Krooninen sairaus

tiivistelmä

Viimeaikainen tutkimus on paljastanut eri molekyylimarkkereina keuhkosyövässä. Kuitenkin organisaation periaatteita niiden geneettinen säätelyverkkojen odottavat edelleen tutkimus. Täällä suoritimme Network Component Analysis (NCA) ja Pathway Crosstalk Analysis (PCA) rakentaa sääntelyverkon ihmisen keuhkosyöpä (A549), jotka oli käsitelty 50 uM motexafin gadolinium (MGD), metallikationi sisältävän kemoterapeuttisen lääkkeen 4 , 12, ja 24 tuntia. Olemme tunnistaneet joukon keskeisiä TF: ien, tunnettu kohdegeenien näille TF: ille, ja signalointireittejä mukana säätelyverkkojen. Meidän työ osoitti, että otaksuttu väliset vuorovaikutukset näiden TF: iä (kuten ESR1 /SP1, E2F1 /SP1, c-MYC-ESR, Smad3 /c-Myc, ja NFKB1 /RELA), välillä TF: t ja niiden kohdegeenien (kuten BMP41 /EST1 luokat , TSC2 /Myc, APE1 /SP1 /p53, RARA /HOXA1, ja SP1 /USF2), ja välillä signalointireitteihin (kuten PPAR signalointireittiä ja Adipocytokines signalointireittiin). Nämä tulokset antavat oivalluksia sääntelymekanismiin MGD käsitellyn ihmisen keuhko- syöpäsoluja.

Citation: Shao L, Wang L, Wei Z, Xiong Y, Wang Y, Tang K, et al. (2012) Dynamic Network of Transcription and Pathway Crosstalk paljastaa Molecular mekanismi MGD-Käsitelty Human Lung Cancer Cells. PLoS ONE 7 (5): e31984. doi: 10,1371 /journal.pone.0031984

Editor: Yidong Bai, University of Texas Health Science Center at San Antonio, Yhdysvallat

vastaanotettu: 18 syyskuu 2011; Hyväksytty: 16 tammikuu 2012; Julkaistu: 31 toukokuu 2012

Copyright: © 2012 Shao 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 973 Program (2010CB529600), 863 Program (2009AA022701), National Nature Science Foundation of China (81121001), Shanghai Municipal komissio Science and Technology Program (09DJ1400601), National Key Technology Research Devolopment Program (2006BAI05A09), ja Shanghai Leading Academic Kuri Project (B205). 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 maailmanlaajuinen johtava syy syövän liittyvän kuoleman kanssa 5 vuoden pysyvyys on alle 15% [1]. Useat molekyylimarkkerit liittyy keuhkosyövän etenemistä on tunnistettu, mukaan lukien TGF, MET, TP53, HF1A, APC, KRAS, ja EGFR [2].

Transkriptiotekijöihin (TF: t) ja polkuja kriittisiä rooleja etiologies of keuhkosyöpä. Esimerkiksi transkriptiotekijän E2F-1 yli-ilmentyy keuhkojen syöpäsolu, ja taso on parantaa vapautuneilla pRb-p53-MDM2 piiri [3]. Transkription säätelyyn analyysi on osoittanut, että promoottori aktiivisuuden ja ilmentymisen taso SP1 säätelevät Ets-1 A549 keuhkosyövän soluja. Funktionaalinen analyysi kaksi Ets-1-sitoutumiskohtien SP1 promoottori viittaa siihen, että vain Ets-1-sitoutumiskohta -413–404 on mukana aktivaatioon SP1-promoottorin [4]. Se on myös hyvin dokumentoitu, että ilmaus cPLA2 on kriittinen transformoitu kasvua keuhkosyövän ja forboli-12-myristaatti-13-asetaatti (PMA) aktivoitujen signaalinvälitysreitin, joka on mukana entsymaattinen aktivointi cPLA2. Tutkimukset osoittavat, että c-Jun /nukleoliinin ja c-Jun /SP1 komplekseja tärkeä rooli PMA-säänneltyjen cPLA2a geenin ilmentymisen [5]. Lisäksi useat reittejä mukana keuhkosyöpä etenemistä on osoitettu, kuten PI3K /AKT-reitin, TGF-beeta-signalointireitin, Wnt-reitin, JAK /STAT-reitin, ja MAPK /ERK-reitin [6], [7], [8 ], [9].

korkea-tekniikoiden avulla biologiassa, kuten mikrosiru, ovat tuottaneet suuren määrän tietoa, joka voi mahdollisesti tarjota järjestelmätason tietoa taustalla olevan dynamiikan mekanismien [10]. Poimimaan merkityksellistä tietoa (TF: t ja reitit informaation) suurikapasiteettisten ekspressiotietojen käytimme NCA ja PCA rakentaa ja analysoida dynaaminen sääntely verkon MGD saaneilla ihmisen keuhko- syöpäsoluja.

