留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

小凹蛋白-1(CAV1)在肿瘤组织中的表达及其对生存预后的影响

刘一笑 受梦媛 张莹 张荣强 孙娜

刘一笑, 受梦媛, 张莹, 张荣强, 孙娜. 小凹蛋白-1(CAV1)在肿瘤组织中的表达及其对生存预后的影响[J]. 昆明医科大学学报, 2023, 44(11): 47-55. doi: 10.12259/j.issn.2095-610X.S20231107
引用本文: 刘一笑, 受梦媛, 张莹, 张荣强, 孙娜. 小凹蛋白-1(CAV1)在肿瘤组织中的表达及其对生存预后的影响[J]. 昆明医科大学学报, 2023, 44(11): 47-55. doi: 10.12259/j.issn.2095-610X.S20231107
Yixiao LIU, Mengyuan SHOU, Ying ZHANG, Rongqiang ZHANG, Na SUN. Expression of CAV1 in Tumor Tissues and Its Effect on Survival Prognosis of Patients[J]. Journal of Kunming Medical University, 2023, 44(11): 47-55. doi: 10.12259/j.issn.2095-610X.S20231107
Citation: Yixiao LIU, Mengyuan SHOU, Ying ZHANG, Rongqiang ZHANG, Na SUN. Expression of CAV1 in Tumor Tissues and Its Effect on Survival Prognosis of Patients[J]. Journal of Kunming Medical University, 2023, 44(11): 47-55. doi: 10.12259/j.issn.2095-610X.S20231107

小凹蛋白-1(CAV1)在肿瘤组织中的表达及其对生存预后的影响

doi: 10.12259/j.issn.2095-610X.S20231107
基金项目: 咸阳市科学技术社会发展项目(2021ZDYF-SF-0017);陕西中医药大学研究生创新项目(303-1730103226);公共卫生与预防医学校级特色学科(2022XKZC04)
详细信息
    作者简介:

    刘一笑(1999~),男,陕西咸阳人,在读硕士研究生,主要从事慢病防治研究工作

    通讯作者:

    张荣强,E-mail:zhangrqxianyang@163.com

    孙娜,E-mail:283529713@qq.com

  • 中图分类号: R730.7

Expression of CAV1 in Tumor Tissues and Its Effect on Survival Prognosis of Patients

  • 摘要:   目的  通过生物信息学分析小凹蛋白-1(CAV1)在多种肿瘤中的表达与预后意义及其免疫浸润的相关性,阐明其对肿瘤预后的评估价值。   方法  基于TCGA和GTEx数据库分析CAV1基因在不同肿瘤组织中的mRNA表达水平,通过CPTAC数据库分析CAV1基因在不同肿瘤组织中的蛋白表达水平,单因素COX回归分析CAV1表达与肿瘤患者生存预后之间的相关性,HPA数据库分析CAV1表达的肿瘤免疫组化水平,Spearman相关性分析肿瘤与免疫浸润细胞的相关性。采用多因素COX回归和Nomogram列线图建立BLCA、LGG和HNSC预测评分模型。   结果   CAV1基因在26种肿瘤组织中mRNA异常表达(P < 0.05),CAV1的高表达对膀胱尿路上皮癌(BLCA)、脑低级别胶质癌(LGG)和头颈鳞状细胞癌(HNSC)3种肿瘤患者总生存期产生不良影响,并且在BLCA、LGG和HNSC中与多种肿瘤免疫浸润细胞密切相关。单因素COX回归分析显示CAV1(HR = 1.489,P = 0.0078)和年龄(HR = 1.424,P = 0.0022)是BLCA患者总生存期的危险因素,CAV1(HR = 2.432,P = 0.0006)与WHO grade(HR = 3.023,P = 0.0004)是LGG患者总生存期的危险因素,CAV1(HR = 1.432,P = 0.0085)与临床病理分型(HR = 1.806,P = 0.0006)是HNSC患者总生存期的危险因素。   结论   CAV1基因的表达及调节与BLCA、LGG和HNSC的发生发展、患者的预后、肿瘤免疫有一定的相关性,可能成为改善BLCA、LGG与HNSC患者预后的潜在标志。
  • 恶性肿瘤是人类机体在各种致癌因素下,局部组织细胞异常增生并转移扩散至其他组织的一类疾病,2020年全球新发癌症病例约1930万例,每4个人中就会有1人患有癌症的风险[1]。癌症是世界范围内仅次于心脏病的第二大死亡原因[2],严重危害人类生命健康[3],给社会带来了重大的健康和经济问题,随着病例数量的持续增加,癌症的负担无疑会变得更加严重。

