Рак шейки матки (РШМ) является третьим по распространенности видом рака среди женщин во всем мире, только в 2020 году было зарегистрировано более 600 000 новых случаев [1]. Плоскоклеточный рак шейки матки составляет более 85 % всех случаев. При этом 5-летняя выживаемость при локализованном РШМ составляет около 91,5 %, а после метастазирования 5-летняя выживаемость снижается практически до 16,5 % [2]. Удовлетворительный прогноз на ранних стадиях РШМ можно объяснить недавними достижениями в традиционных стратегиях лечения. Однако примерно у двух третей пациенток РШМ диагностируется на поздней стадии из-за отсутствия практических диагностических биомаркеров, что делает стандартные стратегии лечения неэффективными [1–3]. Поэтому крайне важно изучить новые методы диагностики и терапии, опираясь на молекулярно-генетические особенности РШМ.

Полногеномные исследования с использованием микрочипов и секвенирования нового поколения (NGS) выявили глобальные эпигеномные изменения, ответственные за онкогенез, и предоставили возможность перевести эти молекулярные изменения в качестве биомаркеров и терапевтических мишеней у пациентов с РШМ. Тем не менее результаты полногеномного исследования потребовали перекрестной проверки, поскольку выявленные молекулы могут быть противоречивыми из-за: 1) гетерогенности опухоли, 2) используемых методик обнаружения, 3) типов и источников образцов и 4) алгоритмов, используемых для анализа данных [4][5]. Следовательно, повторный анализ больших данных может дать новое представление о регуляторных факторах, молекулярных механизмах и сигнальных путях, которые могут изменяться при РШМ. Предыдущие анализы in silico показали, что повторный анализ больших данных из базе данных «Омнибус экспрессии генов» (англ. Gene Expression Omnibus, или GEO) может выявить надежные диагностические и прогностические маркеры, а также терапевтические мишени при онкологических заболеваниях [6–8].

Циркулярные РНК (циркРНК) представляют собой класс некодирующих РНК (нРНК) с кольцевой конформацией, образующихся из пре-матричной РНК (мРНК) путем обратного сплайсинга. В отличие от линейных РНК, циркРНК более стабильны и устойчивы к расщеплению ферментами. Некоторые из циркРНК более распространены, чем их линейные транскрипты. Кроме того, циркРНК присутствуют в различных геномах млекопитающих [9][10]. Недавние исследования показали, что циркРНК играют все более важную роль в развитии многих заболеваний, и обнаружено, что аберрантная экспрессия циркРНК тесно связана с биогенезом и прогрессированием опухолей [11][12]. Несмотря на многочисленные функции циркРНК при опухолях человека, еще многое предстоит узнать о функциях и механизмах циркРНК, участвующих в онкогенезе РШМ, чтобы эффективно и безопасно транслировать фундаментальные знания в клиническую практику.

В этом исследовании мы получили образцы профиля экспрессии циркРНК, микроРНК (миРНК) и мРНК из базы данных GEO для пациентов с РШМ. С помощью языка программирования R были идентифицированы дифференциально экспрессируемые циркулярные РНК (ДЭЦ), дифференциально экспрессируемые микроРНК (ДЭМ) и дифференциально экспрессируемые гены-мишени (ДЭГ). Кроме того, были идентифицированы цели прогнозирования «циркРНК — миРНК» и «миРНК — мРНК». Затем путем их слияния была построена регуляторная сеть «циркРНК — миРНК — мРНК». Популярные методы обогащенного анализа, такие как анализ Белок-белкового взаимодействия (англ. Protein-Protein Interaction, или PPI), Онтология генов (англ. Gene Ontology, или GO) и анализ Киотской энциклопедии генов и геномов (англ. Kyoto Encyclopedia of Genes and Genomes, или KEGG), использовались для прогнозирования потенциальных сигнальных путей и регуляторных механизмов в онкогенезе РШМ. Это исследование предлагает новые диагностические и терапевтические инструменты, а также предпосылки для будущих исследований, которые могут улучшить наше понимание возможных молекулярных процессов РШМ.

