Signatures d'ARNm exosomiques circulants pour le diagnostic précoce du carcinome à cellules claires du rein

BMC Medicine volume 20, Numéro d'article : 270 (2022) Citer cet article

1407 accès

3 Citations

1 Altmétrique

Détails des métriques

Il n'existe à ce jour aucun biomarqueur tumoral éprouvé pour le diagnostic précoce du carcinome à cellules claires du rein (ccRCC). Cette étude visait à identifier de nouveaux biomarqueurs de ccRCC basés sur le profilage de l'ARNm exosomal (ARNm) et à développer des signatures basées sur l'ARNm pour la détection précoce du ccRCC.

Quatre cent quatre-vingt-huit participants, dont 226 ccRCC localisés, 73 patients atteints de masses rénales bénignes et 189 témoins sains, ont été recrutés. Le séquençage de l'ARNm circulant a été réalisé dans 12 ccRCC et 22 témoins sains dans la phase de découverte. Les ARNm candidats ont été évalués avec 108 ccRCC et 70 contrôles sains dans les phases de test et de formation. Les signatures basées sur l'ARNm ont été développées par analyse de régression logistique et validées avec des cohortes supplémentaires de 106 ccRCC, 97 témoins sains et 73 individus bénins.

Cinq ARNm, CUL9, KMT2D, PBRM1, PREX2 et SETD2, ont été identifiés comme de nouveaux biomarqueurs potentiels du ccRCC. Nous avons ensuite développé une signature de diagnostic précoce comprenant KMT2D et PREX2 et une signature de diagnostic différentiel comprenant CUL9, KMT2D et PREX2 pour la détection du RCC. La signature diagnostique précoce a affiché une grande précision pour distinguer les ccRCC des témoins sains, avec des aires sous la courbe caractéristique de fonctionnement du récepteur (AUC) de 0,836 et 0,830 dans les cohortes de formation et de validation, respectivement. La signature diagnostique différentielle a également montré de grandes performances pour distinguer les ccRCC des masses rénales bénignes (AUC = 0,816), y compris les masses solides (AUC = 0,810) et les masses kystiques (AUC = 0,832).

Nous avons établi et validé de nouvelles signatures basées sur l'ARNm pour la détection précoce du ccRCC et le diagnostic différentiel des masses rénales incertaines. Ces signatures pourraient être des biomarqueurs prometteurs et non invasifs pour la détection du ccRCC et ainsi améliorer le pronostic des patients atteints de ccRCC.

1. Le séquençage de l'ARN exosomal circulant a identifié de nouveaux biomarqueurs potentiels du carcinome à cellules claires du rein (ccRCC).

2. La signature de diagnostic précoce comprenant KMT2D et PREX2 a montré une grande précision pour distinguer les ccRCC des individus sains.

3. La signature diagnostique différentielle comprenant CUL9, KMT2D et PREX2 a montré d'excellentes performances pour distinguer les ccRCC des masses rénales bénignes.

4. Ces signatures pourraient être des biomarqueurs prometteurs et non invasifs pour la détection du ccRCC.

Rapports d'examen par les pairs

Le carcinome à cellules rénales (RCC) provient des cellules épithéliales tubulaires rénales, représentant plus de 90 % des tumeurs rénales malignes [1]. L'incidence du RCC augmente régulièrement dans le monde, avec un taux d'augmentation plus élevé dans les pays en développement et un taux d'incidence plus élevé dans les pays développés [2]. Le RCC précoce est limité aux organes avec un taux de survie à 5 ans supérieur à 90 %. Cependant, une fois que le RCC envahit les organes locaux ou se propage à distance, le traitement de la tumeur est assez complexe et le pronostic est sombre [3]. Le RCC à cellules claires (ccRCC) est le sous-type le plus courant, représentant environ 75 % des RCC nouvellement diagnostiqués [1]. Par conséquent, la détection précoce précise du ccRCC est d'une grande importance pour la gestion du RCC. Malheureusement, il n'existe à ce jour aucun biomarqueur tumoral éprouvé pour le diagnostic précoce du ccRCC.

Les exosomes sont de petites vésicules extracellulaires de 40 à 150 nm de diamètre sécrétées par des cellules qui contiennent des molécules telles que des acides nucléiques, des protéines, des lipides, des acides aminés et des métabolites, et ils jouent un rôle important dans la communication cellulaire et la régulation des processus physiologiques et pathologiques du corps humain [4]. Plus important encore, la structure membranaire bicouche lipidique des exosomes résiste à l'effet des protéases exogènes et des enzymes ARN, conduisant à des substances plus stables, telles que les ARN messagers (ARNm), les microARN (miARN) et les protéines fonctionnelles [5, 6]. Les exosomes dérivés de tumeurs portant diverses molécules pourraient fournir une méthode non invasive prometteuse pour détecter les cancers [7].

Récemment, des rapports émergents ont indiqué que les ARN exosomaux circulants (exARN) peuvent servir de biomarqueurs prometteurs pour la détection du cancer [8,9,10]. Des études ont montré que les miARN exosomaux dans le sang et l'urine pouvaient efficacement discriminer le carcinome à cellules rénales des témoins sains, suggérant ainsi que les miARN exosomaux pourraient être utilisés comme biomarqueurs pour détecter le RCC [11, 12]. En raison de la large adoption du séquençage des petits ARN par les groupes ERCC1 et de l'exploration récente des chercheurs, d'autres biotypes d'ARN, en particulier les ARN longs, ont été examinés [13]. Des études récentes ont montré que les ARN longs des vésicules extracellulaires (exLR), principalement des ARNm, pourraient être des biomarqueurs potentiels du cancer de la prostate (PCa) [14], du gliome [15], du carcinome hépatocellulaire (CHC) [16, 17], de l'adénocarcinome canalaire pancréatique (PDAC) [18], etc. en raison de la conception de l'étude (c'est-à-dire la petite taille de l'échantillon [19], l'absence d'un véritable contrôle négatif [19] et le manque de validation dans les échantillons cliniques [20]).

Dans cette étude, nous avons systématiquement étudié le profilage de l'ARNm exosomal (ARNm) circulant par séquençage de l'ARN entre les ccRCC localisés et les témoins sains et avons trouvé un certain nombre d'ARNm associés au ccRCC. Nous avons ensuite identifié et validé plusieurs ARNm à potentiel diagnostique dans une large cohorte de 488 participants. Enfin, nous avons établi des signatures basées sur l'ARNm pour le diagnostic précoce du ccRCC.

Les caractéristiques démographiques et cliniques des cohortes de découverte, de test, de formation et de validation des participants sont présentées dans le tableau 1 et le fichier complémentaire 2 : tableau S1. Il n'y avait pas de différence significative dans la distribution du sexe et de l'âge entre les ccRCC localisés et les témoins sains dans les cohortes de découverte, de test, de formation et de validation des participants (tableau 1). Pour les participants du groupe ccRCC et les patients avec des masses bénignes dans la cohorte de validation, la répartition de l'âge entre les ccRCC et les témoins bénins était similaire. Les tailles moyennes des tumeurs initiales étaient toutes inférieures à 4 cm dans quatre cohortes de ccRCC localisés. Les stades tumoraux cliniques étaient T1-2 dans quatre cohortes de ccRCC localisés. Dans la grande majorité des cas de ccRCC, le grade pathologique était G1-2 (83,3 % dans la cohorte découverte, 93,8 % dans la cohorte test, 88,0 % dans la cohorte formation, 96,2 % dans la cohorte validation). Les caractéristiques démographiques et cliniques des participants avec un groupe de masses solides et kystiques bénignes sont présentées dans le Fichier complémentaire 2 : Tableau S1. Il y avait moins de participants masculins dans le groupe solide et les participants du groupe solide étaient plus jeunes que ceux du groupe kystique et du groupe ccRCC. La taille des tumeurs était plus grande dans le groupe kystique que dans le groupe solide.