    小凹蛋白-1(caveolin 1,CAV1)是细胞质膜小凹中一种重要的结构功能蛋白,结构可分为3个区域,包括C端跨域、N末端支架结构和支架结构域(caveolin-scaffolding domain,CSD),其中CSD区域能特异性地与多种信号分子结合[4],成为多条信号通路的枢纽,影响细胞的增殖、迁移和分化并具有介导内吞、胞吞、机械保护、细胞代谢和脂质稳态等丰富的功能[5]。CAV1的广泛分布也决定了其功能的重要性,研究学者[6-10]发现CAV1与逆转肿瘤耐药细胞耐药性有关,下调CAV1的表达使ERK(extracellular regulated protein kinases)通路激活会促进黑色素瘤细胞的体内体外增殖,敲低CAV1表达可抑制肺腺癌H1299细胞增殖、迁移和侵袭并影响其生物学行为,CAV1在胶质瘤细胞中与ER-α36相互作用共同参与肿瘤细胞生长;抑制CAV1的活化和脂筏的聚集可以逆转胃癌细胞的迁移[11];绍伟伟等认为CAV1的表达与肿瘤患者的预后存在联系[12],并有多项研究指出其与肿瘤的发生发展关系密切[13]

    目前,临床上针对癌症的治疗主要包括手术、化疗、放疗、靶向治疗和免疫治疗[14],但由于耐药、副作用等问题,患者的预后和生存率仍不令人满意。因此,深入研究癌症的生存预后靶点,为临床治疗提供新的方向和策略就显得尤为重要。随着近年来生物信息学技术和遗传科学的发展,基因在各种肿瘤中的预后价值正在广泛被探讨,使用基因来识别、诊断和确定潜在肿瘤风险成为可能。本研究以CAV1基因为研究对象,基于多种数据库探索该基因在人类肿瘤组织中的mRNA表达、蛋白表达、患者的预后、肿瘤免疫浸润相关性、相似基因功能富集与Nomogram模型建立与验证,旨在揭示CAV1在人类肿瘤发生发展过程中的影响,为其在肿瘤的预防、识别、诊断及其治疗提供参考依据。

    使用R包:ggplot2[3.3.6]、stats[4.2.1]和car[3.1-0]分析经Toil流程[15]统一处理TCGA数据库(The Cancer Genome Atlas,TCGA)和GTEx数据库(Genotype-Tissue Expression)中的TPM(transcripts per million reads)格式的RNAseq数据,并对TPM格式的RNAseq数据进行log2转化,利用Mann-Whitney U检验(Wilcoxon rank sum test)分析CAV1基因在33种不同正常组织和肿瘤组织中的mRNA差异表达水平。

    使用UALCAN数据库(http://ualcan.path.uab.edu/analysis-prot.html)分析癌症组学数据,先将每个样品谱内归一化,然后再样品间归一化,Z值代表给定癌症类型的样本中值的标准差,对CPTAC (Clinical proteomic tumor analysis consortium)数据库的11种肿瘤进行蛋白表达分析[16],比较CAV1在人类正常组织和肿瘤组织中的蛋白表达水平。

    选择TCGA数据库中mRNA表达具有差异统计学意义的肿瘤临床数据,使用R包:survival[3.3.1]进行比例风险假设检验并进行拟合生存回归,数据格式为TPM,预后参数类型选择总生存期(overall survival,OS),使用单因素Cox回归分析计算比较患者样本CAV1表达高低组与患者生存之间的关系,利用survminer包以及ggplot2进行结果可视化处理。

    利用Mann-Whitney U检验(Wilcoxon rank sum test)单独分析CAV1在具有生存预后意义的肿瘤表达差异,通过HPA(Human Protein Atlas)(http:www.proteinatlas.org/)数据库下载TCGA数据库中CAV1在正常组织和肿瘤组织中的免疫组织染色图,并对进行分析。

