Krooninen sairaus

tiivistelmä

in silico

kemiallinen genomiikka lähestymistapa on kehitetty ennustamaan lääkeaineen asetella (DR) ehdokkaita kolmen syöpien: glioblastooma, keuhkosyöpä ja rintasyöpä. Se perustuu hiljattain laajamittainen aineisto on ~ 20000 lääkkeen aiheuttamista ekspressioprofiileja useilla syövän solulinjoissa, joka tarjoaa i) maailmanlaajuinen vaikutus transkription häiriön sekä tunnettuja kohteita ja tuntemattomia off-tavoitteet, ja ii) runsaasti tietoa lääkkeen mode-of-action. Ensinnäkin lääkkeen aiheuttama mentymisprofiili esitetään tehokkaampi kuin muita tietoja, kuten lääkkeen rakenteen tai tunnettu kohde, käyttävät useita HTS aineistoja kuin puolueeton vertailukohtia. Erityisesti hyödyllisyys menetelmämme oli voimakkaasti osoitettiin identifioida uusia DR ehdokkaita. Toiseksi, me ennusti 14 korkean pisteytyksen DR ehdokkaita perustuu pelkästään ilmaisun allekirjoituksia. Kahdeksan neljästätoista huumeiden osoitti merkittävää antiproliferatiivista aktiivisuutta glioblastooma;

i

.

e

. Ivermektiini, trifluridiini, astemitsoli, amlodipiini, maprotiliini, apomorfiini, mometasoni, ja nortriptyliini. Meidän DR pisteet vahvasti korreloivat että solupohjaisten koetulosten; seitsemän parhaan DR ehdokasta olivat positiivisia, mikä vastaa noin 20-kertainen rikastaminen verrattuna perinteisiin HTS. Huolimatta monipuolinen alkuperäinen merkintöjen ja tunnettuja maaleja, häirityn polkuja aktiivisten DR ehdokkaiden näyttää viisi erillistä malleja, jotka muodostavat tiukan klusterit yhdessä yhden tai useamman tunnetun syöpälääkkeet, mikä viittaa yhteiseen transcriptome tason mekanismit antiproliferatiivista aktiivisuutta.

Citation: Lee H, Kang S, Kim W (2016) Drug siirto paikoilleen for Cancer Therapy Perustuu suurikokoisiin huumeen aiheuttama Transkription allekirjoitukset. PLoS ONE 11 (3): e0150460. doi: 10,1371 /journal.pone.0150460

Editor: Enrique Hernandez-Lemus, National Institute of Genomisen Medicine, MEXICO

vastaanotettu: 10 marraskuu 2015; Hyväksytty: 15 helmikuu 2016; Julkaistu: 08 maaliskuu 2016

Copyright: © 2016 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.

Data Saatavuus: Kaikki asiaankuuluvat tiedot ovat paperi- ja sen tukeminen Information tiedostoja.

Rahoitus: WK tukivat National Research Foundation (NRF) avustus (NRF-2014R1A2A2A01007166) ja Technology Innovation Program (10050154) rahoittama kauppa-, teollisuus Energia Korean.

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

Johdanto

Drug asetella (DR) viittaa tunnistamiseen uusien merkintöjen nykyisiä huumeet [1] ja sitä pidetään tehokas reitti lääkekehityksen koska se vähentää kustannuksia ja ohittaa turvallisuusongelmia. Kuitenkin löytää uusia merkkejä DR on erittäin haastava, vaikka vakiintunut suurikapasiteettisten seulonta (HTS), koska lukuisat yhdistelmiä molemmissa määrityksissä ja huumeet [2]. Näiden rajoitusten vuoksi useimmat repositioned lääkkeet on serendipitously kehitetty.

In silico

DR pidetään vaihtoehtoinen ja tehokas reitti luoda uusia yhteyksiä sairauksien ja olemassa olevien lääkkeiden [3,4]. Ennakot järjestelmissä farmakologian lähestymistapoja ja kasvu huumeisiin kohdetiedot ovat lisänneet menestys

in silico

DR [5,6]. Laaja valikoima aineistot on hyödynnetty, kuten sarjaa liittyvät kemiallisen rakenteen [7,8], lääke-tavoite suhde [9], ja fenotyyppinen tieto myös huumeiden sivuvaikutukset [10-14]. Esimerkiksi Cheng

et al

. tunnistettu simvastatiini ja ketokonatsoli niin voimakas antiproliferatiivisia aineita rintasyövän analysoimalla huume-kohdeverkon [15]. Erityisesti suuren mittakaavan kemiallisia genomiikan tietoja, kuten Connectivity Map tai CMAP [16], ovat tarjonneet runsaasti tietoa tiloista-of-lääkkeiden vaikutusta, jotka heijastuvat transcriptomic vastausten takia kemiallisen häiritseekin. Kuitenkin suhteellinen apuohjelmia erilaisten aineistojen ei tarkasti tutkittu, koska yhdiste joukko CMAP ei ollut tarpeeksi suuri integroiva tilastollista analyysiä.

