Unraveling the molecular mechanisms of irisin in liver cancer through network toxicology and molecular docking strategies

Technische Zusammenfassung: Entschlüsselung der molekularen Mechanismen von Irisin bei Leberkrebs

Problemstellung
Das hepatozelluläre Karzinom (HCC) bleibt weltweit eine führende Ursache für krebsbedingte Sterblichkeit und wird oft in fortgeschrittenen Stadien diagnostiziert, in denen kurative Optionen begrenzt sind. Während Bewegung bekanntlich das Krankheitsrisiko senkt und die Lebensqualität verbessert, bleiben die spezifischen molekularen Mechanismen, durch die durch Bewegung induzierte Myokine, insbesondere Irisin, die HCC-Pathogenese modulieren, unzureichend charakterisiert. Die bestehende Literatur präsentiert widersprüchliche Beweise hinsichtlich der Rolle von Irisin bei HCC: Einige Studien deuten darauf hin, dass es die Proliferation und Migration über den PI3K/Akt-Signalweg verstärkt, während andere keinen Effekt oder sogar eine Herunterregulierung in Tumorgeweben berichten. Darüber hinaus gibt es keinen Konsens über die Irisin-Expressionswerte in HCC-Geweben im Vergleich zu Normalkontrollen. Diese Studie zielt darauf ab, diese Inkonsistenzen zu lösen, indem sie unter Verwendung eines systembiologischen Ansatzes die potenziellen molekularen Ziele und Signalwege von Irisin in HCC umfassend identifiziert.

Methodik
Die Studie verwendete eine mehrstufige Bioinformatik-Pipeline, die Netzwerktoxikologie und molekulares Docking integriert:

1. Zielgen-Sammlung:

   • Irisin-Targets: Potenzielle humane Zielgene, die durch Irisin moduliert werden, wurden aus den Datenbanken SwissTargetPrediction, ChEMBL und STITCH abgerufen.
   • HCC-Targets: Gene, die mit Leberkrebs assoziiert sind, wurden aus GeneCards und OMIM kuratiert.
   • Differentielle Expression: RNA-Seq-Daten aus der TCGA-LIHC-Kohorte (374 Tumor- und 50 Normalproben) wurden mittels DESeq2 analysiert, um differenziell exprimierte Gene (DEGs) zu identifizieren (Cutoff: adj. P < 0,05, |log₂FC| > 1).
   • Schnittmenge: Die Schnittmenge aus Irisin-Targets, HCC-assoziierten Genen und TCGA-abgeleiteten DEGs ergab 93 potenzielle Zielgene.

2. Netzwerkkonstruktion und Identifizierung von Hub-Genen:

   • Ein Protein-Protein-Interaktionsnetzwerk (PPI) wurde unter Verwendung der STRING-Datenbank (Konfidenzwert > 0,4) konstruiert und in Cytoscape visualisiert.
   • Modulanalyse: Das MCODE-Plugin identifizierte das kritischste Subnetzwerk.
   • Hub-Selektion: Fünf Algorithmen (Degree, Betweenness, Closeness, MNC, Radiality) innerhalb des cytoHubba-Plugins wurden verwendet, um Gene zu ranken. Die Schnittmenge der Top-Gene aus diesen Algorithmen definierte die endgültigen „Hub-Gene“.

3. Prognostische Modellierung:

   • Ein Risikoscore-Modell wurde basierend auf den Expressionslevels der identifizierten Hub-Gene mittels multivariater Cox-Regression konstruiert.
   • Patienten wurden in Hochrisiko- und Niedrigrisikogruppen stratifiziert. Kaplan-Meier-Überlebensanalysen und ROC-Kurven wurden verwendet, um die prognostische Genauigkeit zu bewerten.
   • Die multivariate Cox-Regression bewertete den Risikoscore als unabhängigen prognostischen Faktor neben klinischen Variablen (Alter, Stadium, Geschlecht).

4. Funktionelle und Pathway-Anreicherung:

   • GO-, KEGG-, Reactome- und Disease Ontology (DO)-Analysen wurden unter Verwendung der Pakete clusterProfiler und ReactomePA durchgeführt, um biologische Prozesse und Signalwege zu erläutern.

5. Validierung durch molekulares Docking:

   • Proteinstrukturen für die Hub-Gene wurden mittels AlphaFold 3 vorhergesagt.
   • Molekulare Docking-Simulationen (AutoDock Vina) wurden durchgeführt, um die Bindungsaffinität zwischen Irisin und den Hub-Proteinen zu evaluieren. Die Bindungsenergien wurden berechnet, um die Interaktionsstabilität zu bewerten.

