Abstract
目的
分析比较MYCN扩增型神经母细胞瘤（NB）和MYCN非扩增型NB表达mRNA的差别，筛选具有预测MYCN扩增型NB预后功能的基因并分析其对预后的预测价值。
方法
从TARGET数据库获得NB转录组数据和患儿临床资料，根据有无MYCN扩增分为MYCN扩增组（n=33）和MYCN非扩增组（n=121），对两组mRNA进行差异分析，得到差异表达基因（DEGs）。采用GO和KEGG数据库分析DEGs的主要功能。采用Cox比例风险回归模型分析影响MYCN扩增组NB预后的基因，根据风险评分的中位值分为高风险组（n=77）和低风险组（n=77），采用生存分析法比较两组生存率，ROC曲线分析风险评分对MYCN扩增型NB患儿预后的预测价值。
结果
共筛选出582个DEGs，这些DEGs参与了核糖体组成、细胞黏附蛋白的表达以及膜蛋白受体活动等重要生物功能。多因素Cox回归模型分析结果显示FLVCR2、SCN7A、PRSS12、NTRK1、XAGE1A基因对MYCN扩增组NB患儿预后具有显著性影响（均P < 0.05）。生存分析发现，高风险组的总生存率低于低风险组（P < 0.05）。ROC分析显示，风险评分对MYCN扩增组NB患儿预后有预测价值（P < 0.05），曲线下面积为0.729，最佳截断值为1.316，灵敏度为53.2%，特异度为84.4%。
结论
FLVCR2、SCN7A、PRSS12、NTRK1、XAGE1A基因的mRNA可作为预测MYCN扩增型NB预后的生物标志物，有助于细化临床危险分层。
Keywords: 神经母细胞瘤, mRNA, MYCN基因, 预后, 儿童
Abstract
Objective
To study the differentially expressed mRNAs between MYCN-amplified neuroblastoma (NB) and non-amplified NB, to screen out the genes which can be used to predict the prognosis of MYCN-amplified NB, and to analyze their value in predicting prognosis.
Methods
NB transcriptome data and the clinical data of children were obtained from the TARGET database. According to the presence or absence of MYCN amplification, the children were divided into two groups:MYCN amplification (n=33) and non-MYCN amplification (n=121). The expression of mRNAs was compared between the two groups to obtain differentially expressed genes (DEGs). Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genome (KEGG) analysis was performed to investigate the main functions of DEGs. The Cox proportional-hazards regression model analysis was used to investigate the genes influencing the prognosis of MYCN-amplified NB. The children were divided into a high-risk group (n=77) and a low-risk group (n=77) based on the median of risk score. A survival analysis was used to compare survival rate between the two groups. The receiver operating characteristic (ROC) curve was used to investigate the value of risk score in predicting the prognosis of children with MYCN-amplified NB.
Results
A total of 582 DEGs were screened out, and they were involved in important biological functions such as ribosome composition, expression of cell adhesion molecules, and activity of membrane receptor protein. The multivariate Cox regression model analysis showed that FLVCR2, SCN7A, PRSS12, NTRK1, and XAGE1A genes had a marked influence on the prognosis of the children with NB in the MYCN amplification group (P < 0.05). The survival analysis showed that the high-risk group had a significantly lower overall survival rate than the low-risk group (P < 0.05). The ROC curve analysis showed that risk score had a certain value in predicting the prognosis of the children with NB in the MYCN amplification group (P < 0.05), with an area under the ROC curve of 0.729, an optimal cut-off value of 1.316, a sensitivity of 53.2%, and a specificity of 84.4%.
Conclusions
The mRNA expression of FLVCR2, SCN7A, PRSS12, NTRK1, and XAGE1A genes can be used as biomarkers to predict the prognosis of MYCN-amplified NB, which can help to refine clinical risk stratification.