Uusin versio CMAP koostuu geeniekspressioprofiilien viiden solulinjojen käsitelty ~ 1300 yhdisteitä, joista monet

in silico

DR kehitettiin käyttäen tietoaineiston joko yksin tai yhdessä muiden tietojen [17-25]. Negatiivinen korrelaatio geenin ilmentymisen tautiin johti tunnistamiseen topiramaatin tulehduksellisen suolistosairauden (IBD) ja simetidiini hoidettaessa keuhkojen adenokarsinooma [19,20]. Iskar

et al

. lisäksi paljasti toimintatavat useita lääkkeitä käytetään lääkkeen aiheuttama Ilmentymismodulit konservoitunut ihmisen ja rottia. Äskettäin samanlainen mutta erittäin laajennettu versio kemiallisen genomiikan aineisto oli julkisesti vapauttaa NIH LINCS ohjelma (Library of Integrated Network-pohjainen Cellular allekirjoitukset). Tämä aineisto koostuu geenin ilmentymisen allekirjoituksia ja proteiiniin sitoutumisen solun fenotyyppisten ja phosphoproteomic profiilien takia kemiallisia tai geneettisiä hämminki. Tarkemmin, se tuotti geeniekspressioprofiilien on ~ 1000 maamerkki geenejä (L1000) vastauksena 20,000 kemiallisten häiriöiden monilla solulinjat. Lisäksi he päätellä transcriptome tason ilmentymisen profiilit ~ 20000 geenien laskennallisesti käyttäen 1,000 maamerkki geenit [26].

Tässä tutkimuksessa hyväksyimme integroiva lähestymistapa

in silico

DR käyttäen ilmaus allekirjoitus (E) johdettu viime suuren mittakaavan, kemialliset genomiikan aineisto (LINCS) sekä kemiallinen rakenne (S) ja kohde allekirjoitukset (T). Seuraavaksi sovelletaan menetelmämme päätellä DR ehdokas syöpälääkkeet varten glioblastooma, keuhkosyöpä ja rintasyöpä. Olemme keskittyneet kyky tunnistaa uusia DR ehdokkaita, jotka eivät rakenteellisesti tunnettu syöpälääkkeet, koska rakenteellisesti vastaavat voidaan päätellä helposti muun rakenteen perustuvia menetelmiä [27,28]. LINCS aineisto kattaa riittävän suuren määrän yhdisteitä, jotka mahdollistivat puolueeton arviointi ennusteita kunkin allekirjoituksen. Sitten ennustettu uusi DR ehdokkaita glioblastoma. Korkea-pisteytys lääkekandidaatteina kokeellisesti todennettu syöpäsolulinjoista ja potilaasta johdettujen alkusolut. LINCS aineisto myös voineet tulkita vaikutustapa validoidun DR ehdokkaita.

Materiaalit ja menetelmät

Tunnetut huumeiden asettaa ja yhdiste-kohdetiedot

Tunnetut lääke setti (KD set tai

kultakannasta

) eristettiin useita julkisia tietokannoista drugbank [29], CTD [30], pubchem [7], ja Kegg DRUG [31] varten glioblastooma, keuhkosyöpä, ja rintojen syöpä. Lisäksi olemme manuaalisesti kuratoinut aktiivisia yhdisteitä ja lääkkeitä PubMed etsimällä tiivistelmiä että nimenomaan kuvattu syöpälääkkeen toimintaa näiden kolmen syöpiin (S1 taulukko). Tyypillinen kysely sisälsi useita termejä, kuten ”apoptoosin”, ”proliferaatio”, ”solujen kasvua”, ”sytotoksisuus”, ”anti-syöpä”, ”sytotoksisuus”, ja ”elonjäämisetua” hoidon jälkeen. Yhdiste-tavoite tiedot saatiin kerättyä 10 julkisia tietolähteitä: drugbank [32], Kegg [31], MATADOR [33], TTD [34], KiDB [35], BindingDB [36], ChEMBL [37], WOMBAT [ ,,,0],38], CTD [30], ja DCDB [39]. Olemme mukana vain yhdiste kohde-vuorovaikutuksia tukevat suunnattu näyttöä, kuten yhdiste kohde-sitova, aktivaation estoon, ja reaktio kohtuullisen korkealla affiniteetilla (

e

.

g

., Ki 10 nM). Koko analyysi, yhdisteet ja proteiini tavoitteet kartoitetaan NCBI pubchem yhdiste tunnukset (CID) ja Entrez Gene ID vakiona tunnisteiden, vastaavasti.

