Integrative omics approaches for analyzing endometrial pathologies and cancer classification

Abstract

MikroRNA-d (miRNA-d) on väikesed mittekodeerivad RNA molekulid, mis reguleerivad geeniekspressiooni. miRNA-d on olulised vähibioloogias, sest nad mõjutavad rakkude paljunemist, programmeeritud rakusurma (apoptoosi) ja diferentseerumist. Günekoloogilistes vähkkasvajates, nagu munasarja-, emakakaela- ja endomeetriumivähk, toimivad miRNA-d nii onkogeensete kui ka kasvajat pärssivate molekulidena, avaldades mõju haiguse progresseerumisele ja ravi tulemuslikkusele. Tänu oma stabiilsusele kehavedelikes on miRNA-d potentsiaalsed mitteinvasiivsed vähi tuvastamise biomarkerid. Endometrioos on krooniline günekoloogiline haigus, mida iseloomustab emaka limaskesta sarnase koe kasv väljaspool emakat, milles on sarnaselt vähiga toimunud metaboolsed ja hormonaalsed muutused. Need protsessid põhjustavad valu, viljatust ja kõrgenenud vähiriski. Geeniekspressiooni regulatsiooni mõistmine nii vähi kui endometrioosi puhul aitab tuvastada uusi biomarkereid ja ravisihtmärke. Käesolevas uuringus kasutati integreeritud oomika lähenemisi, et uurida miRNA-de rolli vähi algkoe klassifitseerimises ja endometrioosis. Kasutades masinõppe mudeleid ja erinevaid suurandmestikke (vähigenoomi atlas - The Cancer Genome Atlas (TCGA) ja Gene Expression Omnibus (GEO)) , saavutati miRNA-de ekspressioonimustri alusel 14 erineva vähitüübi klassifitseerimisel ligi 99% täpsus. Tulemuste kättesaadavuse lihtsustamiseks töötati välja interaktiivne R Shiny rakendus ExplORRNet, mis võimaldab visualiseerida miRNA-mRNA-lncRNA võrgustikke, teostada staadiumispetsiifilisi analüüse ning uurida tsirkuleerivaid miRNA biomarkereid günekoloogiliste vähkide ja rinnavähi korral. Välja töötatud rakendus toetab ka elulemusanalüüsi ja signaaliradade funktsionaalseid uuringuid, aidates avastada uusi potentsiaalseid biomarkereid. Endometrioosikollete ja endomeetriumi koe üksikraku RNA sekveneerimine võimaldas määrata nende kudede rakulise koostise. Transkriptoomi analüüs tuvastas kollete strooma-, perivaskulaarsetes ja endoteelirakkudes vähirakkudele omase Warburgi efektile sarnase metaboolse ümberkorralduse . Endomeetriumi ja munasarja endometrioomi koe võrdluses ilmnes häiritud menstruaaltsükli sünkroonsus, mis kinnitab, et kolded on molekulaarsel tasemel endomeetriumist erinevad ja seda tuleb biomarkerite otsingutel arvesse võtta.. Kokkuvõttes rõhutab see uuring miRNA-de ekspressioonil põhineva vähi klassifitseerimise diagnostilist potentsiaali ja laiendab arusaama endometrioosi patogeneesist. Bioinformaatika vahendite arendamine edendab andmete tõhusamat analüüsi ning aitab kaasa täppismeditsiini arengule onkoloogias ja reproduktiivmeditsiinis.

MicroRNAs (miRNAs) are small, non-coding RNAs that regulate gene expression. They are crucial in cancer biology, influencing cell proliferation, apoptosis, and differentiation. In gynecological cancers such as ovarian, cervical, and endometrial cancers, miRNAs act as both oncogenes and tumor suppressors, affecting disease progression and therapeutic outcomes. Their stability in body fluids positions them as a promising non-invasive biomarker for cancer detection. Similarly, endometriosis, a chronic gynecological disorder marked by ectopic endometrial-like tissue growth, shares cancer-like features, including metabolic reprogramming and disrupted hormonal signaling, contributing to pain, infertility, and increased cancer risk. Understanding the molecular landscape of gene expression in both cancer and endometriosis can reveal novel biomarkers and therapeutic targets. This study employs integrative omics approaches to investigate the role of miRNAs in cancer tissue-of-origin (TOO) classification, while exploring the molecular pathogenesis of endometriosis through transcriptomic analyses.. Utilizing datasets from The Cancer Genome Atlas (TCGA) and Gene Expression Omnibus (GEO), machine learning models achieved ~99% accuracy in classifying 14 cancer types based on miRNA expression. To enhance accessibility, an interactive R Shiny application, ExplORRNet, was developed to visualize miRNA-mRNA-lncRNA networks, perform stage-specific analyses, and explore circulating miRNA biomarkers in gynecological cancers and breast cancer. This tool also supports survival analysis and functional enrichment studies, aiding in biomarker discovery. Complementing this, single-cell RNA sequencing (scRNA-seq) revealed the cellular landscape of endometriosis by comparing eutopic and ectopic (peritoneal lesions) endometrial tissues. Transcriptomic analysis uncovered metabolic reprogramming akin to the Warburg effect, a hallmark of cancer, in stromal, perivascular, and endothelial cells. Furthermore, comparative analysis of matched eutopic endometrium and ovarian endometrioma tissues revealed disrupted menstrual cycle synchronicity, supporting the notion that endometriotic lesions are molecularly distinct from eutopic endometrium and should be investigated as separate entities for biomarker discovery. Overall, this study highlights the diagnostic potential of miRNA-based cancer classification and advances understanding of endometriosis pathogenesis. The development of bioinformatics tools enhances data exploration, supporting precision medicine strategies in oncology and reproductive health.