三重基序(tripartite motif,TRIM)蛋白家族是E3泛素连接酶亚家族之一,通过调控靶蛋白泛素化参与转录调节、细胞凋亡及肿瘤发生等关键生物学过程[1-2]。其中TRIM31作为新成员,在炎症、免疫和致癌等多种生物学过程中具有重要功能[3]。值得注意的是,TRIM31在肝脏疾病中似乎呈现不同表达模式——高脂饮食诱导的非酒精性脂肪性肝病(non-alcoholic fatty liver disease,NAFLD)模型显示其表达显著下调[4],而在肝细胞癌(hepatocellular carcinoma,HCC)组织中却显著上调并与肿瘤进展相关[5]。这种差异提示TRIM31可能在NAFLD疾病谱的不同阶段具有动态调控作用。NAFLD作为全球患病率达30%的慢性肝病[6],其疾病谱涵盖从单纯脂肪变性到非酒精性脂肪性肝炎(non-alcoholic steatohepatitis,NASH)、肝纤维化、肝硬化直至HCC的连续进程[7]。尤其NASH阶段以快速炎症反应和纤维化为特征,进展为肝硬化后HCC年发病率可达10.6%[8]。解析TRIM31在疾病谱各阶段的因果关联,对揭示肝病进展机制具有重要意义。
孟德尔随机化(Mendelian randomization,MR)分析通过利用遗传变异的单核苷酸多态性(single nucleotide polymorphisms,SNPs)作为工具变量,可有效规避传统研究的混杂偏倚,为因果推断提供可靠方法[9-10]。结合全基因组关联研究(Genome-Wide Association Study,GWAS)和表达数量性状遗传位点(expression quantitative trait loci,eQTL),MR已广泛应用于基因表达与疾病关联研究[11-12]。因此,本研究采用两样本MR分析评估肝脏TRIM31表达与NAFLD疾病谱(NAFLD、NASH、肝纤维化、肝硬化及HCC)的因果关联。同时整合TCGA数据库,分析TRIM31在HCC中的表达特征、功能通路及免疫微环境调控作用,为探索肝病进展机制和靶向治疗策略提供新依据。
1 资料与方法
1.1 MR分析
1.1.1 研究设计
选用TRIM31表达作为暴露因素,提取与TRIM31表达显著相关的SNPs作为工具变量,将NAFLD疾病谱中NAFLD、NASH、肝纤维化、肝硬化以及HCC疾病类型分别作为结局因素进行MR分析。MR分析应满足以下3个假设:①工具变量与肝脏TRIM31表达密切相关;②工具变量与混杂因素相互独立;③工具变量仅能通过暴露因素影响结局因素,即不存在多效应[13]。研究设计见附件图1。
1.1.2 数据来源
通过芬兰基因组研究FinnGen R10(https://www.finngen.fi/en/access_results)[14]获取NAFLD、NASH、肝纤维化、肝硬化、HCC相关数据(见附件表1)。肝组织TRIM31表达的cis-eQTL数据来源于基因-组织表达(Genotype-Tissue Expression,GTEx)Portal V8数据库(https://www.gtexportal.org/home%5B33)[15],并从中提取SNPs染色体位置、等位基因、eQTL样本数、其他等位基因频率和P值等信息。所有数据为公开获取数据,无需伦理审批。
1.1.3 筛选工具变量
参考其他研究[16],设置P值(P<10-5)和连锁不平衡参数(r2=0.1、kb=100)作为标准筛选SNPs,保留F>10的SNPs作为有效工具变量,避免弱工具偏倚和保证各工具变量之间相互独立。
1.1.4 分析方法
采用逆方差加权法(inverse-variance weighting,IVW)作为主要方法,同时结合加权中位数法(weighted median estimator,WME)、MR-Egger回归法、简单众数法(simple mode,SM)和加权众数法(weighted mode,WM)评估因果关系[17]。通过水平多效性和异质性进行敏感性分析,以检测结论是否稳健。水平多效性采用MR Egger和MR-PRESSO进行判断,当P>0.05,说明不存在水平多效性;异质性检验采用Cochran's Q检验,当P>0.5时说明不存在异质性,当P≤0.5时说明异质性存在,此时采用IVW随机效应结果。采用留一法评估每个SNPs是否影响结果的稳定性。
1.2 TRIM31与HCC临床病理特征相关性分析
从TCGA数据库(https://portal.gdc.cancer.gov)[18]下载并整理TCGA-LIHC项目的RNAseq数据,采用R软件stat包(v4.2.1),针对每个变量单独构建和TRIM31分子的Logistic模型,评估TRIM31表达水平与HCC临床病理特征之间的关系。以TRIM31表达水平的中位值为阈值,将患者分为高表达组与低表达组,采用Cox回归计算TRIM31表达对总生存期(overall survival,OS)及无进展间隔期(progression-free interval,PFI)的风险比(hazard ratio,HR)及95%置信区间(confidence interval,CI)。