Dans la phase de découverte, nous avons étudié le profilage des ARNm circulants entre 12 ccRCC localisés (n = 12) et des témoins sains (n = 22) par ARN-seq. Ensuite, sur la base des données de séquençage de l'ARN, 210 ARNm dérégulés (p < 0,05, changement de facteur > 2 ou < 0,5, FDR < 0,05, Fichier supplémentaire 2 : Tableau S3) ont été identifiés. La carte thermique illustrait les niveaux d'expression des ARNm représentatifs associés au ccRCC (fichier supplémentaire 1 : Fig. S2A). Sept ARNm régulés à la hausse et liés au ccRCC ou/et à plusieurs tumeurs malignes, notamment CUL9, ATM, ARID1A, KMT2D, PBRM1, PREX2 et SETD2, ont été sélectionnés comme biomarqueurs candidats pour des tests supplémentaires. Ensuite, nous avons testé les niveaux d'expression de ces sept ARNm candidats par RT-qPCR dans une cohorte supplémentaire de ccRCC localisés (n = 16) et de témoins sains (n = 20). ATM et ARID1A ont été exclus car ils ne montraient aucune différence entre le groupe ccRCC et le groupe sain (Fichier supplémentaire 1 : Fig. S2B). Enfin, les 5 ARNm restants (CUL9, KMT2D, PBRM1, PREX2 et SETD2) qui ont été régulés positivement dans les ccRCC ont été inclus pour la formation et la validation (Fichier supplémentaire 1 : Fig. S2B).

Dans la phase de formation, les niveaux d'expression des ARNm ont été détectés dans une cohorte supplémentaire de 142 échantillons cliniques, y compris des ccRCC localisés (n = 92) et des témoins sains (n = 50), par RT-qPCR, qui a révélé que CUL9, KMT2D, PBRM1, PREX2 et SETD2 étaient significativement plus élevés dans le groupe ccRCC que dans le groupe sain, et chacun des biomarqueurs candidats a obtenu de bonnes performances pour distinguer les ccRCC localisés de témoins sains avec des ASC correspondantes de 0, 611, 0, 668, 0, 639, 0, 742 et 0, 680, respectivement (tableau 2, fig. 1A et fichier supplémentaire 1 : fig. S3A). De plus, KMT2D et PREX2 ont été identifiés comme des biomarqueurs significatifs pour le diagnostic de ccRCC par une analyse de régression logistique multivariée (tableau 2). Ces deux ARNm ont ensuite été validés dans une cohorte supplémentaire de ccRCC localisés (n = 106) et de témoins sains (n = 97). Des niveaux d'expression élevés de KMT2D et PREX2 ont été observés dans le groupe ccRCC par rapport au groupe sain (Fig. 1B). La précision diagnostique de KMT2D et PREX2 avait des AUC de 0,655 et 0,776, respectivement (Tableau 2, Fichier supplémentaire 1 : Fig. S3B). Après analyse de régression logistique multivariée, KMT2D et PREX2 affichaient toujours une signification statistique pour distinguer les ccRCC localisés des témoins (tableau 2).

Validation des ARNm circulants associés au ccRCC et établissement d'une signature de diagnostic précoce du carcinome rénal à cellules claires (ccRCC) basée sur l'ARNm. A Scatter plots montrant les niveaux d'expression des ARNm circulants associés au ccRCC, y compris CUL9, KMT2D, PBRM1, PREX2 et SETD2, entre les ccRCC localisés (n = 92) et les contrôles sains (n = 50) dans la phase de formation. B Diagrammes de dispersion montrant les niveaux d'expression de KMT2D et PREX2 identifiés comme des biomarqueurs significatifs pour le diagnostic de ccRCC par une analyse de régression logistique multivariée entre les ccRCC localisés (n = 106) et les témoins sains (n = 97) dans la phase de validation. L'évaluation C, D ROC-AUC a montré la performance diagnostique de la signature comprenant KMT2D et PREX2 pour distinguer les ccRCC localisés des témoins sains dans la phase d'entraînement (n = 142) et la phase de validation (n = 203). ccRCC, carcinome à cellules claires du rein ; ROC, caractéristique de l'opérateur récepteur ; AUC, aire sous la courbe

Dans les cohortes de formation (n = 142), nous avons utilisé une analyse de régression logistique multivariée pour établir une signature ccRCC basée sur l'ARNm comprenant KMT2D et PREX2. La performance diagnostique de la signature (logit (p = ccRCC) = 1,21943 × KMT2D + 1,97072 × PREX2 + 1,30485), mesurée par AUC, était de 0,836 (p < 0,001 ; IC à 95 %, 0,765 à 0,893, Fig. 1C). Les nouveaux biomarqueurs (KMT2D et PREX2) identifiés à partir de l'ensemble de formation ont été appliqués dans la cohorte de validation des participants (n = 203). Ensuite, ces gènes ont été appliqués au modèle ci-dessus et le ROC a été construit. La signature diagnostique a également affiché une grande précision pour distinguer les ccRCC des témoins sains, avec une aire sous la courbe caractéristique de fonctionnement du récepteur (AUC) de 0, 830 (p <0, 001; IC à 95%, 0, 771 à 0, 879, Fig. 1D). Ces résultats ont montré que la signature de l'ARNm pourrait servir de nouvelle méthode pour la détection précoce du ccRCC à partir de témoins sains.

Il est très important de diagnostiquer le ccRCC à partir d'une petite masse rénale. Par conséquent, nous avons collecté des échantillons supplémentaires de participants présentant des masses rénales bénignes (n = 73), y compris des masses solides (n = 47) et des masses kystiques (n = 26), afin d'évaluer le rôle diagnostique des 5 ARNm candidats, notamment CUL9, KMT2D, PBRM1, PREX2 et SETD2, pour distinguer les ccRCC des patients atteints de masses rénales bénignes. Nous avons d'abord évalué les niveaux d'expression des ARNm candidats entre les ccRCC et les patients atteints de masses rénales bénignes. Des niveaux d'expression élevés de CUL9 et PREX2 ont été observés dans les ccRCC par rapport à ceux des patients atteints de masses rénales bénignes (Fig. 2A). La puissance diagnostique de CUL9, KMT2D et PREX2 avait des ASC de 0,619, 0,585 et 0,629, respectivement (Tableau 3, Fichier supplémentaire 1 : Fig. S3C). Après une analyse de régression logistique multivariée, ces trois candidats affichaient toujours une signification statistique pour distinguer les ccRCC des patients atteints de masses rénales bénignes avec des valeurs p multivariées <0,0001, <0,0001 et 0,0001, respectivement (Tableau 3). Pour évaluer la performance de la signature dérivée pour distinguer le ccRCC des témoins sains dans le diagnostic différentiel des masses rénales, nous avons appliqué la signature pour différencier les ccRCC des patients atteints de masses rénales bénignes. Cependant, la performance diagnostique de la signature, évaluée par AUC, n'était que de 0,559 (fichier supplémentaire 1 : Fig. S4), indiquant que la signature pour détecter le ccRCC à partir d'un contrôle sain n'était pas applicable dans le diagnostic différentiel des masses rénales. Nous avons ensuite utilisé une analyse de régression logistique pour établir une signature diagnostique basée sur l'ARNm en utilisant CUL9, KMT2D et PREX2, logit (p = ccRCC) = 1,68689 × CUL9 - 1,16173 × KMT2D + 1,17881 × PREX2 + 0,75145. La signature a montré une grande performance dans le diagnostic des ccRCC chez les patients atteints de masses rénales bénignes (AUC = 0,816, p < 0,001 ; IC à 95 %, 0,751 à 0,870, Fig. 2B). De plus, la signature diagnostique a également montré une excellente capacité à distinguer le ccRCC des masses solides bénignes (AUC = 0,810, p < 0,001 ; IC à 95 %, 0,739 à 0,869, Fig. 2C) et des masses kystiques bénignes (AUC = 0,832, p < 0,001 ; IC à 95 %, 0,757 à 0,891, Fig. 2 D), respectivement. Ces résultats ont indiqué que la signature diagnostique basée sur l'ARNm pourrait être un nouveau biomarqueur non invasif pour l'amélioration du diagnostic du ccRCC.

