PLoS ONE: luokittelu ei-pienisoluinen keuhkosyöpä Perustuu Kopioi numero Alterations
tiivistelmä
Keuhkosyöpä on yksi johtavista syistä syövän kuolleisuus kaikkialla maailmassa ja ei-pienisoluinen keuhkosyöpä (NSCLC) osuus suurin osa. NSCLC voidaan jakaa edelleen adenokarsinooma (ACA) ja okasolusyöpä (SCC). Se on erittäin arvokasta erottaa näitä kahta alaryhmää kliinisesti. Tässä tutkimuksessa vertasimme genominlaajuisia kopioluvun muutokset (CNAs) kuvioita 208 alkuvaiheen ACA ja 93 alkuvaiheessa SCC kasvainnäytteestä. Tämän seurauksena 266 CNA koettimia erottunut parempi erottelukyky ACA ja SCC. Kävi ilmi, että geenit, jotka vastaavat näitä 266 koettimet rikastuneet keuhkosyöpä liittyviä reittejä ja rikastettu kromosomin alueilla, joilla CNA esiintyvät tavallisesti keuhkosyöpä. Tämä tutkimus suojista valot CNA tutkimus NSCLC ja tarjoaa joitakin oivalluksia epigeneettiset NSCLC.
Citation: Li BQ, Sinä J, Huang T, Cai YD (2014) luokittelu ei-pienisoluinen keuhkosyöpä perustuen Copy Number muutostyöt. PLoS ONE 9 (2): e88300. doi: 10,1371 /journal.pone.0088300
Editor: Giuseppe Viglietto, UNIVERSITY Magna Graecia, Italia
vastaanotettu: 12 elokuu 2013; Hyväksytty: 06 tammikuu 2014; Julkaistu: 05 helmikuu 2014
Copyright: © 2014 Li 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 avustuksia National Basic Research Program of China (2011CB510101, 2011CB510102), Innovation Program Shanghai Municipal Education komissio (12ZZ087), ja myöntäminen ”The First-luokan Kuri yliopistojen Shanghaissa”. 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
Keuhkosyöpä on yksi johtava syy syövän kuolleisuutta maailmanlaajuisesti [1]. Perustamalla 2011 International Association for Study of Lung Cancer /American Thoracic Society /European Respiratory Society (IASLC /ATS /ERS) keuhkoadenokarsinooma luokitus, se on nyt luokiteltu 5 eri alatyyppeihin: Epätyypilliset adenomatoottisen liikakasvun (AAH), Adenokarsinooma in situ (AIS) (nonmucinous, mucinous, tai seka nonmucinous /mucinous), Vähän invasiivisia adenokarsinooma (MIA) (≤3 cm lepidic hallitseva kasvain ≤5 mm invaasio), Invasive adenokarsinooma, ja variantit invasiivisia adenokarsinooma, ja jokainen niistä on sen oma histologinen ominaisuus [2]. Ei-pienisoluinen keuhkosyöpä (NSCLC) osuus 85% kaikista keuhkosyövässä. Yleisin histologinen alatyyppejä NSCC on adenokarsinooma (ACA) ja okasolusyöpä (SCC), osuus 50% ja 30% NSCLC tapauksissa vastaavasti [3]. ACA on yleisin histologinen alatyyppi raportoitu keuhkosyöpä on tupakoimattomia (LCINS) [4], joka on syöpä epiteelin, joka on peräisin rauhaskudoksen. SCC on syöpä squamous epiteelisolujen, joka syntyy useimmiten segmentaalista keuhkoputkien ja liittyvät Lobar ja tärkein varsi keuhkoputken tapahtuu sen laajentamista [5], ja sen esiintyvyys korreloi tupakoinnin aikana [6] verrattuna ACA. Historiallisesti hyvin eriytetty SCC solut sisältävät morfologisia ominaisuuksia, kuten solujen välistä siltana, squamous helmi muodostumista ja yksittäisen