DNMT3B与乳腺癌预后的关系及其生物学机制

doi:10.3877/cma.j.issn.1674-3946.2024.06.010

目的

分析DNA甲基转移酶3B（DNMT3B）在乳腺癌中的表达及其对预后的影响，探究其在乳腺癌发生发展中及潜在靶点作用。

方法

通过R语言程序分析TCGA乳腺癌数据库，使用UALCAN、Starbase database、cBioPortal、GeneMANIA、STRING等在线数据库分析DNMT3B在乳腺癌中的表达、诊断和预后价值、肿瘤免疫微环境、GO功能、KEGG信号通路和蛋白相互作用。采用qRT‐PCR检测DNMT3B在常见乳腺癌细胞系和正常乳腺上皮细胞间的表达差异。

结果

在线数据库分析及验证实验提示DNMT3B在乳腺癌中高表达，且其高表达不利于乳腺癌患者的生存，提示DNMT3B可能具有诊断价值。通过GO功能、KEGG信号通路和蛋白相互作用以及肿瘤免疫微环境分析，提示DNMT3B参与乳腺癌发生发展的多种机制，可能成为新的治疗靶点。

结论

DNMT3B能促进乳腺癌的发生并影响疾病的进展，可能是乳腺癌潜在的肿瘤标志物及治疗靶点。

关键词: 乳腺肿瘤, DNA甲基转移酶3B, 肿瘤免疫微环境, 预后

Objective

To analyze the expression of DNA methyltransferase 3B (DNMT3B) in breast cancer and its influence on prognosis, and explore its role in the occurrence and development of breast cancer and potential targets.

Methods

Analyzing TCGA breast cancer database through R language program, Online databases such as UALCAN, Starbase database, cBioPortal, GeneMANIA and STRING were used to analyze DNMT3B expression, diagnostic and prognostic value, tumor immune microenvironment, GO function, KEGG signaling pathway and protein interaction in breast cancer. The expression difference of DNMT3B between common breast cancer cell lines and normal breast epithelial cells was detected by QRT-PCR.

Results

Online database analysis and validation experiments suggest that DNMT3B is highly expressed in breast cancer, and its high expression is not conducive to the survival of breast cancer patients, suggesting that DNMT3B may have diagnostic value. Through GO function, KEGG signaling pathway and protein interaction, and tumor immune microenvironment analysis, DNMT3B is involved in multiple mechanisms of breast cancer occurrence and development, and may become a new therapeutic target.

Conclusion

DNMT3B can promote the occurrence of breast cancer and affect the progression of the disease, and may be a potential tumor marker and therapeutic target for breast cancer.

Key words: Breast Neoplasms, DNA methyltransferase B, Tumor Immune Microenvironment, Prognosis

图1 DNMT3B表达差异分析注：A=DNMT3B的泛癌分析；B=DNMT3B在乳腺癌和癌旁的差异分析；C=DNMT3B在乳腺癌和癌旁的配对差异分析；D=HPA数据库中DNMT3B蛋白在乳腺癌和正常组织表达水平；E=实时荧光定量 PCR（RT-qPCR）检测DNMT3B在乳腺癌细胞系中的表达水平, *P < 0.05, **P< 0.01, ***P <0.001，****P<0.0001。

图2 DNMT3B在乳腺癌中的生存分析注：A=无进展生存期；B=总生存期（P=0.047）。

图3 基因拷贝数变异与甲基化注：A=DNMT3B基因拷贝数与表达相关性；B=DNMT3B基因拷贝数变异与表达相关性；C=DNMT3B基因拷贝数缺失与表达相关性；D=DNMT3B基因拷贝数扩增与表达相关性；E=乳腺癌中DNMT3B启动子的甲基化水平。