В настоящем исследовании использовали ключевые слова «рак шейки матки или РШМ» (ключевые слова исследования), «циркулярные РНК или циркРНК» (тип исследования), «Home Sapiens» (организм) и «опухолевая ткань» (название атрибута) для извлечения данных из базы данных Национального центра биотехнологической информации по экспрессии генов (англ. National Center for Biotechnology Information, или NCBI) (https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc =GSE102686; доступ в декабре 2023 г.). Данные дифференциально экспрессируемых циркулярных РНК (ДЭЦ), дифференциально экспрессируемых микроРНК (ДЭМ) и дифференциально экспрессируемых генов-мишеней (ДЭГ) образцов РШМ и нормальных тканей были загружены из базы данных GEO, набора данных GSE102686, GSE30656 и GSE9750, которые основаны на микрочипе V1 GPL19978 Agilent-069978 Arraystar Human CircRNA (Agilent Technologies Inc., MD), GPL6955 Agilent-016436 Human miRNA Microarray 1.0 и GPL96[ HG-U133A] Affymetrix Human Genome U133A Array. Эти образцы включали 5 образцов плоскоклеточного рака и 5 образцов нормального эпителия шейки матки из базы данных GSE102686, 10 образцов плоскоклеточного рака и 10 образцов нормального эпителия шейки матки из базы данных GSE30656 и 40 образцов плоскоклеточного рака и 24 образца нормального эпителия шейки матки из базы данных GSE9750 (табл. 1). ДЭЦ, ДЭМ и ДЭГ между РШМ и нормальной тканью проверяли с помощью инструмента GEO2R (https://www.ncbi.nlm.nih.gov/geo/geo2r/?acc=GSE102686). Log2-кратное изменение |log2FC| > 1,0 и скорректированное значение p < 0,05 были определены в качестве отправной точки для выбора ДЭЦ, ДЭМ и ДЭГ.

Мы использовали базу данных circBase (http://www.circbase.org/) для анализа полученных ДЭЦ. CircBase — это база данных, связанная с поиском существующих циркРНК, в которой указывается краткая информация о циркРНК, такая как последовательность, ген и расположение в геноме [13]. Затем мы определили сеть взаимодействия «циркРНК — миРНК», используя базу данных circBank (http://www.circbank.cn/index.html) и базу данных CircInteractome (https://circinteractome.nia.nih.gov/index.html), где в сеть взаимодействия были включены миРНК с наивысшим баллом, контекст + процентиль оценки > 90 (англ. Context + percentile score) [13][14]. Далее три алгоритма прогнозирования мишеней, такие как TargetScan (https://www.targetscan.org/vert_80/), miRDB (https://mirdb.org/custom.html) и RNA22 (https://cm.jefferson.edu/rna22/) были использованы для предсказания потенциальной целевой взаимосвязи между выбранными миРНК и областями 3′-нетранслируемой области (3′-НТО, англ. 3′-untranslated region, 3′-UTR) 3′-НТО мРНК генов-мишеней [15]. Высокая степень достоверности присваивается, когда совокупная взвешенная оценка контекста (англ. Cumulative weighted context++ score или «CWCS»), определенная TargetScan, равна -0,4 или ниже. Такие оценки предсказывают, что миРНК подавляет конкретную мишень мРНК гена по меньшей мере на 25 % относительно нормального уровня. Умеренная достоверность присваивается, когда CWCS находится в диапазоне от -0,2 до -0,4. Такие оценки предсказывают, что миРНК подавляет конкретную мишень мРНК на 13–25 % по сравнению с их нормальными уровнями. По опыту многих исследователей, прогнозируемая мРНК как мишень с рейтингом прогнозирования > 80, контекст ++ процентиль оценки (англ. Context ++ percentile score) из базы данных miRDB имеет подтверждающие доказательства о практической взаимосвязями между миРНК и 3′-НТО мРНК генов-мишеней.

Потенциальные функции ДЭЦ были дополнительно исследованы путем изучения мРНК генов-мишеней в регуляторной сети. Обогащение целевых мРНК по путям GO и KEGG анализировали и визуализировали с использованием программного обеспечения База данных для аннотации, визуализации и интегрированного обнаружения (англ. The Database for Annotation, Visualization and Integrated Discovery, или DAVID). GO в основном используется для анализа функций мРНК, обогащенных клеточным компонентом (КК), молекулярной функцией (МФ) и биологическим процессом (БП). KEGG использовалась для анализа функций мРНК генов-мишеней, участвующих в нескольких сигнальных путях.

Статистический анализ проводили с использованием программного обеспечения IBM SPSS (версия 16.0) и Graphpad Prism (версия 8.0). Для сравнения различных групп использовался независимый t-критерий или критерий хи-квадрат. Вероятность p < 0,05 (*) или p < 0,001 (**) считалась статистически значимой.

