Krooninen sairaus

tiivistelmä

A novel chemocentric tapa tunnistaa syöpää asianmukaisiin tavoitteisiin on otettu käyttöön. Alkaen suuri kemiallinen kokoelma, strategia käyttää luettelon pienten molekyylien osuu johtuvat ero sytotoksisuuden seulonnasta kasvaimen HCT116 ja normaalin MRC-5-solulinjojen liittyvien proteiinien tunnistamiseen syövän nousemassa ero virtuaalinen kohde profilointi suurimman valikoivan yhdisteet havaittiin molemmissa solulinjoissa. On osoitettu, että tämä älykäs yhdistelmä ero

in vitro

ja

in silico

seulonnat (DIVISS) pystyy tunnistamaan luettelon proteiineja, jotka ovat jo saaneet hyvän vastaanoton syöpälääkkeen tavoitteet, vaikka sen lisänä ylimääräisiä proteiineja, jotka, kohdennettua valikoivasti tai yhdessä muiden kanssa, voisi johtaa synergiaetujen varten syöpähoitojen. Täydellinen luettelo 115 proteiineja tunnistettiin törmäisi yksikäsitteisesti yhdisteet osoittavat valikoivaa antiproliferatiivisia vaikutuksia kasvainten solulinjat on säädetty.

Citation: Flachner B, Lorincz Z, Carotti A, Nicolotti O, Kuchipudi P, Remez N, et ai. (2012) Chemocentric Lähestymistapa tunnistaminen Cancer tavoitteet. PLoS ONE 7 (4): e35582. doi: 10,1371 /journal.pone.0035582

Editor: Steve Horvath, University of California Los Angeles, Yhdysvallat

vastaanotettu: 15 heinäkuu 2011; Hyväksytty: 19 maaliskuu 2012; Julkaistu: 25 huhtikuu 2012

Copyright: © 2012 Flachner 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 tukea Euroopan Comission (CancerGrid, FP-6 LCHC-CT-2006-037559), https://ec.europa.eu/research/fp6/index_en.cfm. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat lukenut lehden politiikan ja ovat seuraavat ristiriitoja: Beáta Flachner, Zsolt Lorincz, Sándor Cseh, ja György Dorman ovat kokopäiväisesti maksettu työntekijöille TargetEx, Dunakeszi, Unkari, ja Miklós J. Szabó ja Béla Bertók ovat kokoaikaisiksi of AMRI Unkari Zrt., Budapest, Unkari. Jordi Mestres on puheenjohtaja Chemotargets SL. Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja.

Johdanto

Syöpä on sairaus solun [1]. Tämä melko yksinkertainen toteamus merkitsee valtavaa monimutkaisuus, kun yritetään tunnistaa tehokkaita syöpälääkkeiden. Yksi tärkeimmistä kysymyksistä liittyy syövän vastainen tutkimus on, että perinteinen kohde-suunnattu strategioita joutuvat olennaisuuden funktion kohde terveissä soluissa. Väistämättä kohdistaminen proteiineja, joilla olennaiset toiminnot ovat todennäköisesti johtaa kemiallisiin yhdisteisiin, joilla on kapea terapeuttinen ikkuna ja merkittäviä myrkyllisiä vaikutuksia [2]. Lisähaaste on epävakaa epigeneettiset ja perimäluokituksesta syöpäsolujen, jotka saavat useita mutaatioita, geenikopiomäärä muutoksia, ja kromosomipoikkeavuuksien, joilla on suora vaikutus tehoon syöpälääkkeiden eri vaiheissa taudin [3]. Kaikki nämä seikat tekevät syöpä lääkekehityksen erittäin vaikeaa ja ovat johtaneet huono kliininen hyväksyttäväksi menestys hinnat verrattuna muihin terapeuttisten alueille [2].

Kynnyksellä suurikapasiteettisten solu-pohjainen -sytotoksisuusmäärityksiä avannut uusia syövän vastaisia ​​löytö [4]. Toteuttaminen ero sytotoksisuuden näyttöjä merkitsi poikkeamista pienimolekyylisiä näytöt ennakkokäsityksiin yksittäisten proteeinikohteet ja auttanut tuomaan esiin pienten molekyylien mahdollisesti kautta toimivan rikkaus vaikutusmekanismeja [5], ja näyttää samalla valikoiva antiproliferatiivisia vaikutuksia syöpäsolujen verrattuna terveisiin soluihin [6]. Kuten totesi hiljattain [1], niiden solu-pohjainen strategioita on todellinen vaikutus syövän lääkekehityksen, merkitsee paljastaa kohdeprofiilin bioaktiivisten pienten molekyylien antiproliferatiivisia tai myrkyllisyyden analyysit ovat ehdottoman välttämättömiä. Tässä suhteessa, laaja proteomiikka profilointi usein käytetään myöhemmin tunnistamaan ekspressoituu differentiaalisesti proteiinien syöpäsolulinjoissa, jotka voivat selittää biologinen vaikutus pienimolekyylisiä osumia [7], [8]. Kuitenkin profilointi solu- toimintaa molekyyli kirjastojen on sekä teknisesti ja logistisesti työlästä [9] ja siten vaihtoehtoisia lähestymistapoja nopeaan ja tehokkaaseen profilointi satojen yhdisteiden tuhansia proteiineja tarvitaan.

