7A); eine negative Korrelation zwischen der Expression von CYP4F12 und der zellulären Reaktion auf Hypoxie (Abb. 7B), EMT-Marker (Abb. 7C), DNA-Reparatur (Abb. 7D), ECM-Abbau von ECM (Abb. 7E), Angiogenese (Abb. 7F), Apoptose (Abb. 7G), Entzündungsreaktion (Abb. 7H) und TGFB-Signalweg (Abb. 7I) in HNSC. Basierend auf den oben genannten Signalweganalysen gehen wir davon aus, dass CYP4F12 eine Schlüsselrolle bei der Migration und Apoptose in Tumorzellen spielen könnte.

Die Korrelationen zwischen der CYP4F12-Expression und den Pathway-Scores. Spearman-Korrelationsanalyse zwischen CYP4F12-Expression und reaktiven Sauerstoffspezies (ROS) (A), Zelluläre Reaktion auf Hypoxie (B), EMT-Marker (C), DNA-Reparatur (D), Abbau von ECM (E), Angiogenese (F), Apoptose (G), Entzündungsreaktion (H) und TGFB (G) angereicherte Pathway-Scores. Die horizontalen Koordinaten geben die Verteilung der CYP4F12-Expression an, und die vertikalen Koordinaten geben die Verteilung jedes Pathway-Scores an. Die Dichtekurve auf der rechten Seite zeigt den Verteilungstrend der Pathway-Scores und die Dichtekurve auf der oberen Seite zeigt den Verteilungstrend der CYP4F12-Expression. Die Werte unten rechts geben die Korrelationskoeffizienten und ihre p-Werte an.

Um die zelluläre Funktion von CYP4F12 in HNSC weiter zu untersuchen, haben wir für die folgenden Experimente zwei HNSC-Zelllinien (FaDu und SCC-9) mit nahezu nicht nachweisbarer endogener Expression von CYP4F12 ausgewählt. FaDu- und SCC-9-Zellen wurden mit CYP4F12-Überexpressionsplasmid transfiziert und Western Blot wurde verwendet, um das Expressionsniveau von CYP4F12 nach der Transfektion zu bestimmen. Es konnte festgestellt werden, dass das Expressionsniveau von CYP4F12 in FaDu- und SCC-9-Zellen nach der Transfektion signifikant anstieg (Abb. 8A).

CYP4F12 hemmte die Migration von HNSC-Zellen. (A) Das Expressionsniveau von exogenem CYP4F12 in FaDu- und SCC-9-Zellen wurde nach der Transfektion mit CYP4F12 nachgewiesen. Die Original-Western-Blot-Bilder sind in der ergänzenden Abbildung S5 dargestellt. (B) Der Transwell-Migrationstest wurde in FaDu- und SCC-9-Zellen angewendet, die entweder mit Kontrolle oder CYP4F12 transfiziert wurden (Maßstabsbalken = 200 μm). (C) Quantitative Analyse des Transwell-Migrationstests (n = 3, **p < 0,01). (D) Der Wundheilungstest wurde in FaDu- und SCC-9-Zellen angewendet, die entweder mit Kontrolle oder CYP4F12 transfiziert waren (Maßstabsbalken = 1000 μm). (E) Quantitative Analyse des Wundheilungstests (n = 3, **p < 0,01).

Anschließend untersuchten wir die zellulären Funktionen, die CYP4F12 regulieren könnte. Der CCK-8-Assay wurde zum Nachweis der Zellproliferation und die Durchflusszytometrie zum Nachweis des Zellzyklus und der Zellapoptose verwendet. Die Ergebnisse zeigten, dass CYP4F12 keinen signifikanten Einfluss auf die Zellproliferation (Abbildung S2A, B), die Zellapoptose (Abbildung S2C, D) und den Zellzyklus (Abbildung S3A–D) hatte.

