Ccdc78-KO 基因敲除小鼠

CCDC78基因，全称为Coiled-coil domain containing 78，是一种在真核生物中发现的基因，编码一种与多种生物学过程相关的蛋白质。该基因的突变与人类遗传性疾病——常染色体显性中央轴空性肌病-4（autosomal dominant centronuclear myopathy-4，CNM4）相关。CNM4是一种罕见的肌肉疾病，其特征是肌肉细胞（肌纤维）中的核位置异常，即核位于肌纤维的中央位置，而不是正常情况下的周边位置。这种异常会导致肌肉无力和肌肉组织中的其他病理变化。

在最近的研究中，研究人员通过对携带CCDC78无义突变的家族成员的肌肉活检样本进行综合的组织病理学分析，包括免疫荧光检测多种肌浆蛋白，以及使用Western blotting检测CCDC78转录本和蛋白质。他们发现肌肉组织中的肌浆网（sarcoplasmic reticulum, SR）扩张和肿胀，这是该疾病的一个新的组织病理学特征。此外，他们还发现了一种新的CCDC78转录本在肌肉和淋巴细胞中存在，并且通过RNA测序（RNA-seq）技术，发现了与CCDC78功能障碍相关的肌肉中1035个差异表达基因，其中包括几个与SR相关的基因。通过免疫共沉淀（Co-Immunoprecipitation）和质谱（LC-MS/MS）分析，他们发现CCDC78与两个关键的SR蛋白——SERCA1和CASQ1相互作用，还观察到与MYH1、ACTN2和ACTA1的相互作用。这些发现首次揭示了CCDC78在骨骼肌中的互作蛋白和可能的生物学功能，并将CCDC78定位在SR中。此外，他们的数据扩展了之前与CCDC78突变相关的表型，指出了人类肌肉疾病中潜在的病理学特征。基于这些数据，他们可以将CCDC78视为CNM4的致病基因[1]。

核心肌病是一组在临床、病理和遗传上异质性的肌肉疾病，其发病和临床严重程度各不相同。这些疾病通过肌肉活检显示局灶性氧化酶活性降低而被诊断，并可按病理学分为中央轴空病、多轴空病、尘轴空病和轴空棒状肌病。尽管RYR1相关肌病是最常见的核心肌病，但已有越来越多的其他致病基因被报道，包括SELENON、MYH2、MYH7、TTN、CCDC78、UNC45B、ACTN2、MEGF10、CFL2、KBTBD13和TRIP4。此外，最初报道为引起nemaline肌病的基因，即ACTA1、NEB和TNNT1，最近已被关联到轴空棒状肌病。遗传分析使我们能够更准确地诊断每种核心肌病。在一篇综述中，研究人员提供了关于核心肌病的最新信息[2]。

在黎巴嫩进行的一项为期20年的临床和遗传性神经肌肉疾病队列分析中，研究人员回顾了506名患者被诊断为62种不同疾病，涵盖10类神经肌肉疾病。他们发现了103个基因中的103个变异。在这组队列中，81.4%的患者被诊断为运动神经元疾病和肌肉营养不良，其中近一半的患者被描述为脊髓性肌萎缩症（SMA）（患者总数的40.3%）。他们估计黎巴嫩SMA的发病率高达1/7500。Duchenne和Becker肌肉营养不良是第二常见的神经肌肉疾病（占患者的17%）。这些疾病与本研究中发现的变异数量最多（39个）。值得注意的是，他们还发现肢体带状肌肉营养不良和Charcot-Marie-Tooth疾病的高度异质性表现。最不常见的疾病（占患者的5.5%）包括先天性、代谢性和线粒体肌病、先天性肌无力综合征和肌强直性营养不良。他们的研究指出，黎巴嫩异质性神经肌肉疾病的高发病率和报告不足，这是一个重大挑战，因为在管道中有许多新的神经肌肉疾病治疗方法。该报告呼吁建立一个区域性的神经肌肉疾病患者登记册[3]。