Expression allekirjoitukset kohdesairauksia

Ilmaus profiileja kyseiset tartuntataudit ladattiin joko TCGA data portaalin (https://tcga-data.nci.nih.gov) tai NCBI GEO [40], joka sisälsi sekä normaali- ja sairaustiloissa. Glioblastooma aineistot 200 potilaan saatiin TCGA jotka jaettiin neljään kanoninen alatyyppeihin klassisen mesenkymaaliset, Proneuraaliset, ja hermo. Neljä erillistä lauseke allekirjoitukset poimittiin vastaavalle alatyyppejä. Keuhkosyövän ja rintasyövän, 11 ja 16 mikrosirujen aineistoja saatiin, vastaavasti. 11 keuhkosyöpä aineistoja koostui GDS1761, GDS1312, GDS2771, GSE5364, GSE7670, GSE10072, GSE10799, GSE1987, GSE2088, GSE1037, ja GSE11969. 16 rintasyöpä aineistoja koostui GDS817, GDS820, GDS823, GDS1761, GDS1925, GDS2250, GDS2617, GDS2618, GDS2635, GDS2739, GSE5364, GSE10780, GSE15852, GSE16443, GSE17072, ja GSE20266. Kaikki microarray aineistot käsiteltiin ja normalisoitiin käyttämällä SAM paketti [41]. DEGS uutettiin, kuten ilmaus allekirjoituksia FDR 0,05 sulku.

Expression allekirjoitukset LINCS aineisto

LINCS aineisto sisältyi laaja luettelo geenien ilmentymisen profiilit syntyy kirjasto Integrated Network-pohjainen Cellular allekirjoitukset (LINCS) projektin 59 ihmisen syöpäsoluja vastauksena ~ 20000 kemiallisia häiriöitä. LINCS joukkue on tuottanut ilmaisun profiilit 1000 maamerkki geenien käyttäen suuren läpimenon Luminex-pohjaista määritys [42]. Koko transcriptomic profiilit ~ 20000 geenit päätellä mitattujen ilmaus arvot 1000 maamerkki geenejä. Ilmaus allekirjoituksia yhdisteet ladattavissa LINCS projektisivu (www.lincsproject.org), joka koostui 100 eniten ylä- ja alas geenien vastauksena kutakin yhdistettä.

solunelinkykyisyysmääritys

yhdisteitä käytetään solujen elinkelpoisuuden määritys ostettiin Sigma-Aldrich ja Enzo Life Science. Sekä glioblastoomasolulinjoissa (A172, T98G, U251, ja U87) ja ensisijaisten solujen (GBL-soluja) viljeltiin DMEM korkea glukoosi soluviljelyalustassa (HyClone, SH30243.01), jota oli täydennetty 10% naudan sikiön seerumia, 1% penisilliini /streptomysiini-liuosta ja 30 ug /ml Plasmocure (InvivoGen, ant-pc) reagenssin estämiseksi mykoplasmakontaminaation.

mittaamiseksi sytotoksista aktiivisuutta ehdokas lääkkeiden aineenvaihdunnan aktiivisuutta elävien solujen mitattiin käyttäen WST reagenssia (EZ-Cytox, Dogen) 96-kuoppaisilla levyillä. Määrä ympättiin soluja säädettiin mukaan kasvu kunkin solutyypin (100-500 solua /kuoppa). Kaksikymmentäneljä tuntia ymppäyksen jälkeen soluja käsiteltiin lääkkeillä, jonka pitoisuus on 10 uM, ja viljeltiin vielä 72 tuntia 37 ° C: ssa. Yksi kymmenesosa väliaineen tilavuus WST-reagenssia lisättiin soluihin, ja absorbanssi mitattiin 450 nm: ssä 2 h kuluttua käyttäen SpectraMax 190 mikrolevynlukijaa (Molecular Devices). Kokeet toistettiin viisi kertaa.

Pathway rikastamiseen analyysi

Kegg polut ovat ladattavissa MSigDB tietokannasta (https://www.broadinstitute.org/gsea/msigdb), jotka koostuvat 186 geeni sarjaa edustavat eri biologisia prosesseja. Koska monet sairauteen liittyvien reitit ovat tarpeettomia muiden signalointireitteihin (esim

KO05200

:

Pathways syövän

sisältävät

KO04310

:

Wnt

,

KO04210

:

Apoptosis

,

KO04115

:

p53 signalointi

jne), me ulkopuolelle kuten 28 reittejä ja loput 158 ​​polkuja käytettiin. Merkitys rikastaminen laskettiin hypergeometrisen testiä. LINCS aineisto sisältää useita allekirjoituksia varten saman lääkkeen eri soluista ja olosuhteet, joissa harmoninen keskiarvo vastaavien p-arvojen otettiin edustajakseen p-arvo. Säädetty q-arvo laskettiin sitten käyttäen Benjamini-Hochberg menetelmällä. Väliset etäisyydet huumeiden laskettiin kosinin etäisyys-log p-arvo.

