Krooninen sairaus

tiivistelmä

On kiireesti saada ja vahvistaa erittäin tehokas tavoitteet kombinatorisista väliintuloa laajamittaista meneillään molekulaarinen toimia kasvaimia. Perustimme in silico bioinformatiikan alustan yhteistuumin tehoseulonnan alustan arvioidaan 37 novel kohdennettuja agenttien 669 laajalti tunnettu syöpäsolulinjoilla heijastaa genomisen ja kudostyypin monimuotoisuus ihmisen syövissä, järjestelmällisesti tunnistaa kombinatorisista biomarkkerit vasteen ja yhteistyön käytännöllisiä tavoitteet syöpä. Genominen biomarkkerit löydettiin 141 solulinjassa opetusjoukolla validoitu riippumattomalla 359 solulinjan Koepakettia. Havaitsimme yhdessä esiintyvät ja toisensa poissulkevia genomista tapahtumia, jotka edustavat mahdollisten kuljettajien ja kombinatorisista tavoitteet syöpä. Osoitamme useita yhteistyössä genomista tapahtumia, jotka ennustavat herkkyys huumeiden interventio riippumaton kasvain linjaa. Kytkentä skaalautuva in silico ja biologinen suurikapasiteettisten tasyöpäsolulinja alustoja tunnistamiseksi yhteistyössä tapahtumien syövän tarjoaa järkevän kombinatorisista tavoitteet synteettisten tappava lähestymistapoja, joilla voidaan tehokkaasti ennakoida lääkeresistenssin.

Citation: Tabchy A, Eltonsy N, Housman DE, Mills GB (2013) järjestelmällinen tunnistaminen Kombinatoriset Drivers ja tavoitteet Cancer Cell Lines. PLoS ONE 8 (4): e60339. doi: 10,1371 /journal.pone.0060339

Editor: Mark Isalan, Center for Genomic asetus, Espanja

vastaanotettu: 25 lokakuu 2012; Hyväksytty: 25 helmikuu 2013; Julkaistu: 05 huhtikuu 2013

Copyright: © 2013 Tabchy 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.

Rahoitus: Tämä työ tukivat National Institutes of Health (NIH) U54 CA112970 ja GBM (https://www.nih.gov/), joka on Komenin Promise avustus (KG08109903) ja GBM ja Komen Proteomiikka Discovery avustus (FAS0703849) AT ja GBM (http : //ww5.komen.org/), Ohjelman Entertainment Industry Foundation SU2C-AACR-DT0209 01 avustus GBM (https://www.standup2cancer.org/), ja tuki GSK GBM (http: //www.gsk.com/). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: GBM saanut sponsoroi tutkimusta GSK selvittää molekyylimarkkereita ennustamisessa vastauksena PI3K koulutusjakso estäjiä. GBM on tukea Exelixis, Celgene, Wyeth ja Astra Zenecan määrittää vastauksena huumeita ei mukana tässä tutkimuksessa. GBM on onkologian neuvottelukunnan Astra Zeneca. Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja. Toinen Kirjoittajat julistaa ole kilpailevia intressejä.

Johdanto

suurten kehittyvien haaste vanavedessä tsunamin saatujen tietojen pyrkimykset luonnehtia kasvaimia molekyylitasolla (esim Cancer Genome Atlas [ ,,,0],TCGA] (https://www.cancergenome.nih.gov) ja International Cancer Genome Consortium [ICGC] (https://www.icgc.org)) on miten hyödyntää tietoja ja kääntävät sen parantunut kliinisiä tuloksia, joita tunnistaa molekyylitason syövän yksittäisillä potilailla ja sen jälkeen käyttää näitä molekyyli vaurioita kohteina tehokkaaseen toimintaan. Samalla, vähennys sekvensointi kustannusten johtaa

demokratisointi

of molekyylitestin on jo johtaa monilla potilailla, joiden kasvaimet kirjoitettu molekyylitasolla. Kasvain luonnehdinta ponnistelut eivät ole enää nopeutta rajoittava; pikemminkin miten tulkita ja ”toimivat” tietoihin on nyt merkittävä rajoittava tekijä. Näihin haasteisiin on voitettava ennen syntymässä tekninen kehitys kasvaimeen luonnehdinta voivat tuottaa mahdollisimman kliinistä vaikutusta. Keskeinen vaihe on tunnistaa biomarkkerit, jotka ennustavat hoitovastetta ja jäsentää käytännöllisiä ajo molekyyli- poikkeavuuksia melulta. Nämä haasteet voidaan ratkaista toteuttamalla algoritmit, jotka auttavat analysointiin rinnakkain luoda suuren mittakaavan humanisoituja malli järjestelmiä suurikapasiteettisten kohde löytö ja validointi, joka ilmoittaa myös nopeutetun lääkekehityksen ja kliinisen tutkimuksen prosessi. Kestävä ennustava biomarkkereita kombinatorisista molekyylilääketieteessä tarvitaan kiireesti muuttaa kliinisen tutkimuksen maisemaa nykyisestä tilasta alhaisen terapeuttisen tehon suurissa kliinisissä kokeissa ja valitsematta väestön korkean tehon pieniä kliinisissä tutkimuksissa rikastettu kohderyhmät. Tämä lähestymistapa on mahdollista tehdä kliinisiä kokeita pienempiä, nopeampia ja edullisempia, kun taas lisää etuja yksittäisille potilaille.

