Krooninen sairaus

tiivistelmä

keskeinen tavoite syövän biologian on ymmärtää, miten solujen tämän perheen geneettisten sairauksien suoritettava erikoiskoulutus morfologiset ja fysiologiset muutokset ja taantua de-säänneltyjen tilan solusyklin. Se, että kasvaimet eivät pysty suorittamaan suurimman osan tiettyjä toimintoja alkuperäisen kudoksen johti meidät oletuksen, että aste erikoistumisen transcriptome syöpäkudoksen on oltava alle niiden normaali kollegansa. Tuella informaatioteoriaan työkaluja, analysoimme neljästä tiedostosta peräisin transcriptomes normaalien ja kasvaimen kudokset kvantitatiivisesti testata hypoteesia, että syöpä vähentää transcriptome erikoistumista. Tässä osoitamme, että transkription erikoistuminen kasvain on huomattavasti pienempi kuin vastaavat normaalia kudosta ja verrattavissa erikoistuminen dedifferentoituneiden alkion kantasoluja. Lisäksi osoitamme, että lasku erikoistuminen syöpäkudokset johtuu suurelta osin laskusta ilmaus geenejä, jotka ovat erittäin spesifisiä elimen normaalia. Tämä lähestymistapa antaa meille paremman käsityksen syövän synnyn ja tarjoaa uusia välineitä, joilla tunnistetaan geenejä, jotka ovat erittäin vaikutusvaltainen syövän etenemiseen.

Citation: Martínez O, Reyes-Valdés MH, Herrera-Estrella L (2010) Cancer vähentää transcriptome Erikoistuminen. PLoS ONE 5 (5): e10398. doi: 10,1371 /journal.pone.0010398

Editor: Shin-Han Shiu, Michigan State University, Yhdysvallat

vastaanotettu: 03 maaliskuu 2010; Hyväksytty 7 huhtikuuta 2010 Julkaistu: 03 toukokuu 2010

Copyright: © 2010 Martínez 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 Consejo Nacional de Ciencia y Tecnología (Conacyt), Consejo de Ciencia y Tecnología del Estado de Guanajuato (Concyteg), Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional (Cinvestav) ja Universidad Autónoma Agraria Antonio Narro (UAAAN). 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

Syöpä on monimutkainen perheen hankittujen geneettisiä sairauksia, joissa yhden solun klooni ja sen jälkeläisten kerääntyä periytyviä muutoksia, jotka aiheuttavat pahanlaatuinen fenotyyppi vapautuneilla solujen kasvun ja erilaistumisen [1]. Lukuisia tutkimuksia on tehty paremmin ymmärtämään muutoksia, jotka esiintyvät transkription profiilin etenemisen aikana syöpä [2]. Nämä kokeet on tehty suoraan laskemalla tunnisteet ilmaisi geenien sarjaliikennearkkitehtuureihin analyysi geeniekspression (SAGE) [3], ilmenevän geenin osiksi (EST) [4], ja muut laskenta strategioihin, tai epäsuorasti mittaamalla tasoja transkription DNA-mikrosiruja [5]. Monissa tapauksissa nämä kokeet ovat havainneet geenejä, jotka ensisijaisesti ilmaistaan ​​syöpäkasvain, ja voi toimia molekyylimarkkereita maligniteetti. Lisäksi ne voivat myös havaita merkittäviä muutoksia transkription tason sarjaa geenejä, jotka osallistuvat monimutkainen signalointi verkoissa. Muutokset näissä verkoissa edustavat vääristymiä reittejä, jotka säätelevät fysiologian normaalien solujen [6].

Syöpäsolut menettävät kyky suorittaa normaaliin toimintaan alkuperäisen kudoksen, ja samaan aikaan, saada ominaisuuksia, jotka jotta ne voisivat selviytyä itsenäisenä ja usein invasiivisia kasvain. Koska solulinjat kehittyä normaalista Syöpätilassa, mutaatiot ajaa kasvua geneettisen monimuotoisuuden [7]. Tämä prosessi tapahtuu rinnakkain valinnassa fenotyyppien ja genotyyppien, jotka mahdollistavat ennalta syöpäsolujen viihtyvät niiden mikroympäristön [8]. Kasvainsolut usein puuttuu eriyttäminen, joka on läsnä normaalissa kudoksessa että ne ovat peräisin. Puolivälistä alkaen 19