1.3 TRIM31与免疫细胞浸润的相关性分析
应用TCGA数据库TCGA-LIHC项目的TRIM31 RNAseq数据,评估TRIM31表达对疾病诊断的精确度,并比较TRIM31高表达组和低表达组与HCC免疫/基质/估计分数;基于CIBERSORT(CIBERSORT.R脚本分析)核心算法[19],利用CIBERSORTx网站(https://cibersortx.stanford.edu/)提供的22种免疫细胞的标志物比较免疫细胞在肝癌TRIM31高表达和低表达组的表达差异,并分析免疫细胞与TRIM31表达水平的相关性。
1.4 GO注释富集、KEGG通路富集以及GSEA分析
TCGA中HCC样本根据TRIM31 mRNA中位数水平分为高、低TRIM31表达组,使用R软件DESeq2包(v1.36.0)筛选出高、低TRIM31表达组之间的差异表达基因,筛选条件为|LogFC| >1和校正后P值<0.05;使用R软件clusterProfiler包(v4.4.4) [20]和GOplot包(v1.0.2)[21]对差异表达基因进行GO功能和KEGG通路富集分析;使用R软件clusterProfiler包对差异表达基因进行基因集富集分析(gene set enrichment analysis,GSEA)分析,校正后P值<0.05和错误发生率(flase discovery rate,FDR)<0.25被认为差异具有统计学意义。
1.5 统计学分析
所有统计分析采用R 4.2.2版本软件,MR分析采用TwoSampleMR包(v0.5.6)[22]。TRIM31表达的正态分布数据以均数和标准差(
)表示,组间比较采用配对样本t检验;TRIM31表达的偏态分布数据以中位数和四分位数[M(P25,P75)]表示,组间比较采用Mann-Whitney U检验。采用pROC包(v1.18.0)对数据进行ROC曲线分析,评估TRIM31表达对疾病的诊断精确度;采用estimate包(v1.0.13)算法比较TRIM31高表达组和低表达组与HCC免疫/基质 /估计分 数。
2 结果
2.1 MR分析
2.1.1 工具变量
在GTEx Portal数据库提取到肝组织TRIM31基因的265个SNPs数据,根据工具变量筛选原则,最终纳入6个SNP进行后续MR分析,见附件表2。
2.1.2 MR分析
IVW结果显示,肝脏TRIM31表达与NAFLD[OR=0.98,95%CI(0.91,1.05),P=0.515]、NASH[OR=0.98,95%CI(0.74,1.29),P=0.868]均可能具有负向关联但无统计学意义;与肝纤维化[OR=1.35,95%CI(0.84,2.17), P=0.218]可能具有正向因果关联但无统计学意义;与肝硬化[OR=1.06,95%CI(0.95,1.17),P=0.292]可能具有正向因果关联但无统计学意义;与HCC[OR=1.26,95%CI(1.07,1.49),P=0.007]可能具有正向因果关联,结果有统计学意义,WME与IVW的结果一致,但SM与WM结果仅提示正相关关系无统计学差异,见表1。
-
表格1 TRIM31表达与NAFLD、NASH、肝纤维化、肝硬化及HCC的MR分析结果
Table1.MR analysis results between TRIM31 expression and NAFLD, NASH, liver fibrosis, cirrhosis, and HCC
注:NALFD.非酒精性脂肪性肝病;NASH.非酒精性脂肪性肝炎;HCC.肝细胞癌;IVW.逆方差加权法;WME.加权中位数法;SM.简单众数法;WM.加权众数法。
2.1.3 敏感性分析
MR Egger检验结果显示,NAFLD、NASH、肝纤维化、肝硬化及HCC 5个结局中的P值均 >0.05,表明不存在多效性;MR-PRESSO检验结果显示未检测出异常SNPs(P>0.05),见附件表 3。异质性分析结果显示,HCC、NAFLD、NASH以及肝硬化方面,异质性检验P值均>0.05,表明不存在异质性;但肝纤维化的MR Egger和IVW方法的异质性检验P值<0.05,见附件表3,因此进一步使用IVW随机效应模型分析,显示结果稳健一致(P=0.218)。留一法敏感性分析显示,单个SNP对整体结果的影响不大,见附件图2。
2.2 TRIM31与HCC临床病理特征相关性分析