Toistaiseksi yksittäinen biomarkkerit ajettu interventiot ovat olleet vähän menestystä klinikalla. Alkumenestyksen kohdennettuja lääkkeinä ”onkogeenin-addiktoitunut” kasvainten [1] – [4] (esimerkiksi imatinibi KML, BRAF estäjien melanoomaan) on lieventää toteutumista joukon rajoituksia: (1) resistenssiä johtuen syöpä heterogeenisyys, joilla on ennestään klooneja, jotka osoittavat vaihtelua molekyylikohteena johtaa kliinisiin vastus (kloonivalinnan); (2) ensimmäinen vastus kasvainten takia yhteistyössä mutaation vastuksen reitin; ja (3) vastuksen takia homeostaattisina takaisinkytkentäsilmukoiden että takaisin käyttöön perustason vakaan tilan huolestuneita kohdennettuja intervention [2] – [6]. Näin ollen näyttää siltä, ​​että yksittäinen biomarkkereita ja /tai toimet voivat olla rajalliset mahdollisuudet menestykseen klinikalla. Samalla tavoin, että voimme hallita hengenvaarallisia bakteeri tai virus-infektiot (esim Tuberkuloosi, ihmisen immuunikatovirus) jossa on useita samanaikaisia ​​antibioottien [7] – [9], onnistunut hoito syövän, jolla on kaikki monipuolisuus ja kestävyys eukaryoottisten ohjelmistoon vasteet olevin todennäköisesti edellyttää useita samanaikaisia ​​kohdennettuja toimenpiteitä preempt lääkeresistenssin. Tässä ehdotamme puitteet järkevän tunnistamiseksi useita kuljettajia, jotka tekevät yhteistyötä tuottaa syövän fenotyyppiä, minkä jälkeen se voidaan käyttää tehokkaina tavoitteet yhdistetyn terapeuttisen intervention.

Syöpä solulinjoja tiiviisti kerrata tunnetaan kasvaimeen liittyviä geneettisiä poikkeamat mallien luomiseksi ihmisen sairauksia. Esimerkiksi rintasyövän solulinjat on osoitettu tarkasti kerrata genomisen ominaisuuksia primaaristen kasvainten, HER2-geenin monistamisen, joka korreloi trastutsumabi herkkyys sekä in vitro että potilailla, [10], mikä osoittaa, että kliinisesti havaittu genotyyppi-vaste-korrelaatiot ovat konservoituneet in tasyöpäsolulinja malleja. Tässä teemme järjestelmällinen haku genomisen yhteistyön tapahtumista, joiden aikana valittu syöpä aloittamisen tai etenemisen, ja jos kohdistettu yhteen voitaisiin merkittävästi parantaa hoitotuloksia. Osoitamme in silico alustan tunnistamiseksi yhdessä esiintyvät syövän kuljettajien ja biomarkkerit vastauksen, ja sen soveltaminen todisteena käsite on erittäin tunnettu 669-solulinja setti hoidettiin 37 uusia kohdennettuja tekijöille. Ennakoiva biomarkkerit tunnistettiin 141 solulinjassa opetusjoukolla validoitu riippumattomalla 359 solulinjan Koepakettia. Ehdotamme, että putki koostuu vahvana silico bioinformatiikan alustan kytketty korkea suoritusteho tasyöpäsolulinja alustan toiminnallisia genomista löytö ja validointi voisi toimia siltana luonnehdinta ponnisteluja kuten TCGA /ICGC toisessa päässä ja klinikan /kliinisten tutkimusten toisaalta.