    基于R包-GSVA[1.46.0]中的ssGSEA算法,利用Immunity提供的24种免疫细胞[17]的markers计算对应的免疫浸润数据,主分子为CAV1,对数据中主变量的肿瘤和免疫浸润矩阵数据之间进行Spearman相关性分析,分析结果用ggplot2包进行可视化。

    从TCGA数据库(https://portal.gdc.cancer.gov)下载整理肿瘤项目STAR流程的RNAseq数据并提取TPM格式的数据以及临床数据,剔除无效数据。以CAV1基因表达数据与主要临床信息参数作为自变量,以与CAV1表达量具有生存预后意义的肿瘤总生存期(overall survival,OS)为因变量,进行单因素与多因素COX回归模型,分析肿瘤总生存期的影响因素。使用R软件“rms”包构建nomogram相关模型并进行可视化,利用校准曲线对模型进行验证和评估。

    通过对TCGA和GTEx数据库CAV1基因进行分析,与正常组织相比,33种肿瘤组织中有26种mRNA表达差异具有统计学意义(P < 0.05),其中CAV1基因在ACC肾上腺皮质癌(ACC)、胆管癌(CHOL)、弥漫性大B细胞淋巴瘤(DLBC)、多形性成胶质细胞癌(GBM)、头颈鳞状细胞癌(HNSC)、肾嫌色细胞癌(KICH)、肾透明细胞癌(KIRC)、急性髓性白血病(LAML)、脑低级别胶质癌(LGG)、肝脏肝细胞癌(LIHC)、胰腺癌(PAAD)、胸腺瘤(THYM)、12种肿瘤组织中高表达(P < 0.05);CAV1基因在膀胱癌(BLCA)、乳腺癌(BRCA)、宫颈鳞癌(CESC)、结肠癌(COAD)、食管癌(ESCA)、肺腺癌(LUAD)、肺鳞癌(LUSC)、卵巢浆液性囊腺癌(OV)、前列腺癌(PRAD)、直肠腺瘤(READ)、皮肤黑色素瘤(SKCM)、THCA(甲状腺癌)、子宫内膜癌(UCEC)、子宫肉瘤(UCS)14种肿瘤组织中呈现低表达(P < 0.05) ,见图1

    图  1  CAV1基因在人类肿瘤组织和正常组织中的mRNA表达分析
    *P < 0.05;**P < 0.01;***P < 0.001。
    Figure  1.  mRNA expression analysis of CAV1 gene in human tumor tissues and normal tissues

    从CPTAC数据集获得11组蛋白质差异表达数据,结果表明:与正常组织相比,CPTAC数据库中CAV1蛋白在结肠癌(COAD)、乳腺癌(BRCA)、头颈鳞状细胞癌(HNSC)、肝脏肝细胞癌(LIHC)、肺腺癌(LUAD)、肺鳞癌(LUSC)、卵巢浆液性囊腺癌(OV)、子宫内膜癌(UCEC)这8种肿瘤组织中的表达降低,而在肾透明细胞癌(KIRC)中表达增高,差异均具有统计学意义(P < 0.05),在多形性成胶质细胞癌(GBM)、胰腺癌(PAAD)这2种肿瘤中表达,差异无统计学意义(P > 0.05),见图2

    图  2  CAV1基因在不同癌症组织和正常组织中的总蛋白表达分析
    Figure  2.  Total protein expression analysis of CAV1 gene in different cancer tissues and normal tissues

    TCGA数据库中分析CAV1表达与mRNA表达具有统计学差异的26种肿瘤生存预后之间的相关性,结果显示CAV1只在BLCA(HR = 1.49,95%CI[1.11~2.00]),LGG(HR = 2.43,95%CI[1.67~3.54])和HNSC(HR = 1.43,95%CI[1.09~1.87])中存在预后相关,且差异均具有统计学意义(P < 0.01),而与其他肿瘤预后相关无统计学意义。K-M生存曲线结果显示LGG、HNSC、BLCA这3种肿瘤中的高表达组生存预后较低表达组更差,见图3,提示CAV1高表达是其危险因素,可能表现为促癌基因,因此CAV1可能作为LGG、HNSC和BLCA患者预后的候选基因。