Keywords: Neuroblastoma, mRNA, MYCN gene, Prognosis, Child
神经母细胞瘤（neuroblastoma, NB）是儿童最常见的颅外实体肿瘤[1]，大量研究揭示了人类神经母细胞瘤的分子特征，包括基因组、表观基因组和转录组水平的异常[2]。约25%的NB患儿存在MYCN基因扩增，而MYCN基因的扩增和高危型风险分组、预后差有关[3]。自MYCN扩增被发现以来，越来越多的MYCN扩增型NB分子机制得到了阐释。MYCN编码的mRNA和其表达的蛋白质，参与多个基因的调控，如MYCN编码的转录因子N-myc调节下游p53、S期相关蛋白激酶2（S-phase associated kinase 2, SKP2）、双微体2（murine double minute 2, MDM2）等基因，还调节一些微小RNA（miRNA）和长链非编码RNA（lncRNA）的表达[4]。而许多基因的失调，也可导致MYCN的扩增。虽然MYCN扩增型NB的分子机制一直是研究热点，但机制非常复杂，至今仍不明确。
MYCN扩增是NB预后不良的标志[5]，但MYCN扩增型NB患者的5年生存率也可达50%[6]。所以需要确定新的生物标志物，以便更好地进行风险分层，并进一步深入了解NB的生物学基础。本文将MYCN扩增型NB和MYCN非扩增型NB表达的mRNA相比较，初步探究这些差异表达基因（differentially expressed genes, DEGs）的功能，并进一步筛选影响MYCN扩增型NB预后的基因，评估这些基因对其预后的预测价值。
1. 资料与方法
1.1. 数据来源
NB患儿临床资料和基因数据均来自TARGET数据库（https://ocg.cancer.gov/programs/target）。共获取154例NB患儿的数据，其中女63例，男91例；诊断年龄3 d至16.5岁，中位诊断年龄为2.9岁。根据国际NB分期系统（International Neuroblastoma Staging System, INSS）分期，Ⅱb期1例，Ⅲ期6例，Ⅳ期126例，Ⅳ-s期21例；根据儿童肿瘤组（Children's Oncology Group, COG）危险分层，高危型127例，中危型13例，低危型14例。RNA转录组数据来自TARGET数据库中RNA测序数据，共包括18 911个mRNA。根据NB患儿有无MYCN扩增分为MYCN扩增组（n=33）和MYCN非扩增组（n=121）。
1.2. 差异表达分析
采用edgeR 3.9（http://www.bioconductor.org/pa-ckages/release/bioc/html/edgeR.html）识别MYCN扩增组与MYCN非扩增组间DEGs[7]。使用multtest 2.36.0（http://www.bioconductor.org/packages/release/bioc/html/multtest.html）将P值调整为假发现率（false discovery rate, FDR）[8]；以FDR < 0.05和差异倍数（fold change, FC）的对数绝对值（|logFC|） > 1为差异有统计学意义。
1.3. 功能富集分析和信号转导通路分析
应用DAVID Bioinformatics Resources 6.8数据库（http://david.ncifcrf.gov）进行Gene Ontology（GO）功能分析和KEGG信号转导通路富集分析，并在Cytoscape中使用BiNGO插件预测潜在的功能[9]。FDR < 0.05为差异有统计学意义。
1.4. 统计学分析
应用SPSS 22.0和R 3.6.0软件进行数据处理。计数资料以例数表示，组间比较采用χ2检验。非正态分布计量资料以中位数和四分位数间距[M（P25，P75）]表示，组间比较采用Mann-Whitney U秩和检验。采用单因素和多因素Cox比例风险回归模型（简称Cox回归模型）分析影响MYCN扩增型NB患儿预后的基因。根据多因素Cox回归模型分析的结果，计算风险评分。风险评分=基因表达量×多因素Cox回归系数，是预测预后的指标。根据Akaike信息准则（Akaike information criterion, AIC），AIC值越小，模型越好。多因素Cox回归模型分析得到的基因，风险评分最低[10]。按风险评分的中位值将患儿分为高风险组和低风险组，采用R软件的survminer包绘制生存分析曲线。ROC曲线分析基于DEGs的风险评分对MYCN扩增型NB预后的预测价值。P≤0.05为差异有统计学意义。
2. 结果
2.1. MYCN扩增组和MYCN非扩增组一般情况比较
两组间患儿诊断年龄、性别、INSS分期差异无统计学意义（P > 0.05）。MYCN扩增组COG危险分层中高危型患儿比例高于MYCN非扩增组（P < 0.05）。见表 1。
1.