В настоящем исследовании мы проанализировали наборы данных GSE102686, GSE30656 и GSE9750 из базы данных GEO с помощью инструмента GEO2R и обнаружили ДЭЦ при сравнении 5 образцов плоскоклеточного рака и 5 образцов нормального плоского эпителия шейки матки, ДЭМ при сравнении 10 образцов плоскоклеточного рака и 10 образцов нормального плоского эпителия шейки матки и ДЭГ при сравнении 40 образцов плоскоклеточного рака и 24 образцов нормального плоского эпителия шейки матки. Всего было обнаружено 105 ДЭЦ, 144 ДЭМ и 539 ДЭГ (p < 0,05 и p < 0,001). Среди 105 ДЭЦ 49 циркРНК имели повышенный уровень экспрессии и 56 циркРНК имели пониженный уровень экспрессии, среди 144 ДЭМ 27 миРНК имели повышенный уровень экспрессии и 117 миРНК имели пониженный уровень экспрессии, среди 539 ДЭГ 266 мРНК генов имели повышенный уровень экспрессии и 273 мРНК генов имели пониженный уровень экспрессии. Тепловые карты (heat maps) и Volcano plot диаграммы ДЭЦ, ДЭМ и ДЭГ в трех вышеуказанных наборах данных показаны на рисунках 1–3. Интерпретация изменения уровня экспрессии ДЭЦ, ДЭМ и ДЭГ основана на значениях log2FC > 1,0 (повышенный уровень экспрессии) и log2FC < -1,0 (пониженный уровень экспрессии).

На основании установленных данных были выбраны 5 циркРНК с наиболее высоким уровнем экспрессии и 5 циркРНК с наиболее низким уровнем экспрессии. Этими 10 циркРНК были hsa_circ_0000745, hsa_circ_0084927, hsa_circ_0002762, hsa_circ_0075341, hsa_circ_0081672, hsa_circ_0031027, hsa_circ_0065898, hsa_circ_0046290, hsa_circ_0070190 и hsa_circ_0027821. Информация о кандидатных циркРНК приведена в таблице 2.

Используя базу данных CircInteractome и circBank и учитывая параметры «контекст + процентиль оценки ≥ 90», мы идентифицировали 99 целевых миРНК для этих 10 циркРНК. Используя эти 99 предсказанных миРНК из баз данных для выбора миРНК мишеней, с пересечением с 144 ДЭМ, полученными из набора данных GSE30656, мы, наконец, получили 22 целевые миРНК с низким уровнем экспрессии, включая также те миРНК, которые имеют перекрестные связи из базы данных CircInteractome и circBank с кандидатными циркРНК: hsa-miR-145, hsa-miR-494, hsa-miR-876-3p, hsa-miR-182, hsa-miR-520g, hsa-miR-520h, hsa-miR-874, hsa-miR-1252, hsa-miR-579, hsa-miR-1256, hsa-miR-766, hsa-miR-146b-3p, hsa-miR-576-3p, hsa-miR-758, hsa-miR-513a-5p, hsa-miR-1229, hsa-miR-224, hsa-miR-338-5p, hsa-miR-567, hsa-miR-623, hsa-miR-370 и hsa-miR-638. 7 миРНК (hsa-miR-145, hsa-miR-494, hsa-miR-182, hsa-miR-224, hsa-miR-623, hsa-miR-370 и hsa-miR-638) из данных 22 миРНК имели совпадение циркРНК — миРНК взаимодействия как из базы данных CircInteractome и circBank, так и из набора данных GSE30656.

Далее три алгоритма прогнозирования целей, такие как TargetScan (https://www.targetscan.org/vert_80/), miRDB (https://mirdb.org/custom.html) и RNA22 (https://cm.jefferson.edu/rna22/), были использованы для предсказания потенциальной целевой взаимосвязи между найденными миРНК и 3′-НТО областями мРНК генов-мишеней. Используя информацию из этих баз данных о взаимодействиях предсказанных 22 миРНК с 3′-НТО областями мРНК генов-мишеней, с пересечением с 539 ДЭГ, полученными из набора данных GSE9750, мы получили 68 целевых генов с различным уровнем экспрессии: MPZL2, NAV3, ANGPT2, COL11A1, MEST, MXD1, TRPS1, KIF20A FNDC3B, BNIP3, EGR3, HBEGF, MAGEL2, CRISP3, DSG2, ZFP36, ENDOU, RRAGD, USP18, GJA1, RAPGEFL1, PKP1, IGF1, LPAR6, DKK2, GLTP, DLGAP5, CXCL9, PPP1R3C, CRABP2, RAB25, FUT8, STX11, KLK12, SERPINB13, CHL1, GREB1, DSG3, KAT2B, ARHGEF26, SNX10, PTGER3, SFRP1, PLK2, GOLM1, FN1, GPX3, CLN6, FOSB, SLC24A3, SERPINB2, PLOD2, MREG, ABCA8, CENPF, ID4, MECOM, SIX1, RRM2, PELI1, ELL2, SLC16A6, MEIS2, KLF4, NEK2, TMPRSS11E, KRT14 и EVPL.

