Krooninen sairaus

tiivistelmä

Viimeaikaiset tutkimukset ovat osoittaneet osuus miRNA syövän synnyssä. Eturauhassyöpä on yleisimmin diagnosoitu syöpä miehillä. Toisin kuin muut tärkeät syöpien, ei yksittäinen geeni on tunnistettu olevan mutatoitunut useimmissa eturauhasen kasvaimia. Tämä merkitsee sitä, että ilmaus profilointi geenien, mukaan lukien ei-koodaavat miRNA, voi merkittävästi vaihtelevat yksittäisistä tämä syöpä. Within-luokan vaihtelun mahdollistaa rekonstruoida tai päätellä tautikohtaisia ​​miRNA-mRNA korrelaatio ja sääntelyn modulaarinen verkostoja käyttäen korkean-ulotteinen microarray data eturauhaskasvainnäytteissä. Lisäksi koska miRNA ja tuumorisuppressorigeeneille ovat yleensä kudosspesifisiä miRNA-mRNA moduulit saattavat vaihdella ensisijaisen eturauhassyöpä (PPC) ja metastaattinen eturauhassyöpä (MPC). Olemme tässä suorittanut

in silico

analyysi tutkia miRNA-mRNA korrelaatio verkkomoduulien kahdessa kasvaimen alatyypeistä. Analyysimme tunnistettu 5 miRNA-mRNA moduuli parit (kansanedustajaa) PPC ja MPC, vastaavasti. Jokainen MP sisältää yhden positiivisen-liitäntä (korrelaatio) moduuli ja yhden negatiivisen-liitäntä (korrelaatio) moduuli. Määrä miRNA tai mRNA: iden (geenejä) kussakin moduulissa vaihtelee 2 ja 8 tai 6: sta 622. moduuleja löydettiin PPC ovat informatiivisia kuin MPC kannalta sekaantuneet biologisen oivalluksia. Erityisesti yksi negatiivinen-yhteys moduuli PPC sopii hyvin kansanomaisesti tunnustettu miRNA-välitteisen transkription jälkeisen sääntelyn teoriaa. Tämä on, 3’UTR sekvenssit mukana mRNA: iden (~620) on rikastunut kohdepaikkaan motiiveja 7 modulaarinen miRNA, on-miR-106b, -191, -19b, -92a, -92b, -93, ja -141. Noin 330 GO termejä ja Kegg polkuja, mukaan lukien TGF-beeta-signalointireitin, joka ylläpitää kudosten homeostaasin ja sillä on keskeinen rooli tukahduttamiseen leviämisen syöpäsolut ovat yliedustettuina (adj.p 0,05) modulaarinen geenin luettelosta. Nämä laskennallisesti tunnistettu moduulit tarjoavat merkittäviä biologisia todisteita sekaantumista miRNA kehittämisessä eturauhasen syöpiä ja takaa lisäksi seurantaa riippumattomien laboratoriotutkimuksissa.

Citation: Zhang W, Edwards A, Tuuletin W, Flemington EK, Zhang K (2012) miRNA-mRNA Correlation-verkoston moduulit Human Eturauhassyöpä ja erot Ensisijainen ja etäpesäkekasvainkudoksen alatyyppejä. PLoS ONE 7 (6): e40130. doi: 10,1371 /journal.pone.0040130

Editor: Lorenzo Chiariotti, Università di Napoli Federico II, Italia

vastaanotettu: 19 maaliskuu 2012; Hyväksytty: 1 kesäkuu 2012; Julkaistu: 29 kesäkuu 2012

Copyright: © 2012 Zhang et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoittajat: Tutkimus raportoitu tämän julkaisun tukivat National Institutes of Health avustusten (NIGMS P20GM103424, NCRR-RCMI 5G12RR026260-03), Louisiana BOR palkinto (LEQSF (2008-11) -RD-A-32), joka on Yhdysvaltain armeijan avustuksen (W911NF -12-1-0066) ja NSF avustuksen (EPS-1006891). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Vaikka Dr. Wei Fan on sidoksissa IBM T. J. Watson Research, tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja.