Tulokset

Tietojen keruu ja käsittely

Ensin koonneet listan tunnettujen lääkkeiden ( KD sarja) vertailukohtana kolmen syöpien (glioblastooma, keuhkosyöpä ja rintasyöpä) neljästä julkisista tietokannoista sekä manuaalisesti curating 243 julkaisut (S1 taulukko). Mietimme vain yhdisteet, jotka nimenomaisesti olevan aktiivinen kohde sairaus-

e

.

g

., Huumeiden X indusoi apoptoosin, estää proliferaatiota tai osoittaa sytotoksista aktiivisuutta. KD joukko koostui 132, 216, ja 256 yhdisteet hoitoon glioblastooma, keuhkosyöpä ja rintasyöpä, vastaavasti (kuva A S1 File). Lisäksi keräsimme laaja luettelo 1155 yhdisteiden (syöpälääkkeen asetettu tai CD sarja), josta raportoitiin osoittaa antiproliferatiivista aktiivisuutta muunlaiset syövän mukaan lukien kaikki huumeiden KD set.

Seuraava rakenteellinen allekirjoitus uutettiin kuin 1024 bittiä FP2 kemiallisten sormenjälkien toteutetaan Open Babel [43] yhdisteitä (S

CPD) tai tunnettujen lääkkeiden (S

KD). Tavoite tiedot kerättiin 10 julkiset tietokannat käsittävät 342311 yhdistettä torjuttavien vuorovaikutus 205570 ainutlaatuinen yhdisteiden (kuvassa A S1 File). Sarjaa geenit liittyvät kunkin yhdisteen tai lääkeaineen synnytettiin sitten ja toimi kohde allekirjoitukset (T

CPD, T

KD). Ilmaus allekirjoitus (E

CPD, E

KD) on ladattu LINCS ja koostui differentiaalisesti ilmentyvien geenien (DEGS) kemiallisella häiriön [26]. Useita allekirjoituksia yhden yhdisteen olivat yleisiä koska ilmaisu allekirjoituksia kertyi eri solulinjoissa eri alkuperää. Lisäksi LINCS aineisto sisälsi huomattavan osa tarpeeton yhdistettä tunnukset ja joitakin yleisiä yhdiste nimiä, 2D rakenteet, ja /tai stereoisomeerit saman molekyylikaavoista eivät erotu eri tietolähteistä. Siksi allekirjoitukset näiden kaltaiset yhdisteet yhdistyivät jälkeen muuntamalla ne kanoninen SMILES-muodossa, vaikka stereoisomeerit voidaan näyttää eri farmakologisia toimintoja ja jotkut olivat alun perin määrätty eri yhdiste tunnukset mukaan LINCS. Toteamme, että tunnus kartoitus stereoisomeeri oli hyvin harvinainen kahden erillisen stereoisomeerejä, mutta tehtiin enimmäkseen yleisnimi tai SMILES ilman 3D tietoja. Tuloksena useita ainutlaatuisia yhdisteitä vähennettiin 8860. Olemme määritelleet

ydinjoukko

2250 yhdisteiden, joille kaikki kolme allekirjoituksia (S, T, ja E) olivat saatavilla. Risteyksessä ydinjoukko ja CD asetettiin 304 lääkkeet (kuvassa A S1 File). Samoin myös syntyy tauti lauseke allekirjoitukset (E

DIS) ja glioblastooma (4 sarjaa), keuhkosyöpä (11 sarjaa), ja rintasyöpä (16 sarjaa) alkaen TCGA [44] tai julkista mikrosirujen aineistoja GEO. Yksityiskohtainen menettely on kuvattu Materiaalit ja menetelmät jaksossa.

Katsaus analyysin

Olemme kehittäneet joukon luokittelijoiden ennustaa DR lääkekandidaatteina hoitoon glioblastooma, keuhkosyöpä, ja rintojen syöpä. Meidän menetelmä käyttää kolmen tyyppisiä allekirjoituksia, jotka ovat peräisin kemiallisesta rakenteesta (S), lääke-kohde suhteessa (T), ja geenien ilmentyminen (E). DR ehdokkaat ennustettiin perustuen samankaltaisuuteen allekirjoituksista välillä yhdisteiden ja sairaus (tai sen tiedossa huumeita). Ennustaminen suorituskykyä perusteellisesti tarkastettu puolueettomasti käyttämällä i) tavanomaista rajat validointi järjestelmä, joka hyödyntää tunnettujen lääkkeiden (KD set) vertailukohtana, ii) 29 syöpälääkkeen HTS kerättyä 11,000-41,000 yhdisteitä, ja iii) määritykset perustuvat glioblastooma syöpäsolun linjat ja potilaasta johdettujen alkusolut.

työ tässä kuvatut koostui kolmesta vaiheesta: 1) rakennus yhdistys allekirjoitukset, 2) rakennetaan sarja luokittelijoiden, ja 3) arvioida ennusteen suorituskykyä. Tavoitteena on ensimmäinen vaihe oli liittää yhdisteitä ja kohde taudin (tai sen tunnettujen syöpälääkkeiden), joka perustuu samankaltaisuuden kolmen allekirjoituksen tyyppiä (kuvio 1A). Kaiken kaikkiaan seitsemän eri tyyppiä yhdistysten, jotka olivat toisistaan ​​riippumattomia perustettiin. Ensin yhdiste ennustettu kuin DR ehdokas, joka perustuu sen rakenteellinen samankaltaisuus tunnettujen lääkkeiden (S