图4 基因富集蛋白互作用网络分析注：A=GO富集分析；B=共表达分析；C=KEGG分析；D=蛋白相互作用网络分析。

表1 miRNA和DNMT3B基因相关性

MiRNAname	geneName	R-value	p-value
hsa-miR-29c-3p	DNMT3B	-0.34	9.36E-31
hsa-miR-30a-5p	DNMT3B	-0.328	1.33E-28
hsa-let-7b-5p	DNMT3B	-0.314	2.73E-26
hsa-let-7a-5p	DNMT3B	-0.258	5.71E-18
hsa-miR-375	DNMT3B	-0.184	1.04E-09
hsa-miR-1-3p	DNMT3B	-0.138	5.40E-06
hsa-miR-135a-5p	DNMT3B	-0.135	8.25E-06
hsa-miR-195-5p	DNMT3B	-0.119	9.02E-05
hsa-miR-29a-3p	DNMT3B	-0.112	2.26E-04
hsa-miR-29b-3p	DNMT3B	-0.106	4.51E-04
hsa-miR-125a-5p	DNMT3B	-0.097	1.43E-03
hsa-miR-26a-5p	DNMT3B	-0.093	2.16E-03
hsa-miR-26b-5p	DNMT3B	-0.062	4.15E-02
hsa-miR-628-5p	DNMT3B	0.052	8.52E-02
hsa-miR-361-3p	DNMT3B	0.058	5.67E-02
hsa-miR-95-3p	DNMT3B	0.07	2.04E-02
hsa-miR-30d-5p	DNMT3B	0.104	5.77E-04
hsa-miR-148a-3p	DNMT3B	0.115	1.41E-04
hsa-miR-21-5p	DNMT3B	0.117	1.10E-04
hsa-miR-885-5p	DNMT3B	0.118	9.63E-05
hsa-miR-328-3p	DNMT3B	0.139	4.55E-06
hsa-miR-140-5p	DNMT3B	0.145	1.66E-06
hsa-miR-222-3p	DNMT3B	0.152	4.95E-07
hsa-let-7g-5p	DNMT3B	0.156	2.51E-07
hsa-miR-30e-5p	DNMT3B	0.199	3.75E-11

表1 miRNA和DNMT3B基因相关性

MiRNAname	geneName	R-value	p-value
hsa-miR-29c-3p	DNMT3B	-0.34	9.36E-31
hsa-miR-30a-5p	DNMT3B	-0.328	1.33E-28
hsa-let-7b-5p	DNMT3B	-0.314	2.73E-26
hsa-let-7a-5p	DNMT3B	-0.258	5.71E-18
hsa-miR-375	DNMT3B	-0.184	1.04E-09
hsa-miR-1-3p	DNMT3B	-0.138	5.40E-06
hsa-miR-135a-5p	DNMT3B	-0.135	8.25E-06
hsa-miR-195-5p	DNMT3B	-0.119	9.02E-05
hsa-miR-29a-3p	DNMT3B	-0.112	2.26E-04
hsa-miR-29b-3p	DNMT3B	-0.106	4.51E-04
hsa-miR-125a-5p	DNMT3B	-0.097	1.43E-03
hsa-miR-26a-5p	DNMT3B	-0.093	2.16E-03
hsa-miR-26b-5p	DNMT3B	-0.062	4.15E-02
hsa-miR-628-5p	DNMT3B	0.052	8.52E-02
hsa-miR-361-3p	DNMT3B	0.058	5.67E-02
hsa-miR-95-3p	DNMT3B	0.07	2.04E-02
hsa-miR-30d-5p	DNMT3B	0.104	5.77E-04
hsa-miR-148a-3p	DNMT3B	0.115	1.41E-04
hsa-miR-21-5p	DNMT3B	0.117	1.10E-04
hsa-miR-885-5p	DNMT3B	0.118	9.63E-05
hsa-miR-328-3p	DNMT3B	0.139	4.55E-06
hsa-miR-140-5p	DNMT3B	0.145	1.66E-06
hsa-miR-222-3p	DNMT3B	0.152	4.95E-07
hsa-let-7g-5p	DNMT3B	0.156	2.51E-07
hsa-miR-30e-5p	DNMT3B	0.199	3.75E-11

图5 上游miRNAr的表达与生存分析注：A=hsa-miR-30a-5p在乳腺癌和正常组织中的表达；B=hsa-let-7b-5p在乳腺癌和正常组织中的表达；C=hsa-miR-30a-5p的生存分析；D=hsa-let-7b-5p的生存分析。