century, tämä seikka on johtaa patologit siitä, että kasvaimet syntyvät alkion kaltaisia ​​soluja [9]. Ottaen huomioon, että syöpä on johtuvat solun, jolla on mahdollista jakaa kaksi ei-yksinomaisen hypoteesit solujen alkuperä kasvaimia on aiemmin ehdotettu. Ensimmäinen hypoteesi toteaa, että pahanlaatuisen syntyy kantasoluista takia kypsymisestä pidätystä; Toisessa todetaan, että syöpä johtuu erilaistamattomuuden kypsien solujen [10]. Viime aikoina on kuitenkin, käsite ”syöpä kantasolut”, tai harvinaisia ​​solut rajattomat mahdollisuudet itseuudistumisen, on saavuttanut hyväksyntää solujen alapopulaation joka ajaa kasvaimien syntyyn. Tämä hypoteesi perustuu havaintoihin, jotka ovat osoittaneet, että joissakin tapauksissa, vain osajoukko solujen kasvain on rajoittamaton proliferatiivinen potentiaali [11]. Kuitenkin tämän hypoteesin edelleen kiistanalainen, koska kasvua tiettyjen pahanlaatuisten kasvainten ohjaa merkittävä osuus tuumorisoluihin, jotka eivät ole syövän kantasoluja (yli 10%) [12]. Riippumatta, on selvää näyttöä siitä, että erilaistumattoman fenotyyppi monien kasvainsolujen muistuttaa fenotyyppi erilaistumattoman normaaleja soluja, kuten alkion kantasolujen. Lisäksi tutkimus geeniekspression syöpäkasvainten on osoittanut, että heikosti eriytetty kasvaimia osoittavat suosivista yliekspressio geenien normaalisti rikastettu alkion kantasoluja, tukee sitä mahdollisuutta, että nämä geenit edistävät kantasolun fenotyypit on esitetty monia kasvaimia [13].

Aikaisemmin on kuvattu kehittäminen indeksit perustuvat Shannonin informaatioteoriaan mitata transcriptome monimuotoisuus, erikoistuminen, ja geeni spesifisyys normaaleissa elinten ja kudosten [14]. Tässä tutkimuksessa olemme saaneet indeksi-geenin spesifisyyden,

S

i

, jonka arvo on nolla geenejä, ovat yhtä ilmentyy kaikissa kudoksissa, ja on määritelty maksimiarvo, kun geeni ilmentyy vain yhdessä kudoksessa. Transcriptome erikoistuminen,

δ

j

vuoksi, on määritelty keskimääräinen geenin spesifisyyden ilmaistu transcriptome (katso materiaalit ja menetelmät). Yleensä kudokseen on erikoistunut jos geenit ovat erittäin ilmaistaan ​​se. Olemme myös osoittaneet, että ihmisen elinten on erityinen epäyhdenmukaisuus ja erikoistumista, joka liittyy niiden toiminnallisuutta. Tässä tutkimuksessa käytimme informaatioteorian työkaluja verrata transcriptome monimuotoisuutta ja erikoistuminen syöpäkasvainten vs. normaalia kollegansa. Osoitamme, että erikoistuminen syöpä kudoksiin yleensä vähenee verrattuna normaalin kollegansa, mikä johtuu pääasiassa laskusta ilmentymistä erittäin spesifisten geenien.

Tulokset

arveltu, että morfologinen ja toiminnallisia muutoksia, jotka tapahtuvat aikana syövän etenemisen johtaisi merkittäviin muutoksiin syövän transcriptome, mukaan lukien vähentäminen erikoistuminen, kun verrattiin analogisia normaaleissa kudoksissa. Tämän hypoteesin testaamiseksi laajassa puitteissa, valitsimme kolme kokoelmia geenin tageja ja yksi mikrosirujen kokeilu. Aineistot

ja

B

valitaan kokoelmista cDNA-kirjastojen alkaen ”Cancer Genome Anatomy Project” [15] ihmisen ja hiiren kudoksissa, vastaavasti. Aineisto

C

koostuu SAGE kirjastojen normaalista ihmisen ja tuumorikudoksista saatu ”Human transcriptome Map” projekti [16] ja aineisto

D

on microarray tutkimus ihmiskudosten normaalissa ja pre -cancerous todetaan, että oli yhdistetty potilaan [17]. Aineistot

ja

B

sisällyttää viiden alkion kantasolujen (ESC) ja yksi luuydinsiirtopotilailla (HSC) kirjastot ja otettiin mukaan analyysiin, joka perustuu niiden asteesta erilaistamattomuuden. Nämä aineistot alistettiin analysointi ominaisuuksien transcriptome kuten aikaisemmin on kuvattu [14]. Vuonna laskenta tunnisteet aineistoja, arvioimme tilastollista merkitystä erojen erikoistumista. Kussakin tapauksessa saimme spesifisyys (

S

i

) ja Target spesifisyys (

TS

ij

) varten geenit tutkitaan aineistot, joka mahdollisti valintaa oletettujen ilmentynyt geenien syöpää tai normaaleissa kudoksissa sekä syrjintä geenien ilmentyy tietyssä kunnossa.

