Krooninen sairaus

tiivistelmä

Patient johdettuja ksenografti (PDX) kasvainmuoto on tehokas tekniikka arvioitaessa syöpälääkkeet ja helpottaa henkilökohtaista lääkkeitä. Useita tutkimuskeskusten ja kaupalliset yritykset ovat ottaneet valtavia ponnisteluja rakentaa PDX hiiri malleja. Kuitenkin PDX mallit eivät ole olleet laajasti saatavilla ja niiden molekyylitason ominaisuuksia ei ole systemaattisesti luokitella. Tässä tutkimuksessa olemme tarjonneet kattavan selvityksen PDX transcriptome integroimalla analyysi 58 potilaiden välillä 8 eri kasvaimia. Mediaani korrelaatiokerroin potilaiden välillä ja ksenografteissa on 0.94, joka on suurempi kuin potilaiden välillä ja solulinjan paneelista tai potilaiden välillä, joilla on sama kasvain. Suurimmat ero geeni ilmaisuja PDX esiintyä engraftmentissa humaanituumorityyppien kudoksen hiiriin, kun taas geeni lausekkeet ovat suhteellisen vakaita kohtia. 48 geenit ovat usein eri tavoin ilmaistaan ​​PDX hiirillä useita syöpiä. Ne rikastettu soluväliaineen ja immuunivastetta, ja jotkut raportoidaan kohteina syöpälääkkeiden. Simulaatio tutkimus osoitti, että ilmaisu muutos välillä PDX ja potilaan kasvain (6%) johtaisi hyväksyttävän muutoksen huumeiden herkkyys (3%). Meidän havainnot osoittavat, että PDX hiiret edustavat geenien ilmentyminen ja huumeisiin vasteen piirteitä primaarikasvainten tehokkaasti, ja on suositeltavaa seurantaan ilmaisee yleisesti profiilien ja huumeiden kohdegeenien kliinisissä sovelluksissa.

Citation: Li H, Zhu Y, Tang X, Li J, Li Y, Zhong Z, et al. (2015) Integroitu analyysi transcriptome in Cancer potilaasta peräisin ksenoqraftit. PLoS ONE 10 (5): e0124780. doi: 10,1371 /journal.pone.0124780

Academic Editor: Yu-Jia Chang, Taipei Medicine University, Taiwan

vastaanotettu: 20 lokakuu 2014; Hyväksytty: 03 maaliskuu 2015; Julkaistu: 7. 2015

Copyright: © 2015 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

Data Saatavuus: kaikki asiaankuuluvat tiedot kuuluvat paperin ja sen tukeminen Information tiedostoja.

Rahoitus: tutkimuksen rahoittivat Shanghai Municipal komissio Science and Technology (15YF1414100, 14DZ1951300, ja 14DZ2252000), Shanghai Institutes for Biological Sciences Knowledge Innovation Program (2014KIP215 ), ja National Basic Scientific Research Fund (2009FY120100). 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

Patient johdettuja ksenografti (PDX) on kehittänyt kirurgisesti istuttamalla kasvainkudoksen suoraan potilaasta koepala osaksi immuunipuutteiselle hiiri. Kun onnistunut ksenograftikasvaimissa (F1 sukupolvi) kasvaa 1 cm

3, ne poistetaan, ja siirrostetaan enemmän immuunivajaisiin hiirille. Tämä edistys laajentaa alkuperäisen ihmisen kasvain useille hiiren kohtia, jotka tarjoavat rikastettu resurssi opiskeluun tuumoribiologiassa ja arvioimiseksi syöpälääkkeiden. Aikaisemmat tutkimukset ovat onnistuneesti rakennettu PDX malleja rintasyöpä, keuhkosyöpä, maksasyöpä, paksusuolen syöpä ja niin edelleen. Keskimääräinen aika tuottaa progressiivisesti kasvava ksenografti kasvainmuoto vaihtelee 2-12 kuukautta [1]. Siirrostumi- osuudet vaihtelevat 23%: sta 75% riippuen kasvaintyypeille [1]. Advanced kasvaimia ja joilla on huono selviytymisen aikoo olla korkeampi siirteen toimiminen rate [2].