Als nächstes verwendeten wir den Transwell-Migrationstest und den Wundheilungstest, um die möglichen Auswirkungen von CYP4F12 auf die Migrationsfähigkeit von FaDu- und SCC-9-Zellen zu untersuchen. Im Transwell-Assay waren die migrierten Zellen in den Versuchsgruppen im Vergleich zur Kontrollgruppe signifikant verringert (Abb. 8B, C). Im Wundheilungstest war die Migrationsfläche von FaDu- und SCC-9-Zellen in Versuchsgruppen ebenfalls signifikant verringert (Abb. 8D, E). Als nächstes untersuchten wir den Abbau der CYP4F12-Expression (Abbildung S4A) und testeten seine Rolle bei der Migration in FaDu- und SCC-9-Zellen. Die Ergebnisse zeigten, dass die Unterdrückung der CYP4F12-Expression die Migrationsfunktion der Zellen nicht wesentlich veränderte (Abbildung S4B–F), was möglicherweise mit der geringen Hintergrundexpression von CYP4F12 in FaDu und SCC-9 zusammenhängt. Die obigen Ergebnisse zeigen, dass CYP4F12 kann die Migration von FaDu- und SCC-9-Zellen hemmen.

Da die Zell-Matrix-Adhäsion eine wichtige Rolle bei der Tumorzellmigration und dem invasiven Potenzial spielt34, führten wir einen Zell-Matrix-Adhäsionstest durch, um zu bewerten, ob CYP4F12 die Zelladhäsion beeinflusst. Im Vergleich zur Kontrolle waren mit CYP4F12-Plasmid transfizierte FaDu- und SCC-9-Zellen in einer 96-Well-Platte schwieriger abzuwaschen, und es verblieben mehr Zellen in der Platte (Abb. 9A). Die Adhäsionskapazität von FaDu- und SCC-9-Zellen an der Matrix wurde in den Versuchsgruppen verbessert (Abb. 9B). Daher kann CYP4F12 die Adhäsionsfähigkeit von FaDu- und SCC-9-Zellen verbessern.

CYP4F12 verstärkte die Zelladhäsion und hemmte den EMT-Prozess in HNSC-Zellen. (A) CYP4F12 kann die Adhäsion von FaDu- und SCC-9-Zellen an der Matrix erhöhen (Maßstabsbalken = 200 μm). (B) Die Anzahl der FaDu- und SCC-9-Zellen in 96-Well-Platten wurde mit CCK-8-Reagenz nachgewiesen. (C) Die Expression von E-Cadherin, N-Cadherin, Vimentin und α-Catenin wurde in FaDu- und SCC-9-Zellen nachgewiesen, die mit Kontrolle oder CYP4F12 durch Western Blot transfiziert wurden. Die Original-Western-Blot-Bilder sind in der ergänzenden Abbildung S5 dargestellt. (D) Quantitative Analyse des Western Blot. Die Werte sind Mittelwerte von Dreifachwerten (*p < 0,05, ** p < 0,01).

Da Zellmigration und Zell-Matrix-Adhäsion eng mit dem EMT-Prozess zusammenhängen, untersuchten wir als Nächstes, ob eine Überexpression von CYP4F12 die Expression von EMT-verwandten Proteinen in FaDu- und SCC-9-Zellen beeinflusst. Das Ergebnis zeigte, dass im Vergleich zur Kontrollgruppe die E-Cadherin- und α-Catenin-Expression in mit CYP4F12 transfizierten FaDu- und SCC-9-Zellen erhöht war, während der mesenchymale Marker Vimentin herunterreguliert war (P < 0,05) (Abb. 9C, D). Die N-Cadherin-Expression blieb jedoch nahezu unbeeinflusst (Abb. 9C, D). Diese Ergebnisse legen nahe, dass CYP4F12 die Zellmigration und -adhäsion beeinflussen kann, indem es E-Cadherin, α-Catenin und Vimentin reguliert.

Weltweit nimmt die Inzidenz von HNSC zu und hat das Potenzial, Gebärmutterhalskrebs zu überholen37. Trotz der Fortschritte in der Diagnose und Behandlung in den letzten Jahren haben die meisten HNSC-Patienten, insbesondere solche mit fortgeschrittener Erkrankung zum Zeitpunkt der Diagnose, eine schlechte Prognose und niedrige 5-Jahres-Überlebensraten38,39. Und nur eine kleine Anzahl von HNSC-Patienten spricht ganz oder teilweise auf gezielte Medikamente und ICI-Therapien an40,41. Obwohl in den letzten Jahren eine Vielzahl von Biomarkern bei HNSC entdeckt wurden, wurden keine gut validierten prognostischen Marker gefunden. Dies verdeutlichte, wie wichtig es ist, einen Biomarker für die Diagnose und Therapie von HNSC zu finden.