Établir une signature diagnostique de carcinome rénal à cellules claires (ccRCC) basée sur l'ARNm. A Nuages de points montrant les niveaux d'expression des ARNm candidats, y compris CUL9, KMT2D, PBRM1, PREX2 et SETD2, entre les ccRCC localisés (n = 106) et les patients atteints de masses rénales bénignes (n = 73). L'évaluation B ROC-AUC a montré la performance diagnostique de la signature diagnostique comprenant CUL9, KMT2D et PREX2 pour différencier les ccRCC localisés (n = 106) des patients atteints de masses rénales bénignes (n = 73). L'évaluation C, D ROC-AUC a montré la performance diagnostique de la signature comprenant CUL9, KMT2D et PREX2 pour différencier les ccRCC localisés (n = 106) des patients présentant des masses solides bénignes (n = 47) et des masses kystiques bénignes (n = 26). ccRCC, carcinome à cellules claires du rein ; ROC, caractéristique de l'opérateur récepteur ; AUC, aire sous la courbe

En tant que l'une des tumeurs malignes urologiques les plus dangereuses, le ccRCC ne dispose toujours pas d'outils ou de stratégies de diagnostic idéaux. Une étude de cohorte observationnelle prospective multicentrique de 706 patients au Royaume-Uni a exposé l'importance de la détection précoce du RCC, suggérant que se concentrer sur les symptômes liés au RCC se limite à améliorer le diagnostic précoce du RCC [21]. Une plus grande attention devrait être accordée à l'amélioration des stratégies de diagnostic et à l'identification de biomarqueurs diagnostiques.

Environ 60 % des patients atteints de RCC sont diagnostiqués de manière fortuite, et la plupart d'entre eux sont diagnostiqués par examen d'imagerie [21]. L'échographie, en tant qu'examen relativement bon marché, pratique et sûr, est capable de détecter 85 à 100 % des tumeurs de taille > 3 cm, mais seulement 67 à 82 % des tumeurs de 2 à 3 cm de taille, ce qui suggère qu'il peut y avoir plus de résultats faux négatifs dans la détection des tumeurs de taille < 3 cm par échographie [22]. D'autre part, la tomodensitométrie (CT) et l'imagerie par résonance magnétique (IRM) sont plus sensibles et spécifiques que l'échographie pour la détection du RCC. Cependant, en raison du faible rapport coût-efficacité et de la faible dose de rayonnement, il est peu probable que la TDM ou l'IRM soient recommandées pour le dépistage de la population [23]. De plus, l'examen CT ou IRM détecte souvent d'autres découvertes fortuites qui peuvent conduire à un surdiagnostic d'une variété de masses viscérales incertaines. Par conséquent, la création d'une modalité de dépistage rentable, précise, réalisable et à faible risque pour le ccRCC doit être prise en compte.

Actuellement, un nombre croissant d'études sont consacrées à la découverte de biomarqueurs diagnostiques pour le ccRCC. Plusieurs biomarqueurs trouvés dans le sérum et l'urine ont été recommandés comme nouveaux outils de dépistage ou de diagnostic capables de différencier le RCC des tumeurs urologiques non rénales, des masses rénales bénignes et des témoins sains [24]. Les chercheurs ont découvert que l'AQP1 et la PLIN2 urinaires étaient significativement régulées à la hausse chez les patients atteints de ccRCC et de RCC papillaire (n = 47), montrant un potentiel élevé en tant que biomarqueurs de dépistage du RCC et un outil de diagnostic différentiel pour les masses rénales [25]. Cependant, en raison de la petite taille de l'échantillon, l'AQP1 et le PLIN2 dans l'urine doivent encore être validés. Un autre groupe de chercheurs a développé un test à trois marqueurs sérique/plasma composé de N-méthyltransférase (NNMT), de L-plastine (LCP1) et de protéine non métastatique des cellules 1 (NM23A) pour améliorer la détection précoce du RCC. Le test à trois marqueurs a une sensibilité, une spécificité et une ASC diagnostiques élevées (95,6 %, 90,9 % et 0,932) pour le RCC par rapport aux témoins sains et aux tumeurs bénignes, mais a une capacité limitée à différencier le RCC des masses rénales bénignes [26]. En général, la biopsie liquide utilisant du sang ou de l'urine a encore un énorme potentiel pour améliorer la détection précoce et le diagnostic différentiel du RCC.

Les caractéristiques des exosomes font des tests liés aux exosomes une méthode non invasive et efficace de plus en plus remarquable pour le diagnostic et la surveillance des maladies [8, 27]. Le fort potentiel des exosomes dans le diagnostic et le traitement a été prouvé dans plusieurs types de cancers, tels que les cancers de la prostate, de la vessie et du sein [28, 29]. Actuellement, des études ont montré que les ARN exosomiques, en particulier les miARN, peuvent avoir un grand potentiel dans la détection du RCC [30]. Les niveaux de MiR‐21 étaient plus élevés dans les ccRCC que chez les témoins sains dans les sérums et les exosomes sériques. Le miR‐210 exosomal sérique pourrait effectivement distinguer les ccRCC des témoins (AUC = 0,8779) [31]. Une autre étude a révélé que les exosomes sériques miR-210 et miR-1233 pourraient être de nouveaux biomarqueurs pour diagnostiquer le ccRCC [32]. D'autres ont découvert que hsa-mir-149-3p et hsa-mir-424-3p découverts par séquençage de miARN exosomal avaient des niveaux d'expression plus élevés dans les RCC que chez les témoins sains [12]. Cependant, ces études précédentes se sont concentrées sur les miARN circulants, et il n'y a toujours pas d'études explorant le rôle potentiel des ARNm circulants dans la détection précoce du ccRCC. Dans cette étude, nous avons systématiquement étudié le profilage des ARNm circulants par séquençage de l'ARN entre les ccRCC localisés et les témoins sains et avons trouvé un certain nombre d'ARNm associés au ccRCC. Nous avons ensuite identifié 5 ARNm associés au ccRCC avec un potentiel de diagnostic et établi une signature de dépistage basée sur l'ARNm avec une grande capacité de détection du ccRCC. Cette signature pourrait servir de nouveau biomarqueur pour éliminer le ccRCC de la population normale.

Avec la généralisation de l'imagerie en coupe, l'incidence des masses rénales, en particulier des petites masses rénales (SRM, diamètre < 4 cm), a affiché une augmentation significative [33]. Les MRS soulèvent la difficulté du diagnostic différentiel. Il a été rapporté que 20 % des masses rénales < 4 cm étaient identifiées comme histologie bénigne, alors que la proportion d'histologie bénigne chez celles ≥ 7 cm était de 6,3 % [34]. Les masses rénales peuvent être divisées en masses solides, masses kystiques et masses inflammatoires [35]. La majorité des patients atteints de masses rénales sont asymptomatiques et la morphologie principale des masses est solide et kystique. La masse rénale solide bénigne la plus fréquente en pratique clinique est l'angiomyolipome (LAM) [36, 37]. Cependant, près de 5 % des LAM, dites LAM pauvres en lipides, ont trop peu de graisse pour être diagnostiquées par TDM ou IRM [38, 39]. Par conséquent, les AML pauvres en lipides sont difficiles à distinguer des RCC, et certaines de ces tumeurs sont diagnostiquées après la chirurgie [40]. L'oncocytome rénal (RO) est une tumeur épithéliale bénigne contenant généralement de grandes cellules avec un cytoplasme éosinophile granuleux [41]. Cependant, l'invasion de la graisse périnéphrique survient dans 2 à 20 % des cas d'osmose inverse, et environ 5,4 % des cas d'osmose inverse présentent une invasion vasculaire [42]. Ces caractéristiques sont généralement considérées comme une caractéristique de malignité dans le RCC, ce qui peut augmenter la difficulté du diagnostic différentiel. D'autre part, la plupart des masses kystiques rénales sont des kystes non néoplasiques, mais de nombreuses tumeurs rénales contiennent des kystes en tant que composant mineur ou dominant ; ainsi, le diagnostic différentiel des masses kystiques rénales bénignes et malignes est nécessaire [43]. Pour identifier le ccRCC, il est important de distinguer les masses malignes rénales des masses solides et kystiques bénignes. Le développement d'une méthode non invasive de diagnostic différentiel reste d'une grande valeur potentielle dans la pratique clinique.

