Krooninen sairaus

tiivistelmä

Universal fenotyyppaus tekniikoita, jotka voivat syrjiä eri valtioiden biologisten on monenlaisia. Käytimme 557 loisteputki kirjasto yhdisteiden NCI: n 60 ihmisen syöpäsolu-linjat (NCI-60) tuottaa järjestelmällisesti fluoresenssi fenotyyppisen profilointitiedot. Vuoteen kineettinen fluoresenssin intensiteetti analyysin onnistuneesti syrjinyt elimen alkuperä kaikkien 60 solulinjojen.

Citation: Lee J-S, Kim YK, Kim HJ, Hajar S, Tan YL, Kang N-Y, et al. (2012) Identification of Cancer Cell-Line Tekijä käyttäen fluore- Image-Based Phenomic Screening. PLoS ONE 7 (2): e32096. doi: 10,1371 /journal.pone.0032096

Toimittaja: Nikos K. Karamanoun, University of Patras, Kreikka

vastaanotettu: 05 lokakuu 2011; Hyväksytty: 19 tammikuu 2012; Julkaistu: 23 helmikuu 2012

Copyright: © 2012 Lee 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 jota sisäisen rahoituksen välillä Agency for Science, Technology and Research (A * STAR), Singapore Biomedical Research Council ja A * STAR SSCC Grant (SSCC10 /024). Tätä työtä tukivat myös Converging tutkimuskeskus Program kautta opetus-, Science and Technology (2010K001410). JSL on vastaanottaja T. J. Park Science Fellowship. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

pääasiallinen haaste funktionaalinen genomiikka on tunnistaa genotyypit, jotka liittyvät tiettyyn fenotyyppiin. Viimeaikaiset edistysaskeleet geeniekspressioprofilointi ja seuraavan sukupolven sekvensointi (NGS) tekniikka ajanut merkittäviä parannuksia suuren suorituskyvyn genotyypitys. [1], [2] Toisin kuin vakiintunut genotyypityksen alustoilla, ei ole standardia kvantitatiivisia menetelmiä fenotyypitykseen vielä. [3] Fenotyypit voidaan määritellä monella eri tasolla; esimerkiksi biokemiallisia tai fysiologiset ominaisuudet, jotka voidaan mitata solutasolla, tai käyttäytymisen tai kliinisten historian organismin tasolla. [4] Kukin fenotyyppinen mittausta on käytetty jatkotutkimuksiin tapauskohtaisesti tapauskohtaisesti. Esimerkiksi käyttäytyminen ja aivojen kuvantaminen kuvio on usein käytetty phenomic hahmo neurotieteen, [5] – [8] ja CD (klusterin nimitys) -marker perustuvat biokemialliset fenotyypit ovat laajasti käytetään erottamaan solutyyppejä eri aloilla. [9], [10] On kuitenkin olemassa vielä yleistä phenomic parametrin, jota voidaan soveltaa erilaisiin seulonnan muodossa. [11]

visioi, että fluoresoiva koetin kirjasto olisi hyvät mahdollisuudet tunnistaa joukko universaali phenomic parametrien vuoksi niiden yhdenmukaista fenotyyppisen lukemaksi (fluoresenssisignaalisuhteet), helppo annos säätimet, korkea herkkyys mikroympäristöjen, ja rakenteellista monimuotoisuutta molekyylitasolla. Ryhmämme on hiljattain kehittänyt loisteputki kirjastot ja selostaneet sarjan kuvantamisen koettimien glukagonin erittävien solujen, [12] eriytetty myotube soluja, [13] ja pluripotenttien kantasolujen. [14] Jopa tapauksessa solunsisäisessä tavoitteet eivät ole selkeästi määriteltyjä, fenotyyppinen allekirjoitusta voitaisiin käyttää erilaisissa sovelluksissa. [15] Vielä tärkeämpää on, riippuen ominaisuuksista fluoresoiva koetin, korkea pitoisuus tiedot voivat olla peräisin yhdestä fluoresenssi kuvan. [16], [17] Näin ollen fluoresoiva fenotyyppi profilointi käyttäen synteettisiä koettimia voisi paljastaa hienoisia eroja biokemialliset ominaisuudet. Tässä artikkelissa, me raportoimme ensimmäistä fluoresenssin intensiteetti-pohjainen solu phenomic profilointi tutkimus käyttäen hajautuksen suuntautunut fluoresenssi kirjasto (DOFL) ja NCI-60 syöpäsolun linjat.