    图  3  CAV1基因在BLCA、LGG与HNSC肿瘤组织中的预后KM曲线图
    A:CAV1与BLCA患者生存预后相关性;B:CAV1与LGG患者生存预后相关性;C:CAV1与HNSC患者生存预后相关性。
    Figure  3.  Prognostic KM curve of CAV1 gene in BLCA,LGG and HNSC tumors

    通过对HPA数据库提供的免疫组化结果进行分析,结果表明CAV1在膀胱组织中低表达,在BLCA组织中高表达,与其mRNA基因表达结果相反。CAV1在LGG和HNSC中免疫组化结果显示CAV1在大脑与头颈部均低表达,在LGG与HNSC中均高表达,mRNA表达结果与其免疫组化数据一致,IHC染色均为中等或强染色,见图4

    图  4  BLCA、LGG和HNSC肿瘤组织和正常组织的免疫组化图 (×100)
    A:膀胱组织与膀胱肿瘤组织CAV1表达;B:脑组织与脑低级别胶质肿瘤组织CAV1表达;C:头颈部与头颈鳞状细胞肿瘤组织CAV1表达。
    Figure  4.  Immunohistochemical maps of BLCA,LGG and HNSC tumor tissue and normal tissue (×100)

    TCGA数据库中CAV1在3种具有生存预后意义的肿瘤与24种免疫浸润细胞数据的相关性结果显示 ,CAV1在LGG中与21种免疫浸润细胞具有相关性,其中与Macrophages、Neutrophils等18种免疫浸润细胞表达呈正相关,与Treg细胞、pDC细胞和NK CD56bright细胞表达呈负相关,与Mast细胞、Tem细胞和TFH细胞表达无统计学意义,其中正相关最高的为Macrophages细胞(R = 0.518),负相关最高的是NK CD56bright细胞(R = -0.248)。CAV1在HNSC中与14种免疫浸润细胞具有相关性,正负相关各有7种,其中正相关最高的为Tgd细胞(R = 0.488),负相关最高的是B细胞(R = -0.250)。CAV1在BLCA中与23种免疫浸润细胞具有相关性,其中正相关为21种,与其负相关的细胞为Th17细胞和NK CD56bright细胞,与其无统计学意义的细胞为T helper细胞,正相关最高的是Macrophages细胞(R = 0.629),负相关最高的是NK CD56bright细胞(R = -0.339),见图5

    图  5  CAV1基因在3种不同肿瘤组织中与免疫浸润细胞相关性棒棒糖图
    A:CAV1在LGG中与免疫浸润细胞相关性;B:CAV1在HNSC中与免疫浸润细胞相关性;C:CAV1在BLCA中与免疫浸润细胞相关性。*P < 0.05,**P < 0.01,***P < 0.001。
    Figure  5.  Lollipop map of CAV1 gene correlation with immunoinfiltrating cells in three different tumor tissues

    单因素COX回归分析表明,CAV1和年龄是BLCA患者生存预后的危险因素且均具有统计学差异(P < 0.05),多因素COX回归显示年龄是影响BLCA生存预后的独立危险因素。CAV1表达量与BLCA临床病例相关数据构建Momogram模型的一致性良好(Concordance,C-index = 0.643,95%CI[0.619~0.668],多因素模型满足比例风险假设且不存在多重共线性(0 < VIF < 10),该模型校准曲线稳定,见图6

    图  6  CAV1表达对BLCA总生存期的影响因素COX回归分析及其Nomogram模型的构建与评估
    A:单、多因素COX回归分析;B:Nomogram模型;C:校准曲线。
    Figure  6.  COX regression analysis of influencing factors of CAV1 expression on overall survival of BLCA and Nomogram model construction and evaluation

    单因素COX回归分析显示,CAV1与WHO grade是LGG患者生存预后的危险因素,均具有统计学意义(P < 0.05),种族、病灶位置和性别均无统计学意义(P > 0.05);同时多因素COX回归分析表明CAV1与WHO grade是影响LGG患者OS的独立危险因素,均具有统计学意义(P < 0.05)。通过CAV1表达量与LGG临床病例相关数据构建的Nomogram模型结果显示,CAV1、WHO grade和年龄对LGG患者的OS具有良好效果,模型的一致性良好(Concordance,C-index = 0.770),95%CI[0.748~0.792],多因素模型满足比例风险假设,不存在多重共线性(0 < VIF < 10),该模型校准曲线稳定,见图7

