CYP4F12 es un biomarcador potencial e inhibe la migración celular del carcinoma de células escamosas de cabeza y cuello a través de la vía EMT

Jul 25, 2023

Scientific Reports volumen 13, número de artículo: 10956 (2023) Citar este artículo

397 Accesos

Detalles de métricas

El carcinoma de células escamosas de cabeza y cuello (HNSC) es el tumor maligno más común de cabeza y cuello. Debido a la naturaleza insidiosa de las HNSC y la falta de indicadores de diagnóstico temprano efectivos, el desarrollo de nuevos biomarcadores para mejorar el pronóstico de los pacientes es particularmente urgente. En este estudio, exploramos y validamos la correlación entre los niveles de expresión del miembro 12 de la subfamilia F de la familia 4 del citocromo P450 (CYP4F12) y la progresión de HNSC utilizando datos de The Cancer Genome Atlas (TCGA), conjuntos de datos Gene Expression Omnibus (GEO) y muestras de pacientes recolectadas. Analizamos la asociación de la expresión de CYP4F12 con características clínico-patológicas, correlación inmune y pronóstico. Finalmente, analizamos la correlación entre CYP4F12 y las vías, y la verificamos mediante experimentos. Los resultados mostraron que CYP4F12 tenía una baja expresión en los tejidos tumorales, participó en una variedad de cambios fenotípicos de HNSC y afectó la infiltración de células inmunes. El análisis de la vía indicó que CYP4F12 puede desempeñar un papel clave en la migración y la apoptosis de las células tumorales. Los resultados experimentales mostraron que la sobreexpresión de CYP4F12 inhibía la migración celular y mejoraba la adhesión entre las células y la matriz al inhibir la vía de transición epitelial-mesenquimatosa (EMT) en las células HNSC. En conclusión, nuestro estudio proporcionó información sobre el papel de CYP4F12 en HNSC y reveló que CYP4F12 puede ser un objetivo terapéutico potencial para HNSC.

El HNSC, que representa el 90 % de todos los cánceres de cabeza y cuello, es el sexto tipo de cáncer más común en el mundo1,2. Las HNSC se desarrollan en las membranas mucosas de las cavidades nasal, oral, hipofaríngea y laríngea3,4. El HNSC suele asociarse con la exposición a carcinógenos derivados del tabaco, el consumo excesivo de alcohol y la infección por el virus del papiloma humano (VPH)5,6. Aunque los tratamientos han mejorado en los últimos cuarenta años, las tasas de supervivencia general no han cambiado significativamente7,8. Por lo tanto, es fundamental investigar más a fondo la patogénesis de las HNSC y desarrollar biomarcadores predictivos para mejorar la detección y la supervivencia de los pacientes con HNSC.

La superfamilia del citocromo P450 humano (CYP450) es una familia poligénica de enzimas que consta de 18 familias que se expresan en muchos tejidos9,10. Las enzimas CYP450 participan en el metabolismo oxidativo de una variedad de compuestos endógenos (como lípidos y esteroides) y compuestos exógenos (como fármacos y toxinas)11,12. Recientemente, la literatura ha demostrado que estas enzimas también pueden desempeñar un papel importante en la tumorigénesis13,14,15. Pueden participar directamente en el inicio y progresión del tumor16,17, o participar en el proceso de los tumores a través de algunos metabolitos18,19,20, o afectar el tratamiento del tumor mediante la metabolización de fármacos quimioterapéuticos21,22. Un creciente cuerpo de literatura sugiere que los miembros de la familia CYP450 están involucrados de manera crítica en la progresión del cáncer. Sin embargo, el papel y los mecanismos de CYP4F12 en HNSC siguen sin estar claros.

En este estudio, examinamos la expresión de CYP4F12 en una variedad de tipos de tumores, exploramos su papel latente en la infiltración inmune de HNSC y evaluamos su valor pronóstico en pacientes con HNSC. Además, investigamos las alteraciones moleculares y las firmas inmunes de las HNSC y evaluamos su impacto en los resultados clínicos. Además, analizamos los genes expresados ​​diferencialmente y el enriquecimiento funcional asociado con la expresión de CYP4F12. Finalmente, realizamos experimentos in vitro para determinar los efectos inhibidores de CYP4F12 sobre la migración y adhesión de células HNSC y exploramos el posible mecanismo subyacente. El objetivo del presente estudio fue confirmar si CYP4F12 podría ser un biomarcador predictivo prometedor para el pronóstico de HNSC y la respuesta a la inmunoterapia.

La expresión de CYP4F12 en una variedad de líneas celulares cancerosas y líneas celulares HNSC específicas se analizó utilizando el conjunto de datos de la Cancer Cell Line Encyclopedia (CCLE) (https://portals.broadinstitute.org/ccle/about) con el R V4.0.3 paquete de software (https://www.r-project.org/) GGplot2 (v3.3.3)23.

Se realizó un análisis pan-cáncer de CYP4F12 utilizando TIMER, una base de datos capaz de explorar la expresión genética en diferentes tipos de tumores24 (//cistrome.shinyapps.io/timer).

La expresión de CYP4F12 en HNSC y tejidos no tumorales adyacentes se investigó utilizando el conjunto de datos TCGA HNSC, así como los conjuntos de datos GSE107591 (23 tejidos normales y 24 tumorales) y GSE58911 (15 muestras normales y tumorales emparejadas) recuperados de la base de datos GEO (https ://www.ncbi.nlm.nih.gov/geo), los cuales fueron analizados mediante el programa en línea GEO2R. Se recuperaron un total de 543 casos de HNSC de TCGA HNSC. Los datos brutos del recuento fueron proporcionados por el remitente.

Las posibles correlaciones entre la expresión de CYP4F12 y las variables clínico-patológicas de los pacientes con HNSC se determinaron utilizando la base de datos Ualcan (http://ualcan.path.uab.edu/), un sitio web para analizar datos ómicos del cáncer que proporciona datos transcriptómicos completos para los cánceres de TCGA25,26. .

La supervivencia general (SG) y la supervivencia libre de enfermedad (SSE) de CYP4F12 se analizaron utilizando la plataforma de base de datos de análisis interactivo de perfiles de expresión génica (GEPIA) (http://gepia.cancer-pku.cn), una herramienta en línea para el análisis sistemático de expresión genética27.

Además, los datos de RNA-seq (nivel 3) y la información clínica correspondiente de 504 pacientes con HNSC se obtuvieron de la base de datos TCGA (//portal.gdc.com). Se utilizó TimeROC (v 0.4)28 para analizar las curvas de características operativas de recepción (ROC) y el área bajo las curvas ROC (AUC) de CYP4F12. Se evaluó el potencial predictivo de CYP4F12. Los pacientes se dividieron en dos grupos según la mediana de las transcripciones de CYP4F12, y se utilizaron los paquetes de software R ggstatsplot (v0.11.1)29 y pheatmap (v1.0.12)30 para la correlación inmune y el análisis de biomarcadores de células inmunes, respectivamente. También se analizaron las diferencias en las puntuaciones inmunitarias, los puntos de control inmunitarios, el análisis de la respuesta al bloqueo de los puntos de control inmunitarios (ICB) y los datos clínicos entre los dos grupos. Se utilizó el paquete R inmunedeconv, que integra seis algoritmos, para evaluar la puntuación inmune, y el algoritmo TIMER para calcular la puntuación inmune entre grupos. Los puntos de control inmunológico se calcularon extrayendo los valores de los genes de expresión de SIGLEC15, TIGIT, CD274, HAVCR2, PDCD1, CTLA4, LAG3 y PDCD1LG2 para observar la correlación entre la expresión de genes relacionados con los puntos de control inmunológico y CYP4F12. Estos resultados se obtuvieron utilizando los paquetes R GGplot2 y pheatmap. Para el análisis de respuesta de ICB, se utilizó el algoritmo de exclusión e inmunodeficiencia tumoral (TIDE) para predecir posibles respuestas de inmunoterapia.