NCA kehittämää James Liao [10], on verkkorakenne perustuva kehys liittäessään säätelysignaalisekvens- dynamiikkaa. NCA malleja geenin ekspressiota lineaarikombinaationa aktiivisuuden kunkin transkriptiotekijän, joka ohjaa geenin ilmentymistä. NCA hyödyntää yhteyden rakenteen transkription säätelyverkkojen ja joukko geenien ilmentyminen tietojen päätellä dynamiikan transkriptiotekijän toiminnan. NCA on onnistuneesti sovellettu päättelyprosessi transkription sääntelyn verkosto sytokineesin liittyvien geenien [11] ja vaihe-erityisiä ohjauselementit sen solusyklin hiivassa [12]. Tässä tutkimuksessa olemme rakentaneet integroitu dynaaminen malli ihmisen keuhkosyövän vastauksena MGD, joka koostui lasketun transkriptiotekijän toiminnan transkriptiotekijä sääntelyn vaikutuksista kunkin geenin.

Koska kyseessä on monimutkainen luonne biologisten järjestelmien enemmän kuin yksi reitti voi olla mukana missä tahansa monimutkainen sairaus. Kaksi tai useampia reittejä voivat olla vuorovaikutuksessa toistensa kanssa aiheuttaa taudin. Tämä on hyvin todennäköistä, koska toiminnallinen tärkeitä proteiinit voivat olla mukana useita eri reittejä pitkin [13]. Siksi lisäksi tunnistaminen erityisiä koulutuslinjoja, otamme askel tutkimalla vuorovaikutusta ja ylikuulumisen välillä polkuja, jotka liittyvät MGD saaneista keuhkosyöpä. Tässä tutkimuksessa käytimme laskennallinen lähestymistapa tunnistaa ylikuulumisen joukossa polkuja perustuu proteiini-proteiini-vuorovaikutuksen (PPI) verkko, koekspressoi merkitys kunkin geenin parin, ja pisteytys järjestelmä, jota käytetään määrittää funktion [14] .

määritelty dynaamista säännellyn verkkoon NCA, joka vaatii kaksi tuloa: joukko geeniekspressioprofiilien ja ennalta määritellyn matriisin, joka sisältää vaikutus jokaisen transkriptiotekijän sen arvioidun tai tunnistettu kohdegeenien. Kaksi lähtöä NCA (ennustettu tekijä toiminnan ja sääntelyn vaikutus) ovat lisänneet ylimääräisiä oivalluksia geenien ilmentyminen, kun tietojen taustalla sääntely verkon rakenne on osittain tunnettu. Jotta tulkita transkriptiotekijän toiminnan ja sääntelyn voimakkuus (vaikutus), korjaus välillä TF toimintojen ja ilme, hierarkkinen klusterointi laskettiin. Lopuksi, dynaaminen säännelty verkostoja rakennettiin. Rinnalla, PCA havaitsemiseen käytettiin suhdetta keskuudessa polkuja.

Lyhyesti Tutkimuksemme tavoitteena paljastaa molekyylitason mekanismi MGD käsitellyn ihmisen keuhkosyöpä solut dynaamisesta ja järjestelmällinen näkökulma PCA ja NCA. Tuloksemme pitäisi tarjota uusia mahdollisuuksia kehittyneempien tutkimuksen biologisen roolin TF: ien ja reittejä MGD saaneilla ihmisen keuhko- syöpäsoluja.

Methods

Ihmisen keuhkosyöpä (A549) [15] käsiteltiin 50 uM metallikationilla sisältävät kemoterapeuttista lääkettä motexafin gadolinium (MGD) 4, 12, tai 24 tuntia. Niiden ilmaisu profiilit verrattiin valvonnan solut käsiteltiin 5% mannitolia samalla inkubaatioajan. Yksityiskohtaisesti Näytteiden esitetty taulukossa 1. Limma Menetelmä [16], käytettiin tunnistamaan differentiaalisesti ilmentyvien geenien (DEGS) lausekkeen profiilin (GSE2189). DEGS kanssa kertaluokkamuutos 1,5 ja p-arvo 0,05 valittiin lisäanalyysiä. Jokainen valittu DEG on eri ilmaistava useammassa kuin yhdessä vaiheessa. Lisäksi 6328 sääntelyn väliset suhteet 250 TF: t ja 2255 kohdegeenien kerättiin TRED [17] ja Transfac [18].