    图  7  CAV1表达对LGG总生存期的影响因素COX回归分析及其Nomogram模型的构建与评估
    A:单、多因素COX回归分析;B:Nomogram模型;C:校准曲线。
    Figure  7.  7Cox regression analysis of factors influencing CAV1 expression on overall survival of LGG and Nomogram model construction and evaluation

    单因素COX回归分析表明CAV1和临床病理分型是HNSC患者生存预后的危险因素,均具有统计学差异(P < 0.05),多因素COX回归分析显示CAV1与临床病理分型是影响HNSC患者OS的独立危险因素,均具有统计学差异(P < 0.05)。基于CAV1表达量与HNSC患者临床相关数据构建的Nomogram模型一致性良好一致性(Concordance,C-index = 0.615),95%CI[0.592~0.638],满足比例风险假设且不存在多重共线性(0 < VIF < 10),该模型校准曲线稳定,见图8

    图  8  CAV1表达对HNSC总生存期的影响因素COX回归分析及其Nomogram模型的构建与评估
    A:单、多因素COX回归分析;B:Nomogram模型;C:校准曲线。
    Figure  8.  COX regression analysis of factors influencing CAV1 expression on HNSC overall survival and Nomogram model construction and evaluation

    2020年全球近1000万人因肿瘤而死亡,肿瘤的高发病率和高死亡率严重威胁着人类的健康[18],现有的研究证实大多数环境致癌物并不能直接导致肿瘤的发生,需要先在人体内激活活化并结合形成亲电子中间产物才呈现致癌性[19],而基因异常表达是肿瘤发生的内在因素[20],其与各种癌症的发生发展存在一定联系[21-24],从基因角度探索人类肿瘤的发生发展关系,对其生存预后的预测与治疗进行研究是重点。

    CAV1具有与多种信号分子相同的氨基酸序列,其表达量的差异会影响细胞的增殖与迁移[25],通过互补结合调控相关信号通路,形成枢纽中心,调控细胞分化、增殖与衰老,从而参与到肿瘤的形成过程中。生物学中蛋白质合成是通过mRNA分子中碱基排列顺序转变或多肽链中的氨基酸排列组合形成的,本研究结果显示,CAV1基因在26种肿瘤中mRNA表达不同,且差异有统计学意义(P < 0.05),CAV1在HNSC肿瘤组织中mRNA表达上调,但在蛋白水平上却显示为低表达,这有可能与mRNA的翻译调控或蛋白质稳定性有关[26]

    通过对TCGA数据库中CAV1有差异表达结果的肿瘤与其OS的相关性分析表明:CAV1表达与BLCA、LGG和HNSC患者预后不良密切相关,K-M生存曲线显示CAV1的高表达不利于BLCA、LGG和HNSC患者的生存预后。mRNA基因通过翻译为蛋白质进而在人体内行使复杂的生物学活动,通过HPA数据库对BLCA、LGG和HNSC及其正常组织进行免疫组化分析发现CAV1在BLCA中的mRNA表达与免疫组化结果相反,提示CAV1在BLCA患者中行使某些生物学功能表达与mRNA表达有区别,不过这也可能与HPA数据库中的组织样本量较少有关。

    免疫浸润细胞能够影响临床治疗疗效及患者生存期长短[27]。CAV1在BLCA、LGG和HNSC这3种肿瘤中与24种免疫浸润细胞具有紧密相关性且正相关较多,提示CAV1参与了免疫反应过程,可能是这3种肿瘤患者生存预后的潜在免疫调节基因。单因素COX回归发现CAV1均是BLCA、LGG和HNSC肿瘤患者生存预后的危险因素,其低表达可能会对这3种肿瘤患者的不良预后具有一定的抑制效果。

    综上所述,本研究从多个角度探讨了CAV1在人类肿瘤生存预后中的潜在价值,抑制CAV1在体内的表达对恶性肿瘤的发生可能具有一定作用,CAV1在多种肿瘤中 与正常组织有差异表达,与BLCA、LGG、HNSC患者的预后有关且在免疫调节中发挥着巨大作用。但同时也存在着一些局限性:(1)研究基于多个数据库进行分析,各个数据库中存在的组织样本数有一定差别,可能导致分析结果存在偏差;(2)未进行实验分析,缺乏体内体外验证。