Arvioidaan transcriptome erikoistuminen normaalissa ja syöpä- kudoksiin

analyysi aineistot

ja

B

arvioimiseksi transcriptome monimuotoisuus (

H

j,

) ja erikoistuminen (

δ

j

) indeksit tehty kolme tasoa cDNA-kirjaston ryhmittely seuraavat nimitys: yksittäinen cDNA-kirjastot määriteltiin ”ungrouped”; koottu cDNA-kirjastot peräisin samanlaista elinten ja kudosten tila (normaali tai syöpä) on määritelty ”ryhmitetty”; ja lisäksi ryhmittely cDNA-kirjastojen, että vain pidetään kudos valtio eikä elin alkuperä määriteltiin ”täydellinen ryhmittymä” (katso materiaalit ja menetelmät).

H

j

mitattu vaihtelevuutta jakaumien selostukset ja

δ

j

arvioitu keskimääräinen spesifisyyden geenien ilmaistu transcriptome. Visualisointi kannat transcriptomes vuonna (

H

j

,

δ

j

) koordinaatit pystyimme tehokkaasti arvioimaan suhteelliset erot näissä merkittävät muuttujat. Tulokset ryhmittämätöntä analyysin aineisto D analyysi, taulukot luottamusväli asiaankuuluvia parametreja, ja leikkelyn erot transcriptome erikoistuminen käsitellään tukeminen Teksti S1.

Kuva 1 esittää sirontakuvaajiin pitoisuuksien transcriptome monimuotoisuus,

H

j

, ja erikoistuminen,

δ

j

kello ryhmitelty tasolla aineistoja

ja

B

. Verrattaessa 12 paria ihmisen analogisia kudosten, 11 syöpäkudokset oli huomattavasti vähemmän erikoistumista kuin normaali kollegansa, jossa silmä syöpä on ainoa kudos, joka oli arviolta erikoistuminen, joka oli suurempi, että sen normaali vastine (kuvio 1A, Taulukko S4, ja tukeminen Teksti S1). Kuitenkin lisäanalyysikin, päättelimme, että silmä kudosnäyte on todennäköisesti vääristynyt johtuen pienempi otoskoko normaalin silmän kirjasto (10679 tunnisteet) verrattuna syöpä silmään kirjasto (42029 tunnisteet) (ks tukeminen Teksti S1). Tämä todennäköisesti esti oikea arvio silmä-geenit normaalissa kirjastossa. Kaikki muutokset erikoistuminen transcriptomes ovat tilastollisesti merkitseviä (taulukko S4 ja Taulukko S5; P 0,01). Kuvio 1A osoittaa myös, että transcriptome monimuotoisuus mitattuna

H

j

, lisääntynyt syövän valtioiden kaikissa kudoksissa, lukuun ottamatta kiveksissä ja istukan. Kasvu

H

j

osoittaa tasaisemman jakautumisen transkriptiotasoja ilmentyvien geenien, joka on todennäköisesti johtuu laskusta geenien ilmentymistä vallalla normaaleissa kudoksissa. Kuten kuviossa 1A, havaitsimme, että erikoistuminen ryhmitetty TSK kirjastoissa on samalla tasolla kuin suurin osa syöpään kudoksiin. Tämä on yhteisymmärryksessä alhainen morfologiset erikoistuminen alakohtaisten neuvostojen.

Vertailukelpoisia aineistoja ovat sidoksissa epäjatkuvan linja.

– Human tiedot 53 kirjastoista 13 erillisten kudosten, joissa on yhteensä 671197 tagit 28087 geenejä; ryhmitelty analyysit.

B

– Mouse tietoja 29 kirjastoista 5 erillisten kudosten ja joissa on yhteensä 541453 ilmaisi tagit 25044 erillistä geenien; ryhmitelty analyysit. Tiedot

ja

B

ovat peräisin ”Cancer Genome Anatomy Project” (https://cgap.nci.nih.gov/). Arvioitu 95%: n luottamusväli monimuotoisuuden ja erikoistumista piirretään jatkuvana viivaa. Katso tukeminen Teksti S1 sekä Kuva S1, Kuva S2, kuva S3, Kuva S4, kuva S5 ja Kuva S6, jotka kuvaavat yksittäisten vertailuja ja yksityiskohtia.

