Krooninen sairaus

tiivistelmä

Background

maksasolusyövän (HCC) geenit ennustavia säilyminen on havaittu sekä viereisen normaalin (AN) ja kasvaimen (TU) kudoksiin. Väliset suhteet Näiden kahden ennustava geenien ja yleinen prosessi tumorigeneesin ja taudin etenemiseen jää epäselväksi.

Menetelmät /Principal Havainnot

Tässä olemme tutkineet HCC tumorigeneesin vertaamalla geenien ilmentyminen, DNA-kopion numero vaihtelu ja selviytymisen käyttämällä ~250 AN TU edustavien näytteiden vastaavasti ennalta syöpä tilassa, ja tulos kasvaimen. Geenit, jotka osallistuvat kasvainten synnyssä määriteltiin käyttäen geeniä geenin korrelaatio meta-analyysi menettely, jossa verrattiin versus TU kudoksiin. Geenit ennustavia eloonjäämisestä (AN-selviytymisen geenejä) todettiin rikastettu ero geeni-geeni korrelaatio geeniperimä osoittaa, että ne suoraan osallistuvat prosessiin kasvaimen. Lisäksi AN-selviytymisen geenejä olivat enimmäkseen eivät ennustaneet jälkeen tuumorigeneesiä TU kudosten ja tämän siirtymisen liittyi ja voitaisiin pitkälti selittää vaikutus somaattisen DNA kopioluvun vaihtelu (sCNV) cis ja trans. Aineisto oli yhdenmukainen varianssi AN-selviytymisen geenejä on nopeutta rajoittavaa vaihetta kasvainten synnyssä ja tämä vahvistettiin käyttämällä hoitoa, joka edistää HCC tumorigeneesin että valikoivasti muuttunut AN-selviytymisen geenejä ja geenien differentiaalisesti korreloivat välillä ja TU.

Johtopäätökset /merkitys

Tämä viittaa siihen, että prosessi kasvaimen kehitys vaatii nopeutta rajoittava liittyvät vaiheet tausta, josta kasvain kehittyi, kun ne olivat usein ennustavia kliiniseen tulokseen. Lisäksi hoidot, jotka muuttavat todennäköisyys kasvaimen esiintyviä voi toimia muuttamalla AN-selviytymisen geenejä, mikä viittaa siihen, että prosessia voidaan manipuloida. Edelleen sCNV selittää merkittävän osan kasvain konkreettisesti voi siksi olla syy kuljettaja kasvaimen kehitys HCC ja ehkä monet kiinteiden kasvainten tyyppejä.

Citation: Lamb JR, Zhang C, Xie T, Wang K, Zhang B, Hao K, et ai. (2011) Ennakoiva Geenit Viereisen Normaali Tissue ensisijassa muuttaa sCNV aikana tuumorigeneesiä Maksasyöpä ja toukokuun nopeuden rajoittaminen. PLoS ONE 6 (7): e20090. doi: 10,1371 /journal.pone.0020090

Editor: Xin Wei Wang, National Cancer Institute, Yhdysvallat

vastaanotettu: 31 elokuu 2010; Hyväksytty: 25 huhtikuu 2011; Julkaistu: 05 heinäkuu 2011

Copyright: © 2011 Lamb et ai. 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 oli kokonaan rahoittamia Merck Co ja sen kokonaan omistama tytäryhtiö Rosetta Inpharmatics, Inc. Monet kirjoittajat olivat tai Merckin työntekijöitä. Käsikirjoitus tarkasteli Merck ja hyväksytty levittämisestä julkisuuteen ilman muutoksia. Muut kuin tämä Rosetta Inpharmatics ja Merck ei ollut roolia tutkimuksen suunnittelu, tietojen keruu ja analysointi, tai valmisteen käsikirjoituksen.

Kilpailevat edut: JRL, CZ, TX, KW, BZ, KH, EY, HF, JM, MF, CS, II, ZZ, JB, RS, DG, MC, JD, CM, VE, JZ, MM, HD ja ES olivat kaikki Merckin työntekijää Rosetta-sivustolla; MS, UP, DB, AL, JW, CB-D, SF ja PS oli Merckin työntekijöitä muilla toimipaikoilla; RP, CY, NL ja JML työskenteli Hongkongin yliopistossa. Muut kuin rahoitus tässä tutkimuksessa ja työllisyyttä tekijöiden kuten edellä on kuvattu, ei ole muita kilpailevia taloudellisia tai muita etuja julistetaan. Edellä liitokset eivät muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja.

