Krooninen sairaus

tiivistelmä

molekyylitason syitä, joilla kasvutekijän reseptori tyrosiinikinaasin indusoi pahanlaatuisiksi ovat suurelta osin tuntemattomia. Ymmärtämään paremmin EGF ”transformoivan kapasiteetti koko genomin kartoituksessa levitettiin siirtogeenisen hiiren mallia maksasyövän ja alistettiin kehittyneitä menetelmiä laskennallisen analyysin rakentaa de novo geeniregulatiivista verkot perustuvat yhdistelmään sekvenssianalyysillä ja mukana kulkeva kuvaaja-topologinen algoritmeja. Täällä tunnistettu transkriptiotekijöitä, prosessit, keskeiset solmut ja molekyylit yhdistää vielä tunneta vuorovaikutuksessa kumppanien tasolla proteiini-DNA vuorovaikutus. Monet näistä voitaisiin vahvistaa sähkövoimaan band shift määrityksessä tunnustamista sivustoja geenien promoottoreita ja western-blottaus tumaproteiinien. Romaani solua sääteleviä piirejä voitaisiin näin ollen ehdotetaan, että yhdistää solusyklin geenien kanssa komponenttien EGR signalointireitin. Promoottori analyysi erilaisesti ilmaisi geenien ehdotti enemmistö säännellyn transkriptiotekijöiden näyttää spesifisyys joko pretumoraalinen tai kasvaimen tilassa. Myöhemmät etsiä signaalitransduktion keskeiset solmut ylävirtaan tunnistettu transkriptiotekijöiden ja tavoitteensa ehdotti insuliinin kaltaisen kasvutekijän polku tehdä syöpäsolut riippumaton EGF-reseptorin aktiivisuuden. Erityisesti ilmaus IGF2 lisäksi monia osia tämän reitin oli erittäin yläreguloituja kasvaimia. Yhdessä ehdotamme kytkin autokriinisellä signalointi edistää kasvaimen kasvua, joka oli alun perin laukaisi EGF ja osoitettava sellaista tietoa vahvistuksen muodossa promoottori analyysi yhdistettynä ylävirran avain solmun tunnistamiseen.

Citation: Stegmaier P, Voss N, Meier T , Kel A, Wingender E, Borlak J (2011) Advanced Computational Biology Methods Tunnista Molecular kytkimet Maligniteetti käytettäessä EGF Mouse Model maksasyövän. PLoS ONE 6 (3): e17738. doi: 10,1371 /journal.pone.0017738

Editor: Michael Polymenis, Texas A M University, Yhdysvallat

vastaanotettu: 06 lokakuu 2010; Hyväksytty: 09 helmikuu 2011; Julkaistu: 28 maaliskuu 2011

Copyright: © 2011 Stegmaier 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.

Rahoittajat: osat työ rahoitettiin EU: n tukea ”Eurodia” (LSHM-CT-2006-518153) ja Net2Drug (LSHB-CT-2007-037590) ja ETB myöntävät GlobCell ja BMBF hanke TcellTalk sekä ohjelman Intenational yhteistyössä Venäjän Ministry Sciences ja opetus- ja tiede- ja kulttuuri, Niedersachsenin, Saksa; Grant numero: 25A.5-76251-99-3 /00 Juergen Borlak. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen. PS, NV, AK, EW ovat työntekijöitä BIOBASE GmbH, Wolfenbuettel, Saksa. AK on myös työntekijä Institute of Systems Biology Oy, Novosibirsk, Venäjä.

Kilpailevat edut: PS, NV, AK, EW ja JB ovat työntekijöitä BIOBASE GmbH, Wolfenbuettel, Saksa. AK on myös työntekijä Institute of Systems Biology Oy, Novosibirsk, Venäjä. Ei ole olemassa patentteja, tuotteiden kehittämiseen tai kaupan tuotteiden julistaa. Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamiseen ja materiaaleja, kuten yksityiskohtaisesti verkossa Opas tekijöille.