Johdanto

MikroRNA (miRNA) ovat lyhyitä (~

22nt

), ei-koodaavat RNA: t, jotka ovat peräisin genomin koodaamia stem-loop-esiasteita. Koska ratkaiseva transkription jälkeisen säätelijöitä geeniekspression metazoans, miRNA ensisijaisesti sitoutuvat 3 ’UTR-sekvenssit RNA: iden (mRNA: t), yleensä johtaa translaation tukahduttamisen tai mRNA: n hajoamisen [1], [2]. On arvioitu, että -30% ihmisen proteiinia koodaavan geenejä säädellään miRNA, jossa jokainen miRNA voidaan kohdistaa noin 200 selostukset ja enemmän kuin yksi miRNA voi lähentyä yhdelle mRNA tavoite [2], [3]. Lukuisat tutkimukset ovat osoittaneet, että poikkeavasti ilmaisi miRNA

s

ovat omiaan edistämään ihmisten sairauksia, kuten syöpää [4], [5], [6], [7], [8], [9]. Nämä pienet RNA: ita voisi olla ”syöpä-ohjaimet” [10] useimmissa syöpätapauksista koska todisteita niiden mutaatioiden sematic solut ovat vielä suhteellisen harvinaisia ​​[11], [12]. Tämä osoittaa, että miRNA voivat itse säädellä muita molekyylejä, kuten transkriptiotekijät [13] ja vuorostaan ​​yhteistoiminnassa rooleja taudin etenemistä vahvistamalla tai vähentämällä vaikutusta poikkeavuuksien esiintyvien esikasvaintekijät ja tuumorisuppressorigeeneille. On todettu, että häiriöitä miRNA tuumorigeneesiin on melko monimutkainen ja on tutkivat verkkopohjaiset systeemibiologian lähestymistapoja.

Tähän mennessä useat algoritmeja on kehitetty päätellä miRNA-mRNA moduulit tai modulaarinen verkot käyttävät genominlaajuisia transkription ja sekvenssi affiniteetti tietoa [14], [15], [16], [17]. Huolimatta monipuolinen algoritmeihin malleja ja laskennallisen monimutkaisuuden, virtaus järjestelmät näistä menetelmistä melko selkeästi ja määritelmiä miRNA-mRNA moduuli kuljettaa samanlaisia ​​ominaisuuksia. Perustavanlaatuinen moduuli koostuu yleensä joukosta koekspressoi proteiinia koodaavan geenien ja miRNA joka on merkittävästi korreloi näiden geenien ilmentymisen taso, tai on ylhäältä ennustajan (muiden sääntelyviranomaisten) ja mRNA-set-määräytyy luokittelun puita biologisen näytteiden /”olosuhteet” [18], [19], [20]. Tällainen yksi-moneen millainen moduuli voidaan sitten jalostetaan kanoninen miRNA-mRNA sääntelyä moduuli, jossa ilmauksia miRNA ja mRNA: iden ovat käänteinen suhde, ja sitä täydentävän motiiveja miRNA ”siemen sekvenssit olemassa 3’UTRs kohdegeenien (mRNA: t). Kaksi tai useita yksi-monille moduulit voidaan lisäksi yhdistää yhdeksi many-to-many moduuli tunnistamalla niiden leikkauspisteet [16].

Eturauhassyöpä on yleisimmin diagnosoitu syöpä ja toiseksi johtava syy syövän kuolleisuutta American men. Joka vuosi yli 200000 uutta tapausta diagnosoidaan ja yli 30000 aikuisten miesten kuolee tähän tautiin [21]. Kuolemaan johtava usein tapahtuu, kun paikallinen kasvain tunkeutuminen on levinnyt yli eturauhanen ja metastasized imusolmukkeisiin ja muihin elimiin. Toisin kuin muut suuret syöpiin, geneettinen etiologia eturauhasen syöpä on melko monimutkainen ja heterogeeninen. Mikään yksittäinen geenimutaatio on tuonut esiin, että suurin osa eturauhasen kasvaimista [12], [22], [23]. Tämä merkitsee sitä, että ilmaisu profilointi geenien, mukaan lukien ei-koodaavat miRNA, voi olennaisesti vaihdella eri yksittäisiä tapauksia eri vaiheissa tai alatyyppejä eturauhasen syöpä. Within-luokan vaihtelun eli vaihtelu johtuu ensisijaisesti luontaisista eroista molekyyligenetiikan mekanismi joukossa näytteitä yksilöiden saman luokan, mahdollistaa rekonstruoida tai päätellä tautikohtaisten korrelaatio ja sääntelyyn (modulaarinen) verkot käyttäen high-ulotteinen microarray data eturauhasen tuumorin näytteitä. Erityisesti, koska miRNA ja tuumorisuppressorigeeneille ovat yleensä kudosspesifisiä [23], [24], miRNA-mRNA: n moduulit mahdollisesti eroa ensisijaisen eturauhassyöpä (PPC) ja metastaattinen eturauhassyöpä (MPC). Tutkimuksemme Näin vireille tämän havainnon ja keskitetään

in silico

tunnistaminen ja vertailu miRNA-mRNA moduulit PPC ja MPC. Hiljattain julkaistiin kattava tietokanta [12] antanut meille tarvittavat tiedot tällaisen bioinformatiikan tutkimusta. Saadut tulokset tarjoavat merkittäviä biologisia käsityksen häiriöitä miRNA kehittämiseen eturauhasen syöpiä. Kuvio 1 on yhteenveto järjestelmässä Tutkimuksemme virtauksen, ja kunkin vaiheen yksityiskohdat kuvataan tulokset ja Method kohdat.

