Krooninen sairaus

tiivistelmä

Glyseraldehydi-3-fosfaattidehydrogenaasi (GAPDH) käytetään usein vakaa taloudenhoito merkkiaine jatkuvasti geenien ilmentymisen. Kuitenkin transkription tasot

GAPDH

voi olla erittäin säädellään ylöspäin joidenkin syöpien, kuten ei-pienisoluisen keuhkosyövässä (NSCLC). Käyttämällä julkisesti saatavilla microarray tietokanta tunnistimme joukko geenejä, joiden ekspressiotasoja joissakin syöpien korreloi voimakkaasti

GAPDH

säätelyä ylöspäin. Suurin osa tunnistetuista geeneistä ovat solukierron riippuva (

GAPDH

Associated Cell Cycle, tai GACC). Ylös-sääntelyn mallia

GAPDH

positiivisessa yhteydessä geenejä NSCLC on samanlainen kuin viljellyissä fibroblasteissa kasvatetaan olosuhteissa, jotka indusoivat anti-vanhenemista. Tietojen analysointi osoitti, että säädelty

GAPDH

tasot korreloivat poikkeavaan geenin ilmentyminen liittyy sekä glykolyysin ja glukoneogeneesin polkuja. Alassäätö fruktoosi-1,6-bisphosphatase (FBP1) in glukoneogeneesin yhdessä ylössäätöä useimpien glykolyyttisistä geeneistä liittyy läheisesti korkean ilmentymisen

GAPDH

kasvaimissa. Tutkimustulokset osoittavat, että säätely ylöspäin

GAPDH

positiivisessa yhteydessä geenejä on verrannollinen pahanlaatuisen vaiheeseen erilaisten kasvainten ja liittyy epäsuotuisaan ennusteeseen. Siten tämä työ osoittaa, että GACC geenit edustavat uuden mahdollisen allekirjoituksen syövän vaiheessa tunnistamiseen ja taudin ennusteen.

Citation: Wang D, Moothart DR, Lowy DR, Qian X (2013) Expression of Glyseraldehydi-3- fosfaattidehydrogenaasin Associated Cell Cycle (GACC) Genes korreloi Cancer Stage and Poor Survival potilailla, joilla oli kiinteä kasvain. PLoS ONE 8 (4): e61262. doi: 10,1371 /journal.pone.0061262

Editor: Jonathan A. Coles, Glasgow University, Yhdistynyt Kuningaskunta

vastaanotettu: 31 joulukuu 2012; Hyväksytty: 08 maaliskuu 2013; Julkaistu: 19 huhtikuu 2013

Tämä on avoin-yhteys artikkeli, vapaa kaikki tekijänoikeudet, ja saa vapaasti jäljentää, levittää, välittää, modifioitu, rakennettu, tai muuten käyttää kuka tahansa laillista tarkoitusta. Teos on saatavilla Creative Commons CC0 public domain omistautumista.

Rahoitus: Tämä tutkimus tuettiin osittain Intramural tutkimusohjelma, National Institutes of Health, National Cancer Institute, Center for Cancer Research. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: DW on tutkijan W2MOTIF, LLC., Ja DRM on työntekijä amerikkalaisen Qualex, Inc. DW ja DRM ovat jättäneet Yhdysvallat Väliaikainen patenttihakemus, joka perustuu nykyisen työn (US 61732943). Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja.

Johdanto

Vaikka koodaavan geenin glyseraldehydi-3-fosfaattidehydrogenaasi (GAPDH) käytetään usein vakaa merkkiaine konstitutiivisen geenin ilmentymisen, sen ilmaisu ei ole aina vakio, erityisesti syöpään. Esimerkiksi eräässä tutkimuksessa ei-pienisoluinen keuhkosyöpä (NSCLC),

GAPDH

oli vähiten stabiili ja 6 ”viittaus” geenejä tutkitaan [1]. Tämä taloudenhoito glykolyyttisissä entsyymi on ollut mukana useita toimintoja ja on todettu olevan yli-ilmentynyt tietyissä syövissä [2].