Methods Yhteenveto

Drug vastaus gIC50 tietoja yhteensä 37 kohdennettujen yhdisteiden testattu 669 solulinjoissa edustavat genomisen monimuotoisuus ihmisen syöpätyyppien, erityisesti 23 yhdisteet testattiin 310 solua linjat (GSK set), ja 14 yhdisteet testattiin 500 solulinjoissa (McDermott sarja) saatiin julkisista tietokannoista (Fig. 1) [11] – [13]. Lääkevaste dikäyrät ja avaintavoitteita olivat matemaattisesti määritetty perustuen korkean asteen polynomi käyrä malleja ja määritellyt herkkiä vs resistenttejä solulinjoja kullekin lääkkeelle (kuvio. S1 File S1). Solulinjat olivat pääasiassa SNP genotyyppi sovitettu Sanger instituutin Cancer Genome Cell Line tietokanta yhdistää huumeiden herkkyyden tietojen solulinjat genomin kartoitus käytettävissä tietoja Sanger [14], mukaan lukien mutaation tilan koko koodaavan eksonit sekvensointi 64 yleisesti mutatoitujen syöpä geenit (mukaan lukien kopioluku), ja kopioi määrä dataa Affymetrix SNP Array 6.0 419 geenejä [14]. Genominen tapahtuma määriteltiin joko mutaation ja /tai kopiomäärä erehdykseltä tietyn geenin. Odotettu ja havaitun yhteistyön tapahtuman taajuus syntyi herkkä ja kestävä solulinjat ja genomin yhteistyössä ominaisuuksia, jotka olivat disequilibrium kartoittaa monikerroksinen tilastollisen ja biologista merkitystä testaus ja rajat validointi tuottaen siten erittäin merkittävää yhteistyön valittujen ja toisensa poissulkevia tapahtumia, kuten genomista ja sukua ominaisuuksia solulinjassa väestö ja kunkin lääkkeen (Fig. 2). Genominen biomarkkerit löydettiin 141 solulinjassa koulutus asetettu olivat itsenäisesti validoitu riippumaton ei-päällekkäisiä testi joukko 359 solulinjojen seulotaan 14 yhdisteiden.

GSK sarja on 310 solulinjoissa genomista tietoa saatavilla 294. McDermott sarja on 500 solulinjoissa, genomista tietoa saatavilla 366. 141 solulinjat yhteisiä GSK ja McDermott käytettiin harjoitussetti, genomista tietoa saatavilla 139.

Plot erotus taajuuksien (

Havaittu – Ennustettu) B kaikkien mahdollisten kaksinkertainen genomista tapahtumia 294 solulinjoissa. Perustuen 262 erillinen geeni vaikuttaa, oli yhteensä 34191 mahdollisten genomista tapahtumia, joihin kaksi geeniä. Negatiiviset erot kauimpana nolla (vasen tail) ovat toisensa poissulkevia tapahtumia, positiiviset erot kauimpana nollasta (oikealta tail) ovat yhdessä valittujen tapahtumien. Merkittävä tapahtumia vasemman ja oikean hännät ovat taulukossa 3 ja taulukossa S5 File S3.

Methods

Ethics Statement: N /A.

Solun viiva Growth inhiboitumismääritykset

Tiedot 23 GSK yhdisteistä testattu jopa 310 solulinjoja (alue 187-273 solulinjoja seulotaan per lääke, keskiarvo = 228 solulinjoja kohti lääke) ladattiin mistä varoihin Greshock ja kollegoiden ja Kim ja kollegat (GSK set) [11], [13], ja tietoja 14 lisäyhdisteen testattu jopa 500 solulinjoja (vaihteluväli 244-500, keskiarvo = 460 solulinjoja) ladattiin varoista tarjoamia McDermott ja työtovereiden (McDermott sarja) [12] (Fig. 1). Sekä GSK ja McDermott joukko solulinjoja edustavat erilaisuutta kasvaintyypeille ihmisen syövässä, jossa 23 ja 21 syövän suvusta vastaavasti epiteelin, mesenkymaalisten ja hematopoieettisten alkuperää. Sillä GSK asetettu, Wooster ja työtovereiden saatu yhteensä 311 ainutlaatuinen syöpäsolulinjojen useilta toimittajilta (American Type Culture Collection; Developmental Therapeutics Program, National Cancer Institute, Saksan Resource Centre for Biological Materiaali ja European Collection of Animal Cell Cultures), sitten kasvanut standardikasvualustoissa suosittelemia myyjä; solulinjat jossa todennettu SNP sormenjälkien on Affymetrix 500 K ”SNP Chip” kuten aiemmin on kuvattu [11]. Sillä McDermott asetettu ihmisen syövän solulinjat saatiin American Type Culture Collection (ATCC), Deutsche Sammlung von Mikroorganismen und Zellkulturen GmbH (DSMZ), Japanin Collection of Research Bioresources (JHSF) tai European Collection of Cell Cultures (ECACC) ja kasvatettiin standardimenetelmien mukaisesti, kuten aiemmin on kuvattu [12]. Solulinjan kasvun inhibition määritykset suoritettiin kuten aiemmin on kuvattu [11], [12]. Lyhyesti, että GSK asetettu keskipisteen kasvun ikkunan (jäljempänä gIC50) kuuluu välissä solujen määrä silloin, kun yhdisteen lisäksi (T = 0) ja kasvu kontrolli solut käsiteltiin DMSO: ssa 72 tuntia. GIC50 arvo (lääkeaineen pitoisuus, nmol /L) on muuttuja, jolla mitataan proliferaation esto syöpäsoluissa. Vastaavasti McDermott asetettu,