MYCN扩增组和MYCN非扩增组一般资料比较
| 项目 | MYCN扩增组(n=33) | MYCN非扩增组(n=121) | χ2/Z值 | P值 |
| 性别(男/女, 例) | 19/14 | 72/49 | 0.400 | 0.842 |
| 诊断年龄[M(P25, P75), d] | 752 (645, 1 099) | 1 155 (679, 1 730) | -1.823 | 0.068 |
| INSS分期[n(%)] | ||||
| Ⅱb期 | 0(0) | 1(0.8) | 4.667 | 0.198 |
| Ⅲ期 | 2(6.1) | 4(3.3) | ||
| Ⅳ期 | 30(90.9) | 96(79.3) | ||
| Ⅳ-S期 | 1(3.0) | 20(16.5) | ||
| COG危险分层[n(%)] | ||||
| 高危型 | 33(100) | 94(77.7) | 8.929 | 0.012 |
| 中危型 | 0(0) | 13(10.7) | ||
| 低危型 | 0(0) | 14(11.6) |
2.2. 差异分析
与MYCN非扩增组比较，MYCN扩增组共发现582个DEGs，其中206个DEGs表达上调，376个DEGs表达下调。部分DEGs见表 2。
2.
MYCN扩增组与MYCN非扩增组中部分DEGs
| 基因状态 | 基因 | P值 | |logFC|值 | 基因状态 | 基因 | P值 | |logFC|值 | |
| 上调 | ALB | < 0.001 | 4.913 | 下调 | MUC15 | < 0.001 | -6.398 | |
| MYCN | < 0.001 | 4.602 | APOD | < 0.001 | -5.708 | |||
| NBAS | < 0.001 | 3.484 | PMP2 | < 0.001 | -5.429 | |||
| FLVCR2 | < 0.001 | 3.363 | HBG2 | < 0.001 | -4.265 | |||
| HSD3B2 | < 0.001 | 3.074 | S100B | < 0.001 | -3.932 | |||
| HOXD10 | < 0.001 | 2.835 | HBG1 | < 0.001 | -3.922 | |||
| CRABP1 | < 0.001 | 2.827 | ORM1 | 0.007 | -3.826 | |||
| FAM49A | < 0.001 | 2.714 | KRT19 | < 0.001 | -3.753 | |||
| SLC38A5 | < 0.001 | 2.504 | ORM2 | 0.016 | -3.546 | |||
| DDX1 | < 0.001 | 2.499 | PENK | < 0.001 | -3.542 | |||
| CPNE7 | < 0.001 | 2.395 | SERPINA3 | < 0.001 | -3.489 | |||
| CLIP4 | < 0.001 | 2.345 | PLP1 | < 0.001 | -3.379 | |||
| COMP | < 0.001 | 2.342 | SCN7A | < 0.001 | -3.353 | |||
| PRSS12 | < 0.001 | 2.294 | ST6GALNAC2 | < 0.001 | -3.302 | |||
| PHGDH | < 0.001 | 2.262 | SEMA3D | < 0.001 | -3.225 | |||
| ETV1 | < 0.001 | 2.219 | MAGEA4 | < 0.001 | -3.111 | |||
| SLC30A3 | < 0.001 | 2.145 | SOX10 | < 0.001 | -3.032 | |||
| PRRX2 | < 0.001 | 2.062 | MAL | < 0.001 | -2.987 | |||
| LPIN1 | < 0.001 | 1.990 | FGL1 | 0.002 | -2.977 | |||
| COL11A1 | < 0.001 | 1.947 | SLC18A2 | < 0.001 | -2.958 | |||
| SIX3 | < 0.001 | 1.919 | HPCAL4 | < 0.001 | -2.919 | |||
| SFRP2 | < 0.001 | 1.863 | HP | 0.003 | -2.870 | |||
| CYP17A1 | 0.010 | 1.832 | PLA2G2D | < 0.001 | -2.848 | |||
| EBF3 | < 0.001 | 1.818 | XAGE1A | < 0.001 | -2.827 |
2.3. GO分析和KEGG分析
GO功能富集分析结果表明，上调的DEGs主要富集在翻译起始（44个）、蛋白质转移（40个）、核糖体（40个）、细胞外基质构成（19个）等（图 1A）；表达下调的DEGs，主要富集在质膜蛋白复合物（34个）、突触组织（32个）、神经递质水平（28个）、受体调节活性（25个）和抗原处理和呈递（18个）等（图 1B）。
1.