Comparison of geeniekspressioprofiilien välillä ihmisen haiman adenokarsinooma ja niiden PDXs ehdotti, että hiiri xegnografts olivat hyvin samankaltaisia ​​alkuperäisen kanssa kasvaimia geeniekspression kuvio [3]. Tutkimus ei-pienisoluinen keuhkosyöpä (NSCLC) paljasti, että kemoterapeuttiset reagointikykyä PDXs muistuttivat kliininen tilanne NSCLC [4]. Ding et.al verrattuna ensisijainen rintasyöpä, sen aivometastaasi, ja ensisijainen johdettu PDX by koko Genomikartoituksen; niiden tulokset osoittivat, että PDX säilyttänyt kaikki primaarikasvaimen mutaatioita ja näytetään mutaatioita metastaattisen näytteen [5]. Edelleen sekvensointi 17 peräisin kasvaimia, ksenografti, ja ituradan trio DNA vahvisti, että genomin laajuinen variantin alleelin taajuus (VAF) oli usein säilynyt PDX malleja, ja korrelaatiokertoimet VAF vaihteli 0,32-0,86 [6]. Nämä tutkimukset osoittivat, että PDX mallit kerrata geneettinen, molekyyli, ja morfologiset ominaisuudet ihmisen kasvaimissa [3-8]. Lisäksi, PDXs osittain toistaa kasvaimen mikroympäristössä ja kasvainsolujen vuorovaikutus, joka menetetään kasvain- solulinjat [1,9]. Siksi PDX malli ajatellaan olevan lupaavammalta kuin syöpä solulinjoja opiskeluun syövän mekanismi ja lääkkeen vaikutuksia [10] [11]. Oncotest et ai. testattu 11 sytotoksisten syöpälääkkeiden in ~ 200 tuumoriksenografteja ja paljasti joukon geenin allekirjoitusten ennustamiseen tuumorivaste [12]. Kliinisessä tutkimuksessa 14 potilasta, joilla on edennyt syöpiä, hiiri ksenograftit käsiteltiin 63 eri lääkkeiden ja tehokkaita hoitoja tunnistettiin 12 potilailla [13].

on kuitenkin vielä olemassa eroja PDX ja alkuperäisen kasvain. Esimerkiksi PDX-spesifinen somaattisia mutaatioita havaittiin rintasyövän johdettu ksenografteissa, joka voi olla matkustaja mutaatioita satunnaisesti valittu transplantaation aikana tai mutaatiot valitaan kasvaimen lisääntyvän kunto [6]. Mitä tulee microenvironment, ihmisen stroomasolut on korvattu hiiren strooman solujen PDX, jotka voivat vaikuttaa kasvaimen kasvua [14]. Siksi on tarpeen tunnistaa molekyylien ero PDX ja alkuperäinen kasvain ja tutkia, miten ero vaikuttaa lääkkeen vaste.

Tässä tutkimme genominlaajuisten ilmaisu samankaltaisuuden syöpäpotilaiden ja PDXs meta-analyysi useiden syöpätyyppien, ja tutkitaan mahdollista vaikutusta ilmaisun muutoksen huumeiden vastausta. Mediaani korrelaatiokerroin potilaiden välillä ja ksenograftit on 0,94, parempia kuin syöpäsolulinjoilla kerrata ekspressiokuviota alkuperäisestä kasvaimesta. Huomasimme, että tärkein ilmaus muutos tapahtui siirteen humaanituumorityyppien kudoksen hiiriin, ja geeniekspressioiden olivat vakaammat hiirillä yli kohtia. Meta-analyysi useiden syöpätyyppien osoitti, että jotkin geenit, joita usein ilmentyvät differentiaalisesti hiiren ksenograftit olivat hyvin rikastettu soluväliaineen ja immuunivastetta. Drug herkkyys sai PDX yleensä yhteenveto siitä todellinen lääke herkkyys potilaan kasvain, paitsi tietyissä tilanteissa, esimerkiksi silloin, kun geeni ilmaisuja PDX hiiri erittäin vaihdetaan tai huumeiden kohdegeenien merkittävästi eriytetyn.