Ennen hajoaminen, Pearsonin korrelaatiokertoimet transformoitiin Fisherin r-z menetelmällä. A1 /B1 /C1: saadut tulokset ensisijaisen eturauhassyöpä (PPC) näytteitä. A2 /B2 /C2: tulokset on saatu metastaattinen eturauhassyöpä (MPC) näytteet. A3 /B3 /C3: saatujen tulosten satunnainen tietorakenne tuottamat laahustavat PPC matriisi.

Red: top 1% positiivista korrelaatiota. Keltainen: top 1% negatiivinen korrelaatio. Oranssi: pseudo tai harkitsematon korrelaatioita.

Red: top 1% positiivista korrelaatiota. Keltainen: top 1% negatiivinen korrelaatio. Oranssi: pseudo tai harkitsematon korrelaatioita.

Tulokset ja keskustelu

SVD analyysi miRNA-mRNA Vuorovaikutus Matriisit

Ennen päätteleminen miRNA-mRNA verkkomoduulien PPC ja MPC, yritimme saada yleinen käsitys eroja näiden kahden korrelaatiomatriiseihin laskettu miRNA /mRNA ekspressiotasot ensisijaisen ja etäpesäkekasvainten näytteet, vastaavasti (katso menetelmä yksityiskohdat osasta). Kuitenkin, koska valtavan määrän potentiaalisia miRNA-mRNA sääntely- tai koekspressoi- suhteet ja monimutkainen vuorovaikutus joukossa yhdessä ääniä tuotu näytteenotossa ja mittauksessa prosessi, pareittain vertailu vastaavan matriisin elementtien oli liian vähäpätöinen päästä päätökseen. Me kiertää tätä estettä käyttäen uudella menetelmällä. Tarkemmin käsittelimme kukin korrelaatiomatriisin pseudo aineisto rivien (mRNA: t), kuten ”havainnot” ja pylväiden (miRNA) kuin ”ominaisuudet”, ja ominaista se tekemällä SVD (Singular Value hajoaminen) analyysi [25], [ ,,,0],26], [27], [28]. Ottaen huomioon arvot korrelaatiokertoimet olivat välillä [-1, 1], me muuttaneet matriisin merkinnät käyttämällä Fisherin rz menetelmä ennen hajoamista siten, että tulokset voidaan selittää standardin tilastollista teoriaa.

tavalliset p-arvot säädettiin BH menetelmällä.

aliverkon uutettiin moduuleihin

p-moduuli-5-ne (ps)

. Kaikki liitännät paitsi ne, jotka liittyvät E2F5 ovat negatiivisia. Signaali + osoittaa, että ainakin yksi miRNA-kohde-motiivin olemassa 3 ’UTR sekvenssin kytkettynä mRNA (geeni).

. Geenit, joilla on kielteinen yhteyksiä miRNA modulaariseen verkon tummennetut punaisella. Gene CDKN1A (vaikkakaan ei moduulissa geeni lista) on myös varjostettu punaisella koska merkittäviä negatiivisia korrelaatioita (p 0,001) ja HSA-miR-93, -106b ja -200c klo ekspressiotaso. Geenit E2F5, MYC (CMYC) ja CDK4, mikä osoittaa näennäinen rakenteessa positiivinen transkription korrelaatiot modulaarisen miRNA (kuvio 9), on varjostettu keltaisella.

Numero esitetään jokainen solu on p -arvon korrelaation vastaavalle miRNA ja mRNA (geeni).

Tämä analyysi johti kahteen mielenkiintoisia havaintoja. Ensinnäkin, niin PPC ja MPC korrelaatiomatriiseihin, johtava piilevä tekijä voi selittää yli puolet varianssia tiedot (kuva 2-A1, A2), ja tulokset (ensimmäisessä vasemmalla yksikössä vektori) poikki geenejä (kuvio 2- B1, -B2) osoittavat selvästi kahden piikin jakeluun. Toiseksi PPC matriisi eroaa MPC matriisi tuntuva toinen piilevä tekijä, joka selittää -20% varianssista ja on epäsymmetrinen pistemäärä (toisen vasemmalla yksikössä vektori) jakelu (Kuva 2-C1), joka poikkeaa symmetrinen vastine MPC (kuva 2-C2). Vahvuus Tämän analyysin käy selvästi ilmi se, että havaitut kuviot eivät ole läsnä satunnainen data asettaa, kuten on esitetty kuviossa 2-A3, B3- ja C3, jossa SVD-analyysi tehtiin matriisiin syntyy shuffling rivien ja sarakkeet PPC matriisin. Vaikka biologiset vaikutukset on tutkittava tarkemmin, nämä havainnot alustavasti vahvistaneet alkuperäistä hypoteesia, että dynaaminen häiriöitä miRNA näihin kahteen eturauhasen syöpä voi olla erilainen ja kannattaa tutkia tarkemmin.