基于TCGA数据库分析374个HCC样本及50个癌旁组织样本中TRIM31的表达水平,结果显示HCC组织中TRIM31 mRNA表达水平中位数为2.17(0.91,3.26),明显高于正常肝组织的0.44(0.17,1.02),差异具有统计学意义(U=3 843,P<0.001)。TCGA数据库中50个HCC与癌旁配对组织中TRIM31 mRNA表达水平分别为(1.94±1.386)、(0.75±0.825),差异具有统计学意义(t=5.650,P<0.001)。采用ROC曲线评估TRIM31表达水平在HCC诊断中的性能,结果显示AUC为0.794[95%CI(0.738,0.851)],表明其对HCC具有一定的诊断价值,见图1。
-
图1 TRIM31在肝细胞癌中的表达情况与ROC曲线
Figure1.TRIM31 expression in hepatocellular carcinoma and its ROC curve
注:A.HCC及癌旁组织样本中TRIM31的表达水平;B.HCC与癌旁的配对组织中TRIM31 mRNA表达水平;C.ROC曲线评估TRIM31诊断准确性;***P<0.001。
进一步对TCGA-LIHC数据进行单因素Logistic回归分析,以评估TRIM31表达水平与HCC临床病理特征之间的关系,结果显示,TRIM31表达水平与HCC的组织学分级显著相关[OR=1.557,95%CI(1.016,2.384),P=0.042],而与其他临床病理特征(T分期、N分期、M分期、肿瘤状态、病理分期)无显著相关,表明高表达TRIM31的患者可能具有较高的组织学分级,见表2。但生存分析显示,TRIM31表达与HCC患者OS [HR=1.25,95%CI(0.88,1.76),P=0.212]及PFI [HR=1.17,95%CI(0.88,1.56),P=0.288]均无显著相关性,见附件图3。
-
表格2 TRIM31表达水平与肝细胞癌临床病理特征Logistics回归结果
Table2.Logistics regression results of TRIM31 expression and clinical pathological characteristics of hepatocellular carcinoma
2.3 TRIM31表达水平与免疫浸润的关系
对TRIM31表达与免疫/基质/估计分数之间进行相关性分析,以探讨其对HCC肿瘤微环境的影响。结果显示,与低TRIM31表达组相比,高TRIM31表达组免疫评分和估计评分均显著增加(图2-A)。TRIM31高表达组与低表达组之间免疫细胞比例的比较结果显示,高表达TRIM31组的活化记忆CD4+T细胞、滤泡辅助性T细胞、调节性T细胞、静息树突状细胞、中性粒细胞均显著高于低TRIM31表达组,高表达TRIM31组的单核细胞、M2型巨噬细胞以及静息肥大细胞均显著低于低TRIM31表达组(图2-B)。最后,TRIM31和免疫细胞之间的相关性分析结果显示,TRIM31与调节性T细胞(r=0.334,P<0.001)具有显著正相关,与M2型巨噬细胞呈显著负相关(r=-0.288,P<0.001)(图2-C)。
-
图2 肝细胞癌中TRIM31表达水平与免疫浸润的关系
Figure2.Relationship between TRIM31 expression and immune infiltration in hepatocellular carcinoma
注:A. HCC中TRIM31表达与免疫/基质/估计分数之间的关系;B. 差异TRIM31表达对免疫细胞浸润的影响;C. TRIM31表达与免疫细胞浸润的相关性;*P<0.05,**P<0.01,***P<0.001。
2.4 TRIM31在HCC中的潜在调控途径
根据TRIM31的中位数表达水平,将肝癌患者分为高、低TRIM31表达组,筛选得到两组间930个差异表达基因(图3-A)。GO富集分析显示,这些差异表达基因主要富集于激素水平调节、激素代谢过程以及消化等生物过程,细胞顶端部分、基顶细胞质膜以及突触膜等细胞成分,以及受体-配体活性、信号传导受体激活活性以及激素活性等分子功能(图3-B)。KEGG通路富集分析显示,这些基因主要富集于神经活性配体-受体相互作用、细胞色素P450介导的异物代谢以及药物代谢-细胞色素P450等通路(图 3-B)。GSEA分析显示,TRIM31高表达的HCC样本中显著富集与肿瘤恶性进展密切相关的信号通路,包括生物氧化信号通路、钙信号传导通路等(图 3-C)。
-
图3 TRIM31在肝细胞癌中调控的潜在途径
Figure3.Potential pathways of TRIM31 regulation in hepatocellular carcinoma
注:A. TRIM31高表达组和低表达组之间的差异表达基因火山图;B. 肝细胞癌中与TRIM31表达相关的差异表达基因的GO注释和KEGG通路分析;C. 肝细胞癌中与TRIM31表达相关的差异表达基因的基因集富集分析。
3 讨论