图6 药物敏感性分析

图7 免疫分析注：A=肿瘤微环境（TME）评分；B=浸润免疫细胞相关性；C=肿瘤突变负荷与DNMT3B的表达相关性；D=免疫检查点分析。

［1］	Bray F，Laversanne M，Sung H，et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries［J］. CA: a cancer journal for clinicians，2024，74（3）: 229-263.
［2］	Fan L，Strasser-Weippl K，Li JJ，et al. Breast cancer in China［J］. The Lancet Oncology，2014，15（7）: e279-e289.
［3］	Jokhadze N，Das A，Dizon DS. Global cancer statistics: A healthy population relies on population health［J］. CA: a cancer journal for clinicians，2024，74（3）: 224-226.
［4］	Mcdonald ES，Clark AS，Tchou J，et al. Clinical Diagnosis and Management of Breast Cancer［J］. Journal of nuclear medicine: official publication，Society of Nuclear Medicine，2016，57Suppl 1: 9s-16s.
［5］	Hayes DF. Tumor markers for breast cancer［J］. Annals of oncology: official journal of the European Society for Medical Oncology，1993，4（10）: 807-819.
［6］	Chen Z，Zhang Y. Role of Mammalian DNA Methyltransferases in Development［J］. Annual review of biochemistry，2020，89: 135-158.
［7］	Schmittgen TD，Livak KJ. Analyzing real-time PCR data by the comparative C（T）method［J］. Nature protocols，2008，3（6）: 1101-1108.
［8］	Jézéquel P，Campone M，Gouraud W，et al. bc-GenExMiner: an easy-to-use online platform for gene prognostic analyses in breast cancer［J］. Breast cancer research and treatment，2012，131（3）: 765-775.
［9］	Goldman MJ，Craft B，Hastie M，et al. Visualizing and interpreting cancer genomics data via the Xena platform［J］. Nature biotechnology，2020，38（6）: 675-678.
［10］	Chandrashekar DS，Karthikeyan SK，Korla PK，et al. UALCAN: An update to the integrated cancer data analysis platform［J］. Neoplasia（New York，NY），2022，25: 18-27.
［11］	Szklarczyk D，Gable A L，Lyon D，et al. STRING v11: protein-protein association networks with increased coverage，supporting functional discovery in genome-wide experimental datasets［J］. Nucleic acids research，2019，47（D1）: D607-D613.
［12］	Li J H，Liu S，Zhou H，et al. starBase v2.0: decoding miRNA-ceRNA，miRNA-ncRNA and protein-RNA interaction networks from large-scale CLIP-Seq data［J］. Nucleic acids research，2014，42（Database issue）: D92-97.
［13］	Duijf P HG，Nanayakkara D，Nones K，et al. Mechanisms of Genomic Instability in Breast Cancer［J］. Trends in molecular medicine，2019，25（7）: 595-611.
［14］	Pereira B，Chin SF，Rueda OM，et al. The somatic mutation profiles of 2,433 breast cancers refines their genomic and transcriptomic landscapes［J］. Nature communications，2016，7: 11479.
［15］	Ali Syeda Z，Langden SSS，Munkhzul C，et al. Regulatory Mechanism of MicroRNA Expression in Cancer［J］. International journal of molecular sciences，2020，21（5）:1273.
［16］	Dragomir MP，Knutsen E，Calin GA. Classical and noncanonical functions of miRNAs in cancers［J］. Trends in genetics: TIG，2022，38（4）: 379-394.
［17］	Xiao Y，Yu D. Tumor microenvironment as a therapeutic target in cancer［J］. Pharmacology &therapeutics，2021，221: 107753.
［18］	王剑锋，高磊，周天，等. 基质细胞在肿瘤微环境中作用的研究进展［J］,癌症进展,2020，18（14）: 1417-1423.
［19］	Klement JD，Paschall AV，Redd PS，et al. An osteopontin/CD44 immune checkpoint controls CD8+ T cell activation and tumor immune evasion［J］. The Journal of clinical investigation，2018，128（12）: 5549-5560.
［20］	Fröhlich A，Loick S，Bawden EG，et al. Comprehensive analysis of tumor necrosis factor receptor TNFRSF9（4-1BB）DNA methylation with regard to molecular and clinicopathological features，immune infiltrates，and response prediction to immunotherapy in melanoma［J］. EBioMedicine，2020，52: 102647.
［21］	Siegel RL，Miller KD，Wagle NS，et al. Cancer statistics，2023［J］. CA: a cancer journal for clinicians，2023，73（1）: 17-48.