    本研究对CAV1在人类肿瘤中的分析结果表明,CAV1在BLCA、LGG与HNSC中可能是一个新的诊断、治疗和预后标志物基因,通过介导多条信号通路从而影响肿瘤的发生发展过程,为癌症的临床服务提供一定的理论基础。

  • 图  1  CAV1基因在人类肿瘤组织和正常组织中的mRNA表达分析

    *P < 0.05;**P < 0.01;***P < 0.001。

    Figure  1.  mRNA expression analysis of CAV1 gene in human tumor tissues and normal tissues

    图  2  CAV1基因在不同癌症组织和正常组织中的总蛋白表达分析

    Figure  2.  Total protein expression analysis of CAV1 gene in different cancer tissues and normal tissues

    图  3  CAV1基因在BLCA、LGG与HNSC肿瘤组织中的预后KM曲线图

    A:CAV1与BLCA患者生存预后相关性;B:CAV1与LGG患者生存预后相关性;C:CAV1与HNSC患者生存预后相关性。

    Figure  3.  Prognostic KM curve of CAV1 gene in BLCA,LGG and HNSC tumors

    图  4  BLCA、LGG和HNSC肿瘤组织和正常组织的免疫组化图 (×100)

    A:膀胱组织与膀胱肿瘤组织CAV1表达;B:脑组织与脑低级别胶质肿瘤组织CAV1表达;C:头颈部与头颈鳞状细胞肿瘤组织CAV1表达。

    Figure  4.  Immunohistochemical maps of BLCA,LGG and HNSC tumor tissue and normal tissue (×100)

    图  5  CAV1基因在3种不同肿瘤组织中与免疫浸润细胞相关性棒棒糖图

    A:CAV1在LGG中与免疫浸润细胞相关性;B:CAV1在HNSC中与免疫浸润细胞相关性;C:CAV1在BLCA中与免疫浸润细胞相关性。*P < 0.05,**P < 0.01,***P < 0.001。

    Figure  5.  Lollipop map of CAV1 gene correlation with immunoinfiltrating cells in three different tumor tissues

    图  6  CAV1表达对BLCA总生存期的影响因素COX回归分析及其Nomogram模型的构建与评估

    A:单、多因素COX回归分析;B:Nomogram模型;C:校准曲线。

    Figure  6.  COX regression analysis of influencing factors of CAV1 expression on overall survival of BLCA and Nomogram model construction and evaluation

    图  7  CAV1表达对LGG总生存期的影响因素COX回归分析及其Nomogram模型的构建与评估

    A:单、多因素COX回归分析;B:Nomogram模型;C:校准曲线。

    Figure  7.  7Cox regression analysis of factors influencing CAV1 expression on overall survival of LGG and Nomogram model construction and evaluation

    图  8  CAV1表达对HNSC总生存期的影响因素COX回归分析及其Nomogram模型的构建与评估

    A:单、多因素COX回归分析;B:Nomogram模型;C:校准曲线。

    Figure  8.  COX regression analysis of factors influencing CAV1 expression on HNSC overall survival and Nomogram model construction and evaluation