Jotta lisätä sääntelyä suhteita TF ja kohde- geenejä, yhteensä 250 TF: t ja 144 DEGS valittiin olla hierarkkisesti ryhmittyivät hcluster R kielen. Kunkin parin TF ja sen kohdegeenin vain kohdegeenin alipuun TF-solmu kertoimella suurempi kuin 0,8 (kynnys | r | 0,8) valittiin NCA.

Lopuksi 627 TF-kohdegeenien sääntelyn suhteet (joka sisältää TF-TF vuorovaikutukset) tunnistettiin perustuen 164 TF: istä ja 83 DEGS.

Network Component Analysis

NCA käyttää standardia log-lineaarinen malli lähentää suhde tasojen ien aktiivisuutta ja että kohde-geeniekspressiota olettaen Hill välistä TFS promoottorialueen kohdegeenien. Muodollisesti (1) missä t edustaa aikaa vaiheessa on geenien ilmentymisen taso ja on TF j toimintaa ja heijastaa valvontaa vahvuus TF j geenien i.

Sitten yhtälö (1) linearisoidaan kuin (matriisimuodossa) 🙁 2) B

matriisi koostuu elementtien = ja vastaavasti = edustaa suhteellinen geeniekspressiotasot ja TF: ien toimintaan. Ulottuvuus on (N geenien ja M näytteen tai olosuhteet) kun taas on (L-TF: iä). Ne osoittavat vastaavasti ajanjaksoista suhteellisten geeniekspressiotasot ja TF: ien toimintaan. Lopuksi, koko on, joka on ohjattu voimaa L TF: ille kunkin N geenejä. Yhtälö (2) edellä voidaan edelleen yksinkertaistaa seuraavasti: (3) B

Täällä meillä on voimaa matriisi ,, joka vastaa termi yhtälössä (2) ja TF: ien aktiivisuus matriisi, joka on vastaa yhtälössä (2), ja lopuksi, geeni-ilmentymisen matriisin vastaava termi yhtälössä (2).

edellä esitetyn perusteella valmisteen hajoaminen osaksi ja voidaan saavuttaa minimoi seuraavia kohde toiminto: (4) B

Jollei.

NCA, edellä mainittua tavoitetta toiminto on arvioitu käyttäen bootstrap algoritmi ja arvo ja voidaan normalisoida kautta nonsingular matriisin mukaan (5) B

Erityisesti taata ainutlaatuisuutta ratkaisu matriisin hajoaminen Eq. 4, verkkotopologian pitää täyttää tietyt vaatimukset [19]: (i) liitettävyys matriisi [A] on oltava täysi-sarake listalla. (Ii) Kun solmu sääntely- kerros poistetaan yhdessä koko tuotoksen solmut liitetty siihen, että syntyvä verkko on ominaista yhteyden matriisi, joka on edelleen täysi-sarake listalla. (Iii) [P] on oltava täysi rivi listalla.

NCA algoritmi toteutettu MATLAB tekijät on ladattavissa osoitteesta https://www.seas.ucla.edu/~liaoj/. Tässä tutkimuksessa me seurasimme manuaalisen tämän paketin.

Pathway rikastus Analysis

Pathway tiedot kerättiin Kegg (Kioto Encyclopedia of Genes and Genomit), kokoelma online-tietokantojen käsitellä genomien entsymaattinen polkuja, ja biologisten kemikaalien [20]. DAVID [21], suurikapasiteettisten ja integroitu tiedonrikastus ympäristö, käytettiin analysoimaan geeni luetteloita johdettu suuren läpimenon genomista kokeita. Merkittävä polkuja, jotka ovat vähintään kaksi jäsentä ja p-arvo 0,1 oli siis valittu.