solun keratinization [5]. Nykyään lääketiede kehitys NSCLC on tuonut histologisen alatyypitys, erilaistuminen ACA peräisin SCC biopsianäytteistä, koska tärkeä tekijä tehokkaan hoidon valintaa ja molekyylitason hoito tavoite. Esimerkiksi pemetreksediin, antifolaattisyöpälääke, on tehokas hoidettaessa potilaita, joilla ei-levyepiteelikarsinooma NSCLC, mutta niitä ei suositella hoitoon okasolusyöpä [7]. Bevasitsumabi yhdistettynä paklitakseli /karboplatiini, on liiallinen toksisuusvaikutuksia squamous-cell carcinoma [8], vaikka se voisi merkittävästi lisätä yleistä eloonjäämisaste potilaiden kanssa syöpiä kuin levyepiteelikarsinooma histologia [9], [10]. Perinteiset diagnoosi menetelmä erottaa adenokarsinooma mistä okasolusyöpä, perustuu histologisen osassa ja potilaiden Tupakointi. Kuitenkin, koska yksittäisten heterogeenisyys keuhkosyöpä, tällä menetelmällä ei voi oikein erottaa ACA ja SCC joissakin tapauksissa tehokkaasti. Äskettäin immunohistokemia on käytössä koepala ja sytologia materiaali [11] täydennykseksi, ja useat geenit on löydetty kuin immunohistokemiallisella merkki. Kargi et ai. löydetty kilpirauhasen transkriptiotekijä-1 (TTF-1) on merkkiaine immuunivärjäykseen ACA, kun taas p63 ja sytokeratiineja (CK) 5/6 ovat markkaa SCC [12]. Lisäksi molekyyli täsmähoitoihin on enemmän ja enemmän käytetään NSCLC kuin lupaava hoito strategia viime vuosina. On osoitettu, että ylivoimainen teho tyrosiinikinaasiestäjät (TKI) verrattuna tavanomaista kemoterapiaa potilaille, joilla EGFR-mutantti kasvaimia [13]. Kwak et al. tutki myös pienimolekyylisiä estäjä ALK-tyrosiinikinaasin voitaisiin käyttää tehokas hoito kehittyneissä ALK-positiivisia kasvaimia varhaisessa vaiheen kliinisessä tutkimuksessa [14]. Sen vuoksi on mielekästä tunnistaa geenejä, jotka ovat eri genetiikan ominaisuuksia ACA: n ja SCC, että voitaisiin käyttää ennustetekijä tai potentiaalinen kohde lääkehoidon.
Edellinen analyysi on osoittanut, CNAs ovat yhteisiä lähes kaikissa ihmisen syövissä [ ,,,0],15], [16]. NSCLC, CNAs kasvavat taudin etenemistä ja CNAs ovat asemaltaan ja toiminnallisesti ryhmitelty [17]. Lisäksi Giovanni Tonon el at. löydetty huolimatta selvä histopatologisista fenotyyppien, ACA ja SCC genomista profiileista oli lähes täydellinen päällekkäisyyttä, jossa on vain yksi selkeä SCC-amplikoni on 3q26-29 [18].
Tässä tutkimuksessa selvittää keskeiset geenit erottaa ACA ja SCC toisistaan, vertaamme genominlaajuisia kopioluvun muutokset (CNAs) kuvioita 208 alkuvaiheen ACA ja 93 alkuvaiheessa SCC kasvainnäytteestä. Avulla ominaisuuksien hallintaan ja analyysimenetelmiä, kuten Maximum osuma Pienin Redundancy menetelmä (mRMR) ja Incremental Feature Selection (IFS) menetelmä, 266 optimaalinen CNA koettimet valittiin erottelun ACA ja SCC. Luokittelumallin rakennettiin Lähin naapuri Algorithm (NNA). Tämän seurauksena, luokitin saavuttanut yleistä MCC 0,6616. Edelleen analyysi 266 CNA liittyviä geenejä osoitti, että ne olivat tiiviisti keuhkosyöpään.