CPD-S

KD). Ilmaus (E) ja kohde (T) allekirjoitukset pohjimmiltaan ovat listan geenit, jotka voisivat liittyä millä tahansa menetelmällä geenien joukon rikastamiseen analyysi. Siksi voimme tuottaa kuusi muistakin assosiaatioita yhdisteiden (T

CPD, E

CPD) ja sairaus (T

KD, E

KD, E

DIS). Käytimme

Tanimoto kerroin

mittana allekirjoituksen samankaltaisuuden koska kaikki allekirjoitukset voidaan esittää binary vektori 0 ja 1 S-

i

.

e

., The läsnäolo tai puuttuminen geenien tai rakenteellisia sormenjälkiä. Koska useita allekirjoituksia sallitaan yhden yhdisteen ja sairauksien, laskimme keskiarvo Tanimoto kerroinarvojen tietylle yhdisteelle-tauti paria.

(A) rakenteellisen (S), kohde (T), ja lauseke (E) allekirjoitukset jokaisen yhdisteen (ympyrät vasemmalla) ja sairaus (neliöt oikealla) verrattiin. Liitot ovat katkoviivoilla kolmeen ryhmään (S: keltainen, T: vihreä, E: punainen) riippuen yhdisteen allekirjoitus. (B) kaikkiaan seitsemän eri luokittelijoiden rakennettiin perustuvat samankaltaisuudesta yhdiste ja kohde allekirjoitus tai niiden yhdistelmät (S, T, E, ST, SE, TE, ja STE). DR pisteet laskettiin käyttämällä sarjaa luokittelijoiden perustuu logistinen regressio tunnetun lääkkeen setti (KD sarja) käytettiin vertailukohtana. (C) Esitys arvioitiin käyttämällä kolmea riippumatonta aineistoja: I) keskimääräinen AUC 100 kierrosta 3-kertainen cross validointi, II) verrattuna 29 sarjaa NCI-60 DTP ihmisen tuumorisolulinja HTS tiedot, ja III) kokeellinen validointi antiproliferatiivinen toiminta käyttäen syöpäsolulinjoista ja ensiöparit. Polku tason tulkinta lääkeaineen toimintatavan suoritettiin aktiivisen DR ehdokkaita glioblastoma (IV).

Toisessa vaiheessa mukana rakentamiseen sarjan luokittelijoiden ennustaa DR ehdokkaat (kuvio 1B ). Jos haluat vertailla kunkin allekirjoituksen, seitsemän luokittelijoiden rakennettiin käyttäen logistista regressiota. Saatu luokittimia käytetään yhdessä (S, T, E), näiden kahden yhdistelmästä (ST, SE, TE), tai kaikki kolme (STE) yhdistettä allekirjoituksia. Lopuksi ennusteen suorituskyky perusteellisesti tarkastettu puolueettomasti käyttämällä i) tavanomaista rajat validointi järjestelmä, joka hyödyntää tunnettujen lääkkeiden kuin

kultakantaan

, ii) 29 suuren mittakaavan HTS kerättyä antiproliferatiivinen aktiivisuus ja iii) määrityksiä, jotka käyttävät sekä perustettu glioblastoomasolulinjoissa ja potilaasta peräisin glioblastoma ensisijainen soluja. Olemme edelleen tulkittu mahdollisia toimintatapoja lääkkeiden avulla koulutusjakson rikastamiseen analyysiä seurasi vertailuja muihin syöpälääkkeet.

toiminnan arviointi käyttäen tunnettua lääkettä (KD) aineisto

varmistamiseksi puolueeton arviointi, me rajoitettu analyysimme ytimeen joukko 2250 yhdisteiden jotta eri luokittelijoiden voidaan verrata käyttäen täsmälleen samaa vertailuarvo. Kokeiden ydinjoukko mukana 79, 100, ja 132 tunnetut syöpälääkkeet (KD set) mittareiksi glioblastooma, keuhkosyöpä ja rintasyöpä, vastaavasti. Negatiivinen sarja (1946 yhdisteet) valmistettiin ilman CD asettaa ydinjoukko.

Kuten edellisessä osassa rakensimme seitsemän eri luokittelijoiden perustuu yhteen allekirjoituksen (S-, T-, ja E-luokittelija) tai yhdistelmä useita allekirjoituksia (ST-, SE-, TE- ja STE-luokittelija). Niiden suhteellinen esityksiä arvioitiin käyttäen 100 kierrosta kolminkertaiseksi rajat validointijärjestelmät. Luokittelijoiden perustuivat logistinen regressio, joka automaattisesti painaa komponentin ominaisuuksia saadaan yhtenäinen ennustus pisteet-

DR pisteet

-scaled nollasta yhteen. Tavoitteena perustuva luokittelijoiden (T) toimivat paremmin kuin muut luokittelijoiden (S, E) tunnistaa tunnettujen lääkkeiden (KD ydinjoukko) kaikissa kolmessa syöpätyyppien (kuvio 2). Tämä suuntaus havaittiin yhdenmukaisesti yhdessä muiden allekirjoituksia (ST, TE SE). Me perusteltu, että tavoitteet tunnettujen lääkkeiden (KD) ovat parempia tunnettu kuin muut yhdisteet, ja kohde-pohjainen luokittelijoiden voivat näin ollen suosia tunnettuja huumeita. Siksi me arvioitiin edelleen luokittelijoiden entistä puolueettomasti seuraavissa osissa.