Yli 50 vuotta sitten, Warburg hypoteesi, että syövän kasvua on helpottaa kasvainten tuottavan energiansa kautta aerobinen Glykolyysivaiheen [3]. Viimeaikaiset tutkimukset, joiden tarkoituksena on arvioida tätä hypoteesia ovat osoittaneet, että syöpäsolut ovat sopeutuneet niiden aineenvaihdunta helpottaa käyttöönottoa ja sisällyttäminen ravinteita biomassaa tarvitaan tuottamaan uusia soluja [4]. Kasvainten kehittymiseen ja etenemiseen todellakin korreloivat parannettu glukoosin oton ja /tai poikkeava glukoosiaineenvaihdunnan [5] – [8]. Hypoksia ympäristö, jossa kasvainsolut asuvat johtaa lisääntymiseen glykolyyttisiä aineenvaihduntaan. Keskeisenä välikomponenttia Glykolyysivaiheen, GAPDH voisi toimia tärkeä rooli syöpäsolujen kehitykseen ja syövän etenemiseen. Vaikka tiedetään, että suurin osa glykolyyttiset entsyymit, kuten GAPDH, aktivoituvat ja ilmentyy voimakkaasti reagoida hapen puutteen kasvaimen [9], rooli säädelty GAPDH NSCLC jää epäselväksi. Yhdessä mahdollisesti syöpään liittyvien skenaario, GAPDH havaittiin olevan pro-selviytymisen säädin kaspaasin riippumatonta solukuolemaa (CICD) [10].

Nykyisessä tutkimuksessa, joka on julkisesti saatavilla microarray tietokanta palkattiin tunnistaa solusyklin riippuvaista geenejä, jotka korreloivat

GAPDH

ylössäätöä ja anti-apoptoottista aktiivisuutta. Tämä analyysi on yksilöinyt joukon solukierron-pohjainen allekirjoitus geenien nimetty

GAPDH

Associated Cell Cycle (GACC) geenit, joiden ylössäätöä korreloi aggressiivisuus useita kasvain tyypit ja niiden epäsuotuisa ennustetta. Tunnistaminen GACC geenit voivat olla hyödyllisiä pyrkimyksiä valaisemaan polkuja, jotka yhdistävät hiilihydraattiaineenvaihduntaan solukierron-pohjainen syöpäsolun kehitystä, mikä saattaa johtaa uuden syövän tavoitteet perustuvat GACC geeniekspressiomalleja syövissä.

Tulokset

Up-regulation

GAPDH

Associated Cell Cycle (GACC) geenejä ei-pienisoluinen keuhkosyöpä (NSCLC) B

integroitu NSCLC geeniekspression aineisto, joka perustuu Affymetrix GeneChip- Human Genome U133 Plus 2.0 Array, luotiin kolmesta itsenäisestä kohortteja jotka olivat suoraan ladattavissa julkisesti saatavilla Euroopan bioinformatiikan instituutti ArrayExpress tietokannassa: E-geod-18842, E-geod-19188 ja E-geod-19804. Yhdistetty aineisto, nimetty koko kohortin koostui 174 NSCLCs ja 156 kontrollisilkkipaperia. Alustava analyysi ehdotti transkriptio joidenkin solukierron geenien NSCLC aineisto saattaa korreloi transkriptio

GAPDH

. Koska rooli GAPDH glykolyysissä, tämä havainto rohkaisi edelleen geeniekspressioprofiili analyysi kasvaimista suhde hiilihydraattiaineenvaihduntaan ja solukierron säätelyssä.

Geenien ilmentyminen korrelaatioanalyysiä tunnistettu useita geenejä, joiden ylössäätö kasvaimissa läheisesti korreloi

GAPDH

ilme. Erityisesti sisällä syöpä kohortin 341 ylös geenien tunnistettiin

GAPDH

ilmaisu korrelaatiokerroin suurempi tai yhtä suuri kuin 0,6. Näistä 117 geenit (34%) on kuvattu solukierron liittyviä perustuu Gene ontologia biologisen prosessin terminologiaa. Alkuperäisessä GeneChip Human Genome U133 Plus 2.0 Array kanssa 54613-koettimien, vain 2044 liittyvät geenit (3,7%), jotka liittyvät Gene ontologia biologisen prosessin Termi ”solusyklin”, mikä tarkoittaa enemmän kuin 9-kertainen rikastus solusyklin liittyvien geenien kasvaimissa. Vielä suurempi osuus solusyklin liittyvien geenien (18/26, 69%, 17-kertainen rikastus solusyklin liittyvät geenit) on saatu, kun korrelaatiokerroin on asetettu tiukemmin, on suurempi tai yhtä suuri kuin 0,72 (taulukko 1). Nämä geenit ovat tässä nimitystä

GAPDH

Associated Cell Cycle (GACC) geenejä. Geenien luettelon koodaavat proteiineja, jotka liittyvät G1 /S: n ja /tai G2 /M-vaiheen siirtymiä (

FOXM1, CDCA3 (Tome-1), CCNB2 (sykliini B2), BIRC5, CCNB1 (sykliini B1), CDC45, PRC1

ja

CCNA2 (sykliini A2) B), ja proteiinit osallistuvat mitoosi prosesseissa (

NCAPD2, TPX2, AURKB, PSMD2, KIF4A, KIF2C, UBE2S, ja FAM83D

).