El análisis de genes expresados ​​diferencialmente se realizó utilizando el paquete de software R Limma (v3.40.6)30. P ajustado <0,05 y log2 (cambio de veces)> 1 o log2 (cambio de veces) <-1 ″ se definieron como umbrales para la detección de expresión diferencial de ARNm. Los datos se analizaron mediante enriquecimiento de características para confirmar las funciones potenciales de objetivos potenciales, utilizando el paquete ClusterProfiler (v4.2.2)31 en R para analizar la función de ontología genética (GO) de ARNm potenciales y enriquecer la ruta de la Enciclopedia de genes y genomas de Kyoto (KEGG)31. .

Para analizar la correlación entre CYP4F12 y la vía HNSC, recopilamos el conjunto de genes incluidos en la vía relevante32, analizados por el paquete de software R GSVA (v1.40.1)33, seleccionamos el parámetro método = 'ssgsea', la correlación entre genes y vía Las puntuaciones se analizaron mediante correlación de Spearman.

Se recolectaron aleatoriamente muestras de tumores clínicamente resecados de 22 pacientes con cáncer HNSC que se sometieron a resección curativa con consentimiento informado en el Hospital Qilu de la Universidad de Shandong, entre 2019 y 2021. Estos pacientes no recibieron ninguna quimioterapia local o sistémica antes de la cirugía. Todas las muestras se recogieron y se congelaron inmediatamente en nitrógeno líquido y se almacenaron a -80 °C. Se utilizó la reacción en cadena de la polimerasa cuantitativa en tiempo real (qRT-PCR) para determinar la expresión del gen CYP4F12. Este estudio fue aprobado por el Comité de Ética del Hospital Qilu de la Universidad de Shandong (número de aprobación: KYLL-2019-2-095; fecha de vencimiento: 2019-2021).

Las líneas celulares HNSC humanas FaDu (células cancerosas de hipofaringe humana, ATCC HTB-43) y SCC-9 (células cancerosas de cavidad oral humana, ATCC CRL-1629) se adquirieron de la ATCC. A todos los medios se les añadió suero bovino fetal (FBS) al 10% (Minhai Bio-engineering Co., LTD) y solución de penicilina-estreptomicina al 1% (Beyotime). Todas las líneas celulares se cultivaron dentro de los 2 meses posteriores a la reanimación en condiciones estándar a 37 °C, 5% de CO2. La línea celular FaDu se cultivó en MEM y la línea celular SCC-9 se cultivó en DMEM.

El plásmido se adquirió de Weizhen Biology (China). Los ARNip de doble cadena contra CYP4F12 humano (secuencia de direccionamiento de ARNip1: GAAGCCAGCAUAUCCUCCATT; secuencia de direccionamiento de ARNip2: GAAGCCAGCATATCCTCCATT) y el ARNip de control se adquirieron de GeneChem (China). Según el protocolo del fabricante, se transfectó CYP4F12 utilizando Lipofectamine 3000 (Thermo Fisher). Se sembraron células FaDu (1,6 x 105 células/ml; 2 ml), células SCC-9 (1,1 x 105/ml; 2 ml) en placas de 6 pocillos y se cultivaron durante 24 h. Luego, las células se transfectaron con un plásmido vector vacío y un plásmido CYP4F12, o siRNA1, siRNA2 de CYP4F12 y siRNA de control. Las células se recogieron después de 48 h para experimentos posteriores.

Se sembraron aproximadamente 5 x 103 células FaDu transfectadas transitoriamente en placas de 96 pocillos. Después de la incubación durante 24, 48 y 72 h, se agregaron a cada pocillo 10 µl de solución del kit de conteo celular-8 (CCK-8). Después de 2 h de incubación, se detectó la densidad óptica (DO) a 450 nm utilizando un lector de microplacas (Bio-Rad, EE. UU.).

El ciclo celular se detectó utilizando el kit de ensayo del ciclo celular (Bestbio). Se sembraron aproximadamente 2 x 105 células FaDu transfectadas transitoriamente en placas de 6 pocillos durante 48 h. Las células se trataron con tripsina y se recogieron, se fijaron con etanol frío al 75% y se incubaron a -20 °C durante 1 h. Después de la incubación, se agregaron 20 µl de RNasa a la suspensión celular y se incubaron a 37 °C durante 30 minutos. Las células se centrifugaron y el sobrenadante se resuspendió con 0,5 ml de tampón de tinción PI y se incubó a temperatura ambiente en la oscuridad durante 15 minutos. Los resultados se cuantificaron utilizando CytEpert V2.0 (Beckman Coulter).

Se utilizó el kit de ensayo de apoptosis de anexina V-FITC/PI (Bestbio) para detectar la apoptosis. Se sembraron aproximadamente 2 x 105 células FaDu transfectadas transitoriamente en placas de 6 pocillos durante 48 h. Las células se recogieron con tripsina libre de EDTA. Luego, las células se resuspendieron en tampón de unión y se tiñeron doblemente con isotiocianato de fluoresceína (FITC) y yoduro de propidio (PI). Las células apoptóticas se midieron inmediatamente mediante citometría de flujo (Beckman Coulter, Cytoflex S). Todo el procedimiento se realizó en la oscuridad.

Los ensayos de migración se realizaron en cámaras Transwell con filtros de tamaño de poro de 8 µm (Costar). El compartimento superior se sembró con 5 x 104 células en medio sin suero, mientras que se añadió FBS al 20% al compartimento inferior. Las células se cultivaron durante 24 h, luego se lavaron con solución salina tamponada con fosfato (PBS) y se fijaron con metanol. Las células se tiñeron con tinción de cristal violeta al 0,1% (Solarbio). Finalmente, las células teñidas fueron fotografiadas y contadas.

Se inocularon aproximadamente 5 x 105 células transfectadas transitoriamente en placas de 6 pocillos y se cultivaron durante 24 h hasta una confluencia del 80% al 90%. Se raspó una punta de pipeta estéril de 200 µl en el centro de cada pocillo para crear un rasguño. Después de lavar con PBS, se añadió a la placa medio MEM o DMEM con 1% de FBS. Los rayones fueron fotografiados cada 12 h. La tasa de migración celular se cuantificó comparando las imágenes.

El kit de ensayo de adhesión celular (BestBio) se utilizó para analizar la capacidad de adhesión de la función CYP4F12 en células FaDu y SCC-9. El tampón de recubrimiento (100 µl/pocillo) se añadió a placas celulares de 96 pocillos y se incubó durante la noche a 4 °C. Al día siguiente, se eliminó el tampón de recubrimiento y se lavó 3 veces con la solución de lavado. Luego, las células se recogieron con tripsina 48 h después de la transfección, se lavaron con PBS y se resuspendieron en medio MEM o DMEM. Luego, se sembraron 1 x 105 células en cada placa de 96 pocillos pretratada. Se instalaron 10 pocillos múltiples para cada muestra, 5 para el grupo experimental y 5 para el grupo control. Las células se incubaron a 37 °C durante 30 min. A continuación, el grupo de control se dejó sin tratar y el grupo experimental se lavó 3 veces con 100 µL de medio de cultivo. Luego se agregaron 10 µL de solución de tinción B y se incubaron a 37 °C durante 1 h. La densidad óptica (DO) se midió a 450 nm utilizando un lector de microplacas (Bio-Rad, EE. UU.). La tasa de adhesión de cada grupo se calculó como (OD-CYP4F12 - OD-CYP4F12-blanco) / (OD-Control - OD-Control-blanco) * 100%.