[1]	李洋, 蔡金玉, 党晓智, 常婉英, 巨艳, 高毅, 宋宏萍. 基于深度学习的乳腺超声应变弹性图像生成模型的应用研究[J]. 中华医学超声杂志（电子版）, 2024, 21(06): 563-570.
[2]	丁丁, 杨云川, 马翔, 马中正, 霍俊一, 周磊. 术前C-反应蛋白-白蛋白-淋巴细胞比值在肝细胞癌预后中的价值评估[J]. 中华普通外科学文献(电子版), 2024, 18(04): 261-265.
[3]	梁孟杰, 朱欢欢, 王行舟, 江航, 艾世超, 孙锋, 宋鹏, 王萌, 刘颂, 夏雪峰, 杜峻峰, 傅双, 陆晓峰, 沈晓菲, 管文贤. 联合免疫治疗的胃癌转化治疗患者预后及术后并发症分析[J]. 中华普外科手术学杂志(电子版), 2024, 18(06): 619-623.
[4]	孙建娜, 孔令军, 任崇禧, 穆坤, 王晓蕊. 266例首诊Ⅳ期乳腺癌手术患者预后分析[J]. 中华普外科手术学杂志(电子版), 2024, 18(05): 502-505.
[5]	袁庆港, 刘理想, 张亮, 周世振, 高波, 丁超, 管文贤. 尿素-肌酐比值（UCR）可预测结直肠癌患者术后的长期预后[J]. 中华普外科手术学杂志(电子版), 2024, 18(05): 506-509.
[6]	黄福, 王黔, 金相任, 唐云川. VEGFR2、miR-27a-5p在胃癌组织中的表达与临床病理参数及预后的关系研究[J]. 中华普外科手术学杂志(电子版), 2024, 18(05): 558-561.
[7]	张瑜, 姜梦妮. 基于DWI信号值构建局部进展期胰腺癌放化疗生存获益预测模型[J]. 中华肝脏外科手术学电子杂志, 2024, 13(05): 657-664.
[8]	伍细蓉, 徐立文, 陈亚琼. 基于LPR和FARI构建肝衰竭患者生存预后模型[J]. 中华肝脏外科手术学电子杂志, 2024, 13(05): 675-681.
[9]	刘军, 丘文静, 孙方昊, 李松盈, 易述红, 傅斌生, 杨扬, 罗慧. 在体与离体劈离式肝移植在儿童肝移植中的应用比较[J]. 中华肝脏外科手术学电子杂志, 2024, 13(05): 688-693.
[10]	杨秀君, 崔梦莹, 刘水, 盛基尧, 张丹. 基于SEER数据库胰头部胰腺神经内分泌癌患者预后列线图构建与验证[J]. 中华肝脏外科手术学电子杂志, 2024, 13(04): 520-525.
[11]	李素娟, 王文玲, 董洪敏, 李小凯, 黄思成, 王刚. 多原发与单原发大肠腺癌的预后分析[J]. 中华消化病与影像杂志(电子版), 2024, 14(05): 407-412.
[12]	孙文恺, 沈青, 杭丽, 张迎春. 纤维蛋白原与清蛋白比值、中性粒细胞与白蛋白比值、C反应蛋白与溃疡性结肠炎病情评估和预后的关系[J]. 中华消化病与影像杂志(电子版), 2024, 14(05): 426-431.
[13]	唐诗, 薛传优, 叶兴, 张鸿举, 戴瑞. 急性病毒性肝炎患者血脂、血糖、蛋白、尿酸变化特点及其与预后的关联[J]. 中华消化病与影像杂志(电子版), 2024, 14(05): 396-399.
[14]	郭曌蓉, 王歆光, 刘毅强, 何英剑, 王立泽, 杨飏, 汪星, 曹威, 谷重山, 范铁, 李金锋, 范照青. 不同亚型乳腺叶状肿瘤的临床病理特征及预后危险因素分析[J]. 中华临床医师杂志(电子版), 2024, 18(06): 524-532.
[15]	闫战涛, 王辉, 周梓迪, 史勇强, 陈铜兵. 胃淋巴上皮瘤样癌三级淋巴结构特征及其与预后的相关性[J]. 中华临床医师杂志(电子版), 2024, 18(05): 455-461.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Relationship between DNMT3B and prognosis of breast cancer and its biological mechanism

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Relationship between DNMT3B and prognosis of breast cancer and its biological mechanism