solujen elinkelpoisuuden

kunkin solulinjan tietyn yhdisteen pitoisuus, laskettiin osa eläviä soluja käsittelemättömiin soluihin läsnä 72 tunnin jälkeen hoidon (suhde). Me Viittaan tässä gIC50 (GSK set) ja solujen elinkykyä (McDermott sarja) kuin kasvunestomenetelmää (GI) arvot. Kummassakin, sitä alhaisempi GI-arvo sitä herkempi solulinjan tiettyyn lääkettä.

Drug vastekuvaajat ja määrittäminen Kestää vs Sensitive Cell Lines

systemaattisesti tunnistaa herkkä vs resistenttejä solu- linjat kullekin lääkkeelle. Herkkyys ja kestävyys ei ole luontaisia ​​ominaisuuksia solulinjoista, mutta määritellään suhteessa tiettyä lääkettä. Jokaista huume, sijoitumme tilattu ja piirretty GI arvot solulinjan väestöstä. GSK joukko mukana 310 solulinjoissa. McDermott joukko mukana 500 tutkituissa solulinjoissa 14. yhdisteet: 141 solulinjoja, jotka olivat yhteisiä McDermott ja GSK sarjaa käytettiin koulutus asettaa; loput ei-päällekkäistä 359 solulinjoissa (500-141 = 359) käytettiin testissä määritetty vahvistamaan meidän tuloksia 14 yhdiste toimittamat tiedot McDermott (Fig. 1). Perustuen määrittämiseen ensimmäinen ”käännepiste”, joka vastaa aluetta, jossa kuvaaja poikkeaa jyrkästi osaksi tasainen keskialue käyrän (kuva. S1 File S1), solulinja väestö jaettiin kahteen ryhmään, varhainen osa käyrän määritellyt herkkä linjat matala GI-arvot (ennen käännepiste), ja litteä osa käyrän ja sen jälkeen määritellään kestävä linjat suuremmilla GI arvojen (sen jälkeen kun käännepiste). Tämä varmistaa sen, että solulinjat, jotka on määritelty herkkiä on alhainen GI-arvot ja erilainen herkkyys sitten loput testatut solulinjat, että lääkeaineen. Keskeinen tasainen osa käyrän sisältää solulinjat samanlaisia ​​GI arvot, se vastaa piikin taajuus alueella normaalijakaumaa käyrä kun taajuus piirretään GI-arvoja. Tämä lähestymistapa takaa myös tehokkaan talteenoton pienten osajoukkojen poikkeavien solulinjojen huomattavista vastausten vuoksi matalataajuista huumeiden herkistävä genotyypit. Lääke vastekäyrä mallinnettiin matemaattisesti korkean asteen polynomin käyrä; ensimmäinen ”käännepiste” määritettiin graafisesti ensisijaisesti suurimman muutoksen kaltevuus (kaltevuus on ensimmäinen johdannainen) lääkkeen vastekäyrän eli ensisijaisesti suurimman itseisarvon toisen derivaatan käyrän ( ensimmäinen extremum). Avaintavoitteita määritettiin erikseen kullekin yhdisteen GSK asetettu, ja koulutuksessa ja testi sarjat yhdisteiden McDermott asetettu vastaavasti. Vuonna GSK asetettu, mediaani gIC50 arvo käännepiste oli 659 nM, joiden valikoima 16-3955 nM. Vuonna McDermott asetettu, käytimme sulku käännepiste tai GI-arvo 0,78, kumpi antoi suurimman herkkyyden (pienempi GI-arvo): koulutusta asetettu, mediaani sulku oli 0,69, joiden valikoima 0,51-0,78; Testissä asetettu, mediaani sulku oli 0,74, joiden valikoima +0,50-+0,78.

SNP-pohjainen sormenjälkien käytetään Kestävä Osoite Cell Line ristiviittaamiseen