Las células se lisaron utilizando un craqueador ultrasónico en tampón RIPA (Thermo Fisher) con inhibidor de proteasa (Sigma). Las concentraciones de proteínas se midieron utilizando el kit de ensayo de proteínas BCA (Beyotime). Después de la electroforesis, las proteínas se transfirieron a membranas de fluoruro de polivinilideno (PVDF). La membrana de PVDF se selló y se incubó con anticuerpos primarios y secundarios. Las bandas se escanearon usando un generador de imágenes de escaneo de fluorescencia infrarroja y los valores de gris de las bandas de proteínas se analizaron usando el software ImageJ. Se utilizaron los siguientes anticuerpos: anticuerpo CYP4F12 (Proteintech, 13243-1-AP), E‐cadherina (Abcam, ab40772), N‐cadherina (Abcam, ab76011), vimentina (Abcam, ab92547), α‐catenina (Abcam, ab51032 ), IgG anti-ratón (H + L) (DyLight™ 680 4X PEG Conjugate) (Cell Signaling Technology 5470S), IgG anti-conejo (H + L) (DyLight™ 800 4X PEG Conjugate) (Cell Signaling Technology 5151S), y anticuerpo β-actina (Abcam, ab8226).

El análisis estadístico se realizó utilizando las bases de datos en línea anteriores y el paquete R. Las correlaciones entre la expresión de CYP4F12 y otros genes se calcularon y evaluaron utilizando coeficientes de correlación de Spearman. Se utilizaron pruebas t de Student para variables continuas. Para comparar variables categóricas se utilizó la prueba de chi-cuadrado de Pearson y la prueba exacta de Fisher. Todos los valores de p probados e informados son de dos colas; se utilizaron diferentes niveles de significancia: *valor de p < 0,05; **valor p < 0,01; y el valor ***p < 0,001 se consideraron estadísticamente significativos.

Para aclarar la importancia de la expresión de CYP4F12 en tumores, primero analizamos la expresión de CYP4F12 en una variedad de cánceres usando TIMER. Como se muestra en la Fig. 1A, la expresión del ARNm de CYP4F12 fue menor en casi todos los tejidos tumorales que en sus pares, especialmente en el carcinoma invasivo de mama (BRCA), colangiocarcinoma (CHOL), adenocarcinoma de colon (COAD), HNSC, cromófobo de riñón (KICH). ), carcinoma de células papilar renal de riñón (KIRP), carcinoma hepatocelular de hígado (LIHC), adenocarcinoma de pulmón (LUAD), adenocarcinoma de próstata (PRAD), carcinoma de tiroides (THCA) y carcinoma endometrial del cuerpo uterino (UCEC). Además, el nivel de expresión de CYP4F12 fue significativamente mayor en pacientes con HNSC con infección por VPH que en aquellos que no la tenían. Luego determinamos la expresión de CYP4F12 en varias células tumorales cultivadas según los datos de RNA-SEQ obtenidos de la base de datos CCLE. El resultado (Fig. 1B) mostró que CYP4F12 se expresa en todas las líneas celulares tumorales, pero generalmente en niveles bajos. Los niveles medios de expresión de CYP4F12 de líneas celulares fueron mayores en el carcinoma urotelial de vejiga (BLCA), adenocarcinoma de colon y adenocarcinoma de recto (COAD_READ), HNSC, LIHC, LUAD, adenocarcinoma de páncreas (PAAD) y adenocarcinoma de estómago (STAD), mientras que casi indetectables en aquellos de leucemia linfoblástica aguda (ALL), neoplasia linfoide, linfoma difuso de células B grandes (DLBC), glioblastoma multiforme (GBM), leucemia mieloide aguda (LAML), glioma cerebral de grado inferior (LGG), mesotelioma (MESO), sarcoma (SARC), cáncer de pulmón de células pequeñas (SCLC), melanoma cutáneo de piel (SKCM), THCA y UCEC. A continuación, examinamos el nivel de transcripción de CYP4F12 en diferentes líneas celulares HNSC recopiladas en la base de datos CCLE. Los resultados (Fig. 1C) mostraron que la abundancia de CYP4F12 era más prominente en células como BICR22, PE/CA-PJ15, SNU-1066 y CAL-33, mientras que era casi insignificante en células como HSC-3, YD-15. , PE/CA-PJ49, YD18, FaDu, PE/CA-PJ41 y SCC-9.

Niveles de expresión del gen CYP4F12 en diferentes cánceres y células cancerosas cultivadas. (A) Expresión de CYP4F12 en análisis pan-cáncer utilizando TIMER. (B) Expresión de CYP4F12 en diferentes líneas celulares de CCLE. La ordenada es la expresión de CYP4F12, mientras que la abscisa designa líneas celulares categorizadas por su origen. (C) Expresión de CYP4F12 en diferentes líneas celulares HNSC de CCLE. (*p < 0,05, **p < 0,01, ***p < 0,001).

Luego buscamos confirmar la regulación negativa de CYP4F12 en HNSC. Utilizando conjuntos de datos de TCGA, GSE107951 y GSE58911, encontramos que CYP4F12 estaba significativamente regulado negativamente en HNSC en comparación con los tejidos no tumorales adyacentes (Fig. 2A-C). Esto se validó aún más en 22 pares de HNSC y tejidos no tumorales adyacentes recolectados en nuestra institución. (Figura 2D, E).

Expresión de CYP4F12 en HNSC. (A) Expresión de CYP4F12 en tumores HNSC y tejidos normales de TCGA. (B y C) Expresión de CYP4F12 en HNSC en los datos de microarrays de GSE107951 y GSE58911 de la base de datos GEO. (D y E) Niveles de expresión relativos de CYP4F12 en 22 pares de tejidos HNSC y tejidos normales adyacentes. (*p < 0,05, **p < 0,01, ***p < 0,001).

Para explorar más a fondo la implicación clínica de CYP4F12 en HNSC, primero clasificamos a los pacientes en el conjunto de datos TCGA HNSC con diferentes características clínico-patológicas, incluida la edad, el sexo, la raza, el grado del tumor, el estadio del cáncer individual, el estado del VPH, el estado de la mutación TP53 y el estado de la metástasis ganglionar. Luego analizamos el patrón de expresión de CYP4F12 dentro de cada categoría (Fig. 3). La fecha mostró que el nivel de expresión de CYP4F12 disminuyó gradualmente con la edad. Además, el nivel de expresión de CYP4F12 fue menor en hombres, población asiática, pacientes VPH negativos y pacientes con mutación TP53 que en pacientes de los otros grupos. Además, la expresión de CYP4F12 disminuyó gradualmente con el aumento del grado del tumor del grado 1 al grado 3, mientras alcanzó su punto máximo en el grado 4. Sin embargo, no hubo cambios significativos en el nivel de expresión de CYP4F12 entre las diferentes etapas del tumor o el estado de metástasis en los ganglios linfáticos. Estos resultados sugieren que CYP4F12 puede estar involucrado en una variedad de cambios fenotípicos de HNSC y puede desempeñar un papel importante en HNSC.

Relación entre la expresión de CYP4F12 y las características clínico-patológicas de HNSC. La expresión de CYP4F12 se analizó entre diferentes grupos de edad (A), sexos (B), razas (C), grados de tumor (D), estadios del cáncer (E), estados del VPH (F), estados de mutación TP53 (G). y estados de metástasis ganglionares (H). (*p < 0,05, **p < 0,01, ***p < 0,001).