CYP4F12 wird in menschlichen Geweben weit verbreitet exprimiert und ist in einer Vielzahl menschlicher Tumoren deutlich reduziert. Das Expressionsmuster und der molekulare Mechanismus von CYP4F12 in HNSC bleiben jedoch unklar. In dieser Studie fanden wir heraus, dass der mRNA-Spiegel von CYP4F12 im Tumorgewebe verringert war. Anschließend überprüften wir die Expression von CYP4F12 in der GEO-Datenbank und in den von unserem Labor gesammelten Patientenproben. Die Ergebnisse zeigten auch, dass CYP4F12 in Tumorgeweben nur in geringem Maße exprimiert wurde. Anschließend untersuchten wir den Zusammenhang zwischen der CYP4F12-Expression und den klinischen Merkmalen von HNSC und stellten fest, dass die CYP4F12-Expression mit dem Alter, dem Geschlecht, der ethnischen Zugehörigkeit, der HPV-Infektion, der TP53-Mutation und dem Tumorgrad des Patienten korreliert. Insbesondere im Hinblick auf die Tumoreinstufung stellten wir fest, dass die CYP4F12-Expression in den Graden 1–3 allmählich abnahm und in Grad 4 den höchsten Wert erreichte. Mit zunehmendem Tumorgrad stieg die Infiltrations- und Ausbreitungsrate von Krebszellen und die Expression von CYP4F12 sollte schrittweise verringert werden, es kommt jedoch zu einer ungewöhnlich hohen Expression in Tumorzellen 4. Grades. Wir glauben, dass dies mit den folgenden zwei Punkten zusammenhängt: Erstens ist die Anzahl der Fälle von Tumoren des 4. Grades im Vergleich zu denen in anderen Graden zu gering; Zweitens handelt es sich bei Grad-4-Tumoren um hypodifferenzierte Tumorzellen mit deutlich anderen Eigenschaften und Genexpression als hochdifferenzierte Tumorzellen, in denen CYP4F12 möglicherweise andere Funktionen hat.

Präklinische Daten zeigen, dass HNSC eine schwere immunsuppressive Erkrankung ist und das Auftreten und die Entwicklung von Plattenepithelkarzinomen im Kopf- und Halsbereich mit einer abnormalen Sekretion entzündungsfördernder Zytokine und einer Funktionsstörung der Immuneffektorzellen einhergehen42,43,44. Daher testeten wir als nächstes die Korrelation zwischen der Expression von CYP4F12 und der Immunität und stellten fest, dass die Expression von CYP4F12 positiv mit der Expression von B-Zellen und CD4+ T-Zellen in HNSC korrelierte und positiv mit den Immunmarkern von B-Zellen korrelierte. CD8+ T-Zellen, CD4+ T-Zellen und M1-Makrophagen. Die obigen Ergebnisse zeigen, dass CYP4F12 positiv mit der Immunität bei HNSC korreliert und die Expression einiger Immunmarker beeinflusst.

Als nächstes gruppierten wir TCGA-Patienten nach der Expression von CYP4F12 und untersuchten die Unterschiede der verschiedenen CYP4F12-Expressionsniveaus im klinischen Phänotyp, der Immunität und den Signalwegen. Wir fanden heraus, dass die Gruppe mit niedriger CYP4F12-Expression ein schlechteres OS und DFS aufwies und ein höheres Durchschnittsalter, eine niedrigere HPV-Positivitätsrate und eine höhere perineurale Invasion aufwies. Und wir fanden auch heraus, dass die Gruppe mit niedriger CYP4F12-Expression eine geringere Immunaktivität, eine stärkere Immunsuppression, eine schlechtere ICB-Wirksamkeit und ein kürzeres Überleben nach der ICB-Behandlung aufwies. Es konnte festgestellt werden, dass die geringe Expression von CYP4F12 einen Teil der klinischen Phänotypen von HNSC-Patienten beeinflusst und die Immunaktivität hemmt und gleichzeitig die Immunsuppression verbessert.