在另一项研究中，研究人员发现，与LMNA基因相关的骨骼肌疾病中，一个相对常见的CCDC78变异可以与LMNA突变共同作用，导致严重的肌肉病理学，并解释了骨骼肌疾病表型的变异性。他们发现，携带LMNA突变和CCDC78变异的家庭成员的肌肉活检样本中，肌肉核心中积累了CCDC78和RyR1，而在仅携带LMNA突变的受影响较轻的家庭成员中，则没有发现这种情况。这些发现表明，CCDC78的变异可以显著影响LMNA相关骨骼肌疾病的病理学[4]。

研究人员还发现，CCDC78基因的一个显性突变与一种独特的先天性肌病相关，该病的特点是远端无力、肌活检中存在核心样区域和内部核增多。他们通过连锁分析和全外显子捕获结合下一代测序，在受影响的家庭成员中检测到了一个在之前未描述的CCDC78基因中的剪接受体变异。这种变异改变了RNA转录本的加工，并导致了一个222bp的框内插入。CCDC78在骨骼肌中表达，富集于细胞核周围区域和三联体，并且在患者肌肉中发现细胞内聚集。他们在斑马鱼中对CCDC78突变进行了建模，结果出现了与人类疾病相似的变化，包括运动功能改变和肌肉超微结构异常。通过连锁分析、下一代测序和斑马鱼模型，他们发现了一个与独特的肌病相关的CCDC78突变[5]。

在一项关于结直肠癌的研究中，研究人员发现，与癌症相关的成纤维细胞是肿瘤免疫微环境的一个重要组成部分，在恶性肿瘤进展和治疗反应中发挥着关键作用。他们通过下载来自GEO数据库的单细胞RNA测序（scRNA-seq）数据和TCGA数据库的批量RNA测序数据，以识别与成纤维细胞相关的差异表达基因。在TCGA数据集中，他们从肿瘤样本中识别出差异表达基因（DEGs），并使用WGCNA方法识别模块基因。通过将WGCNA模块基因与肿瘤成纤维细胞相关的DEGs进行比较，他们发现了重叠的队列，这些队列被视为关键的CAFs。此外，他们使用单变量分析识别出与预后相关的CAFs。使用LASSO算法建立了CAFs风险模型，并使用外部数据集进行验证。最终，他们使用qRT-PCR证实了结直肠癌中预后CAFs的表达。他们发现，大量的DEGs被识别为CAFs，其中8个具有预后意义。这些CAFs主要与7个途径相关，包括过氧化物酶体功能、B细胞受体信号和细胞粘附分子。CAFs风险模型在预测预后方面表现出高准确性，并通过使用外部独立队列进行验证得到证实。此外，风险签名与免疫相关评分、肿瘤纯度、估计值和基质评分显著相关。他们使用qRT-PCR证实，与NCM460细胞相比，HCT116和HT29细胞系中RAB36的表达水平显著下调。相反，CD177、PBX4和CCDC78在HCT116和HT29细胞系中上调，而ACSL6和KCNJ14仅在HCT116细胞中上调（P < 0.05）。CD177和CCDC78的表达趋势与他们的预测结果一致。CAFs风险模型可以准确预测预后、免疫细胞浸润和基质估计。预后CAFs（CD177和CCDC78）可能是结直肠癌的潜在治疗靶点[6]。

在一项关于前列腺癌的研究中，研究人员使用机器学习方法识别了前列腺癌和去势抵抗性前列腺癌（CRPC）中共同表达的差异表达基因（DEGs），旨在建立一个稳健的预后模型，并增强对患者预后的理解，以实现个性化的治疗策略。他们从GEO数据库获得了与CRPC相关的mRNA转录组数据。使用limma R包对正常前列腺样本与PCa样本、PCa样本与CRPC样本进行了差异表达分析。随后，他们使用LASSO回归、单变量和多变量COX回归分析确定了与预后相关的基因，并建立了预后模型。他们使用TCGA_PRAD数据集进行了验证，以确认中心基因的表达差异，并探索它们与临床变量和预后意义的相关性。他们成功地建立了一个包含7个基因（KIF4A、UBE2C、FAM72D、CCDC78、HOXD9、LIX1和SLC5A8）的前列腺癌风险预后模型，并在一个独立的数据集上验证了其准确性。校准曲线和决策曲线的结果表明，该模型具有潜在的临床应用价值。列线图可以准确预测患者的预后。此外，KIF4A、UBE2C和FAM72D表达升高，或LIX1表达降低，与高级别的病理T和N阶段、临床T阶段、前列腺特异性抗原（PSA）水平、诊断年龄、Gleason评分和较短的进展无病间隔（PFI）相关（P < 0.05）。通过整合生物信息学分析和临床数据，他们不仅为前列腺癌建立了一个可靠的预后模型，而且还确定了在疾病进展和治疗抵抗中发挥关键作用的基因。这些发现为评估预后和为前列腺癌患者量身定制治疗策略提供了新的见解和方法[7]。

