MicroRNAs (miRNAs) are endogenous noncoding RNAs, which negatively regulate gene expression. To determine genomewide miRNA DNA copy number abnormalities in cancer, 283 known human miRNA genes were analyzed by high-resolution array-based comparative genomic hybridization in 227 human ovarian cancer, breast cancer, and melanoma specimens. A high proportion of genomic loci containing miRNA genes exhibited DNA copy number alterations in ovarian cancer (37.1%), breast cancer (72.8%), and melanoma (85.9%), where copy number alterations observed in >15% tumors were considered significant for each miRNA gene. We identified 41 miRNA genes with gene copy number changes that were shared among the three cancer types (26 with gains and 15 with losses) as well as miRNA genes with copy number changes that were unique to each tumor type. Importantly, we show that miRNA copy changes correlate with miRNA expression. Finally, we identified high frequency copy number abnormalities of Dicer1 , Argonaute2 , and other miRNA-associated genes in breast and ovarian cancer as well as melanoma. These findings support the notion that copy number alterations of miRNAs and their regulatory genes are highly prevalent in cancer and may account partly for the frequent miRNA gene deregulation reported in several tumor types.

MicroRNAs (miRNAs) are an abundant class of small noncoding RNAs that function as negative gene regulators. miRNA deregulation is involved in the initiation and progression of human cancer; however, the underlying mechanism and its contributions to genome-wide transcriptional changes in cancer are still largely unknown. We studied miRNA deregulation in human epithelial ovarian cancer by integrative genomic approach, including miRNA microarray ( n = 106), array-based comparative genomic hybridization ( n = 109), cDNA microarray ( n = 76), and tissue array ( n = 504). miRNA expression is markedly down-regulated in malignant transformation and tumor progression. Genomic copy number loss and epigenetic silencing, respectively, may account for the down-regulation of ≈15% and at least ≈36% of miRNAs in advanced ovarian tumors and miRNA down-regulation contributes to a genome-wide transcriptional deregulation. Last, eight miRNAs located in the chromosome 14 miRNA cluster ( Dlk1-Gtl2 domain) were identified as potential tumor suppressor genes. Therefore, our results suggest that miRNAs may offer new biomarkers and therapeutic targets in epithelial ovarian cancer.

AbstractTumor growth results in hypoxia. Understanding the mechanisms of gene expression reprogramming under hypoxia may provide important clues to cancer pathogenesis. We studied miRNA genes that are regulated by hypoxia in ovarian cancer cell lines by TaqMan miRNA assay containing 157 mature miRNAs. MiR-210 was the most prominent miRNA consistently stimulated under hypoxic conditions. We provide evidence for the involvement of the HIF signaling pathway in miR-210 regulation. Biocomputational analysis and in vitro assays demonstrated that e2f transcription factor 3 (e2f3), a key protein in cell cycle, is regulated by miR-210. E2F3 was further confirmed to be downregulated at the protein level upon induction of miR-210. Importantly, we found remarkably high frequency of miR-210 gene copy deletions in ovarian cancer patients (64%, n=114) and that gene copy number correlates with miR-210 expression levels. Taken together, our results indicate that miR-210 plays a crucial role in tumor onset as a key regulator of the hypoxia response and provide evidence for a link between hypoxia and the regulation of cell cycle.

Motivation: Computational analyses of plasma proteomics provide translational insights into complex diseases such as COVID-19 by revealing molecules, cellular phenotypes, and signaling patterns that contribute to unfavorable clinical outcomes. Current in silico approaches dovetail differential expression, biostatistics, and machine learning, but often overlook nonlinear proteomic dynamics, like post-translational modifications, and provide limited biological interpretability beyond feature ranking. Results: We introduce APNet, a novel computational pipeline that combines differential activity analysis based on SJARACNe co-expression networks with PASNet, a biologically-informed sparse deep learning model to perform explainable predictions for COVID-19 severity. The APNet driver-pathway network ingests co-expression and classification weights to aid result interpretation and hypothesis generation. APNet outperforms alternative models in patient classification across three COVID-19 proteomic datasets, identifying predictive drivers and pathways, including some confirmed in single-cell omics and highlighting under-explored biomarker circuitries in COVID-19. Availability and Implementation: APNet R, Python scripts and Cytoscape methodologies are available at https://github.com/BiodataAnalysisGroup/APNet Contact: ggeorav@certh.gr Supplementary information: Supplementary information can be accessed in Zenodo (10.5281/zenodo.10438830).