On syytä huomata, että valmistelussa kuvassa 2, käytimme tiedot 58 syövän miRNA kerätään [7]. Kuitenkin esitetään tulokset pitkälti pidetään, kun SVD analyysi tehtiin koko aineistot (matriiseja). Lisäksi ymmärrämme, että erot PPC ja MPC voidaan määrittää ydinjoukko miRNA. Tämä käsitys perustuu ylimääräisen analyysillä, joka osoitti, että kuviot osoitettu kuvassa 2 myös järjestetään alimatriisiksi vain kasvain vaimennin miRNA, mutta ei alimatriisiksi sisältävä onkogeeni miRNA yksinomaan. Jatkamme tutkia tätä ongelmaa tulevaisuuden tutkimusta.

miRNA-mRNA moduulit eri Eturauhassyöpä Alatyypit

Kaksi miRNA-mRNA verkkoja (PN ja MN) tuotettiin korrelaatio perustuva menetelmä PPC ja MPC, vastaavasti. Jotta keskittyä analyysin syöpään liittyvien miRNA, mitat PN ja MN olivat alennetaan lisäksi esitetty menetelmät -kappaleessa. Kun kondensoitunut verkkojen tuloina, suuret syöpään liittyvien miRNA-mRNA moduulit tunnistettiin niputtamisesta analyysi-pohjainen algoritmi. Sisällä yksittäistä moduulia, kunkin miRNA tai mRNA on vähintään kaksi liitäntää vastaavien modulaaristen mRNA: ita tai miRNA.

Kuten esitetty taulukossa 1, kuviossa 3 ja kuviossa 4, olemme määritelleet 5 miRNA-mRNA: n moduuli paria (MPS ) PPC ja MPC, vastaavasti. Jokainen MP sisältää yhden positiivisen-liitäntä (korrelaatio) moduuli ja yhden negatiivisen-liitäntä (korrelaatio) moduuli. Määrä miRNA tai mRNA: iden (geenien) kussakin moduulissa vaihtelee 2-8 tai 6 622. Useimmat moduulit sisältävät sekvenssin-spesifisen DNA: ta sitovan transkriptiotekijä (TF) geenejä [29], jotka voivat ottaa rooleissa välittäjien että miRNA-mRNA yhteyksiä. Kaksi jäsentä (kuten

p-modu-1-ps

ja

p-modu-1-ne

PPC) kunkin MP sisältävät saman miRNA mutta eri mRNA: t. Kaksi moduulia erillisten kansanedustajat (esimerkiksi

p-modu-1-ps

ja

p-modu-2-ps

PPC) koostuvat eri miRNA ja monipuolinen (tai osittain päällekkäinen) mRNA sarjaa. Sisällä positiivinen tai negatiivinen-liitäntämoduuli (jossa ”

-PS

” tai ”

-ne

” laajennus tunnukset), korrelaatiot mukana miRNA ja mRNA: t on ekspressiotasot ovat johdonmukaisesti positiivisia tai negatiivisia. Riippumatta yhteystyyppi, mRNA asettaa kussakin moduulissa pitkälti imitoi koekspressoi geenin klusterin. Lisäksi neljä moduulia kahden kansanedustajat (

p-modu-3-ps

(

-ne

) ja

m-modu-4-ps

(

-ne

)), jossa suurin osa miRNA kuuluvat let-7 perhe, moduleista MPC tuskin päällekkäisiä moduulien PPC kannalta mukana miRNA (taulukko 1) ja proteiini-koodaus geenit (taulukko S1). Advanced oivalluksia erot PPC ja MPC voidaan edelleen päätellä tarkasteluvarauman biologisen vaikutuksista tunnistetut moduulit.