DEGs的GO分析
图A为上调DEGs的GO富集分析结果，图B为下调DEGs的GO富集分析结果。
KEGG信号转导通路分析，上调的DEGs主要涉及核糖体（41个）、蛋白质的消化和回收（8个）等（图 2A），而细胞黏附分子（27个）、类风湿关节炎（19个）等是表达下调基因参与的主要通路（图 2B）。
2.
DEGs的KEGG分析
图A为上调DEGs的KEGG分析结果，图B为下调DEGs的KEGG分析结果。
2.4. 影响MYCN扩增型NB预后的的单因素Cox回归模型分析
以|logFC| > 2为条件，进一步筛选得到89个差异表达的mRNA。经单因素Cox回归模型分析，发现15个基因的mRNA对MYCN扩增型NB预后产生显著性影响（P≤0.05），分别为FLVCR2、FAM49A、PKIB、SCN7A、C17orf107、RGS9、INSRR、PRSS12、NTRK1、CRABP1、MBP、RP11-566K11.2、ERBB3、XAGE1A和XAGE1B，见表 3。
3.
影响MYCN扩增型NB预后的单因素Cox回归模型分析
| 基因 | 回归系数 | 标准误 | Wald值 | P值 | OR值 | OR值的95%可信区间 |
| FLVCR2 | 0.216 | 0.077 | 7.849 | 0.005 | 1.241 | 1.067~1.443 |
| FAM49A | -0.315 | 0.149 | 4.455 | 0.035 | 0.730 | 0.544~0.978 |
| PKIB | -0.145 | 0.065 | 5.018 | 0.025 | 0.865 | 0.762~0.982 |
| SCN7A | -0.304 | 0.088 | 11.848 | 0.001 | 0.738 | 0.621~0.877 |
| C17orf107 | -0.278 | 0.100 | 7.653 | 0.006 | 0.758 | 0.622~0.922 |
| RGS9 | -0.221 | 0.081 | 7.424 | 0.006 | 0.802 | 0.684~0.940 |
| INSRR | -0.146 | 0.070 | 4.427 | 0.035 | 0.864 | 0.754~0.990 |
| PRSS12 | 0.223 | 0.073 | 9.334 | 0.002 | 1.250 | 1.083~1.442 |
| NTRK1 | -0.111 | 0.050 | 5.007 | 0.025 | 0.895 | 0.812~0.986 |
| CRABP1 | 0.105 | 0.047 | 4.962 | 0.026 | 1.111 | 1.013~1.218 |
| MBP | -0.215 | 0.104 | 4.299 | 0.038 | 0.806 | 0.658~0.988 |
| RP11-566K11.2 | 0.180 | 0.084 | 4.643 | 0.031 | 1.197 | 1.016~1.411 |
| ERBB3 | -0.158 | 0.081 | 3.854 | 0.050 | 0.854 | 0.729~1.000 |
| XAGE1A | 0.131 | 0.057 | 5.300 | 0.021 | 1.140 | 1.020~1.275 |
| XAGE1B | 0.130 | 0.056 | 5.391 | 0.020 | 1.139 | 1.020~1.271 |
2.5. 影响MYCN扩增型NB预后的的多因素Cox回归模型分析
对单因素分析结果中差异具有统计学意义的15个基因进行多因素Cox回归模型分析，发现5个基因的mRNA可用于预测MYCN扩增型NB的预后，分别为FLVCR2、SCN7A、PRSS12、NTRK1、XAGE1A，见表 4。
4.