Johdanto

kasvutekijän on tärkeä mitogeeni hepatosyytit sen kyky moduloida proto-onkogeenin sekä maksan spesifisen geenin ilmentyminen. Ymmärtää paremmin EGR: n rooli pahanlaatuisiksi siirtogeenisen hiiren kehitettiin jossa EGR kohdennettu maksaan. Erityisesti siirtogeenisiä hiiriä kehittynyt maksasyöpä noin 7-8 kuukautta ja kasvaimen vaiheessa riippuva verkosto EGF geenien havaittiin, kuten aikaisemmin raportoitu [1]. Rohkaisemana nämä havainnot geenit liittyvät tumorigenes ja sairauden etenemisen voidaan ehdottaa. Täällä, halusimme analysoida geeniekspressioprofiilien ennalta tumorous ja suuria eroja hepatosellulaarikarsinoomien romaani laskentamenetelmä että kyettiin tunnistamaan sääntelyviranomaisten EGR signalointiryöpyn pahanlaatuista transformaatiota. Uusi menetelmä kehitettiin perustuen promoottorisekvenssin analyysi differentiaalisesti ilmentyvien geenien. Tarkemmin, geenin transkription on päättänyt merkittävä osa, jonka toimintaa transkriptiotekijöitä, jotka puolestaan ​​tunnistavat spesifisiä lyhyt DNA-segmenttejä, jotka ovat transkriptiotekijää sitovia paikkoja (TFBSs), jotka sijaitsevat usein promoottorialueen ylävirtaan transkription aloituskohdasta (TSS). Geeniekspressioprofiilit voidaan siten käyttää tunnistamaan TF: ille, jotka mahdollisesti vaikuttavat geenien ilmentymistä tietyissä solun olosuhteissa käyttämällä eri geneettisten algoritmien ja matriisit, jotka tunnistavat TFBSs. Monimutkaisuus geenien ilmentyminen tietoja voidaan vähentää tunnistamisen yhteinen ien co geenien. ’Täällä kuvattu ja äskettäin kehitetty menetelmä keskittyy tunnistamista transkriptiotekijän sitoutumiskohtia kanssa yhteistyössä käyttöasteen promoottorit differentiaalisesti ilmentyvien geenien tilastollisesti merkittävällä tavalla. Tämä mahdollisti hypoteeseja sukupolvi ja tunnistaminen transkriptiotekijöiden toimii näin promoottori asettaa ja lopullisena tavoitteena tunnistaa ”molekyyli laukaisee” geenien säätelyverkkojen pakottaa hepatosyyttien osaksi pahanlaatuisiksi. Perustuen tällainen analyysi transkriptiotekijöiden havaittiin ehdokas efektoreina pahanlaatuisen muutoksen, joka voi toimia siirtyminen EGR yli ilmentymä pahanlaatuinen tila. Jotta kokeellisesti vahvistaa laskennallinen ennustukset Western blotting kokeiluja tumaproteiinien ja EMSA band shift määritykset tehtiin määrittämiseksi DNA sitoutumisaktiivisuutta useiden transkriptiotekijöiden. Jälleenrakennus signa- ylävirtaan näistä TF: istä pystyimme ehdottaa loppupään tavoitteet EGF signaloinnin näiden kahden solu todetaan, eli transgenicity ja maksasyöpä. Tuloksena ehdotamme säätelyverkkoja, jotka auttavat ymmärtämään paremmin EGF aiheuttama syöpäsairauksia. Kun pyritään etsimään keskeisten molekyylien signalointiverkon ylävirtaan tunnistettu transkriptiofaktoreiden insuliinin kaltainen kasvutekijä polku tunnistettiin, että todellakin voi edustaa molekyyli- siirtyminen EGF-reseptorin tyrosiinikinaasin reitti kasvaimen tilaan tehden pahanlaatuisiksi transformoituneiden solujen riippumaton EGF-reseptorin aktiivisuuden. Lisätodisteita tätä hypoteesia saatiin, kun geenin ilmentymisen IGF2 ja sen alavirran kumppaneiden tutkittiin ja päättänyt olla erittäin merkittävästi indusoida tuumorisoluissa samoin kuin monia osia tämän reitin.