KPNA2 (Importiini alfa 1

) ja

CDKN3

(

sykliiniriippuvaisen estäjä 3

) ovat myös solusyklin liittyviä. Top sijoittui

GAPDH

positiivisesti niihin liittyvien geenien tässä luokassa sisältävät

trioosifosfaatti-isomeraasi

1 (

TPI1-

) ja

glukoosi-6-fosfaatti-isomeraasi

(

GPI

), joista kukin koodaa keskeinen glykolyyttistä entsyymiä. Näin ollen vain 6 26 geenien luettelossa (

CENPA

,

RAD51AP1

,

SLC2A1

,

KIF4A, RFC4, ja RRM2

) voi ei nimetä liittyvän solusyklin tai Glykolyysivaiheen. Ainakin osa-set näistä kuudesta geenistä voi oikeastaan ​​olla poikkeuksia, kuten CENPA on olennainen sentromeerisen proteiinin kohteena solukierron riippuvat muutokset [11]. On myös jonkin verran todisteita, jotka viittaavat RAD51AP1 saattavat edistää neoplastisen kasvun [12], kun taas SLC2A1 osallistuu glykolyysiin liittyvien glukoosin kuljetusta. Lopuksi KIF4A on sekaantunut kromosomissa tiivistyminen ja eriytymisen mitoosin aikana [13], RFC4 on välttämätön lisääntyvien solujen tuma-antigeenin (PCNA) riippuvainen DNA-synteesin [14], ja RRM2 koodaa ribonukleotidireduktaasia M2, joka katalysoi muodostumista deoksiribonukleotidien peräisin ribonukleotidista solun syklin riippuvalla tavalla [15]. Yhteenvetona, kaksi geeniä luokkaa on tunnistettu listassa. Luokan I koostuu glukoosin metaboliareittiä liittyviä geenejä kun taas luokan II kattaa solusyklin liittyviä geenejä.

korkeimmalla sijalla GACC geenit ovat erittäin liittyy polku säätelee transkriptiotekijä Forkhead Box M1 (

FOXM1

,

r

= 0,77) in NSCLC. Taulukossa 2 luetellaan geenien FOXM1 reitin, jossa niiden ilmentyminen liittyy G2 /M etenemistä, kromosomi erottelu, ja sytokineesiin.

r

arvojen ilmaus enemmistön näiden geenien (19/29, 68%) ja ilmentymistä

GAPDH

olevassa luettelossa ovat edellä 0.6.

sata kaksikymmentäkolme down-geenien, joilla on korrelaatiokerroin on alle tai yhtä suuri kuin -0,6, havaittiin NSCLC aikana tietoja analysoidaan (tuloksia ei ole esitetty). Mikään geenit tässä ryhmässä on kuvattu Gene ontologia biologinen prosessi, kuten solukierron liittyvät.

Toisin syöpäsoluissa, analyysi syövän vapaa kontrollisilkkipaperia kohortin tunnistaa vain 5/70 ( 7%) geenien, jotka korreloivat positiivisesti

GAPDH

ilmaisu (

r

suurempi tai yhtä suuri kuin 0,6). Gene ontologia biologinen prosessi kuvaa näitä geenejä solukierron. Korreloitua solusyklin geenejä ovat

CDK4

(

r

= 0,62) ja

CHK1

(

r

= 0,62). Nämä kaksi geeniä havaittiin myös olevan erittäin ilmaistut syöpä kudoksiin.

Kuten hiljaista edellä havaintojen useimpien voimakkaasti ilmaistu GACC geenien kasvaimia, oli vain heikko korrelaatio

GAPDH

ja GACC geenin ilmentymisen havaittiin kudosnäytteisiin (korrelaatiokertoimet olivat enimmäkseen 0,2-0,5 alueet). Sitä vastoin korrelaatiokertoimet 15 korkein GACC geenit syöpäsoluissa oli suurempi kuin 0,7 (kuvio 1). Geenien ilmentymistä sisällä glykolyyttisellä reitin (

GAPDH

,

TPI1-

ja

GPI

) pysyi korreloi sekä in NSCLCs ja ei-syöpä ohjaus kudosnäytteistä.

korrelaatiokertoimet on

GAPDH

ekspressiotasot ja

GAPDH

liittyy geeniekspressiotasot laskettiin NSCLCs (musta, valitun geenin kanssa

r

0,7) ja säätimet (valkoinen) piirretään.