影响MYCN扩增型NB预后的单因素Cox回归模型分析
| 基因 | 回归系数 | 标准误 | Wald值 | P值 | OR值 | OR值的95%可信区间 |
| FLVCR2 | 0.246 | 0.087 | 7.955 | 0.005 | 1.278 | 1.078~1.516 |
| SCN7A | -0.354 | 0.111 | 10.150 | 0.001 | 0.702 | 0.565~0.873 |
| PRSS12 | 0.301 | 0.083 | 13.164 | < 0.001 | 1.351 | 1.148~1.590 |
| NTRK1 | 0.145 | 0.074 | 3.880 | 0.049 | 1.156 | 1.001~1.335 |
| XAGE1A | 0.225 | 0.064 | 12.436 | < 0.001 | 1.253 | 1.105~1.420 |
2.6. 高风险组和低风险组的生存分析
基于AIC，多因素Cox回归模型分析得到的FLVCR2、SCN7A、PRSS12、NTRK1和XAGE1A的风险评分最低，为预测预后的最佳生物标志物。根据风险评分的中位值将患儿分为高风险组和低风险组。两组间患儿诊断年龄、性别差异无统计学意义（P > 0.05）；高风险组INSS分期中Ⅳ期患儿比例及COG危险分层中高危型患儿比例均高于低风险组（P < 0.05）。见表 5。生存分析发现，高风险组的总生存率明显低于低风险组（P < 0.05），见图 3。
5.
高风险组和低风险组患儿一般资料的比较
| 项目 | 高风险组(n=77) | 低风险组(n=77) | χ2/Z值 | P值 |
| 性别(男/女, 例) | 42/35 | 49/28 | 1.316 | 0.251 |
| 诊断年龄[M(P25, P75), d] | 1 030 (696, 1 531) | 1 123 (361, 1 713) | -0.034 | 0.973 |
| INSS分期[n(%)] | ||||
| Ⅱb期 | 1(1) | 0(0) | 10.190 | 0.017 |
| Ⅲ期 | 3(4) | 3(4) | ||
| Ⅳ期 | 69(90) | 57(74) | ||
| Ⅳ-S期 | 4(5) | 17(22) | ||
| COG危险分层[n(%)] | ||||
| 高危型 | 69(90) | 58(75) | ||
| 中危型 | 6(8) | 7(9) | 8.173 | 0.017 |
| 低危型 | 2(3) | 12(16) |
3.
高风险组和低风险组生存曲线
2.7. 基于5个mRNA的风险评分对MYCN扩增型NB患儿预后的ROC曲线分析
基于5个mRNA的风险评分的ROC曲线下面积为0.729（95%可信区间：0.650~0.808，P < 0.001），当约登指数为0.376时，风险评分的最佳截断值为1.316，灵敏度为53.2%，特异度为84.4%, 阴性预测值为84.4%，阳性预测值为53.2%，见图 4。
4.
基于5个mRNA风险评分预测MYCN扩增型NB预后的ROC曲线
3. 讨论
本研究发现MYCN扩增型NB和MYCN非扩增型NB在基因表达上有许多不同，因此存在很多差异明显的mRNA。这些mRNA与MYCN扩增关系密切。虽然MYCN扩增与预后不良相关，但研究发现MYCN无法作为靶向治疗的直接靶标，需要找寻其他有效靶标[11]。而本研究为未来进一步研究NB的分子靶标提供参考。经过DEGs功能分析，初步探讨了促进MYCN扩增型NB发生的分子机制。本研究发现，FLVCR2、SCN7A、PRSS12、NTRK1、XAGE1A基因对MYCN扩增组NB患儿预后具有显著性影响，基于上述5个mRNA的风险评分对MYCN扩增组NB患儿预后有预测价值，故这5个mRNA可以作为MYCN扩增型NB的预测预后的生物标志物。
在GO分析中，上调的DEGs生物功能主要富集在蛋白质的翻译以及转运至膜的过程，细胞构成主要富集在核糖体，分子功能主要富集在核糖体和细胞外基质的结构组成，KEGG结果也显示上调的DEGs主要参与了核糖体通路的表达。因此，可以预测，MYCN扩增型NB的核糖体功能表达更加活跃，蛋白质的的翻译和转移也更加高效。而已有研究表明，MYCN扩增的NB细胞真核转录延长[12]。下调的DEGs生物功能主要富集在突触组织，神经递质的转移，分子功能主要富集在膜受体的活动上，由此可知，MYCN扩增型NB神经细胞表达更加活跃，侵袭能力更加强大。而已有研究表明，MYCN扩增促进NB细胞代谢和侵袭[13]。
研究表明，FLVCR2、SCN7A、PRSS12、NTRK1和XAGE1A参与多种生物过程和分子机制。FLVCR2主要促进主要易化子超家族（MFS）的跨膜转运蛋白，参与生长、钙交换和体内平衡的调节[14]；SCN7A/Nax通道可作为体液的钠水平传感器，通过改变神经元兴奋性来控制钠摄入，增强的SCN7A / Nax表达通过增加背根神经节中神经元的兴奋性而导致骨癌疼痛[15]；PRSS12编码的蛋白是由神经细胞分泌的，被认为对认知功能很重要，因为其功能丧失会导致严重的非综合征性精神发育迟滞[16]。高水平的NTRK1/TrkA受体在低阶段NB中表达，NTRK1/TrkA的表达影响NB细胞的免疫原性，其特征在于患者预后良好并且经常发生自发消退[17]。NTRK1还通过表观遗传学来调节NB的分化[18]；有外显子水平分析将MYCN和NTRK1鉴定为替代外显子表达的主要决定因素，并且可以有力地预测原发性NB的预后[19]。XAGE1在头颈部鳞状细胞癌中的表达和预后有相关性，它和GAGE1是头颈部鳞状细胞癌预后的独立危险因素[19]。
自引入RNA测序和表达微列阵以来，使用mRNA表达特征作为个体患者结局的预测因子已成为目前研究的热点。本研究讨论了MYCN扩增型NB和MYCN非扩增型NB表达基因的差别并且筛选出可以预测MYCN扩增型NB预后的5个mRNA，分析了这5个基因作为预后生物标志物的预测价值。目前NB的临床治疗仍然存在很大的挑战，特别是高危患儿，即使运用多种治疗模式，也很难进一步提高生存率[20]。近年来，分子靶向治疗一直是研究热点，原因在于其可以精准地在某个关键环节上发挥作用。本研究通过层层筛选出的基因，也为NB的分子靶向治疗提供了新的素材和思路。