近年来研究发现,在NAFLD至HCC自然进程中,不同的病理阶段TRIM31表达似乎不同。本研究通过双样本MR方法,分析了肝脏TRIM31表达与NAFLD、NASH、肝纤维化、肝硬化以及HCC等慢性肝病之间的因果关系。结果提示肝脏TRIM31表达可能与HCC具有显著正向因果关联,即肝脏TRIM31表达会增加HCC的发病风险,这对于HCC的病因探究、诊断、治疗及预防具有重要的临床意义。因此本研究进一步采用生物信息学分析TRIM31在HCC中的作用,结果显示TRIM31在HCC中表达显著上调,机制可能与免疫细胞浸润有关。
有研究显示TRIM31可通过靶向肝细胞中的Rhbdf2减轻NAFLD模型小鼠的病情进展[4],这提示TRIM31水平下降可增加NAFLD的患病风险。在四氯化碳诱导的小鼠肝纤维化模型中,肝脏TRIM31表达显著降低,且进一步分析发现TRIM31/NLRP3信号通路可介导桑黄铜对肝纤维化的改善作用[23],可见TRIM31也可能是预防和治疗肝纤维化的关键靶点之一。此外,在NASH临床患者和啮齿动物模型中,肝脏TRIM31的表达显著下调,且进一步研究显示肝细胞特异性TRIM31缺失会阻碍肝脏代谢平衡,同时导致糖代谢综合征、脂质积累、炎症上调,并显著促进NASH进展[24]。尽管未达到统计学显著性阈值,本研究的效应方向提示肝脏TRIM31表达降低可能与NAFLD、肝纤维化及NASH发生风险升高存在潜在关联,这与文献[4, 23-24]报道中TRIM31在NAFLD、肝纤维化及NASH模型肝组织均表达下调的现象相印证。
临床研究显示与配对的HCC患者远端非癌肝组织相比,肝癌组织中TRIM31的表达明显上调,且体外实验进一步揭示TRIM31可通过过度激活哺乳动物雷帕霉素靶复合物1通路促进HCC细胞的恶性行为[5]。此外,TRIM31可通过调控p53-AMPK轴促进HCC细胞的抗锚固性[25]。miR- 29c-3p作为一种肿瘤抑制基因,亦可通过降低TRIM31的表达来抑制HCC的恶性进展[26]。本研究发现,肝脏TRIM31在HCC中显著高表达,且肝脏TRIM31表达与HCC风险存在正向因果关系。高表达TRIM31组的活化记忆CD4+T细胞、滤泡辅助性T细胞、调节性T细胞、静息树突状细胞以及中性粒细胞均显著增加,而单核细胞、M2型巨噬细胞以及静息肥大细胞均显著降低,提示TRIM31可能通过调节肿瘤免疫反应相关通路参与HCC的发生发展。已有研究报道,IL-17可通过依赖TRIM31的MEF2C K63连接型多泛素化作用诱导非小细胞肺癌细胞中PD-L1基因转录[27],而PD-L1与T细胞表面的PD-1的相互作用是导致免疫抑制的关键机制之一,这提示TRIM31可参与调控免疫相关信号通路。进一步的差异表达分析和富集分析结果显示,高TRIM31表达组富集了生物氧化信号通路与钙信号传导通路,也支撑了肝脏TRIM31在HCC发生发展中的重要作用。
本研究也存在一定局限性。首先,提取到的充当工具变量的TRIM31 cis-eQTL较少,需要进一步扩大样本量来提高评估的准确性。其次,本研究是基于来自芬兰人群的GWAS汇总数据进行的,是否适用于其他人群,需要其他人群的样本进行验证。此外,本研究虽然通过生物信息学方法分析了TRIM31在HCC中的表达及其潜在功能,尤其在HCC免疫微环境中的作用,但缺少实验验证,本研究团队计划通过体外和体内实验(如细胞系模型、动物模型)验证TRIM31在HCC中的表达及其对肿瘤免疫微环境的影响,通过敲除或过表达TRIM31,观察其对肿瘤细胞增殖、迁移、侵袭,尤其对免疫细胞浸润的影响。
综上所述,本研究采用两样本MR方法探究了TRIM31与NAFLD、NASH、肝纤维化、肝硬化以及HCC之间的因果关联,识别出TRIM31与HCC发病风险存在因果关联,且生物生信学手段鉴定了TRIM31在HCC患者中高表达,可能通过重塑肿瘤免疫微环境参与HCC进展,为HCC发病机制研究提供了新的思路,同时为下一步实验性研究提供了方向。
附件见《医学新知》官网附录(https://yxxz.whuznhmedj.com/futureApi/storage/appendix/202410153.pdf)
伦理声明:不适用
作者贡献:研究设计:宋秀道;数据采集与论文撰写:尤君怡、宋秀道;数据分析与论文审定:尤君怡、梁国强、宋秀道
数据获取:本研究中使用和(或)分析的数据可在芬兰基因组研究FinnGen R10(https://www.finngen.fi/en/access_results)、基因-组织表达GTEx Portal V8数据库(https://www.gtexportal.org/home%5B33)以及TCGA数据库(https://portal.gdc.cancer.gov)获 取
利益冲突声明:无
致谢:不适用