osoittamiseksi phenomic laajuus fluoresenssikuvan-pohjainen seulonta metodologia, 60 ihmisen syövän solulinjoissa (NCI-60) National Cancer Instituten Developmental Therapeutics Program valittiin. Nämä solut valittiin perustuen jälkeen kahdesta syystä. (I) se on suurin standardi kokoelma laaja syöpäsolutyyppien. NCI-60 sarja sisältää syöpiä 9 eri alkuperää, kuten leukemia, ihosyövän, munuaisten, rinta-, paksusuoli-, keuhko-, keskushermoston, eturauhas-, ja munasarjojen karsinoomat. (Ii) runsaasti biokemiallinen taustatietoa kokoelma on saatavilla julkisia. Ominaisuudet NCI-60 sarja on profiloitu sillä genomin, [18], [19] proteomic, [20] ja lääkkeen vaikutuksen taso, [21] – [23], ja nämä tiedot voidaan helposti soveltaa edelleen ”omiikka ”tutkimukset. Vaikka eri profilointi lähestymistapoja on laajalti tutkittu kuvaamaan NCI-60 solulinjojen, järjestelmällinen fluoresoiva koetin-pohjainen profilointi ei ole harjoittanut vielä.

Tulokset ja keskustelu

fluoresoiva antureista ja fluoresenssi fenotyyppaus

yhdistelmä rosamine (RS) ja BODIPY (BD) fluorofori kirjastoja (240 rosamine [24] ja 317 BODIPY [12] yhdisteet, 557 yhdisteet koko) käytetään tuottamaan fluoresenssin fenotyyppaus tietoja. Kuten aikaisemmin ilmoitettiin, nämä yhdisteet osoittivat hyvää solun läpäisevyyttä, ja leveä absorbanssi (λ

abs = 480~616 nm) ja fluoresenssiemissio (λ

em = 530~656 nm) vaihtelee laajalla rakenteellista monimuotoisuutta. Maksimoida tiedon solusta perustuvissa määrityksissä, käytimme kokosolu fluoresenssikuvan-pohjainen seulonta-alustan, joka antaisi integroitua solujen ominaisuuksia, ns high-sisällön seulonta. Laajamittaisen profiloinnin suoritettiin käyttäen automatisoitua fluoresenssimikroskooppia järjestelmän (ImageXpress Micro, Molecular Devices, Inc.). NCI-60-solut maljattiin ohut pohja 384-kuoppalevyille 70% konfluenssiin ja 557 fluoresoivat yhdisteet lisättiin eri kuopissa kahden lopulliset pitoisuudet 250 nM ja 500 nM. Fluoresenssikuvat saatiin sekä FITC ja TRITC kanavat kattaa laajan spektrit koettimia. Fluoresoivia kuvia otettiin kahdesta itsenäisestä kohtiin kuhunkin kuoppaan 3 ajankohtina (1 tunti, 24 tuntia ja 48 tuntia), ja kaikki kokeet monistaa. Kaikki yhdessä, 1604160 kuvaa (557 antureista x 60 syöpäsoluja × 2 pitoisuudet × 2 kanavaa x 2 sivustoja × 3 kertaa pistettä × 2 kaksoiskappaleet) kerättiin. Edustava fluoresenssi kuvadatan BD-46 on esitetty kuviossa 1 ja yksityiskohtia levyn suunnittelu on kuvattu kuviossa S1. Näiden fluoresenssi kuvia, monia erilaisia ​​ominaisuuksia, kuten morfologia, tekstuuri, tai intensiteetti voi uuttaa ja käyttää fenotyypin allekirjoitus. [25] On huomattava, että värjäytymisvoimakkuuksia ja rakenteessa localizations vaihteli yksittäisten solulinjojen, vaikka kaikki solut värjättiin sama määrä BD-46.