TARGET是大型和全面的癌症基因组数据库，基于这5个mRNA的风险评分是一个稳妥的生存预测模型。但即使通过一系列统计学算法，确定了这5个mRNA可以作为预测预后的生物标志物，临床试验等实验研究仍然是必要的，以避免假阳性的可能。并且需要一系列的实验来揭示这些mRNA在NB中的作用及机制。
Biography
范煦, 女, 硕士研究生
Funding Statement
青岛市科技局民生科技计划项目（18-6-1-71-nsh）
References
- 1.Matthay K K, Maris J M, Schleiermacher G, et al. Neuroblastoma. Nat Rev Dis Primers. 2016;2:16078. doi: 10.1038/nrdp.2016.78. [DOI] [PubMed] [Google Scholar]
- 2.Tsubota S, Kadomatsu K. Origin and initiation mechanisms of neuroblastoma. Cell Tissue Res. 2018;372(2):211–221. doi: 10.1007/s00441-018-2796-z. [DOI] [PubMed] [Google Scholar]
- 3.Huang M, Weiss WA. Neuroblastoma and MYCN. Cold Spring Harb Perspect Med. 2013;3(10):a014415. doi: 10.1101/cshperspect.a014415. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 4.赖 祥萍, 赖 天霞, 廖 伟. 神经母细胞瘤中N-myc的作用机制研究进展. 医学综述. 2017;23(5):926–930. doi: 10.3969/j.issn.1006-2084.2017.05.020. [DOI] [Google Scholar]
- 5.Campbell K, Gastier-Foster JM, Mann M, et al. Association of MYCN copy number with clinical features, tumor biology, and outcomes in neuroblastoma:a report from the Children's Oncology Group. Cancer. 2017;123(21):4224–4235. doi: 10.1002/cncr.30873. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 6.Maris JM. Recent advances in neuroblastoma. N Engl J Med. 2010;362(23):2202–2211. doi: 10.1056/NEJMra0804577. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 7.Nikolayeva O, Robinson MD. edgeR for differential RNA-seq and ChIP-seq analysis:an application to stem cell biology. http://link.springer.com/protocol/10.1007/978-1-4939-0512-6_3. Methods Mol Biol. 2014;1150:45–79. doi: 10.1007/978-1-4939-0512-6_3. [DOI] [PubMed] [Google Scholar]
- 8.Rosenblum M, Qian T, Du Y, et al. Multiple testing procedures for adaptive enrichment designs:combining group sequential and reallocation approaches. Biostatistics. 2016;17(4):650–662. doi: 10.1093/biostatistics/kxw014. [DOI] [PubMed] [Google Scholar]
- 9.Maere S, Heymans K, Kuiper M. BiNGO:a Cytoscape plugin to assess overrepresentation of gene ontology categories in biological networks. http://d.old.wanfangdata.com.cn/Periodical/zghypt200102006. Bioinformatics. 2005;21(16):3448–3449. doi: 10.1093/bioinformatics/bti551. [DOI] [PubMed] [Google Scholar]
- 10.Xia L, Wang Y, Meng Q, et al. Integrated bioinformatic analysis of a competing endogenous RNA network reveals a prognostic signature in endometrial cancer. Front Oncol. 2019;9:448. doi: 10.3389/fonc.2019.00448. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 11.Fletcher JI, Ziegler DS, Trahair TN, et al. Too many targets, not enough patients:rethinking neuroblastoma clinical trials. Nat Rev Cancer. 2018;18(6):389–400. doi: 10.1038/s41568-018-0003-x. [DOI] [PubMed] [Google Scholar]