Anschließend analysierten wir die Expressionsunterschiede zwischen den beiden Gruppen mit unterschiedlichen CYP4F12-Spiegeln und erhielten 102 hochregulierte Gene und 21 herunterregulierte Gene. Wir führten eine GO- und KEGG-Analyse der unterschiedlich exprimierten Gene durch. Die KEGG-Ergebnisse deuteten darauf hin, dass sie möglicherweise am xenobiotischen Metabolismus von Cytochrom P450, am Östrogen-Signalweg und am Alterswut-Signalweg bei diabetischen Komplikationen beteiligt sind. Die GO-Analyse ergab, dass sie möglicherweise an der Hautentwicklung, der epidermalen Entwicklung, der Organisation der extrazellulären Struktur und dem extrazellulären Stromagewebe beteiligt sind.

Anschließend ermittelten wir der Literatur zufolge die Korrelation zwischen CYP4F12 und einigen wichtigen Signalwegen in Tumoren, indem wir die Korrelation zwischen Genexpression und Signalweg-Score45 berechneten, und schließlich fanden wir heraus, dass die zelluläre Reaktion auf Hypoxie, EMT-Marker, DNA-Reparatur, Abbau von ECM, Angiogenese, Apoptose, Entzündungsreaktion und TGFB-Signalweg korrelierten signifikant negativ mit der Expression von CYP4F12.

Abschließend haben wir die Ergebnisse der bioinformatischen Analyse überprüft. Wir analysierten die Proliferation, Apoptose, Zellzyklusveränderungen und Migration von FaDu- und SCC-9-Zellen nach hoher Expression von CYP4F12. Die Ergebnisse zeigten, dass eine hohe Expression von CYP4F12 keinen signifikanten Einfluss auf die Proliferation, Apoptose und Zellzyklusveränderungen von HNSC-Zellen hatte, eine hohe Expression von CYP4F12 jedoch die Migration von HNSC-Zellen hemmen und die Zelladhäsion verbessern konnte.

EMT ist ein Entwicklungsprozess, der eine Schlüsselrolle bei der Embryogenese, Wundheilung und Organfibrose spielt46,47. EMT fördert auch das Fortschreiten des Krebses, indem es den Verlust der interzellulären Adhäsion fördert, was zu einer erhöhten Zellmigration und invasiven Kapazität führt48. Zu den Merkmalen der EMT gehören der Verlust der E-Cadherin-Expression und der damit einhergehende Anstieg mesenchymaler Marker wie N-Cadherin und Vimentin49. Daher haben wir als nächstes die Expression mehrerer EMT-Marker nachgewiesen, und die Western-Blot-Ergebnisse zeigten, dass eine hohe Expression von CYP4F12 das Fortschreiten der EMT in FaDu- und SCC-9-Zellen hemmte, indem sie die Expression von E-Cadherin und α-Catenin erhöhte und die Expression von Vimentin verringerte .

Studien haben gezeigt, dass viele Onkogene, ebenso wie c-Myc, FAK und Ras-MAPK, als Regulatoren mehrerer Signalwege während der Tumorprogression identifiziert wurden, einschließlich interzellulärer Adhäsion, Migration, Proliferation und Chemokin-Transkription. Gleichzeitig sind sie an der Tumorimmunregulation in verschiedenen Krebsmodellen beteiligt und beeinflussen die Immunmikroumgebung des Tumors50,51,52,53. In unserer Studie spielte CYP4F12 eine Rolle bei der Immuninfiltration von HNSC und eine hohe Expression von CYP4F12 in vitro hemmte die Migration von HNSC-Zelllinien. Daher kann CYP4F12 die Zellmigration regulieren, indem es den EMT-Prozess in HNSC direkt beeinflusst, und kann auch die Tumorzellmigration beeinflussen, indem es die Tumormikroumgebung beeinflusst.

Obwohl diese Studie CYP4F12 als latenten Faktor bei der Pathogenese von HNSC identifiziert hat, gibt es immer noch einige Mängel. Erstens konnten wir angesichts der komplexen Wechselwirkungen zwischen Tumoren und der Mikroumgebung in vivo nicht nachweisen, dass CYP4F12 tumorsuppressive Wirkungen hat. Zweitens: Obwohl wir die Rolle von CYP4F12 bei der HNSC-Migration entdeckt haben, erfordert sein potenzieller Mechanismus weitere eingehende Studien, um die regulatorischen Auswirkungen von CYP4F12 auf E-Cadherin, α-Catenin und Vimentin aufzudecken.