Quantitative fluoresenssivoimakkuus profilointi NCI -60 solulinjat

joukossa eri mahdolliset parametrit, keskityimme fluoresenssin voimakkuus solujen, koska kuvankäsittelytavan oli suoraviivaista ja käsitellyt tiedot oli vähemmän riippuvainen analyysin algoritmin kuin toiset. Edelleen estää esineen mistä erän-erien vaihtelut (tämä on erityisen tärkeää tässä tutkimuksessa pitkistä tiedonkeruuajan yli 2 vuotta), päätimme käyttää fluoresenssi-intensiteetin kertainen muutos vuosien ajan (intensiteetti kineettinen profiili), eikä absoluuttinen arvo intensiteetin. Ensinnäkin, mittasimme keskiarvot fluoresenssin intensiteetti solujen, ja intensiteetti kuvio eri solulinjoissa analysoitiin niiden voimakkuuden kineettinen profiili (kertainen muutos intensiteetin arvot 48 h yli 1 h; tietojenkäsittely-protokollien kuvataan kokeellisia menetelmiä). Sitten olemme analysoineet yleisen fluoresenssin intensiteetti muuttuminen NCI-60 sarja solujen riviä heatmap analyysi ja hierarkkinen klusterointi (Fig. 2). Yleisesti, keuhko-, paksusuoli-, ja munasarjasyövän soluja hyvin luokiteltu yksinkertainen klusterointi. Toisaalta, mistä näkökulmasta kemiallinen rakenne, fluoresoivat yhdisteet että osakkeita sama luokat xanthone johdannaisen rakenteesta (esim RS-A, RS-E, ja RS-K-sarja) näytteillä samanlainen vaste kuviota solulinjoja sama syöpä alkuperää (Fig. S2).

Fluoresenssi-intensiteetti kertamuutoksia ryhmittyivät varten 557 fluoresoivat koettimet (x-akseli) ympäri 60 syöpäsolulinjoissa (y-akseli). Kertainen = (fluoresenssi-intensiteetti 48 tunnin inkuboinnin) /(fluoresenssi-intensiteetti 1 h inkubaation).

Mielenkiintoista, merkittävä allekirjoitus ei havaittu RS-K-sarjan yhdisteitä. Nämä yhdisteet aluksi oli pieni fluoresenssin voimakkuuden, mutta 24 tunnin jälkeen, niiden fluoresenssi dramaattisesti lisääntynyt vain tietty joukko solulinjojen (HCT-116, HT29, Colo205, HCC-2998, EKVX, HOP-62, NCI-H460, NCI -H322M, ja NCI-H23). Lisäksi fluoresenssin vaste profiilit korreloivat voimakkaasti koettimen kanssa rakenteen ja syövän solutyypin (Fig. S2). Esimerkiksi sarjan RS-K yhdisteiden (K1, K3, K4, K14, K15, K16 ja K17) osoitti fluoresenssi kiihottavaa vaikutuksia keuhkojen ja paksusuolen syövän soluja (Kuva. S3), ja RS-E yhdisteistä ( E1, E3, E7, ja E29) osoitti kiihottavaa vasteita keuhkosyöpäsoluissa (Fig. S4). Vaikka Fluoresenssivasteesta RS-K ja RS-E-sarjan lisääntynyt niille tiettyjä syöpäsoluja, kukin yhdisteet osoittivat hienovarainen mutta selvä allekirjoitus. Erityisesti, RS-K-sarjan yhdisteet osoittivat turn-vaikutuksista kohti laajaa valikoimaa keuhkosyöpäsolua, mutta ne eroavat vastemalli riippuen 9-fenyyli rengasrakenne rosamine (Fig. S3). On myös huomionarvoista, muistuttaa joitakin näistä antureista erottaa erityisiä solulinjoja identtisistä syöpään alkuperää. RS-E1, RS-E3 ja RS-E7 yhdisteitä valikoivasti päälle ainoastaan ​​ACHN soluissa keskuudessa munuaissyöpäsoluissa (Fig. S5). Lisäksi ne osoittivat täsmällistä vastausta SW60 soluihin, mutta ei muualla 6 koolonkarsinoomasoluissa.

Toinen solulinja erityisprofiilin havaittiin RS-C3 yhdiste. RS-C3 indusoi voimakkaan fluoresenssi kiihottavaa vaikutuksia vain KM12 soluissa, ihmisen koolonisyöpäsolulinja, joukossa 60 solulinjat (Fig. 3). Keskiarvoon verrattuna loisteputki intensiteetit muissa NCI-60-solujen, RS-C3 osoitti poikkeuksellista 5,64-kertainen intensiteetti KM12 soluissa. Tutkia toiminnallisen ominaisuuden KM122 solut, jotka indusoivat valikoiva fluoresenssi fenotyyppi, analysoitiin mRNA ekspressiotietojen NCI-60 solulinjoissa. Perustuen mRNA ilmaisun tiedot GSE5846, erilaisesti ilmaistuna geenejä (DEGS), joka säädellään ylöspäin KM12 soluissa (Log