Täällä meidän täytyy huomauttaa, että tunnistetut moduulit eivät välttämättä kanoninen sääntelyn moduulit, joissa kaikki yhteydet miRNA ja geenien määräytyvät syy säätimen-kohde suhteet [30]. Itse asiassa, koska ratkaisematon ongelma tarkassa tunnustaa miRNA kohdesivustoluetteloon [2], on haasteellista tunnistamaan triviaali ja tarkka kanoninen sääntelyn moduuli. Silti voimme odottaa löytää löyhempi sääntely moduuli, jota kutsutaan ”semi-kanoninen” sääntely moduuli jäljempänä, jossa suhde mahdollisesti määräytyy miRNA-välitteinen mRNA alentava mekanismi on hallitseva joukossa miRNA-mRNA yhteyksiä. Perustuen tähän laajalti hyväksytty teoria, semi-kanoninen sääntelyyn moduulit, jos on olemassa, tulisi olla yksi negatiivinen-yhteys moduulit, ja sitten voidaan määrittää kohdesivustoa rikastamiseen analyysi. Teimme tässä etsintä perustamalla miRNA-mRNA-sekvenssin affiniteetti- matriisi ja johtamiseen Fisherin testiä (katso menetelmät -kappaleessa). Tuloksena havaitsimme, että

p-modu-5-ne

, moduuli tunnistaa PPC, oli ainoa puoliksi kanonisen moduuli, jossa 3’UTR sekvenssit mukana 622 mRNA: t olivat merkittävästi rikastettu (p 1.0e-4) kanssa kohdepaikan motiiveja 7 modulaarisen miRNA (HSA-miR-106b, -200c, -19b, -92a, -92b, -93, ja -141) (kuva 5). Tämä moduuli siis edustaa merkittävin ero PPC ja MPC kannalta havaittu miRNA-mRNA korrelaatioita. Se viittaa siihen, että transkription jälkeisen sääntelyn välittämät dokumentoitu syöpä miRNA suoraan edistävät ilmaisua vaihtelevuutta proteiinia koodaavan geenien poikki kasvain näytteitä PPC mutta ei MPC.

vaikutukset tunnistetuista moduulien tarvitset voidaan edelleen päätellä kautta toiminnallinen merkinnät modulaarisen geenien, sillä on suuri biolääketieteen kiinnostusta valaisemaan suhteita aktiivisuuden modulaarinen miRNA, sääntelijöinä tai biomarkkereita, ja vaihtelevuutta erityisten biologisten prosessien. Käyttämällä David tietokannan [31], huomasimme, että yli 330 GO termejä ja Kegg polkuja, mukaan lukien TGF-beeta-signalointireitin olivat yliedustettuina (BH adj.p 0,05) kanssa 622 geenit puoliksi kanoninen moduuli

p-modu-5-ne

. Geenit muissa yksittäisten moduulien osoitti myös merkittävää toiminnallista samankaltaisuutta. Esimerkiksi

m-modu-4-ne

, negatiivinen-liitäntämoduuli löydetty MPC, rikastettiin geenien GO: 0007186~G-proteiiniin kytkeytynyt proteiinia signalointireitin (BH adj.p = 1.14E-40). Taulukko S2 tiivistää funktionaalisen rikastamiseen analyysitulokset modulaarisen geenien.

tarkasteltiin myös eroja näiden kahden eturauhassyöpä alatyyppiä tutkimalla jakautumisen profiilia Kegg polkuja yliedustettuna yksittäisissä modulaarisen geeniperimä. Kuten kuviossa 6 on esitetty, moduuli

p-modu-4-ps

PPC on ainutlaatuinen tunnistettu moduulien toimintoja koskevan modulaarisen geenejä. Noin kaksi tusinaa reitit, kuten tyypin I diabetes, ovat yliedustettuina sen geenissä luettelo ja useimmat niistä liittyvät taudin kulkuun ja /tai immuunivastetta. Kolme miRNA (HSA-miR-146a, -150 ja -223) sisältyvät tässä moduulissa. Osallistuminen miR-146a immuunivasteen on laajalti tutkittu. [32] osoittivat, että miR-146a on modulaattori IL-2 ja aktivaation indusoimaa solukuolemaa lymfosyyteissä. [33] ilmoitti, että se toimii välittäjänä tulehduksellinen piiri Alzheimerin taudin ja korosti ihmisen aivosolujen. Toisessa tutkimuksessa [34] osoitettiin myös, että HSV-1-infektion ihmisen aivosolujen voi indusoida miR-146a. Ilmeisesti nämä havainnot paitsi osoittavat, että miR-146a ottaa toiminnallinen rooli immuunivasteen säätelytekijänä, vaan myös siihen, että sen dynaaminen toiminta (lauseke), tietyissä yhteyksissä, voi vain olla matkustajan sairauden ja /tai immuunijärjestelmän prosesseja [10]. Tämä on juuri keskeinen sanoma välittyy moduulin

p-modu-4-ps

jossa positiivinen korrelaatioita modulaarisen miRNA ja geenien ei yksinkertaisesti selittää säädin kohde-mekanismi.