- 12.Delaidelli A, Negri GL, Jan A, et al. MYCN amplified neuroblastoma requires the mRNA translation regulator eEF2 kinase to adapt to nutrient deprivation. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ea373972cfba5a5982f53aa64fb60364. Cell Death Differ. 2017;24(9):1564–1576. doi: 10.1038/cdd.2017.79. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 13.Ruiz-Pérez MV, Henley AB, Arsenian-Henriksson M. The MYCN protein in health and disease. Genes (Basel) 2017;8(4):pii:E113. doi: 10.3390/genes8040113. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 14.Meyer E, Ricketts C, Morgan NV, et al. Mutations in FLVCR2 are associated with proliferative vasculopathy and hydranencephaly-hydrocephaly syndrome (Fowler syndrome) Am J Hum Genet. 2010;86(3):471–478. doi: 10.1016/j.ajhg.2010.02.004. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 15.Ke CB, He WS, Li CJ, et al. Enhanced SCN7A/Nax expression contributes to bone cancer pain by increasing excitability of neurons in dorsal root ganglion. Neuroscience. 2012;227:80–89. doi: 10.1016/j.neuroscience.2012.09.046. [DOI] [PubMed] [Google Scholar]
- 16.Mitsui S, Osako Y, Yuri K. Mental retardation-related protease, motopsin (prss12), binds to the BRICHOS domain of the integral membrane protein 2a. Cell Biol Int. 2014;38(1):117–123. doi: 10.1002/cbin.10164. [DOI] [PubMed] [Google Scholar]
- 17.Pajtler KW, Rebmann V, Lindemann M, et al. Expression of NTRK1/TrkA affects immunogenicity of neuroblastoma cells. http://med.wanfangdata.com.cn/Paper/Detail/PeriodicalPaper_PM23400852. Int J Cancer. 2013;133(4):908–919. doi: 10.1002/ijc.28096. [DOI] [PubMed] [Google Scholar]
- 18.Li Z, Takenobu H, Setyawati AN, et al. EZH2 regulates neuroblastoma cell differentiation via NTRK1 promoter epigenetic modifications. Oncogene. 2018;37(20):2714–2727. doi: 10.1038/s41388-018-0133-3. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 19.Schramm A, Schowe B, Fielitz K, et al. Exon-level expression analyses identify MYCN and NTRK1 as major determinants of alternative exon usage and robustly predict primary neuroblastoma outcome. Br J Cancer. 2012;107(8):1409–1417. doi: 10.1038/bjc.2012.391. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 20.姚 伟, 李 凯, 郑 珊. 神经母细胞瘤靶向治疗的应用现状和展望. 中华小儿外科杂志. 2018;39(10):792–796. doi: 10.3760/cma.j.issn.0253-3006.2018.10.017. [DOI] [Google Scholar]