2 (Taitto) 1,5) valittiin, ja niiden geeni merkintä tietoja analysoitiin. Kegg polku ja geeni ontologian analyysit tunnisti viisi polkuja, jotka osoittavat merkittävää eroa (

P

arvo 0,001) välillä KM12 solujen ja kaikki muut NCI60 soluja, kuten solujen viestintä, hematopoieettisen solulinjan, ureakierron ja aineenvaihdunta aminoryhmät ja p53 signalointireitille (taulukko S3, S4). Näiden yhdistelmiä DEGS ilmaisun, on mahdollista erottaa KM12 soluihin pois muiden NCI60 solulinjojen, ja säädelty profiilin näistä geeneistä ovat ainutlaatuisia funktionaalisia allekirjoitus KM12 soluja. Koska fluoresenssi fenotyyppi RS-C3 näyttää kollektiivinen tieto tällaisista DEGS profiili yksittäisessä fluoresenssi kuvan intensiteetti muuttuu, tämä koetin on potentiaalia havaitsemaan samankaltaisia ​​toiminnallisia allekirjoitus muut solulinjat. Vaikka ei ollut selvää hetkellä minkälaisia ​​endogeenisen biomolekyylien suoraan vuorovaikutuksessa tämän anturi, se voitaisiin käyttää visuaalisesti tunnistaa koolonisyöpäsolulinja (KM12) kesken 60 syöpäsolulinjoja kuluttua 24 h esihaudonta.

(a) pylväsdiagrammi kineettisen kertainen muutos (b) fluoresenssi kuvien 60 syöpäsolun linjat.

syrjintä syöpäsolun alkuperää

kvantitatiivinen kuvio analyysi, intensiteetti kineettinen profiilit tutkittiin edelleen käyttäen lineaarista erotteluanalyysi (LDA) luokitella syöpäsolutyyppien. LDA on yleisesti käytetty luokitus menetelmä erityisesti korkean mitoitustiedot vähentämiseksi dimensionality. Soveltamalla LDA on kineettistä profiilia, oli mahdollista arvioida kertainen muutos vasteet kunkin kemiallisen koettimen optimaalisen syöpäsolujen tunnistamiseen, ja tuottaa pisteet toiminto ennustaa identiteetin solujen jopa kukin koetin ei osoita tiettyä vastetta yhden solulinjan. Pienin fluoresoiva koetin sarja, joka voisi syrjiä 9 syöpäsolutyyppien valittiin eteenpäin vaiheittain muuttuva valinta-algoritmin, ja 37 differentiaalisesti vastaamisen fluoresoivat koettimet valittiin (Fig. S6). Yllättäen kaikki 60 syöpäsolut onnistuneesti ryhmittyneet koskevasta LDA pisteet kuvaaja (kuvio. 4), ja 98% oli oikein kullekin alkuperäisen ryhmien avulla

jackknifed

ristivalidointi (taulukko S1). LDA tulokset ovat mielivaltaisia ​​yksikköarvoja edustavat maksimi identiteetti ennustaminen, ja tuloksemme osoittivat ensimmäisen ja toiseksi korkein LDA tulokset olivat tarpeeksi eron 60 solulinjojen suhteen syövän alkuperää (taulukko S2). On syytä huomata, että luokittelu yhdistämällä molempien BD ja RS koettimien paljon onnistuneita määritettynä ristivalidointi kuin mitä tahansa joko RS tai BD antureista yksinään (taulukko 1). Tämä tulos viittaa siihen, että kemiallinen monimuotoisuus fluoresoivia koettimia käytetään tuottamaan intensiteetti profiili vaikuttanut merkittävästi tulokset syövän luokittelu. Toinen mielenkiintoinen seikka on valittu 37 koettimien asettaa on, että mikään näistä koettimet ovat selektiivisiä yhden solun tai syövän tyypit. He osoittivat erikoisratkaisun kaavoja useiden solulinjojen, ja kohdesolussa ei aina rajoitu sisällä samanlaista syöpätyyppeihin. Uskomme, että selektiivinen vastauksia alullepanija tietyn biokemiallisen allekirjoituksella tai integroitu ehjä ympäristöt kohde- solutyyppejä.

x- ja y-akseli edustaa korkeinta ja 2

nd korkein LDA partituureja solu pisteytyksen toiminto (taulukko S2). 60 syöpäsolulinjoja leimattiin alkuperän mukaan syövän tyyppiä; CNS: punainen, paksusuoli: violetti, leukemia: oranssi, keuhko: vihreä, melanooma: vaaleanpunainen, rintojen: tummanvihreä, eturauhasen: vaaleanpunaisia, munasarja-: harmaa, ja munuaisten: oliivi.