Jotta suorittamiseksi genotyypin vastaus korrelaatiot, me liittyy genomista tietoa (mutaatioiden ja kopioluku aberraatioita) solulinjoihin peräisin erilliseen tiedostoon niiden vaste profiileja (GI). Vältetään mahdolliset ongelmat nimeäminen solulinjojen ja saastuminen, käytimme ainutlaatuinen SNP sormenjälki kunkin solulinjan (GSK set) ristiviittaamiseen ja vastaavat solulinjat poikki tietokannoista. Genotyyppi analyysi GSK 310 solulinjaa setti suoritettiin SNP sormenjälkien on Affymetrix 500 K ”SNP Chip” kuten aiemmin on kuvattu [11]. Lyhyesti, SNP sormenjäljet ​​solulinjojen verrattiin toisiinsa ja SNP sormenjälki tuottamat Sanger-instituutti Cancer Genome Cell Line Project kuten aiemmin on kuvattu, jossa solulinjojen ottaa 80%: n identiteetti pitää geneettistä ottelussa. Oli 283/310 geneettisesti erilaista solulinjojen GSK asetettu. Solujen elinkelpoisuus määritykset 25 ulos 37 yhdisteiden rajoitettu geneettisesti erilaista solulinjat. Yhteensä 256/310 solulinjojen havaittiin olevan genotyypin ottelun Sangerin tietokantaan. Perimän tulitikut, 233/256 myös sovitettava nimi, ja niille, jotka eivät vastanneet nimen (n = 23), genotyyppi assosiaatio nimet oli aiemmin kirjattu (https://www.sanger.ac.uk /genetics/CGP/Genotyping/synlinestable.shtml). Jäljellä 54 solulinjoja (310-256), 38 lajiteltiin nimensä Sanger tietokantaan, ja 16 pysyi verraton (taulukko S1 File S3). Solulinjaa nimet manuaalisesti uudelleen. Lisäksi ryhdyttiin johdonmukaisuus voidaan varmistaa solulinjaa nimet ja päällekkäisyyksiä tapauksissa olivat syntaksin tai välimerkkejä eroja välillä ilmennyt nimiä tai alias. Sillä McDermott asettaa laskenta 500 solusarjalla 141 solulinjoja, jotka olivat yhteisiä McDermott ja GSK sarjaa kuin Hyväksytty nimen käytettiin harjoitussetti, ja loput ei-päällekkäisiä 359 solulinjoja käytettiin Koepakettia. Solulinjojen testipakkauksesta jossa genotyypin yhdistyksen solulinja koulutuksessa joukko oli aiemmin kirjattu poistettiin testipakkauksesta; Lisäksi solulinjat testissä asettaa jossa genotyyppi yhdistys oli aiemmin kirjattu (sisäinen kaksoiskappaleet) poistettiin yksi edustaja solulinjan jäljellä. Siten 348 erillistä solulinjoja jäi Koepakettia. Kaikkiaan 216/348 solulinjoja sovitettu Sanger tietokantaan, ja 132 pysyivät verraton (taulukko S2 File S3). Genominen ominaisuudet vastaavaan solun rivit Sanger Cancer Genome Project on ladattu (https://www.sanger.ac.uk/genetics/CGP/CellLines/) varten GSK ja McDermott asetetaan vastaavasti; valikoidun tietokanta genomisen tapahtumista kussakin solulinjassa oli koottu (taulukko S3 File S3 varten GSK asettaa ja harjoitussetti, n = 310-16 = 294; taulukossa S4 File S3 testipakkauksesta, n = 216), joka on sekvensointi tietoja emäsparin resoluutio koko koodaavan eksonin 64 yleisesti muuntunut syövän geenien ja genominlaajuisia analyysi kopioluvun voitto ja tappio käyttämällä Affymetrix SNP 6,0 mikrosiruja ja pIKNIK algoritmi ennustaa kopioluvun segmentit 419 geenejä (mukaan lukien 64 geenit edellä), ladata Sanger Cancer Genome Project, Catalogue somaattisten mutaatioiden Cancer (COSMIC V51 release) [14]. Genominen tapahtuma määriteltiin joko mutaatio (koodaava sekvenssi variantti), ja /tai kopiomäärä poikkeavuus [homotsygoottinen deleetio (yhteensä kopioluku = 0) tai vahvistus (yhteensä kopiomäärä = 8)] on tietyn geenin . Termit genomista tapahtuma ja mutaation käytetään vaihdellen tekstissä esittämään poikkeavuus tietyllä perimäkohdan.

tunnistaminen Genominen Co-tapahtumista osuma

Jos genomista tapahtumia (eli mutaatiot, kopioiden määrä aberraatioita) ovat jakautuneet satunnaisesti väestössä solulinjojen, ja kaksi tapahtumaa yhteistyössä esiintyy solulinjassa toisistaan ​​riippumatta ja koska mahdollisuus tekijöistä yksin, ja niiden yhteistyö esiintyminen ei aseta solun valikoiva etu tai haitta, sitten ennustettu yhteistyössä mutaationopeutta väestöstä on seuraava:

