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

Technische Samenvatting: Het ontrafelen van de moleculaire mechanismen van irisine in leverkanker

Probleemstelling
Hepatocellulair carcinoom (HCC) blijft wereldwijd een belangrijke oorzaak van kankergerelateerde mortaliteit, waarbij de ziekte vaak wordt gediagnosticeerd in gevorderde stadia waarin curatieve opties beperkt zijn. Hoewel lichaamsbeweging bekend staat om het verminderen van het ziekterisico en het verbeteren van de kwaliteit van leven, blijven de specifieke moleculaire mechanismen waarmee door beweging geïnduceerde myokines, met name irisine, de HCC-pathogenese moduleren, slecht gekarakteriseerd. De bestaande literatuur presenteert tegenstrijdig bewijs over de rol van irisine bij HCC: sommige studies suggereren dat het proliferatie en migratie versterkt via het PI3K/Akt-pad, terwijl andere studies geen effect of zelfs een downregulatie in tumorweefsels rapporteren. Bovendien is er geen consensus over de expressieniveaus van irisine in HCC-weefsels vergeleken met normale controles. Deze studie beoogt deze inconsistenties op te lossen door de potentiële moleculaire doelwitten en signaleringsroutes van irisine in HCC uitgebreid te identificeren met behulp van een systeembiologische benadering.

Methodologie
De studie maakte gebruik van een meerstaps bioinformatica-pipeline die netwerktoxicologie en moleculaire docking integreert:

1. Doelwitverzameling:

   • Irisine-doelwitten: Potentiële menselijke doelwitgenen die door irisine worden gemoduleerd, werden opgehaald uit de SwissTargetPrediction, ChEMBL en STITCH databases.
   • HCC-doelwitten: Genen geassocieerd met leverkanker werden gecureerd uit GeneCards en OMIM.
   • Differentiële Expressie: RNA-seq data uit de TCGA-LIHC cohort (374 tumor- en 50 normale monsters) werden geanalyseerd met DESeq2 om differentieel tot expressie gebrachte genen (DEGs) te identificeren (cutoff: adj. P < 0,05, |log₂FC| > 1).
   • Intersectie: De intersectie van irisine-doelwitten, HCC-geassocieerde genen en TCGA-afgeleide DEGs leverde 93 potentiële doelwitten op.

2. Netwerkconstructie en Identificatie van Hub-genen:

   • Een eiwit-eiwitinteractie (PPI) netwerk werd geconstrueerd met behulp van de STRING-database (betrouwbaarheidsscore > 0,4) en gevisualiseerd in Cytoscape.
   • Module-analyse: De MCODE-plugin identificeerde het meest kritische subnetwerk.
   • Hub-selectie: Vijf algoritmen (Degree, Betweenness, Closeness, MNC, Radiality) binnen de cytoHubba-plugin werden gebruikt om genen te rangschikken. De intersectie van de topgenen uit deze algoritmen definieerde de uiteindelijke "hub-genen".

3. Prognostisch Modellering:

   • Een risicoscoremodel werd geconstrueerd op basis van de expressieniveaus van de geïdentificeerde hub-genen met behulp van multivariate Cox-regressie.
   • Patiënten werden gestratificeerd in hoog-risico en laag-risico groepen. Kaplan-Meier overlevingsanalyse en ROC-curves werden gebruikt om de prognostische nauwkeurigheid te evalueren.
   • Multivariate Cox-regressie beoordeelde de risicoscore als een onafhankelijke prognostische factor naast klinische variabelen (leeftijd, stadium, geslacht).

4. Functionele en Pathway Verrijking:

   • Gene Ontology (GO), KEGG, Reactome en Disease Ontology (DO) analyses werden uitgevoerd met behulp van de clusterProfiler en ReactomePA pakketten om biologische processen en routes te verduidelijken.

5. Moleculaire Docking Validatie:

   • Eiwitstructuren voor de hub-genen werden voorspeld met behulp van AlphaFold 3.
   • Moleculaire docking-simulaties (AutoDock Vina) werden uitgevoerd om de bindingsaffiniteit tussen irisine en de hub-eiwitten te evalueren. Bindingsenergieën werden berekend om de interactiestabiliteit te beoordelen.