Materiaalit ja menetelmät
Dataset
Käytimme kopiomäärä muutokset dataa ei -pieni keuhkosyöpä tutkimus Huang et al. [19]. Heidän tutkimuksessaan sarjan 301 snap-jäädytetty kasvain näytteet pienisoluista keuhkosyöpää kerättiin leikkauksen aikana tai biopsian päässä Massachusetts General Hospital (MGH), Boston, MA ja National Institute of Occupational Health, Oslo, Norja. Kliiniset tiedot näistä 301 Näytteiden annettiin File S1. Kopioluku profilointi 208 alkuvaiheen adenokarsinooma kasvaimet (ACA) näytteet ja 93 alkuvaiheessa okasolusyöpä kasvaimet (SCC) haettiin NCBI Gene Expression Omnibus (GEO) kanssa liittymisen määrä GSE34140. Kopiomäärä profiili saatiin käyttämällä käyttämällä Affymetrix 250 K NSP GeneChip-. Vain 256554 antureista somaattiseen kromosomeja analysoitiin. SNP koettimet kartoitettu RefSeq geenien 2 kb laajennus sekä tuotantoketjun käyttäen UCSC Genome Browser. Niistä 256554 antureista somaattiseen kromosomeissa, 104256 koettimia kartoitettu 11700 geenejä [19].
mRMR menetelmä
Käytimme Suurin merkitys Minimi Redundancy (mRMR) menetelmän tärkeysjärjestykseen koettimien [20]. mRMR menetelmä voisi sijoittua koettimia, jotka perustuvat sekä niiden merkitys luokan näytteiden ja irtisanominen kesken antureista. Pienempi indeksi koetin tarkoittaa, että se on parempi kompromissi mahdollisimman merkitystä luokan näytteiden ja vähintään irtisanomisia.
Sekä merkitystä ja irtisanomisia kvantitoitiin keskinäinen tiedotus (MI), jossa arvioidaan, kuinka paljon yksi vektori liittyy toiseen. MI yhtälö määriteltiin seuraavasti: (1) B
Yhtälössä (1), ovat vektorit, on niiden yhteinen todennäköisyyksiin tiheys, ja ja ovat marginaalinen todennäköisyyksiin tiheydet.
Antaa kuvaamaan koko koetinsarjaa, kuvaamaan jo valitun koetinsarjaa sisältää
m
antureista ja ilmaisemaan to-be-valitaan koetinsarjaa sisältää
n
antureista. Merkitystä välillä anturi ja lajista näyte voidaan laskea: (2) B
redundanssi välillä anturi ja kaikki koettimet voidaan laskea: (3) B
saada anturi mahdollisimman merkitystä ja pienin redundanssin mRMR toiminto yhdistää yhtälö (2) ja yhtälö (3) ja määritellään alla: (4) B
mRMR anturi luokitus on tarkoitus toteuttaa N kierrosta, kun annetaan koetin asetettu N (N = m + n) antureista. Sen jälkeen N kierrosta suorittamisen, koetin sarja tuotetaan: (5) B
, index
h
kertoo, missä pyöristää, että anturi on valittu. Mitä pienempi indeksi
h
on, sitä aiemmin koetin täyttää yhtälön (4) ja sitä parempi anturi on.
Lähin naapuri algoritmia (NNA) B
Lähin naapuri algoritmi (NNA) [21], [22], joka on laajalti käytetty bioinformatiikan ja laskennallisen biologian [23], [24], [25], [26], [27], annettiin ennustaa luokan näytteitä. ”Läheisyys” laskettiin seuraavan yhtälön (6) missä ja ovat kahden vektorin edustaa kaksi näytettä, on niiden pistetulo, ja ovat niiden moduluses. Mitä pienempi, sitä enemmän samankaltaisia kaksi näytettä.
intuitiivinen esimerkki miten NNA toimii, katso kuvio 5 on [28].