在一项关于弥散性大B细胞淋巴瘤（DLBCL）的研究中，研究人员发现，DLBCL是一种遗传异质性很强的疾病，其预后复杂。尽管目前已有多种预后评估方法，但它们通常只使用临床因素，而忽略了DLBCL进展的分子基础。因此，需要进一步探索更准确的预后评估方法。在目前的研究中，他们基于微管相关基因（MAGs）构建了一个新的预后模型。他们包括了33个正常对照和1360个包含基因表达的DLBCL样本。随后，他们使用单变量Cox回归、最小绝对收缩和选择算子（LASSO）和多变量Cox回归分析，将最佳预后相关基因选入MAGs模型。为了验证模型，他们分析了Kaplan-Meier曲线和列线图。他们建立了一个基于14个候选MAGs的风险评分模型（CCDC78、CD300LG、CTAG2、DYNLL2、MAPKAPK2、MREG、NME8、PGK2、RALBP1、SIGLEC1、SLC1A1、SLC39A12、TMEM63A和WRAP73）。K-M曲线显示，高风险患者在训练和验证数据集中，其总生存期（OS）时间明显低于低风险患者。此外，敲除MAGs模型中的关键基因TMEM63A，可以显著抑制细胞增殖。他们的研究表明，基于MAGs的预后模型具有良好的预测能力，可以作为当前评估的补充。此外，候选基因TMEM63A在DLBCL中可能具有治疗靶点的潜力[8]。

在一项关于结肠癌的研究中，研究人员旨在通过详细的转录组分析识别预测结肠癌患者预后的预后签名。他们下载了TCGA结肠腺癌所有样本的RNA-seq表达谱、miRNA表达谱和临床表型信息。他们确定了肿瘤和正常样本之间的差异表达mRNAs（DEMs）、差异表达lncRNAs（DELs）和差异表达miRNAs（DEMis）。随后，他们构建了一个竞争性内源性RNA（ceRNA）网络，并使用Cox回归分析筛选出ceRNA网络中与预后相关的DEMs。他们使用这些DEMs建立了预测结肠癌患者预后的风险评分模型。他们确定了1476个DEMs、9个DELs和243个DEMis。功能富集分析表明，DEMs在神经系统发育、真核生物的核糖体生物发生途径和药物代谢细胞色素P450中显著富集。他们从ceRNA网络中筛选出12个与预后相关的DEMs。随后，他们获得了包含7个DEMs（SGCG、CLDN23、SLC4A4、CCDC78、SLC17A7、OTOP3和SMPDL3A）的风险评分模型。此外，他们还确定了癌症阶段是一个预后临床因素。他们的预后签名在两个独立的数据集中进一步得到验证。他们的研究开发了一个与结肠癌患者预后相关的七基因和一个临床因素签名，这可能在未来成为可能的生物标志物和治疗靶点[9]。

综上所述，CCDC78基因在多种生物学过程中发挥着重要作用，包括肌肉功能和疾病、肿瘤免疫微环境、前列腺癌和DLBCL。CCDC78的突变与CNM4相关，这是一种导致肌肉无力和肌肉组织病理变化的罕见疾病。此外，CCDC78还与LMNA基因相关的骨骼肌疾病相互作用，影响疾病的病理学。在结直肠癌、前列腺癌和DLBCL中，CCDC78的表达和变异与疾病的预后相关。这些发现为CCDC78在疾病发生和发展中的作用提供了新的见解，并可能为开发新的治疗策略提供线索。