TPI1-

ja

GPI

geenit koodaavat kaksi entsyymejä Glykolyysivaiheen. Loput geenit koodaa solusyklin liittyviä proteiineja.

Up-regulation

GAPDH

NSCLC ja Glykolyysivaiheen /glukoneogeneesin reitit

luopuminen Tulokset osoittavat, että

GAPDH

ilmaisu saattaa liittyä solukierron liittyvää toimintaa. Tutkia suhdetta säädellään ylöspäin GACC geenien keuhkosyövän ja mahdollisesti poikkeava ilmentymä glukoosi metaboliareitit, analysoimme ilmaisun arvoja geenit glykolyysissä ja glukoneogeneesin. Ilmentymisen kunkin geenin näistä reiteistä on säädelty tai ennallaan, kasvainsoluissa, lukuun ottamatta fruktoosi-1,6-bisphosphatase (

FBP1

) (taulukko 3, kuvio 2). Up-regulation

GAPDH

on eniten tilastollisesti merkitsevä kaikkien 10 Glykolyysivaiheen (G1-10 taulukossa 3) vaiheet ja 4 ohitus (BP1-3 taulukossa 3) glukoneogeneesia vaiheet (1,07-kertainen kasvu ja yksisuuntaista t -testi

p

= 1.44E-57). Noin 75% tai 35% NSCLC esittää sekä lisääntynyt

GAPDH

ilmaisun ja laski

FBP1

ilmaisun aineisto joko mediaani tai 25% kvartiili arvo cut-off-piste. Lisäksi ilmaus

GAPDH

ja

FBP1

ovat yhteistyössä säädellään ylös-sääntelyn GACC geenin

FOXM1

(

r

= 0,77 ) kasvaimissa (kuva 3).

Kuvio esittää reittejä solujen glykolyysin ja glukoneogeneesin. Soikea muoto teksti edustaa aineenvaihduntatuotteet polkuja. GLC = glukoosi, G6P = glukoosi-6-fosfaatti, F6P = fruktoosi-6-fosfaatti, F1,6P = fruktoosi-1,6-bisfosfaatti, GAPD = Glyseraldehydi 3-fosfaatti, DHAP = dihydroksiasetonifosfaatti, 1,3-BPG = 1, 3-Bisphosphoglyceric happo, 3PG = glyseraattipolyhyd- 3-fosfaatti, 2 pg = glyseraattipolyhyd- 2-fosfaatti, PEP = fosfoenolipalorypälehappo, PYR = palorypälehappo, oksa = oksaloasetaatiksi. Gene symboleja, asetuksen tila (↑ tai ↓ jos havaitaan) ja reitin (suluissa, G1-10: glykolyysi vaihe 1-10, BP1-3: glukoneogeneesiä ohitus vaihe 1-3) on merkitty.

Mediaaniarvot (A) tai 25% kvartiili arvot (B) geenin ilmentymisen pidetään katkaisurajapisteet. Numerot arvon yli cut-off-piste (

GAPDH tai FOXM1

) tai alempi kuin cut-off-piste (

FBP1

) tai eri yhdistelmiä on piirretty sekä kasvaimia (musta) ja säätimet (valkoinen).

relevanssi sääteli

GAPDH

korreloi positiivisesti geenien NSCLC sääntelyn solujen vanhenemista

tutkia edelleen korrelaation n säätely ylöspäin GACC geenien ja muiden

GAPDH

korreloi positiivisesti geenien NSCLC, me arveltu, että syöpä voi syntyä osittain vähentää normaaliin säätelyyn vanhenemisen geenien liittyy solusyklin . Siksi tutkittiin geeniekspressiotasot viljellyissä soluissa, joissa anti-vanhenemista asetus oli indusoitu, ja verrattuna ne geenit, joiden sääteli ilmentyminen havaittiin positiivinen korrelaatio

GAPDH

ilmaisun NSCLC kohortissa. Vertailussa käytetty microarray aineisto E-geod-19018, jossa varhainen IMR-90 ihmisen diploidi fibroblasteissa oli viljelty 20% happea (normaali kyky replikoitua) tai 3% happea (kasvava kyky replikoitua), jonka jälkeen RNA oli uutettu ja hybridisoitui on mikrosiruja. Kun alkuun 341

GAPDH

korreloi positiivisesti geenejä (

r

suurempi tai yhtä suuri kuin 0,6) tunnistettu NSCLC aineisto verrattiin viljellyistä fibroblasteista, ylös säädelty

GAPDH

positiivinen korrelaatio geenien (mukaan lukien vähintään 34%: n GACC geenien) sekä NSCLC ja fibroblastien viljeltiin 3% happea (alhainen happipitoisuus jännitystä ja anti-vanhenemista) havaittiin olevan samanlaisia ​​(kuva 4). Hyvä korrelaatio (

r

= 0,71) välillä oli osoitus signaalin suhde syövän /valvontaa ja suhde 3% happi /20% happea viljeltyihin soluihin in ilmentymistä näiden geenien.