Jackknife Ristiinvalidointi menetelmä
Jackknife Ristiinvalidointi Menetelmä [23], [24], [29], [30] (kutsutaan myös hiuksiin one-out ristivalidointi, LOOCV) käytettiin arvioimaan suorituskykyä luokittelija. In Jackknife ristivalidointi menetelmä, joka näyte testataan ennustin, joka on koulutettu kaikkien muiden näytteiden. Anna TP merkitsee oikeita positiivisia. TN tarkoittaa totta negatiivinen. FP tarkoittaa vääriä positiivisia ja FN tarkoittaa vääriä negatiivisia. Arvioidaan suorituskyky meidän ennustajan, ennuste tarkkuus, spesifisyys, herkkyys ja MCC (Matthews korrelaatiokerrointa) laskettiin seuraavasti: (7) B
Inkrementaalinen Feature Selection (IFS) B
Perustuen paremmuusjärjestykseen koettimet muodostuu mRMR arviointi, käytimme Inkrementaalinen Feature Selection (IFS) [31], [32], [33], joka määrittelee optimaalisen määrän koettimia. Aikana IFS menettelyssä, koettimina sijoittui koetinsarjaa lisätään yksitellen korkeamman alentaa listalla. Uusi anturi sarja koostuu kun koetin lisätään. Siten N koetinsarjojen koostuisi annetaan N sijoittui antureista. I: nnen koetinsarjaa on: (8) B
Kunkin N koetinsarjojen, joka on NNA ennustaja rakennettiin ja testattiin LOOCV. N ennustus tarkkuudet, herkkyydet, erityispiirteet ja omien asiakaskeskusten laskettu, saadaan IFS pöytä yhdessä sarakkeessa on indeksi i ja muihin sarakkeisiin on ennusteen tarkkuus, herkkyys, spesifisyys ja MCC. Optimaalinen koetinsarjaa () on yksi, joita käyttämällä ennustin saavutetaan paras ennuste suorituskykyä.
Functional rikastamiseen analyysi CNAs geenien
toiminnallinen käsinkirjoitustyökalun on koota [34] käytettiin Kegg polku, GO ja kromosomi alue rikastamiseen analyysi. Kaikki geenit ihmisen perimässä valittiin tausta aikana rikastamiseen analyysin.
Tulokset ja keskustelu
Euroopan mRMR tulos
tiedostossa olevan S2 ovat kahdenlaisia tuloksia saatu suorittamalla mRMR ohjelmisto: yksi on nimeltään ”MaxRel ominaisuus luettelo”, joka sijoittui kaikki anturit niiden merkitystä luokan näytteitä; toinen on ”mRMR ominaisuus luettelo”, joka sijoittui koettimet kriteerien mukaisesti suurimman merkitystä ja pienin irtisanomisia. Vuonna mRMR koetin luettelosta, sitä pienempi indeksi koetin oli, sitä tärkeämpää koetin olisi, että syrjintä on kahdenlaisia NSCLC. Niinpä mRMR ominaisuus luettelo voitaisiin käyttää luomaan optimaalisen ominaisuus asetettu IFS menettelyssä.
IFS ja Final Optimal Feature Set
Näiden kaksi taulukkoa, 1000 ominaisuus alaryhmiä rakennettiin mukaan että Eq.8. NNA ennustaja mallinnettiin kullekin osajoukon ja arvioitiin LOOCV. Kuviossa 1 on IFS käyrä piirretään perustuu tietoihin tiedosto S3. X-akseli on määrä koettimia käytetään luokitteluun, ja y-akseli on MCC-arvot luokittelijoiden arvioitiin LOOCV. Suurin MCC oli 0,6616, kun 266 koettimia käytettiin. Tällaisen luokituksen ennuste herkkyys, spesifisyys ja tarkkuus olivat 0,9567, 0,6452 ja 0,8605, vastaavasti. Nämä 266 koettimet pidetään optimaalinen biomarkkereita erottelun kahdenlaisia NSCLC. Tiedot näistä 266 koettimet annetaan File S4. Kuviossa 2 on esitetty on heatmap perustuu näihin 266 antureista. Voidaan nähdä, että suurin osa 208 ACA näytteet ja 93 SCC näytteitä voidaan erottaa.