Luokittelijoihin yhdellä tyyppinen allekirjoitus (S, T, ja E) ja niiden yhdistelmät (ST, SE, TE, ja STE) arvioitiin perustuen AUC ROC käyrän glioblastooma, keuhkosyöpä ja rintasyöpä. AUC-arvot laskettiin keskiarvo 100 kierrosta 3-kertainen cross validointi.

Arviointi verrattuna julkisen syöpälääkkeen HTS

Jotta mahdollinen harha, keräsimme kymmeniä suuria mittakaavaisia ​​syöpälääkkeen HTS määritykset päässä pubchem [45]. Ne koostui kahdeksasta, kolmetoista, ja kahdeksan HTS määrityksiä GBM, keuhkosyöpä, rintasyöpä solulinjoissa, vastaavasti (taulukko A S1 File). Näissä määrityksissä kaikki käytetyt erilaiset solulinjat ja olivat kohtuullisesti eroavat toisistaan ​​kannalta sekä analysoitiin ja osui compounds-

e

.

g

., Vain 20% osuma päällekkäisyys havaittiin välillä kaksi määritykset GBM (AID57, AID59) (Kuva B S1 File). Jälleen me rajoittanut arvionsa analysoidaan yhdisteitä, jotka myös kuuluivat perustietovaatimukset. Keskittyä kyky ennustaa romaani DR ehdokkaita, tunnettujen lääkkeiden (KD) jätettiin pois osuma yhdisteistä. Loput osumia kunkin testin jaettiin kahteen ryhmään: i) anti-cancer osumia, jotka kuuluivat CD asettaa tai oli kaksi tai useampia rakenteellisia analogeja CD asetettava siten Tanimoto kerroin 0,7, ja ii) uusia osumia, jotka eivät sisältyneet entiseen asetettu. Siksi syövän osumia edustaa niitä, jotka voidaan helposti perusteella ennustettiin rakenteellinen samankaltaisuus ja romaani osumia, jotka olivat vaikeita tapauksia ja ovat tämän tutkimuksen.

Mielenkiintoista, miten kukin allekirjoituksen oli toisin tulos edellisen arvioinnin perusteella KD asetettu. Ilmaisu perustuva luokittelija (E) paras ennusti syöpälääkkeen osumia kaikissa kolmessa syövissä (kuvio 3A). Sen sijaan tavoitteisiin perustuva luokittelija (T) suoritetaan pahin. Tämä suuntaus oli selvempi ennustamisessa uusien osumia (kuvio 3B). Luokittelijoiden rakenteen perusteella (S) tai kohde allekirjoitus (T) olivat olennaisesti pysty ennakoimaan uusia osumia (mediaani AUC = 0,41 ~ 0,62), kun taas ilmaus allekirjoitus (E) suoritetaan kohtuullisen hyvin (mediaani AUC = 0,73 ~ 0,79, kuvio 3B ). Tämä suuntaus havaittiin yhdenmukaisesti yhdessä muiden allekirjoituksia (SE TE ST). On huomattava, että yksi allekirjoitus (E) johdonmukaisesti toimivat paremmin yksin kuin yhdessä muiden allekirjoituksia (SE, TE) kaikkien kolmen syöpätyyppeihin. Kaiken kaikkiaan ilme allekirjoitus (E) oli enemmän informatiivinen kuin rakenteen (S) tai kohde (T) allekirjoitukset joukossa HTS aineistot kolmelle eri syöpiä. Tiedot myös, että edellisten arviointien tahansa

in silico

DR voitaisiin puolueellinen jos tiedossa lääkkeitä käytettiin ainoana vertailukohtana asettaa, erityisesti jos menetelmä on erittäin riippuvainen tavoite tiedon. Erityisesti keskitytään ydinjoukko säilyttää vain pieni joukko yhdisteiden arviointiin, mutta tämä lähestymistapa pysyi riittävän puolueeton tilastolliset testit käyttäen samoja yhdisteitä (taulukko A S1 File). Arvioinnin tulokset kaikkien yhdisteiden HTS aineisto osoitti olennaisesti sama suuntaus (kuva C S1 File).