1.Hatakeyama S. TRIM family proteins: roles in autophagy, immunity, and carcinogenesis[J]. Trends Biochem Sci, 2017, 42(4): 297-311. DOI: 10.1016/j.tibs.2017.01.002.
2.Deng NH, Tian Z, Zou YJ, et al. E3 ubiquitin ligase TRIM31: a potential therapeutic target[J]. Biomed Pharmacother, 2024, 176: 116846. DOI: 10.1016/j.biopha.2024.116846.
3.Guo Y, Lin P, Hua Y, et al. TRIM31: a molecule with a dual role in cancer[J]. Front Oncol, 2022, 12: 1047177. DOI: 10.3389/fonc.2022.1047177.
4.Xu M, Tan J, Dong W, et al. The E3 ubiquitin-protein ligase Trim31 alleviates non-alcoholic fatty liver disease by targeting Rhbdf2 in mouse hepatocytes[J]. Nat Commun, 2022, 13(1): 1052. DOI: 10.1038/s41467-022-28641-w.
5.Guo P, Ma X, Zhao W, et al. TRIM31 is upregulated in hepatocellular carcinoma and promotes disease progression by inducing ubiquitination of TSC1-TSC2 complex[J]. Oncogene, 2018, 37(4): 478-488. DOI: 10.1038/onc.2017.349.
6.Han SK, Baik SK, Kim MY. Non-alcoholic fatty liver disease: definition and subtypes[J]. Clin Mol Hepatol, 2023, 29(Suppl): S5-S16. DOI: 10.3350/cmh.2022.0424.
7.European Association for the Study of the Liver (EASL), European Association for the Study of Diabetes (EASD), European Association for the Study of Obesity (EASO). EASL-EASD-EASO clinical practice guidelines for the management of non-alcoholic fatty liver disease[J]. Diabetologia, 2016, 59(2): 1121-1140. DOI: 10.1007/s00125-016-3902-y.
8.Powell EE, Wong VW, Rinella M. Non-alcoholic fatty liver disease[J]. Lancet, 2021, 397 (10290): 2212-2224. DOI: 10.1016/S0140-6736(20)32511-3.
9.Smith GD, Ebrahim S. Mendelian randomization: can genetic epidemiology contribute to understanding environmental determinants of disease?[J] Int J Epidemiol, 2003, 32(1): 1-22. DOI: 10.1093/ije/dyg070.
10.Davies NM, Holmes MV, Davey Smith G. Reading Mendelian randomisation studies: a guide, glossary, and checklist for clinicians[J]. BMJ, 2018, 362: k601. DOI: 10.1136/bmj.k601.
11.Wei T, Zhu Z, Liu L, et al. Circulating levels of cytokines and risk of cardiovascular disease: a Mendelian randomization study[J]. Front Immunol, 2023, 14: 1175421. DOI: 10.3389/fimmu.2023.1175421.