Jotta voidaan arvioida lasku erikoistumista syöpäkudoksiin, vertasimme keskimääräinen spesifisyys geenejä, jotka olivat yli-ilmentyy normaaleissa kudoksissa ja että syöpäkudoksiin. Yleensä huomasimme, että siellä oli huomattavasti suurempi keskimääräinen spesifisyys geenien yli-ilmentyy normaaleissa kudoksissa, mikä viittaa siihen, että lasku erikoistuminen johtui vähentäminen tai ilmentymisen pitkälle erikoistunutta geenien normaaleissa kudoksissa aikana syövän synnyn (katso taulukko S11 ja kuvio S11). Olemme myös analysoineet kymmenen vaikutusvaltaisimman geenejä, jotka aiheuttivat väheneminen erikoistuminen kaikilla yhdellätoista kudoksissa aineisto

a.

Jokaista kudosta, löysimme esimerkkejä elinspesifiseen geenejä, jotka sammutettiin vastaavalla syöpäkudoksessa, lukien Chondroadherin (

TŠAD) B luun, Uromodulin (

UMOD) B munuaisissa, happaman fosfataasin prostataspesifisen (

ACPP) B -geenin eturauhasen, ja geeni spermatogeneesi liittyvä proteiini kiveksissä (taulukko S12).

Jos haluat vahvistaa hypoteesia, että erikoistuminen pienenee syöpäkudokset, tutkimme täysin itsenäinen malli hiirikudoksissa (aineisto

B

). Tässä analyysissä kaikki normaalin kudosten verrokkeja useammin erikoistumista kuin vastaava syöpäkudokset (kuvio 1 B, taulukko S6 ja taulukko S7; P 0,01). Aineisto

B

myös kirjaston HS-solujen saatu luuytimestä. Nämä solut osoittivat erikoistumisen verrattavissa normaali keuhko ja ihon vaikka erilaistumaton (kuvio 1 B). Neljässä viidestä elinten tutkittu aineisto

B

keskimääräinen spesifisyys geenit, jotka olivat yli-ilmentyy normaaleissa kudoksissa oli merkittävästi suurempi kuin vastaava arvo syöpäkudoksiin, lukuun ottamatta maitorauhasen ( Taulukko S11). Kuitenkin geenit liittyvät maidontuotannon, jotka olivat sisällä vaikutusvaltaisin geenit maitorauhasen ja on suuri spesifisyys ilmaisun tässä kudoksessa (taulukko S13 ja Table S14), osoitti äärimmäisen lasku ilmentymistä syöpäkudoksen. Nämä tulokset selittävät yleinen lasku erikoistuminen nähdään maitorauhasen. Lisäksi hajontakaavioiden geenin taajuuden muutos välillä normaalin ja syöpäkudokset vs. erikoistuminen osoitti esiintyvyys erittäin spesifinen, yli-ilmentynyt geenien normaaleissa kudoksissa viidestä elimet tutkittiin (kuva S12). Olemme päätellä, että suuresti yksittäisten geenien ovat vähentyneet ilmentymistä syöpäkudokset ajaa lasku erikoistuminen, samanlainen kuin vuonna aineisto A.

dataa ”Human transcriptome Map” (aineisto

C

) koostuvat kokoelma SAGE geenin tunnisteet, jotka kuuluvat heterogeeninen normaalin ja kasvaimen kudokset, jotka on ryhmitelty kromosomi. Olemme huomiotta ilmeisiä eroja transkription profiileja välillä erillisten elinten ja vain testata hypoteesia, että erikoistuminen vähentää kasvaimen transcriptomes. On syytä huomata, että toisin kuin analyysejä aineistot

ja

B

, jossa geeni spesifisyys arvioitiin yhdistelmälle kudosten ja sairauteen sen aineisto C spesifisyys arvioidaan vain huomioon tilan kudoksen (normaali vs. kasvain) ja jätetään kudoksen alkuperän. Siksi geeni spesifisyys tässä aineisto viittaa vain normaali tai kasvain kudosten ja merkitsee sitä, että paljon pienempi arvioitu erikoistumista olisi noudatettava. Suuri ja merkittävä muutos transcriptome erikoistumista normaalin ja kasvaimen kudokset nähtiin kaikkien kromosomien (kuvio 2, kuvio S7, Kuva S8, Kuva S9 kuviossa S10, Taulukko S9, ja tukeminen teksti S1), lukuun ottamatta kromosomi Y, ja joka ero ei ole merkittävä. Useimmat erot ovat huomattavia (23 out of 24) ovat odotettuun suuntaan ja on vähemmän erikoistumista kasvain transcriptomes. Yksi poikkeus tähän oli kromosomi 18, joissa muutos on erikoistuminen on vastakkaiseen suuntaan (ks tukeminen Teksti S1). Kuitenkin analyysi kaikista loci yhteen (kuva 2 ja taulukko S9) tukee voimakkaasti hypoteesia, että syöpä vähentää erikoistuminen kudoksiin.