Positiivinen korrelaatiokertoimet välillä signaali suhde kasvain /valvonnan NSCLC aineisto ja signaali suhde 3% happea /20% happea viljellyissä ihmisen diploidi fibroblasti aineisto on piirretty.

GACC geenit ovat geenisiirtoja allekirjoitukset NSCLC ja muut kiinteät kasvaimet

Käyttämällä erilaisia ​​aineistoja käytettävissämme, arvioimme onko GACC geeniekspressiotasot voi olla merkitystä syövän vaiheessa ja ennuste. Kuten esitetään lämpöä kartan juoni kuviossa 5, korkeimmilla sijoilla GACC geenejä sekä glykolyysijärjestelmän liittyvät geenit ovat ryhmittyneet kasvaimia. Lisäksi nämä geenit voidaan käyttää erottamaan eri syövän vaiheissa.

rivit microarray lämmön kartta edustavat geenejä keskenään sarakkeen rivin edustavat eri näytteestä (lähde nimen perässä tautitilanne). Geeniekspression arvot neljästä kohortteja NSCLCs eri kasvaimen vaiheissa (I, II, III) (A), lisämunuaiskuoren karsinoomien (ACC) kanssa kasvaimen laadut (korkea tai matala) (B), rintasyöpiä (BC) eri kasvain laadut (I, II, III) (C), ja hepatosellulaarikarsinoomien (HCC) eri kasvain vaiheiden (erittäin aikaisin, varhain, kehittynyt, hyvin pitkälle) ja normaali maksan (D) ovat ryhmittyneet ja esittää lämpöä kartalla.

Erityisesti kohortteja E-geod-19804, joka sisältää 24 NSCLCs eri kasvaimen vaiheessa (I, II, III), jotka oli satunnaisesti valittu alkuperäinen aineisto (6 vaiheessa I, 6 vaiheessa II, ja 12 vaiheen III), etusijassa ryhmitelty mukaan vaiheeseen. Ryhmä 1 on ensisijaisesti liittyy pitemmälle kasvaimia, koska se on 8 vaiheen III (89%) kasvainten ja 1 vaiheen II tuumori. Sen sijaan ryhmä 2, joka on 11 vaiheen I /II (73%) ja 4 vaiheen III kasvaimia, rikastetaan alkuvaiheen kasvaimissa (kuvio 5A).

kohortteja E-geod-10927, joka sisältävät 33 lisämunuaiskuoren syöpiä kasvain laadut (korkea tai matala), voidaan myös ryhmitelty. Ryhmä 1 rikastetaan korkealaatuisesta kasvaimet, koska sillä on 13 korkealaatuista (87%) ja 2 huonolaatuisen kasvaimia. Toisaalta, cluster 2 on suhteellisen rikastettu huonolaatuisia kasvaimet, kuten on 11 huonolaatuisen (61%) ja 7 korkea-asteen kasvaimet (kuvio 5B).

kohortteja E-GEOD- 29431, jotka sisältävät 28 rintasyöpiä kanssa kasvain laadut (I, II, III), on ryhmitelty. Neljätoista vaiheen I /II ja 14 vaiheen III näytettä valittiin satunnaisesti alkuperäisestä aineisto. Ryhmä 1 on 8 vaiheen III (73%) ja 3 vaihe II kasvaimia, kun taas cluster 2 on 11 vaiheen I /II (65%) ja 6 vaiheen III kasvaimet (kuvio 5C).

kohortteja E- geod-6764, joka sisältää maksasolusyövän (HCC) ja normaali maksan, on ryhmitelty. Ryhmä 1 koostuu lähes kokonaan hyvin kehittynyt /kehittynyt III HCC (91%), kun taas klusteri 3 on pääosin hyvin varhaisessa /varhain kasvaimia (67%). Kaikki 8 normaalit näytteet ovat klusterin 2 (73%), joka sisältää myös 2 hyvin varhain ja 1 varhainen kasvaimet (kuvio 5D).