Zusammenfassend zeigt diese Studie, dass die CYP4F12-Expression das Fortschreiten und die Metastasierung von HNSC beeinflusst und dass ihre niedrige Expression mit einer schlechteren Patientenprognose verbunden ist. Da gezeigt wurde, dass CYP4F12 die Tumorzellmigration in vitro hemmt, stellten wir die Hypothese auf, dass CYP4F12 ein vielversprechender HNSC-Biomarker sein könnte, der die Wirksamkeit der Krebstherapie und die Patientenprognose vorhersagen könnte.

Für die Analyse wurden in dieser Studie öffentlich verfügbare Datensätze verwendet. Datenquellen werden in Materialien und Methoden beschrieben.

Torre, LA et al. Globale Krebsstatistik, 2012. CA Cancer J. Clin. 65(2), 87–108 (2015).

Artikel PubMed Google Scholar

Johnson, DE et al. Plattenepithelkarzinom im Kopf- und Halsbereich. Nat. Rev. Dis. Primers 6(1), 92 (2020).

Artikel PubMed PubMed Central Google Scholar

Urashima, M. et al. Deutliche Auswirkungen von Alkoholkonsum und Rauchen auf genetische Veränderungen bei Kopf-Hals-Karzinomen. PLoS ONE 8(11), e80828 (2013).

Artikel ADS PubMed PubMed Central Google Scholar

Cramer, JD, Burtness, B., Le, QT & Ferris, RL Die sich verändernde Therapielandschaft von Kopf- und Halskrebs. Nat. Rev. Clin. Oncol. 16(11), 669–683 (2019).

Artikel PubMed Google Scholar

Hashibe, M. et al. Wechselwirkung zwischen Tabak- und Alkoholkonsum und dem Risiko für Kopf- und Halskrebs: Gebündelte Analyse im International Head and Neck Cancer Epidemiology Consortium. Krebs-Epidemiol. Biomarker Vorher. 18(2), 541–550 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Kreimer, AR, Clifford, GM, Boyle, P. & Franceschi, S. Humane Papillomavirus-Typen bei Plattenepithelkarzinomen im Kopf- und Halsbereich weltweit: Eine systematische Übersicht. Krebs-Epidemiol. Biomarker Vorher. 14(2), 467–475 (2005).

Artikel CAS PubMed Google Scholar

Gupta, S., Kong, W., Peng, Y., Miao, Q. & Mackillop, WJ Zeitliche Trends bei der Inzidenz und Überlebensrate von Krebserkrankungen des oberen Luft- und Verdauungstrakts in Ontario und den Vereinigten Staaten. Int. J. Cancer 125(9), 2159–2165 (2009).

Artikel CAS PubMed Google Scholar

Carvalho, AL, Nishimoto, IN, Califano, JA & Kowalski, LP Trends bei Inzidenz und Prognose von Kopf- und Halskrebs in den Vereinigten Staaten: Eine ortsspezifische Analyse der SEER-Datenbank. Int. J. Cancer 114(5), 806–816 (2005).

Artikel CAS PubMed Google Scholar

Nelson, DR Die Cytochrom p450-Homepage. Summen. Genomics 4(1), 59–65 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Gaedigk, A. et al. Das Pharmakogen-Variations-Konsortium (PharmVar): Einbindung der Nomenklaturdatenbank für das humane Cytochrom P450 (CYP)-Allel. Klin. Pharmakol. Dort. 103(3), 399–401 (2018).

Artikel CAS PubMed Google Scholar

Meunier, B., de Visser, SP & Shaik, S. Mechanismus von Oxidationsreaktionen, die durch Cytochrom-p450-Enzyme katalysiert werden. Chem. Rev. 104(9), 3947–3980 (2004).

Artikel CAS PubMed Google Scholar

Coon, MJ Cytochrom P450: Der vielseitigste biologische Katalysator der Natur. Annu. Rev. Pharmacol. Toxicol. 45, 1–25 (2005).

Artikel CAS PubMed Google Scholar

van Schaik, RHN CYP450-Pharmakogenetik zur Personalisierung der Krebstherapie. Drogenresistent. Update. 11(3), 77–98 (2008).