Kaiken kaikkiaan tämä tutkimus tähtää varten ymmärtämään paremmin EGR transformoivan kapasiteetti ja yhdistää eri linjat todisteita mahdollisesta mekanismista taudin.

tulokset

Differential ilmentymistä siirtogeenisissä (pretumoraalinen) ja kasvainkudoksen: sub luokittelu tunnetun maksasyövän biomarkkerit jonka geeniekspressioprofiilien

selittää 2.3 kartoitettu Affymetrix koetin televisiosta 10262 hiiren geenejä. Differentiaalikaavojen analyysi Ebarrays havaittu 303 ja 355 jopa geenien sekä 95 ja 141 alaspäin geenien siirtogeenisissä ja kasvaimen soluihin, tässä järjestyksessä. Taulukossa 1 esitetään yhteenveto tietoa saadut geenin luetteloista ja Kuvio 1 kuvaa jakautuminen tunnettujen transkriptiotekijän sitoutumiskohdan paikoissa mukaan Transfac tietokantaan julkaisu 12,1 (katso materiaalit ja menetelmät, laskeminen P-arvojen OTTELUN tulokset, lisätietoja). Taulukko S1 tarjoaa kaikki MGI geeni symboleja, TRANSPATH molekyyli nimet, jos käytettävissä, ja ylin tai alin kansi muutokset mitataan anturi sarjaa ylös säännellä tai alaspäin säädeltyjen geenien, vastaavasti. Pieni manuaalinen tehty muutoksia geeni asettaa 5 (taulukko 1), jossa koetin joukko kartoitettu neljä läheistä sukua paralogeihin Bcl2a1a-d. Käytimme MAFFT kohdistus ohjelmisto [2] ja Jalview [3] tarkastaa useita rinnastuksia Bcl2a1 promoottorit (kuvio S1). Koska promoottorisekvenssejä nämä geenit ovat hyvin samankaltaisia, harhaa promoottori analyyseissä tässä työssä voisi odottaa ja siksi poistettava kolme Bcl2a geeneistä (b-d) geenien asetettu 5.

Punainen viiva ilmaisee huippu jakelu -115bp suhteessa TSS.

Siirtogeenisten ja kasvaimen valtioiden yhteinen 144 ylös säänneltyä geenejä ja 25 alas geenien (sarjaa 3 ja 8, taulukko 1). Myöhemmissä analyyseissä myös pitää potentiaalisesti suurempaa päällekkäisyyttä, kun koetin sarja oli tilastollisesti merkitsevä yhdessä kontrastia ja saavuttanut korkean kertainen muutos muissa (asettaa 2, 4, 7, ja 9). Näin ollen 77 303 asti säännelty geenejä siirtogeenisissä soluissa (sarja 2), koetin asetettu havaita tilastollista analyysiä oli myös kertainen muutos 2 kasvainsoluissa, ja nämä 77 geenit lisättiin 355 geenit ylös säännelty kasvain saada laajennettu joukko jopa geenien kasvainsoluissa. Vastaavasti 103 355 geenien ylös säänneltyjen kasvainten liitettiin siirtogeenisen asettaa johtamiseksi laajennettu joukko jopa geenien siirtogeenisissä soluissa (asetettu 4). Samoin geeni sarjaa alas vasteaikaa suurennettiin at kertamuutos alle 0,5. Jäljellä osajoukot (sarjat 1, 5, 6, ja 10) katsottiin erikseen säädetty vastaavissa etenemisen tilan.