Johdanto

universaali piirre syöpäsolujen on perimän epävakaisuuden [1], [2 ], [3], [4], [5], jonka ajatellaan olevan tarpeen tuottamaan riittävästi vaihtelua, joista edullisia muutoksia kasvaimen kasvua ja selviytymistä valitaan [6]. Tämän paradigman, on nyt selvää, että perimän epävakaisuuden voi syntyä vikoja DNA-synteesin ja korjaus, kromosomi erottelu, tarkistuspisteitä, telomeerien menetys ja muita biologisia prosesseja, jotka johtavat pistemutaatiot, kopioluvun vaihtelu ja voitto /tappio biologisia toimintoja [2 ], [3], [4], [7], [8], [9], [10]. Maksasolusyövän (HCC) on toiseksi yleisin syöpä Aasian väestöstä ja kolmas johtava syy syövän kuoleman maailmassa. Tällä hetkellä ainoa tehokas hoitovaihtoehto on leikkaus [11]. HCC yleisesti syntyy, jos potilaalla on virushepatiitin ja /tai kirroosi, jossa laaja tulehdusta altistaa hepatosyyttien mitogeenisesta ärsykkeille [11]. Pre-neoplastisia vaiheelle on tunnusomaista joukko muutoksia, kuten syntyminen telomeerien lyhenemistä ja ulkonäkö genomisen muutoksiin [12]. Rakenteelliset muutokset genomissa vähitellen kerääntyä siirryttäessä neoplasia ja varhaisesta myöhäiseen vaiheeseen HCC [11]. Genominen muutokset HCC ovat heterogeenisiä että monet loci on raportoitu muuttaa, mutta yleensä pienellä esiintyvyys [12]. Tämä johtaa oletusta, että on olemassa vaihtoehtoinen häiriöitä, jotka edistävät tuumorigeneesiä HCC [11], [12].

genomiikkaa analyysi on sovellettu onnistuneesti monissa kuin syöpää [13], [14] ja on kuvattu verkostoja geenin vaihtelua testaamalla kaikki mahdolliset yhdistysten monissa eri väestöryhmien erottelevat taudin kiinnostava. Tämä työ on osoittanut, että geenit ovat yleensä osa johdonmukaista verkkojen ja että merkittävimmät järjestöt geenien tauti esiintyy usein yhteydessä verkon osa-alueilla, joilla monet tai kaikki jäsenet näiden aliverkot liittyvät toisiinsa ja tauti piirteet [13], [15], [16]. Tällaiset aliverkot ovat lisäksi liittynyt DNA hajonta ja todennettu kausaalisesti ajo tauti tulos [13].

Tässä olemme tutkineet geeni verkon rakennetta käyttäen kokoelman ~250 Hyväksytty kasvain (TU) ja viereisen normaali ( AN) näytteet poistetaan HCC potilaista kirurgisissa resektion ja ovat arvioineet nämä verkot liittyvät DNA ja sairauksien vaihtelua HCC kohortissa. Lähestymistapa oli pääasiallisesti paljastamaan vuorovaikutusta sisällä ja välillä tietotyypit mitattuna tässä potilasryhmässä (DNA, lauseke, selviytyminen) kanssa ja TU kudosten päästään avoimen, kattavan ja täysin tietojen ajaa tavalla. Vuorovaikutuksia ominaisuus kasvaimet (TU) on verrattuna normaaliin (AN) kudoksen paljastamiseksi kasvain erityisiä muutoksia. Tässä esittelemme tulokset, jotka kattava analyysi ja osoittavat, että sCNV voimakkaasti muuttaa ilmaus suuri määrä geenejä ja myös suhdetta näiden geenien selviytymiseen joko tai TU kudosta, ja että kasvaimen kehittymisen pitkälti liittyy häiriöitä normaaliin toimintaan ja aktivointi pienempi joukko toimintoja, jotka voivat olla kriittisiä taudin etenemiseen. Tiedot ehdotti, että geenit ennustava eloonjäämisestä solukko voi olla nopeutta rajoittava vaiheet kasvaimien synnyn. Tämän mukaisesti hypoteesin hoito, joka indusoi HCC tumorigeneesin hiirillä, MET onkogeenin yli-ilmentyminen, havaittiin selektiivisesti muuttaa geenien ennustavia eloonjäämisestä kudoksessa ihmisten.

Tulokset

Luonnehtia geeni verkkoja ihmisen maksan kasvain ja viereisten normaaleissa kudoksissa olemme koonneet kudosspesifiä kohortissa maksan kasvain (TU) ja viereisen normaali (AN) kudoksia 272 Aasian aiheista (mukaan lukien 151 pariksi TU ja näytteitä, täydentävä taulukko S1 [17]) joille kirurginen resektio hoitoon HCC. RNA eristettiin kaikista TU: n ja AN näytteitä ja profiloitu mukautetun Affymetrix microarray koostuu oligonukleotidikoettimia kohdistaminen selostukset edustavat 37585 tunnettuja ja ennustettu geenejä, mukaan lukien korkea-luottamus ei-koodaavat RNA-sekvenssit. DNA eristettiin kaikista AN TU kudosten ja genotyyppi on Illumina 650Y SNP genotyypitys array. Kopioi numero aberration markkereita (sCNV markkereita) on silloin laskennallinen varten 32711 paikkoihin genomissa tästä tiheäksi SNP paneeli (menetelmät).

Gene verkkojen maksakasvain ja viereisen normaali näytteet

Koska suuren mittakaavan genominen muutoksia yleisesti tiedetään esiintyvän tuumorinäytteissä, havaintomme laajamittaisten ilmentymisen eroja AN ja TU näytteiden HCC kohortissa ei ollut yllättävää, jossa 28233 ( 75%) ja 37585 geenejä edustettuna microarray käytettiin tässä tutkimuksessa havaittu ilmentyvät eri (p 0,05, FDR 0,07, katso taulukko S2), yhdenmukaisia ​​aiempien raporttien [18]. Suurin ongelma sitten tulkinnassa molekyylitilassaan muuttuu välillä ja TU jaoteltuina niihin muutoksia, jotka ovat merkityksellisiä kasvaimen edistymistä näistä muutoksista, jotka ovat yksinkertaisesti seuranta genomisen muutokset, mutta ei merkitystä tuumoribiologiassa. Siksi pyrimme luonnehtia vaikutus näihin suuria muutoksia ollut liitettävyys rakenteesta kudosspesifisesta geeni verkkoja, joka tarjoaa polun tunnistaa muutokset, jotka johtavat muutoksiin molekyyli verkoissa, jotka määrittävät biologisten prosessien suorittamien kudosta.

luonnehtia muutosten välillä AN ja TU verkkoihin käytimme meta-analyysi menettely [19], [20] testata onko suuruus yhdistyksen välillä tahansa parin geenien yhdessä kudoksessa oli merkittävästi erilainen yhdistyksen havaittu, että saman parin toisessa kudoksessa (menetelmät). Merkittävä korrelaatio erot osoittavat, että läsnä on yhteyden eroja AN ja TU verkkojen (kuvio 1). Tällä Bonferroni säädetty, ero yhteydet p = 7e-11 ( 1% perhe-viisas virheprosentti) tunnistimme 1156638 differentiaalisesti vastaaviin pareihin (vain 2 olisi ollut odotettavissa sattumalta), eli noin 12%: n 9976814 vastaaviin geeni paria löytyy joko AN tai TU kudoksiin. Olemme myös empiirisesti arvioitu ero liitettävyyden null jakelu ja havainneet differentiaalisesti kytketyn pareittain p 7e-11 (kuvio 1), mikä viittaa siihen, että tämä aste ero yhteys on erittäin merkittävä.

Näkyy on numerot differentiaalisesti korreloi geenien löysi käyttäen meta-analyysi menettely (menetelmät) välillä ja TU kudoksiin. Vertailun sama analyysi ajettiin sekä todellisiin tietoihin ja permutaatio AN ja TU tehtäviä. Top paneeli esittää lukumäärän ero geenin paria (Y-akseli) varten todellisia tietoja (AN vs TU, sinisellä) verrattuna permutaatio (punainen) funktiona on p-arvo (näkyvät negatiivisina log10 [P] , X-akseli). Määrä eri tavoin kytketty geenien (keskimmäinen paneeli) ja väärien löytö hinnat (alapaneeli) on myös esitetty. B Voidakseen todeta, että differentiaalisesti vastaaviin geeni paria johtui eroa ja TU kudosta eikä esimerkiksi erot yksilöiden sama analyysi suoritettiin käyttäen vs verrattuna vs TU käyttäen samaa näytteiden määrä (menetelmät). Top paneeli esittää lukumäärän ero geenin paria (Y-akseli) sekä vs TU (sininen) ja vs (punainen) funktiona on p-arvo (näkyvät negatiivisina log10 [P], on X- akseli). Määrä eri tavoin kytketty geenien (keskimmäinen paneeli) ja väärien löytö hinnat (alapaneeli) on myös esitetty.

lisätä luottamusta, että geeni paria tunnistettu differentiaalisesti korreloivat välillä AN ja TU verkkojen heijastuu biologisesti relevantteja muutokset verkkoon tiloja, jotka liittyvät kasvaimen kehittymisen ja syövän etenemiseen, me rajoitettu huomiota niihin differentiaalisesti vastaaviin geeni pareihin, jotka olivat erittäin epätodennäköistä tapahtuneen sattumalta (p 1e-19, jossa on keskimääräinen muutos Spearmanin korrelaatiokerroin kudosten 0,73; ei geeni paria havaittu ionivaihdettua data, FDR 1e-6, katso kuva 1). Tällä tiukat raja-tunnistimme 49300 geeni paria kattaa 8736 geenejä, joiden suhteen erosivat toisistaan ​​merkittävästi TU ja kudoksiin. Ja 49300 differentiaalisesti kytkettyjen parien tunnistettu, 42179 (86%) olivat voimakkaasti korreloi AN kudoksissa, mutta huomattavasti vähemmän korreloi TU kudoksissa, kun taas vain 7121 paria (14%) oli vahvempi korrelaatio TU vs. näytteitä, mikä osoittaa, että verkon tapahtuvat muutokset kasvaimen olivat todennäköisemmin tuhoamaan sijaan luoda vahvoja assosiaatioita ilmaisun piirteitä.

erotella eri osallistuvien geenien ero yhteyksien määrittelimme voitto liitettävyys (GOC) geenejä kuin vuonna josta yli 90% niiden ero vuorovaikutusta heijastuu korrelaatioita, jotka olivat vahvempia TU verrattuna. Samoin määrittelimme menetys liitettävyys (LOC) geenejä kuin ne, joissa on yli 90% niiden ero vuorovaikutusta heijastuu korrelaatioita, jotka olivat heikompia TU verrattuna (Täydentävä taulukko S2). Vaikka nämä ovat mielivaltaisia ​​cut-off ne pikemminkin tuoda esiin suhteellisen jakauman voitto ja tappio liitettävyys liittyy kasvainten synnyssä, koska yli 80% differentiaalisesti kytketty geenit kuuluvat johonkin kahteen ryhmään. Tämän luokittelun oli 6053 LOC geenien ja vasta 1020 GOC geenejä. GO rikastamiseen analyysi jälkeen Bonferroni korjauksen määrä luokkia paljasti, että GOC geenit rikastuneet solukierron (3,93-kertainen rikastettu, p = 1.6e-20) ja niihin liittyviä prosesseja (esim kromosomi erottelu, DNA: n replikaatiota, ja kara organisaatio) , kun taas LOC geenit käytti enimmäkseen rikastettiin aineenvaihduntaan (1,11-kertaisesti rikastunut, p = 1.4e-20), etenkin sellaisten, jotka liittyvät mitokondrioiden (1,56-kertainen rikastettu, p = 1.5e-20). Nämä tulokset viittaavat siihen, että prosessi tumorigeneesin on suurelta osin yksi häiriöitä normaalin verkkojen (LOC), ja vähemmässä määrin yksi uusien verkkojen (GOC). Tämän mukaisesti, LOC tapahtumia rikastettiin normaali maksan toiminta geenejä, jos sillä GOC tapahtumia rikastettiin osallistuvien geenien syöpäkasvain solun. GOC tapahtumia, vaikka vähälukuisempi, voi edustaa kasvain tiettyjä toimintoja tarvitaan sairauden etenemisen ja sellaisena voi olla mielenkiintoinen lähde tavoitteet HCC. Kuvaamaan luonne ero yhteyksien top 5 geenit ja geenit, joihin ne ovat differentiaalisesti kytketty on esitetty kuviossa 2. Esimerkkejä yksittäisistä geenin paria, jotka on differentiaalisesti kytketty TU tai kudoksia on esitetty kuviossa 3, mukaan lukien inhibiittori G1 S faasimuutos (CDKN2C menettäminen connectivity) ja DNA: n replikaation lisensointiin tekijä (CDT1 näytetään voitto connectivity).

top 5 differentiaalisesti kytketty geenejä ja niiden differentiaalisesti kytketty kumppanit ovat osoittaneet. Jokainen geeni edustaa sininen soikea ja top 5 on merkitty laatikoihin. Kunkin top 5 geenien myös, on määrä ero korrelaatioita AN TU yhteensä (DiffConn) ja numerot voittoa (GOC) ja tappio (LOC) korrelaation kussakin tapauksessa. Liityntäraiteet geenit osoittavat, että pari oli eri tavalla korreloi välillä ja TU joissa sekä LOC (siniset viivat) ja GOC (punaiset viivat) on merkitty. Differential yhteydet top 5 geenien ja muita geeni on esitetty, samoin kuin ero korrelaatioita geenien differentiaalisesti kytketty alkuun 5. top 5 geenejä havaittiin differentiaalisesti korreloi hyvin päällekkäisiä joukko kumppaneita. Näkyy insertti taulukossa (ylhäällä oikealla) on Fisherin tarkka testi p-arvo päällekkäisyyttä differentiaalisesti vastaaviin geeni kumppanit kullekin top 5 geenit (vasemmassa alakulmassa taulukko). Lisäksi esitetään (ylhäällä oikealla) on kertaa runsaammin päällekkäisyydet suhteessa mitä odottaisi sattumalta. Kuten esitetään monimutkainen verkko ero korrelaatiot johtuvat kasvaimen kehittymisen paljastuu.

havainnollistamiseksi sekä menetyksen ja voitto korrelaatio kahden solusyklin geenejä valittiin, joissa on paljon ero yhteydet: sykliiniriippuvaiset kinaasiestäjän CDKN2C ( A, 149 tappiota ja 11 voitot liitettävyys) sekä chromatin lisensointi ja DNA: n replikaation tekijä CDT1 (B, 0 tappiota ja 38 voitot connectivity). Ilmaus intensiteetti arvot CDNK2C (X-akseli) ja DCN (Y-akseli) on esitetty (A) AN (sininen, cc 0,548, p = 2e-20) ja TU kudoksiin (punainen, cc -0,358, p = 7,14 e-10). Intensiteetti arvot CDT1 (X-akseli) ja MCM3 (Y-akseli) on esitetty (B) kanssa (sininen, cc-0,153, p = 0,0166) ja TU kudoksiin (punainen, cc 0,673, p = 3.05e-38 ). Näkyy C on aste jakauman 8736 differentiaalisesti kytketty geenejä kuten tekstissä kuvataan. Numerot ero yhteyksien kunkin geenin (log10, X-akseli) verrattiin määrä (log10, Y-akseli). Kuten esitetään jakauma oli mittakaavasta, mikä osoittaa, että tunnistetut geenit pyrkivät ensisijaisesti liittää pieni määrä navan geenien joko kasvain tai viereisten normaaleissa kudoksissa, mutta ei molempia.

Sen arvioimiseksi ero korrelaatiot jaettiin satunnaisesti joukossa merkittäviä geeni-geeni korrelaatiot vai onko jonkin verran korkeampi rakenne, tutkimme jakelu määrän ero korrelaatiot kunkin geenin. Havaitsimme, että vaikka suurin osa geenien osallistui pieni joukko ero korrelaatioita oli osajoukko geenien osallistunut useisiin ero korrelaatioita. Itse asiassa, ero korrelaatiot seurannut voima lain jakelu joka oli melko erilainen kuin mikä olisi sattumalta odotettua (katso kuvio 3). Tämä osoittaa, että tietyt geenit edustavat napa solmuja differentiaalisesti kytketyn matriisi syntyneestä kasvaimen kehittymisen ja sellaisena voi olla erityisen tärkeää.

sCNV selittää suuren osan TU ilmaisun vaihtelu

Koska suuri mittakaavan muutoksia ilmaisun ja korrelaatio rakenteisiin syntyneet prosessin aikana tumorigeneesin, pyrimme tunnistamaan syy kuljettajien näistä muutoksista. Somaattiset kopiomäärä vaihtelu on yhteistä monet kiinteiden kasvainten tyyppejä ja on liittynyt aggressiivisuus tauti. HCC erityisesti sCNV on havaittu varhaisessa vaiheessa taudin ja nousu esiintyvyys sairauden etenemiseen [11]. Siksi arvioitiin esiintyvyys sCNV HCC ja missä määrin se liittyi geenin vaihtelun TU kudoksessa.

DNA hajonta arvioitiin AN ja TU näytteitä Illumina tiheäksi SNP mikrosiruja. sCNV laskettu käyttäen tasoitetaan logR suhde n vierekkäisten markkereita 32711 tasaisin välein loci läpi genomin (menetelmät). TU näytteet näyttöä usein laajentaa tai poisto mukana suuria genomialuetta nähtiin (kuva 4). Sen sijaan hyvin harvat tällaisia ​​tapahtumia havaittiin AN näytteiden analyysin (4 näytteen havaittiin olevan paljoakaan kopioluvun vaihtelu). sCNV vaihtelu verrattiin geenin vaihtelua sekä AN ja TU näytteitä.

Näkyy on lämpöä kartta kopioluvun poikkeamia (sCNV) kasvaimen valmistetut näytteet (Y-akseli) ryhmittyivät K tarkoittaa 10 eri ryhmään, vs. lineaarinen kantoja läpi kromosomin 1 (X-akseli). sCNV arvioitiin menetelmissä kuvatulla tavalla ja se merkitään jatkumona väri punaisesta (vahvistus) mustaan ​​(ei muutosta) vihreäksi (poistetaan). Asteikko varten sCNV data on osoitettu oikealla puolella lämpöä kartta (logR suhde 1–1). Kuten voidaan nähdä useimpien poikkeavuuksien näytti kyse suurista kromosomi osiot mittakaavassa koko kromosomin käsivarressa.

Yhdenmukainen aiempien tutkimusten muiden syöpätyyppeihin ja säteily hybridit [4], [21], [22], [23], vahva positiivinen korrelaatioita geenien ja sCNV markkereita havaittiin silloin, kun vastaavien geenien päällekkäin tai olivat lähellä sCNV merkki testataan, kutsutaan tässä cis-toimivia yhdistyksiä (kuvio 5A ja taulukossa S2). Todennäköisin selitys tälle havainnolle TU kudos on, että sCNV aiheuttaa suhteellinen muutoksia geenien olivat proksimaalisesti paikalle joka sCNV. Sitä vastoin ei ollut cis-toimivia yhdistyksiä välillä CNV markkereita ja geenien pidemmälle kuin olisi odotettavissa sattumalta, mikä osoittaa, että cis-korrelaatiot sCNV ja ilme oli kasvain erityisiä. Koska tämä korrelaatiot kopioida useita vaihtelua vasta selvitettiin TU kudosta.

Distribution of korrelaatiot (X-akselit) geenien välillä (Y-akselit) ja lähimmän sCNV merkki (cis) TU (A) ja An (B) kudoksissa. Jakauma todellisia tietoja (sininen yhtenäiset viivat) verrattiin permutaatio geenin markkeri liitäntä (vihreä katkoviivat). Mitään merkittävää yhdistysten havaittu yläpuolella, mitä olisi odotettavissa sattumalta. TU oli korostunut bias positiivinen korrelaatioita. C. jakautuminen korrelaatioita kaikkien geenien (Y-akseli) ja kaikki sCNV markkereita, on esitetty lineaarisesti kromosomin sijainnin kautta genomin (X-akseli). Kromosomi rajat on merkitty pystysuoraa vihreät viivat ja numeroidaan. Käyttämällä korrelaatio katkeaminen 0,3 (p 4.7e-4, FDR 0,02), lasken kaikki geenit (ei sisällä cis geenejä, vihreä), korreloi positiivisesti trans geenejä (punainen), tai negatiivinen korrelaatio trans geenit (sininen) on tarkoitettu kunkin merkin (trans tässä määriteltiin geenien ja sCNV markkereita kuuluvat eri kromosomeissa). Useat kuormittajat olivat ilmeisiä, jossa monet geenit liittyvät sCNV tietyssä lokuksessa, erityisesti alueilla, kromosomeissa 1, 2, 6, 7, 12, 14 ja 20 (katso teksti ylimääräisiä keskustelua). D. Geenit liittyy sCNV kuormittajat HCC ja solulinjoissa merkittävästi päällekkäin. Hotspot sCNV markkereita valittiin tunnistamalla alueet liittyvät 500 geenit (Pearsonin korrelaatiokerroin 0,3) ja valitsemalla sitten yksi alkuun merkki per kromosomi. Geenit liittyvät kunkin hotspot merkki verrattiin (sininen ympyrä, koko vastaa useita geenejä) ja huomattavaa päällekkäisyyttä (Fisherin tarkka testi p 1e-6) näkyvät reunat yhdistävät paria solmuja. Samanlainen analyysi tehtiin kokoelma syöpäsolulinjoissa (CCL, vihreä ympyrä). Tässä tapauksessa pienempi määrä koko geenejä mitattiin (23404 vs 37585), joten vastaava osa kaikista geenien ( 370) liittyvät merkittävästi sCNV merkki vaadittiin. Paksuus reunat yhdistävät solmuja edustaa rikastusta päällekkäisten geenien verrattuna odotettuun sattumalta (havaittu päällekkäisyys jaettuna odotettu; rikastamiseen 5 kertaa – ohut viiva, 5 – paksu riviä). Kuten esitetään liittyvien geenien kuormittajat jaettiin sisällä aineistoja. Esimerkiksi geenien HCC liittyy kohteiden kromosomien 2, 6, 12, 14 ja 20 olennaisesti päällekkäin. Hotspot päällekkäisyyksiä KLL ja HCC siinä on samat genomiset alueet on korostettu punaisella (kromosomeissa 1, 14 ja 20).