Pathway Ylikuuluminen Analysis

PPI tiedot kerättiin HPRD [22] ja BIOGRID [23]. Kaikkiaan 326.119 ainutlaatuinen PPI paria kerättiin rakentaa PPI verkkoon. Limma eBayes menetelmä [16], käytettiin mittaamaan ero ilmentymisen tilan geenejä. Pearson korreloi kerroin testiä, jonka avulla määritetään koekspressoi merkitys kunkin geenin parin. Edellä mainitut kaksi arvot kartoitetaan solmuja ja reunat PPI-verkkoon. Seuraavaa kaavaa käytettiin määrittämään toimivat yhdistäen tilastollista merkitystä vuorovaikutuksen mukaan pisteytyssysteemin [24]. Yksityiskohtaisesti näkyi Liu et al [14].

JM (x) ja JM (y) ovat differentiaalikaavojen arvioinnit geenin x ja geeni y, vastaavasti. Corr (x ’y) edustaa korrelaatio geeni x ja geenin y. f on yleinen tiedon integroinnin menetelmän, joka pystyy käsittelemään useita tietolähteitä eri tilastollisen tehon. Jossa k = 3, P1 ja P2 ovat p-arvot erilaiseen ekspressioon kaksi solmua, ja P3 on p-arvo niiden co-ilmaisua.

Jos haluat määrittää vuorovaikutuksen merkitys välillä polkuja, me tiivistää kaikki tulokset reunojen S (e) kaikkien ei-tyhjiä päällekkäisyyksiä. Erityisesti vuorovaikutus pisteet kahden reitin välinen arvioitiin niiden päällekkäisiä tila painotetun reittejä seuraavalla kaavalla: missä Pi ja Pj on kaksi polkuja ja Oij on niiden päällekkäisyyksiä. Arvioida merkitys päällekkäisten eri reittejä, me satunnaisesti näytteet 1 x 10

6 kertaa kahden samankokoisia reittejä reunat reitin verkon ja laskea niiden päällekkäiset tulokset. Taajuus suurempi kuin C pisteet merkitään merkittävää vuorovaikutusta Pi ja Pj.

Tulokset ja keskustelu

transkriptiotekijä Toiminta

kaavamaisen lähestymistapamme on esitetty kuviossa 1. perustuen NCA menetelmään, 16 TF: t seulottiin rakentaa dynaaminen sääntelyverkon. Kuvio 2A ja 2B osoitti arvioitu toimintaa 16 TF: ien. Transkriptiotekijä toiminta osoitti selvästi varhaisen, puolivälissä, ja loppuvaiheen toimiin vastauksena MGD. SP1, RARA, RELA, TP53, ETS1, ja Smad3 aktivoituivat 4 tunnin kuluttua MGD ruiskutettiin. SP1 aktivointi oli korkeimmillaan 4 tuntia ja HF1A, CREB1 ja SPI1- ennustettiin olevan jonkin verran pois päältä yli 12 tuntia (kuvio 2A). Tutkimus havaitsi, että SP1 tasolla kertynyt voimakkaasti varhaisessa vaiheessa ja sen jälkeen laski myöhäisessä vaiheessa [25] ja aryylihiilivetyreseptori yhdessä RelA moduloi IL-6 ilmentymistä savuton keuhkosyöpä [26]. Nämä ovat todisteita, jotka voisivat parantaa luotettavan tutkimuksen.

(A) Ennustettu toimintaa 16 TF: iä käytettiin tässä tutkimuksessa. Rivit edustettuina eteneminen ajassa ja sarakkeisiin vastasi toimintaan. Toimintaa kunkin sarakkeen normalisoitiin nolla ajankohtana. (B) Transkriptiotekijän toiminta (sininen) verrattuna geenien ilmentyminen (vihreä), Pearson korrelaatiokertoimet totesi. Sekä aktiivisuuden ja ilmentymisen kussakin aikapisteessä oli keskimäärin normalisoitu aika nolla-arvot. (C) korrelaatiomatriisin välillä transkriptiotekijän toiminnan. Punainen edustaa positiivinen korrelaatio ja sininen edustaa negatiivinen korrelaatio. (D) päätellä kombinatorinen sääntely paria TF: ien. Green yhtenäisviivaosoitettuun että pari tukivat proteiini-proteiini vuorovaikutukseen tietoa HPRD, BIOGRID ja korkea korrelaatio niiden toiminnan ( 0,6). Musta yhtenäinen viiva osoitti, että pari oli tuettu vain suuri korrelaatio, ja vihreä pisteviiva osoitti, että pari oli tuettu vain vuorovaikutus tietokantaan.

laskettu transkriptiotekijä, verrattiin geenin lauseke tiedot kunkin transkriptiotekijän (kuvio 2B) .TP53, Smad3, ja HF1A osoitti vahva positiivinen korrelaatio toimintaa ja ilmaisun (korrelaatiokerroin r 0,8) (kuvio 2B). Kuitenkin transkriptiotekijän toiminta oli joskus, mutta ei aina, korreloi geenin ilmentymisen TF: ien.

