Einleitung: Zirkuläre RNAs (circRNA) sind eine neue Klasse von Biomarkern, deren Rolle in der Tumorbiologie erst kürzlich entdeckt wurde. In dieser Arbeit soll untersucht werden, ob circRNAs als Biomarker beim Prostatakarzinom (PK) geeignet sind. Insbesondere soll deren Potenzial und das ihrer linearen Transkripte zur Unterscheidung zwischen Normal- und Tumorgewebe sowie zur Vorhersage des biochemischen Rezidivs (BCR) dargelegt werden. Methodik: Zuerst wurden differenziell exprimierte circRNAs mittels Mikroarray in einem Screeningverfahren identifiziert. Acht ausgewählte circRNAs (circATXN10, circCRIM1, circCSNK1G3, circGUCY1A2, circLPP, circNEAT1, circRHOBTB3, circSTIL) und ihre linearen Transkripte wurden validiert und dafür spezifische RT-qPCR-Assays etabliert. Im Anschluss wurde die Expression der circRNAs und ihrer linearen Transkripte (linRNA) im Tumorgewebe von 115 Patienten nach radikaler Prostatektomie bestimmt, wovon in 79 Fällen auch benachbartes Normalgewebe untersucht wurde. Für die Patientenkohorte wurde eine Datenbank mit allen klinisch-pathologischen Kenngrößen erstellt. Die statistische Auswertung der Expressionsdaten in Zusammenhang mit den klinisch-pathologischen Variablen erfolgte mittels parameterfreier Teste sowie "Receiver-Operating-Characteristics"- und "Decision-Curve"-Analysen, univariablen und multivariablen Cox-Regressionen mit interner Validierung durch Bootstrapping. Ergebnisse: Zur Unterscheidung zwischen Tumor- und Normalgewebe eignete sich die Kombination von circATXN10 und linSTIL am besten. Zur Vorhersage des BCR war es die Kombination von linGUCY1A2, linNEAT1 und linSTIL. Diese RNA-Signatur konnte die Vorhersagegenauigkeit des BCR von fünf bereits etablierten klinisch-pathologischen Referenzmodellen erhöhen, indem sie mit ihnen kombiniert wurde. Schlussfolgerung: Diese explorative Untersuchung von circRNAs und linRNAs beim PK zeigt deren vielversprechendes Potenzial als klinische Biomarker und eröffnet neue Möglichkeiten, etablierte klinisch-pathologische Referenzmodelle zu ergänzen und zu verbessern.
Circular RNAs (circRNA) are a class of novel biomarkers, that have recently been proven to play a major role in tumor biology. This study was designed to explore the potential of circRNAs as biomarkers in prostate cancer (PK). In particular their ability to discriminate malignant from normal tissue and to predict biochemical recurrence (BCR) in PK was to be evaluated. Methods: First of all, Microarray analysis was used to identify differentially expressed circRNAs. Eight circRNAs (circATXN10, circCRIM1, circCSNK1G3, circGUCY1A2, circLPP, circNEAT1, circRHOBTB3, circSTIL) were selected for further evaluation and specific RT-qPCR assays for circRNAs and their linear transcripts (linRNA) were designed. Subsequently the expression of circRNAs and linRNAs was measured in malignant tissue samples of 115 patients undergoing radical prostatectomy, in 79 cases adjacent normal tissue was evaluated as well. A database containing clinicopathological patient characteristics was created. For statistical assessment of the expression data and clinicopathological factors non-parametric test were used. Testing included receiver operating characteristics (ROC) curves, decision curve analyses, univariable and multivariable Cox regression analyses including internal validation by bootstrapping. Results: The combination of circATXN10 and linSTIL proved best to discriminate between malignant and normal prostate tissue. linGUCY1A2 combined with linNEAT1 and linSTIL was most suitable to predict BCR. Combining the RNA signature with five clinicopathological-based models was shown to improve the accuracy of BCR prediction of these models. Conclusion: This explorative study demonstrates the very promising potential of circRNAs and linRNAs as clinical biomarkers in PK and introduces new possibilities to complement and improve established clinicopathological variables.
