Возможности дифференциальной диагностики фолликулярных неоплазий щитовидной железы путем анализа малых некодирующих РНК
pdf

Ключевые слова

фолликулярный рак щитовидной железы
дооперационная диагностика
глубокое секвенирование
микроРНК
пиРНК

Как цитировать

Бандык, Я. . А., Князева, М. С., Гаранин, А. Ю., Кацуба, К. Е., Забегина, Л. М., Шаронова, Т. В., Шалаев, А. В., Гринькова, Е. Я., Плевако, Д. С., Нюганен, А. О., Полковникова, И. А., Артемьева, А. С., Апалько, С. В., Щербак, С. Г., & Малек, А. В. (2024). Возможности дифференциальной диагностики фолликулярных неоплазий щитовидной железы путем анализа малых некодирующих РНК. Вопросы онкологии, 70(2), 189–201. https://doi.org/10.37469/0507-3758-2024-70-2-189-201

Аннотация

Введение. Дооперационная дифференциальная диагностика узловых образований щитовидной железы, имеющих фолликулярную структуру, является не тривиальной задачей в силу отсутствия объективных признаков злокачественности. Это стимулирует исследования с целью поиска молекулярных маркеров фолликулярного рака и разработку диагностических тест-систем. Малые регуляторные РНК — группа молекул, выполняющих разные биологические функции, но имеющих сходную биохимическую структуру. Количественный анализ разных представителей этой группы может быть проведен одновременно с помощью идентичной технологии. Это определяет возможность комплексной оценки биологии клеток в составе анализируемого биоптата и разработки новых диагностических критериев. Целью исследования был сравнительный анализ профиля экспрессии малых РНК в клетках фолликулярной карциномы и фолликулярной аденомы щитовидной железы.

Материалы и методы. В исследование были включены образцы ткани фолликулярной карциномы (ФК, n = 12) и доброкачественной фолликулярной аденомы (ФА, n = 12) щитовидной железы, полученные после проведения тиреоидэктомии и гистологического исследования. Анализ профиля экспрессии коротких РНК был проведен методом глубокого секвенирования.

Результаты. Экспрессия (концентрация) транспортных РНК (tRNA), малых ядерных РНК (snRNA) и большой группы неклассифицированных молекул (miscRNA) повышена в клетках фолликулярной карциномы щитовидной железы, по сравнению с клетками фолликулярной аденомы, но диагностический потенциал отдельных молекул относительно невысокий. Тотальные концентрации молекул микроРНК (miRNA) оказались сопоставимы в группах ФК и ФА, анализ «реципрокных пар» маркерных молекул позволяет дифференцировать ФК и ФА с высокой степенью вероятности (AUC: 0,94-0,98). Тотальное количество молекул пиРНК (piwiRNA) оказались несколько выше в образцах ФК, анализ «реципрокных пар» маркерных молекул позволяет уверенно дифференцировать ФК и ФА (AUC: 1,00).

Выводы. Анализ концентрации маркерных молекул микроРНК (miRNA) и пиРНК (piwiRNA) в материале тонкоигольной аспирационной биопсии представляется перспективным методом дополнительной диагностики узловых образований щитовидной железы, имеющих фолликулярную структуру.

https://doi.org/10.37469/0507-3758-2024-70-2-189-201
Загрузок: 106
Просмотров: 163
pdf

Библиографические ссылки

Воробьев С.Л. Морфологическая диагностика заболеваний щитовидной железы: (цитология для патологов, патология для цитологов). Санкт-Петербург. Коста. 2014.

[Vorobyov S.L. Morphological diagnostics of thyroid diseases: (cytology for pathologists, pathology for cytologists). Saint Petersburg. Kosta. 2014. (In Rus)].

Bongiovanni M., Spitale A., Faquin W.C., et al. The Bethesda system for reporting thyroid cytopathology: a meta-analysis. Acta Cytol. 2012; 56(4): 333-9.-DOI: https://doi.org/10.1159/000339959.