Johtopäätös

Lyhyesti, raportoimme ensimmäistä fluoresenssin intensiteetti-pohjainen fenotyypin profilointi 60 ihmisen syöpäsolu-linjat (NCI-60) käyttämällä synteettisiä fluoresoivia koettimia. Rakenteellista monimuotoisuutta Fluoresoivan koettimet näyttää olevan kriittinen tekijä sukupolven erillisiä fenotyyppien, ja tuloksemme osoittivat, että 60 syöpäsolujen-linjat ovat kaikki menestyksellisesti syrjitään kannalta 9 syöpäsolun alkuperää. Eniten painotetaan syöpätutkimuksessa on keskittynyt synnyssä ja etäpesäkkeitä, ja etäpesäkkeitä tutkimusta on pysähtynyt puutteen vuoksi luotettavia seuranta tekniikkaa, joka voisi visualisoida tietyn alkuperä syöpäsoluja. Fluoresenssi yhdisteitä, jotka selvittävät erityisen alkuperän syöpäsolun voi vain antaa uuden ikkunan etäpesäke tutkimukseen, mutta myös käyttää syövän diagnosoinnissa ja etenemisen seurantaan. Vaikka tässä tutkimuksessa on rajoituksensa, koska teimme tunnistaminen syöpäsolujen alkuperää käyttämällä vain

in vitro

syöpäsolulinjoissa, tuloksemme edellyttäen aavistustakaan, että yhdistelmät fluoresoivia koettimia voitaisiin erottaa monimutkainen ja hienoisia eroja syöpäsolujen. Joka perustuu vastemalli, sitä parempi tunnistamisen tulos saatiin, kun enemmän fluoroforin telineiden käytetty, ja fluoresenssi-intensiteetti profiilit korreloivat voimakkaasti kemiallisen rakenteen fluoresoivan antureista ja syövän tyypit. Nämä havainnot osoittavat käytännön hyöty monimuotoisuuden suuntautunut fluoresenssi kirjaston lähestymistavan universaali solun fenotyyppaus.

Methods

Diversity suuntautunut fluoresenssi kirjasto valmistelu

rosamine ja BODIPY kirjasto yhdisteet valmistettiin aiemmin raportoitu protokollia, ja yhdiste rakenteet ja karakterisointi on raportoitu. [12], [24], [26] Kaikki yhdisteet säilytettiin -20 ° C: ssa microtilter levyillä kiinteässä muodossa, ja kantaliuokset valmistettiin liuottamalla yhdisteitä DMSO ennen seulontaa.

NCI- 60 syöpäsolun kulttuuri

NCI-60 solulinjoja saatiin National Cancer Institute. Kaikki NCI-60 solulinjoja viljeltiin kuvatulla tavalla jakelijan käsikirja. Lyhyesti, soluja viljeltiin korkean glukoosin Dulbeccon modifioitu Eaglen väliaine (DMEM), jota oli täydennetty 10% FBS: ää ja 1% antibiooteilla.

Kvantitatiivinen fluoresenssi-intensiteetin analyysia

keskiarvot fluoresenssin intensiteetit olivat lasketaan Matlab 7.9.0 (R2009b). Meidän aineisto, 4 kuvaa edustaa kukin koetilalle (2 päällekkäisiä × 2 kuvaa /kuoppa). Yhdistimme 4 kuvaa käyttämällä

kissa

toiminto Matlab optimoimiseksi IO käsittelyyn. Minimoida tausta vaikutus, vain fluoresenssin intensiteetti arvot alueella, jotka olivat positiivisia Otsu kynnys käytettiin laskettaessa keskiarvo.

graythresh

ja

im2bw

toimintoja Matlab kuvankäsittelymoduuli käytettiin laskettaessa Otsu n kynnyksen ja solu-alueen valintaa. Kaikki määrälliset kuvankäsittely eräajot laskettiin käyttäen 16-solmun PC klusterin 3 päivää.

Diskriminanttianalyysi

Lineaarinen erotteluanalyysi (LDA) suoritettiin käyttäen kertainen muutos arvoja fluoresenssivoimakkuudet välillä 48 tunnin ja 1 tunnin inkubaation pistettä. Probe valinta prosessoitiin eteenpäin vaiheittain muuttuva valinta algorithum in SYSTAT (versio 13).