mukaan taudin moduulin BIOBASE Knowledge Library (BKL) [4], EGF aiheuttama syövän synnyn aiheutti ero ilmentyminen 39 tunnettujen biomarkkereiden liittyviä geenejä maksakarsinooma /kasvaimet (taulukko S1). Kuten kuvassa 2, nämä biomarkkerit esillä erilaisia ​​malleja ilmaisun viittaa lisäalaryhmä luokituksen osalta niiden vaste pretumoraalinen ja kasvaimen tilassa. Kolme geeniä, nimittäin Myc, Glul, kaura, oli ohimenevästi ylös- tai alaspäin säädellään aikana taudin puhkeamista ja saattavat siten olla aikaisin merkkiaineita maksasyövän, jotka syrjivät kasvain tila (kuvio 2A). Tilastollinen analyysi ehdotti myös Dnmt3a, Itga6, ja Shc1, mutta korkea-kertainen muutokset mitattiin näiden geenien tuumorisoluissa, kuten edellä on esitetty. Expression of 14 biomarkkereiden geenien muuttunut havaittavasti molemmissa etenemisen todetaan (kuvio 2B), joka osoittaa ylimääräinen oletettujen varhaisen maksasyövän markkereita. Lopuksi, CCND1, GPC3, MVK, PPARg, Rbl2 ja ROBO1 osoitti kasvain-spesifinen vaste (kuvio 2C), jossa haitalliset ilmentyminen muuttuu havaittiin PPARg, joka ilmestyi säädeltiin siirtogeenisissä soluissa (fold muutos 0,4) ja merkittävästi up säädellään kasvaimia. Yhdessä nämä tulokset viittaavat hienostunut tulkinta tunnetaan biomarkkereita maksasyövän /kasvaimet. Niistä vastaavat geenit voisimme tunnistaa useita informatiivisia allekirjoituksia, jotka osoittavat erityistä pretumoraalinen ja kasvainmerkkiaineet ja osoittavat, että ilmentyminen muuttuu joidenkin tunnettujen biomarkkereita voi itse asiassa olla varhainen indikaattoreita sairauden puhkeamista.

Tontit näyttää log-taitto muutokset tunnetaan biomarkkereita, joita ekspressoituu differentiaalisesti siirtogeenisten solujen (A), sekä todetaan (B), tai kasvaimet (C). Kertamuutoksia joidenkin geenien ilmoitettu differentiaalikaavojen molemmissa valtioissa, vaikka tilastollinen analyysi määrittänyt heidät vain yhden valtion (katkoviivat). Useat tunnetut biomarkkerit osoittivat eteneminen valtion vasteita, jotka voivat subserve johtaminen pretumoraalinen ja kasvaimen allekirjoituksia (lihavoidut viivat).

asetukseen solukierron ja rasva-aineenvaihdunnan muutoksia asteittain EGF aiheuttaman hepatokarsinogeneesin