Dans notre étude, nous avons ensuite collecté le sérum de 106 ccRCC et de 73 patients atteints de masses rénales bénignes, puis avons construit une signature diagnostique de ccRCC avec trois gènes candidats qui ont été éliminés par une analyse de régression logistique multivariée par étapes. Cette signature a montré une excellente capacité à distinguer les ccRCC des patients atteints de masses rénales bénignes, qu'elles soient solides ou kystiques. Par conséquent, les signatures diagnostiques pourraient distinguer celles dont la nature des masses rénales est incertaine, telles que le carcinome rénal kystique, l'angiomyolipome pauvre en graisse et l'oncocytome rénal, en particulier si la masse était petite et que l'essence de la tumeur ne pouvait pas être déterminée par imagerie.

Notre étude comportait également quelques limites. Premièrement, en tant qu'étude rétrospective monocentrique, la taille de l'échantillon était limitée. Les résultats, en particulier les performances de la signature emARN pour le diagnostic des masses rénales, doivent être validés dans une autre étude prospective multicentrique à grande échelle. Deuxièmement, en raison d'un nombre insuffisant d'échantillons pour d'autres types de masses kystiques rénales, notre étude n'a pas pu établir de diagnostic différentiel pour les masses rénales de grade bosnien. Enfin, cette étude s'est principalement concentrée sur l'exploration de biomarqueurs dans le sang périphérique adaptés au diagnostic précoce des tumeurs, mais n'a pas inclus l'analyse de facteurs cliniques tels que le tabagisme, l'obésité, l'hypertension et d'autres variables, qui pourraient être combinés avec des caractéristiques cliniques pour établir un modèle diagnostique et pronostique complet des tumeurs dans l'étude de suivi. Les expérimentations cellulaires et animales n'ont pas non plus été menées, faute d'un certain soutien théorique, et le rôle et le mécanisme de sécrétion de l'ARNm exosomal et du RCC continueront d'être explorés par la suite.

Nous avons rapporté une enquête systématique sur les biomarqueurs ccRCC utilisant pour la première fois le profilage de l'ARNm circulant. Nous avons établi et validé de nouvelles signatures basées sur l'ARNm pour la détection précoce du ccRCC et le diagnostic différentiel des masses rénales incertaines. Ces signatures pourraient être des biomarqueurs prometteurs et non invasifs pour la détection du ccRCC et ainsi améliorer le pronostic des patients atteints de ccRCC.

Cette étude a été approuvée par le comité d'éthique de la recherche clinique de l'hôpital de Shanghai Changhai (Shanghai, Chine) (n° CHEC2020-112). Tous les échantillons cliniques ont été obtenus de l'hôpital de Shanghai Changhai. Un consentement éclairé écrit a été obtenu des participants avant l'échantillonnage. Dans cette étude, 488 participants, y compris des ccRCC localisés (n = 226), des patients atteints de masses rénales bénignes (n = 73) et des témoins sains (n = 189), ont été recrutés consécutivement d'août 2017 à juillet 2020. Les masses rénales ont été confirmées par pathologie chirurgicale et examinées par deux pathologistes indépendants. Le stade tumoral et le grade pathologique ont été estimés selon les 8e critères TNM proposés par l'American Joint Committee on Cancer (AJCC) en 2017. Les critères d'inclusion pour les patients présentant des masses rénales étaient les suivants : (1) âge de 20 à 80 ans ; (2) tomodensitogrammes avant la chirurgie ; (3) un diagnostic définitif par pathologie; (4) les participants au ccRCC avec des stades cliniques de tumeur I et II (carcinome rénal localisé); (5) a subi une opération chirurgicale, n'a subi aucun traitement anticancéreux avant le prélèvement ; (6) aucun antécédent d'autres cancers ; et (7) consentement éclairé signé. Les critères d'inclusion pour les témoins sains étaient les suivants : (1) être âgé de 20 à 80 ans, (2) avoir subi un bilan de santé et être considéré comme asymptomatique et en bonne santé, (3) l'examen échographique n'a montré aucune masse et (4) avoir signé un consentement éclairé. Les critères d'exclusion étaient les suivants : (1) masses rénales précédemment diagnostiquées, (2) ayant reçu une thérapie d'ablation et (3) avec d'autres tumeurs malignes.

Cette étude s'est déroulée en quatre phases : découverte, test, formation et validation. Les participants aux phases de découverte, de formation et de validation ont été inscrits consécutivement et répartis au hasard dans ces groupes. Les participants à la phase de test ont été sélectionnés au hasard à partir de la phase de formation. Un aperçu du flux de travail est résumé à la Fig. 3. Les caractéristiques cliniques des participants sont résumées au tableau 1. Dans la phase de découverte, nous avons étudié le profilage de l'ARNm circulant dans les ccRCC (n = 12) et les témoins sains (n = 22) par ARN-seq. Des ARNm dérégulés (p < 0,05, facteur de variation > 2 ou < 0,5, FDR < 0,05) dans le ccRCC ont été identifiés. Les sept meilleurs ARNm régulés à la hausse qui étaient également liés au ccRCC ou/et aux tumeurs malignes multiples ont été sélectionnés comme biomarqueurs candidats pour une formation et une validation supplémentaires (voir les détails de « La stratégie de sélection des biomarqueurs candidats » dans le fichier supplémentaire 3 : Informations complémentaires). Dans la phase de test, les niveaux d'expression des ARNm candidats ont été évalués dans des ccRCC localisés (n = 16) et des témoins sains (n = 20) par RT-qPCR. Dans la phase de formation, les niveaux d'expression des ARNm significatifs identifiés dans la phase de test ont été évalués dans une autre cohorte de ccRCC localisés (n = 92) et de témoins sains (n = 50) par RT-qPCR. Une analyse de régression logistique par étapes a été utilisée pour identifier les prédicteurs significatifs et établir une signature ccRCC basée sur l'ARNm pour différencier les ccRCC des témoins sains. La signature a ensuite été validée dans une cohorte supplémentaire de ccRCC localisés (n = 106) et de témoins sains (n = 97). De plus, nous avons évalué les performances diagnostiques des ARNm candidats pour distinguer les ccRCC des patients atteints de masses rénales bénignes. Dans cette phase, les patients présentant des masses rénales bénignes (n = 73), incluant des masses rénales solides (n = 47) et des masses rénales kystiques (n = 26), ont été inclus (les caractéristiques cliniques détaillées sont résumées dans le Dossier complémentaire 2 : Tableau S1). De même, nous avons appliqué une analyse de régression logistique par étapes pour identifier les prédicteurs significatifs et établir une signature basée sur l'ARNm pour différencier les ccRCC des patients atteints de masses rénales bénignes, y compris les masses solides et kystiques.

Flux de travail de la conception de l'étude. ccRCC, carcinome à cellules claires du rein ; ARN-seq, séquençage d'ARN ; ARNm, ARN messager exosomal; PCR, réaction en chaîne par polymérase

Les patients présentant des masses rénales ont signé un consentement éclairé le premier jour de l'admission et leur sang périphérique à jeun a été prélevé le deuxième matin. Les témoins sains ont signé un consentement éclairé le jour du bilan de santé et leur sang périphérique à jeun a été prélevé avant l'examen physique. Les échantillons ont été conservés dans un réfrigérateur à 4 °C et transportés au laboratoire avec de la glace. Les échantillons de sang ont été laissés coaguler à température ambiante pendant un minimum de 30 min et un maximum de 2 h. Tous les échantillons ont ensuite été centrifugés à 1600 × g pendant 15 min pour séparer le sérum, et le sérum (surnageant) a été recueilli dans des tubes à centrifuger de 1,5 ml et numéroté. Les échantillons de sérum ont été immédiatement stockés à - 80 ° C jusqu'à ce qu'ils soient traités ultérieurement.