Methods

Geenien ilmentyminen aineistot

Haimme GEO tietokantaan avainsanat ”kasvain” ja ”ksenografti”, vain pitää aineistoja ilme tietoja molemmista potilaan koepala ja hiiri ksenograftin. Täysin keräsimme 9 aineistot, joihin liittyy 8 kasvaintyypeille. Expression matriisi ja mikrosirujen laituritiedot ladattu R paketti ”GEOquery”. Expression matriisi oli neljännekseen normalisoitu ja log-transformoituja esikäsittely [15]. Geenien ilmentyminen arvot asetettiin mediaani koettimien ”ekspressiotasoja.

vertailu syöpäpotilaan koepala ja PDX

käsin sovitettu potilaan-ksenograftissa pareja tarkistamalla näyte kuvauksia ja niihin liittyviä julkaisuja. Näytteitä syöpäpotilaan Biopsia leimattiin F0, hiiri -ksenografteja merkitty F1, F2 …… (Tuntematon kohtia leimattiin F?). Expression samankaltaisuus arvioitiin spearmanin järjestyskorrelaatiokerroin (SRCC). Kertainen muutos laskettiin kullekin ”ihmisen kasvain VS. -ksenografti ”ja” ksenografti VS. ksenografti ”pari, ja sulku 1,5 käytettiin seulomaan differentiaalisesti ilmentyvien geenien.

Toiminnallinen rikastumisen GO ja Kegg tietokannat suoritettiin DAVID [16]. Vuorovaikutus lääkkeitä etsittiin tietokannasta ”cancerresource” (https://bioinf-data.charite.de/cancerresource). Drug tavoitteet saamani drugbank V4.1 [17].

vertailu eri syövän mallien

verrattiin kolmea arviointimenetelmiä syöpälääkkeiden: 1) potilaasta johdettujen ksenografti, 2) syöpäsolun linja, 3) kasvain kudokset muodostavat muita potilaita. Olemme vain harkita potilailla, joilla oli PDX malli ja niitä vastaavat syöpätyyppeihin ollut saatavilla näytettä 2) ja 3) (S3 taulukko). Expression syöpäsolulinjois- saatiin GDSC (Genomics of Drug Herkkyys Cancer), tietokanta sisältää geenin ilmentyminen ja huumeiden arkaluonteisuuden data (puoli maksimaalinen estävä pitoisuus, IC 50) ja 138 syöpälääkkeiden poikki lähes 700 syöpäsolulinjoissa [18]. Expression data Ihmisen tuumorikudoksista ladattiin GSE2109 (https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE2109), joka koostui 2158 paneelit kiinteiden kasvaimien aiheuttamia. Kun yhdistetään aineistoja eri tutkimuksista, on tarpeen yhdenmukaistaa tietojen poistamiseksi erän vaikutus [19,20]. Siksi meidän piti geenit käytettävissä kaikissa paneelit, ja suoritti Tutkimusten välisten normalisointi by ”torjua” toiminnon R.

Prediction huumeiden vastauksen ekspressiotietojen

laajalti käytetty syöpälääke, sisplatiini, valittiin esimerkiksi arvioida lääkkeen vaste. Geenien ilmentyminen ja sisplatiinin IC50 tietoja 497 syövän solulinjat ladata GDSC tietokannasta. Simuloida ilmentymisen muutos PDX hiirillä, me satunnaisesti simulointi aineistoja päässä GDSC ekspressiotietojen. Kertainen muutos geenien ilmentyminen simuloitiin normaalijakaumasta (ND), ja sitten kertomalla GDSC data saada simuloitu ilmentymisen tietoja. Meillä syntyy 10500 simulointi aineistoja muuttamalla keskihajonta (SD) on ND 0-0,2 ja satunnaisesti tuottaa ND 500 kertaa kullekin SD. SRCC välillä simuloitu ja todellinen ekspressioprofiileja laskettiin kustakin solulinjasta, ja niiden mediaani käytettiin mittaamaan ilmaisua muutos simulointi tietoja.

Paul et ai. kehitti ratsastaa regressiomenetelmä joka ennustaa kliinisessä vastausta geeniekspressiotason [21]. Käytimme tätä menetelmää kouluttaa malli oikeilta GDSC ilmaisun ja sisplatiinin IC50 data [18]. SRCC välinen todellinen IC 50 ja ennustetun IC50 kutsuttiin ”SRCC_IC50”. Käytimme ennustemallissa simuloituun ilmaisun aineistoja ja lasketaan ”SRCC_IC50”. Voit poistaa vaikutuksen ennustemallissa ja arvioida ero huumeiden herkkyys tehokkaasti, ”SRCC_IC50” jaettiin 0,84, mikä on arvo ”SRCC_IC50”, kun haimme ennustemallissa koulutukseen tietoja.