Artikel PubMed Google Scholar

Dees, EC & Watkins, PB Rolle der Cytochrom P450-Phänotypisierung bei der Krebsbehandlung. J. Clin. Oncol. 23(6), 1053–1055 (2005).

Artikel PubMed Google Scholar

Sausville, LN, Williams, SM & Pozzi, A. Cytochrom P450-Epoxygenasen und Krebs: Eine genetische und eine molekulare Perspektive. Pharmakol. Dort. 196, 183–194 (2019).

Artikel CAS PubMed Google Scholar

Alzahrani, AM & Rajendran, P. Der vielfältige Zusammenhang zwischen Cytochrom P450 und Krebs. Oxid. Med. Zelllänge. 2020, 3028387 (2020).

Artikel PubMed PubMed Central Google Scholar

Guo, Z. et al. Targeting von Cytochrom P450-abhängigen Krebszell-Mitochondrien: Krebsassoziierte CYPs und wo sie zu finden sind. Cancer Metastasis Rev. 37(2–3), 409–423 (2018).

Artikel CAS PubMed Google Scholar

Panigrahy, D., Kaipainen, A., Greene, ER & Huang, S. Von Cytochrom P450 abgeleitete Eicosanoide: Der vernachlässigte Signalweg bei Krebs. Cancer Metastasis Rev. 29(4), 723–735 (2010).

Artikel CAS PubMed PubMed Central Google Scholar

Wang, P., Qin, X., Liu, M. & Wang, X. Die wachsende Rolle von Cytochrom P450-vermittelten Vitamin-D-Metaboliten bei Darmkrebs. Pharmakol. Res. 133, 9–20 (2018).

Artikel CAS PubMed Google Scholar

Edin, ML, Duval, C., Zhang, G. & Zeldin, DC Rolle von aus Linolsäure gewonnenen Oxylipinen bei Krebs. Cancer Metastasis Rev. 39(3), 581–582 (2020).

Artikel PubMed PubMed Central Google Scholar

Mathijssen, RHJ & van Schaik, RHN Genotypisierung und Phänotypisierung von Cytochrom P450: Perspektiven für die Krebsbehandlung. EUR. J. Cancer 42(2), 141–148 (2006).

Artikel CAS PubMed Google Scholar

Kacevska, M., Robertson, GR, Clarke, SJ & Liddle, C. Entzündung und CYP3A4-vermittelter Arzneimittelstoffwechsel bei fortgeschrittenem Krebs: Auswirkungen und Implikationen für die Dosierung chemotherapeutischer Arzneimittel. Experte. Meinung. Arzneimittel-Metabol. Toxicol. 4(2), 137–149 (2008).

Artikel CAS PubMed Google Scholar

Gómez-Rubio, V. ggplot2-elegante Grafiken für die Datenanalyse. J. Stat. Softw. 77, 1–3 (2017).

Artikel Google Scholar

Li, T. et al. TIMER: Ein Webserver zur umfassenden Analyse tumorinfiltrierender Immunzellen. Krebs Res. 77(21), e108–e110 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Chandrashekar, DS et al. UALCAN: Ein Portal zur Erleichterung der Genexpression und Überlebensanalysen von Tumoruntergruppen. Neoplasia 19(8), 649–658 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Chandrashekar, DS et al. UALCAN: Ein Update der integrierten Plattform zur Krebsdatenanalyse. Neoplasia 25, 18–27 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Tang, Z. et al. GEPIA: Ein Webserver für Krebs- und normale Genexpressionsprofile und interaktive Analysen. Nukleinsäuren Res. 45(W1), W98–W102 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Blanche, P., Dartigues, JF & Jacqmin-Gadda, H. Schätzung und Vergleich zeitabhängiger Bereiche unter Betriebskennlinien des Empfängers für zensierte Ereigniszeiten mit konkurrierenden Risiken. Stat. Med. 32(30), 5381–5397 (2013).

Artikel MathSciNet PubMed Google Scholar

Patil, I. Visualisierungen mit statistischen Details: Der „ggstatsplot“-Ansatz. J. Open Source Softw. 6(61), 3167 (2021).