A continuación, investigamos la relación entre CYP4F12 y la infiltración inmune en HNSC. Encontramos que el nivel de expresión de CYP4F12 se correlacionó positivamente con la expresión de células B (Fig. 4A) y células T CD4+ (Fig. 4B), pero no se correlacionó significativamente con la expresión de células T CD8+ (Fig. 4C). neutrófilos (Fig. 4D), macrófagos (Fig. 4E) y células dendríticas mieloides (Fig. 4F).

Análisis de correlación de Spearman entre la expresión de CYP4F12 y la puntuación inmune. Análisis de correlación de Spearman entre la expresión de CYP4F12 con la expresión de células B (A), células T CD4+ (B), células T CD8+ (C), neutrófilos (D), macrófagos (E) y células dendríticas mieloides (F). La coordenada horizontal indica la expresión de CYP4F12 y la coordenada vertical indica la puntuación inmune. La curva de densidad en el lado derecho muestra la tendencia de distribución de la puntuación inmune y la curva de densidad en la parte superior muestra la tendencia de distribución de la expresión de CYP4F12. Los valores superiores indican los valores p de correlación y los coeficientes de correlación.

Para aclarar aún más el papel de CYP4F12 en la inmunidad tumoral, se realizó un análisis de correlación entre la expresión de CYP4F12 y los marcadores de células inmunes HNSC utilizando el conjunto de datos TCGA HNSC. Como se muestra en la Tabla 1, el nivel de expresión de CYP4F12 se correlacionó significativa y positivamente con los marcadores de células inmunitarias, incluidos los marcadores de células B (CD19 y CD79A), los marcadores de células T CD8+ (CD8B), los marcadores de macrófagos M1 (NOS2 e IRF5), los marcadores de neutrófilos (CEACAM8). , ITGAM y CCR7) y marcadores de células dendríticas (CD1C). Estos resultados sugieren que CYP4F12 puede influir en la infiltración de células inmunitarias en HNSC.

Para investigar si la expresión de CYP4F12 se asoció con el pronóstico de los pacientes con HNSC, agrupamos a los pacientes en el conjunto de datos de TCGA HNSC según la expresión media de CYP4F12 como valor crítico. El perfil de expresión de CYP4F12 y la distribución del estado de supervivencia del paciente se muestran en la Fig. 5A. Los resultados de GEPIA mostraron que los pacientes con mayor expresión de CYP4F12 tuvieron mejores SG y SLE que aquellos con menor expresión de CYP4F12 (Fig. 5B, C). Y las AUC de 1 año, 3 años, 5 años y 7 años fueron superiores a 0,5 para la SG, lo que indica que CYP4F12 tiene un potencial predictivo de pronóstico bajo en pacientes con HNSC (Fig. 5D).

Valor pronóstico de CYP4F12 en pacientes con HNSC. Los pacientes en el conjunto de datos TCGA HNSC se agruparon utilizando la expresión mediana de CYP4F12 como umbral. (A) La expresión de CYP4F12, el tiempo de supervivencia y el estado de supervivencia de los pacientes con HNSC en el conjunto de datos TCGA. La parte superior representa el diagrama de dispersión de la expresión genética de menor a mayor, mientras que los diferentes colores representan diferentes grupos. El medio representa el tiempo de supervivencia correspondiente a la expresión genética de diferentes muestras y la distribución del diagrama de dispersión del estado de supervivencia; la figura inferior representa el mapa de calor de expresión de CYP4F12. (B y C) Análisis GEPIA de OS (B) y SLE (C) en pacientes con HNSC según la expresión de CYP4F12 (grupo alto versus grupo bajo). (D) Curvas ROC de CYP4F12 para predecir la supervivencia del paciente. Los valores más altos de AUC representan un mayor poder predictivo.

A continuación, resumimos las características clínicas y moleculares de los pacientes con HNSC del conjunto de datos TCGA HNSC según los niveles de expresión de CYP4F12. Como se muestra en la Tabla 2, la edad del grupo de alta expresión de CYP4F12 fue menor que la del grupo de baja expresión, la tasa de infección por VPH en el grupo de alta expresión fue significativamente mayor que la del grupo de baja expresión, y el grupo perineural La invasión también fue menos frecuente. Además, no hubo diferencias significativas entre el grupo alto de CYP4F12 y el grupo bajo de CYP4F12 (P > 0,05) en términos de género, estadio patológico, grado del tumor, tabaquismo, antecedentes de alcohol, radioterapia, invasión linfovascular y tipo de evento tumoral nuevo. Estos resultados sugieren que el nivel de expresión de CYP4F12 puede estar asociado con ciertos fenotipos de HNSC.

Como se muestra en la Fig. 4 y la Tabla 1, CYP4F12 se correlaciona significativamente con el nivel de infiltración de células inmunitarias en HNSC, lo que sugiere que CYP4F12 puede afectar el pronóstico de los pacientes con HNSC al regular el nivel de infiltración de células inmunitarias. Por lo tanto, analizamos la relación entre la expresión de CYP4F12 y los niveles de infiltración de varias células inmunes en HNSC. Los resultados mostraron que la puntuación inmune de las células B y las células T CD4+ fue significativamente mayor en el grupo de alta expresión de CYP4F12 que en el grupo de baja expresión (Fig. 6A). Luego examinamos el punto de control inmunológico y descubrimos que la baja expresión de CYP4F12 iba acompañada de una alta expresión de CD274 y PDCD1LG2 (Fig. 6B).

La relación entre las puntuaciones inmunes y el nivel de expresión de CYP4F12 en HNSC. Los pacientes en el conjunto de datos TCGA HNSC se agruparon utilizando la expresión mediana de CYP4F12 como umbral. (A) La distribución de la expresión de la puntuación inmune en el grupo de alta expresión de CYP4F12 y en el grupo de baja expresión. La abscisa representa el tipo de infiltración de células inmunitarias y la ordenada representa la distribución de la puntuación de infiltración inmunitaria en diferentes grupos. (B) La distribución de la expresión del gen de los puntos de control inmunológico en el grupo de alta expresión y el grupo de baja expresión de CYP4F12. Las coordenadas horizontales indican diferentes grupos de muestras, las coordenadas verticales indican la distribución de la expresión del gen del punto de control inmunológico y los diferentes colores indican diferentes grupos. (C) Distribución de puntuaciones de respuesta inmune entre diferentes grupos. Los asteriscos (*) representan niveles de significancia, *p < 0,05, **p < 0,01, ***p < 0,001.

Finalmente, utilizamos el algoritmo TIDE para predecir la respuesta de muestras TCGA HNSC a inhibidores predictivos de puntos de control inmunológico en función de los datos del perfil de expresión. El algoritmo TIDE utiliza un grupo de marcadores de expresión genética para evaluar dos mecanismos diferentes de escape inmune del tumor (disfunción de los linfocitos T citotóxicos (CTL) y rechazo de CTL causado por factores inmunosupresores). Como se muestra en la Fig. 6C, el grupo de baja expresión de CYP4F12 tuvo una puntuación TIDE alta, lo que indica que la eficacia del ICB fue baja y el tiempo de supervivencia después del tratamiento con ICB fue más corto. En resumen, la baja expresión de CYP4F12 se asocia con inmunosupresión y escape inmunológico.

A continuación, realizamos el análisis de genes expresados ​​diferencialmente en grupos de expresión alta y baja de CYP4F12 y encontramos 102 genes regulados positivamente y 21 genes regulados negativamente (Figura S1A, B). Luego se realizaron análisis GO y KEGG en estos genes expresados ​​diferencialmente. El resultado de KEGG (Figura S1C, D) mostró que pueden estar involucrados en el metabolismo xenobiótico mediante el citocromo P450, la vía de señalización del estrógeno y la vía de señalización de la ira en las complicaciones de la diabetes; mientras que el análisis GO mostró que (Figura S1E, F) pueden estar relacionados con el desarrollo de la piel, el desarrollo de la epidermis, la organización de las estructuras extracelulares y la organización de la matriz extracelular.