Rakenteessa geeni klustereiden ehdottaa, että GACC liittyvien geenien ilmentymisen voisi olla merkitystä biomarkkereina ennustaa syövän ennustetta. Arvioida tämän mahdollisuuden, GACC geeniekspressiotasot analysoitiin peräisin aineisto 442 keuhkojen adenokarsinooman [16] ja korreloi 60 kuukauden selviytyminen tuloksia. Korkea ilmentymisen alkuun sijoittui GACC geenien liittyy huono taudin tulokset (kuvio 6A). Yhdistämällä GACC geeniekspression tasolla

GAPDH

tasolla voi parantaa ennustavan voiman GACC geenin tason yksin useimmiten (kuvio 6B).

(A) johtajan Challenge kohortti 442 keuhkojen adenokarsinooman välillä caArray Kaplan-Meier selviytymisen analyysi. Ylös-säätely kaikkien valittujen sijoilla GACC geeni liittyy huonoon ennusteeseen. Yhdistelmä säätely ylöspäin

GAPDH

yksittäisten GACC geenin parantaa ennustuksen tehoa (korkea GACC geenien ilmentyminen ja korkea

GAPDH

ilmaisu (vihreä viiva)

vs

korkea GACC geeni ilmaisu yksin (sininen viiva)). H = korkea. L = alhainen. (B) Tilastollisesti merkittävä Kaplan-Meier eloonjääminen analyysi käyttämällä yksittäisiä GACC markkerina (

GAPDH-

) tai yhdistelmä GACC geenin ja

GAPDH

(

GAPDH

+) merkkiaineina. Taulukossa näkyvät

p

arvojen chi-neliö analyysi.

Keskustelu

Tässä tutkimuksessa, joka on julkisesti saatavilla microarray tietokanta [17] käytettiin arvioimaan transkription tasot

GAPDH

ja liittyvän geenin ilmentymistä kiinteitä kasvaimia. Tutkimuksessa analysoitiin käyttämällä Affymetrix GeneChip- Human Genome U133 Plus2 tai U133A Array formaatteja, joita käytetään yleisesti geeniekspression havaitsemiseen. Tietojen analysointi vetosi suurempaan NSCLC kohortti (yhteensä 330 näytettä), jotka yhdistetään riippumattomia tietoja eri lähteistä. Meidän tunnistaminen tilastollisesti merkittäviä muutoksia

GAPDH

ilmentyminen kasvaimissa mahdollisti arviointi geeniekspressioprofiili että korreloida

GAPDH

.

Kohonneita GAPDH on havaittu onkogeenin aiheuttaman muutoksen [18], angiogeneesin [19] ja anti-apoptoottisen funktion [20] – [22]. Muissa tutkimuksissa, mutta GAPDH on liitetty apoptoosin edistämiseksi [23] – [25]. Syynä tähän paradoksi on huonosti [26]. Barbini työ [27] on ehdottanut, että ero solunosasijaintia GAPDH voi vaikuttaa sen vastakkaisiin biologisia toimintaansa apoptoottisen ja lisääntyvissä maksasoluissa. Eri toiminnot GAPDH voidaan myös säädellä eri tasoilla translaation jälkeisen muuttaminen proteiini [28].

analyysi osoittaa, että profiilit GACC geenin ylössäätöä ovat verrannollisia anti-vanhenemista vuonna profiileja kasvaimet sijaan korreloi edistämisen vanhenemista tai apoptoosin. Olemme tunnistaneet joukon geenejä, jolle mRNA: n ilmentymisen voimakkaasti korreloi

GAPDH

ilmentymistä kasvainsoluissa. Yleisesti, kaksi tällaista geeniluokkaa on tunnistettu kasvaimia. Luokan I koostuu metaboliareitti liittyviä geenejä. Top sijoittui

GAPDH

positiivisesti niihin liittyvien geenien tässä luokassa sisältävät

trioosifosfaatti-isomeraasi

1 (

TPI1-

) ja

glukoosi-6-fosfaatti-isomeraasi

(

GPI

), joista kukin koodaa keskeinen glykolyyttistä entsyymiä. Luokka II kattaa solusyklin liittyviä geenejä, jotka koodaavat tyypillisesti proteiineja, jotka liittyvät G2 /M siirtymävaiheen ja M vaihe solukierron säätelyssä. Näistä kaikkein informatiivinen proteiinin näytti olevan transkription tekijä Forkhead Box M1 (FOXM1), ratkaiseva tekijä solukierron säätelyssä [29] ja tärkeä säätelijä tuumorimetastaasin [30].

FOXM1

liittyviä geenejä

CCNB2

(

r

= 0,75),

CENPA

(

r

= 0,75),

AURKB

(

r

= 0,73),

BIRC5

(

surviviinista r

= 0,73),

NEK2

(

r

= 0,69) ovat kärjessä GACC geenejä. Ydinvoima proteiini CENPF, joka on transkription kohteena FOXM1 (

CENPF

,

r

= 0,67), säätelee kehräkokoonpanon Checkpoint varmistaa asianmukainen kromosomi vakautta ja eriytymisen mitoosin aikana [31]. Ylössäätöä näiden geenien on johdonmukaisesti liittyy korkea-ilmauksia

GAPDH

.