Havaittu yhteistyössä mutaationopeudet verrattiin ennustettu yhteistyön mutaationopeudet; Co-mutaatioita, jotka esiintyvät

enemmän kuin tai vähemmän kuin

ennustettu sattumalta määritettiin merkittävyystasolla P = 0.05 Pearson Chi-square testi. Nämä poikkeamat satunnaisuuden johtuvat todennäköisesti valikoiva paineita. Etenkin todeta yhteistyössä tapahtumia, jotka liittyvät lääkkeen vaste, vertasimme ennustetaan havaittu taajuudet kullekin lääkkeelle herkkien ja resistenttien -alapopulaatioiksi vastaavasti (Chi-square test). Kun asiaa yhteistyössä mutaatioita määritettiin herkkien ja resistenttien alapopulaatioiden, lisäksi Chi-neliö testi tilastollista merkittävyyttä, suhde havaittujen taajuuksien herkillä vs resistenttien linjojen (S /R) laskettiin suurempi kuin 1,5 kertainen muutos [ ,,,0],0,667-1,5] käytetään toisena valintakriteerinä. Nämä lähestymistavat levitettiin koulutusta ja testi asettaa vastaavasti.

Data Analysis ja Clustering

Cluster ohjelmistoa käytettiin säätämään GI tietoja ennen hierarkkinen klusterointi. Kunkin 37 yhdisteiden, GI-arvot olivat ensin mediaani keskitetty sitten normalisoidaan; tämä tuottaa skaalata kasvun estäminen pisteet, joka on teho-riippumaton avulla verrataan vasteen profiilien poikki yhdisteitä. Aineisto sitten hierarkisesti ryhmittyneet käyttämällä Pearsonin korrelaatiota kuin metrinen perustuva keskimääräinen etäisyys solmujen välillä. Puunäkymäikkuna käytettiin visualisoinnin tuloksena klustereita. Cluster ja Puunäkymäikkuna ohjelmistot ovat saatavissa Eisen laboratorio (https://rana.lbl.gov/EisenSoftware.htm) [15].

Tilastollinen analyysi

Pearson Chi-square test ( yhteistyölle tapahtumat) ja Fisherin testiä (yhden tapahtumat) käytettiin osoittamaan kaksipuolisen P-arvot 95%: n luottamusväli kuvaamaan korrelaatioita geenimutaatioita /kopioluku poikkeavuuksien huumeiden herkkyys. Määrittämiseksi tilastollisesti merkitsevä yhden genomista tapahtumia, vain muutaman testit, tämä vältetään tarve korjata useita vertailuja. Kun tilaa kahden yhteistyössä tapahtumaa määritettiin 310 solulinjoissa (taulukko S5 File S3 ja Fig. 2), joka on Benjamini-Hochberg useita testaus korjauksen kynnys vääriä löytö määrä (FDR) 5% käytettiin; yli 92% tulosten säilyi merkitsevänä korjauksen jälkeen. Vaikka teoreettisen syistä käytämme tiukimmat useita testaus korjauksen, erittäin konservatiivinen Bonferroni korjaus, jotta koko suodattamatonta tilaa kaikkien havaittiin 6871 double co-tapahtumia, joissa 6871 testit, 65% tulosten säilyi merkitsevänä korjaamisen jälkeen sovellettiin. Vielä tärkeämpää on, meidän biomarkkereiden ennusteita yhden ja yhteistyössä tapahtumia itsenäisesti validoitu riippumaton ei-päällekkäisiä testi joukko 359 testatuista solulinjoista 14. käsittävien yhdisteiden McDermott asetettu.

Tulokset

valvomaton klusterointi Drug Response solulinjoissa ssä toistetaan Pathway Erityiset Drug Targets ja ajurit