IFS käyrät piirrettiin tietojen perusteella File S3. MCC saavutti huippunsa, kun määrä koettimien oli 266. 266 koettimet Näin saadut käytettiin säveltää optimaalisen koetinsarjaa syrjintään adenokarsinooma (ACA) ja okasolusyöpä (SCC).
näytteet on järjestetty X-akselia pitkin ja koettimia Y-akselia pitkin. Kukin neliö edustaa kopiomäärä tietyn koetin yksilön näytteessä. Punainen on lisääntynyt kopiomäärä ja sininen on vähentynyt kopioluvun suhteen merki- ja näytteen keskitetty skaalata kopioluvun poikki näytteitä. Adenokarsinooma (ACA) ja okasolusyöpä (SCC) näytteet esittelyyn vihreä ja sininen, vastaavasti.
Kegg ja GO rikastaminen tulokset CNAs geenien
Kegg koulutusjakson rikastamiseen analyysi CNAs geenit ilmoittaneet, että ne olivat rikastuneet Wnt-signalointireitin, Focal tarttuvuus, ECM-reseptorin vuorovaikutus ja niin edelleen (taulukko 1). On todettu, Wnt-signalointireitin aktivoituu aikana karsinogeneesi NSCLC [35], ja inhibitio Wnt-2-välitteistä signalointia, voivat aiheuttaa ei-pienisoluinen keuhkosyöpä solujen apoptoosin [36]. Focal tarttuvuus ja ECM-reseptorin vuorovaikutus ovat reittejä biologisten prosessien vuorovaikutuksia solujen soluväliaineen (ECM), joka toistaa ratkaiseva rooli solun liikkuvuus, soluproliferaatiota, solun erilaistumista, geenin ilmentymisen säätelyyn ja solujen eloonjäämistä [37], [38 ]. Proteiinit näistä reiteistä ovat säädellään ylöspäin NSCLCs [39], ja osallistua aktivointiin paikallisten invaasion ja etäinen etäpesäke syöpäsolujen [40]. Koska Kegg koulutusjakson rikastamiseen seurauksena GO rikastamiseen Näiden CNAs geenien osoittaa myös rikastumista ehtojen soluadheesion ja solunsisäinen signalointi kaskadi. GO rikastaminen Näiden CNAs geenit luetellaan File S5.
Kromosomi alue rikastamiseen seurauksena CNAs geenien
On todettu kopiomäärä voitto alueella 3q26 [18], [ ,,,0],41] ja alue 8p12 [42] näyttää olevan yleisempää levyepiteelikarsinooma histologia verrattuna adenokarsinooma. Analyysi tuloksemme osoittaa, että myös nämä kaksi aluetta, kopioluku korjauksilla 2q34, 10p15, 18q11, 8p23, 3p21, 3q27, 22q12, Xq13, 2q36, 10p11, 10p12 myös merkitystä syrjiä SCC ja ACA, ja ansaittua edelleen tutkii niitä (taulukko 2).
CNAs geenejä tunnistettu tässä tutkimuksessa
tässä tutkimuksessa olemme tunnistaneet useita kandidaattigeenit vastaa 266 CNAs koettimia, joita voidaan käyttää erottamaan kahdenlaisia NSCLC. 50 heistä on myös merkittävä korrelaatio Tupakointi Pack-vuoden kuten TP63, Sox2 ja PPP2R2B (katso File S4). Kirjallisuuden haku geenien toiminnan ja merkityksen vertailu p-arvo, keskityimme 8 geenejä, jotka todennäköisesti liittyvät erottaa ACA ja SCC toisistaan. Niistä TP63 on raportoitu biomarkkerina erottamaan SCC ja ACA, ja se on listattu top meidän tulokseen. Joitakin muita geenejä on raportoitu olevan erilaisia geeniekspression tasolla ACA ja SCC tai potilailla, joilla on erilliset tupakointitapoihin. Sopusoinnussa Kegg ja GO rikastamiseen seurauksena PPP2R2B on geeni Wnt signalointireitillä, kun ITGA9 ottaa osaa polttovälin tarttuvuus ja ECM-reseptorin vuorovaikutus. Kaikki edellä osoittaa, että tuloksemme on biologisesti merkittävä ja 8 geenit voivat olla ehdokas biomarkkereita erottamiseksi ACA ja SCC toisistaan ja ansaitsi lisätutkimuksia niitä. Alla on lyhyesti keskustella suhteita NSCLC.