Human ilmaisu tiedot on saatu ”Human transcriptome Map” projekti (http: //bioinfo.amc.uva.nl/HTMseq/controller), aineistot ”Kaikki kudokset normaali” ja ”Kaikki kudokset kasvain”. Tiedot koostuvat 18609073 tunnisteita yhteensä 62916 lokuksiin kromosomi. Katso Kuva S7, Kuva S8, Kuva S9 ja kuvion S10 voimistavia laatikot tämä luku esittelee 95%: n luottamusväli arvioissa.

Meidän Edellisessä tutkimuksessa osoitimme, että arvioitu sijoitus vaihtelu monimuotoisuuden ja erikoistuminen ihmisen transcriptome on paljon pienempi käytettäessä mikrosiruja kuin silloin, kun laskenta-geenin tageja [14]. Tämä johtuu suhteellisen kapeampi dynamiikan mikrosiruja verrattuna tag laskenta strategioita [18], joka vääristää sekä korkea ja matala ilmaisi geenejä. Näistä puutteista huolimatta analyysi normaalista (TDLUs) ja syövän esiasteita (HELUs) kudoksiin pariksi potilaan (aineisto

D

) osoitti suurta laskua erikoistuminen precancerous kudoksissa seitsemän kahdeksasta tutkituista tapauksista (kuva S13) .

Geenit havaittiin vain syövän

informaatioteoriaan lähestymistapa tutkimiseen transcriptome on se etu, että arvio asteen globaali geenin spesifisyyden,

S

i

, kunkin geenin tutkittu sekä sen kohdespesifisyyden

TS

ij

, parametri, joka mittaa spesifisyys tietyn geenin valitun transcriptome (ks matemaattiset Lisäys tukemisessa teksti S1) . Nämä työkalut mahdollistavat helpon selektion geenejä, jotka ekspres- soidaan edullisesti syövän kudoksissa ja näin ollen on mahdollista toimia molekyylimarkkereita maligniteetti. Lisäksi nämä indeksit voivat auttaa tunnistamaan geenejä, jotka ovat ominaisia ​​tietynlaista syöpä tai geenejä, jotka eivät muutu merkitsevästi aikana syövän kehittymistä ja näin ollen voi olla merkki valvonnan mitattaessa geenejä vaihtelevan ilmentymisen. On tärkeää huomata, että silloin, kun geeni on erityisesti aineisto havaitaan vain syövän kudoksissa, sitä ei voida päätellä, että yksinomaan syövän, koska se voisi myös olla läsnä normaaleissa kudoksissa havaitsemattomille tasoille. Kuitenkin geenit, joilla on korkea ilmentymisen että löytyy vain syövän kudoksissa ovat hyviä ehdokkaita ovat huomattavasti säädellään ylöspäin syövän.

geenien tunnistamiseksi, jotka ilmentyvät differentiaalisesti syövän kudoksissa, päätimme geeni spesifisyys (

S

i

) ja kohde spesifisyys (

TS

ij

) in aineisto

käyttäen täydellistä ryhmittely analyysi. Taulukossa 1 esitetään esimerkkejä geenien edustettuina syövän kudoksissa Eniten ekspressiotason (yli 1 10000) ja poissa kaikista normaaleista kudoksista. Nämä geenit vasta havaittu syövän kudoksissa, jossa on useita tunnisteita (vaihteluväli 54-535) syövän kudoksissa eikä tageja normaaleissa kudoksissa (enintään

S

i

analyysissä). Tilastollisesti validoimiseksi ilmen- tymisen lisääntymisen taajuus näiden geenien, haimme Fisherin eksakti testi [19] kanssa Bonferronin korjausta useille testaus [20] (ks Methods). Taulukossa 2 on esitetty geenejä, jotka havaittiin vain yhden tyyppinen syöpä. Tunnistaminen tällaisia ​​geenejä oli mahdollista (aallonpohjasta

S

i

ja

TS

ij

) johtuen sisällyttäminen eri syöpätyyppien kudosten analyysissä. Taulukko S10 esitetään esimerkkejä geenien yksinomaan ilmaistaan ​​suhteellisen korkea kasvainkudoksissa analyysissä aineisto

C

.