määritelty sarjaa erilaisesti ilmaistuna (DE) geenit käsillä, ryhdyimme tunnistamaan toiminnallisia muutoksia, jotka seuraavat EGF aiheuttama hepatokarsinogeneesin. Tätä tarkoitusta varten, laskimme rikastamiseen P-arvot kaikille GO biologisen prosessin luokkiin liittyy ainakin yhden geenin siirtogeenisiä tai kasvaimen geenin sarjaa, ja soveltaa niitä mittana suhteellinen merkitys tietyn biologisen toiminnon tietylle geenin asetettu. Rajoittamiseksi vaikutuksen väärien negatiivisten havaintojen aikana differentiaalikaavojen analyysin rikastamiseen P-arvot laskettiin pitkäksi geenin sarjaa koostuvat sarjaa 1-4 (jopa säädellään siirtogeenisissä soluissa), 2-5 (jopa säädellään kasvainsoluissa), 6- 9 (säädeltiin siirtogeenisissä soluissa), ja 7-10 (säädeltiin kasvainsoluissa) (taulukko 1). Tulokset P-arvon vertailu on esitetty kuviossa 3. Seuraavassa keskitymme 15 GO ryhmien suurimmat erot log-P-arvot saatu analyysejä joko ilmen- tymisen lisääntymisen tai vaimentua geenin sarjaa. Tontit Siirtogeenisten versus kasvain P-arvot (kuvio 3, A ja C) esittävät, että menettely määräsi luokkaan niiden etäisyys lävistäjä (punainen viiva). Pisteitä lävistäjä osoittavat eroa P-arvoja. Valitun top 15 biologisia prosesseja, P-arvot vaihtelivat noin 2-6 kertaluokkaa välillä transgeenisten ja kasvaimen todetaan. Tämän analyysin, säätelyä geenien aikana tumorigenes voimakkaimmin muuttaa solusyklin toimintoja (kuvio 3B). Huomaa, että legendoja kuvioiden 3B ja 3D säilyttää tilaus log-P-arvon erotus. Kaikki viisi GO luokkia, ”solunjakautumisen”, ”solusyklin”, ”M vaihe”, ”mitoosia”, ja ”M vaihe mitoosi solusyklin” viittaavat muutoksiin solusyklin ja olivat enemmän merkittävästi rikastettu kasvain geeniperimä, kun taas säätelyyn ylöspäin siirtogeenisissä soluissa voimakkaammin suunnattu mekanismeja soluliikkuvuus sekä solujen komponentti organisaatio ja biogeneesin. Paitsi korjauksilla solusyklin, funktionaalinen vertailu huomauttaa muutoksista sääntelyn geenien osallistuvien kehitys- prosesseja, solujen kasvua, ja anatominen rakenne kehitys (kuvio 3B), jotka merkitsevät potentiaalista erilaistamattomuuden tapahtumia. Analyysi downregulation vastauksista käy ilmi, että asetus rasva-aineenvaihdunnan voimakkaasti muutettu aikana tuumorigeneesin. Seuraavat kaksi korkein toimintoja koskevat proteiinia deubiquitination ja sappihappojen synteesi (kuva 3D). Taulukko S2 tarjoaa lisää tietoja geeneistä vastaavat joidenkin valittujen biologisen prosessin ryhmien ja niiden P-arvot joko etenemistä tilassa. Solusyklin luokat erittäin paremmuusjärjestykseen vertaamalla ilmen- tymisen lisääntymisen geenin sarjaa vaikutti merkittävästi sekä siirtogeenisten ja kasvainsoluissa, mikä osoittaa, että nämä toiminnot tehdään progressiivinen muutoksia. Erityisesti liittyviä geenejä anatominen rakenne kehitys olivat voimakkaasti rikastunut siirtogeenisissä ja kasvaimen sarjaa (keltainen piste ja viiva, kuvio 3, A ja B). Erityisesti, erot ilmenevät paitsi upregulation lisägeenien kasvainsolun; esim. solusyklin ryhmä siirtogeenisten solujen käsittää Foxc1, Gadd45a, Hic1, Hus1, Myc, ja Uhmk1, joita ei ole havaittu kasvaimen (huolimatta laajentaminen geenin luettelo). Muutosta havaittiin sääntelyn lipidimetaboliaan geenejä. Siirtogeeniset ja kasvain geenin sarjaa mukana tämän toiminnon erosi 21 geenejä ja rikastamiseen P-arvot nousivat noin kuusi kertaluokkaa. Lisäksi proteiini deubiquitination ja sappihappojen aineenvaihduntaan osoittavat kytkimen kaltainen sääntely, jossa ero ilmentyminen todettiin ensimmäisen kasvaimen.

(A ja B – analyysi ilmen- tymisen lisääntymisen geenien, C ja D – analyysi vaimentua geenien) . A ja C) Jokainen piste edustaa GO luokka avaruudessa kahden P-arvoja. B ja D) Top 15 GO termejä eniten log-P-arvon välinen ero transgeenisten ja kasvaimen. Pisteitä, jotka vastaavat mainittuun ryhmään B ja D on korostettu A ja C, vastaavasti.

Cell-cycle säätelyhäiriötä aiemmin määritelty yhdeksi syy mekanismi nongenotoxic karsinogeenisuus [5]. On myös tunnettua, että maksasyövän merkitsee lipidimetaboliaan derangements mukaan lukien kolesterolin metabolia [6]. Tässä esitetyt tulokset osoittavat, että sairauden alun seurasi muuttaminen asteittain vastaaviin toimintoihin. Ubikitiinipromoottori-proteasomireitillä reitti on suhteellisen uusi kohde syöpäterapialle [7]. Mukaan meidän geenien ilmentyminen tietojen hepatokarsinogeneesin aiheutti downregulation kolme deubiquitination geeneistä, Dub1, Dub2, ja Dub2a, erityisesti kasvaimen tilassa (taulukko S1). Äskettäin deubiquitinating entsyymi, BAP1, joiden rooli solukierron säätelyssä kuvattiin tuumorisuppressoriproteiinia [8], joka tukee merkitystä löytää vastaavan GO luokan joukossa 15 muuttuneen toimintoja huolimatta kohtalaisen rikastamiseen P-arvo kasvaingeenitietokannan set (P 0,0001). Downregulation deubiquitination geenien noudattaa aikaisempien havaintojen kuten Ventii ja coauthors myös havaittu puute deubiquitinating toimintaa syöpään liittyvien mutantteja. Yhteenvetona progressiivinen muutoksia säätelyyn solusyklin, kehitys- ja rasva-aineenvaihdunnan toimintoihin chaperoned EGF aiheuttama hepatokarsinogeneesin, kun taas potentiaalisen kytkin kaltainen sääntely havaittiin pienille ryhmille geenien määritelty proteiini deubiquitination ja sappihappojen biosynteesin, osa maksan kolesteroliaineenvaihduntaa . Nämä biologiset toiminnot hautoisi uusia biomarkkereita taudin puhkeamista ja kasvaimen kehittymisen.