Vertasimme myös merkittävä korrelaatio transkriptiotekijän toimintaa julkaistu proteiini-proteiini-vuorovaikutusten luetteloitu HPRD [22] ja BIOGRID [23]. Mielenkiintoista, TF: t tiedetään toimivan yhdessä osoittivat korkea korrelaatio niiden aktiivisuuden profiileja (kuvio 2C). Esimerkiksi korreloi TF: ien SP1 ja RELA säädellään niiden kohdegeenien yhteen [27].

Tulokset paljastivat myös useita välinen vuorovaikutus TF: iä (kuvio 2D). Transkriptiotekijän SP1 säätelee ilmentymistä lukuisten geenien solujen eri prosesseissa, ja häiriöstä SP1 havaitaan moniin syöpiin ja sairauksiin [28]. Osallistuminen ESR1 keuhkosyövän on myös havaittu [29]. Vuorovaikutus on SP1 ESR1 on osoitettu rintasyöpäsoluissa [30]. Lisäksi E2F1 ja SP1 osallistuvat solujen lisääntymisen ja elinkelpoisuuden kautta säädellään fosfokoliinia cytidylyltransferase alfa (CCTα) [31]. Siten ennustettu ESR1 /SP1 ja E2F1 /SP1 vuorovaikutukset voivat ehdottaa niiden sääntelyn rooli patogeenisten prosessissa. Estrogeenihoito voi parantaa c-MYC-ESR1 vuorovaikutus ja helpottaa yhdistys ESR1, c-MYC, ja koaktivaattoria TRRAP näillä estrogeenia reagoivat promoottorit, jolloin kromatiinin remodeling ja transkriptio kasvu rintasyöpä. Nämä viittaavat ESR1 ja c-MYC voi fyysisesti vuorovaikutuksessa vakauttamiseksi ESR1-koaktivaattoriproteiinin monimutkainen, mikä mahdollistaa muun signaalintransduktioreitteihin hienosäätämään estrogeeni-välitteisen signaloinnin verkkojen [32]. C-Myc, onkogeenin, on myös osoitettu olevan vuorovaikutuksessa spesifisesti Smad3, yksi signaalimuuntajia mukana TGF-β signalointia, joka on osallisena syövän kehittymisessä [33]. Kuten NFKB1 /RELA, NFKB1 tai NFKB2 voisivat sitoutua RELA, RELB tai REL muodostamiseksi NFKB perheen ien. Nämä hetero-dimeerit osallistua valvoa monenlaisia ​​geenejä, ja ne ovat tärkeitä sikiön kehityksen, apoptoosin, immuuni-, tulehdus- ja stressistä. NFKB1 /RELA kompleksi on yleisin muoto NFKB. HeLa-soluissa, RELA fosforylaatio voi johtaa lisääntyneeseen transkription NFKB kohdegeenien ja inhiboimaan apoptoosin [34].

Merkittävät asetuksen välinen suhde TF: ien ja Target Genes

Kuviossa 3A kohdegeenien olivat hierarkkisesti ryhmittyneet kanssa säädetty vahvuuksia TF: ien ja näytetään geeniekspressiota. Olemme tunnistaneet useita suuria klustereita, jotka korreloivat koordinoitua toimintaa ien säätelemään geeniekspressiota. Huomasimme, että MYBL2, DDX11, LAMP1, ETV4, ja BMP4 säädeltiin MYC ja ETS1. Myc itsenäisesti säännelty BAZ1B, ZFP36L2, DPM2, TSC2, ZNF274, ja STAT6. MYOD1 ja ACP5 olivat säätelee NFKB1. APEX1 ja POLG2 säädeltiin SP1 ja CREB1. Kohdegeenien olivat hierarkkisesti ryhmittyneet ilmentymisen kanssa TF: ien kuvion 3B. Jotkut heistä kuviossa 3B ei ole esiin kuviossa 3A. Klusterit kuvassa 3A ehdotti, että voisimme käyttämään klusterin tiedot löytää uusia sääntelyyn suhteita.