Tulokset

Expression samankaltaisuuden syöpäpotilaiden ja PDXs

ladataan ja normalisoitu 9 PDX ilmaisu aineistoja GEO tietokannoista, kuten maksasyövän, peräsuolen syöpä, rintasyöpä, haiman adenokarsinooma, pään ja kaulan okasolusyöpä , rauhasmainen kystinen karsinooma, akuutti lymfaattinen leukemia, keuhkosyöpä (taulukko 1). Meta-analyysi näistä 9 aineistoja suoritettiin systemaattisesti ymmärtää ilmaisun samankaltaisuutta syöpäpotilaita ja PDXs. Kaikkiaan 58 potilasta on ilmaus tietoja PDX hiiristä, PDX kulku vaihtelivat 1 16. spearmanin järjestyskorrelaatiokerroin (SRCC) käytettiin vertaamaan 56 ”ihmisen kasvain VS. -ksenografti ”paria ja 23” ksenografti VS. ksenografti- ”paria.

Kuvio 1A havainnollistaa heatmap SRCC useita erilaisia ​​vertailuja ja erilaisten syöpä aineistoja. Mediaani SRCC eri syövän aineistojen vaihtelee +0,82-0,97. Korrelaatiot useimmat kasvain potilaiden ja PDX ovat suurempia kuin 0,9, jopa 10 sukupolven PDXs. Jakelun kaikkien SRCC on esitetty kuviossa 1B. Sen keskiarvo on 0,91, mediaani on 0,94, ja keskihajonta on 0,10. SRCC alle 0,76 (keskiarvo miinus 1,5 keskihajonta) pidetään harha. On 5 harha joukossa 79 vertailuja ja niitä on olemassa vain GSE45153 ja GSE6465. Olemme huomiotta nämä 5 harha myöhemmissä analyyseissä. Sitten olemme keskittyneet kolmeen aineistot (GSE15240, GSE35144, GSE46385) sekä ”ihmisen kasvain VS. -ksenografti ”ja” ksenografti VS. -ksenografti ”pareja (kuvio 1 C). SRCCs in ”ihmisen kasvaimen VS. -ksenografti ”parit ovat huomattavasti alhaisemmat kuin SRCCs in” ksenograftin VS. -ksenografti ”parit (Wilcox testi P = 0,0005). Se ehdottaa, että ilmaisu muutos välillä ihmisen syövän kudoksen ja PDX malli on paljon suurempi kuin muutos välillä PDXs. Differential gene ilmaisuja PDX ovat majorly siirrostumi- ihmisen kasvainkudoksessa hiiriin, kun taas geenin ilmentymiä PDX ovat vankkoja läpi useita transplantations.

(A) Heatmap osoittaa spearmanin järjestyskorrelaatiokerroin (SRCC) 8 syöpien 9 GEO aineistoja. F0 osoittaa syöpäpotilas koepala, F1 on 1

st passage PDX, F2 on 2

nd passage PDX, …, F? on PDX jonka kulku on epäselvä. (B) Boxplot osoittaa jakelu SRCC. Punainen viiva on keskiarvo miinus 1,5 standardipoikkeamaa. (C) Vertailu samankaltaisuuden ”ihmisen tuumorin VS. -ksenografti ”(sininen) ja” -ksenografti VS. -ksenografti ”(punainen).

Yhteinen differentiaalisesti ilmentyvien geenien jakaa eri syöpätyyppejä

seulotaan ilmennetty eri geenien” ihmisen kasvaimen VS. ksenografti ”vertailuja käyttäen viittä ilmaisua aineistoja kolmesta microarray alustoille: GPL570 (GSE46385, GSE35144, GSE15240), GPL6884 (GSE57491) ja GPL15207 (GSE55828). Määrä jopa geenien vaihtelee 2-76, määrä alas geenien vaihtelee 14-656 (S1 taulukko). Kuvio 2A esittää useita geenejä, jotka ilmentyvät differentiaalisesti vähintään yhden pariksi vertailu kussakin aineisto. Jotkut ilmentyvät eri geenit jaetaan useita aineistoja, varsinkin kolmen aineistoja samasta GPL570 alustalla (kuvio 2B). Vertasimme myös ekspressoituu differentiaalisesti geenien ”ksenograftin VS. ksenografti- ”paria. Määrä jopa geenien vaihtelee 1-55, määrä alas geenien vaihtelee 1-91 (S1 taulukko). Hyvin harvat geenit samanaikaisesti muuttuneet ”ksenograftissa VS. ksenograftin ”paria kaksi aineistot (kuvio 2C).