Artikel ADS Google Scholar

Verhaak, RG et al. HeatMapper: leistungsstarke kombinierte Visualisierung von Genexpressionsprofilkorrelationen, Genotypen, Phänotypen und Probeneigenschaften. BMC Bioinform. 7(1), 1–4 (2006).

Artikel Google Scholar

Yu, G., Wang, L.-G., Han, Y. & He, Q.-Y. ClusterProfiler: Ein R-Paket zum Vergleich biologischer Themen zwischen Genclustern. OMICS 16(5), 284–287 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Wei, J. et al. Charakterisierung von Glykolyse-assoziierten Molekülen in der Tumormikroumgebung anhand von Pan-Krebs-Geweben und Lungenkrebs-Einzelzelldaten. Krebserkrankungen (Basel) 12(7), 1788 (2020).

Artikel CAS PubMed Google Scholar

Hänzelmann, S., Castelo, R. & Guinney, J. GSVA: Gen-Set-Variationsanalyse für Microarray- und RNA-seq-Daten. BMC Bioinform. 14, 7 (2013).

Artikel Google Scholar

Schwartz, MA & Horwitz, AR Integration von Adhäsion, Protrusion und Kontraktion während der Zellmigration. Zelle 125(7), 1223–1225 (2006).

Artikel CAS PubMed Google Scholar

Lamouille, S., Xu, J. & Derynck, R. Molekulare Mechanismen des epithelial-mesenchymalen Übergangs. Nat. Rev. Mol. Zellbiol. 15(3), 178–196 (2014).

Artikel CAS PubMed PubMed Central Google Scholar

Peinado, H., Olmeda, D. & Cano, A. Schnecken-, Zeb- und bHLH-Faktoren bei der Tumorprogression: eine Allianz gegen den epithelialen Phänotyp?. Nat. Rev. Cancer 7(6), 415–428 (2007).

Artikel CAS PubMed Google Scholar

Marur, S. & Forastiere, AA Plattenepithelkarzinom im Kopf- und Halsbereich: Aktuelle Informationen zu Epidemiologie, Diagnose und Behandlung. Mayo Clin. Proz. 91(3), 386–396 (2016).

Artikel PubMed Google Scholar

Ausoni, S. et al. Ausrichtung auf zelluläre und molekulare Treiber von Plattenepithelkarzinomen im Kopf-Hals-Bereich: aktuelle Optionen und neue Perspektiven. Cancer Metastasis Rev. 35(3), 413–426 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Lee, K. et al. HOXB5 fungiert über die EGFR/Akt/Wnt/β-Catenin-Signalachse als onkogener Treiber bei Plattenepithelkarzinomen im Kopf- und Halsbereich. EUR. J. Surg. Oncol. 46(6), 1066–1073 (2020).

Artikel PubMed Google Scholar

Concha-Benavente, F. et al. Identifizierung der zellinternen und -extrinsischen Signalwege stromabwärts von EGFR und IFNγ, die die PD-L1-Expression bei Kopf- und Halskrebs induzieren. Cancer Res 76(5), 1031–1043 (2016).

Artikel CAS PubMed Google Scholar

Ferris, RL et al. Nivolumab vs. Prüfarztwahl bei rezidivierendem oder metastasiertem Plattenepithelkarzinom des Kopfes und Halses: 2-Jahres-Langzeitüberlebensaktualisierung von CheckMate 141 mit Analysen nach Tumor-PD-L1-Expression. Oral. Oncol. 81, 45–51 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Gavrielatou, N., Doumas, S., Economopoulou, P., Foukas, PG & Psyrri, A. Biomarker für das Ansprechen der Immuntherapie bei Kopf- und Halskrebs. Krebs behandeln. Rev. 84, 101977 (2020).

Artikel CAS PubMed Google Scholar

Leemans, CR, Snijders, PJF & Brakenhoff, RH Die molekulare Landschaft von Kopf- und Halskrebs. Nat. Rev. Cancer 18(5), 269–282 (2018).

Artikel CAS PubMed Google Scholar

Ferris, RL Immunologie und Immuntherapie von Kopf- und Halskrebs. J. Clin. Oncol. 33(29), 3293–3304 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Miranda, A. et al. Krebsstamm, intratumorale Heterogenität und Immunantwort bei verschiedenen Krebsarten. Proz. Natl. Acad. Wissenschaft. USA 116(18), 9020–9029 (2019).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Tsai, JH & Yang, J. Epithel-mesenchymale Plastizität bei Karzinommetastasen. Genes Dev. 27(20), 2192–2206 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Hanahan, D. Merkmale von Krebs: Neue Dimensionen. Krebsentdeckung. 12(1), 31–46 (2022).