Un kit exoEasy Maxi (n ° 76064, Qiagen, Düsseldorf, Rhénanie du Nord-Westphalie, Allemagne) a été utilisé pour purifier les exosomes du sérum conformément aux instructions du fabricant. Tout d'abord, le sérum a été filtré à travers une membrane filtrante de 0,22 μm, un volume égal de tampon XBP a été ajouté, puis il a été doucement inversé et mélangé 5 fois. Après mélange, le mélange échantillon ci-dessus a été ajouté à la colonne d'adsorption et centrifugé à 500 x g pendant 1 min à température ambiante. La solution d'écoulement a été rejetée de la colonne d'adsorption. Cette procédure a été répétée une fois. Ensuite, environ 5 ml de tampon XWP ont été ajoutés à la colonne d'adsorption pour le nettoyage et centrifugés à 5000 × g pendant 5 min à température ambiante. La colonne d'adsorption a été jetée et les exosomes sériques ont été immobilisés sur la membrane de la colonne d'adsorption. Après cela, la colonne d'adsorption a été placée dans un nouveau tube de collecte et 400 µl de tampon XE ont été ajoutés à la colonne pour l'élution, puis incubés à température ambiante pendant 1 min et centrifugés à 500 × g pendant 5 min. Enfin, l'éluat dans le tube de collecte a été rajouté dans la colonne d'adsorption et incubé pendant 1 min à température ambiante. L'éluat a été centrifugé à 5000 × g pendant 5 min et transféré dans un tube à centrifuger de 1,5 ml. Les exosomes pourraient être utilisés pour d'autres recherches ou stockés à - 80 ° C.

L'échantillon d'exosome purifié a été dilué 100 fois avec du PBS (SH30256.01, HyClone, Logan, UT, USA) et utilisé pour la microscopie électronique (JEM-1400, JEOL, Akishima, Tokyo, Japon). Un total de 20 μl de l'échantillon dilué a été pipeté, déposé au centre d'un filet de cuivre et laissé au repos pendant 20 min. Ensuite, le liquide a été buvardé avec du papier filtre pour préparer la coloration négative. Une coloration négative a été réalisée avec de l'acide phosphotungstique à 1 % pendant environ 10 s, et du papier filtre a été utilisé pour absorber l'excès de liquide. Ensuite, 20 μl de ddH2O ont été soigneusement ajoutés au centre de la maille de cuivre, et après 20 s, le liquide restant a été aspiré de la maille avec du papier filtre. Le treillis de cuivre fini était prêt pour l'identification des exosomes. La TEM a montré la présence d'exosomes sous forme de structures arrondies, en forme de disque biconcave, ressemblant à des vésicules (Fichier supplémentaire 1 : Fig. S1A).

Les exosomes extraits ont été dilués au 1:200 (PBS filtré). Le module détecté par le Nano Sight 300 (Malvern Instruments Ltd., Malvern, Royaume-Uni) a été lavé avec ddH2O 3 fois, puis le module a été purgé avec de l'air de pompage de seringue 7 à 8 fois pour éliminer autant de liquide résiduel que possible. Un millilitre de l'échantillon d'exosome bien mélangé et dilué a été aspiré dans le module avec une seringue, et les bulles d'air dans la chambre de détection du module ont été éjectées. Le nombre d'images capturant des répétitions a été fixé à 3 et la durée de chaque capture a été fixée à 60 s. Le NTA a montré que les pics des exosomes circulants du RCC, des patients présentant des masses bénignes et des témoins sains étaient respectivement de 74 nm, 77 nm et 79 nm, allant de 50 à 200 nm (Fichier supplémentaire 1 : Fig. S1B).

Un total de 50 µl de tampon de lyse RIPA (P0013C, Beyotime, Shanghai, Chine) et 0,5 µl d'inhibiteur de protéase ont été ajoutés aux exosomes extraits. Le mélange a été centrifugé à 15 000 × g pendant 20 min à 4 °C. Le surnageant a été collecté et la concentration a été mesurée à l'aide d'un kit BCA (5 000 112, Bio-Rad, Hercules, CA, USA). Ensuite, un tampon de chargement 5 × (P0015, Beyotime, Shanghai, Chine) a été ajouté aux échantillons. Ces échantillons ont été incubés dans un bain métallique à 99 °C (Thermomixer comfort, Eppendorf, Hambourg, Allemagne) pendant 15 min. Un kit de préparation rapide de gel PAGE (PG112, EpiZyme, Shanghai, Chine) a été utilisé pour fabriquer une colle séparatrice à 10 % et une colle concentrée à 5 % conformément aux instructions du fabricant. Ensuite, des échantillons de protéines d'exosomes de 30 μg ont été ajoutés à chaque puits et un marqueur protéique de 5 μl (P0077, Beyotime, Shanghai, Chine) a été ajouté au puits vierge. La machine (165–8029, Bio–Rad, Hercules, CA, USA) a été réglée sur 120 V et l'électrophorèse a été réalisée pendant 2 h. Une fois l'électrophorèse terminée, le gel a été retiré, empilé avec une membrane PVDF (IPFL00010, Millipore, Burlington, MA, USA), placé dans un réservoir de transfert et rempli de tampon de transfert. L'instrument a été réglé à 300 mA pendant 2 h. Une fois le transfert terminé, les membranes ont été bloquées avec 5% de BSA pendant 2 h à température ambiante et les membranes ont été coupées aux positions appropriées. Ensuite, des anticorps contre CD9 (1:1000 ; AP1482D, ABGENT, Suzhou, Jiangsu, Chine), CD63 (1:500 ; AP5333B, ABGENT, Suzhou, Jiangsu, Chine), CD81 (1:4000 ; AM8557B, ABGENT, Suzhou, Jiangsu, Chine), TSG101 (1:2000 ; AM8662b, ABGENT, Suzhou, Jiangsu, Chine), Chine) et de la β-actine (1:5000; A5441, Sigma, St. Louis, MO, USA) ont été ajoutés et incubés à 4 ° C pendant la nuit. Le lendemain, les membranes ont été placées à température ambiante pendant 15 min, et l'anticorps primaire a été retiré. Les membranes ont été lavées 6 fois avec du TBST pendant 5 min à chaque fois. Ensuite, des anticorps secondaires ont été ajoutés, incubés pendant 2 h à température ambiante et lavés 6 fois avec du TBST pendant 5 min à chaque fois. Le substrat Clarity Max Western ECL (P0018 FS, Beyotime, Shanghai, Chine) a été ajouté. Les transferts ont été imagés par un dispositif d'imagerie (e-Blot, Shanghai, Chine). WB a montré que les biomarqueurs exosomaux, notamment CD9, CD63, CD81 et TSG101, étaient détectables dans des exosomes isolés (Fichier supplémentaire 1 : Fig. S1C).

L'ARN exosomal circulant a été purifié à l'aide d'un kit exoRNeasy Serum/Plasma Maxi (217 084, Qiagen, Düsseldorf, Rhénanie du Nord-Westphalie, Allemagne). Le séquençage de l'ARN total a utilisé 0,25 à 50 ng d'ARN comme entrée. L'élimination de l'ADNg a été réalisée en ajoutant de la HL-dsDNase (70 800–202, ArcticZymes, Tromsø, Norvège) et un tampon de réaction (66 001, ArcticZymes, Tromsø, Norvège). Des bibliothèques pour le séquençage de l'ARN total ont été préparées à l'aide du kit SMARTer Stranded Total RNA-Seq Kit v2-Pico Input Mammalian (634 413, Clontech, Mountain View, CA, USA). Par rapport au protocole du fabricant, l'étape de fragmentation a été fixée à 2 min à 94 ° C ; par la suite, l'option de partir d'ARN fortement dégradé a été suivie. La préparation de la bibliothèque comprenait également la synthèse d'ADNc, 5 cycles de PCR d'indexation, la déplétion d'ADNc ribosomal et 9 à 16 cycles de PCR d'enrichissement. La taille de chaque bibliothèque a été mesurée avec un kit d'ADN haute sensibilité Agilent (5067–4626, Agilent, Santa Clara, CA, États-Unis) et la concentration avec un kit de quantification de bibliothèque (638 324, Clontech, Mountain View, CA, États-Unis). Alternativement, les bibliothèques peuvent être quantifiées par un kit Qubit dsDNA HS (Q32854, Thermo Fisher Scientific, Waltham, MA, USA). Les bibliothèques ont été combinées dans un pool équimolaire, dont la taille et la concentration ont été mesurées, et les bibliothèques ont été séquencées à l'aide de la plate-forme HiSeq 2500 (Illumina, San Diego, CA, USA). Pour garantir la qualité, 10 Go de données brutes par bibliothèque étaient nécessaires.