(A) Oikaistu vahvuus matriisi käytettiin klusterointi, jossa geenien ilmentymisen matriisi liitteenä. Neljä suurta klustereita, joilla on enemmän kuin kolme liittyvien geenien, korostettiin. Oikaistun vahvuus matriisi heatmap, valkoinen osoitti heikko sääntelyyn. (B) klusterointi geenin ilmentymisen.

Olemme löytäneet viisi merkittävää asetusta suhteita, jotka todistavat edellisen tutkimuksen: BMP4 /EST1 luokat, TSC2 /myc, APE1 /SP1 /p53, RARA /HOXA1, ja SP1 /USF2. BMP4 signalointi aiheuttaa vanhenemista ja moduloi onkogeeninen fenotyypin keuhkosyöpäsolua [35]. BMP4 promoottori on kaksi Ets-1 sitoutumiskohdat, ja Ets-1 aktiivisuus lisääntyy maksasolukarsinoomassa soluissa hypoksisissa olosuhteissa. Niinpä yli-ilmentyminen Ets-1 tehostaa merkittävästi BMP4 promoottorin aktiivisuus [36]. Lisäksi BMP4 liittyy Smad ja p38 MAPK-reitin keuhkosyövän solu, joka on havaittu myös sääntelyyn verkossa [28].

MYC voi suoraan vaikuttaa transkriptioon tuberous skleroosi 2 (TSC2), kuten on esitetty kvantitatiivisella mRNA analyysejä ja Myc sitoutumalla sen promoottori kromatiinin immunosaostusmäärityksissä. Tärkeää on, myc-null kokeet ovat osoittaneet, että Myc toimii vahva ja suora repressorin TSC2 ilmaus, koska sen menetys johtaa lisääntyneeseen TSC2 mRNA. Tämä havainto osoittaa, että sääntely TSC2 voivat edistää vaikutuksia MYC soluproliferaatioon ja neoplastisen kasvun [37], [38].

otaksuttu promoottorialueen Apex1 geeni sisältää CCAAT laatikot ja CpG saari jolla otaksuttu sitoutumiskohtia useille TF: ille, kuten SP1 [39]. SP1 ylävirtaan transkription alusta, yhdessä viereisen CCAAT elementti, perustetaan proteiini-DNA-kompleksi tarvitaan pohjapinta transkriptioon APEX1 [40]. Lisäksi tutkimus osoittaa, että p53 tarjoaa mekanismin alaspäin säätely APE1 häiritsemällä SP1 sitoutumisesta APEX1 promoottori. Nämä havainnot osoittavat, että p53 on negatiivinen säätelijä APE1 ilmentymistä vasteena DNA-vauriolle. [41]

RARA on yksi ligandi riippuu indusoituvan transkription tekijä. RAR-reseptoreja perhe voi aktivoida geeniekspressiota suoraan RA reagoivat elementit (Rareş) lokalisoitu niiden kohdegeenien. Toiminnalliset Rares tällä hetkellä tunnetaan vain muutama HOX-geenit, kuten HOXA1, HOXB ja HOXC [42].

Koska jäsenenä bHLH perhe, USF-2 on osoitettu spesifisesti sitoutua E-box motiivi A, välissä -147 ja -142 ihmisen [arginiini] vasopressiinin promoottori olla mukana pienisoluinen keuhkosyöpä [43], [44]. Oli kuitenkin todisteita siitä, että fyysinen vuorovaikutus USF2 ja SP1 /SP3 [45], mikä viittaa siihen, USF-2 voi käyttää tärkeitä rooleja keuhkosyöpä vuorovaikutuksessa E-Box tai GC ruutuun.

Kaiken Regulatory Dynamics vastauksena MGD

rakennettu integroitu dynaaminen malli ihmisen keuhkosyövän vastauksena MGD (kuva 4), joka koostui laskettu transkriptiotekijän toiminnan transkriptiotekijä sääntelyn vaikutuksista kunkin geenin, subsellulaarinen sijainti, ja geeniekspression data. Ensimmäisen 4 tunnin ajan, TP53, SP1, E2F1, ETS1, Smad3 ja RELA aktivoituivat ja vuorovaikutuksessa säätelemään geeniekspressiota. Nämä TF: t olivat jo vaikuttaneet geenin ilmentymistä, mukaan lukien geenien Nucleus ja Solulima 4 tunnin kuluttua. Smad3, myös ilmaistu Nucleus ja Solulima, osoitti huippu aktiivisuutta 12 tuntia ja sitten 24 tuntia palasi edelliseen 4 tuntia tasolle. Sen sijaan E2F1 aktivointi nopeasti palasi pohja toiminnan taso.