Мы объединили пары «циркРНК — миРНК» и «миРНК — мРНК», чтобы реконструировать регуляторную сеть «циркРНК — миРНК — мРНК» при РШМ. Регуляторная сеть «циркРНК — миРНК — мРНК», или сеть PPI, была визуализирована с использованием программы Cytoscape (версия 3.10.1). Известно, что циркРНК играют роль в экспрессии генов, поскольку они могут частично ингибировать активность микроРНК. Они связываются с микроРНК, как губка, и действуют как конкурирующая эндогенная РНК, регулируя функцию целевой микроРНК, тем самым косвенно воздействуя на уровни мРНК. Поэтому, учитывая вышеизложенные результаты, мы пришли к окончательному выбору целевых циркРНК и их миРНК с мРНК генов-мишенями. В частности, были выбраны 3 циркРНК из 10 кандидатных (hsa_circ_0000745, hsa_circ_0084927 и hsa_circ_0002762) с повышенным уровнем экспрессии, 6 миРНК из 22 кандидатных (hsa-miR-145, hsa-miR-876-3p, hsa-miR-1229, hsa-miR-182, hsa-miR-520h и hsa-miR-1252) с пониженным уровнем экспрессии и 9 генов из 68 кандидатных (ANGPT2, COL11A1, MEST, KIF20A, CLN6, FNDC3B, USP18, DLGAP5 и CXCL9) с повышенным уровнем экспрессии. Предварительная и окончательная регуляторные сети «циркРНК — миРНК — мРНК» представлена на рисунках 4 и 5. Эти взаимодействия между циркРНК, миРНК и мРНК генов могут дать новое понимание механизма, лежащего в основе онкогенеза РШМ и внеклеточных коммуникаций через передачу циркулирующих РНК молекул в составе ВВ.

Для обнаружения потенциальных функций hsa_circ_0000745, hsa_circ_0084927 и hsa_circ_0002762 использовали 9 ключевые генов, включая анализ обогащения GO и анализ пути KEGG. При анализе GO, включая БП, КК и МФ, мы получили 30 результатов для 9 ДЭГ (при БП были 8 ДЭГ из 9). При анализе пути KEGG мы получили 12 результатов для 4 ДЭГ. В таблице 3 показана полная информация каждого обнаруженного кластера GO и для путей KEGG. Количество — это количество генов, соответствующих базе данных путей, а % — процент совпадений генов среди общего числа генов в базе данных путей. Кратное обогащение (англ. Fold enrichment) определяется как процент генов в общем списке, принадлежащих к сигнальному пути, разделенный на соответствующий процент в фоновом режиме. Кратное обогащение показывает, насколько сильно представлены гены определенного сигнального пути. Популяционное попадание (англ. Pop Hits) показывает, сколько генов имеет название функции в интересующем в списке генов, а общее количество популяций (англ. Pop Total) показывает, сколько генов в общей популяции имеют это название функции в фоновом геноме (все гены интересующего вида в базе данных DAVID). Значения p были проанализированы с использованием точного показателя Фишера. Данные считались значимыми, если p < 0,05 или p < 0,001.

Результаты GO анализа показали, что изменения БП 8 ДЭГ были значительно обогащены визуальном восприятием, преобразованием сигнала, негативной регуляцией сигнального пути, опосредованного интерфероном I типа, организацией митотического веретена, развитием мезодермы, транспортом белка, негативной регуляцией ангиогенеза, метаболическим процессом протеогликанов, регуляцией цитокинеза и регуляцией накопления липидов (рис. 6).

Изменения КК 9 ДЭГ касались преимущественно ядра, внеклеточного пространства, внеклеточной области, неотъемлемого компонента мембраны, эндоплазматического ретикулума, внутриклеточной мембраносвязанной органеллы, мембраны эндоплазматической сети, мембран, цитозоли и проекции клетки (рис. 7).