Cibas ES, Ali SZ. The 2017 Bethesda system for reporting thyroid cytopathology. Thyroid. 2017; 27(11): 1341-1346.-DOI: https://doi.org/10.1089/thy.2017.0500.

Ali S.Z., Baloch Z.W., Cochand-Priollet B., et al. The 2023 Bethesda system for reporting thyroid cytopathology. Thyroid. 2023; 33(9): 1039-1044.-DOI: https://doi.org/10.1089/thy.2023.0141.

Li W., Song Q., Lan Y., et al. The value of sonography in distinguishing follicular thyroid carcinoma from adenoma. Cancer Manag Res. 2021; 13: 3991-4002.-DOI: https://doi.org/10.2147/CMAR.S307166.

Kuo T.C., Wu M.H., Chen K.Y., et al. Ultrasonographic features for differentiating follicular thyroid carcinoma and follicular adenoma. Asian J Surg. 2020; 43(1): 339-346.-DOI: https://doi.org/10.1016/j.asjsur.2019.04.016.

Lin A.C., Liu Z., Lee J., et al. Generating a multimodal artificial intelligence model to differentiate benign and malignant follicular neoplasms of the thyroid: A proof-of-concept study. Surgery. 2024; 175(1): 121-127.-DOI: https://doi.org/10.1016/j.surg.2023.06.053.

Daniels G.H. Follicular thyroid carcinoma: a perspective. Thyroid. 2018; 28(10): 1229-1242.-DOI: https://doi.org/10.1089/thy.2018.0306.

Weber F., Shen L., Aldred M.A., et al. Genetic classification of benign and malignant thyroid follicular neoplasia based on a three-gene combination. J Clin Endocrinol Metab. 2005; 90(5): 2512-21-DOI: https://doi.org/10.1210/jc.2004-2028.

Borup R., Rossing M., Henao R., et al. Molecular signatures of thyroid follicular neoplasia. Endocr Relat Cancer. 2010; 17(3): 691-708.-DOI: https://doi.org/10.1677/ERC-09-0288.

Lassalle S., Hofman V., Ilie M., et al. Can the microRNA signature distinguish between thyroid tumors of uncertain malignant potential and other well-differentiated tumors of the thyroid gland? Endocr Relat Cancer. 2011; 18(5): 579-94.-DOI: https://doi.org/10.1530/ERC-10-0283.

Nikiforova M.N., Wald A.I., Roy S., et al. Targeted next-generation sequencing panel (ThyroSeq) for detection of mutations in thyroid cancer. J Clin Endocrinol Metab. 2013; 98(11): E1852-60.-DOI: https://doi.org/10.1210/jc.2013-2292.

Stokowy T., Wojtas B., Jarzab B., et al. Two-miRNA classifiers differentiate mutation-negative follicular thyroid carcinomas and follicular thyroid adenomas in fine needle aspirations with high specificity. Endocrine. 2016; 54(2): 440-447.-DOI: https://doi.org/10.1007/s12020-016-1021-7.

Dom G., Frank S., Floor S., et al. Thyroid follicular adenomas and carcinomas: molecular profiling provides evidence for a continuous evolution. Oncotarget. 2017; 9(12): 10343-10359.-DOI: https://doi.org/10.18632/oncotarget.23130.

Wojtas B., Pfeifer A., Oczko-Wojciechowska M., Krajewska J, et al. Gene expression (mRNA) markers for differentiating between malignant and benign follicular thyroid tumours. Int J Mol Sci. 2017; 18(6): 1184.-DOI: https://doi.org/10.3390/ijms18061184.

Jung C.K., Kim Y., Jeon S., et al. Clinical utility of EZH1 mutations in the diagnosis of follicular-patterned thyroid tumors. Hum Pathol. 2018; 81: 9-17.-DOI: https://doi.org/10.1016/j.humpath.2018.04.018.