Target geenien havaittiin piireissä, ja TF: ien kanssa kolmio. 4 subsellulaarisista paikoissa (Nucleus, Solulima, Plasma kalvo, solun ulkopuolisen) ryhmiteltiin 4 sykliä. Green katkoviivoin merkitty kohdegeenin, joka voi siirtää kahden subsellulaariset sijainnit. Punainen ja sininen linjat osoittivat vaikutuksen transkriptiotekijän on kohdegeenin.

Pathway Ylikuuluminen Analysis

Suurin osa merkittävistä väyliä (p-arvo 0,1 käyttäen hypergeometrisen testiä ) olivat syöpään liittyvät signalointireittejä (taulukko 2), mukaan lukien Pathways syövän, pienisoluinen keuhkosyöpä, ei-pienisoluinen keuhkosyöpä, haimasyöpä, Jak-STAT signalointireitin, PPAR-signalointireittiä ja niin edelleen. Nämä toteutustavat on osoitettu mukana keuhkosyövän aiemmissa teoksia. Esimerkiksi, BMP4 hoito (rikastettu Pathways syövän) on ehdotettu indusoivan senescent morfologia A549 keuhkosyövän soluja [35]. Fosforyloitumaton signaalimuunta- ja aktivaattoreita STAT6 (rikastettu Jak-STAT signalointireitin) voi kopiointia säätää ylös COX-2 ilmaisun ja suojaa apoptoosin NSCLC soluissa [46]. PPARy on ehdotettu moduloida proliferaatiota ja apoptoosia keuhkosyöpäsolua vuorovaikutuksessa sen ligandin. PPARy ilmentyminen havaitaan korkeampi keuhkosyöpäsolua potilailla verrattuna normaaliin ympäröivään kudokseen. Keuhkosyövän adenokarsinooma (A549) ja troglitatsoni (a PPARy ligandi) voi parantaa PPARy transkriptionaalisen aktiivisuuden ja indusoivat annoksesta riippuvaisen inhibition A549 kasvua [47], [48], [49]. Lyhyesti, aktivoitumista PPARy vaikeuttaa keuhkojen syövän etenemiseen ja PPAR-ligandit voivat toimia mahdollisina terapeuttisina aineina keuhkosyöpään. Tässä tutkimuksessa löydettiin PPAR-signalointireitin oli tärkeä polku vastauksena MGD-hoidon, mikä viittaa MGD voi olla yksi potentiaalinen PPARy-ligandia kuten troglitatsonilla.

analysoitava tarkemmin koulutusjakson n vuorovaikutusta ja laskettu C pistemäärä kunkin parin polkuja. PPAR-signalointireitin (hsa03320) havaittiin rajat juttelee polulla Ei-pienisoluinen keuhkosyöpä (hsa05223, p-arvo = 0,056135), Haimasyöpä (hsa05212, p-arvo = 0,056145), Virtsarakon syöpä (hsa05219; p- value = +0,056165), Adipocytokine signalointireitin (hsa04920; p-arvo = 0,056214), ja krooninen myelooinen leukemia (hsa05220;-arvo = 0,056214) jälkeen 4 tunnin MGD hoitoa (kuvio 5). Mutta tämä crosstalking ei ollut merkitsevä 12 tunnin ja 24 tunnin vaiheiden kanssa p-arvo 0,1.

Punainen viiva osoitti p-arvo rajat puhuu kahden reitin välinen alle 0,1. Sininen viiva määritellyt rajat puhuminen ei ollut merkitseviä p-arvo suuri kuin 0,3.