Изменения МФ в основном касались cвязывания белка, микротрубочек, ионов металлов, РНК, АТФ, протеинкиназ, рецепторной тирозинкиназы, а также гидролазной активности, структурных компонентов внеклеточного матрикса и активности гомодимеризации белка (рис. 8).

Анализ пути KEGG показал, что 4 ДЭГ в основном были обогащены взаимодействием цитокинов и цитокиновых рецепторов, взаимодействием вирусного белка с цитокином и цитокиновым рецептором, сигнальными путями хемокинов, Toll-подобного рецептора, перевариванием и абсорбцией белков, сигнальными путями Ras, PI3K-Akt, Rap1, герпесвирусной инфекцией, ассоциированной с саркомой Капоши, сигнальными путями HIF-1, МАРК и моторными белками (рис. 9).

В сигнальных путях, связанных с опухолью, анализ KEGG показал, что ANGPT2 и CXCL9 включены в большинство сигнальных путей, в том числе в хорошо изученные сигнальные пути, участвующие в онкогенезе РШМ, сигнальные пути Ras, PI3K-Akt, Rap1, HIF-1, МАРК, Toll-подобного рецептора и воспалительного процесса.

РШМ — распространенная гинекологическая опухоль. По уровню заболеваемости и смертности среди женских злокачественных опухолей занимает четвертое место в мире, уступая только раку молочной железы (РМЖ), колоректальному раку и раку легких. РШМ является одним из видов рака, который можно предотвратить с помощью скрининга [1–3]. Благодаря широкой популярности скрининга заболеваемость РШМ снижается с каждым годом. Однако, поскольку ранний РШМ не имеет симптомов, многие пациентки на момент постановки диагноза уже находятся на средней и поздних стадиях заболевания. При этом методы лечения пациентов на средней и поздних стадиях ограничены, а терапевтический эффект лучевой и химиотерапии не является удовлетворительным [16]. Поэтому есть необходимость в поиске новых молекулярных биомаркеров и терапевтических мишеней. Широкое применение баз данных биоинформатики способствовало открытию новых диагностических и терапевтических инструментов при онкологических заболеваниях, в том числе РШМ [17].

Достижения в области аналитических методов и биоинформатики открывают широкий спектр для проведения практических фундаментальных исследований. Биоинформатический анализ теперь можно проводить на любом биологическом образце (ткани или биологические жидкости). Каждый тип образца представляет собой потенциальный источник диагностических и прогностических биомаркеров и потенциальных терапевтических мишеней. Результаты, полученные нами в данном исследовании с использованием баз данных GEO, позволили идентифицировать новые циркРНК и их регуляторные сети «циркРНК — миРНК — мРНК», которые могут участвовать в развитии и прогрессировании РШМ. В настоящем исследовании мы получили исходный набор данных микрочипирования РШМ GSE102686 и идентифицировали 105 ДЭЦ, где 49 циркРНК имели повышенный уровень экспрессии и 56 циркРНК — пониженный уровень экспрессии. Впоследствии были определены 3 ключевые циркРНК: hsa_circ_0000745, hsa_circ_0084927 и hsa_circ_0002762.