Seitsemän luokittelijoiden (S, T, E, ST, SE, TE, ja STE) olivat arvioitiin perustuen AUC ROC käyrän glioblastooma, keuhkosyöpä ja rintasyöpä. Vain yhdisteet ydinjoukko arvioitiin. AUC-arvot laskettiin keskiarvo 100 kierrosta 3-kertainen cross validointi. (A) tyypillisiä esimerkkejä suorituskyvyn arvioinnin käyttäen HTS tietojen asetetut glioblastoma (AID45), keuhkosyöpä (AID5), ja rintasyöpä (AID97). AUC: t olivat itsenäisesti lasketaan kahden erillisen osuma yhdisteiden vertailukohtana (tai positiivisia) -i) osuma yhdisteet tunnetaan syövän vastaista aktiivisuutta (punaiset viivat) ja ii) uuden osumia (vihreitä viivoja). Jakauma AUC käyttäen (B) yhdisteiden tiedetään syövän vastaista aktiivisuutta vertailukohtana, ja (C) romaanin osuu vertailukohteena.

Kokeellinen validointi DR ehdokas lääkkeiden glioblastoma

glioblastoma multiforme (GBM) on yleisin ja aggressiivinen aivosyövän osoittaa erittäin huono ennuste huolimatta samanaikaisesti tai peräjälkeen kemosädehoidon [46]. Temotsolomidin (temotsolomidia) on ensilinjan kemoterapeuttisen aineen hoitoon GBM. Koska alkyloiva aine, TMZ siirtää metyyli ryhmiä puriiniemäkset DNA aiheuttaen yksi- ja kaksijuosteiset DNA taukoja ja myöhemmät apoptoottisen solukuoleman. Useimmat tutkimuksesta osoitti, että kemoterapia koitui rajoitettu eloonjäämiseen hyötyä GBM potilaille. Mediaani aika uusiutumiseen oli vasta 6,9 kuukautta sen jälkeen, kun tavallinen hoito [47]. Siksi tarvitaan tehokkaampia lääkkeitä on selkeä ja tyydyttämättömiä.

Täällä listattu DR ehdokkaita GBM ja kokeellisesti testattu niiden kasvaimen vastainen toiminta perustuu pelkästään ilmaisua allekirjoitus. Ensinnäkin 8,860 yhdisteet tilaaman DR pisteet,

i

.

e

. prosenttipiste sijoitus ennusteiden saman luokittelijan (E) kuten kuvattu edellisessä jaksossa. Seuraavaksi soveltaa useita suodattimet: a) FDA-hyväksytty; b) DR pisteet 0,9; ja c) selvitys siirtää aivojen veriaivoesteeseen (BBB) ​​joko kirjallisuuden tai

in silico

ennustavat https://www.cbligand.org/BBB. Yksi korkea-pisteytys ehdokas (ivermektiiniä DR pisteet = 0,98) sisällytettiin myös huolimatta ilmoittanut ei välittää BBB. Lopullinen 14 DR ehdokasta valittiin, ja niiden anti-kasvain toimintaa testattiin käyttäen neljää GBM solulinjoja ja kahdeksan potilaasta peräisin primäärisiä soluja. Meidän DR tulokset korreloivat hyvin antituumorivaikutusten joukossa testatuissa solulinjoissa kannalta sekä anti-proliferatiivista aktiivisuutta, ja osa merkittävän kasvun inhibitio (kuvio 4A ja 4B). Kahdeksan 14 ehdokasta olivat merkittäviä osumia kolmen tai useamman GBM soluihin 10 uM. Erityisesti alkuun seitsemän ehdokasta osoitti vahvaa antituumorivaikutuksen, mikä vastaa noin 20 kertaa osuma rikastus välillä ~ 5% osumatarkkuus tavanomaisten suuren seulonnan.

(A) DR tulokset, (B) osa inhiboi merkittävästi solujen yhteenveto tuloksista (C), (C) anti-proliferatiivinen toimintaa (% kasvun inhibitio) neljän glioblastoomasolulinjoissa (neljä solulinjoja TG98, A172, U251MG, ja U87MG) ja kahdeksan potilasta -johdannainen ensiöparit (jäljempänä GBLs) 10 uM, (D) in silico ennuste pistemäärät BBB liikenteen perustuu https://www.cbligand.org/BBB. Punainen Tähti osoittaa kokeellisen tuen kulkee BBB kirjallisuuden mukaisesti. Kaiken antiproliferatiivista toiminta ulottuu glioblastoomasolut korreloivat voimakkaasti rankingissa DR pisteet. Useimmat DR ehdokkaita osoitettiin pystyä siirtämään BBB.