TP63 (tuumoriproteiinia 63) on lueteltu alkuun yksi optimaalinen koetin asetetaan kanssa CNA kertainen muutos 0,7827 vertaamalla ACA SCC. Se on tuumorisuppressori p53-homologi ja välttämättömiä p53 riippuvaista apoptoosia vasteena DNA-vauriolle [43]. Mi Jin Kim et ai. löytyi P63 on hyödyllinen immunohistokemiallisella paneeli erottamaan ACA alkaen SCC keuhkojen positiivinen korko 91% SCC ja 9% ACA opiskelussaan [44]. Kromosomi sijainti TP63 on 3q27-29. Siksi meidän tulos on sama entinen tutkii ja TP63 voi olla keskeinen rooli erottaa ACA ja SCC toisistaan.
EPHA4 (Efriini-tyypin reseptori 4) liittyy neljänteen koetin meidän optimaalinen koetin asetettava siten CNA kertainen muutos 1,0846 vertaamalla ACA SCC, ja on jäsen Ef reseptoriperheen, suurin reseptori tyrosiinikinaasiperheen läpäisevien proteiinien kanssa niiden ligandien, Efrii-, vaikuttavat kasvuun, muuttoliike ja invaasion syöpäsoluja kulttuuria sekä kasvaimen kasvua, invasiivisuus, angiogeneesin ja metastaasin in vivo [45]. Junya Fukai et ai. löydetty EphA4 edistää solujen lisääntymistä ja siirtolaisuutta uusi EphA4-FGFR1 signalointireitin ihmisen gliooman U251 solulinjassa [46]. Yksi Ef reseptoreiden EphA2 on raportoitu yli ilmaisun tupakoitsijoilla ja ennustaa huono selviytyminen ei-pienisoluinen keuhkosyöpä [47]. Mutaatio EphA2 (G391R) tunnistettiin kaksi 28 okasolusyöpä keuhkosyövässä (7%), mutta ei adenokarsinoomat tai suuri-keuhkosyövän karsinoomat [48]. Nämä kaikki osoittavat, että EphA4 voi olla ehdokkaana biomarkkereiden erottamiseksi ACA ja SCC toisistaan ja ansaitsi lisätutkimuksia sen.
PPP2R2B (seriini /treoniini-proteiini 2A 55 kDa säätelyalayksikön B beetaisomuoto) on liittyvä viidenteen koetin meidän optimaalinen koetin asetetaan kanssa CNA kertainen muutos 1,0781 vertaamalla ACA SCC. Se on sääntelyn alayksikkö B beetaisomuoto PP2A, ja on osallisena negatiivisen kontrollin solujen kasvua ja jakautumista [49]. Äskettäin genomin laajuinen yhdistys tutkimuksessa (GWAS) keuhkosyöpään Kiinan väestö osoitti, että kromosomi 5q32 (rs2895680 in PPP2R2B-STK32A-DPYSL3, P = 6,60 × 10-9) oli keuhkosyöpä alttiuslokukset ja vuorovaikutuksessa tupakointi annos [50] . Sekä PPP2R2B on päällä tuloksemme, osuus sen NSCLC ansaitsee valaistaan edelleen.