12.GTEx Consortium. The GTEx Consortium atlas of genetic regulatory effects across human tissues[J]. Science, 2020, 369(6509): 1318-1330. DOI: 10.1126/science.aaz1776.
13.Baiocchi M, Cheng J, Small DS. Instrumental variable methods for causal inference[J]. Stat Med, 2014, 33(13): 2297-2340. DOI: 10.1002/sim.6128.
14.Kurki MI, Karjalainen J, Palta P, et al. FinnGen provides genetic insights from a well-phenotyped isolated population[J]. Nature, 2023, 613(7944): 508-518. DOI: 10.1038/s41586-022-05473-8.
15.GTEx Consortium. Genetic effects on gene expression across human tissues[J]. Nature, 2017, 550(7675): 204-213. DOI: 10.1038/nature24277.
16.Mostafavi H, Spence JP, Naqvi S, et al. Systematic differences in discovery of genetic effects on gene expression and complex traits[J]. Nat Genet, 2023, 55(11): 1866-1875. DOI: 10.1038/s41588-023-01529-1.
17.李欣雨, 聂多锐, 肖婷芬, 等. 基于孟德尔随机化分析全身炎症因子与肝癌发生风险的因果关系[J]. 数理医药学杂志, 2024, 37(8): 592-599. [Li XY, Nie DR, Xiao TF, et al. Causal association between systemic inflammatory factors and the risk of hepatocellular carcinoma based on Mendelian randomization[J]. Journal of Mathematical Medicine, 2024, 37(8): 592-599.] DOI: 10.12173/j.issn.1004-4337.202405001.
18.Cancer Genome Atlas Research Network. Comprehensive genomic characterization defines human glioblastoma genes and core pathways[J]. Nature, 2008, 455(7216): 1061-1068. DOI: 10.1038/nature07385.
19.Newman AM, Liu CL, Green MR, et al. Robust enumeration of cell subsets from tissue expression profiles[J]. Nat Methods, 2015, 12(5): 453-457. DOI: 10.1038/nmeth.3337.
20.Yu G, Wang LG, Han Y, et al. clusterProfiler: an R package for comparing biological themes among gene clusters[J]. OMICS, 2012, 16(5): 284-287. DOI: 10.1089/omi.2011.0118.
21.Walter W, Sánchez-Cabo F, Ricote M. GOplot: an R package for visually combining expression data with functional analysis[J]. Bioinformatics, 2015, 31(17): 2912-2914. DOI: 10.1093/bioinformatics/btv300.
22.翁丽燕, 翁金燕, 徐靖. 他汀类药物与1型或2型糖尿病的因果关系: 一项两样本孟德尔随机化研究[J]. 药物流行病学杂志, 2024, 33(8): 869-876. [Weng LY, Weng JY, Xu J. Causal associations between statins and type 1 or type 2 diabetes: a twosample Mendelian randomization study[J]. Chinese Journal of Pharmacoepidemiology, 2024, 33(8): 869-876.] DOI: 10.12173/j.issn.1005-0698.202403050.
23.Ge C, Tan J, Lou D, et al. Mulberrin confers protection against hepatic fibrosis by Trim31/Nrf2 signaling[J]. Redox Biol, 2022, 51: 102274. DOI: 10.1016/j.redox.2022.102274.
24.Xu MX, Tan J, Ge CX, et al. Tripartite motif-containing protein 31 confers protection against nonalcoholic steatohepatitis by deactivating mitogen-activated protein kinase kinase kinase 7[J]. Hepatology, 2023, 77(1): 124-143. DOI: 10.1002/hep.32526.
25.Guo P, Qiu Y, Ma X, et al. Tripartite motif 31 promotes resistance to anoikis of hepatocarcinoma cells through regulation of p53-AMPK axis[J]. Exp Cell Res, 2018, 368(1): 59-66. DOI: 10.1016/j.yexcr.2018.04.013.
26.Lv T, Jiang L, Kong L, et al. MicroRNA-29c-3p acts as a tumor suppressor gene and inhibits tumor progression in hepatocellular carcinoma by targeting TRIM31[J]. Oncol Rep, 2020, 43(3): 953-964. DOI: 10.3892/or.2020.7469.
27.Ying S, Wu N, Ruan Y, et al. IL-17 triggers PD-L1 gene transcription in NSCLC cells via TRIM31-dependent MEF2C K63-linked polyubiquitination[J]. BMC Cancer, 2025, 25(1): 81. DOI: 10.1186/s12885-025-13473-w.