  • [1] Roy P S,Saikia B J. Cancer and cure: A critical analysis[J]. Indian J Cancer,2016,53(3):441-442. doi: 10.4103/0019-509X.200658
    [2] Yahya E B,Alqadhi A M. Recent trends in cancer therapy: A review on the current state of gene delivery[J]. Life Sci,2021,15(269):119087.
    [3] 曹毛毛,陈万青. GLOBOCAN 2020全球癌症统计数据解读[J]. 中国医学前沿杂志,2021,13(3):63-69.
    [4] 马丽萍,丁春燕,田梅,等. 信号转导和转录激活因子3及小凹蛋白1在X射线诱导肺腺癌A549细胞早衰中的调控关系研究[J]. 中国医学装备,2021,18(3):1-5.
    [5] 黄青云. LncRNA HOTAIR通过MiR-203/Caveolin-1对乳腺癌细胞增殖、迁移和侵袭的影响[D]. 南昌: 南昌大学, 2021.
    [6] 李倩. Caveolin1通过OCTN2(SLC22A5)逆转结直肠癌耐药性[D]. 厦门: 厦门大学, 2021.
    [7] 高冬梅,张小芳,安杰,等. Cav-1对EGFR敏感基因突变非小细胞肺癌患者厄洛替尼治疗耐药的机制研究[J]. 解放军医药杂志,2022,34(3):1-5.
    [8] 邓心怡,高子煦,王璐,等. 环指蛋白157通过下调小凹蛋白-1表达参与ERK通路激活促进黑素瘤细胞增殖[J]. 中国临床医学,2023,30(2):257-264.
    [9] 崔玉洁,杜梦颖,李硕,等. Caveolin-1调控VEGFR-2对肺癌细胞增殖及侵袭的影响[J]. 现代中西医结合杂志,2022,31(20):2798-2802.
    [10] 韩蕴,李洪艳,张叶军,等. Caveolin-1和ER-α36相互作用促进胶质瘤细胞生长[J]. 癌症,2022,41(3):142-151.
    [11] Wang Y,Song Y,Che X,et al. Caveolin-1 enhances RANKL-induced gastric cancer cell migration[J]. Oncol Rep,2018,40(3):1287-1296.
    [12] 邵伟伟,王树人,刘水,等. 小窝蛋白1和表皮生长因子受体在肺腺癌的表达及临床意义[J]. 江苏医药,2023,49(2):158-163.
    [13] 谭超,邹黎黎. 小凹蛋白1与肿瘤的研究进展[J]. 中华肿瘤防治杂志,2015,22(6):483-488.
    [14] Sung H,Ferlay J,Siegel R L,et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries[J]. CA Cancer J Clin,2021,71(3):209-249. doi: 10.3322/caac.21660
    [15] Vivian J,Rao A A,Nothaft F A,et al. Toil enables reproducible,open source,big biomedical data analyses[J]. Nature Biotechnology,2017,35(4):314-316. doi: 10.1038/nbt.3772
    [16] Chen F,Chandrashekar D S,Varambally S,et al. Pan-cancer molecular subtypes revealed by mass-spectrometry-based proteomic characterization of more than 500 human cancers[J]. Nat Commun,2019,10(1):5679. doi: 10.1038/s41467-019-13528-0
    [17] Bindea G,Mlecnik B,Tosolini M,et al. Spatiotemporal dynamics of intratumoral immune cells reveal the immune landscape in human cancer[J]. Immunity,2013,39(4):782-795. doi: 10.1016/j.immuni.2013.10.003
    [18] 王红磊,李昕宇,蒙椿海,等. Caveolin-1在肿瘤中的作用机制研究概况[J]. 广西中医药大学学报,2021,24(1):54-57.
    [19] 贾帅楠,李劲涛,赵丽娇,等. 环境致癌物与病毒协同致癌作用的研究进展[J]. 病毒学报,2018,34(4):601-609.
    [20] 余水红,李帆,金耀,等. 基于数据库探索GPX4基因在泛癌中的潜在价值[J]. 济宁医学院学报,2022,45(4):278-282.
    [21] 周威. TAF1L基因异常表达对口腔鳞状细胞癌病变作用的研究[D]. 深圳: 深圳大学, 2019.
    [22] 吴秀珍. 高通量基因测序在胃肠道恶性肿瘤中的临床意义[D]. 苏州: 苏州大学, 2017.
    [23] 彭贻龙,郑彩云. 骨肉瘤中FoxM1、Sox9基因异常表达与肿瘤病理特征的相关性研究[J]. 海南医学院学报,2018,24(7):797-799.