ensimmäinen määritetty, jos valvomatta kasautumiseen herkkyydestä 310 ihmisen syöpäsolujen linjat 37 kohdennettuja lääkkeitä voi kerrata tunnettu huumeiden vaikutusmekanismit ja myös molekyylitason perusteella vasteen erittäin ominaista solulinjoissa. Tämä on havainnollistettu kuvassa. 3 yleiskuva solulinjan-lääkevaste (ja Fig. S2 File S1). Kuviot. S3, S4 File S1 havainnollistamaan klusteroinnin kuvia GSK (23 huumeet) ja McDermott sarjaa (14 huumeet) erikseen; riippumaton analyysi vähentää melua käyttöön analyysi 37 yhdisteiden ja yhdistäminen kahden itsenäisen aineistoja ja erilaisia ​​lähestymistapoja jolloin saadaan tiukempi klusterointi toiminnallisten kohde luokkiin. Todellakin, huumeet ryhmitelty yhteen pystyakselilla joiden pääasiallinen tunnetun molekyylikohteena. Esimerkiksi joukko rakenteellisesti erilaiset IGF1 R kohdennettuja lääkkeitä ryhmittyneet lähelle kuvassa. 3 ja Fig. S3 File S1, jonka korrelaatiokerroin on 0,78 varten IGF1 R subcluster kuvattu. Hierarkkinen klusterointi myös toisteta lääkekohteita sisällä reittejä, mikä määritellään polku erityisiä toimenpiteitä, jotka voivat tehokkaasti moduloida poikkeavaan onkogeenisia reittejä. Tämä näkyi tiukka klusterointi lääkkeitä, jotka kohdistuvat PI3K /AKT /mTOR-reitin, kuvassa. 3 ja Fig. S3 File S1, koska GSK2126458 [PI3K], GSK690693 [AKT] Temsirolimuusi [mTOR], TGX-221 [PI3K-beta], IC87114 [PI3K-delta], GSK2119563A [PI3K-alfa], GSK2080806A [PI3K], BEZ -235 [panPI3K ja mTOR], ja GSK1059615 [PI3K], ryhmittyneet yhdessä korrelaatiokerroin 0,72 varten PI3K /AKT /mTOR-reitin subcluster. Kuviossa. 3 ja Fig. S4 File S1, EGFR ja HER2 kohdennettuja lääkkeitä, Erlotinibi [EGFR], CL387 [EGFR], HKI272 [EGFR, HER2], ja Lapatinibin [erbb1 /2], ryhmittyneet yhdessä korrelaatiokerroin 0,66 EGFR subcluster. Mitoosi-inhibiittorit, paklitakseli [Tubulin], GSK461364 [PLK1], GSK661637 [Pan-PLK], GSK923295 [CENPE], ja GSK1070916 [AURKB] myös ryhmitelty läheisesti, kuten on esitetty kuviossa. 3 ja Fig. S3 File S1. Tässä analyysissä sukujuuret Solujen alkuperää ei merkittävästi vaikuttanut järjestämisestä klustereita, mikä viittaa siihen, että ei-sukua riippuvaisia ​​tapahtumia edistää vaste eri huumeiden luokkiin. Molekyyli vaurioita, jotka ovat Euroopan vastaus tiettyihin lääkkeiden kokonaismyynti subclusters käsitellään tarkemmin jäljempänä.

Jokainen rivi edustaa erillistä solulinjassa, ja kukin sarake edustaa erillistä yhdistettä testattu. Lisääntyvä herkkyys solulinjan on osoitettu, että lisäämällä intensiteetti vihreän signaalin, ja lisäämällä vastus solulinjan on osoitettu, että lisäämällä intensiteetti punaisen signaalin; musta neliö tarkoittavat herkkyys lähellä mediaani yli solulinjat. Solulinjat ei seulotaan tietyn yhdisteen näytetään harmaalla. Tiedot kuviosta. 3 on jaettu kahteen vähemmän monimutkaisia ​​lukuja (Fig.S3 ja S4 File S1) pienentää melua ja tarjota paremman näytön toiminnallisia suhteita ja aktivoitu onkogeenista polku subclusters.

Yhden Perimän Tapahtumat Eristetään Sensitive alkaen Kestää Lines

halusimme tunnistamaan molekyylitason perustan eron vastauksena huumeiden väliintuloa. Olemme korreloi taustalla molekyylitason eroja solulinjoissa erot huumeiden vastausta. Mitkä molekyylitason vaurioita liittyivät herkkyys tai resistenssi tiettyyn lääkettä, taajuus genomista tapahtuma verrattiin herkillä vs kestävä linjat ja suhde (taajuus herkillä /taajuus kestävä), S /R, laskettiin varten mikä tahansa geeni poikkeavuus esiintyy yli 12%: n herkkiä tai resistenttejä viivoja. Mikä tahansa geeni taajuus muutettiin yli 1,5 kertaisesti herkillä vs kestävä linjat katsottiin liittyvän herkkyys lääke (S /R 1,5) tai resistenssin lääkkeelle (S /R 0,67), tässä järjestyksessä. Tämä tunnistaa genomista liittyvät tapahtumat herkkyys tai resistenssi tiettyä lääkettä intervention; tilastollisesti merkittäviä tapahtumia ovat taulukossa S6 File S3.

Esimerkiksi linjat, jotka olivat herkkiä MEK estäjä GSK1120212 olivat 2,93 kertaa, 2,35, 1,92, ja 1,67 kertaa todennäköisemmin satama BRAF, KRAS, APC-mutaatio tai CDKN2A (p14) mutaatio, vastaavasti (p = 0,0009, P = 0,0021, P = 0,0243, P = 0,0105), kun taas kestävä linjat olivat 2,57 todennäköisemmin satama tapahtuman RB1 (P = 0,0024) (taulukko 1). BRAF ja RAS vauriot tiedetään lisäävän MEK aktiivisuus kasvaimissa [3], [16], siis toimenpiteitä, jotka estävät MEKin toiminta vähentää /normalisoi alavirran signalointia läpi konstitutiivisesti aktivoitua MEK-ERK kinaasikaskadin ja siten näitä yhteyksiä odotetaan. Kuitenkin yhdistys herkkyys APC tai CDKN2A mutaatioita ei odotettu ja ehdottaa muita biomarkkerit vastaus MEK eston.