В предыдущем исследовании было обнаружено, что уровень экспрессии hsa_circ_0000745 в тканях рака желудка был связан с дифференцировкой опухоли [18]. Более того, авторы определили его потенциальную диагностическую ценность. Zhang и др. в совокупности указали, что ингибирование экспрессии hsa_circ_0000745 может подавлять рост опухоли и способствовать апоптозу клеток РМЖ, резистентных к лучевой терапии, по крайней мере частично, через регуляторную сеть miR-1236-3p-CBX8, подтверждая, что hsa_circ_0000745 может быть терапевтической мишенью для разработки таргетного препарата при РМЖ [19]. Кроме того, Jiao и др., продемонстрировали, что снижение экспрессии hsa_circ_0000745 ингибирует пролиферацию, миграцию и инвазию клеток РШМ за счет повышения экспрессии белка E-кадгерина in vitro [20]. На основании данных NGS и предварительной экспериментальной проверки исследование Chen и др., показало, что hsa_circ_0084927 значительно сверхэкспрессируется в тканях и клеточных линиях аденокарциномы толстой кишки [21]. Было выявлено, что hsa_circ_0084927 может способствовать пролиферации, миграции и инвазии опухолевых клеток. Кроме того, эффективно была сконструирована регуляторная has_circ_0084927/miR-106b-5p/VEGFA. Данная регуляторная сеть указывает на то, что hsa_circ_0084927 может влиять на прогноз посредством регуляции клеточного цикла, апоптоза и других сигнальных путей. Также Shi и др., показали, что hsa_circ_0084927 активируется при РШМ [22]. Высокая экспрессия hsa_circ_0084927 была связана со степенью злокачественности по классификации, утвержденной Международной федерацией акушеров и гинекологов (International Federation of Gynecology and Obstetrics, или FIGO), метастазами в лимфатические узлы и инвазией опухоли, что означает, что hsa_circ_0084927 может быть новым молекулярным биомаркером при РШМ. Снижение уровня экспрессии hsa_circ_0084927 уменьшало рост опухоли in vivo и вызывало остановку клеточного цикла, апоптоз, подавляло образование колоний, пролиферацию, инвазию и опухолевых миграцию клеток in vitro. В другой работе было продемонстрировано, что hsa_circ_0002762 был высоко экспрессирован в тканях и клетках РШМ [23]. Инактивация hsa_circ_0002762 уменьшала пролиферацию, миграцию и инвазию опухолевых клеток. Инактивация hsa_circ_0002762 подавляла пролиферацию, миграцию и инвазию клеток РШМ путем активации опухолевого супрессора miR-122-5p. Более того, ASF1B был геном-мишенью miR-122-5p. Дополнительно эксперименты на животных подтвердили противоопухолевый эффект инактивации hsa_circ_0002762.

Данные исследования показывают, что циркРНК представляет собой тип высокоэффективной конкурирующей эндогенной РНК (англ. competing endogenous RNAs, или ceRNAs). Они могут ингибировать связывание миРНК с 3′-НТО мРНК генов-мишеней и регулировать уровень экспрессии генов-мишеней, оказывая эффект «секвестрации» миРНК [9]. Чтобы определить, действуют ли вышеуказанные 3 цикРНК как ceRNAs при РШМ, с помощью базы данных GSE30656 и GSE9750, circBase, circBank, CircInteractome, TargetScan, miRDB и RNA22 были предсказаны ключевые миРНК и ключевые гены-мишени. Кроме того, благодаря сетевому анализу PPI и функциональному обогащению GO и анализу путей KEGG было идентифицировано 10 пар «циркРНК — миРНК — мРНК» (hsa_circ_0000745-hsa-miR-145-ANGPT2, hsa_circ_0000745-hsa-miR-145-COL11A1, hsa_circ_0000745-hsa-miR-145-MEST, hsa_circ_0000745-hsa-miR-876-3p-KIF20A, hsa_circ_0000745-hsa-miR-876-3p-FNDC3B, hsa_circ_0000745-hsa-miR-1229-CLN6, hsa_circ_0084927-hsa-miR-182-FNDC3B, hsa_circ_0084927-hsa-miR-520h-USP18, hsa_circ_0002762-hsa-miR-1252-DLGAP5 и hsa_circ_0002762-hsa-miR-1252-CXCL9). Было обнаружено, что hsa_circ_0000745, hsa_circ_0084927 и hsa_circ_0002762 активируются тканях и клетках РШМ и в базе данных GSE102686, и эти результаты согласуются с предыдущими результатами. Примечательно, что гены-мишени регулируют ряд сигнальных путей, которые учувствуют в прогрессировании РШМ, а именно сигнальные пути Ras, PI3K-Akt, Rap1, HIF-1, МАРК, Toll-подобного рецептора и сигнальные пути воспалительного процесса, и эти пути требуют дальнейшего изучения [24–32].

В данном исследовании мы продемонстрировали профиль экспрессии циркРНК в тканях РШМ и идентифицировали 3 ключевых циркРНК, дифференциально экспрессируемых между тканями РШМ и нормальным эпителием шейки матки. Мы также идентифицировали 6 ключевых миРНК и 9 мРНК генов-мишеней с дифференциальной экспрессией из общедоступной базы данных GEO. Затем была построена регуляторная сеть «циркРНК — миРНК — мРНК». Результаты этого исследования обеспечивают возможный молекулярный механизм онкогенеза РШМ. Дальнейшие и дополнительные экспериментальные исследования, раскрывающие функции этих циркРНК, которые участвуют в инвазии и метастазировании РШМ, откроют новую перспективу для диагностики, прогнозирования и лечения данной патологии.