hajureseptorien (syrjäisimmillä alueilla) ilmaistaan ​​paitsi aistihermoilla on hajuepiteeli, mutta myös erilaisissa muissa kudoksissa, joissa niiden mahdolliset tehtävät ovat suurelta osin tuntemattomia. Tuoreessa julkaisussa kirjoittajat raportoitu, että aktivoituminen haju reseptorin (PS GR) estää leviämisen eturauhasen syöpäsolujen [35]. Tulokset analyysimme osoittavat, että hajuaistin transduktio (reitti) on yliedustettuna geenin luettelossa 4 suurta moduulia (

m-modu-2-ne

,

m-modu-3-ne

,

m-modu-4-ne

,

m-modu-5-ne

) MPC (kuva 6). Osallisena miRNA sisältävät HSA-miR-200A /-200b, HSA-miR-15a /26a /29c, HSA-miR-7 /-7e /-7f /-98, ja HSA-miR-107 /-26b. Vaikka miRNA asetettu

p-modu-3-ps (-ne) B pitkälti päällekkäin, että

m-modu-4-ne

, ei moduuli PPC on toiminnallinen suhde hajuaistin johtuminen. Siksi me spekuloida, että aktivointi PSoR ja (suora tai epäsuora) yhdessä miRNA vain rajoittuvat MPC.

Focal-adheesiokinaasi (FAK) on tärkeä välittäjänä kasvutekijää signalointi, soluproliferaatiota , solujen eloonjäämistä ja solujen vaeltaminen. Hiiri mallit ovat osoittaneet, että FAK ilmentyminen lisääntyy ihmisen kasvaimissa [36]. Tuore tutkimus osoitti, että fokaalisen adheesion ehkäiseminen eturauhassyövän etenemistä [37]. Tässä tutkimuksessa havaitsimme, että miRNA puuttua transduktion FAK signalointi, mikä voi kestää rooleja syövän kehittymisessä. Kuten kuvassa 6, fokaalisen adheesion (yhdessä 6 liittyvät Kegg reittejä kuten ECM-reseptori vuorovaikutus) yliedustettuna geenissä luetteloihin 3 suuri moduulit tunnistetaan PPC (

p-modu-1-ps

,

p-modu-2-ps

,

p-modu-5-ne

). Vastapäätä tapauksiin haju transduktion MPC, yhdistyksen hierarkkisen klusterointialgoritmi FAK signalointia miRNA näyttää rajoitettu PPC. Nämä havainnot osoittavat, toinen suuri ero näiden kahden syövän alatyypeistä. Kokeellinen tutkimus tässä asiassa saattaa olla lupaava diagnosoimiseksi eturauhassyövän.

Mahdolliset häiriöt miRNA TGF-beeta-signalointireitin

Transformoiva kasvutekijä-beeta (

TGF

–

beta

) ylläpitää kudosten homeostaasin ja sillä on keskeinen rooli tukahduttamiseen leviämisen syöpäsolut [23], [38]. Kuten edellä mainittiin, TGF-beeta signalointireitistä yliedustettuna geenissä (mRNA: t) joukko puolittain kanoninen sääntelyyn moduuli,

p-modu-5-ne

. Niistä 622 modulaarinen geenit, kymmenkunta koodaavat proteiinien kautta. Nämä 12 geenit osoittavat 56 negatiivinen-yhteydet 7 modulaarinen miRNA, ja lähes kolmannes liitännät ovat yhteensopivia mahdollisen säädin kohde-suhteet määritettiin sekvenssi affiniteetti tiedot (kuva 7). Perustuen tähän havaintoon ja teoriat on kuvattu [23] (sivut 198-224), me tuotti hypoteesit malli (kuvio 8) osoittaa häiriön modulaarisen miRNA kanssa TGF-beeta signalointi ja leviämisen syöpäsoluja. Kuviossa 8 geenit korreloivat negatiivisesti miRNA modulaariseen verkossa on korostettu punaisella. Gene CDKN1A on myös merkitty punaisella, koska sen merkittäviä negatiivisia korrelaatioita (p 0,001) ja HSA-miR-93, -106b ja -200c klo ekspressiotaso. Geenit E2F5, CMYC (MYC) ja CDK4 osoittavat selviä kuvioita positiivisten transkription korrelaatiot modulaarisen miRNA ja korostetaan keltaisella. Suhteet esitetään kuviossa 8 osoittavat, että modulaarisen miRNA häiritä sairaus ensisijaisen eturauhassyövän onkogeenisen mekanismi mitattu PPC näytteitä. Tarkemmin sanottuna ilmentyminen näiden miRNA kääntäen säätelee transkriptio intensiteetti kaksi GF-beeta-geenit, TGFBR1 ja TGFBR2, ja syövän suppressio geenin Smad3. Sitten, aktivointi tai inaktivointi Smad2-3 /Smad4 /E2F monimutkainen, tämä vaikutus heijastuu ekspressiotasot CDKN1A ja CMYC, ja lopulta vaikuttaa solusyklin pysähtymiseen ja soluproliferaation esto.