Keskustelu

käyttö informaatioteoriaan työkaluja arvioida määrällisesti muutoksia vakaassa tilassa transkriptio runsaus antoi meille mahdollisuuden tutkia neljä eri aineistoja onko syöpäkudokset on vähemmän transcriptome erikoistumisen kuin normaalia kollegansa. Saadut tulokset näistä analyysit osoittivat, että erikoistuminen syöpä transcriptome väheni verrattuna normaaliin kudokseen vastaava. Lasku transcriptome erikoistuminen johtui pääasiassa vähentää ilmentymistason geenejä, jotka ovat kudosspesifisiä ja ilmaistaan ​​yleensä korkeilla tasoilla normaalissa kudoksessa (ks tukeminen Teksti S1 ja Table S11, Table S12, Table S13, Table S14, Table S15 ja Taulukko S16). Nämä tulokset ovat yhtäpitäviä havainnon, että kasvaimia on usein morfologisesti dedifferentoituneiden solutyyppejä tavalla samanlainen kuin havaittiin kantasolujen [21]. Lisäksi, molekyyli näyttö on osoittanut, että heikosti eriytetty syöpäkasvainten yliekspressoimaan geenejä, jotka on rikastettu alkion kantasoluja [13]. Ei ole täysin selvää, onko syöpä aloittaa prosessilla on de-sääntelyn elimen kantasoluja tai de novo erilaistamattomuuden elinten soluja ohjaa syntyvät mutaatiot kehittämisen aikana kasvaimen [7].

Kaikki suurikapasiteettisten transcriptome tutkimuksista, joissa käytettiin joko laskemalla tag strategioita tai mikrosiruja ainoastaan ​​mitata suhteelliset muutokset transkription tasoa. Tämä lähestymistapa tekee yleisesti hyväksyttyjä oletukseen, että kaikki solut on sama absoluuttinen transkriptionaalista aktiivisuutta. Tämä oletus ei ole kokeellista validointi, erityisesti kun kyseessä on syöpäsoluja. Menetelmää käytettiin tässä tutkimuksessa mitataan suhteessa geeni-ilmentymisen (joukko

p

ij

) arvioida geenin spesifisyyden, transcriptome monimuotoisuutta, ja erikoistumista. Siksi emme voi sulkea pois mahdollisuutta, että kaikki geenit voivat olla korkeampi absoluuttinen ekspressiotaso syöpään kuin normaaleissa kudoksissa. Kuitenkin yleinen kasvu transkriptio syöpäsoluissa ei olisi suurta vaikutusta transcriptome erikoistuminen tai spesifisyyden geenin ilmentymisen.

transcriptome erikoistuminen, δ

i, mitataan yksinomaan yhteydessä elinten ja kudosten mukana analyysissä ja heijastaa elimen tai kudoksen bias kohti tiettyjen geenien ekspressiota. Arvioida ”true” erikoistuminen kudoksen, kaikki erillisiä solutyypeissä tietyn elimen on sisällytettävä erikseen analyysiin. Tämä ei täyttynyt suorittaman analyysin tästä rajoitusten takia käytetyt tiedot tässä tutkimuksessa. Toinen tekijä, joka vaikuttaa arviointiin erikoistuminen on otoskoko, tai tarkemmin sanottuna useiden geenien tunnisteita käyttää. Erittäin spesifisiä geenejä yleensä ilmaistaan ​​pieni osajoukko soluja, jotka muodostavat elin, ja näin ollen on suuri todennäköisyys, jolla ei ole mitään geeniä tunnisteet ja ei esiinny, jos näyte on suhteellisen pieni. Tämän seurauksena erikoistumisen taipumus pidä aliarvioida pienestä otoksesta. Kun kyseessä on aineisto

, kokonaismäärä tunnisteita oli 620696, jossa on 131623 (21%) tunnisteet vastaavat normaaleja kudoksia ja loput 489073 (79%) tunnisteet vastaavat syöpäkudoksiin. Siksi mahdollisuudet aliarviointiin erikoistumisen oli korkeampi normaaleissa kudoksissa kuin syöpäkudokset. Kuitenkin Kuvio 1A esittää vahvaa näyttöä vähemmän erikoistumista syöpäkudokset. Tämä havaittiin aineistot

B

ja

C

samoin.