Yleisemmin yhdistys testit kaikkien TU geenien ja TU sCNV markkereita havaittiin monia erittäin merkittäviä yhdistykset, kutsutaan tässä trans-toimivia yhdistyksiä (katso kuva 5C). Useita genomista loci havaittiin liittyvän paljon enemmän geenejä kuin olisi sattumalta odotettua, kutsutaan tässä hotspot sCNV loci (katso kuva 5C). Havaitsimme 7 hotspot sCNV loci 7 eri kromosomeja, jotka kukin liittyvät 500 trans geenit (korrelaatio 0,3; FDR 0,001). Geenit, jotka liittyvät näihin kohteiden olivat erittäin päällekkäisiä, mikä viittaa siihen, että sCNV useilla loci koordinoidusti ajaa verkkojen geenien (kuvio 5D ja taulukko S3). Sen arvioimiseksi, onko nämä hotspot lokuksille ominaisia ​​HCC, toteutimme vastaavan yhdistyksen analyysi välillä sCNV markkereita ja geenien kokoelma ~130 syöpäsolun riviä (CCL) useista kudostyypeistä [24] (menetelmät). Kolme 7 hotspot loci tunnistettu HCC tietojen päällekkäisiä sCNV hotspotien CCL data. Kaikissa kolmessa tapauksessa samat genomiset paikat olivat mukana. Nämä tiedot viittaavat siihen, että sCNV kuormittajat eivät ole ainutlaatuinen HCC, mutta todellisuudessa voi esiintyä monissa kasvaintyypeissä ja voi liittyä samanlainen paria genomista loci ja geenit, ehkä ajo ydin biologisia prosesseja kriittisiä kasvaimen muodostumisen ja etenemisen. Sopusoinnussa tämän on viime aikoina raportoitu, että rakenne sCNV on usein jaettu useisiin kasvaintyypeissä [25]. Tämä saattaisi viitata siihen, että cis- ja trans-korrelaatiot raportoitu täällä HCC ja viljelmässä voi olla merkitystä monien kasvainten tyyppiä jaetulla sCNV rakenne.

Jotta voitaisiin prosenttiosuus TU geenin vaihtelusta selittää millään yhdistelmällä sCNV merkkiaineiden rakensimme geneettinen malleja käyttämällä vaiheittaista regressio menettely jokaisen geenin (menetelmät ja katso taulukko S2). Kontrollina meillä oli sama analyysi käyttäen permutoitu jos tietojen välinen yhteys geenien ja sCNV markkereita oli satunnaistettu. Käyttämällä tiukat raja-absoluuttisen korrelaation 0,3 (FDR 0,001), määrä varianssi selittää sCNV oli peräti 80%. Silmiinpistävän, yli 40%: n geenien edustettuna mikrosiruja käytetään tässä tutkimuksessa (15993 ulos 37585) liittyi merkittävästi sCNV markkereita, joiden keskimääräinen varianssi selitti keskuudessa näitä geenejä, joita sCNV markkereita oli 21,8%. Sillä 3031 geeneistä (8,1% geenien edustettuina mikrosirulla) on suurempi kuin 30% niiden varianssi selitettiin sCNV markkereita (taulukko 1 2). Lisäksi, kun taas cis-vaikuttavia yhdistysten selittää useimmat sCNV yhdistysten, 6,6% geenien (n = 2490) oli varianssi selittää sCNV markkereita, jotka olivat muita kuin cis, ja osajoukko geenien (7,8%, n = 2974), olivat todettu varianssi selittää yli kuukauden ja enintään viisi sCNV markkereita eri kromosomeissa. Kuten edellä on esitetty (katso kuva 5) suurin osa trans geenien liittää rajallinen määrä kuormittajat viittaa siihen, että vaihtelu näissä rajoitettu määrä DNA-kohtien aiheutti merkittävän osan TU geenin vaihtelua. Nämä geneettiset vaikutukset kasvaimen geeniekspression ovat kertaluokkaa suuremmat kuin aiheuttamia vaikutuksia ituradan DNA hajonta.

Differentially korreloi geenien valikoivasti liittää sCNV merkkiaineiden TU

Tutkitaan onko sCNV ajoi johdonmukainen muutoksia verkkoihin, jotka puolestaan ​​indusoi fenotyyppisiä muutoksia kasvain, testasimme välisille suhteille sCNV markkereita ja eri tavalla korreloi geenien välillä AN ja TU kudoksiin. Differentiaalisesti korreloivat geenit olivat merkittävästi rikastettiin liittyviä geenejä sCNV merkkiaineiden cis (2,36-kertainen rikastettua; p 1e-300) sekä määrän varianssi selittää (2,12-kertainen rikastettu, p 1e-300) ja määrä markkereita (1,89-kertaisesti rikastunut, p 1e-300) on regressiomallin. Tämä rikastamiseen pidettävät GOC geenien (cis 1,49 kertainen rikastettu, p = 1.03e-11, varianssi selittää regressiomallin 1,55 kertaiseksi rikastettu, p = 3.48e-25, useita markkereita 1,38 kertainen rikastettu, p = 1.04e-18) kuin sekä LOC geenejä (cis 2.17-kertainen rikastettu, p 1e-300, varianssi selittää regressiomallin 1,91-kertainen rikastettu, p = 1.1E-321, määrä markkereita 1,81 kertainen rikastettu, p = 2.5e-287). Ilmestyminen ero korrelaatiot HCC siten ilmeisesti johtuu suurelta osin vaikutuksesta sCNV TU kudoksessa.