Expression vaihtelevuus miRNA moduulissa

p-modu-5-ne

Kuten edellä,

p-modu-5-ne

, tunnistetut miRNA suoraan säännellä transkriptio voimakkuudet modulaarinen mRNA: iden PPC näytteissä. Tässä yhteydessä on tärkeää selvittää etiologia biologisen vaihtelevuuden (koko kasvain näytteet) on miRNA ekspressiotasoja, jotka määrittävät miRNA-mRNA yhteyksiä. Ensinnäkin, olemme huomanneet, että useimmat tunnistetut miRNA, kuten HSA-miR-19b, -92a, -93 ja -106b, on raportoitu tavoitteet transkription tekijät E2F perheen [13], [39]. Samalla olemme myös havaittu positiivinen yhteyksiä näiden miRNA ja E2F5 on ekspressiotasot (kuviot 8 ja 9). Siksi ei ollut mahdollista, että biologinen vaihtelevuutta miRNA johtui sääntelyä E2F5. Tällainen mekanismi on edelleen tutkittu, koska todellisen kuvan asetuksen ja /tai mutaatio TF geeni itsessään ei ole vielä selvillä. Seuraavaksi kysyimme modulaarisen miRNA ekspressiotasoja liittyivät etenemistä eturauhassyöpää. Tutkimaan asian, me ryhmitelty 98 PPC näytteitä ilmentymisen tasot 7 modulaarinen miRNA hierarkkisen klusterointialgoritmi ja verrataan tulosta Gleason pisteet perustuvia luokkia. Ei havaittu yhteyttä väliin kaksi osiota. Lopuksi ehdotettu ja testattu hypoteesin, että biologinen vaihtelevuutta miRNA hankittiin asetuksen mukaan proteiinia koodaavan geenien (kuten syövän geenien), johon mutaatiot satunnaisesti esiintynyt yksittäisissä kasvain näytteissä. Ryhmittelemällä analyysissa ensin syntyy kaksi osiota on 98 PPC näytteet, vastaavasti perustuu ekspressiotasoja kaikista 7 moduulin miRNA ja transkripti intensiteetit 34 mahdollisia syöpää ajo geenit kasvaimen näytteissä, kuten on esitetty kuviossa-1 [12]. Sitten jota Chi-square testi, löysimme assosiaation kaksi osiota oli erittäin merkitsevä (p 0,001), mikä osoittaa meidän hypoteesi voidaan vahvistaa tällä tavalla.

Materiaalit ja menetelmät

Tietojoukot

microarray tiedot julkaistiin Gene Expression Omnibus (GEO, eli MIAME yhteensopiva tietokanta) arkiston hakunumerolla GSE21032 [12], [40]. Niistä 218 biologiset näytteet ovat super-sarja, 98 primaarikasvainten, 13 etäpesäkkeitä ja 28 normaalin eturauhasen kudosnäytteitä (N = 139) on sekä miRNA ja mRNA: n ilmentymisen profiilit. Tiukka perusteita sovelletaan valittaessa kasvaimia varten genomisen analyysin [12]. Geeni (mRNA) ilmentyminen profiilit mitattiin Affymetrix Human eksoni 1.0 ST Array [koetinsarjaa (eksoni) versio], ja kuvat kvantifioitiin käyttämällä GeneChip- Operating Software (GCOS) versio 1.4. Raakadata käsittelivät Aroma Affymetrix. Standardi RMA tausta säätö ja quantile normalisointi tehtiin. Mirna ilmaisuja mitattiin lavalla Agilent-019118 Human miRNA Microarray 2,0 G4470B, ja kuvat kvantifioitiin käyttäen Agilent Feature Extraction versio 9.5. Aineisto normalisoidaan väliin-array varianssi vakauttaminen normalisoinnin (VSN) jälkeen ilman MikroRNA ole läsnä yli 80% profiloitu näytteitä. Tässä tutkimuksessa mRNA data (ladattu sarja Matrix File) oli edelleen yksinkertaistaa seuraavasti. Ensinnäkin on sovitettu geenin ilmentymisen arvot, jotka alun perin keskitetty Affymatrix_Exon_Gene_IDs (Affy_IDs) virallisen geenin symbolia laskemalla keskiarvon geenin, jossa on kaksi tai useampia Affy_IDs. Toiseksi mukautettu geenien ilmentymisen arvot transformoitiin log2 mittakaavassa. Lopuksi suodatettu pois geenejä, joilla ei ole ilmaisun vaihtelua koko 139 taulukot. Jossa sulku on kaksinkertainen muutos mahdollisimman ilmentymisen intensiteetti on vähintään yksi, ~ 5730 geenejä läpäisi suodattimen. Näin ollen lopullinen miRNA aineistot sisältää 5730 geenejä ja 377 miRNA. Vaikka tietoa 28 normaalin kudosnäytteiden pidettiin datan esikäsittely laimentaa potentiaali melua microarray kokeiluja, keskityimme PPC ja MPC näytteitä seuraavassa SVD analyysi ja miRNA-mRNA moduuli tunnistaminen.