Mekanismi, jolla GAPDH ja FOXM1 voidaan käyttää samanaikaisesti säädellä on epäselvä. Jotta ne käynnistävät solusyklin liittyviä tapahtumia, on mahdollista, että sekä GAPDH ja FOXM1 translokoituvat sytoplasmasta tumaan syöpäsoluja. Tumaansiirtymiseen GAPDH voidaan säädellä asetylointi [32]. FOXM1 paikantuu pääasiassa sytoplasmassa lopulla G1 ja S vaiheissa. Nuclear translokaatio FOXM1 tapahtuu juuri ennen eteneminen G2 /M vaiheessa solusyklin ja vaatii toimintaa kuudennen Raf /MEK /MAPK signalointireitille [33]. Sekä GAPDH ja FOXM1 yhteistyötä tumaan aikana G2 /M siirtymävaiheen kautta vuorovaikutuksessa muiden proteiinien kanssa. Tässä prosessissa KPNA2 (Importiini alfa 1) voivat olla vuorovaikutuksessa GAPDH koska korrelaatiokerroin

KPNA2

ilmaisutapoja

GAPDH

NSCLC on 0.75.

GACC geenit säädellään ylöspäin solut 3% happea inkubaation, mikä on suurempi replikaatiokykyä (anti-vanhenemista) kuin viljelty 20% happea. Tämä tulos on yhtäpitävä viimeaikaiset tutkimukset osoittavat, että GAPDH ehtyminen kytkee ihmisen kasvaimen solut senescent fenotyyppiin [34]. Rescue kokeita, jotka työskentelevät metabolisen ja geneettisen malleja vahvisti, että GAPDH on tärkeää sääntelytoiminnot jotka viittaavat energia-aineenvaihduntaa ja solusyklin verkoissa. Yhteenvetona tietomme viittaavat siihen, että GAPDH palvelee keskeinen rooli solukierron säätelyssä ja solujen vanhenemista aikana syöpäsolun kehitystä.

Lisäksi NSCLC, ylös-säätely

GAPDH

ja liittyvät geenit mukaan lukien GACC geenien havaittiin muissa elimissä. Tulokset viittaavat siihen, että transkriptio GAPDH kasvaimissa on tärkeä askel syövän kehittymisessä, missä se voi osaltaan lisätä solusyklin liittyviä solujen lisääntymistä. Tämä prosessi voi myös poikkeavaan Glykolyysivaiheen ja glukoneogeneesin, kuten useimmat geenit sekä reitit ovat ajan säännelty. Kuitenkin glukoneogeneesiä geeni

FBP1

säätyy alas kasvaimissa. Normaalissa glukoosiaineenvaihduntaan, ylimääräinen GAPDH jatkuvasti metaboloituu glykolyysin palorypälehapolle, joka sitten muunnetaan FBP1 fruktoosiksi-1,6-bisfosfaatti- aikana glukoneogeneesia. Syövän, alas-säätely FBP1 voi johtaa GAPDH kertymiseen sytoplasmassa ja se voi myös aiheuttaa translokaation ylimääräisen GAPDH tumaan. Down-regulation FBP1 syöpäsoluissa on raportoitu äskettäin [35], [36]. FBP1 pidetään tuumorisuppressorigeenin mahasyövän solujen ja alas-säätely FBP1, joka välittyy promoottorin hypermetylaatio on löydetty ihmisen maksasyövän ja paksusuolen syöpä. Yli-ilmentyminen GAPDH kasvaimissa voi liittää poikkeavaan glukoosiaineenvaihduntaan soluproliferaatioon. Kuitenkin meidän analyysi voi sulkea pois sitä mahdollisuutta, että havaittu ylössäätöä Sekä

GAPDH

ja GACC geenit voivat olla sivuvaikutus syövän joka johtuu korkean energian vaatimukset tarvitaan nopeaa kasvua. Vaikka apoptoosin estyy, solujen aineenvaihduntaan lisääntyy ja avain metaboliareitteihin aktivoituvat. Lisäksi tämä tutkimus on rajoitettu mitata transkription tasot perustuvat microarray data, ja ei voi havaita korrelaatiota geenin ilmentymisen ja solun tasoilla suuri metabolinen ympäristöissä. Edelleen kokeiluja tarvitaan näiden kysymysten ratkaisemiseksi.