Lines herkkiä AKT-estäjällä GSK690693 expectedly kanna mutaatioita PI3K koulutusjakso, kuten PIK3CA , PTEN, erbB2, ja myös FBXW7, TET2, ja BRCA2 muutoksia (P = 0,0140, P = 0,0197, P = 0,0053, P = 0,0273, P = 0,0346, P = 0,0208, vastaavasti) taaskin kertoo odottamaton genomista biomarkkerit vastauksena AKT estäjät, jotka voivat lisätä potilaiden määrä todennäköisesti hyötyvät; ei ollut yksittäinen tapahtumia merkitsevästi liittyvä vastus (taulukko S6 File S3).

PIK3CA poikkeamia resistenssin on BRAF estäjä AZ628 (P = 0,042) havainto, joka vahvistettiin Koepakettia (P = 0,05 ), luultavasti kautta ohitus aktivoitumisen rinnakkaisten PI3K koulutusjakso, pääpiirteittäin tuloksia kokeellisista intervention [17], [18]. Toisaalta, BRAF, sääntelyviranomaisten, odotetusti [3], [16] ja MLTT3 ja MET poikkeamia siirrettävä herkkyyttä AZ628 koulutukseen set (P = 0,003, P = 0,036, P = 0,034, P = 0,003); Tämä vahvistettiin koepaketti BRAF ja sääntelyviranomaisten (P = 2,4 x 10

-10, P = 0,001) (taulukko 2).

Vaikka oli voimakas yhdistys yksittäisen geneettisen poikkeamia kanssa vastauksena terapeuttisten aineiden, tämä yhdistys ei ollut ehdoton useita solulinjoja, jotka sisältävät erityisiä tapahtuman pisteytettiin joko herkkä tai resistentti. Näin on oltava muita tapahtumia, jotka tekevät yhteistyötä mutaatiostatuksesta riippumatta määrittää herkkyyden ja kestävyys kohdennettuja terapeuttisia. Muu kuin yhdistysten edellä mainittiin ja poikkeamat PTEN ja erbB2 mahdollisesti edistää kasautumiseen EGRF estäjien ja poikkeamat PTEN ja CDKN2A olla mukana huumeita kohdistaminen PI3K ja IGF1 R polkuja, ei ollut selkeää aberraatioita ajo suurimman lääkkeen vaste klustereita (Fig. 3). Jälleen tämä viittaa siihen, että ylimääräistä co-tapahtumia on osaltaan lääkeaineen herkkyys ja kestävyys. Mahdollinen yhteistyö tapahtumia tutkitaan alla.

Molecular yhdessä esiintyvät Tapahtumat Paljasta Ohjaimet ja Co-käytännöllisiä Tavoitteet in Cancer

tunnistamaan mahdolliset yhteistyössä tapahtumia, ensin tunnistetaan genomista tapahtumia yhteistyössä tapahtui mikä odotetaan jos ne olisivat riippumattomia ja yhdistyksen johtuu sattumasta tekijöistä yksin. Tämä määrittelee yhteistyössä tapahtumista, jotka saattoivat selektiivisissä painetta kasvaimen aloittamisen tai etenemiseen (tai sopeutumisen aikana kulttuuri) ja siten on suuri todennäköisyys olla kuljettajien syövän fenotyypin. Molecular vaurioita, joiden yhteistyö esiintyminen johtaa proliferatiivinen tai säilyä pidemmälle havaitaan erillisiä yksittäisiä esiintymiä tullaan yhteistyössä valitaan ja taajuus co-tapahtuma kasvaa väestössä (Fig. 4). Perustuen tietokanta genomisen tapahtumista solulinjoissa, tilaa havaittu kahden yhteistyössä tapahtumat (esim Mut1-Mut2) tuli varten 294 solulinjoja joka genomista oli saatavilla (GSK sarja). Oli 6871 havaittujen erillisiä double co-tapahtumia 294 solulinjoissa, ja 12958 yhteensä esiintymät. Oli 95415 selvä triple co-tapahtumia (esim Mut1-Mut2-Mut3) on 294 solulinjoissa, ja 110872 yhteensä esiintymät. Vertasimme ennustetaan havaittu yhteistyötä tapahtuma taajuuksia 294 solulinjoissa jossa riittävästi yhteistyötä tapahtumat olivat käytettävissä tarjota tilastollisen analyysin (Fig. 2; Taulukko S5 File S3).

Illustrated tässä peräkkäinen useita osuma malli syövän taudin alkamisen ja etenemisen, taustalla co-valinta ja molemminpuolisen poissulkemisen geneettisten tapahtumien syöpä. A, B, C ovat geenit sisällä solun tuman.