Ihmisen elimet muodostuvat eri luvut ja soluja ja näin ollen eri tasoa monimutkaisuus. Monimutkaisempi elin on suurempi useita eri solutyyppejä, ja sen seurauksena, arvio sen monimuotoisuuden ja erikoistuminen on vähemmän tarkka ja edellyttää suurempaa otoskoko tarkkuutta. Sen sijaan kasvaimet muodostetaan pieni määrä erillisiä solutyyppejä ja arvio sen monimuotoisuuden ja erikoistuminen ovat täsmällisempiä tietyn näytteen kokoa. Tämä on ilmeistä, että koko luottamusvälit kunkin kohdan kuvassa 1 (katso myös kuva S1, Kuva S2, kuva S3, Kuva S4, kuva S5 ja Kuva S6). Molemmissa tapauksissa (aineistot

ja

B

), koon luottamusvälit on suurempi normaalin kudosten analysoitiin kuin heidän syöpä kollegansa. Siitä huolimatta erot erikoistuminen normaalin ja syöpäkudokset useita luottamusvälejä toisistaan, mikä osoittaa, että johtopäätökset ovat tilastollisesti varmana (taulukko S4, Table S5, Table S6, taulukko S7 ja taulukko S8).

On hyvin tiedetään, että kasvainsolut ovat usein erilaistumaton ja muistuttavat alkion kantasoluja [9]. Vertaamaan erikoistumisen syövän kudosten kanssa, talous- ja sosiaalineuvostojen, me mukana viisi kirjastoja talous- ja sosiaalineuvostojen aineisto

ja analysoitiin yksitellen (kuvio S1) tai ryhmänä (kuvio 1A). Asento TSK kuvassa 1 ja kuvassa S1 vahvistavat, että erikoistumisen Kantasolujen on verrattavissa suurin osa syöpään kudosten analysoitu. Nämä tiedot vahvistavat korrelaatio fenotyyppiset erilaistamattomuuden ja lasku erikoistuminen sekä talous- ja sosiaalineuvostojen ja syöpäsoluja. Valitettavasti tiedot osoittavat aste erilaistamattomuuden puolestaan ​​tunnettu kasvaimia analysoitu aineistot

,

B,

ja

C

eivät olleet tietokannoissa, ja siksi voisimme ei päätellä onko suhde aste erilaistamattomuuden kasvain ja sen lasku erikoistumista. Kuitenkin oletamme, että tämä suhde on todennäköisesti olemassa, koska aste erilaistamattomuuden kasvaimen näyttää korreloivan ilmentymisen sarjaa geenejä, jotka ovat rikastuneet talous- ja sosiaalineuvostoille [13].

Analysoimme kirjaston HSC: iden osana aineisto

B

. Tämä kirjasto valmistettiin FACS-puhdistettiin, hematopoieettiset kantasolut saadaan luuytimestä ja edustaa soluja, jotka voivat erilaistua myelomonocytic solujen, B-solujen tai T-solujen. Toisin talous- ja sosiaalineuvostojen kuvion 1, nämä solut ovat peräisin erikoistunut aikuisen elin. Kuten kuviossa 1B on esitetty, HS-solujen on taso arvioidaan erikoistumisen verrattavissa normaalin keuhkojen ja suurempi kuin normaali iho. Tämä osoittaa, että suhteellisen erilaistumattoman solutyyppejä voidaan esittää suhteellisen korkea erikoistuminen transcriptome. Meidän päätelmää tukee myös transcriptome analyysi normaalista imukudoksista (Imuneste ja Lymphr; kuvio 1A).

Ehdotamme, että kunnon ennalta syöpäsolu, yhteydessä kasvain, kasvaa jos geenit liittyvät alkuperäiseen toiminta vanhempien kudosten sammutetaan, koska tämä erittäin ilmaistaan ​​ja määritettyjen geenejä edustaa kalliiksi energiaa ja resursseja olisi epäedullista yhteydessä kasvain. Meidän hypoteesi ehdottaa, että jos ilmaisu näiden erittäin ilmaistaan ​​ja geenit pienennetään tai pois päältä, sitten lasku kudoksessa erikoistuminen on noudatettava. Dissecting väheneminen erikoistuminen analysoimalla yksittäisten geneettiset tekijät antavat ymmärtää paremmin syövän synnyn. Lisäksi, jos ilmentymisen lasku ainakin joitakin näistä geeneistä edeltää morfologisia muutoksia ennen syöpäsolujen, lasku voitaisiin hyödyntää diagnostista ehdottaa. Meidän hypoteesi ei ole ristiriidassa havainto erilaistamattomuuden syövän kudoksissa, vaan yhtäläisyyksiä tämän havainnon: kudokset suuremmalla dedifferentoituneiden fenotyyppi ilmaisee vähemmän erikoistunut transcriptome.

analyysi aineisto

C

suoritettiin loci että ryhmiteltiin kromosomien heterogeenisen seoksen kudosten luokitellaan vain ”normaali” tai ”kasvain”. Siksi spesifisyys loci on vain arvioitu suhteessa tämän kriteerin eikä suhteessa elimen alkuperän kuten aineistot

ja

B.