(A). Geenien ”ihmisen kasvaimen VS. ksenograftin ”vertailut viidessä aineistoja. (B) Genes in ”ihmisen kasvaimen VS. ksenografti ”vertailuja, vain kolmella aineistoja samalle alustalle GPL570. (C) Genes in ”ksenograftin VS. ksenografti- ”vertailuissa.

Ymmärtääksemme yhteinen muutoksen PDXs eri syöpien ja potilaat, valitsimme yhteinen ilmentyvät eri geenien välillä ihmisen Tuumorinäytteiden ja PDXs. On 48 geenejä, jotka ilmentyvät differentiaalisesti yli kaksi GSE aineistot ja yli puolet syöpäpotilailla (S2 taulukko). Expression heatmap näistä geeneistä on esitetty kuviossa 3A. Lähes kaikki ”ihmisen kasvain VS. -ksenografti ”parit ryhmittyivät yhteen (paitsi GSE15240) ja kaikki” ksenografti VS. -ksenografti ”parit ovat toisessa klusterissa. Koska GSE15240 on vain kaksi ”ihmisen kasvaimen VS. -ksenografti ”paria ja useita differentiaalisesti ilmentyvien geenien nämä kaksi paria on pienempi kuin määrä kaikkein” ihmisen tuumorin VS. ksenograftin ”paria muut aineistot, GSE15240 ei ryhmitelty muiden kanssa.

(A) Expression heatmap 48 geenejä, jotka ilmentyvät differentiaalisesti yli puolet syöpäpotilailla ja yli kaksi syöpätyyppeihin. (B) määrä differentiaalisesti ilmentyvien geenien, jotka ovat vuorovaikutuksessa syöpälääkkeiden.

Sen arvioimiseksi, onko yhteinen differentiaalisesti ilmentyvien geenien jakaa eri syöpätyyppejä voi johtua joissakin määräävän tietoja, poistimme yksi aineisto ja valitut geenit pysyi neljästä tiedostosta kunkin kokeen. Saamme 45, 25, 57, 106, ja 73 geenit poistettaessa GSE46385, GSE35144, GSE15240, GSE57491 tai GSE55828, vastaavasti; 15 geenit pysyvät kaikissa olosuhteissa (S1A kuvio). Niistä 48 yhteinen ilmentyvät eri geenit, 15 geenejä pidetään riippumatta siitä, mikä aineisto on poistettu, ja toiset pidetään yli 3 ehdot (S2 taulukko). GSE35144 on hallitseva data, jonka ”ihmisen kasvain VS. -ksenografti ”pareja on maksimi. Sen jälkeen GSE35144 on poistettu, määrä ”yhteinen differentiaalisesti ilmentyvien geenien” on 25. Mutta aree vielä 16 geenejä päällekkäin aiempien 48 geenejä (S1B kuvio). Sitten teimme clustering analyysia näyte uusilla valittujen geenien (S2 Kuva). Erittäin samankaltainen klustereiden tulokset viittaavat siihen, että klusteri ”ihmisen kasvaimen VS. -ksenografti ”pareja ei aiheuttanut joidenkin hallitseva tietoja. Tuloksemme osoittavat, että useiden syöpätyyppien jakaa joitakin samanlaisia ​​ilmaisun muutoksia ”ihmisen kasvaimen VS. ksenografti- ”paria.