Kaiken suosittelemme PPAR-signalointireitin (hsa03320) on tärkeä rooli polkuja ylikuulumista.

oli ilmeistä vuorovaikutuksen suhde PPAR signalointireittiä ja Adipocytokines signalointireitin aiemmissa tutkimuksessa [50], [51]. Niistä, adipocytokines, erittyy rasvasoluissa, kuten tuumorinekroositekijä-alfa (TNF-a), plasminogeeniaktivaattori-inhibiittori 1 (PAI-1), interleukiini-6 (IL-6), leptiinin, resistiinin, ja adiponektiini, toistaa merkittävä rooli normaalin metabolisen homeostaasin ja kehittämiseen useita sairauksia. Leptiini voitaisiin vähentää sääntelyä PPAR-γ-agonistit. PPAR-γ ja maksan reseptorin homologi-1 (LRH-1) merkittävää osuutta adiponectin transkription aktivaation avulla pPre ja LRH-RE sen promoottori [50], [51].

kuitenkin olemassa vielä joitakin rajoituksia tutkimuksemme. Tutkimuksemme perustuu oletukseen, että mRNA ekspressiotasot ohjataan kokonaan transkription säätelyyn. Kuitenkin, mRNA: n stabiilisuuteen on myös vähemmän tietoa tekijä mRNA-ekspressiotasot [52], [53]. Jos mRNA jonka ilmentyminen taso määritetään mRNA vakaus voi myös ilmaista valvonnassa soluissa, voimme sulkea vaikutuksen mRNA vakauden verrattuna, kun niiden hajoaminen hinnat ovat samankaltaisia. Jos tällaista mRNA voi ilmaista valvonnassa soluissa, jätämme mRNA vakautta. Tämä voi tuoda systemaattista virhettä tämän tutkimuksen. Lisäksi, laatu ja määrä Proteiini-proteiini-vuorovaikutuksen (PPI) data on yksi ongelmista PCA. PCA perustui PPI -yhteisvaikutustutkimukset [24]. Proteiini-proteiini vuorovaikutusten antaa arvokasta tietoa siitä, miten geenit suorittavat biologisia toimintoja. On odotettavissa, että proteiini-proteiini vuorovaikutukseen data tieto on laajasti saatavilla lähitulevaisuudessa käyttämällä erilaisia ​​kokeilu menetelmiä.

Johtopäätös

Saimme tulkita molekyylimekanismin keuhkosyövän systemaattisesta ja dynaaminen näkökulma mukaan kilpailuviranomainen. Otimme ohjaus voimakkuus (vain positiivinen tai negatiivinen), koska sääntelyn väliset suhteet TF: ien ja niiden kohdegeenien (myös TF: t), ja TF: ien toiminta korvasi niiden geenien ilmentymisen rakentaa dynaaminen verkko. Käyttäen NCA, merkittävät TF: t ja niiden kohdegeenien havaittiin, ohjaus voimaa ien niiden kohdegeenien laskettiin uudelleen, ja toiminta ien arvioitiin.

NCA ja PCA menetelmiä sovellettiin tutkia transkriptio vaste mekanismi MGD saaneilla ihmisen keuhko- syöpäsoluja perustuu oletukseen, että keuhkosyöpä on asiayhteyteen määrite erillisiä malleja vuorovaikutuksen useita elementtejä. Tulokset tunnistettu joukko keskeisiä TF: ien, kohdegeenien näille TF: ille ja signalointireittejä mukana säätelyverkkojen. Toiminnan kautta TF: ien, huomasimme, että transkriptiotekijä toiminta osoitti selvästi varhaisen, puolivälissä, ja loppuvaiheen toimiin vastauksena MGD. Havaitsimme myös useita merkittäviä klustereita, jotka korreloivat koordinoitua toimintaa ien säätelemään geeniekspressiota. Lisäksi reittiin crosstalk analyysi osoitti oli vuorovaikutus suhde PPAR signalointireittiä ja Adipocytokines signalointireitin tutkimuksessamme. Lopuksi, integroitu dynaaminen malli ihmisen keuhkosyövän rakennettiin vastauksena MGD (kuva 4), joka koostui laskettu transkriptiotekijän toiminnan transkriptiotekijä sääntelyn vaikutuksista kunkin geenin, subsellulaarinen sijainti ja geenien ilmentyminen tietoja.

uusien suurikapasiteettisia tekniikoita suuresti tuottaa suuria määriä biologian tietoja. Sitten miten louhia merkitys tiedoilla olla tarpeen. Tutkimuksemme osoitti, että NCA ja PCA voitaisiin onnistuneesti sovellettu inferring transkriptionaalisen sääntelyverkon MGD käsitellyn ihmisen keuhkosyöpä.

Kiitokset

Haluamme ilmaista lämpimät ja vilpittömät kiitokset Fenghe Information ja Technology Inc. ideoita ja apua antoi arvokkaan lisänsä tutkimuksemme.