Klusterit ilmen- tymisen lisääntymisen signaalitransduktion molekyylejä siirtogeenisissä ja kasvainsoluissa integroida kasvutekijä, solusykliä, kemokiinin ja sytokiinien signaalien

Networks vuorovaikutuksessa proteiinit aiheuttavat suuren osan solun toimintoja. Analyysi ilmentyvät eri molekyylien yhteydessä tunnetaan signalointireittien mahdollistaa tunnistamisen molekyyli verkkojen kohteena havaittu ilmentyminen muuttuu. Käytimme verkko klusterianalyysillä ehdottaa toiminnalliseen signalointiin komponenttien koodata differentiaalisesti ilmentyvien geenien siirtogeenisten ja kasvainsolujen yhdessä tukevat verkkotopologiat rakennettu kokeellisesti signalointi reaktioita. Verkot on rakennettu laajennettu säätelyä ja downregulation geeni kuvattujen edellä. Tämän seurauksena, saimme yhden klusterin kukin voimistunut geenien siirtogeenisten solujen ja ilmen- tymisen lisääntymisen geenien tuumorisolujen. Pieni verkko vaimentua geenien havaittiin tuumorisoluissa, jossa EGF: n ja beeta-c vuorovaikutuksessa Shc ja kompleksi, joka käsittää EGF: n, erbb1, Shc-1, Grb2, ja Sos (ei esitetty). Kaksi verkostoja ilmen- tymisen lisääntymisen geenien muodostuivat 85 ja 88 osat, myös 39 ja 41 molekyylejä yläreguloituja siirtogeenisiä tai kasvainsoluissa, vastaavasti. Kaaviot siirtogeenisiä ja kasvaimen verkon klusterit esitetään kuvioissa 4 ja 5. Lisätietoja ilmentyvät eri molekyylejä ja koodaavat geenit on esitetty taulukossa S3.

Red solmut: vain siirtogeenisiä verkossa; Light punainen: fold muutos oli vähintään +2 korkeampi kuin kasvain; Vaaleanvihreä: fold muutos oli vähintään – 2 pienempi kuin kasvaimen, Blue: upregulated molekyyli samanlaisia ​​kertaluokkamuutos siirtogeenisissä ja kasvaimen. Ole hyvä, katso teksti tarkempi kuvaus.

Red solmut: ainoastaan ​​kasvain verkossa; Light punainen: fold muutos oli vähintään 2 yksikköä korkeampi kuin transgeenisissä soluissa; Vaaleanvihreä: fold muutos oli vähintään 2 pistettä pienempi kuin siirtogeenisten solujen Blue: upregulated molekyyli samanlaisia ​​kertaluokkamuutos siirtogeenisissä ja kasvaimen. Ole hyvä, katso teksti tarkempi kuvaus.