Les données de séquençage ont été traitées par FastQC et ajustées par Trimmomatic avec les paramètres suivants : longueur minimale 30, fenêtre glissante 4 et qualité requise 15. Ensuite, les données propres ont été cartographiées sur le génome humain de référence (GRCh38.p13) par STAR avec la base de données d'annotation de gènes Ensembl release-95. Enfin, nous avons utilisé htseq pour la quantification de l'expression et le package R Deseq2 pour identifier les gènes exprimés de manière différentielle entre différents groupes. Afin de réduire le taux de faux positifs de gènes dérégulés, nous avons effectué plusieurs tests de Benjamini-Hochberg pour obtenir une valeur p ajustée.

La validation des produits de PCR a été effectuée par électrophorèse sur gel d'ADN. Tout d'abord, 60 ml de TAE et 1 g d'agarose solide ont été mélangés et chauffés jusqu'à ce qu'ils soient complètement transparents. Une fois chaud, 6 ul de colorant d'acide nucléique ont été ajoutés, bien agités et versés dans le support de fabrication de colle. Les dents du peigne ont été insérées jusqu'à ce qu'elles soient complètement solidifiées, puis les dents du peigne ont été retirées. Le gel d'agarose a été placé dans le réservoir d'électrophorèse, une solution 1 × TAE a été ajoutée jusqu'à ce que le niveau de liquide dépasse le gel et les bulles d'air dans le puits d'échantillon supérieur ont été évacuées. Les échantillons ont été chargés. Les conditions d'électrophorèse étaient généralement fixées à 120 V pendant 30 min. Après l'exécution, une image du gel a été obtenue.

L'ARN exosomal circulant a été extrait et purifié à l'aide d'un kit exoRNeasy Serum/Plasma Maxi (217 084, Qiagen, Düsseldorf, Rhénanie du Nord-Westphalie, Allemagne). L'ARN a été rétrotranscrit en ADNc selon les instructions du kit de réactifs PrimeScript™ RT (RR047A, Takara, Kyoto, Japon). L'opération doit être effectuée sur de la glace et le Master Mix doit être préparé en une quantité deux fois supérieure au nombre de réactions. Ensuite, 10 µl doivent être distribués dans chaque tube de réaction. Les conditions de la réaction de transcription inverse étaient les suivantes : 37 °C pendant 60 min, 85 °C pendant 5 s et refroidissement sur glace avant utilisation. L'ADNc synthétisé pourrait être utilisé immédiatement pour les qPCR ultérieures ou stocké temporairement à - 20 ° C.

Les amorces et les sondes sont présentées dans le Fichier complémentaire 2 : Tableau S2. Un instrument PCR fluorescent ABI 7500 (Applied Biosystems, Foster City, CA, USA) a été utilisé. En utilisant 20 μl du système qPCR, en particulier 10 μl de 2 × qPCR Master Mix et 2 μl de solution d'ADNc, la concentration de travail des amorces en amont et en aval était de 10 μM, les sondes ont été utilisées à une concentration de 5 μM et la réaction a été portée à 20 μl avec de l'eau sans RNase. La procédure qPCR a été définie comme suit : 37 °C pendant 5 min, 95 °C pendant 10 min et 40 cycles de 95 °C pendant 15 s et extension à 59 °C pendant 1 min.

Nous avons appliqué la méthode de quantification de la courbe standard pour la quantification de l'ARNm. Cette méthode est similaire aux approches précédentes utilisées pour d'autres types d'ARN [44]. Brièvement, nous avons synthétisé les fragments amplifiés de chaque gène cible. Au cours de la transcription inverse de ces gènes, nous avons généré une courbe standard à l'aide d'une PCR quantitative en temps réel en testant les transcrits synthétisés à différents gradients de concentration du nombre de copies. Par ce moyen, nous pourrions calculer le nombre de copies des gènes cibles par rapport à un échantillon standard. Plus précisément, une quantité initiale de 400 µl de sérum a été définie pour extraire l'ARN des exosomes. Ensuite, l'ARN extrait a été dissous dans de l'eau sans RNase. Ensuite, 20 ul d'ARNm ont été traités pour la transcription inverse pour donner 60 ul d'ADNc. Ensuite, nous avons ajouté 2 µl d'ADNc à 20 µl du système de PCR par fluorescence, avec des échantillons en triple accès pour obtenir la valeur CT moyenne. Dans le même temps, nous avons synthétisé les transcrits d'ARN cible aux numéros de copie de 103, 104, 105, 106 et 107. Ces ARNm synthétisés ont été traités en utilisant la même procédure que les transcrits susmentionnés (20 µl d'ARNm pour 60 µl d'ADNc et 2 µl d'ADNc pour 20 µl de système PCR). Ces ARNm synthétisés ont donné une courbe standard, et nous avons pu calculer le nombre de copies de l'ARNm cible en faisant correspondre la valeur CT à la courbe standard.

L'analyse de base des caractéristiques cliniques de la population inscrite à cette étude a été traitée par SPSS 21.0 (IBM Corporation, Armonk, New York, États-Unis). Les données de mesure ont été testées pour le test d'homogénéité de la normalité et de la variance, et les échantillons indépendants qui respectaient la distribution normale et ont été testés par le test t dans la conception de groupe (le test t 'a été utilisé pour la non-homogénéité de la variance), et le test Mann-Whitney U a été utilisé s'ils ne respectaient pas la distribution normale; les données appariées ont été testées pour la normalité de la différence moyenne, en utilisant le test t apparié pour la distribution normale et le test de rang signé de Wilcoxon pour la non-normalité. Le test du chi carré ou le test de probabilité exacte de Fisher a été utilisé pour les données de comptage.

Les résultats expérimentaux, tels que l'analyse comparative de l'expression génique, l'analyse unidirectionnelle pour la représentation graphique et le calcul de la valeur p, ont été réalisés par GraphPad Prism 8 (GraphPad Software, San Diego, Californie, États-Unis). Le score Z (z = (x - μ)/σ ; μ = moyenne (); σ = stdevp ()) a été appliqué dans le prétraitement des données pour normaliser les données. Le logiciel MedCalc 18.0 (MedCalc Software, Ostende, Belgique) a été utilisé pour établir un modèle de diagnostic clinique par régression logistique et a calculé l'aire sous la courbe (AUC), la sensibilité et la spécificité. Les différences ont été considérées comme statistiquement significatives à p < 0,05. L'aire sous les valeurs de la courbe ROC variait de 0,5 à 1, avec une valeur diagnostique faible entre 0,5 et 0,7, une valeur diagnostique modérée entre 0,7 et 0,9 et une valeur diagnostique élevée supérieure à 0,9.

Les ensembles de données cliniques analysés au cours de l'étude actuelle sont inclus dans cet article publié et ses fichiers d'informations supplémentaires, et les données de séquençage de l'ARN exosomal sont disponibles sur demande raisonnable auprès des archives de séquences CNGB (CNSA : https://db.cngb.org/cnsa/) de CNGBdb avec le numéro d'accès CNP0002099.

Angiomyolipome

Aire sous la courbe

Carcinome à cellules claires du rein

Tomodensitométrie

ARNm exosomal

ARN exosomiques

Imagerie par résonance magnétique

Analyse de suivi des nanoparticules

Réaction en chaîne par polymérase

Caractéristique de l'opérateur du récepteur

Petites masses rénales

La microscopie électronique à transmission

Western blot

Hsieh JJ, Purdue MP, Signoretti S, Swanton C, Albiges L, Schmidinger M, et al. Carcinome à cellules rénales. Nat Rev Dis Amorces. 2017;3:17009.

Article PubMed PubMed Central Google Scholar

Znaor A, Lortet-Tieulent J, Laversanne M, Jemal A, Bray F. Variations internationales et tendances de l'incidence et de la mortalité du carcinome à cellules rénales. Eur Urol. 2015;67(3):519–30.