A continuación, según un método descrito anteriormente y el algoritmo 'ssgsea', recolectamos genes que están potencialmente involucrados en vías relevantes. Luego calculamos las fracciones de enriquecimiento de CYP4F12 y las vías clave de desarrollo tumoral para obtener la correlación entre genes y vías. Los resultados mostraron que existía una correlación positiva entre la expresión de CYP4F12 y las especies reactivas de oxígeno (Fig. 7A); una correlación negativa entre la expresión de CYP4F12 y la respuesta celular a la hipoxia (Fig. 7B), marcadores EMT (Fig. 7C), reparación del ADN (Fig. 7D), degradación de la ECM (Fig. 7E), angiogénesis (Fig. 7F), apoptosis (Fig. 7G), respuesta inflamatoria (Fig. 7H) y vía TGFB (Fig. 7I) en HNSC. Según los análisis de vías anteriores, asumimos que CYP4F12 puede desempeñar un papel clave en la migración y la apoptosis en las células tumorales.

Las correlaciones entre la expresión de CYP4F12 y las puntuaciones de la vía. Análisis de correlación de Spearman entre la expresión de CYP4F12 y las especies reactivas de oxígeno (ROS) (A), respuesta celular a la hipoxia (B), marcadores EMT (C), reparación del ADN (D), degradación de la ECM (E), angiogénesis (F), apoptosis. (G), puntuaciones de la vía enriquecida con respuesta inflamatoria (H) y TGFB (G). Las coordenadas horizontales indican la distribución de la expresión CYP4F12 y las coordenadas verticales indican la distribución de la puntuación de cada vía. La curva de densidad del lado derecho muestra la tendencia de distribución de las puntuaciones de las vías y la curva de densidad del lado superior muestra la tendencia de distribución de la expresión de CYP4F12. Los valores en la parte inferior derecha indican los coeficientes de correlación y sus valores p.

Para investigar más a fondo la función celular de CYP4F12 en HNSC, seleccionamos dos líneas celulares HNSC (FaDu y SCC-9) con expresión endógena casi indetectable de CYP4F12 para los siguientes experimentos. Se transfectaron células FaDu y SCC-9 con plásmido de sobreexpresión CYP4F12 y se utilizó Western blot para detectar el nivel de expresión de CYP4F12 después de la transfección. Se pudo observar que el nivel de expresión de CYP4F12 en células FaDu y SCC-9 aumentó significativamente después de la transfección (Fig. 8A).

CYP4F12 inhibió la migración de células HNSC. (A) El nivel de expresión de CYP4F12 exógeno en células FaDu y SCC-9 se detectó después de transfectarse con CYP4F12. Las imágenes originales de transferencia Western se presentan en la Figura complementaria S5. (B) El ensayo de migración Transwell se aplicó en células FaDu y SCC-9 transfectadas con control o CYP4F12 (barras de escala = 200 μm). (C) Análisis cuantitativo del ensayo de migración Transwell (n = 3, **p < 0,01). (D) El ensayo de cicatrización de heridas se aplicó en células FaDu y SCC-9 transfectadas con control o CYP4F12 (barras de escala = 1000 μm). (E) Análisis cuantitativo del ensayo de cicatrización de heridas (n = 3, **p < 0,01).

Luego investigamos las funciones celulares que podría regular CYP4F12. Se utilizó el ensayo CCK-8 para detectar la proliferación celular y la citometría de flujo para detectar el ciclo celular y la apoptosis celular. Los resultados mostraron que CYP4F12 no tuvo un efecto significativo sobre la proliferación celular (Figura S2A, B), la apoptosis celular (Figura S2C, D) y el ciclo celular (Figura S3A-D).

A continuación, utilizamos el ensayo de migración Transwell y el ensayo de cicatrización de heridas para estudiar los efectos potenciales de CYP4F12 sobre la capacidad de migración de las células FaDu y SCC-9. En el ensayo Transwell, las células migradas en los grupos experimentales disminuyeron significativamente en comparación con el grupo de control (Fig. 8B, C). En el ensayo de cicatrización de heridas, el área de migración de las células FaDu y SCC-9 también se redujo significativamente en los grupos experimentales (Fig. 8D, E). A continuación, examinamos la eliminación de la expresión de CYP4F12 (Figura S4A) y probamos su papel en la migración en células FaDu y SCC-9. Los resultados mostraron que la reducción de la expresión de CYP4F12 no alteró significativamente la función migratoria de las células (Figura S4B-F), lo que puede estar relacionado con la baja expresión de fondo de CYP4F12 en FaDu y SCC-9. Los resultados anteriores muestran que CYP4F12 puede inhibir la migración de células FaDu y SCC-9.

Dado que la adhesión a la matriz celular desempeña un papel importante en la migración de las células tumorales y el potencial invasivo34, realizamos un ensayo de adhesión a la matriz celular para evaluar si CYP4F12 afecta la adhesión celular. En comparación con el control, las células FaDu y SCC-9 transfectadas con el plásmido CYP4F12 fueron más difíciles de eliminar por lavado en una placa de 96 pocillos y quedaron más células en la placa (Fig. 9A). La capacidad de adhesión de las células FaDu y SCC-9 a la matriz mejoró en los grupos experimentales (Fig. 9B). Por lo tanto, CYP4F12 puede mejorar la capacidad de adhesión de las células FaDu y SCC-9.

CYP4F12 mejoró la adhesión celular e inhibió el proceso EMT en células HNSC. (A) CYP4F12 puede aumentar la adhesión de las células FaDu y SCC-9 a la matriz (barras de escala = 200 μm). (B) El número de células FaDu y SCC-9 en placas de 96 pocillos se detectó utilizando el reactivo CCK-8. (C) Las expresiones de E-cadherina, N-cadherina, vimentina y α-catenina se detectaron en células FaDu y SCC-9 transfectadas con control o CYP4F12 mediante transferencia Western. Las imágenes originales de transferencia Western se presentan en la Figura complementaria S5. (D) Análisis cuantitativo de transferencia Western. Los valores son medias por triplicado (*p < 0,05, ** p < 0,01).

Dado que la migración celular y la adhesión entre células y matriz están estrechamente relacionadas con el proceso de EMT35,36, a continuación examinamos si la sobreexpresión de CYP4F12 afecta la expresión de proteínas relacionadas con EMT en células FaDu y SCC-9. El resultado mostró que, en comparación con el grupo de control, la expresión de E-cadherina y α-catenina aumentó en las células FaDu y SCC-9 transfectadas con CYP4F12, mientras que el marcador mesenquimatoso vimentina se reguló negativamente (P <0,05) (Fig. 9C, D). Sin embargo, la expresión de N-cadherina casi no se vio afectada (Fig. 9C, D). Estos resultados sugieren que CYP4F12 puede afectar la migración y adhesión celular al regular la E-cadherina, la α-catenina y la vimentina.

En todo el mundo, la incidencia de HNSC está aumentando y tiene el potencial de superar al cáncer de cuello uterino37. A pesar de los avances en el diagnóstico y el tratamiento en los últimos años, la mayoría de los pacientes con HNSC, especialmente aquellos con enfermedad avanzada en el momento del diagnóstico, tienen un mal pronóstico y bajas tasas de supervivencia a 5 años38,39. Y sólo un pequeño número de pacientes con HNSC responde total o parcialmente a los fármacos dirigidos y a las terapias ICI40,41. Aunque en los últimos años se han detectado una variedad de biomarcadores en HNSC, no se han encontrado marcadores de pronóstico bien validados. Esto destacó la importancia de encontrar un biomarcador para el diagnóstico y la terapia del HNSC.