    [24] 谭金晶. DLK1基因异常表达及其促进肺癌细胞侵袭的分子机制[D]. 北京: 北京协和医学院, 2014.
    [25] Quest A F,Lobos-González L,Nuñez S,et al. The caveolin-1 connection to cell death and survival[J]. Curr Mol Med,2013,13(2):266-281. doi: 10.2174/156652413804810745
    [26] Lin X,Chai G,Wu Y,et al. A methylation regulates the epithelial mesenchymal transition of cancer cells and translation of Snail[J]. Nat Commun,2019,10(1):2065. doi: 10.1038/s41467-019-09865-9
    [27] 陈胜武,赵恒伍,高轶轩. Toll样受体2在泛癌中的表达、对预后的影响及其作用机制[J]. 中国医科大学学报,2022,51(9):810-816.
  • [1] 李杨, 刘容, 刘朝敏, 徐龙玉, 张文静.  基于生物信息学识别与肺癌患者预后和免疫微环境相关的铜死亡基因, 昆明医科大学学报.
    [2] 李梦, 牛奔, 胡瑾, 马燕琳.  免疫检查点抑制剂引起肿瘤患者甲状腺功能障碍的临床分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240111
    [3] 王兴粉, 邓玥, 杨丽华.  卵巢癌脂质代谢相关基因预后模型的构建及免疫浸润分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240403
    [4] 杜国庆, 刘志琴, 李姚, 史永华.  ANGPT1和TEK影响人类肿瘤进展的泛癌分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240608
    [5] 王强, 杨德兴, 周维钰, 唐杰夫, 付凯, 王振方, 刘圣哲, 李敏, 栾英, 刘荣.  基于循环和细胞免疫效应指标为基础的脓毒性休克患者预后风险因素分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20230716
    [6] 唐杰夫, 杨德兴, 刘圣哲, 王强, 付凯, 王振方, 栾英, 李敏, 刘荣.  奥密克戎变异株老年重症感染者细胞免疫指标对预后的价值研究, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20231214
    [7] 杨中婷, 杜兴梅, 叶卿云, 李本燕, 秦明芳, 焦锋, 陈莹, 邓睿, 黄源.  健康社会决定因素对恶性肿瘤死亡人群总生存时间的影响, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220727
    [8] 余婷婷, 李冬玲, 王红英, 李丽华, 普冬, 武昆利.  昆明地区艾滋初治病例感染、免疫及耐药情况调查, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220133
    [9] 杨帆, 张弦, 张勇, 王瑶瑶.  原发性消化道肿瘤对患者免疫细胞影响的临床观察, 昆明医科大学学报.
    [10] 梁睿, 淳于纬训, 沈焘, 孙乐, 李云峰.  肠道菌群和免疫在结直肠肿瘤中作用研究进展, 昆明医科大学学报.
    [11] 范旭, 冯煜然, 朱梅.  微波消融联合免疫疗法治疗肿瘤的研究进展, 昆明医科大学学报.
    [12] 李重熙, 刘俊, 白劲松, 田波, 于闵, 古善群.  直接抗病毒药物治疗人类免疫缺陷病毒感染合并丙型肝炎的疗效, 昆明医科大学学报.
    [13] 徐静逍, 程馨缘, 郭施余, 顾力华, 魏丹霞, 杨仁华.  清热润燥口服液对BALB/c小鼠免疫功能的影响, 昆明医科大学学报.
    [14] 任朝凤.  调节性T细胞培养及输入慢性阻塞性肺病大鼠后免疫细胞变化, 昆明医科大学学报.
    [15] 何维曜臻.  妊娠合并人类免疫缺陷病毒感染与正常妊娠胎儿超声生长参数比较, 昆明医科大学学报.
    [16] 叶燎昆.  女子散打运动员大负荷训练阶段部分生化指标变化特点研究, 昆明医科大学学报.
    [17] 艾毅钦.  87例直肠腺癌患者肿瘤分期和细胞免疫状态分析, 昆明医科大学学报.
    [18] T细胞斑点试验在人类免疫缺陷病毒合并肺结核感染中不同T细胞水平临床诊断价值, 昆明医科大学学报.
    [19] 两种血液稀释方法对直肠癌患者围术期T淋巴细胞亚群的影响, 昆明医科大学学报.
    [20] 肠内营养加三七多糖对创伤大鼠白介素-2水平的影响, 昆明医科大学学报.
  • 期刊类型引用(1)

    1. 蒋俊娥,王振常,罗艺徽. 壮方消积化肝方通过调控铁死亡治疗肝癌的作用机制. 广西医学. 2024(09): 1373-1382 . 百度学术

    其他类型引用(0)

  • 加载中
图(8)
计量
  • 文章访问数:  1551
  • HTML全文浏览量:  1563
  • PDF下载量:  24
  • 被引次数: 1
出版历程
  • 收稿日期:  2022-01-01
  • 网络出版日期:  2023-11-03
  • 刊出日期:  2023-11-30

目录

/

返回文章
返回