Kartoitimme kirjallisuudessa koskevia raportteja syövän vastaista aktiivisuutta kahdeksan aktiivisen DR ehdokasta, jotka esitetään taulukossa 1. Huomasimme, että neljä lääkkeet (ivermektiini, astemitsoli, nortriptyliini, ja apomorfiini) on aiemmin raportoitu osoittaa kasvaimen vastaisen aktiivisuuden aivosyövän. Kolme lääkettä (trifluridiini, amlodipiini, ja maprotiliinin) osoitti anti-kasvain aktiivisuuden muiden syöpien, mutta ei glioblastooma. Mometasoni on kortikosteroidi ja pidetään uusi lääke syövän, koska se ei ole raportoitu osoittaa kasvaimen vastaisen aktiivisuuden tahansa tyyppinen syöpä. Kortikosteroideja on käytetty vähentämään peritumoraalista turvotusta ja kemoterapia liittyvä sivuvaikutuksia, kuten kipu, pahoinvointi ja oksentelu [48]. Kaikki aktiiviset DR ehdokkaat paitsi ivermektiini on osoitettu pystyä siirtämään BBB joko kirjallisuusraporttien kautta tai

in silico

ennustuksen.

tulkinta huumeiden toimintatavat aktiivisen DR ehdokkaat

Drug-induced transcriptomic profiilit heijastavat suoria ja välillisiä muutoksia solun fysiologian omiikka mittakaavassa ja antaa runsaasti tietoa farmakologisen huumeita. Jotta tulkita niiden toimintatapoja, suoritimme koulutusjakson rikastamiseen analyysi ylä- ja alas geenien avulla Kegg reittejä. Yhdessä 32 ja 17 polkuja merkittävästi rikastettu ylä- ja alas geenien, vastaavasti, cut-off-Q-arvo 0,1 (kuvio 5). Kaiken kaikkiaan tulokset viittaavat uskottavalta mekanismit kasvaimen vastaisen toimintoja, jotka jaetaan DR ehdokkaita. Sääteli reittejä mukana apoptoosin, aminohappo ja rasva-aineenvaihduntaan, ja kasvaimen tukahduttava P53 /MAPK /WNT signalointia, joka ehdotti, että toiminta antiproliferatiivisia prosesseja lisääntynyt. Toisaalta soluproliferatiivisen reittejä, kuten solusykliä, DNA: n replikaatio, DNA: n korjaukseen, ja ribosomin kokoonpano, olivat alassäädetty.

p-arvot ja niiden oikaistu q-arvot laskettiin hypergeometrisen testi ja Benjamini-Hochberg menetelmällä, vastaavasti.

neljä huumeita (amlodipiini, astemitsoli, maprotiliini ja nortriptyliini) voimakkaasti kohonneet lipidi- aineenvaihduntaan (steroidi, terpenoidi, ja rasvahapot). Näin ollen, amlodipiini, kalsiumkanavan salpaaja, on aiemmin raportoitu aiheuttavan steroidien [66]. Amlodipiini ja maprotiliini kohtalaisen sääteli apoptoosin väyliä, jotka voivat liittyä PKD1 yli-ilmentymisen ja kaspaasi-3 aktivointi, vastaavasti [67,68]. Erityisesti apomorfiini tuntui toimimaan kautta erillisen mekanismin: liittyvien geenien mitokondrioiden energia-aineenvaihduntaa olivat vahvasti alassäädetty ilman havaittavia muutoksia apoptoosin, aineenvaihduntaan tai DNA: n korjaukseen. Nämä mitokondrioiden metaboliset geenit sisältyvät geenit, jotka koodaavat ATP-syntaasi (ATP5O, ATP5D), sytokromi oksidaaseja (COX8A, COX7), ja NADH dehydrogenaasin (NADUFS8, NADUFB2). Mitokondriovauriot on vakiintunut moduloida apoptoosia ja kasvaimen kehittymisen [69]. Kaksi muuta DR ehdokasta (nortriptyline ja maprotiliinin) laski myös mitokondrioiden energia-aineenvaihduntaa. Down säätely solusyklin geenien yleisesti havaittu kaikkien kahdeksan DR ehdokasta. Viisi lääkkeet merkittävästi vähentynyt ilmentyminen DNA: n korjaukseen geenejä. Kaiken kaikkiaan nämä aktiiviset DR ehdokkaista kaikki merkittävästi perturbed useita kasvaimia aiheuttavasta tai tuumoria tukahduttavan reittejä, jotka voivat ohjata syöpäsoluja kohti antiproliferatiivisia tuloksen.

suoritettiin myös klusterin analyysi kahdeksan DR ehdokasta yhdessä 69 syöpälääkkeet sisältyvät LINCS aineisto käyttäen rikastamiseen mallia saman 32 ylä- ja 17 alassäädetty väyliä (kuva 6). Nämä syöpälääkkeet usein säätää ylös P53, MAPK, apoptoosin ja immuuni signalointi. Monet syöpälääkkeet sekä meidän DR ehdokkaat alas-säädellä solun cycle-, DNA korjaus- ja p53 signalointi polkuja. Seitsemän kahdeksasta DR ehdokkaat esittävät erittäin samanlainen rikastamiseen kuvio muiden syöpälääkkeiden (cluster I-V kuviossa 6). Neljä DR ehdokkaat (amlodipiini, astemitsoli, nortriptyliini, ja maprotiliinia) ja kahdeksan syöpälääkkeitä kuulua kahteen liittyvä klustereita (I ja II).