编辑推荐：
当前胰腺神经内分泌肿瘤（PanNETs）的诊断生物标志物有限，难以反映其复杂性。研究人员对 PanNETs 和非患病胰腺组织进行 miR/mRNA 深度测序，构建 miR-mRNA 相互作用网络。结果发现多个相关 miR-mRNA 对，为探索其诊断和预测生物标志物奠定基础。
在人体的 “加工厂”—— 胰腺中，有一群特殊的细胞，它们如同精密的 “小工匠”，能分泌各种激素，维持身体的正常运转，这些细胞就是神经内分泌细胞。然而，当这些 “小工匠” 失控，就会引发一种名为胰腺神经内分泌肿瘤（PanNETs）的疾病。虽然 PanNETs 在所有胰腺癌中占比不到 2%，但近年来其发病率却不断上升。
目前，诊断 PanNETs 主要依靠数分裂细胞和 Ki67 标记等方法，可这些方法并不完美。Ki67 指数有时无法准确反映肿瘤的侵袭性，一些高 Ki67 的 G1/G2 期 PanNETs 患者可能因此得不到最佳治疗。而且，免疫组化检测激素和其他生物标志物在 PanNETs 评估中并非必需，肿瘤生物学和临床症状之间缺乏可靠联系。因此，寻找能更好地将肿瘤特征与患者症状联系起来的生物标志物，以有效指导治疗决策，成为当务之急。
在这样的背景下，来自 MultiplexDX、Comenius 大学科学园、Queen’s 大学等机构的研究人员开展了一项研究。他们通过对 6 个低级别 / 高风险、高分化的 PanNETs 组织样本和 7 个非患病胰腺组织样本进行深度 miR/mRNA 测序，构建 miR-mRNA 相互作用网络，以探索 PanNETs 的生物学机制，寻找新的生物标志物。该研究成果发表在《BMC Cancer》杂志上。
研究人员开展这项研究主要用到了以下关键技术方法：
- 样本采集与处理：PanNETs 组织样本由安大略肿瘤库提供，非患病胰腺组织来自 Queen’s 大学病理与分子医学系的外科病理档案库。样本经病理学家评估和分级后，进行 RNA 提取。
- RNA 测序：分别制备总 RNA 文库和小 RNA cDNA 文库，然后使用 Illumina NovaSeq 6000 平台和 Illumina NextSeq 500 平台进行测序。
- 数据分析：利用 DESeq2 和 Wilcoxon 秩和检验进行差异表达分析，通过 DAVID 注释工具进行基因本体论（GO）和京都基因与基因组百科全书（KEGG）富集分析，使用 miRDB 预测 miR-mRNA 对。
下面来看看具体的研究结果：
- mRNA 差异表达分析：通过主成分分析（PCA）发现肿瘤和非患病样本的转录组谱存在明显差异。差异表达分析确定了 1417 个差异表达基因（DEGs），GO 和 KEGG 分析表明，这些基因与消化、细胞外囊泡、离子跨膜运输等过程以及多种神经递质相关通路有关。
- 生物标志物表达与临床病理标志物的关联：RNA 测序显示，一些关键生物标志物如嗜铬粒蛋白 A（CHGA）、突触素（SYP）、生长抑素受体（SSTR1、SSTR2）等在肿瘤和非患病组织中差异表达，这表明 mRNA 表达数据可用于分析临床相关生物标志物。
- miR 差异表达分析：PCA 分析显示肿瘤和非患病样本的 miR 表达模式存在差异，共鉴定出 60 个差异表达的 miR（DEMs）。其中，miR-216 簇在肿瘤中表达较低，而 miR-670-3p、miR129-5p 和 miR-7-5p 表达较高。
- miR-mRNA 相互作用网络构建：选择 3 个最丰富和 3 个最不丰富的 miR 构建相互作用网络，发现了多个潜在的 miR-mRNA 对。这些对参与了细胞黏附分子通路、半胱氨酸和甲硫氨酸代谢等过程。
- 靶基因的 GO 和 KEGG 分析：对预测的靶基因进行分析，发现其富集在突触囊泡循环调节、胞吐作用正调节等生物过程，以及细胞黏附分子、半胱氨酸和甲硫氨酸代谢等 KEGG 通路。
研究结论和讨论部分指出，该研究通过整合 mRNA 和 miR 测序数据，构建了 PanNETs 中失调的 miR-mRNA 相互作用网络。这些网络揭示了神经内分泌功能、细胞黏附和代谢过程等相关通路的异常，为进一步研究其作为诊断和预测生物标志物的实用性提供了基础。虽然研究存在样本量小、临床数据不完整等局限性，但为后续更大规模的研究提供了思路。未来对这些 miR-mRNA 网络和差异表达基因的深入研究，有望发现新的生物标志物和治疗靶点，改善 PanNETs 患者的治疗效果。