Article PubMed Google Scholar

Siegel RL, Miller KD, Fuchs HE, Jemal A. Statistiques sur le cancer, 2022. CA Cancer J Clin. 2022;72(1):7–33.

Article PubMed Google Scholar

Dk J, Am F, Jl F, Jn H,QZ, LJ Z, et al. Réévaluation de la composition des exosomes. Cellule. 2019;177(2):428-45.e18.

Article CAS Google Scholar

Colombo M, Raposo G, Thery C. Biogenèse, sécrétion et interactions intercellulaires des exosomes et autres vésicules extracellulaires. Annu Rev Cell Dev Biol. 2014;30:255–89.

Article CAS PubMed Google Scholar

Xu L, Gimple RC, Lau WB, Lau B, Fei F, Shen Q, et al. Le présent et l'avenir de l'étude basée sur la spectrométrie de masse du paysage des exosomes. Mass Spectrom Rev. 2020;39(5–6):745–62.

Article CAS PubMed Google Scholar

Xu R, Rai A, Chen M, Suwakulsiri W, Greening DW, Simpson RJ. Vésicules extracellulaires dans le cancer - implications pour les améliorations futures des soins contre le cancer. Nat Rev Clin Oncol. 2018;15(10):617–38.

Article CAS PubMed Google Scholar

Kalluri R, LeBleu VS. La biologie, la fonction et les applications biomédicales des exosomes. Science. 2020;367(6478):eaau6977.

Article CAS PubMed PubMed Central Google Scholar

Dai J, Su Y, Zhong S, Cong L, Liu B, Yang J, et al. Les exosomes : acteurs clés du cancer et stratégie thérapeutique potentielle. Signal Transduct Cible Ther. 2020;5(1):145.

Article CAS PubMed PubMed Central Google Scholar

Hu W, Liu C, Bi ZY, Zhou Q, Zhang H, Li LL, et al. Panorama complet des ARN dérivés de vésicules extracellulaires dans l'initiation, la progression, les métastases et l'immunologie du cancer. Mol Cancer. 2020;19(1):102.

Article CAS PubMed PubMed Central Google Scholar

Butz H, Nofech-Mozes R, Ding Q, Khella HWZ, Szabo PM, Jewett M, et al. Les microARN exosomal sont des biomarqueurs diagnostiques et peuvent médier la communication cellule-cellule dans le carcinome à cellules rénales. Eur Urol Focus. 2016;2(2):210–8.

Article PubMed Google Scholar

Xiao CT, Lai WJ, Zhu WA, Wang H. MicroARN dérivé d'exosomes circulants comme biomarqueurs non invasifs pour le diagnostic du carcinome à cellules rénales. Onco cible Ther. 2020;13:10765–74.

Article CAS PubMed PubMed Central Google Scholar

Das S, Ansel KM, Bitzer M, Breakefield XO, Chaest A, Galas DJ, et al. Le consortium de communication d'ARN extracellulaire : établir des connaissances et des technologies fondamentales pour la recherche sur l'ARN extracellulaire. Cellule. 2019;177(2):231–42.

Article CAS PubMed PubMed Central Google Scholar

Ji J, Chen R, Zhao L, Xu Y, Cao Z, Xu H, et al. Le profilage de l'ARNm exosomal circulant identifie de nouvelles signatures pour la détection du cancer de la prostate. Mol Cancer. 2021;20(1):58.

Article CAS PubMed PubMed Central Google Scholar

Wei Z, Batagov AO, Schinelli S, Wang J, Wang Y, El Fatimy R, et al. Paysage codant et non codant de l'ARN extracellulaire libéré par les cellules souches du gliome humain. Nat Commun. 2017;8(1):1145.

Article PubMed PubMed Central CAS Google Scholar

Li Y, Zhao J, Yu S, Wang Z, He X, Su Y, et al. Le séquençage de l'ARN long des vésicules extracellulaires révèle une abondance d'ARNm, d'ARNcirc et d'ARNlnc dans le sang humain en tant que biomarqueurs potentiels pour le diagnostic du cancer. Clin Chem. 2019;65(6):798–808.

Article CAS PubMed Google Scholar

Xu H, Dong X, Chen Y, Wang X. ARNm hnRNPH1 exosomal sérique en tant que nouveau marqueur du carcinome hépatocellulaire. Clin Chem Lab Med. 2018;56(3):479–84.

Article CAS PubMed Google Scholar

Yu S, Li Y, Liao Z, Wang Z, Wang Z, Li Y, et al. Le profilage de l'ARN long des vésicules extracellulaires plasmatiques identifie une signature diagnostique pour la détection de l'adénocarcinome canalaire pancréatique. Intestin. 2020;69(3):540–50.

Article CAS PubMed Google Scholar

Kuczler M, Zieren R, Dong L, de Reijke T, Pienta K, Amend S. Progrès dans l'identification des biomarqueurs d'ARNm dérivés d'EV pour la biopsie liquide des carcinomes à cellules claires du rein. Urologie. 2022;160:87–93.

Article PubMed Google Scholar

Zieren R, Dong L, Clark D, Kuczler M, Horie K, Moreno L, et al. Définir des biomarqueurs candidats d'ARNm et de protéine EV pour discriminer le ccRCC et le pRCC des cellules rénales non malignes in vitro. Med Oncol. 2021;38(9):105.

Article CAS PubMed PubMed Central Google Scholar

Vasudev NS, Wilson M, Stewart GD, Adeyoju A, Cartledge J, Kimuli M, et al. Défis de la détection précoce du cancer du rein : schémas de symptômes et taux de diagnostic fortuit dans une cohorte britannique prospective multicentrique de patients présentant une suspicion de cancer du rein. BMJ ouvert. 2020;10(5):e035938.

Article PubMed PubMed Central Google Scholar

Rossi SH, Klatte T, Usher-Smith J, Stewart GD. Epidémiologie et dépistage du cancer du rein. Monde J Urol. 2018;36(9):1341–53.

Article PubMed PubMed Central Google Scholar

Ishikawa S, Aoki J, Ohwada S, Takahashi T, Morishita Y, Ueda K. Dépistage de masse de plusieurs organes solides abdominaux à l'aide d'un scanner de tomodensitométrie hélicoïdal mobile - un rapport préliminaire. Asiatique J Surg. 2007;30(2):118–21.

Article PubMed Google Scholar

Urquidi V, Rosser CJ, Goodison S. Tendances du diagnostic moléculaire du cancer urologique : biomarqueurs pour le diagnostic non invasif. Curr Med Chem. 2012;19(22):3653–63.

Article CAS PubMed PubMed Central Google Scholar

Morrissey JJ, Mobley J, Figenshau RS, Vetter J, Bhayani S, Kharasch ED. L'aquaporine urinaire 1 et la périlipine 2 différencient les carcinomes rénaux des autres masses rénales imagées et des cancers de la vessie et de la prostate. Mayo ClinProc. 2015;90(1):35–42.

Article CAS PubMed Google Scholar

Su Kim D, Choi YD, Moon M, Kang S, Lim JB, Kim KM, et al. Test composite à trois marqueurs pour la détection précoce du cancer du rein. Biomarqueurs de l'épidémiol du cancer Prev. 2013;22(3):390–8.

Article PubMed CAS Google Scholar

Zhang Y, Liu Y, Liu H, Tang WH. Exosomes : biogenèse, fonction biologique et potentiel clinique. Cell Biosci. 2019;9:19.

Article PubMed PubMed Central Google Scholar

Halvaei S, Daryani S, Eslami SZ, Samadi T, Jafarbeik-Iravani N, Bakhshayesh TO, et al. Exosomes dans la biopsie liquide du cancer : un focus sur le cancer du sein. Mol Ther acides nucléiques. 2018;10:131–41.

Article CAS PubMed Google Scholar

Nawaz M, Camussi G, Valadi H, Nazarenko I, Ekstrom K, Wang X, et al. Le rôle émergent des vésicules extracellulaires comme biomarqueurs des cancers urogénitaux. Nat Rev Urol. 2014;11(12):688–701.