CYP4F12 se expresa ampliamente en tejidos humanos y se reduce significativamente en una variedad de tumores humanos. Sin embargo, el patrón de expresión y el mecanismo molecular de CYP4F12 en HNSC siguen sin estar claros. En este estudio, encontramos que el nivel de ARNm de CYP4F12 disminuyó en los tejidos tumorales. Luego verificamos la expresión de CYP4F12 en la base de datos GEO y en las muestras de pacientes recolectadas por nuestro laboratorio; los resultados también mostraron que CYP4F12 tenía una baja expresión en los tejidos tumorales. Luego investigamos la relación entre la expresión de CYP4F12 y las características clínicas de HNSC, y encontramos que la expresión de CYP4F12 se correlacionaba con la edad, el sexo, el origen étnico, la infección por VPH, la mutación de TP53 y el grado del tumor del paciente. En particular, con respecto a la clasificación del tumor, encontramos que la expresión de CYP4F12 disminuyó gradualmente en los grados 1 a 3 y alcanzó el nivel más alto en el grado 4. Con el aumento del grado del tumor, aumentó la tasa de infiltración y diseminación de las células cancerosas, y la expresión de CYP4F12 debe disminuirse gradualmente, pero hay una expresión anormalmente alta en las células tumorales de grado 4. Creemos que puede estar relacionado con los dos puntos siguientes: en primer lugar, el número de casos de tumores de grado 4 es demasiado pequeño en comparación con los de otros grados; en segundo lugar, los tumores de grado 4 son células tumorales hipodiferenciadas con características y expresión genética claramente diferentes a las células tumorales altamente diferenciadas en las que CYP4F12 puede tener funciones diferentes.

Los datos preclínicos muestran que el HNSC es una enfermedad inmunosupresora grave, y que la aparición y el desarrollo de carcinoma de células escamosas de cabeza y cuello se acompañan de una secreción anormal de citocinas proinflamatorias y una disfunción de las células efectoras inmunitarias42,43,44. Por lo tanto, a continuación probamos la correlación entre la expresión de CYP4F12 y la inmunidad, y descubrimos que la expresión de CYP4F12 se correlacionaba positivamente con la expresión de células B y células T CD4+ en HNSC, y se correlacionaba positivamente con los marcadores inmunes de las células B. Células T CD8+, Células T CD4+ y macrófagos M1. Los resultados anteriores muestran que CYP4F12 se correlaciona positivamente con la inmunidad en HNSC y afecta la expresión de algunos marcadores inmunológicos.

A continuación, agrupamos a los pacientes TCGA según la expresión de CYP4F12 y estudiamos las diferencias de los diferentes niveles de expresión de CYP4F12 en el fenotipo clínico, la inmunidad y las vías. Encontramos que el grupo con baja expresión de CYP4F12 tenía peor SG y SSE, y tenía una edad promedio más alta, una tasa más baja de VPH positivo y una mayor invasión perineural presente. Y también encontramos que el grupo con baja expresión de CYP4F12 tenía una menor actividad inmune, una inmunosupresión más fuerte, una peor eficacia del ICB y una supervivencia más corta después del tratamiento con ICB. Se pudo observar que la baja expresión de CYP4F12 afecta parte de los fenotipos clínicos de los pacientes con HNSC e inhibe la actividad inmune al tiempo que mejora la inmunosupresión.

Luego analizamos las diferencias de expresión entre los dos grupos con diferentes niveles de CYP4F12 y obtuvimos 102 genes regulados positivamente y 21 genes regulados negativamente. Realizamos análisis GO y KEGG en los genes expresados ​​diferencialmente, los resultados de KEGG indicaron que podrían estar involucrados en el metabolismo xenobiótico del citocromo P450, la vía de señalización de estrógenos y la vía de señalización de la ira en las complicaciones diabéticas; El análisis de GO indicó que podrían estar involucrados en el desarrollo de la piel, el desarrollo epidérmico, la organización de la estructura extracelular y el tejido estromal extracelular.

Posteriormente, según la literatura obtuvimos la correlación entre CYP4F12 y algunas vías clave en tumores calculando la correlación entre la expresión génica y la puntuación de la vía45, y finalmente encontramos que la respuesta celular a la hipoxia, los marcadores EMT, la reparación del ADN, la degradación de la ECM, la angiogénesis, la apoptosis, la respuesta inflamatoria y la vía TGFB se correlacionaron significativamente negativamente con la expresión de CYP4F12.

Finalmente, verificamos los resultados del análisis bioinformático. Analizamos la proliferación, apoptosis, cambios en el ciclo celular y migración de células FaDu y SCC-9 después de una alta expresión de CYP4F12. Los resultados mostraron que la alta expresión de CYP4F12 no tuvo un efecto significativo sobre la proliferación, la apoptosis y los cambios en el ciclo celular de las células HNSC, pero la alta expresión de CYP4F12 podría inhibir la migración de las células HNSC y mejorar la adhesión celular.

La EMT es un proceso de desarrollo que desempeña un papel clave en la embriogénesis, la cicatrización de heridas y la fibrosis de órganos46,47. La EMT también promueve la progresión del cáncer al promover la pérdida de adhesión intercelular, lo que resulta en una mayor migración celular y capacidad invasiva48. Las características distintivas de la EMT incluyen la pérdida de la expresión de E-cadherina y el aumento concomitante de marcadores mesenquimales como N-cadherina y vimentina49. Por lo tanto, a continuación detectamos la expresión de varios marcadores de EMT, y los resultados de la transferencia Western mostraron que la alta expresión de CYP4F12 inhibía la progresión de EMT en células FaDu y SCC-9 al aumentar la expresión de E-cadherina, α-catenina y disminuir la expresión de vimentina. .

Los estudios han demostrado que muchos oncogenes, como c-Myc, FAK y Ras-MAPK, han sido identificados como reguladores de múltiples vías de señalización durante la progresión tumoral, incluida la adhesión intercelular, la migración, la proliferación y la transcripción de quimiocinas. Al mismo tiempo están implicados en la regulación inmune tumoral en diferentes modelos de cáncer, afectando el microambiente inmune tumoral50,51,52,53. En nuestro estudio, CYP4F12 jugó un papel en la infiltración inmune de HNSC y la alta expresión de CYP4F12 in vitro inhibió la migración de líneas celulares de HNSC. Por lo tanto, CYP4F12 puede regular la migración celular al afectar directamente el proceso de EMT en HNSC y también puede afectar la migración de células tumorales al influir en el microambiente del tumor.

Aunque este estudio ha identificado al CYP4F12 como un factor latente en la patogénesis del HNSC, todavía existen varias deficiencias. En primer lugar, dadas las complejas interacciones entre los tumores y el microambiente, no hemos demostrado in vivo que CYP4F12 tenga efectos supresores de tumores. En segundo lugar, aunque hemos descubierto el papel de CYP4F12 en la migración de HNSC, su mecanismo potencial requiere estudios más profundos para descubrir los efectos reguladores de CYP4F12 sobre E-cadherina, α-catenina y vimentina.

En conclusión, este estudio demuestra que la expresión de CYP4F12 afecta la progresión y la metástasis de HNSC, y que su baja expresión se asocia con un peor pronóstico del paciente. Dado que se ha demostrado que CYP4F12 inhibe la migración de células tumorales in vitro, planteamos la hipótesis de que CYP4F12 puede ser un biomarcador de HNSC prometedor que podría predecir la eficacia de la terapia contra el cáncer y el pronóstico del paciente.

En este estudio se utilizaron conjuntos de datos disponibles públicamente para el análisis. Las fuentes de datos se describen en Materiales y métodos.