Toiminnot ero geenien PDX ja mahdollisten yhdessä syöpälääkkeiden

Koska 48 geenit ilmentyvät differentiaalisesti useita PDXs, niiden toiminnot ovat tärkeitä ymmärtää engraftmentissa syöpään potilas koepala hiiriin. Toiminnalliset rikastamiseen analyysi osoittaa, että 48 geenit rikastettu ”soluväliaineen”, ”ECM-reseptori vuorovaikutuksen”, ”immuunivaste” tai vastaavien ilmaisujen käyttö, ja monet geenit koodaavat signaali tai eritettyjä proteiineja (taulukko 2). Me määritelty käyttövarmuuden pistemäärän rikastetun toiminto, prosentuaalinen että tämä toiminto on merkittävästi rikastettu (Benjamini P-arvo 0,01) analysoitaessa ero geenin sarjaa kussakin ”ihmisen kasvain VS. ksenografti- ”pari. Huippupisteet osoittavat nämä rikastettua toiminnot tukevat useimmat yksittäinen aineistot. Soluväliaineen on tärkeä osa stroomasolujen, ja sillä on tärkeä rooli kasvaimen mikroympäristössä [22]. Ilmennetty eri geenejä soluväliaineen ovat koostui edellisen raportin että ihmisen stromasoluja korvattiin hiiret stromasoluja [14]. Immuunivaste on usein tapahtuma allotransplantaation ja ksenotransplantaatio. Vaikka immuuni-puutteellisia hiiriä käytetään välttää hylkääminen ihmisen kasvainkudosta, jotkut ihmisen immuuni-liittyvät geenit ilmentyvät differentiaalisesti.

Niistä 48 geenit, 18 geenit ovat vuorovaikutuksessa lääkkeiden julkisiin tietokantoihin ja 12 geenit on raportoitu olevan lääkekohteiden (S2 taulukko). C1QB ja C1QC koodaavat tärkeä osatekijä on humaanikomplementin -aliosa, jotka ovat tavoitteita 18 huumeita. CD14, FCGR3A, FCGR3B, HLA-DPA1, HLA-DPB1, ja HLA-DRA rooleja immuunijärjestelmässä. CCL2 on yksi sytokiini geenien mukana immunosäätely- ja tulehduksia. Kollageeni geenit COL1A2 ja COL3A1 ovat tärkeimmät rakenteelliset proteiinit soluväliaineen ja sidekudosta. MMP-12 ja VCAM1 osallistuvat soluväliaineen organisaatiossa. Kuvio 3B esittää määrän vuorovaikutuksessa geenien kunkin lääkkeen. Esimerkiksi alemtutsumabille on vuorovaikutus neljä differentiaalisesti ilmentyvien geenien. Vaikka nämä vuorovaikutukset voi oikeastaan ​​tapahtua, tutkijoiden tulisi kiinnittää enemmän huomiota niihin, kun PDX käytetään arvioimaan lääkkeen vaikutuksen, varsinkin kun lääke on tarkoitus olla potentiaalia vuorovaikutukset näiden 18 geenit.

PDX hiirimallissa osoittaa etuja vuonna transcriptome verrattuna

Ennen PDX käytetään laajalti prekliinisissä kasvainperäinen solulinjoja on käytetty jo useita vuosia arvioimiseksi ehdokas syöpälääkkeiden [23]. Toinen tapa on päätellyt kliinisen vasteen kasvain samanlaisten potilaiden patologian ja molekyylien ominaisuuksia, kuten ilmaisun profiilin ja genomin vaihteluita [24-26]. Tässä me verrattuna geenin ilmentymistä syövän potilaille, joilla on kolme erilaista mallia: PDX, kasvainsolulinjoja, ja muita potilaita, joilla samalla syöpiä. Keskityimme paksusuoli, maksa, ja haima syövät, jotka oli saatavilla ilmaisu data (S3 taulukko). SRCCs välillä syöpäpotilaat (F0) ja näytteitä eri malleja laskettiin saada eniten samanlainen näyte max SRCC. Boxplots of SRCCs on esitetty kuvassa 4. Syöpäpotilaat ovat samanlaisia ​​itse johdettujen vierassiirrännäisten kaikissa aineistoja. Tulokset toisesta kahdenlaisia ​​mallit eivät ole johdonmukaisia. Potilailla GSE35144 on suurempi SRCC verrattuna syöpäsolulinjoissa, kun taas potilailla GSE55828 on suurempi SRCC verrattuna muihin ensisijainen syöpäpotilailla (kuvio 4). Tämä kuvastaa rajoitus nykyisen solun line paneeli ja ala-kasvain aineisto, kuten menetys microenvironment, epätäydellinen esitys kasvain monimuotoisuutta. Siksi hiiriä ksenografteissa rakennettu alkuperäisestä potilaiden paras esittää ominaisuuksia kasvaimia ja PDX hiiret ovat parempia syövän malleja kuin solulinjat.