Viime vuosina saatavuus yhä enemmän proteiini-ligandi vuorovaikutuksen tiedot julkisia on edistänyt ligandin perustuvien laskennallisia menetelmiä, joilla pyritään ennustamaan affiniteetilla profiilia pienten molekyylien useille tavoitteet [10]. Varhainen soveltaa näitä aloitteita oli ennustaminen biologisen aktiivisuuden kirjo kaikkien pienten molekyylien sisältämät National Cancer Institute tietokantaan [11]. Viime aikoina virtuaalinen kohde profilointia käytettiin menestyksekkäästi tunnistamaan uusia tavoitteita tunnettujen lääkkeiden [12], ennustaa vaikutusmekanismi malarialääkkeet löydettiin suurikapasiteettisten solu-pohjainen näyttö [13], ja ehdottaa tavoitearvot, joita valittujen yhdisteiden kemiallisesta kirjastosta tulisi testata, jotta voidaan määrittää uusien antagonistien kaikki neljä jäsentä adenosiinin reseptorin perhe [14]. Koska nykyinen taso suoritus, kannalta herkkyyden ja spesifisyyden, vastaan ​​kokeellisesti määritetyn täydellinen ligandi-proteiini-vuorovaikutuksen matriisit [15], nämä menetelmät ovat nousemassa tosi nopea ja tehokas vaihtoehto työläämpi proteomic profiloinnin.

integrointi ero sytotoksisuuden seulonnasta ja virtuaalinen kohde profilointi tunnistamiseksi syöpää asiaa tavoitteet toteutettiin käytännössä puitteissa CancerGrid, Euroopan komission hankkeen puiteohjelman 6 [16]. Tiedot käytetyn lähestymistavan ja tuloksia käsitellään seuraavissa osissa.

Tulokset

Selvyyden vuoksi yhteenvedon järjestelmän yleistä ero

in vitro

ja

in silico

seulonta (DIVISS) prosessi myös tässä työssä on esitetty kuvassa 1. Sen kemiallinen kokoelma 30000 yhdisteiden, ero sytotoksisuus seulonta johti löydettiin kaksi sarjaa pienimolekyylisiä osumia osoittaa valikoivaa antiproliferatiivinen vaikutukset kasvaimen ja terveitä soluja, tässä järjestyksessä, mikä virtuaalinen kohde profilointi johti lopulta tunnistamiseen luettelon 115 proteiinien mahdollisten merkitystä syövän. Tiedot tuloksista kussakin vaiheessa tämän uuden chemocentric lähestymistapa syövän kohde tunnistaminen tarjotaan seuraavaksi.

Suurikapasiteettinen sytotoksisuuden seulonnasta

Solu-pohjainen sytotoksisuus seulonta kampanja toteutettiin kemialliseen kokoelma koostuu 30000 erilaisia ​​molekyylejä on valittu pääasiassa koko AMRI luettelo [17]. Yhden pisteen seulonta näiden yhdisteiden 50 uM valmistui kahtena on paksusuolensyöpä HCT116 solulinjassa. Korrelaatio kahden riippumattoman elinkelpoisuus arvot määritetään kunkin yhdisteen on esitetty kuviossa 2a. Keskimääräinen Z ”tekijä 0,58 johdettiin analyysin näistä päällekkäiset tiedot, mikä on osoitus laadun määritys ja saadut tiedot. Jakelu yhdisteiden määrä johtaa eri prosenttiosuudet solujen elävyys esitetty kuviossa 2b. Kuten voidaan havaita, lähes 50% yhdisteiden ollut periaatteessa mitään vaikutusta elinkelpoisuutta HCT116-soluja. Mutta useimmat kiinnostavaa, yli 13% yhdisteiden osoitti huomattavaa myrkylliset vaikutukset HCT116-soluissa, joissa kannattavuus arvot 20% tai vähemmän. Tämä sytotoksinen joukko 4158 yhdisteiden valittiin seurantaa annos-vaste seulontaan.

a) Korrelaatio kahden itsenäisen elinkelpoisuuden määritetyt arvot sama yhdiste ja b) jakelu elinkelpoisuus arvot kemiallisen kirjaston 30000 yhdisteet.