Rossing M., Borup R., Henao R., et al. Down-regulation of microRNAs controlling tumourigenic factors in follicular thyroid carcinoma. J Mol Endocrinol. 2012; 48(1): 11-23.-DOI: https://doi.org/10.1530/JME-11-0039.

Duan H., Liu X., Ren X., et al. Mutation profiles of follicular thyroid tumors by targeted sequencing. Diagn Pathol. 2019; 14(1): 39.-DOI: https://doi.org/10.1186/s13000-019-0817-1.

Knyazeva M., Korobkina E., Karizky A., et al. Reciprocal dysregulation of MiR-146b and MiR-451 contributes in malignant phenotype of follicular thyroid tumor. Int J Mol Sci. 2020; 21(17): 5950.-DOI: https://doi.org/10.3390/ijms21175950.

Hossain M.A., Asa T.A., Rahman M.M., et al. Network-based genetic profiling reveals cellular pathway differences between follicular thyroid carcinoma and follicular thyroid adenoma. Int J Environ Res Public Health. 2020; 17(4): 1373.-DOI: https://doi.org/10.3390/ijerph17041373.

Paulsson J.O., Rafati N., DiLorenzo S., et al. Whole-genome sequencing of follicular thyroid carcinomas reveal recurrent mutations in microRNA processing subunit DGCR8. J Clin Endocrinol Metab. 2021; 106(11): 3265-3282.-DOI: https://doi.org/10.1210/clinem/dgab471.

Титов С.Е., Лукьянов С.А., Сергийко С.В., et al. Проблемы диагностики фолликулярного рака щитовидной железы. Опухоли головы и шеи. 2023; 13(3): 10-23.-DOI: https://doi.org/10.17650/2222-1468-2023-13-3-10-23.

[Titov S.E., Lukyanov S.A., Sergiyko S.V., et al. Problems of follicular thyroid carcinoma diagnostics. Head and Neck Tumors (HNT). 2023; 13(3): 10-23.-DOI: https://doi.org/10.17650/2222-1468-2023-13-3-10-23. (In Rus)].

Titov S.E., Ivanov M.K., Demenkov P.S., et al. Combined quantitation of HMGA2 mRNA, microRNAs, and mitochondrial-DNA content enables the identification and typing of thyroid tumors in fine-needle aspiration smears. BMC Cancer. 2019; 19(1): 1010.

Kniazeva M., Zabegina L., Shalaev A., et al. NOVAprep-miR-Cervix: new method for evaluation of cervical dysplasia severity based on analysis of six miRNAs. Int J Mol Sci. 2023; 24(11): 9114.-DOI: https://doi.org/10.3390/ijms24119114.

Wingett S.W., Andrews S. FastQ Screen: A tool for multi-genome mapping and quality control. F1000Res. 2018; 7: 1338.-DOI: https://doi.org/10.12688/f1000research.15931.2.

Fehlmann T., Kern F., Laham O., et al. miRMaster 2.0: multi-species non-coding RNA sequencing analyses at scale. Nucleic Acids Res. 2021; 49(W1): W397-W408.-DOI: https://doi.org/10.1093/nar/gkab268.

Kozomara A., Birgaoanu M., Griffiths-Jones S. miRBase: from microRNA sequences to function. Nucleic Acids Res. 2019; 47(D1): D155-D162.-DOI: https://doi.org/10.1093/nar/gky1141.

Kozomara A., Griffiths-Jones S. miRBase: annotating high confidence microRNAs using deep sequencing data. Nucleic Acids Res. 2014; 42(Database issue): D68-73.-DOI: https://doi.org/10.1093/nar/gkt1181.

Yates A.D., Achuthan P., Akanni W., et al. Ensembl 2020. Nucleic Acids Res. 2020; 48(D1): D682-D688.-DOI: https://doi.org/10.1093/nar/gkz966.

Sweeney B.A., Petrov A.I., Ribas C.E., et al. RNAcentral Consortium. RNAcentral 2021: secondary structure integration, improved sequence search and new member databases. Nucleic Acids Res. 2021; 49(D1): D212-D220.-DOI: https://doi.org/10.1093/nar/gkaa921.