Wichtigste Ergebnisse

• Identifizierung von Targets: Die Studie identifizierte 93 potenzielle Targets, die Irisin mit HCC verknüpfen.
• Hub-Gene: Acht zentrale Hub-Gene wurden identifiziert: RACGAP1, BIRC5, NEK2, UBE2C, TYMS, EZH2, AURKB und CDK1. Alle acht Gene waren in HCC-Geweben signifikant hochreguliert und mit einer schlechten Prognose assoziiert (Hazard Ratio > 1). Obwohl AURKA anfänglich in der Schnittmengenanalyse hervorgehoben wurde, wurde es aus dem endgültigen Kerngensatz ausgeschlossen, während die verbleibenden acht Gene beibehalten wurden.
• Prognostischer Wert: Die Irisin-basierte Risikosignatur diente als unabhängiger prognostischer Faktor für HCC-Patienten, unabhängig von Alter, Stadium und Geschlecht. Hochrisikopatienten zeigten ein signifikant schlechteres Gesamtüberleben (p < 0,001). Das Modell zeigte eine moderate Vorhersagekapazität mit AUC-Werten von 0,76 (1 Jahr), 0,66 (3 Jahre) und 0,582 (5 Jahre).
• Funktionelle Mechanismen: Die Anreicherungsanalyse ergab, dass Irisin-bezogene Targets potenziell an vier Mechanismen der Irisin-induzierten HCC beteiligt sind:
  • Mitotische Stabilität: Regulierung der Spindelmikrotubuli-Anheftung an Kinetochoren und der Schwesterchromatid-Segregation.
  • Zellzyklus-Dysregulation: Beteiligung am Übergang der G2/M-Phase und am APC/C-vermittelten Abbau von Zellzyklusproteinen.
  • Onkogene Aktivität: Verstärkung der Protein-Serin/Threonin-Kinase-Aktivität und der Chaperon-Bindung.
  • Zellviabilität: Förderung des Tumorwachstums und Resistenz gegenüber Chemotherapeutika (z. B. Antifolat-Resistenz).
• Molekulares Docking: Alle acht Hub-Proteine zeigten starke Bindungsaffinitäten zu Irisin. Sieben Proteine wiesen Bindungsenergien unter −7,2 kcal/mol auf, während RACGAP1 eine Bindungsenergie von −6,8 kcal/mol zeigte, was auf eine robuste Bindungsstabilität und eine hohe Affinität zu allen Targets hindeutet.

Bedeutung und Ansprüche
Die Autoren behaupten, dass diese Studie eine systemische Perspektive auf die Rolle von Irisin bei HCC bietet und über inkonsistente Einzelgen-Berichte hinaus zu einem netzwerkbasierten Verständnis führt. Die primären Beiträge sind:

1. Identifizierung von Kern-Targets: Die Studie deckt acht spezifische Hub-Gene (RACGAP1, BIRC5, NEK2, UBE2C, TYMS, EZH2, AURKB, CDK1) auf, die entscheidend für die Irisin-vermittelte HCC-Progression sind.
2. Mechanistischer Einblick: Sie identifiziert vier potenzielle Mechanismen: chromosomale Instabilität/Aneuploidie während der Mitose, Zellzyklus-Dysregulation, Verstärkung der onkogenen Proteinfunktion und erhöhte Krebszellviabilität.
3. Prognostisches Werkzeug: Die Irisin-bezogene 8-Gen-Signatur wurde als unabhängiger prognostischer Indikator für das Überleben der Patienten validiert.
4. Therapeutisches Potenzial: Die durch molekulares Docking bestätigten starken Bindungsaffinitäten legen nahe, dass diese Hub-Proteine lebensfähige Ziele für zukünftige Therapiestrategien sind.

Limitierungen und Bescheidenheit
Die Autoren räumen explizit ein, dass es sich um eine computergestützte Studie handelt. Sie stellen fest, dass:

• Target-Datensätze aus verschiedenen Datenbanken aufgrund unterschiedlicher Vorhersagealgorithmen und Standards unter Heterogenität leiden können.
• Die Bindungsinteraktionen in silico vorhergesagt wurden und einer experimentellen Validierung bedürfen, um die tatsächliche Affinität zu bestätigen.
• Nicht alle identifizierten Mechanismen wurden im Kontext von Irisin-induziertem HCC experimentell verifiziert.
• Die Studie eine rigorose experimentelle Validierung fordert, um die präzise Rolle von Irisin in der HCC-Pathogenese vollständig zu klären.

Zusammenfassend lässt die Arbeit darauf schließen, dass Irisin potenziell die HCC-Progression durch spezifische Mitose- und Zellzyklus-Wege reguliert, die durch acht Hub-Gene vermittelt werden. Dies bietet einen neuen Rahmen für das Verständnis der Hepatokarzinogenese und die Identifizierung potenzieller Ziele zur Prävention und Behandlung, vorbehaltlich der experimentellen Bestätigung.