ITGA9 (integriini alfa-9) liittyy kahdestoista koetin meidän optimaalinen koetinsarjaa joiden CNA kertainen muutos 1,1034 vertaamalla ACA SCC, joka kuuluu integriiniperheeseen ja ilmentyy monenlaisia solutyyppejä. Se on vuorovaikutuksessa monien ligandien esimerkiksi fibronektiini, tenaskiini-C ja ADAM12, ja osallistuu useita prosesseja, kuten solun tarttumisen, muuttoliike, keuhkojen kehitystä, imusuonten ja laskimoiden venttiili kehitys ja haavan paranemista [51]. ITGA9 on todettu alas ilmaisun NSCLC [52], ja esillä vahva solukasvuneston toimintaa [53]. Tilastollinen analyysi Alexey a. Dmitriev et ai. ehdotti, että metylaatio /poisto taso ITGA9 on merkittäviä muutoksia ACA ja SCC [53]. Analyysimme esitteli geenin kopioluku ITGA9 on erilaisia NSCLC alatyyppeihin, mikä ITGA9 ehdokkaaksi molekyyli erottamaan SCC ja ACA.
Sox2 (Sex määrittävän alueen Y-Box 2) liittyy yhdeksännentoista koetin meidän optimaalinen koetin asetetaan kanssa CNA kertainen muutos 0,7790 vertaamalla ACA SCC, ja on raportoitu ekspressoitua eri välillä ACA ja SCC. Se sijaitsee kromosomissa 3q26 ja korkean tason monistuminen Sox2 on raportoitu noin 20% keuhkojen okasolusyöpää [54], [55]. Sox2 on transkriptiotekijä: n ekspression kontrollointiin useiden geenien alkion kehitykseen ja pitää hermosolujen erilaistumaton [56]. Tukahduttaminen Sox2 amplifioidussa Sox2 soluissa on suurempi antiproliferatiivinen vaikutus verrattuna muihin geenien 3q26.33 lukien PIK3CA ja TP63.
FHIT (hauras histidiini triadi) liittyy kolmaskymmeneskolmas koetin meidän optimaalinen koetin asetettu CNA kertainen muutos 1.1110 vertaamalla ACA SCC, ja käyttäytyy in vitro tyypillisenä diadenosine trifosfaatin hydrolaasi pilkkomaan A-5′-PPP-5’a saatiin AMP ja ADP [57], mutta vähän tiedetään sen fysiologista toimintaa. Sitä pidetään tuumorisuppressorina monissa ihmisen syövissä ja sen ennallistamisen Fhit-negatiivisten syöpäsolulinjoista tukahduttaa tuumorigeenisyyteen ja indusoi apoptoosin [58]. Jennifer E. Tseng el at. todettu, että tiheys menetys FHIT ilmentyminen liittyy Tupakointi vaiheessa I ei-pienisoluinen keuhkosyöpä [59]. Tutkimuksissa on Gemma Toledo et al. FHIT ilmentyminen liittyi kasvainhistologiaa: 52 54 (96,3%) SCC ja 20 44 (45,5%) ACA olivat negatiivisia FHIT (P 0,0001) [60]. SCC korreloi joilla on ollut tupakoinnin [6], ja tuloksemme osoittavat kopioluku FHIT on huomattavasti alhaisempi SCC, FHIT voi olla mahdollista biomarkkeri NSCLC diagnoosin ja olisi mahdollinen lääketieteellinen kohde syövän hoidossa.
RBBP8 (retinoblastoomasolulinjassa sitovan proteiinin 8) on läsnä kaikissa ydinaseiden proteiini, joka sitoo kasvaimeen vaimennin proteiinit RB [61] ja CtBP [62]. Se on myös vuorovaikutuksessa BRCA1 [63] ja sen ajatellaan säätelevän toimintoja BRCA1 in transkription säätelyyn, DNA vahinkosaneeraus, ja G2 /M solusyklin tarkastuspiste ohjaus [64], [65]. RBBP8 vaaditaan DNA double-lohkon murtuma (DSB) resektio, ja siten rekrytointi proteiinikinaasi ATR ja replikointi proteiini A DSB: ihin, ja edistää ATR aktivointi ja homologista rekombinaatiota [66]. On todettu, että DNA: n korjaus komponentit olivat merkitsevästi sääteli myös retinoblastooma sitovan proteiinin 8 (RBBP8), keuhkojen SCC verrattuna normaaliin keuhkokudoksessa, mutta tällaiset ylössäätöä ei havaittu keuhkoissa ACA [67]. Olennaisena molekyyli soluun prosessissa DNA-vaurion korjaamiseen ja solusyklikontrollin, RBBP8 on potentiaalia olla biomarkkereiden ja terapian tavoite NSCLC ja mekanismi sen eri ilmaisun profiilin SCC ja ACA ansaitsee lisätutkimuksia.