ennustaminen eloonjäämisestä ja TU kudosten

vieressä tunnettu merkitystä massiivinen muutoksia geenien verkkojen kliinisen taudin kulun vertaamalla verkon muutokset osajoukko ennustavien geenien selviytymistä. Geenit ennustava säilyminen havaittiin AN TU kudoksiin käyttämällä Coxin regressiomallia (Methods, katso taulukko S2). Noin kolme kertaa niin paljon ennustetekijöiden geenejä löytyi (p 0,0112, n = 5387; FDR 0,1) verrattuna TU (p 0,002, n = 1,836; FDR 0,1). Vaikka ennakoiva geenien ja TU päällekkäin enemmän kuin olisi sattumalta odotettua (1,52-kertainen rikastus, p = 6.8e-19, joka edustaa 7,4% ja 21,8%, tässä järjestyksessä, AN ja TU ennustavan geenit), oli monia tapauksia geenien prediktiivisille yhdessä kudoksessa, mutta ei toisessa. Esimerkiksi on 5387 geenien ennakoivaa AN, 4987 (92,6%) eivät ennustaneet TU, ja 1836 TU ennustavan geenejä, 1436 (78,2%) eivät ennustaneet AN, käyttäen edellä cut-off kriteerit (ks Kuvio 6A). Molemmissa tapauksissa meidän tilastollinen teho oli 45% havaita geenien ennustavan yhdessä kudoksessa, joiden on havaittu ennustavan toisessa kudoksessa (menetelmät), mikä osoittaa, että mahdollisimman vähän päällekkäisyyttä ei ollut seurausta alhaisen tilastollinen voima.

. Näkyy on merkitystä yhdistyksen (negatiivisena log10 Coxin regressio p-arvo) välillä havaittu kaikkien 37585 geenien (X-akseli) ja TU (Y-akseli) ja selviytymistä. Geenit todettu merkittävästi liittyvän eloonjäämisen (FDR 0,1, Methods) on merkitty AN (vihreitä pisteitä), TU (punaiset pisteet) tai sekä ja TU (violetti pistettä). Kuten tekstissä on kuvattu kaikkein geenit ennustavan yhdessä kudoksessa ei ollut ennustava muissa. B. Kuvassa on esitys verkosta muunnokset liittyvät HCC tumorigeneesin (siirtymistä pretumoraalinen tilassa, ylempi laatikko, kasvaimen tilaan, alempi laatikko), jossa ennustava geenien (vihreä) pitkälti menettävät yhdistyksen hengissä TU seuraavat yhdistys ei-ennustava sCNV. Sen sijaan geenit ennustavia selviytymisen TU (punainen) ovat pitkälti ole ennustavia AN, ja ne edullisesti liittynyt sCNV markkereita, jotka olivat myös ennakoivaa. Ei kuvassa ovat geenejä ennustavan sekä AN TU, ja geenit eivät ennusta kummassakaan kudoksessa. C. Näkyy kaavamaisesti on ”Field-vaikutus” hypoteesi ehdottaman [26] (ylempi laatikko), jossa vierekkäiset normaali geenit ennustaa elossaololuku koska ne heijastavat miljöön (kenttä-vaikutus), jossa tulevaisuudessa kasvaimet ovat enemmän tai vähemmän todennäköisesti ilmenee . Tässä mallissa nykyinen kasvaimet eivät ole suuri vaikutus tulokseen taas tulevia kasvaimia tehdä. Muutos Tämän hypoteesin ehdotetaan here (alempi laatikko), jossa vierekkäiset normaali geenit edustavat valtiota, joka vaikuttaa suoraan todennäköisyyttä nykyisen kasvainten aiheutuvien ja etenee. Tässä muunnetussa hypoteesin selviytyminen tai kuolema välittää nykyisen kasvaimia. Katso teksti ylimääräisiä keskusteluun

Geenit ennustavia lopputuloksen AN TU rikastettiin ero korrelaatioita ja yhdistyksen sCNV markkereita

käyttäminen AN geenit ennakoivaa säilyminen (tästedes kutsutaan AN-selviytymisen geenejä), lähes puolet (2,646 of 5387, 49%) havaittiin differentiaalisesti korreloivan siirtymisessä kasvain, joka on 2,11 kertaa suurempi kuin olisi odotettavissa sattumalta (p 1e-300). AN-selviytymisen geenejä olivat myös todennäköisemmin korreloi sCNV cis (1,36-kertainen rikastaminen, p = 1.38e-47), ja on suurempi osuus niiden varianssi selittää sCNV (1,32-kertainen rikastaminen, p = 3.94e-50) ja suuremman määrän sCNV markkereita (1,33-kertainen rikastaminen, p = 1.09e-53) on regressiomallin.