Differential sytotoksisuuden annos-vaste seulonta

optimoida kapasiteetti annos-vaste seulonta, monipuolinen kokoelma 2,000 molekyylien ensin valittu 4158 solumyrkkyjen tunnistettu edellisessä korkea -throughput seulonnan kampanja [18]. Annos-vaste-käyrät sekä kasvaimen HCT116 ja normaali MRC-5-solut määritettiin kahtena näille 2000 yhdisteiden. Tunnistaa ne pienet molekyylit, jotka tasot ovat myrkyllisyyden kasvainsolujen merkittävästi suurempi kuin havaittu terveitä soluja, suhde IC

50 saadut arvot MRC-5-solut, IC

50 (MRC-5), ja ne on saatu HCT116-soluissa, IC

50 (HCT116), johdettiin kunkin yhdisteen. Kaikkiaan 230 yhdisteiden havaittiin olevan 5 kertaa tai enemmän sytotoksisten tuumorisoluissa kuin terveissä soluissa (IC

50 MRC-5 /IC

50 HCT116≥5). Kemotyyppi klustereiden analyysi [19] Tämän jälkeen tehtiin Tämän ensimmäisen 2,000 yhdisteitä, joille annos-vaste data tuotettiin. Sytotoksisuutta rikastamiseen pettymystä kullekin kemotyyppi klusterin perustuu sen suhteelliseen läsnäolo joukko 230 yhdisteitä, joilla valikoivimpia antiproliferatiivisia vaikutuksia kasvainsoluihin. Nämä chemotypes, joilla on suurempi kuin 20% osumatarkkuus valittiin ja talteenottamiseksi käytetään yhdisteiden jäljellä 2158, joista vain yhden pisteen mittaukset olivat saatavilla. Tämä painottumista selektiivinen kasvaimen sytotoksinen chemotypes johti tunnistamiseen 150 yhdisteitä, jotka täydennettiin ylimääräinen 330 yhdisteiden lisätty pohjalta monimuotoisuuden kriteerien [18]. Annos-vaste-käyrät sekä solulinjat saatiin kahtena näille 480 yhdisteiden, josta ylimääräinen sarja 35 yhdisteiden, joilla on todettu sytotoksista selektiivisyys kasvainsoluja suhteessa terveitä soluja. Kaikkiaan 2480 yhdisteet meni läpi ero sytotoksisuuden annos-vaste

in vitro

seulonta, joka johtaa tunnistamiseen 265 yhdisteiden valikoiva sytotoksisuuden tuumorisoluihin (kuvio 1). Kaiken kaikkiaan 119520 sytotoksisuustiedot pistettä luotiin, 60000 ensisijaiselta sytotoksisuus näytöksissä on HCT116-soluissa (30000 yhdisteet kahtena) ja 59520 välillä annos-vaste näytöstä (2480 yhdisteiden 6 pitoisuuksilla kahtena kahdella solulinjoilla), mikä edustaa merkittävää seulonta vaivaa.

jakaumat tuloksena keskimääräinen IC

50-arvot kaikille 2480 yhdisteiden kasvaimen HCT116 ja normaali MRC-5-solut on esitetty kuvassa 3a. Se, että useimmat seulotaan yhdisteitä ovat määrittäneet IC

50-arvot alle 25 uM on hyvä osoitus voimassaolon ensimmäistä näytöstä. Tässä suhteessa runsaat 12% yhdisteiden varten kasvainsolujen, verrattuna lähes 26% normaaleille soluille, antoi IC

50 arvo yli 25 uM, kun taas 25% ja 22% yhdisteiden seulotaan kasvaimen ja normaalit solut, vastaavasti, palautti IC

50 arvo on alle 5 uM. Lopullinen jakautuminen sytotoksisuuden suhde yhdistettä kohden on esitetty kuviossa 3b, jossa suuret arvot liittyvät lupaavia yhdisteitä, joilla on jonkin verran selektiivisen sytotoksisuuden tuumorisoluihin verrattuna terveisiin soluihin. Kuten voidaan havaita, valtaosa yhdisteiden (yli 60%) palautetaan sytotoksisuus suhde on välillä 0,5 ja 2 siten, että ne olivat pohjimmiltaan epäselektiivinen välillä kasvaimen ja terveitä soluja. Mutta useimmat kiinnostavaa, 711 yhdisteet (29%) todettiin olevan 2 kertaa tai enemmän sytotoksisten tuumorisoluissa kuin terveet solut, 265 niistä osoittaa sytotoksisuutta suhde on yli 5. Sitä vastoin 277 yhdisteet (11%) todettiin olevan 2 kertaa tai enemmän sytotoksisten terveissä soluissa kuin kasvainsoluissa, ja 251 niistä on sytotoksisuuden suhde alle 0,2. Nämä kaksi sarjaa 265 ja 251 yhdisteet (kuviot S1 ja S2) osoittaa selektiivisiä antiproliferatiivisia vaikutuksia kasvainten ja normaalien solujen vastaavasti tullaan siirretään seuraavaan vaiheeseen virtuaalinen kohde profilointi (kuvio 1). Kaltaisuus analyysi (kuva S3) korosti moninaisuuden kemiallisten rakenteiden sisällä kunkin joukon välillä myös kaksi, piste korostettava tueksi fenotyyppisen seulonta lähestyy yli kohde-suunnattu strategioita monimutkaisia ​​sairauksia.

a) jakelu sytotoksisuus (IC50-arvot) valittujen yhdisteiden HCT116 ja MRC5-solut ja b) jakelu selektiivinen sytotoksisuus HCT116. NT tarkoittaa ”ei myrkyllinen”.

Virtual tavoite profilointi

Jokaisessa toinen solu-line selektiivinen yhdiste sarjaa käsiteltiin

in silico

vastaan ​​4643 ligandia pohjainen proteiini malleihin peräisin julkisesti käytettävissä olevat resurssit [20] – [28] käyttämällä vahvistettua samankaltaisuus lähestymistapa aiemmin on kuvattu [14], [15]. Mitä tulee 265 valikoivaa kasvaimen solumyrkkyjen, ainakin yksi tavoite vuorovaikutus ennustettiin 173 heistä (65%), mikä että kemiallinen tila määritellään joukko kasvaimen selektiivisen yhdisteiden kohtuullisesti kattaa pienten molekyylien läsnä yleisissä chemogenomic tietokannoissa . Näiden yhdisteiden, yhteensä 2356 molekyylin proteiini-vuorovaikutusten ennustettiin. Näistä 818 vuorovaikutukset 139 molekyylien ja 229 proteiinit ennustetaan olevan toiminnan 1 uM tai paremmin (pAct≥6), mikä tarkoittaa, että keskimäärin jokainen kasvaimen selektiivisen yhdisteen odotettiin mahdollisesti vuorovaikutuksessa 6 tavoitteita. Vertailun, ainakin yksi tavoite vuorovaikutusta ennustettiin 117 251 selektiivisen solumyrkkyjen normaaleissa soluissa (47%), mikä tarkoittaa, että 53% näiden yhdisteiden havaittiin olevan ulkopuolella soveltamisalan piiriin määritelty pienten molekyylien julkisen chemogenomic tietokantoihin [ ,,,0],15]. Näiden yhdisteiden, yhteensä 1023 molekyylin proteiini-vuorovaikutusten ennustettiin. Näistä 463 vuorovaikutukset 84 molekyylien ja 160 proteiinit ennustetaan olevan toiminnan 1 uM tai paremmin (pAct≥6), jolloin keskimäärin 5 vuorovaikutuksessa proteiinien yhdistettä kohden.

Vertaileva analyysi ennustettu vuorovaikutus kahdesta solusta-line selektiivinen yhdiste sarjaa mahdollistaa saada paremman käsityksen siitä proteiinit todennäköisesti differentiaalisesti merkitystä tuumorisolulinjoissa. Tulokset on esitetty Venn-kaavio on esitetty kuviossa 4a, joka esittää kaavamaisesti verran päällekkäisyyttä ja ainutlaatuisuutta kahden kohde-luettelot. Tältä osin havaittiin, että jopa 114 proteiinien ennustetaan osuma vähintään kerran noin yhdiste joko asetettu, luettelon kanssa proteiinien on pääasiassa koostuu G-proteiini-reseptorien (45%) ja entsyymejä (37% ). Sitä vastoin, vain 46-proteiinit havaittiin ainoastaan ​​osuma yhdisteillä on selektiivinen sytotoksisuus ja terveitä soluja, joilla on jakautumista proteiinin perheiden hyvin samanlainen kuin joka saatiin aiemmin luettelo jaetun proteiineja (41% G-proteiiniin kytkeytyneiden reseptorien ja 37% entsyymien). Mutta useimmat kiinnostavaa, luettelo 115 proteiinien iski yksilöllisesti yhdisteillä on selektiivinen sytotoksisuus tuumorisoluihin tunnistettiin (taulukko S1). Analyysi kokoonpanonsa suurimpia proteiinin perheitä terapeuttinen merkitys paljastaa selvästi erotettu allekirjoitus kahdesta muusta luettelot proteiineja. Kuten on esitetty kuviossa 4b, luettelo koostuu pääasiassa entsyymien (58%) ja kun läsnä on G-proteiiniin kytkettyjen reseptorien on vähentynyt huomattavasti (16%). Tämän täydentämiseksi kuva, kuva 4c tarjoaa luokan jakauma 67 entsyymien löytyy tästä luettelosta. Selkeä painottumista transferaasit (43%) havaitaan, hyvin paljon yhteisymmärryksessä tärkeänä, jotka siirtyvät kinaasien terapeuttisina kohteina syövän [29], [30].

a) Venn-kaavio proteiinin tavoitteiden ennustettu valikoivaa solumyrkkyjen HCT116 ja MRC-5 solulinjoissa; b) jakautuminen proteiinia perheille 115 tavoitteiden ennustetaan vuorovaikutuksessa yksilöllisesti valikoiva solumyrkkyjen kasvainsoluihin; ja c) jakautuminen entsyymi luokat 67 entsyymien luetteloon 115 otaksuttu syövän tavoitteita.

Proof of Concept

Se ei voi paeta scrutinous silmän syöpätutkija että sisällä luettelo 115 mahdollisten kasvaimen selektiivisen proteiineja (taulukko S1) on kaksi laajalti tunnustettu syövän vastaisia ​​tavoitteita eli histonideasetylaaseja (HDAC: t) ja lämpöshokkiproteiini 90-alfa (HSP90), jotka molemmat tiedetään ilmentyvän paksusuolen syövän HCT116-solulinjat [7], [8], ja antaa kasvaimen selektiivisyyden, kun pieni molekyyli inhibition [31 ], [32]. Näin ollen, ja yrittää sulkea sykli DIVISS lähestymistavan edellä esitetty, estäjät nämä kaksi tavoitetta käytettiin esimerkkinä tässä vaiheessa, että todella selektiivinen antiproliferatiivisia vaikutuksia voidaan saavuttaa kasvaimen HCT116 ja normaali MRC-5-solulinjoja käytetään tässä työ.

tätä varten suberoylanilide hydroksaamihappo (SAHA) ja 17- (allyyliamino) -17-demetoksigeldanamysiiniä (17AAG) valittiin edustava yleiseurooppalainen HDAC ja HSP90 estäjät, vastaavasti. Annos-vaste-käyrät sekä HCT116 ja MRC-5-solulinjat määritettiin kahta inhibiittoria (kuva S4). Tulokset vahvistivat, että molemmat yhdisteet inhiboivat HCT116-solujen annoksesta riippuvaisella tavalla, kun taas sillä on vain vähän tai ei lainkaan vaikutusta MRC-5-soluissa. Erityisesti IC

50-arvot SAHA ja 17AAG on HCT116-solut 0,64 uM ja 0,2 uM, tässä järjestyksessä, mikä johti 781 ja 93-kertainen selektiivisyys, vastaavasti, suhteessa antiproliferatiivinen vaikutus MRC-5-soluissa. Nämä havainnot tarjoavat vahvistus kyky DIVISS lähestymistavan tunnistaa syöpään asianmukaisiin tavoitteisiin.

tarkistetaan myös onko asetetun 265 yhdisteiden osoittaa selektiivisiä antiproliferatiivisia vaikutuksia kasvainsolulinjoissa oli jokin yhdiste, joka olisi voinut olla testattu erilaisia ​​koolonsyöpäsolulinjaa ja jolle seulonta tiedot olivat saatavilla myös julkisia. Suureksi yllätykseksemme, löysimme kokeellista dataa pubchem [23] kahdeksan yhdisteiden, jotka olivat myös läsnä meidän kasvaimen selektiivisen set (taulukko S2). Niistä viisi yhdisteillä on raportoitu olevan affiniteetti amiinioksidaasi flaviinipitoinen B-entsyymin (MAO-B), kohde läsnä lista 115 oletetun syövän relavant proteiineja (Taulukko S1). Mutta useimmat kiinnostavaa, yksi heistä, NSC680350 (CID 387030), raportoitiin olevan IC

50 80 nM MAO-B, hyvä kanssa meidän ennusteita. Lisäksi testattiin myös useita ihmisen tuumorisolulinjoja, joista kuusi koolonsyöpäsolulinjoissa. Niistä pGI50 arvo raportoidaan pubchem paksusuolen HCT116 solulinjoja (4,64) on, sisällä vaihtelun rajoissa tämäntyyppisten kokeiden hyvässä kanssa pGI50 saatu arvo tässä työssä samantyyppistä solulinjoja (5,19) . Annos-vastekäyrä sytotoksisuutta NSC680350 on HCT116 solulinjoilla tässä työssä ja yhteenvedon kaikista paksusuolensyöpä tiedot löytyvät pubchem Tämän yhdisteen annetaan kuvassa S5.

Keskustelu

toteennäyttö Ilmiön merkitystä syövän luettelon 115 proteiineja tunnistettiin kohdistetaan ainoastaan ​​kasvain selektiivisiä yhdisteitä suoritettiin kaksi riippumatonta näkökulmaa. Yhtäältä, kaikki 115 proteiinit pisteytettiin perusteella äskettäin johdettujen onkogeenin todennäköisyyksiä (OncoScores) ja tarkastetaan tällä hetkellä saatavilla kokeellista tietoa ylä- ja alassäätöä paksusuolen syövän näytteissä [33], [34]. Toisaalta, käytimme kaikki huumeisiin tavoite vuorovaikutus tietoja julkisista varoista [20] – [28] listalla jotta kaikkien huumeiden määrän perusteella tunnettuja tavoitteiden puitteissa luettelon 115 proteiinien ja tarkistaa, onko syöpä oli ensisijainen merkintä joukossa sijalla. Tulokset tarjoavat runsaasti tukea käytöstä DIVISS tapa tunnistaa syöpää asianmukaisiin tavoitteisiin.