tulokset osoittavat, että säätely ylöspäin GACC geenien kasvainsoluihin on suhteessa niiden pahanlaatuinen tila, ja siten voi olla potentiaalinen ennustaja taudin ennustetta. Joka perustuu

GAPDH

liittyvät positiivisesti geeni-ilmentymisen tasoja, alaluokka NSCLC, lisämunuaiskuoren syöpä, rintasyöpä ja HCC voidaan myös luokitella eri vaiheissa. Ylös-säätely

GAPDH

positiivisessa yhteydessä geenit korreloi vakavampi ja /tai myöhemmissä vaiheissa syövän. Tärkeintä on, käyttäen sekä

GAPDH

transkription ja GACC geeniekspressiotasot pelastusveneiden analyysi parantaa huomattavasti ennusteita käyttää GACC geenin tasolla yksinään useimmissa tapauksissa.

Methods

Geenien ilmentyminen microarray analyysien tässä tutkimuksessa käytetty tietoja ArrayExpress (https://www.ebi.ac.uk/arrayexpress) Euroopan instituutin Bioinformatics (EBI) ja caArray (https://array.nci.nih.gov /caarray/home.action) National Cancer Institute (NCI), jotka molemmat ovat yleisesti saatavilla. Analyysit mukana riippumaton kohortteja ArrayEaxpress sisältävien NSCLC (E-geod-18842, E-geod-19188 ja E-geod-19804), lisämunuaiskuoren syöpä (E-geod-10927), rintasyöpä (E-geod-29431), hepatosellulaarista karsinooma (HCC) (E-geod-6764), solulinjat erilaisissa olosuhteissa (E-geod-19018) ja kohortin alkaen caArray sisältävien keuhkojen adenokarsinooman (jacob-00182) ja Affymetrix GeneChip- Human Genome U133 plus 2 tai U133A Arrays. CEL tiedostoja, jotka sisältävät raakadataa kustakin kokeessa suoraan ladata EBI tai NCI verkkosivuilla erityistä viitenumero. Data oli sitten normalisoitu CEL tiedosto laadunvalvonnan arviointi käyttäen 3 ’Expression Arrays Tukeva Multi-array Analysis (RMA) päässä Affymetrix ohjelmisto Expression Console (https://www.affymetrix.com). Normalisoitu lauseke arvot edustavat koetinsarjaa intensiteetin log-2 mittakaavassa. Integroitu NSCLC aineisto päässä ArrayExpress kuuluu kolme riippumatonta NSCLC aineistoja analysoitavaksi, jossa kaikki CEL tiedostot näistä lähteistä yhdistettiin RMA analyysiä.

Opiskelijan t-testiä (yksisuuntainen) ja Pearsonin korrelaatiokerrointa laskelma oli suoritettiin käyttäen Microsoft Excel.

P

arvoja t-testi alle 0,05 pidettiin tilastollisesti erilainen. Chi Square testi (chisq.test), lämpö piirustus (heatmap) ja Kaplan-Meier selviytymisen analyysi suoritettiin käyttäen avoimen lähdekoodin tilastollinen työkalu R (versio 2.14.1) (tukeminen Information). Geeni-ilmentymisen analyysit, arvo valitun geenin ilmentymisen tasoa verrattiin mediaani tai 25% neljännekseen arvo geenin ilmentymisen kunkin kohortin. Numerot suurempi tai pienempi kuin mediaani tai 25% kvartiili arvo piirretään tuloksissa. Hengissä analyysi, arvot suurempi tai pienempi kuin mediaani kussakin geenissä ryhmässä asetettiin ”korkea”, ”alhainen”, tai erilaisia ​​yhdistelmiä analysointia. Kaikki elossaoloaika on muutettu kuukautta.

tukeminen Information

Tiedosto S1.

Tiedoston lämmön kartta (HCCdata.csv).

doi: 10,1371 /journal.pone.0061262.s001

(CSV)

Tiedoston S2.

Tiedoston hengissä analyysi (TPX2survival.csv).

doi: 10,1371 /journal.pone.0061262.s002

(CSV)

Tiedoston S3.

R lähdekoodia bioinformatiikan analyysi.

doi: 10,1371 /journal.pone.0061262.s003

(DOCX) B

Kiitokset

Kiitämme Drs. Jeffrey D. Kittendorf ja Thomas C. Johnson AQLS Inc., Drs. Nicholas Chi-Kwan Ling, Degang Zhong ja Roger Anderson hyödyllistä keskustella käsikirjoituksen. Kiitämme Affymetrix tekninen tukiryhmä neuvotteluja tietojen analyysiin.