Torre, LA et al. Estadísticas mundiales sobre el cáncer, 2012. CA Cancer J. Clin. 65(2), 87-108 (2015).

Artículo PubMed Google Scholar

Johnson, DE et al. Carcinoma de células escamosas de cabeza y cuello. Nat. Rev. Dis. Imprimaciones 6(1), 92 (2020).

Artículo PubMed PubMed Central Google Scholar

Urashima, M. et al. Efectos distintos del consumo de alcohol y el tabaquismo sobre las alteraciones genéticas en el carcinoma de cabeza y cuello. MÁS UNO 8(11), e80828 (2013).

Artículo ADS PubMed PubMed Central Google Scholar

Cramer, JD, Burtness, B., Le, QT y Ferris, RL El cambiante panorama terapéutico del cáncer de cabeza y cuello. Nat. Rev. Clin. Oncol. 16(11), 669–683 (2019).

Artículo PubMed Google Scholar

Hashibe, M. y col. Interacción entre el consumo de tabaco y alcohol y el riesgo de cáncer de cabeza y cuello: análisis conjunto en el Consorcio Internacional de Epidemiología del Cáncer de Cabeza y Cuello. Epidemiol del cáncer. Biomarcadores Anterior. 18(2), 541–550 (2009).

Artículo CAS PubMed PubMed Central Google Scholar

Kreimer, AR, Clifford, GM, Boyle, P. y Franceschi, S. Tipos de virus del papiloma humano en carcinomas de células escamosas de cabeza y cuello en todo el mundo: una revisión sistemática. Epidemiol del cáncer. Biomarcadores Anterior. 14(2), 467–475 (2005).

Artículo CAS PubMed Google Scholar

Gupta, S., Kong, W., Peng, Y., Miao, Q. y Mackillop, WJ Tendencias temporales en la incidencia y supervivencia de los cánceres del tracto aerodigestivo superior en Ontario y Estados Unidos. En t. J. Cáncer 125(9), 2159–2165 (2009).

Artículo CAS PubMed Google Scholar

Carvalho, AL, Nishimoto, IN, Califano, JA y Kowalski, LP Tendencias en la incidencia y pronóstico del cáncer de cabeza y cuello en los Estados Unidos: un análisis de sitio específico de la base de datos SEER. En t. J. Cáncer 114(5), 806–816 (2005).

Artículo CAS PubMed Google Scholar

Nelson, DR La página de inicio del citocromo p450. Tararear. Genómica 4(1), 59–65 (2009).

Artículo CAS PubMed PubMed Central Google Scholar

Gaedigk, A. y col. El consorcio de variación farmacogénica (PharmVar): incorporación de la base de datos de nomenclatura de alelos del citocromo P450 humano (CYP). Clínico. Farmacéutico. El r. 103(3), 399–401 (2018).

Artículo CAS PubMed Google Scholar

Meunier, B., de Visser, SP y Shaik, S. Mecanismo de reacciones de oxidación catalizadas por enzimas del citocromo p450. Química. Rev. 104(9), 3947–3980 (2004).

Artículo CAS PubMed Google Scholar

Coon, MJ Citocromo P450: el catalizador biológico más versátil de la naturaleza. Año. Rev. Farmacol. Toxico. 45, 1-25 (2005).

Artículo CAS PubMed Google Scholar

van Schaik, farmacogenética de RHN CYP450 para personalizar la terapia contra el cáncer. Resistencia a las drogas. Actualización. 11(3), 77–98 (2008).

Artículo PubMed Google Scholar

Dees, EC y Watkins, PB Papel del fenotipado del citocromo P450 en el tratamiento del cáncer. J.Clin. Oncol. 23(6), 1053–1055 (2005).

Artículo PubMed Google Scholar

Sausville, LN, Williams, SM & Pozzi, A. Citocromo P450 epoxigenasas y cáncer: una perspectiva genética y molecular. Farmacéutico. El r. 196, 183-194 (2019).

Artículo CAS PubMed Google Scholar

Alzahrani, AM y Rajendran, P. El vínculo múltiple entre el citocromo P450 y el cáncer. Óxido. Medicina. Célula Longev. 2020, 3028387 (2020).

Artículo PubMed PubMed Central Google Scholar

Guo, Z. et al. Dirigirse a las mitocondrias de las células cancerosas dependientes del citocromo P450: CYP asociadas al cáncer y dónde encontrarlas. Metástasis del cáncer Rev. 37(2–3), 409–423 (2018).

Artículo CAS PubMed Google Scholar

Panigrahy, D., Kaipainen, A., Greene, ER y Huang, S. Eicosanoides derivados del citocromo P450: la vía desatendida en el cáncer. Metástasis del cáncer Rev. 29(4), 723–735 (2010).

Artículo CAS PubMed PubMed Central Google Scholar

Wang, P., Qin, X., Liu, M. y Wang, X. El creciente papel de los metabolitos de la vitamina D mediados por el citocromo P450 contra el cáncer colorrectal. Farmacéutico. Res. 133, 9-20 (2018).

Artículo CAS PubMed Google Scholar

Edin, ML, Duval, C., Zhang, G. y Zeldin, DC Papel de las oxilipinas derivadas del ácido linoleico en el cáncer. Metástasis del cáncer Rev. 39(3), 581–582 (2020).

Artículo PubMed PubMed Central Google Scholar

Mathijssen, RHJ & van Schaik, RHN Genotipado y fenotipado del citocromo P450: perspectivas para el tratamiento del cáncer. EUR. J. Cáncer 42(2), 141–148 (2006).

Artículo CAS PubMed Google Scholar

Kacevska, M., Robertson, GR, Clarke, SJ y Liddle, C. Inflamación y metabolismo de fármacos mediado por CYP3A4 en cáncer avanzado: impacto e implicaciones para la dosificación de fármacos quimioterapéuticos. Experto. Opinión. Metab. de fármacos. Toxico. 4(2), 137–149 (2008).

Artículo CAS PubMed Google Scholar

Gómez-Rubio, V. ggplot2-Gráficos elegantes para análisis de datos. J. estadística. Software. 77, 1-3 (2017).

Artículo de Google Scholar

Li, T. y col. TIMER: Un servidor web para el análisis completo de células inmunes infiltrantes de tumores. Res. Cáncer. 77(21), e108–e110 (2017).

Artículo CAS PubMed PubMed Central Google Scholar

Chandrashekar, DS y cols. UALCAN: Un portal para facilitar la expresión de genes de subgrupos de tumores y los análisis de supervivencia. Neoplasia 19(8), 649–658 (2017).

Artículo CAS PubMed PubMed Central Google Scholar

Chandrashekar, DS y cols. UALCAN: Actualización de la plataforma integrada de análisis de datos sobre cáncer. Neoplasia 25, 18-27 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Tang, Z. y col. GEPIA: un servidor web para análisis interactivos y perfiles de expresión genética normal y de cáncer. Ácidos nucleicos res. 45(W1), W98–W102 (2017).

Artículo CAS PubMed PubMed Central Google Scholar

Blanche, P., Dartigues, JF y Jacqmin-Gadda, H. Estimación y comparación de áreas dependientes del tiempo bajo curvas características operativas del receptor para tiempos de eventos censurados con riesgos competitivos. Estadística. Medicina. 32(30), 5381–5397 (2013).

Artículo MathSciNet PubMed Google Scholar

Patil, I. Visualizaciones con detalles estadísticos: el enfoque 'ggstatsplot'. J. Software de código abierto. 6(61), 3167 (2021).

ADS del artículo Google Scholar

Verhaak, RG y cols. HeatMapper: potente visualización combinada de correlaciones de perfiles de expresión genética, genotipos, fenotipos y características de muestras. Bioinformación de BMC. 7(1), 1–4 (2006).