Artikel CAS PubMed Google Scholar

Theveneau, E. & Mayor, R. Cadherins bei der kollektiven Zellmigration mesenchymaler Zellen. Curr. Meinung. Zellbiol. 24(5), 677–684 (2012).

Artikel CAS PubMed PubMed Central Google Scholar

Singh, A. & Settleman, J. EMT, Krebsstammzellen und Arzneimittelresistenz: eine aufkommende Achse des Bösen im Kampf gegen Krebs. Oncogene 29(34), 4741–4751 (2010).

Artikel CAS PubMed PubMed Central Google Scholar

Sulzmaier, FJ, Jean, C. & Schlaepfer, DD FAK bei Krebs: mechanistische Erkenntnisse und klinische Anwendungen. Nat. Rev. Cancer 14(9), 598–610 (2014).

Artikel CAS PubMed PubMed Central Google Scholar

Casey, SC et al. MYC reguliert die Antitumor-Immunantwort über CD47 und PD-L1. Science 352(6282), 227–231 (2016).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Jiang, H. et al. Die gezielte Behandlung der fokalen Adhäsionskinase sorgt dafür, dass Bauchspeicheldrüsenkrebs auf eine Checkpoint-Immuntherapie anspricht. Nat. Med. 22(8), 851–860 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Loi, S. et al. Die RAS/MAPK-Aktivierung ist mit einer Verringerung der tumorinfiltrierenden Lymphozyten bei dreifach negativem Brustkrebs verbunden: therapeutische Zusammenarbeit zwischen MEK und PD-1/PD-L1-Immun-Checkpoint-Inhibitoren. Klin. Krebs Res. 22(6), 1499–1509 (2016).

Artikel CAS PubMed Google Scholar

Referenzen herunterladen

Diese Forschung wurde von der National Natural Science Foundation of China (Nr. 82071918), dem China Postdoctoral Science Foundation Special Funded Project (Nr. 2017T100498) und der Shandong Provincial Natural Science Foundation, China (Nr. ZR2020MH280) unterstützt.

Abteilung für Hals-Nasen-Ohrenheilkunde, Qilu-Krankenhaus der Universität Shandong, Schlüssellabor für Hals-Nasen-Ohrenheilkunde der National Health Commission (NHC) (Universität Shandong), Jinan, China

Wenming Jia, Shuai Chen, Ran Wei, Xiaoqi Yang, Ye Qian, Heng Liu und Dapeng Lei

Abteilung für Hals-Nasen-Ohrenheilkunde/Kopf- und Halschirurgie, Institut für Hals-Nasen-Ohrenheilkunde, angegliedertes Krankenhaus der Medizinischen Universität Binzhou, Binzhou, China

Minfa Zhang

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeptualisierung, DL, HL, YQ; Methodik, HL, WJ, SC, RW; Software, WJ, XY, MZ; Validierung, WJ, SC, XY, MZ; formale Analyse, XY, MZ; Untersuchung, HL, WJ, SC, RW; Ressourcen, DL, HL, YQ; Datenkuration, WJ, SC, MZ; Schreiben – Originalentwurfsvorbereitung, WJ; Schreiben – Rezension und Bearbeitung, DL, HL, WJ; Finanzierungseinwerbung, HL, YQ Alle Autoren haben die veröffentlichte Version des Manuskripts gelesen und ihr zugestimmt.

Korrespondenz mit Heng Liu oder Dapeng Lei.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Jia, W., Chen, S., Wei, R. et al. CYP4F12 ist ein potenzieller Biomarker und hemmt die Zellmigration von Plattenepithelkarzinomen im Kopf- und Halsbereich über den EMT-Weg. Sci Rep 13, 10956 (2023). https://doi.org/10.1038/s41598-023-37950-z

Zitat herunterladen

Eingegangen: 30. März 2023

Angenommen: 30. Juni 2023

Veröffentlicht: 06. Juli 2023

DOI: https://doi.org/10.1038/s41598-023-37950-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.