Article PubMed Google Scholar

Thongboonkerd V. Rôles de l'exosome dans diverses maladies et troubles rénaux. Avant Pharmacol. 2019;10:1655.

Article CAS PubMed Google Scholar

Wang X, Wang T, Chen C, Wu Z, Bai P, Li S, et al. MiR-210 exosomal sérique en tant que biomarqueur potentiel du carcinome à cellules claires du rein. J Cell Biochem. 2018;120(2):1492–502.

Article CAS Google Scholar

Zhang W, Ni M, Su Y, Wang H, Zhu S, Zhao A, et al. MicroARN dans les exosomes sériques comme biomarqueurs potentiels dans le carcinome à cellules claires du rein. Eur Urol Focus. 2018;4(3):412–9.

Article PubMed Google Scholar

Schmidbauer J, Remzi M, Memarsadeghi M, Haitel A, Klingler HC, Katzenbeisser D, et al. Précision diagnostique de la biopsie percutanée guidée par tomodensitométrie des masses rénales. Eur Urol. 2008;53(5):1003–11.

Article PubMed Google Scholar

Frank I, Blute ML, Cheville JC, Lohse CM, Weaver AL, Zincke H. Tumeurs rénales solides : une analyse des caractéristiques pathologiques liées à la taille de la tumeur. J Urol. 2003;170(6 Pt 1):2217–20.

Article PubMed Google Scholar

Gris RE, Harris GT. Carcinome à cellules rénales : diagnostic et prise en charge. Suis Fam Physician. 2019;99(3):179–84.

Google Scholar PubMed

Eble J. Classification des tumeurs par l'Organisation mondiale de la santé. Pathologie et génétique des tumeurs de l'appareil urinaire et des organes génitaux masculins. 2004.

Google Scholar

Lane BR, Aydin H, Danforth TL, Zhou M, Remer EM, Novick AC, et al. Corrélats cliniques des sous-types d'angiomyolipome rénal chez 209 patients : classique, pauvre en graisse, associé à la sclérose tubéreuse et épithélioïde. J Urol. 2008;180(3):836–43.

Article PubMed Google Scholar

Jinzaki M, Silverman SG, Akita H, Nagashima Y, Mikami S, Oya M. Angiomyolipome rénal : classification radiologique et mise à jour sur les développements récents en matière de diagnostic et de prise en charge. Imagerie de l'abdomen. 2014;39(3):588–604.

Article PubMed PubMed Central Google Scholar

Jinzaki M, Tanimoto A, Narimatsu Y, Ohkuma K, Kurata T, Shinmoto H, et al. Angiomyolipome : résultats d'imagerie dans les lésions avec un minimum de graisse. Radiologie. 1997;205(2):497–502.

Article CAS PubMed Google Scholar

Jeon HG, Lee SR, Kim KH, Oh YT, Cho NH, Rha KH, et al. Lésions bénignes après néphrectomie partielle pour carcinome à cellules rénales présumé dans des masses de 4 cm ou moins : prévalence et facteurs prédictifs chez les patients coréens. Urologie. 2010;76(3):574–9.

Article PubMed Google Scholar

Trpkov K, Yilmaz A, Uzer D, Dishongh KM, Quick CM, Bismar TA, et al. Oncocytome rénal revisité: une étude clinicopathologique de 109 cas mettant l'accent sur les caractéristiques diagnostiques problématiques. Histopathologie. 2010;57(6):893–906.

Article PubMed Google Scholar

Omiyale AO, Carton J. Oncocytome rénal avec invasion de graisse vasculaire et périnéphrique. L'Adv Urol. 2019;11:1756287219884857.

Article CAS PubMed PubMed Central Google Scholar

Moch H. Tumeurs rénales kystiques : nouvelles entités et nouveaux concepts. Adv Anat Pathol. 2010;17(3):209–14.

Article PubMed Google Scholar

Li Y, Elashoff D, Oh M, Sinha U, St John MA, Zhou X, et al. Profilage de l'ARNm humain circulant dans le sérum et son utilité pour la détection du cancer de la bouche. J Clin Oncol. 2006;24(11):1754–60.

Article CAS PubMed Google Scholar

Télécharger les références

N'est pas applicable.

Cette étude a été soutenue par des subventions de la National Natural Science Foundation of China (NSFC) (81902616 à FW), du programme Shuguang de la Shanghai Education Development Foundation et de la Shanghai Municipal Education Commission (16SG33 à HY), et du projet de soutien scientifique et technologique dans le domaine de la biomédecine du plan d'action scientifique et technologique de Shanghai (19441909200, FW).

Xing He, Feng Tian, Fei Guo, Fangxing Zhang et Huiyong Zhang ont contribué à parts égales à ce travail.

Département d'urologie, hôpital de Changhai, université de médecine navale (deuxième université de médecine militaire), 168 Changhai Road, Shanghai, 200433, Chine

Xing He, Fei Guo, Jin Ji, Lin Zhao, Jingyi He, Yutian Xiao, Bo Yang et Huamao Ye

Département d'urologie, Huitième hôpital populaire de Shanghai, 8 Caobao Road, Shanghai, 200235, Chine

Feng Tian et Feng Zhang

Centre de médecine génomique et personnalisée, Laboratoire clé du Guangxi pour la médecine génomique et personnalisée, Centre d'innovation collaborative du Guangxi pour la médecine génomique et personnalisée, Université médicale du Guangxi, 22 Shuangyong Road, Nanning, 530021, Guangxi, Chine

Fangxing Zhang, Huiyong Zhang, Longman Li, Chunmeng Wei, Caihong Huang, Yexin Li et Fubo Wang

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Conception et design : XH, FW, HY et BY ; réalisation des expériences : XH, FG et FZ2 (Feng Zhang) ; acquisition de données cliniques : FT, HZ, JJ et FZ ; collecte d'échantillons cliniques et traitement des échantillons : JH, LZ et JJ ; analyse et interprétation des données : FW, FT, FG, FZ1 (Fangxing Zhang), HZ, YX, LL, CW et CH ; rédaction du manuscrit : XH, FZ1 (Fangxing Zhang) et YL ; revu et édité le manuscrit : FW, HY, BY et FT ; supervision de l'étude : FW, HY et BY. Tous les auteurs ont lu et approuvé le manuscrit final.

Correspondance avec Bo Yang, Huamao Ye ou Fubo Wang.

Cette étude a été approuvée par le comité d'éthique de la recherche clinique de l'hôpital de Shanghai Changhai (n° CHEC2020-112). Un consentement éclairé écrit a été obtenu des participants.

Consentement à la publication

N'est pas applicable.

Les auteurs déclarent n'avoir aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Figure S1. Contrôle de la qualité de l'isolement et de la vérification des exosomes. Fig.S2. Dépistage et test de l'ARN exosomal circulant. Figure S3. La performance des ARNm candidats pour le dépistage des patients atteints de carcinome rénal à cellules claires localisé (ccRCC) à partir de témoins sains et la différenciation des ccRCC des patients atteints de masses rénales bénignes. Figure S4. AUC de la signature dérivée pour distinguer le ccRCC des témoins sains pour le ccRCC par rapport aux masses rénales bénignes (AUC = 0,559).

Tableau S1. Caractéristiques démographiques et cliniques des participants atteints de masses solides et kystiques bénignes. Tableau S2. Liste des amorces et des sondes. Tableau S3. Liste des transcrits circulants exosomaldysregulated entre les patients atteints de carcinome rénal à cellules claires (ccRCC) et les témoins sains.

Renseignements à l'appui.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/. La renonciation Creative Commons Public Domain Dedication (http://creativecommons.org/publicdomain/zero/1.0/) s'applique aux données mises à disposition dans cet article, sauf indication contraire dans une ligne de crédit aux données.

Réimpressions et autorisations

He, X., Tian, F., Guo, F. et al. Signatures d'ARNm exosomal circulant pour le diagnostic précoce du carcinome à cellules claires du rein. BMC Med 20, 270 (2022). https://doi.org/10.1186/s12916-022-02467-1

Télécharger la citation

Reçu : 23 mars 2022

Accepté : 04 juillet 2022

Publié: 25 août 2022

DOI : https://doi.org/10.1186/s12916-022-02467-1

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt