Krooninen sairaus

tiivistelmä

Background

Microarray teknologia mahdollistaa standardisoidun, objektiiviseen arviointiin syöpäsairauksien diagnoosin ja ennusteen. Tällaiset tutkimukset ovat tyypillisesti ominaisia ​​tietyille syöpätyyppejä, ja tulokset ovat rajoittaneet käyttö riittämättömän validointi suurissa potilasaineistoihin. Discovery geenien yleisesti säännelty syöpä voi olla tärkeä implisiittisesti ymmärtämisessä yhteisiä molekyylitason mekanismi syövän.

menetelmät ja havainnot

kuvattu integroitu geeni-ilmentymisen analyysi 2186 näytettä 39 tutkimuksista tunnistaa ja vahvistaa syövän tyyppi riippumaton geeni allekirjoitus, jotka voivat tunnistaa syöpäpotilaiden monenlaisia ​​ihmisen syöpäsairauksia. Yleisyyttä geeniekspressiota 20 tyyppisiä yhteisiä syövän arvioitiin 20 koulutukseen aineistoja. Erotteluärsykeominaisuuksiin voima allekirjoituksen määritellään näiden yhteisten syöpä geenit arvioitiin 19 muuta itsenäistä aineistot mukaan lukien uudet syöpätyyppeihin. QRT-PCR ja kudosten microarray käytettiin vahvistamaan yleisesti geenien useita syövän tyyppejä. Havaitsimme 187 geenien väärin säädellystä lähes kaikissa syöpä- kudosnäytteitä. 187-geeni allekirjoitus uskottavasti ennustaa syöpää vastaan ​​normaalitila monenlaisia ​​ihmisen maligniteettien joiden kokonaispituus tarkkuus 92,6%. Olemme edelleen puhdistettu meidän allekirjoitus 28 geenien vahvistettiin QRT-PCR. Hienostunut allekirjoitus vielä saavuttanut 80% tarkkuudella luokitella näytteet sekoitettu syöpätyyppeihin. Tämä allekirjoitus toimii hyvin ennustamiseen uusia syöpätyyppien, jotka eivät olleet edustettuina koulutusta aineistoja. Havaitsimme myös kolme biologista väyliä myös Glykolyysivaiheen, solusyklin Checkpoint II ja PLK3 reittejä, joissa useimmat geenit ovat systemaattisesti säädelty monissa syöpien riskiä.

Johtopäätökset

Tunnistetut allekirjoitus on kuvattu keskeisiä transkription piirteet neoplastisten muutosta ja etenemistä yleensä. Nämä havainnot auttavat selvittämään yhteistä molekyylimekanismin syövän, ja antaa uusia näkökulmia syövän diagnostiikassa, prognostisina ja terapia.

Citation: Lu Y, Yi Y, Liu P, Wen W, James M, Wang D , et ai. (2007) Yhteinen Human Cancer Genes Löysi Integrated Gene-Expression Analysis. PLoS ONE 2 (11): E1149. doi: 10,1371 /journal.pone.0001149

Academic Editor: Oliver Hofmann, Etelä-Afrikkalainen National Bioinformatics Institute, Etelä-Afrikka

vastaanotettu: 13 elokuu 2007; Hyväksytty 16. lokakuuta 2007; Julkaistu: 07 marraskuu 2007

Copyright © 2007 Lu 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 NIH myöntää R01CA58554 (MY).

kilpailevat edut: kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Syöpä on yksi johtavista syistä kuolema länsimaissa mikä yhdessä neljästä kuolemista. Yli 100 syöpien eri esiintyvyys on todettu eri elimissä tai kudoksissa. Syöpä liittyy useita geneettisiä ja sääntelyn poikkeamia solussa. Kaapata nämä poikkeavuudet, DNA mikrosiruja, jotka sallivat samanaikaisen mittaamisen ekspressiotasoja kymmenien tuhansien geenien, on yhä käytetty kuvaamaan globaali geeni-ilmentymisen profiilit kasvainsolujen ja vastaaviin normaaleihin soluihin samaa alkuperää. Viime vuosina, maailmanlaajuisen geeni-ilmentymisen profiilit erilaisten syöpien on analysoitu ja monet geeni-ilmentymisen allekirjoituksia, jotka liittyvät syövän etenemisessä, ennuste ja hoitovaste on kuvattu [1] – [19]. Tällaiset tutkimukset ovat tyypillisesti ominaisia ​​tietyt kasvaimet. Syöpä tyyppikohtaisia ​​allekirjoitusta näistä tutkimuksista osoittaa vähän päällekkäisyyttä geeni- perustuslakeihin ja biologisesti tärkeiden polkuja. Vuosikymmenten tutkimus molekyyli onkologian ovat tuottaneet muutamia hyödyllisiä kasvainspesifisiä molekyylimarkkereita, rajoitusten takia näytteen saatavuus, tunnistus, hankinta, eheys, ja valmistelu [20]. Syöpä on hyvin heterogeeninen sairaus, sekä morfologisesti ja geneettisesti. Se on edelleen haaste vangita olennainen, yhteinen transkription piirre neoplastisten muutosta ja etenemistä.

purkaa maksimiarvo äskeisestä kertyminen julkisesti saatavilla syöpään geeni-ilmentymisen data, on tarpeen arvioida, integroida ja muun -validate useita aineistoja. Laajat analyysit lukemattomia julkaistun aineistot mahdollistavat löytää yhteisiä syövän geenien ja olennaiset toiminnalliset seuraukset, jotka liittyvät kasvaimen taudin alkamisen ja etenemisen yleensä. Systemaattinen luonnehdinta ilmentyminen muuttuu biologisissa reittien eri syöpätyyppien johtaa lopulta ymmärtämään paremmin joka häiriöiden solu aiheuttaa syöpää. Nämä havainnot tarjoavat useita kliinisiä suuntiin syöpädiagnostiikkaan, prognostisina ja hoito perusteella geenin ilmentymisen allekirjoitus potilaista. Esillä olevassa tutkimuksessa olemme kuvattu integroitu geeni-ilmentymisen analyysi 2186 näytteistä 39 eri tutkimuksista tunnistaa ja vahvistaa syövän geeni allekirjoitus, joka on riippumaton kasvain tyypit ja voi tunnistaa syöpäpotilaat monenlaisia ​​ihmisen syöpäsairauksia.

tulokset

yhteinen geeniekspression muutoksia eri syöpätyyppejä

ensimmäinen analysoitu geeniekspressioprofiilien of 1223 ihmisen näytteitä (343 normaaleista kudoksista ja 880 tuumorikudoksia) koulutuksesta aineistot 1-20 joka sisälsi 20 eri syöpien (taulukko S1). Yleisyyttä geeniekspressiota näissä 20 syöpätyypeissä tilastollisesti arvioitiin permutaatio analyysejä (p 10

-5). Kaikkiaan 187 geenejä yleisesti vaikuttaa syövän tunnistettiin. Näistä 117 oli säädelty ja 70 olivat alassäädetty lähes kaikissa syöpä- kudosnäytteitä, riippumatta niiden kudoksen alkuperän (taulukko 1 ja 2). Kun bioinformatiikka työkalu, FatiGO (https://fatigo.bioinfo.cnio.es), huomasimme 142 ulos 187 syövän geenien liittyi merkittävästi ainakin yhden Gene ontologia (GO) luokka. Useita toiminnallisia luokkien on osoitettu olevan tärkeä karsinogeneesin ja syövän etenemisessä (taulukko S2). Esimerkiksi 11 geenit (BFAR, CARD4, SPP1, SNCA, BAX, STAT1, CLU, GULP1, BID, CIDEA ja PPP2R1B) valvonta ohjelmoitua solukuolemaa; 8 geenit (TTK, RECK, BAX, STAT1, NME1, CCNB2, E2F3 ja PPP2R1B) osallistuvat sääntelyn solusyklin; 8 geenit (TAP1-, APOL2, SPP1, CLU, PSMB8, TAPBP, HLA-F ja TNFSF13B) rooleja immuunivasteen; ja 6 geenit (TTK, SPP1, NME1, NAP1L1, NPM1 ja TNFSF13B) säätelevät solujen lisääntymisen. Lisäksi geenit, jotka osallistuvat proteiinien kuljetukseen, M vaihe solusyklin, erityspolulle ja DNA korjaus ovat jatkuvasti säädellään ylöspäin suuri enemmistö syöpätyyppeihin.

validointi yleisin syöpä geenien QRT-PCR ja TMA

validoimiseksi microarray geenien ilmentymisen tulokset integroitu geeni-ilmentymisen analyysi, suhteellinen ekspressiotasot 32 187 syövän geenien määritettiin QRT-PCR-analyysillä käyttäen täysin riippumattomia näytteitä kolmesta kukin rinta-, keuhko-, eturauhas-, koolon- ja kohdunkaulan syövän ja niiden vastaaviin normaaleihin kudoksiin. Varmistimme ilmaisun tulokset useimpien näiden valittujen geenien (kertamuutos 1,5, p≤0.05 ja johdonmukaisuuden 60%) (taulukko 3). Top 10 geenit absoluuttisella kertaluokkamuutos 4, p≤0.05 ja johdonmukaisuuden 85% varmistettiin vielä toisella 18 Hyväksytty kasvain ja normaali näytteitä rinta-, keuhko- ja kohdunkaulan syöpäpotilailla. Laajennetussa analyysissä ekspressiotasot näiden 10 geenit olivat edelleen merkittävästi erilainen absoluuttinen kertamuutos 4, p≤0.05 ja johdonmukaisuuden 85%, paitsi geenit SPP1 ja NDRG2, jolla oli hieman laskenut johdonmukaisuutta (kuvio 1).

Taita eroja yli vastaaviin normaaleihin verrokkeihin piirretty 21. 24. kasvaimia kaikissa testatuissa kudoksissa, mukaan lukien rinta-, keuhko-, eturauhas-, peräsuolen ja kohdunkaulan kasvaimet kahtena, joka tarjoaa 42-48 datapistettä per geeni. Keskimääräinen kertainen muutos, p-arvo, sääntelyn johdonmukaisuuden suuntaus, ja numerot kudosten yli tai ali-ilmentyminen oli myös lueteltu.

Tissue mikrosiruanalyysi (TMA) suoritettiin myös kolme sattumanvaraisesti yleisin syöpä geenit (SPP1, BID ja CLU), voiko mRNA muutoksia korreloivat muutosten proteiiniekspressiossa syöpäpotilailla. Kudos microarray sisältää 200 kasvainnäytteestä 50 näytettä kustakin neljästä syöpätyyppien (paksusuoli-, rinta-, munasarja-, ja keuhko). Analyysi SPP1 proteiinin ilmentymistä kasvain- ja normaaleissa kudoksissa osoitti, että SPP1 on läsnä sytoplasmassa ja solujen tumaan. Useimmat näytteet paksusuolen adenokarsinooma, rinta- adenokarsinooma, munasarja- adenokarsinooma, ja keuhkosyöpä osoitti välituotteiden vahvan sytoplasmisen SPP1 värjäytymistä kasvainsoluissa, mutta värjäytyminen normaalissa kudoksessa on paljon heikompi. Keskimääräiset tulokset kasvaimen ja normaaleissa kudoksissa ovat 11,1 ± 1,8 ja 1,8 ± 1,5 in koolonadenokarsinooma (p = 0,0005), 10,9 ± 1,7 ja 4,5 ± 3,8 rinta- adenokarsinooma (p = 0,043), 11,7 ± 1,0 ja 3,3 ± 4,2 munasarjassa adenokarsinooma (p = 0,028), ja 9,0 ± 2,2 ja 3,5 ± 2,0 keuhkosyövässä (p = 0,0005), vastaavasti (kuva 2 ja kuva S1). Positiivinen sytoplasminen värjäys klusteriinin (CLU) oli läsnä sekä kasvain ja normaali solujen keuhko-, rinta-, ja munasarja kudosta. Kuitenkin verrattuna normaaliin kudoksia, klusteriinin laski keuhkosyöpä (5,6 ± 2,1

vs.

10,8 ± 1,6, p = 0,005), rintasyöpä (7,1 ± 2,7

vs.

10.5 ± 1,7, p = 0,017), ja munasarjasyöpä (6,8 ± 3,0

vs.

10,5 ± 1,7, p = 0,011) (kuvio 3A, B ja D). Paksusuolensyöpä osoittivat vähemmän suotuisat CLU värjäytymisen kuin muut kasvain ja ei ollut merkittävää eroa paksusuolen kasvain ja normaali paksusuolen kudoksiin (kuvio 3C). BID-proteiini oli merkittävästi voimistunut paksusuolen syöpä, keuhkosyöpä ja rintasyöpä, mutta ei munasarjasyöpä (tuloksia ei ole esitetty). Keskimääräiset tulokset immunoreaktiivisia värjäyksen kasvain ja normaaleissa kudoksissa ovat 11,2 ± 1,9

vs.

2,0 ± 1,4 (p = 0,00015), 10,4 ± 2,2

vs.

2,5 ± 2,2 (p = 0,0002 ) ja 11,5 ± 1,4

vs.

6.5 ± 1.9 (p = 0,010) näiden kolmen syöpätyyppejä, vastaavasti (kuvio 3E-G). Semikvantitatiivinen analyysi osoittaa, että useimmat näytteet eri syöpätyyppien on vahva, suuri osa BID immunorektiosta taas normaaleissa kudoksissa näytä vain vähän tai kohtalaisesti tasolle värjäys; CLU taipumus alassäädetty kasvaimissa (kuvio 3H). Tulokset osoittavat, että proteiini taso on pitkälti yhdenmukainen mRNA ilmaisun näiden kolmen geenin.

SPP1 positiivista värjäytymistä esittelee sytoplasmassa ja ydin- kasvainsolujen keuhkosyöpä (A, oikea), rintasyöpä (B, oikea ), munasarjasyöpä (C, oikealla), ja Colon syöpä (D, oikea), kun taas negatiivinen värjäytyminen normaalissa keuhkojen (A, vasemmalla), ja munasarjojen (C, vasen), heikko värjäytyminen normaalissa rinta- (B, vasen), ja paksusuoli (D, vasemmalla).

positiivinen sytoplasmista värjäytymistä CLU esittelee molemmilla kasvain ja normaali solujen keuhko-, rinta-, paksusuoli-, ja munasarjojen kudosta (A-D). CLU ilmaisu laski keuhkosyöpä (A, ylempi taso) verrattuna normaalin keuhkojen (A, alempi taso). Sekä normaali rinta (B, alempi taso) ja munasarjojen (D, alempi taso) osoittavat keski vahva värjäytyminen solulimassa, ja keskeltä heikkoa värjäytymistä rintojen (B, ylempi taso) ja munasarjasyöpä (D, ylempi taso). Paljon vähemmän positiivinen klusteriinille värjäytymistä läsnä sekä paksusuolen kasvain (C, ylempi taso) ja normaaleissa kudoksissa (C, alempi taso). BID osoittaa vahvaa sytoplasmista ja tumavärjäystä keuhkosyövän (E, ylempi taso) ja heikko tumavärjäystä normaalissa keuhkojen epiteelin (E, alempi taso). Lisääntynyt vahva ydin- ja sytoplasmista värjäytymistä nähdään rinta kasvain (F, ylempi taso) verrattuna normaaliin rintakudoksen (F, alempi taso). Paksusuolen syöpä, BID osoittaa vahvaa sytoplasmista ja tumavärjäystä kasvainsoluissa (G, ylempi taso), kun taas vähemmän positiivinen BID värjäytyminen havaittiin normaalissa paksusuolen kudoksessa (G, alempi taso). Semikvantitatiivinen analyysi CLU ja BID immunoreaktiotuotteet kasvaimissa ja normaaleissa kudoksissa (H). Suurin osa näytteistä eri syöpätyyppien on vahva, suuri osa BID immunorektiosta ja normaaleissa kudoksissa näyttää vain keski alhainen värjäys; kun CLU taipumus alassäädetty kasvaimissa (H). Korkea = pisteet 10-12, keski = pisteet 6-9, ja alhainen = pisteet 1-5. Vasen sarake kussakin paneelissa on pienellä teholla (100X) ja oikean sarakkeen kussakin paneelissa on suurella teholla (400X).

Yleinen syöpään reittejä eri syöpätyyppejä

entisestään tutkituista luettelo 1687 biologisia polkuja, jotka sisältävät metaboliareitit, proteiini vuorovaikutuksen verkkoja, signaalitransduktioreaktioteitä, ja geeni säätelyverkkoja tutkia jos useita geenejä tietyn reitin teko kumulatiivisesti vaikuttaa neoplastisen transformaation ja etenemiseen. Rikkaus merkittävästi eri tavoin ilmaistuna geenejä tietyllä reitin jälleen arvioitiin 100000 permutaatio testien koulutuksessa aineistot. Pathway analyysi osoitti, että merkittäviä ilmentyvät eri geenit (p 0,01) käytti enimmäkseen rikastettu Glykolyysivaiheen reitissä solusyklin Checkpoint II polku ja PLK3 polku, johon sisältyi 24, 10 ja 10 geenit, vastaavasti (p 10

-5) . Mielenkiintoista, suurin osa geenien mukana näissä kolmessa reitit säädellään ylöspäin suuri enemmistö syöpäkudoksen verrattuna normaaleissa kudoksissa (kuvio S2), mikä viittaa siihen, esiintyvyys geenin yliaktivoitumistilojen ja vahvistusta ihmisen syöpäsairauksia.

vahvistus yhteisen geeniekspressiomalli itsenäisessä aineistot

Seuraavaksi päätimme vahvistaa meidän geeniekspression allekirjoitus ja nähdä, jos voisimme erottaa syövän näytteitä normaalista näytteistä täysin itsenäinen aineistoja. Erotteluärsykeominaisuuksiin teho 187-geenin ilmentymisen allekirjoitus normaaleissa ja kasvaimen näytteet testattiin ryhmittelemällä analyysi käyttäen oligonukleotidialukkeita geenin ilmentymisen saatuja tietoja 19 täysin riippumaton aineistoja. Aineistoja 21-38, käytetään validointi, muodostuivat 211 normaali ja 492 tuumorikudoksia 14 eri syöpätyyppejä. Useimmissa näistä 18 aineistoja, näytteet luokitellaan kahteen ryhmään, yksi käsittää useimpien tavallisten näytteitä ja toinen kaikkein kasvainnäytteet, perustuvat 187-geenin allekirjoitus (kuvio S3). Yleinen tarkkuus oikea luokitus on keskimäärin 92,64% vaihdellen 78%: sta 100% (taulukko 4). On huomattava, että aineisto 30 ja 31 ovat hieman erilaisia ​​kuin muut aineistot johtuen heterogeenisyydestä syövän näytteitä. Kaikki näytteet näiden kahden aineistoja luokiteltiin kahteen suuren ryhmään: toinen sisältää kasvainnäytteestä vain; toinen ryhmä sisältää sekä kasvaimia ja normaalit, jotka voidaan selvästi erottaa kaksi alaryhmää. Tarkemmin sanottuna aineisto 30, kahdeksan myeloomasolulinjat muodostivat yhden ryhmän kanssa siihen yksi plasman solun leukemia (PCL); toisessa ryhmässä, kahdeksan normaalia plasmaa solunäytteillä ja kahdeksan näytettä potilailta multippelia myeloomaa (MM) tai PCL selkeästi jaettu. Vuonna aineisto 31, kuusi metastaattinen eturauhassyöpänäytteissä ryhmiteltiin yhteen, kun taas normaaleissa kudoksissa ja ensisijainen eturauhasen syöpiä olivat toisessa ryhmässä, jossa on kuusi normaaleissa kudoksissa ja yksi ensisijainen eturauhassyövän yhdessä alaryhmässä, ja kuusi ensisijainen eturauhasen syöpiä muissa alaryhmä. Ryhmityksellä analyysi kasvaimen näytteitä eri alatyyppejä kanssa geenien ilmentyminen tietoja, ei ole epätavallista, että jotkut kasvain alaryhmien ovat lähempänä normaalia ryhmään, mutta erottuvat normaalista ryhmästä.

Dataset 39 Sisältää 180 kasvain näytteet, ulottuen 14 yhteinen kasvaintyyppeihin, ja 81 normaali kudosnäytteistä. Niistä 14 kasvaintyypit, kohdun adenokarsinooma, leukemia ja keuhkopussin mesoteliooma eivät läsnä 20 koulutukseen aineistot. Ryhmityksellä analyysit, näytteet on ryhmitelty kolmeen ryhmään: kasvain ryhmä I säveltäminen 57 kasvaimia ja 20 normaaleissa kudoksissa, normaali ryhmä säveltäminen 11 kasvaimista ja 53 normaaleista kudoksista, ja kasvaimen ryhmä II säveltäminen 112 kasvaimen ja 8 normaaleissa kudoksissa (kuvio 4) . Tarkkuus luokitus on 85%. Kaikki keskushermoston syöpä ja useimmat haiman adenokarsinooma luokiteltiin kasvain ryhmään I, vaikka kaikki leukemia ja useimpien lymfoomat luokiteltiin kasvain ryhmään II. Huomattavaa on, että 187-geenin allekirjoitus toimii hyvin (81-100%) luokittelussa uusi syövän tyypit (kuten kohdun adenokarsinooma, leukemia ja keuhkopussin mesoteliooma). On myös syytä huomata, että on olemassa vain ~31-60% geenien tästä 187 geenistä allekirjoitus, joita käytettiin klusterointi analysoi kunkin validointi aineistoja erityispiirteiden vuoksi alustoja, näytteen saatavuus ja puuttuvat arvot microarray kokeiluja. Lisäksi joukko geenejä käytetään klusterointi analyysit ovat osittain eri keskuudessa validointi aineistoja, riippuen saatavuudesta geenien ilmentymisen datan tietyssä tutkimuksessa. Tämä osoitti luotettavuutta, hyödyllisyys ja läsnäolo kaikkialla meidän geenin allekirjoitus. Lopuksi olemme myös yrittäneet luokitella nämä 261 näytteitä ilmaisua profiilit 28 yleisin syöpä geenien vahvistettiin QRT-PCR-analyysi kertaluokkamuutos 3 ja johdonmukaisuus 60%. Hienostunut 28-geenin allekirjoitus vielä saavuttanut -80% tarkkuudella luokituksen (kuva S4). On huomattava, että aineisto käytettyjen 39 vanhaa mikrosiru järjestelmän Affymetrix FL 6800 geenilastuun joissa on yhteensä 7289 antureista. Numerot koettimien käytetään edellä kaksi klustereiden analyysit aineisto 39 olivat 72 ja 19, jotka vastaavat 59 ja 15 geenit, vastaavasti.

Normaali kudokset merkitty mustalla ja kasvaimen kudokset merkitty punaisella. Näytteet ovat ryhmittyneet kolmeen ryhmään: kasvain ryhmä I säveltäminen 57 kasvaimia ja 20 normaaleissa kudoksissa, normaali ryhmä säveltäminen 11 kasvaimista ja 53 normaaleista kudoksista, ja kasvaimen ryhmä II säveltäminen 112 kasvaimen ja 8 normaaleissa kudoksissa. Kaikki keskushermoston syöpä ja useimmat haiman adenokarsinooma luokiteltiin kasvain ryhmään I, vaikka kaikki leukemia ja useimpien lymfoomat luokiteltiin kasvain ryhmään II. Tarkkuus luokitus on 85%.

Keskustelu

DNA-siru-pohjainen geeni-ilmentymisen luokittelu mahdollistaa standardoitu, objektiiviseen arviointiin syöpäsairauksien diagnoosin ja ennusteen ja antaa täydentävää tietoa nykyisen kliinisen protokollat ​​[20]. Tällaiset tutkimukset ovat tyypillisesti ominaisia ​​tiettyjen syöpien, ja saatu ekspressioprofiileja on rajoitettu käyttö riittämättömän validointi suurissa potilasaineistoihin. Tässä tutkimuksessa olemme tunnistaneet geenin allekirjoituksen Molekyylien syöpä luokittelun kautta integroiva geeni-ilmentymisen analyysi 20 eri tyyppisiä yhteisiä syöpä. Tämä allekirjoitus sisältää 187 geenejä, joiden poikkeava ekspressio havaittiin lähes kaikissa syöpä- kudosnäytteitä, riippumatta niiden kudoksen alkuperän. Havainnollistaa hyödyllisyys ja kestävyys tämän allekirjoituksen, päätimme sen erotteleva voima toisella 19 täysin riippumaton aineistoja. Tarkkuus luokitus on noin 92,6% käyttämällä tätä yhteistä syöpä allekirjoitus. Mielenkiintoista on, että toinen osajoukko geenejä, jotka muodostavat 31-60%: n 187-geenin allekirjoitus voi tarkasti tunnistaa syöpäpotilaiden monenlaisia ​​ihmisen syöpäsairauksia. Vielä tärkeämpää on, tämä allekirjoitus myös suoriutuu hyvin ennustamiseen uusia syöpätyyppien, jotka eivät olleet edustettuina integroiva analyysissä koulutukseen aineistoja. Tämä vahvistaa, että tunnistetut allekirjoitus on syöpätyypin riippumaton ja on kuvattu tiettyjä olennaisia ​​transkription piirteet neoplastisten muutosta ja etenemistä yleensä. On kuitenkin vielä tiedetä, onko kaikki nämä geenit meidän allekirjoitus ovat mukana syövän kehittymiseen. Jotkut niistä voivat olla osoitus jotain meneillään elin, joka on mukana sairauden prosessissa; kun taas toiset ovat geenejä

pe se

jotka edistävät kasvaimen kehittymisen ja syövän etenemistä. Vertasimme myös meidän allekirjoitus kahden muun allekirjoitusten riippumatonta aineistoja, jotka olivat aiemmin käytettiin näissä tutkimuksissa [21], [22]. Yleisen tarkkuuden oikeasta luokittelusta käyttämällä allekirjoitus on keskimäärin 95% vaihdellen 90%: sta 100%; kun taas yleinen tarkkuus Rhode ja Xu on 89% ja 93%, vastaavasti (taulukko S3). Edelliset kaksi allekirjoitusta määritettiin joko samoja geenejä yhdessä microarray alusta [21] tai yhteisiä geenejä eri alustoille [22]. Analysoidut geenit esittää vain osan geenien genomin (noin 25%) ja olivat erittäin yliedustettuja niiden tunnisteista; kun taas muita geenejä, joita ei esitetty analysoitu alustan vai eivät yleisiä alustojen unohtunut allekirjoituksensa. Esillä olevassa tutkimuksessa, ehdotettu menetelmä, jolla määritetään geeni allekirjoitus on suoraviivainen ja riippumaton eri microarray alustoille (esimerkiksi eri uncommented cDNA sirut ja Affymetrix chips). Siksi voimme käyttää tietoja kaikista geenien tiettyyn microarray tutkimus. Tutkimuksemme korostetaan myös suuren otoskoko microarray analyyseja tunnistamiseksi ja validointi ennustetekijöiden allekirjoituksia. Tässä tutkimuksessa olemme yhdistettiin yhteensä 2186 näytettä 39 itsenäistä microarray tutkimuksia luokittelija löytämisen ja validointi. Tulokset laajamittaista integroiva geeni-ilmentymisen analyysin pitäisi olla vakaampi ja luotettavampi kuin kukin mahdollisesti alle-powered yksittäisissä tutkimuksissa.

Meillä on myös löydetty useita yhteisiä reittejä, joissa muuttunut ilmentyminen useiden geenien toiminnan kannalta yhteisen polku vaikuttaa kasvainten kehittymiseen. Näihin toteutustapoihin kuuluvat glykolyysijärjestelmän, solusyklin Checkpoint II ja PLK3 polkuja. Olemme havainneet, että monet geenit kussakin reittejä oli säädelty erilaisten kasvainten kudokset verrattuna normaaleihin kudoksiin. Häiritseekin ilmaisun monien geenien näiden reittien voi olla yhteinen piirre neoplastisten muutosta ja etenemistä pahanlaatuisia kasvaimia. Terapeuttinen manipulointi näistä reiteistä voi tarjota yleinen strategia hoitoon monien syöpien. Esimerkiksi syöpäsolut usein energian tuottamiseen glykolyyttisissä käymisen sijaan oksidatiivisen fosforylaation. On mahdollista, että puute oksidatiivisen fosforylaation rajoittaa tuotantoa proapoptoottiset superoksidi. Kolme entsyymit 187-geenin profiilin, TPI, PGK1, ja ENO1, jotka ovat mukana glykolyyttisen reitin, havaittiin myös merkittävästi yli-ilmentynyt, että HER-2 /neu-positiivisen rintasyövän kasvaimia [23]. Yliekspressio Näiden entsyymien saattaa liittyä lisääntyneeseen vaatimukset sekä energian ja proteiinisynteesiä /hajoamisreitit nopeasti kasvava kasvaimia. Tämä polku ehdotettiin olevan merkittävä kasvainten synnyssä yli 70 vuotta Warburgin [24].

geenit tunnistettu meidän allekirjoitus voisi olla ensisijassa syöpähoidon ja ehkäisyyn, koska ne väärin säädellystä monenlaisissa syöpä. Luonnehdinta näiden yhteisten geenien tulisi tarjota mahdollisuuksia selvittämiseksi tiettyjen yleisemmän mekanismeja syövän taudin alkamisen ja etenemisen. Syöpä geeniterapia klassisesti sisältää toimituksen tuumorisuppressorin, apoptoosin indusointiin tai itsemurha geenejä suoraan kasvainsoluihin. Pidätys kasvainsoluproliferaation on perimmäinen tavoite syövän hoitoon. Mielenkiintoista on, että tietomme, tunnistetut yhteisiä geenejä, jotka osallistuvat solujen jakautumisen ovat kaikki säädellään ylöspäin erityyppisten kasvainten kudokset (taulukko S2). Nämä geenit kuuluvat TTK, SPP1, NME1, NAP1L1, NPM1 ja TNFSF13B. Osteopontiini (SPP1) on geeni, joka säätelee solujen lisääntymistä. Monet tutkimukset ovat osoittaneet, että SPP1 ilmentyy erittäin monissa syöpäsairauksia. Runsaat eritys SPP1 toimii merkkiaineena rinta- ja eturauhassyöpä, osteosarkooma, glioblastooma, okasolusyöpä ja melanooma [25]. Solut SPP1 hiirten osoittavat heikentynyt pesäkkeiden muodostumisen pehmeässä agarissa ja hitaammin kasvaimen kasvua

in vivo

verrattuna kasvaimia villityypin hiirissä [26]. Meidän QRT-PCR-analyysi, SPP1 oli yli-ilmentynyt 18: 22 näytettä viisi erilaista kasvaimen kudosten (kuvio 1). Kudos mikrosiruanalyysi lisäksi osoittaneet, että tämä lisääntynyt mRNA: n ilmentymisen taso SPP1 korreloi merkitsevästi proteiinin tason syöpäpotilailla (kuvio 2). Näin ollen, SPP1 voi olla lupaava yhteinen tavoite syövän hoitoon ja ehkäisyyn.

BH3-vuorovaikutuksessa domain syöttämällä agonisti (BID) ja klusteriini (CLU) ovat kaksi muuta mahdollisia terapeuttisia kohteita, jotka ovat mukana ohjelmoidun solukuoleman. BID sisältää vain BH3 domain, joka vaaditaan sen vuorovaikutus Bcl-2-perheen proteiinien ja sen pro-kuolema aktiivisuutta. BID on altis proteolyyttiselle pilkkomisen caspases, kalpaiinien, grantsyymi B ja katepsiini [27]. BID on tärkeää solukuolemaa välittyy näiden proteaasien ja näin on Sentinel proteaasille välittämää kuoleman signaaleja [28]. Proteaasi-lohkaista BID pystyy aiheuttamaan useita mitokondrioiden toimintahäiriöitä, esimerkiksi vapauttamaan välisen kalvon tilaa proteiineja, kristat uudelleenjärjestely, Depolarisaatio, läpäisevyys siirtyminen ja sukupolvi reaktiivisia happiradikaaleja. Näin BID on molekyyli siltana eri oheislaitteiden kuolema väyliä Keski mitokondrioiden kautta. Viimeaikaiset tutkimukset osoittivat lisäksi, että tarjous voi toimia enemmän kuin vain proapoptoottiset tappaja molekyyli. BID edistää paitsi solusyklin eteneminen S-vaiheeseen, vaan siihen liittyy myös ylläpito genomista vakauden harjoittamalla at mitoosi tarkastuspisteissä [27]. Tämä proteiini on erilaisia ​​toimintoja, jotka ovat tärkeitä sekä elämän ja kuoleman solun. Tuore tutkimus osoitti, että BID lisääntynyt aivokasvain, gliooma, eturauhassyöpä, munasarjasyöpä ja paksusuolen syöpä [29]. CLU on sulfatoitunut glykoproteiini, sekaantunut eri solujen toiminnalle mukana syövän synnyn ja syövän etenemiseen, kuten solusyklin säätelyssä, solun tarttumisen, DNA: n korjaukseen apoptoosin. Useat tutkimukset osoittavat vähentää huomattavasti ilmentymistä CLU kasvaimissa verrattuna normaaliin kudokseen, mukaan lukien kiveskasvaimen, von Hippel-Lindaun (pVHL) -defective munuaisten kasvain, ruokatorven okasolusyöpä [30] – [34]. Väheneminen yleisen CLU taso näyttää koska CLU positiivinen strooman osastoja normaalin limakalvon menetetään kasvain [35]. CLU näyttelee negatiivinen rooli epiteelisolujen lisääntymistä ja puute CLU lisää alttiutta kasvaimien syntyyn jälkeen karsinogeeninen haaste. Alle-ilmentyminen CLU oli välittömästi esiin erittäin pahanlaatuisten MD PR317 eturauhasen adenokarsinoomasolua laserilla mikrodissektion tekniikkaa ja sarja- analyysiä geenin ilmentymisen [36]. Sekä QRT-PCR ja kudosten mikrosirujen analyysit vahvistivat säätelyä BID ja downregulation CLU useimmissa syöpä- kudoksiin (kuva 3).

Kantasolut ovat hyvin pian soluja alkion, jotka jakavat ja erilaistuvat muodostaen kypsä elimiä ja kudoksia. Pieniä määriä normaalien kantasolujen jatkuvat aikuisuuteen ja toiminta huoltamaan ja korjaamaan terveitä kudoksia. Se on hiljattain osoitettu, että kuten normaaleissa kudoksissa, ihmisen kasvaimista aloitetaan ja ylläpitää kantasoluja. Syöpä kantasolut esiintyä vähemmistö sisällä kasvain ja jakaa monia geneettisiä ja biologinen ominaisuudet normaaleja kantasoluja. Jotkin geenit yli-ilmentynyt syövän kudoksissa havaittu tunnusomaisen havaittiin erittäin ilmaistaan ​​alkion kantasoluja. Esimerkiksi EPR, NPM1, STAT1 ja LSM4 ovat korkeammat ilmaistaan ​​ihmisalkion kantasolulinjojen verrattuna ihmisen yleismaailmallisia RNA [37], [38]. CCNB1, FBXO2, NMe2, SNRPF, DDX21, SLC38A4, PSMA2, PSMA3 ja AP1S2 myös korkeampia ilmaistu ihmisalkion kantasolulinjojen [37], [38], jäsenten nämä geeniperheiden kuten CCNB2, FBXO32, NME1, SNRPB, DDX39, SLC38A1, PSMA4, PSMA7 ja AP1S1 havaitaan meidän allekirjoitus. Erityisesti, kaksi geeniä meidän allekirjoitus, DNMT1 ja TAPBP, on listattu SuperArray GEArray S-sarja Human Stem Cell Gene Array, joka on suunniteltu profiilin geenien tiedetään olevan tärkeitä tunnistamiseksi, kasvua ja erilaistumista kantasolujen (Catalog numero HS-601,2, Superarray, Frederick, MD, https://www.superarray.com/home.php). Meidän geeni allekirjoitus myös useita geenejä, jotka liittyvät kudosten kehitykseen, kuten sääntely kehitysprosessiin (FNDC3B, SPP1 ja TTL), alkionkehityksen (ADAM10) ja urut kehittäminen (NCL, SPP1, SFXN1, BAX, ADAM12, NRP2 ja NME1) ( https://fatigo.bioinfo.cnio.es).

Yhteenvetona määritelty syöpä-type-riippumattoman geenin allekirjoitus ennustavan syövän tilan monenlaisia ​​ihmisen syöpäsairauksia. Tämä allekirjoitus on vanginnut olennaiset transkription siirtyminen solun normaalin käyttäytymisen kontrolloimattomaan solujen kasvua pahanlaatuisia kasvaimia ja näin on merkittäviä vaikutuksia syöpädiagnostiikassa, prognostisina ja hoito. Nämä geenit pitäisi olla sovellettavissa paitsi ymmärtää yhteinen molekyylitason mekanismi syövän ja syövän diagnoosi, vaan toimivat myös mahdollisia molekyyli sekä tavoitteita.

Materiaalit ja menetelmät

Tietojen keruu ja käsittely

Microarray aineistoja saatiin julkisista tietokannoista. Tiedot olivat kaksi yleistä tyyppiä, kaksikanavainen suhde vastaavat tiedot täplikäs cDNA mikrosiruja ja yksikanavainen intensiteetti vastaavat tiedot Affymetrix mikrosiruja. Kolmekymmentä yhdeksän tutkimuksissa oli 634 normaalia ja 1552 syöpänäytteissä yhteensä (taulukko S1). Kaikki nämä aikaisemmat microarray tutkimuksia alun perin suunniteltu tunnistamiseksi differentiaalisesti ilmentyvien geenien välillä normaalin ja pahanlaatuinen kasvain kudosten, että tietyntyyppiset syöpä. Patologia raportit olivat perustana classify normaalin ja kasvainkudoksen, ja hyvänlaatuisia ja pahanlaatuisia kasvaimia näissä tutkimuksissa. Aineistot 1-20 joka edustaa 20 eri yleisin syöpä tyyppejä, kuten virtsarakon, rinnan, paksusuolen, kohdun limakalvon, munuaiset, maksa, keuhkot, melanooma, lymfooma, haima-, eturauhas- ja kilpirauhassyöpä käytettiin tunnistamaan yhteiset syövän geenien ja reitit, ja aineistot 21 -39 käytettiin laajaa validointi. Valitut koulutus aineistot olivat yleensä suuremmat kuin validointi aineistoja paitsi useita hyvin äskettäin julkaissut aineistoja. Kaikki ilmaisun arvot olivat base-kaksi log muuttunut. Helpottaakseen multi-selvittävissä Unigene cluster ID ja geeni nimet jaettiin kaikille cDNA-kloonien ja Affymetrix koettimia perustuen NCBI Unigene Build 198 (https://www.ncbi.nlm.nih.gov/entrez/query. fcgidbunigene).

Detection erilaisesti ilmaisi geenien

Käytimme kahden otoksen permutaatio

t

testi tunnistaa ilmentyvät eri geenien (DEGS), joka toteutettiin R paketti permax (https://www.r-project.org/), kullekin aineistot 1-20.