OncoScores kaikille 115 proteiineja kohteina kasvainten selektiivisiä yhdisteitä saatiin CGPrio verkkosivuilla [34]. Sen arvioimiseksi, onko tämä lista proteiinien rikastettu todennäköinen onkogeeneillä suhteessa muihin luetteloihin proteiinien, OncoScores laskettiin myös kaikkien 46 proteiinit kohteena normaali selektiivisiä yhdisteitä ja 114 proteiinit jakavat kaksi sarjaa solu–line selektiivisiä yhdisteitä. Suuntauksia kumulatiivinen prosenttiosuus proteiinien OncoScores yläpuolella tietyllä todennäköisyydellä arvo löytyy kunkin listan näytetään kuviossa 5. Kuten voidaan havaita, on todettu, että 36,5%: n 115 proteiinien kohteena kasvaimen selektiivisen yhdisteillä on onkogeeni todennäköisyys edellä 0,7 ja että samoin OncoScore sulku, tämä prosenttiosuus on huomattavasti suurempi kuin 8,7% ja 19,3%: n 46 proteiinien kohteena normaali selektiivisiä yhdisteitä ja 114 proteiinit jakavat kaksi sarjaa yhdisteitä, tässä järjestyksessä. Ottaa esittänyt todisteita, että tämä valinta 115 kasvaimen selektiivisen proteiinit on rikastettu otaksuttu onkogeenien IntOGen platform [33] käytettiin sitten tarkastaa onko proteiinia listasta oli lisäksi tiedettiin merkittävästi muuttunut (korjattu p-arvo 0,05 ) suhteen ylä- tai alassäätöä paksusuolen syöpä. Kaikkiaan 29 näistä proteiineista (25%) voidaan todellakin vahvisti merkittävästi muuttaa paksusuolen syöpä, joista 10, joiden OncoScore yli 0,7. OncoScores ja asetus merkitsee koko listan 115 kasvaimen selektiivisen proteiinit tarjotaan Taulukko S1.

NA kerää kaikki proteiinit, joille onkogeeni todennäköisyydet eivät olleet saatavissa CGPrio [34].

alisarja 42 kasvaimen selektiivisen proteiinien OncoScore suurempi kuin 0,7 on esitetty taulukossa 1. ei ole yllättävää, sen koostumus on erittäin biasoitu proteiinikinaasien (52%), vaikka on myös tärkeä esitys (21%) transkriptiotekijöiden. Maininnan on kuitenkin se, että pari G-proteiinikytkettyjen reseptorien (GPCR: t) ovat tässä erittäin todennäköinen onkogeenin osajoukko, nimittäin D (1A) dopamiinireseptorin (DRD1) ja sfingosiini 1-fosfaatti-reseptori 1 (S1PR1) . GPCR: on perinteisesti pidetty pääkohteita sairauksien keskushermostoon. Mutta useimmat kiinnostavaa, merkitys GPCR: ien syövän lääkekehityksessä tarkistettiin äskettäin ja mahdollista asemaa S1PR1 erityisesti korostanut [35].

lähempi tarkastelu top-20 sijoitus proteiineja taulukossa 1 osoittaa, että luettelo sisältää proteiineja, jotka voivat olla jossain määrin odottamaton näkökulmasta sen suhde peräsuolen syöpä. Esimerkiksi androgeenireseptorin (AR) ja estrogeenin (sekä ESR1 ja ESR2) nukleaarihormonireseptorit tiedetään olevan merkitystä eturauhas- ja rintasyöpien, ja alfa-tyyppinen verihiutaleperäinen (PDGFRA) ja epidermaalinen (EGFR) kasvutekijän reseptorit ovat tunnustettu angiogeneesitekijät. Kuitenkin viimeaikaiset tutkimukset viittaavat rooli suolen syövän synnyn varten tumareseptoreista yleensä [36] ja kasvutekijäreseptorit [37], mukaan lukien juuri AR [38], ESR1 [39], ESR2 [40], PDGFRA [41] ja EGFR [ ,,,0],42]. PDGFRA erityisesti tunnetaan myös olevan merkittävästi säädellä vähentävästi paksusuolensyöpä [33]. Lisäksi edelleen todisteita olemassa kirjallisuudessa huumeiden kohdistaminen ensisijaisesti joidenkin tavoitteiden ja vaikutukseltaan proliferaatioon paksu- tuumorisolulinjoja, kuten HCT116 [40], [43]. Niistä, raloksifeeni on suuri affiniteetti sideaineeseen sekä ESR1 ja ESR2 ja sen on raportoitu estävän HCT116 solujen kasvun annoksesta riippuvalla tavalla [40], ja afatinib on tehokas EGFR-inhibiittoria, joka on äskettäin osoitettu estävän kasvua HCT116-solujen linjat IC

50-arvo 1,62 uM [43]. Nämä esimerkit tarjoavat runsaasti bibliografiset tukea merkitystä paksusuolensyöpä joistakin proteiineja, jotka olisi muuten täysin huomiotta.