NCI-60-geenin ilmentymisen ja koulutusjakson analyysi

mRNA lauseke kaavoja NCI-60 sarja solujen linjat ladattiin NCBI geenien ilmentymisen laadut (GEO) tietokantaan. GSE5846 Aineisto analysoitiin GenePlex v3.0 DEG havainto ja Pathway analyysimoduuleja (ISTECH, Inc.).

tukeminen Information

Kuva S1.

Kaavio NCI-60 määrityksen muodossa. Käytimme 384 kuoppalevyn suurikapasiteettiseen loisteputki kuvantaminen. 60-solujen jaettiin 13 subsets (kukin ryhmä sisältää vähemmän kuin 5 solulinjat), ja 2 fluoresoivat koettimet testataan kunkin osajoukkojen yksittäisessä kuoppalevylle. Koska elatusaineet haihtua nopeasti reunakammiot, ensimmäinen ja viimeinen kaksi saraketta ei käytetty määrityksessä.

Doi: 10,1371 /journal.pone.0032096.s001

(TIF) B Kuva S2.

SAR loisteputki koettimet fenotyypin profiilin. Hierarkkinen klusterin loisteputki vasteen fenotyypin paljastaa rakenteelliseen fluoresoiva koetin. Fluoresenssin voimakkuus muuttuu kuvio 557 fluoresoivien koettimien (x-akseli) vastaan ​​60 syöpäsoluja (y-akseli), kerättiin ryhmäksi. Kertainen = (fluoresoiva intensiteetti 48 tunnin kuluttua inkubaation) /(fluoresenssin voimakkuus kuluttua 1 h inkubaation).

Doi: 10,1371 /journal.pone.0032096.s002

(TIF) B Kuva S3.

Fluoresenssin intensiteetti profiilia RS-K-sarjan. (A) Fluoresenssivasteesta profiilia RS-K15 in NCI60 soluissa ja fluoresenssi kuvia keuhkosyövän solulinjat. Ensimmäinen ja toinen rivi kuvat otettiin 1 tunnin ja 24 tunnin kuluttua anturi hoidon osalta. Kaikki 4 kuvia kunkin koetilalle näkyvät. (B) Fluoresenssin intensiteetti pylväsdiagrammi mallia RS-K-sarjan kohti 60 tasyöpäsolulinja.

Doi: 10,1371 /journal.pone.0032096.s003

(TIF) B Kuva S4.

Fluoresenssin intensiteetti profiilia RS-E-sarjan.

doi: 10,1371 /journal.pone.0032096.s004

(TIF) B Kuva S5.

Cell lajikohtaisesti vaste RS-E-sarjan yhdisteiden joukossa munuaisten ja paksusuolen syöpä alkuperää. Fluoresenssi-intensiteetti pylväsdiagrammi RS-E1, RS-E3, ja RS-E7-yhdisteiden syöpäsoluja (a) paksusuolen ja (b) munuaisten alkuperää.

Doi: 10,1371 /journal.pone.0032096.s005

(TIF)

Kuva S6.

rakenteet 37 on valittu fluoresenssikoetinta alkaen LDA. Koettimet valitsi perustuu vaiheittain eteenpäin automaattinen muuttujan valinta algoritmi alfa-to-enter: 0.150 ja alfa-to-remove: 0,150 kriteerien avulla SYSTAT v13.

Doi: 10,1371 /journal.pone.0032096.s006

(TIF) B Taulukko S1.

Jackknifed ristivalidointi

matriisi kolmen sarja fluoresoivia koettimia.

doi: 10,1371 /journal.pone.0032096.s007

(XLS) B Taulukko S2.

LDA pisteet toiminta ja kerroin valittujen fluoresoivien koettimien.

doi: 10,1371 /journal.pone.0032096.s008

(XLS) B Taulukko S3.

Valitut Kegg poluista, jotka perustuvat DEGS of KM12.

P

-arvot laskettiin

Fisherin testiä

.

Doi: 10,1371 /journal.pone.0032096.s009

(XLS) B Taulukko S4.

Top 20 biologisia prosesseja geenistä ontologian merkinnästä DEGS in KM12 solussa.

doi: 10,1371 /journal.pone.0032096.s010

(XLS) B

Kiitokset

Haluamme kiittää Korea Institute of Science and Technology kvantitatiivista kuva-analyysin avulla PC klusteri.