Онкология
Поиск новых генов-мишеней микроРНК для дифференциальной диагностики доброкачественных и злокачественных новообразований щитовидной железы методами in silico
В.В.Конончук1,2,3, Е.В.Копейкина1, Т.С.Калинина1, О.В.Саик3, Е.Ю.Алексеенок1, М.К.Колягина1,4, В.А.Маташова4, С.П.Шевченко4, Л.Ф.Гуляева1,4, Н.Е.Кушлинский5 - 224-230
1ФГБНУ Федеральный исследовательский центр фундаментальной и трансляционной медицины, Новосибирск, РФ; 2ФГБУ НМИЦ им. акад. Е.Н.Мешалкина Минздрава России, Новосибирск; 3НИИКЭЛ — филиал ФГБНУ ФИЦ Институт цитологии и генетики СО РАН, Новосибирск, РФ; 4ФГАОУ ВО Новосибирский национальный исследовательский государственный университет, Новосибирск, РФ; 5ФГБУ НМИЦ онкологии им. Н.Н.Блохина Минздрава России, Москва
Дифференциальная диагностика новообразований щитовидной железы, особенно фолликулярного рака и фолликулярной аденомы на дооперационном этапе, является актуальной проблемой современной онкотиреодологии. Методами in silico проведён поиск потенциальных маркеров, являющихся генами-мишенями микроРНК. Составлен список из 19 микроРНК, экспрессия которых меняется в зависимости от типа новообразований щитовидной железы. Для данных микроРНК отобраны гены-мишени с учётом тканеспецифичности и ассоциации с заболеваниями щитовидной железы. Выбрано 9 генов-мишеней (МСМ2, RASSF2, SPAG9, SSTR2, TP53BP1, INPP4B, CCDC80, GNAS, PLK1), которые согласно данным литературы могут рассматриваться в качестве перспективных маркеров. Также было найдено 6 новых потенциальных маркеров (CDK4, FGFR1, ERBB3, EGR1, MYLK, SRC) фолликулярного рака и фолликулярной аденомы щитовидной железы. Предложенный алгоритм с использованием различных биоинформатических инструментов позволяет выявить потенциальные маркеры для дифференциальной диагностики новообразований щитовидной железы.
Ключевые слова: фолликулярная аденома; рак щитовидной железы; микроРНК; ген-мишень, биоинформатика
Адрес для корреспонденции: kne3108@gmail.com Кушлинский Н.Е.
DOI: 10.47056/0365-9615-2022-173-2-224-230
Search for new target genes of microRNA for differential diagnostics of benign and malignant thyroid neoplasms of the thyroid gland by in silico methods
V. V. Kononchuk1,2,3, E. V. Kopeikina1, T. S. Kalinina1, O. V. Saik3, E. Yu. Alekseenok1, M. K. Kolyagina1,4, V. A. Matashova4, S. P. Shevchenko4, L. F. Gulyaeva1,4, and N. E. Kushlinsky5
1Federal Research Center of Fundamental and Translational Medicine, Novosibirsk, Russia; 2E. N. Meshalkin National Medical Research Center, Ministry of the Health of the Russian Federation, Novosibirsk, Russia; 3Research Institute of Clinical and Experimental Lymphology — Branch of Federal Research Center Institute of Cytology and Genetics, Siberian Division of the Russian Academy of Sciences, Novosibirsk, Russia; 4Novosibirsk National Research State University, Novosibirsk, Russia; 5N. N. Blokhin National Medical Research Center of Oncology, Ministry of Health of the Russian Federation, Moscow, Russia
Differential diagnosis of neoplasms of the thyroid gland is a popular problem in modern oncothyroidology. This is especially true for the diagnosis of follicular thyroid cancer and follicular thyroid adenoma at the preoperative stage. In this study, in silico methods were used to search for potential markers that are microRNA target genes. A list of 19 microRNAs was compiled, the expression of which varies depending on the type of thyroid neoplasms. For these microRNAs, target genes were selected taking into account tissue specificity and association with thyroid diseases. Selected 9 target genes (MCM2, RASSF2, SPAG9, SSTR2, TP53BP1, INPP4B, CCDC80, GNAS, PLK1), which can be considered as promising markers according to literature data. Also, for the first time, 6 new potential markers (CDK4, FGFR1, ERBB3, EGR1, MYLK, SRC) were found, which make it possible to distinguish between follicular thyroid cancer and follicular thyroid adenoma. The proposed algorithm using various bioinformatics tools allows us to identify potential markers for the differential diagnosis of thyroid neoplasms.
Key Words: follicular adenoma; thyroid cancer; microRNA; target gene; bioinformatics