Tämän seurauksena erikoistuminen arvioitu että ”normaali” ja ”kasvain” kudoksiin on paljon pienempi kuin listalla erikoistumisen arvioida, kun elin alkuperä otetaan huomioon (vertaa kuviot 1 ja 2). Vaikka pienet poikkeamat erikoistuminen normaalin ja syöpä- kudosten aineisto

C

, tiedot ovat tilastollisesti merkitseviä kaikissa kromosomeja (paitsi kromosomi Y) ja kaikissa tapauksissa, paitsi kromosomi 18, osoittavat, että lasku erikoistuminen tapahtuu kasvaimissa (taulukko S8). Mielenkiintoista on, kromosomi 18 sisältää useita tuumorisuppressorigeeneille lukien

DDC

,

DPC4,

ja

JV18-1 /MADR2

[22], ja siksi korkea näiden geenien ilmentymistä voisi ajaa havaittu kasvu erikoistumisen (katso taulukko S15). Yhdessä nämä tiedot palvelevat riippumatonta vahvistusta oletusta, että transcriptome erikoistuminen vähentää kasvaimissa. Ennakoimme tehostettu mekanismien ymmärtämistä vastuussa pudotus erikoistumista, jota esiintyy kasvaimissa parantamalla luonnehdinta syövän transcriptome profiilien johtaa uusien molekyylien diagnoosin työkalujen ja väliintulotekniikoiden.

analyysistä ryhmitelty normaali ja syöpä- kudosten aineisto

( ”täydellinen ryhmittymä”; katso menetelmät) havaitsimme 14573 geenejä (52%) pois yhteensä 28087 geenejä, jotka olivat edustettuina joko normaali tai syöpäkudokset vain (arvioitu geeni spesifisyys

S

i

= 1). Näiden geenien mahdollisimman spesifisyys, 6220 (43%) havaittiin yksinomaan syövän ja loput 8353 (57%) havaittiin vain normaaleissa kudoksissa. Meidän havainnot että tiettyjen geenien havaittiin vain yksi erityinen ryhmä (normaali tai syöpäkudokset) olivat riippuvaisia ​​näytteen kokoa ja siksi tarvitaan tilastollisia analyysejä määrittää merkitystä. Fisherin tarkka testi Bonferroni korjaus (katso menetelmät) todettiin, että vain 17 geenejä, jotka olivat yksinomaan havaittu syöpäkudokset merkittävästi voimistunut. Nämä geenit on esitetty taulukossa 1. Taulukko S17 esittää Gene ontologia luokituksia geenit esitetään taulukossa 1.

Jos tiedot teoria indeksit ovat tehokkaita tunnistaa geenien voimistunut syövässä, ne pitäisi myös havaita geenejä, jotka ovat aikaisemmin on raportoitu liittyvän syöpään. Tämä oli todellakin näin, koska luettelon geenien yksinomaan havaittu syöpä (taulukko 1), kuten

TRAF7

,

PRPS1

,

CDT1,

ja

ZWINT

aiemmin raportoitu syöpää markkerigeeni [23], [24], [25], [26]. Vielä tärkeämpää on, tämä määrällinen lähestymistapa tunnistaa geenejä mahdollisesti osallisina syövän, joita ei ole aiemmin tunnistettu, kuten

KLHL21

,

KIFC1

, ja

XAB2

(taulukko 1). Kuvaus geenien taulukossa 1 on esitetty tukeminen teksti S1.

geenit on lueteltu taulukossa 2 todettiin olevan läsnä vain yhdessä syöpä huomattavasti ilmentymisen korkeiden tasojen (ryhmitelty analyysi, aineisto

) ja esimerkkinä rikas mahdollisuuksia tiedonlouhinnasta käyttämällä spesifisyys (

S

i

) ja kohde spesifisyys (

TS

ij

) geenin ilmaisu. Näistä geenit, löydettiin esimerkkejä syövän merkkiaineiden (

MLANA) B (myös esitetty taulukossa 1), joka on äskettäin kuvattu onkogeenin (

OTX2

) [27], ja geeni käytetään