Y-akseli on suurin korrelaatiokerroin geeni-ilmentymisen profiilit välillä F0 ja syövän malleista.

vaikutus ilmentymisen muutoksen lääkevaste

Yksi tärkeimmistä sovelluksista PDX on henkilökohtainen huumeiden valinta syöpäpotilaille. Vaikka PDX on hyvin samankaltainen potilaan koepala, on silti välttämätöntä ymmärtää vaikutus lievä ilmaus muutoksesta (välillä potilaan ja PDX) huumeiden herkkyys. Koska ei ole olemassa lääkettä vastetiedot sekä potilaille PDXs julkisesti domain, siksi syntyy useita simuloidun aineistoja päässä GDSC dataa ja käytetty laskennallinen malli ennustaa herkkyyttä sisplatiinin (IC50-arvo). SRCCs välillä simuloitu ja todellinen ilme tietoja käytettiin mittaamaan ilmaisua muutos, simuloidaan muutos Tuumorinäytteiden PDX. Suhteellinen ”SRCC_IC50” käytettiin mittaamaan vaikutuksen ilmentymisen muutoksen huumeiden herkkyys (näkö- menetelmä osasta yksityiskohtainen kuvaus). Simulointi Tulokset esitetään kuviossa 5. Yleisesti ottaen suuremmat ilme muutos johtaa alempaan pitoisuuteen huumeiden vastausta. Kun ilmaisua korrelaatio potilaan ja PDX pienenee 1-0,82 keskimääräinen korrelaatio huumeiden herkkyys vähenee 8% (1-0,92). Kuten edellä on mainittu, mediaani SRCC ”ihmisten kasvaimen VS. -ksenografti ”on 0,94. Vastaava samankaltaisuus lääkevasteita on 0,97, mikä 6% ilme muutos PDX Tulokset 3% ero huumeiden herkkyys. Monimutkaisuuden vuoksi lääkkeen vaste, tarkka numerot simulaation tulokset voivat vaihdella hieman todellisuudessa, vaikka suuntaus tulisi olla sama välillä simulointi ja todellisuuden. Siksi huumeiden herkkyys sai PDX jossain määrin yhteenveto siitä todellinen lääke herkkyys potilaan kasvain.

SRCC välillä simuloitu ja todellinen ekspressiotietojen käytettiin mittaamaan ilmaisua muutokseen. IC50 simuloitu aineistoja ennustettiin harjun regressiomallin. Suhteellinen ”SRCC_IC50” varten simuloitu aineistoja käytettiin mitata vaikutusta ilmaisun muutoksen huumeiden herkkyys.

Keskustelu ja Johtopäätös

syöpäpotilaan johdettu ksenografteissa on laajalti tutkittu kliinisissä syövän biologia, koska sen arvokas sovellus arvioida syöpälääkkeiden ja henkilökohtaisissa lääketieteessä. Aikaisemmat tutkimukset keskittyvät menetelmiä menestyksellisesti PDXs ja parantaa siirteen korko. Jonkin verran työtä verrattuna morfologisiin ja molekyylitason piirre potilaiden kasvaimia ja hiiri xegnorafts, ja osoitti, että PDX säilynyt potilaan kasvainten ominaisuuksiin. Kuitenkin tällaisia ​​päätelmiä saatiin tietyn syöpätyypin ja pieni määrä hiiren ksenograftien. Kertyneet PDX ekspressiotietojen mahdollistaa kattavamman vertailun Ksenosiirretyn kasvainten ensisijainen potilaan kasvaimia.

suorittaa meta-analyysi PDX transcriptome, joka kattaa 8 syöpätyyppejä, 58 syöpäpotilaita, 48 aikaisin ( = 3) PDXs , 36 kaukainen PDXs ja 19 PDXs tuntemattomia kohtia. Tuloksemme vahvistivat, että PDX oli hyvin samankaltainen potilaan kasvaimia (mediaani SRCC = 0,94), ja niiden samankaltaisuus oli suurempi kuin samankaltaisuutta solulinjoja tai muita potilaita samassa syöpätyypin. Expression muutos PDX enimmäkseen tapahtui siirteen etenemistä ihmisen kasvaimista hiiriin. Yhdistäjäyksikkö transcriptomic Tulokset tunnistettu 48 geeniä, jotka ovat muuttuneet yli puolessa syöpäpotilasta eri syöpätyyppejä. Nämä geenit osallistuvat kasvaimen mikroympäristössä ja immuunivastetta. Simulaatio tutkimus osoitti, että 6% ilmaisua muutos PDX seurasi 3% ero huumeiden herkkyys. Monimutkaisuuden vuoksi lääkkeen vaste todellisuudessa tarkkoja lukuja simulaation tulokset voivat olla epätarkkoja todellinen huumeiden vastausta. Kuitenkin suuntaus tulee olla sama välillä simulointi ja todellisuuden: suurempi muutos ekspressiotaso johtaa alempaan johdonmukaisuuden lääkevastegenotyypin.