Thornlow B.P., Armstrong J., Holmes A.D., et al. Predicting transfer RNA gene activity from sequence and genome context. Genome Res. 2020; 30(1): 85-94.-DOI: https://doi.org/10.1101/gr.256164.119.

Zhao Y., Li H., Fang S., et al. NONCODE 2016: an informative and valuable data source of long non-coding RNAs. Nucleic Acids Res. 2016; 44(D1): D203-8.-DOI: https://doi.org/10.1093/nar/gkv1252.

Glažar P., Papavasileiou P., Rajewsky N. circBase: a database for circular RNAs. RNA. 2014; 20(11): 1666-70.-DOI: https://doi.org/10.1261/rna.043687.113.

Walter N.G. Are non-protein coding RNAs junk or treasure? An attempt to explain and reconcile opposing viewpoints of whether the human genome is mostly transcribed into non-functional or functional RNAs. Bioessays. 2024; 46(4): e2300201.-DOI: https://doi.org/10.1002/bies.202300201.

Palazzo A.F., Lee E.S. Non-coding RNA: what is functional and what is junk? Front Genet. 2015; 6.-DOI: https://doi.org/10.3389/fgene.2015.00002.

Valadkhan S., Gunawardane L.S. Role of small nuclear RNAs in eukaryotic gene expression. Essays Biochem. 2013; 54: 79-90.-DOI: https://doi.org/10.1042/bse0540079.

Pinkard O., McFarland S., Sweet T., Coller J. Quantitative tRNA-sequencing uncovers metazoan tissue-specific tRNA regulation. Nat Commun. 2020; 11(1): 4104.-DOI: https://doi.org/10.1038/s41467-020-17879-x.

Torres A.G. Enjoy the silence: nearly half of human tRNA genes are silent. Bioinform Biol Insights. 2019; 13: 1177932219868454.-DOI: https://doi.org/10.1177/1177932219868454.

Yu M., Lu B., Zhang J., et al. tRNA-derived RNA fragments in cancer: current status and future perspectives. J Hematol Oncol. 2020; 13(1): 121.-DOI: https://doi.org/10.1186/s13045-020-00955-6.

Ren D., Mo Y., Yang M., et al. Emerging roles of tRNA in cancer. Cancer Lett. 2023; 563: 216170.-DOI: https://doi.org/10.1016/j.canlet.2023.216170.

Ozata D.M., Gainetdinov I., Zoch A., et al. PIWI-interacting RNAs: small RNAs with big functions. Nat Rev Genet. 2019; 20(2): 89-108.-DOI: https://doi.org/10.1038/s41576-018-0073-3.

Yuan C., Qin H., Ponnusamy M., et al. PIWI‑interacting RNA in cancer: Molecular mechanisms and possible clinical implications (Review). Oncol Rep. 2021; 46(3): 209.-DOI: https://doi.org/10.3892/or.2021.8160.

Yao J., Xie M., Ma X., et al. PIWI-interacting RNAs in cancer: Biogenesis, function, and clinical significance. Front Oncol. 2022; 12: 965684.-DOI: https://doi.org/10.3389/fonc.2022.965684.

Zhang Z., Liu N. PIWI interacting RNA-13643 contributes to papillary thyroid cancer development through acting as a novel oncogene by facilitating PRMT1 mediated GLI1 methylation. Biochim Biophys Acta Gen Subj. 2023; 1867(11): 130453.-DOI: https://doi.org/10.1016/j.bbagen.2023.130453.

Chang Z., Ji G., Huang R., et al. PIWI-interacting RNAs piR-13643 and piR-21238 are promising diagnostic biomarkers of papillary thyroid carcinoma. Aging (Albany NY). 2020; 12(10): 9292-9310.-DOI: https://doi.org/10.18632/aging.103206.

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.

© АННМО «Вопросы онкологии», Copyright (c) 2024