GPC5 (glypikaani-5) on jäsen glypikaani-geeniperheen, joka on perheen heparaanisulfaatin proteoglykaanien, jotka liittyvät exocytoplasmic pinnan solukalvon kautta glukosylfosfatidyl inositoli [68]. Ilmaisu taso GPC5 oli merkitsevästi pienempi keuhkoadenokarsinooma kudoksessa kuin vastaaviin normaaleihin keuhkokudoksessa in tupakoimattomia [69]. Yang et ai. löytyi kuolleen ilmentyminen GPC5 korreloi alentunut hengissä ACA muttei SCC [70]. Nämä kaikki osoittavat, että GPC5 voi olla mahdollinen tuumorisuppressorigeeniä NSCLC, ja ehdokas biomarkkerimenetelmin erottamaan SCC ja ACA.
Johtopäätös
Tässä tutkimuksessa rakensimme luokittelija perustuu kappaleeseen numero muutokset (CNA) erottamiseksi kahteen alaryhmään NSCLC. Tämän seurauksena, 266 CNA koettimet valittiin parhaaksi erottelijat. Analyysi geenien Vastaavista 266 CNA antureista viittaa niiden rikastuneet keuhkosyöpään liittyviä reittejä ja rikastunut kromosomialueita jossa CNA yleensä esiintyy keuhkosyöpää. Jotkut näistä geeneistä, kuten TP63, Sox2, EPHA4, PPP2R2B, ITGA9, FHIT, RBBP8 ja GPC5 liittyvät läheisesti keuhkosyöpä ja näiden kandidaattigeenit voivat antaa vihjeitä lisätutkimusta ja kokeilemaan validointi.
tukeminen Information
Tiedosto S1.
kliiniset tiedot adenokarsinooma (ACA) ja okasolusyöpä (SCC) näytteet.
doi: 10,1371 /journal.pone.0088300.s001
(DOCX)
Tiedosto S2.
mRMR tulos luokitusta. Tämä tiedosto sisältää kaksi arkkia. Ensimmäinen on MaxRel ominaisuus taulukon, joka sijoittui alkuun 1000 antureista mukaan merkitystä välillä ominaisuuksia ja luokan näytteitä. Toinen on mRMR ominaisuus taulukon, joka sijoittui nämä 1000 antureista mukaan irtisanomisten ja merkityksellinen kriteerit.
Doi: 10,1371 /journal.pone.0088300.s002
(XLSX)
Tiedoston S3.
Herkkyys (Sn), spesifisyys (Sp), tarkkuus (Ac), Matthews korrelaatiokerroin (MCC) jokaisen ajon IFS luokittelun.
doi: 10,1371 /journal.pone.0088300.s003
(XLSX)
Tiedosto S4.
Merkintä on 266 valitun antureista.
doi: 10,1371 /journal.pone.0088300.s004
(XLSX)
Tiedosto S5.
GO rikastamiseen seurauksena CNAs geenien.
doi: 10,1371 /journal.pone.0088300.s005
(XLSX) B
Kiitokset
Kirjoittajat haluavat kiittää editori ottaa aikaa muokata tätä paperia. Kirjoittajat myös kiittää kaksi anonyymi arvioijat heidän rakentavia kommentteja, jotka olivat erittäin hyödyllisiä vahvistamiseksi esittämistä tässä tutkimuksessa.