Eläinten malli on samankaltainen kuin ihmisen kunnossa, mutta ne eivät ole täsmälleen samat. Vaikka eläinmallissa voi olla joitakin rajoituksia ilmentymisen vuoksi tai asetusta ero eläinten ja ihmisten välillä, eläinkokeissa on käytetty laajalti auttaa ymmärtämään ihmisen biologiassa. Näin ollen olemme osoittaneet, että PDXs on toistaiseksi paras syövän malli ja laadun valvonta on tarpeen aikana juurtumista ja seuraavina kohtia: seuranta ilmaisu samankaltaisuuden PDX ja potilaan kasvaimen, tarkkailun muutos biologisesti tärkeiden geenien, et ai. Meidän havainnot ovat hyödyllisiä kehittämisen ja soveltamisen PDX malleja.

Tällä hetkellä geenien ilmentymisen mikrosirun on tärkein tekniikka, jota käytetään PDX tutkimuksessa. Tulevaisuudessa muut teknologiat ovat useammin käytetty rakentaa täydellisen molekyyli- profiilia PDX, kuten RNA sekvensoinnilla, SNP array, koko genomin /eksoni sekvensointi, ja metylointi sekvensointi. Nämä tiedot tarkemmin kuvaavat ominaisuudet PDX kuten hiiren saastumisesta PDX kasvain, PDX-mutaatioita ja subklooneja vuoksi kasvain heterogeenisuus. Yhä useammat PDX malleja tullaan kertynyt ja suuri ”PDX huumeiden herkkyys” tietokanta rakennetaan. Lääkärit voivat valita sopivat lääkkeet syöpäpotilaille lääkkeeseen perustuen vastetiedot itsestään peräisin PDX tai vastaavia PDXs tietokantaan. Tutkimukset PDX edistää yksilöllistä syöpähoidon ja uusien lääkekehityksen suoraan ylemmälle.

tukeminen Information

S1 Kuva. Yhteinen ilmennetty eri geenien PDX hiirillä.

(A) Venn-kaavio geenien. Joka kerta poistimme yksi aineisto, ja valittu yhteinen ero geenit loput neljä aineistot. (B) päällekkäisyys geenien käytettäessä kaikkia aineistoja tai poistamalla GSE35144.

Doi: 10,1371 /journal.pone.0124780.s001

(TIF)

S2 Kuva. Expression heatmap yhteistä differentiaalisesti ilmentyvien geenien in PDX hiirillä.

Gene, valittiin A) käyttäen viittä aineistoja, B) poistetaan GSE15240, C) poistetaan GSE46385, D) poistetaan GSE35144, E) poistetaan GSE55828, ja F) poistetaan GSE57491.

doi: 10,1371 /journal.pone.0124780.s002

(TIF) B S1 Taulukko. Ilmennetty eri geenien ”ihmisen kasvaimen VS. -ksenografti ”ja” ksenografti VS. ksenografti- ”vertailuissa.

doi: 10,1371 /journal.pone.0124780.s003

(XLS)

S2 Taulukko. Luettelo 48 geenejä, jotka ilmentyvät differentiaalisesti yli puoli ”ihmisen tuumorin VS. ksenografti- ”paria.

vuorovaikutuksessa huumeiden ja huumeisiin tavoitteet saatiin drugbank ja” cancerresource ”tietokantoja.

doi: 10,1371 /journal.pone.0124780.s004

(XLSX)

S3 Taulukko. Kolme syöpien, jotka ovat PDX ilmentymistä tiedot GEO tietokantaan, yli 7 solulinjojen GDSC aineisto, ja enemmän kuin 7 kasvainnäytteessä GSE2109.

Doi: 10,1371 /journal.pone.0124780.s005

(XLSX ) B

Kiitokset

Arvostamme kriittinen lukeminen ja arvokkaita kommentteja Dr. Chao Li.