Voi myös yllättävää, että tällä hetkellä tunnustettu syöpää tavoitteita, kuten HSP90, ei ole läsnä taulukossa 1. tässä tapauksessa tavoite on todellakin sisältyvät luettelo 115 proteiinien annetaan taulukossa S1 mutta alhaisella OncoScore = 0,023. On siis syytä korostaa tässä, että CGPrio [34] on koneoppimisen perustuva menetelmä ero ominaisuuksista tunnettujen syövän geenien ja oletukseen, että geenit, joilla on samanlaiset ominaisuudet (mukaan lukien sekvenssi säilyttäminen, proteiinidomeeneja ja vuorovaikutukset, ja sääntelyn data) tiedossa syöpä geenit ovat todennäköisesti mukana syövän. Sitä käytetään tässä priorisointia menetelmä, koska on osoitettu, että suuri osa uudesta syövän geeneillä on suuri CGPrio todennäköisyydet [33], [34], mutta se ei tarkoita, että aivan kaikki syövän geenien samoja ominaisuuksia, ja näin saattaa hyvinkin olla joitakin

bona fide

syöpä tavoitteita, kuten HSP90, joilla on alhainen CGPrio todennäköisyys. Tässä suhteessa alhainen OncoScore saatu HSP90 merkitsee vain sitä, perusteella nykytietämyksen syövän geenejä, HSP90 ei jaa ominaisuuksia muun syövän geenien, joista on tietoa saatavilla. Yhdessä nämä tulokset korostavat potentiaali sovellettavuus DIVISS lähestymistavan täydentävänä strategia tunnistaa syöpää asianmukaisiin tavoitteisiin.

BioCarta resurssi [44] käytettiin sitten tekemään selvitys tärkeimmistä koulutusjaksojen nämä 42 erittäin todennäköistä onkogeenien ovat mukana. Yhteensä 131 polkuja haettiin, 68 niistä (52%), jossa on kaksi tai useampia proteiineja ja vain 9 (7%), joka sisältää viisi tai useampia proteiineja. Jälkimmäinen ryhmä koostuu pääasiassa signalointireittien. Niistä MAPKinase signalointireitin sisältää seitsemän näiden todennäköistä onkogeenien eli BRAF, MAP2K1, MAP3K8, MAPK10, RAF1, STAT1 ja TGFBR1, ja Erk1 /Erk2 MAPK-signalointireitin käsittää kuusi niistä, nimittäin, EGFR, MAP2K1, PDGFRA, RAF1, SRC, ja STAT3 (katso taulukko 1). Loput 7 reitit ovat Bioaktiivinen peptidi indusoi, EGF, ja PDGF signalointireitteihin, signalointi hepatosyyttien kasvutekijän reseptorin, ja ne määritellään rooli ErbB2 signaalitransduktiossa ja Onkologiassa CARM1 ja sääntelyn estrogeenireseptori, ja sumoylation by RANBP2 säätelee transkription tukahduttaminen, joissa kaikissa 5 nämä todennäköinen onkogeenien (taulukko 1). Välinen yhteys joitakin näistä reiteistä ja syöpä on jo kirjattu aikaisemmissa tutkimuksissa [45], [46].

Viime vuosina määrä julkisesti saatavilla

in vitro

tiedot vuorovaikutus huumeiden useita proteiineja on kasvanut dramaattisesti [20] – [28]. Analyysi Näiden tietojen on paljastanut, että useimmat syöpälääkkeet ovat multitarget aineita sijaan selektiivisiä molekyylejä [47]. Niinpä otimme luettelo 115 tavoitteiden osui selektiivisiä yhdisteitä HCT116 ja suorittaa haun niille lääkkeitä, jotka perustuvat tällä hetkellä saatavilla yhtäläisyystiedot määrittää kokeellisesti [20] – [28], osoittaisi ainakin mikromolaarisella affiniteetilla on eniten näiden tavoitteiden. Kuvio 6 kerää tulokset, jotka on saatu 20 lääkkeillä, joilla on vähintään mikromolaarisella affiniteetti on yli 5 kasvaimen selektiivisen proteiineja. Merkillistä, 18 Tällaisten lääkkeiden on syöpä, koska niiden ensisijainen osoitus, 4, jotka kohdistuvat pääasiassa HDAC, kun taas muut 14 ovat eri affiniteetti profiilit monenlaisia ​​kinaasien. Läsnäolo klooripromatsiini ja amitriptyliinin tässä luettelossa, tarkoitettu psykoosi ja masennus, vastaavasti, ja suunnataan pääosin GPCR: ien sijasta HDAC: ien tai kinaasien, voi tulla yllätyksenä tässä vaiheessa. Kuitenkin linja mitä aikaisemmin mainittiin uudesta käsitys GPCR: ien syövässä [35], tuoreet raportit osoittavat, että klooripromatsiini, mahdollisesti kautta toimia useita kasvaimen selektiivisen GPCR: t, voivat muuttaa tulva ominaisuuksia kalvot ja että tämä ominaisuus tekee lupaava Kemoherkistävien yhdiste parantaa sytotoksista vaikutusta tamoksifeenin, antagonisti estrogeenireseptori, läsnä myös luettelossa 115 kasvaimen selektiivisen proteiinit [48]. Vuodesta huume näkökulmasta, nämä tulokset antavat lisätukea merkitystä syövän 115 proteiinien tunnistettu.