laskeminen miRNA-mRNA korrelaatiomatriiseihin

Käytimme laskentaintensiivisiä menetelmä arvioida ilmaisun välisen korrelaation miRNA ja mRNA. Laskennassa Pearsonin korrelaatiota toistettiin 1000 kertaa. Kussakin aikavälillä 80% satunnaisesti valittua PPC tai MPC näytteet mukana. Lopullinen arvio saatiin keskiarvoistamalla tulokset yli 1000 Toistoja.

Generation of miRNA-mRNA Korrelaatio Networks

vastaavasti syntyy kaksi miRNA-mRNA korrelaatio verkkoja, PN ja MN, PPC ja MPC jonka discretizing ilmaisu korrelaatiomatriiseihin kanssa 5730 geenejä (mRNA: t) riveinä ja 377 miRNA kuin sarakkeita. Tarkemmin, täytimme molemmissa matriisit 1 huipulle 1% positiivisia miRNA-mRNA korrelaatioita, -1 ylimmän 1% negatiivinen korrelaatio, ja 0 muulle merkinnät. Näin ollen, ei-nolla-elementti edustaa positiivinen tai negatiivinen korrelaatio ja pari miRNA ja mRNA. Korrelaatio määritelty siten vastaa miRNA-mRNA yhteyteen BH säädetty p-arvo 0,008 (tai 0,065) ja PPC (tai MPC).

tunnistaminen miRNA-mRNA moduulit

Molemmat diskretoidaan korrelaatiomatriiseihin kondensoitiin jättäessään miRNA puute tallennettujen suhteita syöpien ja geenit ole yhteyttä syöpään liittyvien miRNA. Toisin sanoen sarakkeet vastaavat miRNA eivät sisälly dokumentoitu luettelossa [7] jotka on aluksi poistettiin, ja sitten rivit (geenejä), joka ei sisällä ainakin kaksi ei-nolla-merkinnät jätettiin pois. Tiivistetty PN ja MN sisältävät siten 58 saraketta, ja 1792 ja 1340 riviä, vastaavasti. Kun puhdistettu verkon matriisien panoksina, kaksi lämpökarttoja luotiin vastaavasti PPC ja MPC soveltamalla toiminto ”

heatmap.2

” R paketti ”gplots”. Ulkoasu miRNA ja mRNA-molekyylien lämpökarttoja perustuivat kaksisuuntaiseen hierarkkinen klusterointi analyysi

Manhattan

etäisyyden ja

Ward

menetelmä argumentteja. Ottaen PPC esimerkkinä (kuvio 3), olemme tunnistaneet miRNA-mRNA: n moduulien kautta seuraavat kolme vaihetta. (1) Perustuu dendro- ja miRNA-mRNA yhteys kuvioita näkyy heatmap viisi modulaarinen miRNA subsets (klusterit) olivat visuaalisesti määritetty. (2) Kunkin miRNA osajoukkoja, positiivinen tai negatiivinen yhteyksiä mRNA: t koottiin pari 2-sarakkeen topologia matriiseja, vastaavasti. (3) miRNA-mRNA moduuli pari tunnistettiin ulostuloista vaiheessa (2) pudottuaan mRNA: t vain yksi (positiivinen tai negatiivinen) liitäntä. Luvut modulaarinen verkkojen tuotettiin Cytoscape 2.8.1 [41].

Target Site Rikastustesti

Käyttämällä lab omistama R ohjelman ydin ollessa

matchPattern

() funktio Bioconductor

Biostrings

[42], [43], tunnistimme 7-mer ja 8-mer miRNA kohdepaikan kuvioita 3 ’UTR-sekvenssit (noudetaan hg-18) geenit mitattuna palveluksessa microarray data. Binary miRNA-mRNA-sekvenssin affiniteetti- matriisi (A) tuotettiin sitten sillä tavoin, että elementti (A

ij) arvo 1 osoitti olemassaolon kohdesivustoa motiivin (t) j

th miRNA vuonna 3 ’UTR-sekvenssin i

th mRNA. Saat miRNA tilastollinen merkitys kohdesivustoa rikastusaste luettelossa korreloivien modulaarisen geenit mitattiin Fisherin testiä viitaten tasolle koko geeniperimä.

tukeminen Information

Taulukko S1.

yhteenveto miRNA-mRNA korrelaatio-moduulit.

doi: 10,1371 /journal.pone.0040130.s001

(TXT) B Taulukko S2.