Artículo de Google Scholar

Yu, G., Wang, L.-G., Han, Y. y He, Q.-Y. clusterProfiler: un paquete R para comparar temas biológicos entre grupos de genes. OMICS 16(5), 284–287 (2012).

Artículo CAS PubMed PubMed Central Google Scholar

Wei, J. y col. Caracterización de moléculas asociadas a la glucólisis en el microambiente tumoral reveladas por tejidos pancancerosos y datos de células individuales de cáncer de pulmón. Cánceres (Basilea) 12(7), 1788 (2020).

Artículo CAS PubMed Google Scholar

Hänzelmann, S., Castelo, R. y Guinney, J. GSVA: Análisis de variación del conjunto de genes para datos de microarrays y RNA-seq. Bioinformación de BMC. 14, 7 (2013).

Artículo de Google Scholar

Schwartz, MA y Horwitz, AR Integración de la adhesión, protrusión y contracción durante la migración celular. Celda 125(7), 1223–1225 (2006).

Artículo CAS PubMed Google Scholar

Lamouille, S., Xu, J. y Derynck, R. Mecanismos moleculares de transición epitelial-mesenquimatosa. Nat. Rev. Mol. Biol celular. 15(3), 178–196 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Peinado, H., Olmeda, D. & Cano, A. Snail, Zeb y factores bHLH en la progresión tumoral: ¿una alianza contra el fenotipo epitelial?. Nat. Rev. Cáncer 7(6), 415–428 (2007).

Artículo CAS PubMed Google Scholar

Marur, S. & Forastiere, AA Carcinoma de células escamosas de cabeza y cuello: actualización sobre epidemiología, diagnóstico y tratamiento. Clínica Mayo. Proc. 91(3), 386–396 (2016).

Artículo PubMed Google Scholar

Ausoni, S. et al. Dirigirse a los impulsores celulares y moleculares del carcinoma de células escamosas de cabeza y cuello: opciones actuales y perspectivas emergentes. Metástasis del cáncer Rev. 35 (3), 413–426 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Lee, K. y col. HOXB5 actúa como un controlador oncogénico en el carcinoma de células escamosas de cabeza y cuello a través del eje de señalización EGFR/Akt/Wnt/β-catenina. EUR. J. Cirugía. Oncol. 46(6), 1066–1073 (2020).

Artículo PubMed Google Scholar

Concha-Benavente, F. et al. Identificación de las vías celulares intrínsecas y extrínsecas aguas abajo de EGFR e IFNγ que inducen la expresión de PD-L1 en el cáncer de cabeza y cuello. Cáncer Res 76(5), 1031–1043 (2016).

Artículo CAS PubMed Google Scholar

Ferris, RL y cols. Nivolumab versus la elección del investigador en el carcinoma de células escamosas de cabeza y cuello recurrente o metastásico: actualización de supervivencia a largo plazo de 2 años de CheckMate 141 con análisis por expresión de PD-L1 en el tumor. Oral. Oncol. 81, 45–51 (2018).

Artículo CAS PubMed PubMed Central Google Scholar

Gavrielatou, N., Doumas, S., Economopoulou, P., Foukas, PG y Psyrri, A. Biomarcadores de la respuesta a la inmunoterapia en el cáncer de cabeza y cuello. Tratamiento del cáncer. Rev. 84, 101977 (2020).

Artículo CAS PubMed Google Scholar

Leemans, CR, Snijders, PJF y Brakenhoff, RH El panorama molecular del cáncer de cabeza y cuello. Nat. Rev. Cáncer 18(5), 269–282 (2018).

Artículo CAS PubMed Google Scholar

Ferris, RL Inmunología e inmunoterapia del cáncer de cabeza y cuello. J.Clin. Oncol. 33(29), 3293–3304 (2015).

Artículo CAS PubMed PubMed Central Google Scholar

Miranda, A. et al. Potencia del cáncer, heterogeneidad intratumoral y respuesta inmune entre cánceres. Proc. Nacional. Acad. Ciencia. EE.UU. 116(18), 9020–9029 (2019).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Tsai, JH & Yang, J. Plasticidad epitelial-mesenquimatosa en metástasis de carcinoma. Desarrollo de genes. 27(20), 2192–2206 (2013).

Artículo CAS PubMed PubMed Central Google Scholar

Hanahan, D. Características del cáncer: nuevas dimensiones. Descubrimiento del cáncer. 12(1), 31–46 (2022).

Artículo CAS PubMed Google Scholar

Theveneau, E. & Mayor, R. Cadherinas en la migración celular colectiva de células mesenquimales. actual. Opinión. Biol celular. 24(5), 677–684 (2012).

Artículo CAS PubMed PubMed Central Google Scholar

Singh, A. y Settleman, J. EMT, células madre cancerosas y resistencia a los medicamentos: un eje del mal emergente en la guerra contra el cáncer. Oncogén 29(34), 4741–4751 (2010).

Artículo CAS PubMed PubMed Central Google Scholar

Sulzmaier, FJ, Jean, C. & Schlaepfer, DD FAK en cáncer: hallazgos mecanicistas y aplicaciones clínicas. Nat. Rev. Cáncer 14(9), 598–610 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Casey, SC y cols. MYC regula la respuesta inmune antitumoral a través de CD47 y PD-L1. Ciencia 352 (6282), 227–231 (2016).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Jiang, H. y col. Dirigirse a la quinasa de adhesión focal hace que los cánceres de páncreas respondan a la inmunoterapia de punto de control. Nat. Medicina. 22(8), 851–860 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Loi, S. y col. La activación de RAS/MAPK se asocia con una reducción de los linfocitos infiltrantes de tumores en el cáncer de mama triple negativo: cooperación terapéutica entre MEK y los inhibidores de puntos de control inmunitarios PD-1/PD-L1. Clínico. Res. Cáncer. 22 (6), 1499-1509 (2016).

Artículo CAS PubMed Google Scholar

Descargar referencias

Esta investigación fue apoyada por la Fundación Nacional de Ciencias Naturales de China (No. 82071918), el Proyecto financiado especial de la Fundación de Ciencias Postdoctorales de China (No. 2017T100498) y la Fundación Provincial de Ciencias Naturales de Shandong, China (No. ZR2020MH280).

Departamento de Otorrinolaringología, Hospital Qilu de la Universidad de Shandong, Laboratorio clave de otorrinolaringología de la Comisión Nacional de Salud (NHC) (Universidad de Shandong), Jinan, China

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

Departamento de Otorrinolaringología/Cirugía de Cabeza y Cuello, Instituto de Otorrinolaringología, Hospital Afiliado de la Universidad Médica de Binzhou, Binzhou, China

Minfa Zhang

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

Conceptualización, DL, HL, YQ; metodología, HL, WJ, SC, RW; software, WJ, XY, MZ; validación, WJ, SC, XY, MZ; análisis formal, XY, MZ; investigación, HL, WJ, SC, RW; recursos, DL, HL, YQ; curación de datos, WJ, SC, MZ; redacción: preparación del borrador original, WJ; redacción: revisión y edición, DL, HL, WJ; adquisición de financiación, HL, YQ Todos los autores han leído y aceptado la versión publicada del manuscrito.

Correspondencia a Heng Liu o Dapeng Lei.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Jia, W., Chen, S., Wei, R. et al. CYP4F12 es un biomarcador potencial e inhibe la migración celular del carcinoma de células escamosas de cabeza y cuello a través de la vía EMT. Informe científico 13, 10956 (2023). https://doi.org/10.1038/s41598-023-37950-z

Descargar cita

Recibido: 30 de marzo de 2023

Aceptado: 30 de junio de 2023

Publicado: 06 de julio de 2023

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

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.