Only yhtäläisyyksiä edellä 1 uM pidetään. Värikoodit kuvastaa pAffinity vaihtelee: valkoinen 6-7; vaaleanharmaa 7-8; tummanharmaa 8-9; black 9. Värikoodit tavoitteet viittaavat HDAC (keltainen), kinaasien (oranssi), ja muut (vihreä).

On kaksi tunnistettavissa laajennuksia version DIVISS tässä esiteltyä lähestymistapaa. Ensimmäinen ilmeinen laajennus on käytössä muita solulinjoja. Tässä nimenomaisessa tutkimuksessa, HCT116 ja MRC-5-solulinjoja on otettu malleina kasvain ja terveiden solulinjoissa, vastaavasti. On kuitenkin olemassa lukuisia vaihtoehtoisia ihmisen kasvaimen solulinjojen, joita voidaan käyttää sen sijaan, ja niitä voidaan vuorostaan ​​differentiaalisesti verrattuna moniin terveitä solulinjoissa sekä [49]. Niinpä tasauspyörästö syövänvastainen näytöt kummallakin tietty yhdistelmä kasvaimen ja terveen solun rivit periaatteessa johtaa eri, mutta toisiaan täydentävät, luettelot syöpää asianmukaisiin tavoitteisiin. Toinen potentiaalinen laajennus on kattavuus suurempia kemiallisia tiloja, näkökohta, joka on ominaista tahansa seulonta kampanjan. Tässä tutkimuksessa keskityttiin monipuolisen valikoiman 30000 molekyylejä AMRI luettelo, nykyisin sisältää yli 240000 yhdisteitä. Koko ja laatu kemiallisten kirjaston käytetty ero sytotoksisuuden näytöt määrittää olennaisesti määrän ja monimuotoisuuden pienimolekyylisiä osumia tunnistettu ja ne lopulta määrittelevät tyypin tavoitteita, jotka keinoin

in silico

kohdistaa profilointia, tulee selektiivisesti liittyvät kunkin solulinjan.

Johtopäätökset

Cell järjestelmät ovat epäsuorasti kestäviä ja valikoivasti toimivat yhteen tiettyyn kohde ei ehkä kaikkein tehokas tapa moduloimiseksi tai häiritsevät niitä järjestelmään voi aina löytää keinoja kompensoida valikoiva häiritseekin sisällytetty. Sen sijaan, moniosaisia ​​olennaisia ​​tavoitteita kasvainsoluissa voi olla tehokkaampi strategia vaikeuttamaan solun järjestelmän korvaamaan kokonaan häiriöiden käyttöön. Itse asiassa viimeaikaiset todisteet osoittavat, että useimmat syöpälääkkeet saavuttavat

in vivo

tehoa mukauttamisella monipistemittaus sijaan selektiivinen vuorovaikutus yhdellä kohde. Suuri kysymys on sitten määritellään proteiinien allekirjoitus kunkin syövän tyypistä, joten se voidaan perusteellisesti puuttua uusia syövän terapeuttisia aineita [50]. DIVISS strategia esitetään tässä edustaa uutta chemocentric lähestymistapa tunnistamiseen syöpä-asiaa lääkekohteita joka täydentää tehokkaasti muita vakiintuneita bioinformatiikan ja toiminnallisia lähestymistapoja [51], [52] ja voi siten auttaa lisäämään luottamusta mahdollisista lääkkeiden tavoitteet [53] .

Materiaalit ja menetelmät

seulonta Kirjasto

CancerGrid konsortio oli etuoikeutettu pääsy koko kemiallisen luettelo at AMRI [17], jolla on tällä hetkellä 241000 yhdisteitä ja todettu erityisen merkityksellisiä lääkekehityksen tarkoituksiin vertaileva analyysi 23 toimittajan tietokannoista [54].