Belangrijkste Resultaten

• Doelwitidentificatie: De studie identificeerde 93 potentiële doelwitten die irisine met HCC verbinden.
• Hub-genen: Acht kern-hub-genen werden geïdentificeerd: RACGAP1, BIRC5, NEK2, UBE2C, TYMS, EZH2, AURKB en CDK1. Alle acht genen waren significant opgereguleerd in HCC-weefsels en geassocieerd met een slechte prognose (Hazard Ratio > 1). Hoewel AURKA aanvankelijk werd benadrukt in de intersectie-analyse, werd het uitgesloten van de uiteindelijke kern-genenset, terwijl de overige acht genen werden behouden.
• Prognostische Waarde: De op irisine gebaseerde risicosignatuur diende als een onafhankelijke prognostische factor voor HCC-patiënten, onderscheidend van leeftijd, stadium en geslacht. Hoog-risico patiënten vertoonden een significant slechtere algehele overleving (p < 0,001). Het model vertoonde een matige voorspellende capaciteit met AUC-waarden van 0,76 (1-jaar), 0,66 (3-jaar) en 0,582 (5-jaar).
• Functionele Mechanismen: Verrijkingsanalyse onthulde dat irisine-gerelateerde doelwitten potentieel betrokken zijn bij vier mechanismen van irisine-geïnduceerde HCC:
  • Mitotische Stabiliteit: Regulatie van de hechting van de spoelmicrotubuli aan kinetochoren en de scheiding van zusterchromatiden.
  • Celcyclus Dysregulatie: Betrokkenheid bij de G2/M-fase transitie en APC/C-gemedieerde degradatie van celcyclus-eiwitten.
  • Oncogene Activiteit: Versterking van de proteïne serine/threonine kinase activiteit en chaperone-binding.
  • Celviabiliteit: Bevordering van tumorgroei en resistentie tegen chemotherapeutische middelen (bijv. antifolaat-resistentie).
• Moleculaire Docking: Alle acht hub-eiwitten vertoonden sterke bindingsaffiniteiten met irisine. Zeven eiwitten vertoonden bindingsenergieën onder de −7,2 kcal/mol, terwijl RACGAP1 een bindingsenergie van −6,8 kcal/mol vertoonde, wat wijst op een robuuste bindingsstabiliteit en een hoge affiniteit voor alle doelwitten.

Betekenis en Claims
De auteurs stellen dat deze studie een perspectief op systeemniveau biedt op de rol van irisine in HCC, waarbij zij verder gaan dan inconsistente enkelvoudige gen-rapportages naar een netwerkgebaseerd begrip. De primaire bijdragen zijn:

1. Identificatie van Kern-doelwitten: De studie legt acht specifieke hub-genen bloot (RACGAP1, BIRC5, NEK2, UBE2C, TYMS, EZH2, AURKB, CDK1) die cruciaal zijn in de door irisine gemedieerde HCC-progressie.
2. Mechanistisch Inzicht: Het identificeert vier potentiële mechanismen: chromosomale instabiliteit/aneuploïdie tijdens de mitose, celcyclus dysregulatie, versterking van oncogene eiwitactiviteit en verhoogde kankercel-viabiliteit.
3. Prognostisch Instrument: De op irisine gebaseerde 8-genen signature is gevalideerd als een onafhankelijke prognostische indicator voor de overleving van patiënten.
4. Therapeutisch Potentieel: De sterke bindingsaffiniteiten bevestigd door moleculaire docking suggereren dat deze hub-eiwitten levensvatbare doelwitten zijn voor toekomstige therapeutische strategieën.

Beperkingen en Bescheidenheid
De auteurs erkennen expliciet dat dit een computationele studie is. Zij merken op dat:

• Doelwit-datasets uit diverse databases kunnen lijden onder heterogeniteit vanwege verschillende voorspellingsalgoritmen en standaarden.
• De bindingsinteracties in silico zijn voorspeld en experimentele validatie vereisen om de werkelijke affiniteit te bevestigen.
• Niet alle geïdentificeerde mechanismen zijn experimenteel geverifieerd in de context van irisine-geïnduceerde HCC.
• De studie oproept tot rigoureuze experimentele validatie om de precieze rol van irisine in de HCC-pathogenese volledig te verhelderen.

Concluderend stelt het artikel dat irisine potentieel de HCC-progressie reguleert via specifieke mitotische en celcyclus-paden gemedieerd door acht hub-genen, wat een nieuw kader biedt voor het begrijpen van hepatocarcinogenese en het identificeren van doelwitten voor preventie en behandeling, in afwachting van experimentele bevestiging.