Molemmat verkot on sekoitus toimintakategorioihin kuten kasvutekijä signalointi, esim. kautta ErbB reseptorit, InsR tai FGFR-1, solusyklin sääntelyyn kaskadeja, esim. johon sykliini B1, CDK1, Aurora-A: n, p53: n, sekä sytokiinin ja kemokiinin signalointi IL-1RI ja CXCR4. Yhdistetyt luettelo ilmen- tymisen lisääntymisen komponenttien koostuu 48-proteiinien, joista 7 ovat spesifisiä siirtogeenisiä verkkoon ja 9 ovat vain osa kasvaimen verkon (taulukko S3). 19 32 jaetun molekyylit määrällinen muutos ilmaisun aikana tuumorigeneesin voidaan arveltu kuten on osoitettu solmu väritys verkkokaavioita (vihreä ja vaaleanpunainen solmuja, kuviot 4 ja 5). Erityisesti tämä koskee kompaktin moduulin solun lukiertosäätelijöistä, eli surviviini, sykliini B1, CDK1, PLK1, ja Bub1, jonka ilmentyminen lisääntyi noin 2-kertaisesti kasvain verrattuna siirtogeenisten solujen mukaan mitattu kertaiseksi muutoksia. Lisäksi, verkko-analyysi viittaa toisen, kasvain-moduulin solun lukiertosäätelijöistä muodostettu p107, p130, p15INK4b, ja WEE1- (kuvio 5). Nämä tulokset tukevat edelleen hypoteesia, että EGF aiheuttama syövän synty ajetaan osittain etenevä korjauksilla solukierron säätelyssä, joka, kuten verkot osoittavat, voi myös ilmeisen määrällistä muutoksia ilmaisun.

Esitetty verkko klusterit paljastaa mahdolliset vaikutukset aktiivisuuteen voimistunut TF: istä, kuten c-Fos, c-Jun, c-Myc, PPAR-gamma1, Smad3, Egr-1 ja c-Ets-2. C-Myc ja PPAR-gamma1 rajoittuivat siirtogeenisen ja kasvaimeen verkko, vastaavasti. Jokainen tekijä yhdistää signaaleja useista ylävirtaan molekyyleistä, joilla on muuttunut ilme. Mielenkiintoista, tunnettu syöpään liittyvän-TF: iä, kuten c-Fos, c-Jun, Smad3, ja c-Ets-2 osoitti melko vakaan ilmentymisen lisääntyminen koko kasvaimien syntyyn. Lisäksi suhteellisen suuri määrä sekä aktivoivan ja estävä reaktiot kohde p53, joka oli vailla havaittavissa differentiaalikaavojen kummassakaan etenemisen tilassa.

Cascade johon VCAM-1, alfa4-integriiniä ja IAP todettiin nimenomaan siirtogeenisen verkon (kuvio 4). Alfa4-integriini näkyy etenemisen valtion sääntelyn kanssa säätelyyn ylöspäin siirtogeenisten solujen ja downregulation kasvainsoluissa (taulukko S3). Integriinit liittyvät kudoksen hyökkäystä maksasyöpä soluja [9] ja rooli apoptoosin [10]. BMP7, kasvain verkko-molekyyliksi, voivat toimia transkriptiotekijän, ja voi siten edistää ylössäätely c-Myb [11] sekä C-Fos, jälkimmäinen mahdollisesti muulla tavalla [12]. BMP7 oli aiemmin raportoitu osallistua apoptoosin säätelyyn sileän lihaksen soluissa [13]. Koska niiden ja apoptoosin ja niiden eteneminen valtion erityinen ilmaisu profiilien alfa4-integriiniä ja BMP7 voi edustaa ainesosia katkaisijaa syövän.

Verkko klusterit paljastavat sääntelyn circuitries jotka voivat olla kokeilemisen uusille hoitotoimenpiteiden. Todellakin, PPAR-gamma-antagonistit tutkitaan hoitona oli erilaisia ​​pahanlaatuisia kasvaimia, mukaan lukien maksan syövät. Regulatory kaskadeja kohdistaminen PPAR-gamma kautta ylävirtaan kinaasien ja fosfataasien, kuten M3 /6, JNK1, MEKK2, MKP3, MEK2 tai ERK2, joista M3 /6, MEKK2 ja MFP-3 indusoitiin aikana Karsinogeneesin ehdottaa lisämahdollisuuksia lääkekehityksessä. Lisäksi ligandi insuliinin ja insuliinin kaltaisen reseptorit, IGF-2, oli voimakkaasti upregulated kasvainsoluissa, kun taas oli kohtalaisia ​​muutoksia siirtogeenisten solujen (ei havaittu ero ilmentymisen analyysi). Mahdollinen rooli tämän ligandia autokriinisella säätelyyn syöpäsolujen kasvua aiemmin käsitelty kirjallisuudessa [14] ja analysoidaan edelleen tutkimuksessamme (katso alla).

Järjestäjä analyysi ja tunnistaminen säätelysekvenssien

Transkriptiotekijöihin vaikuttavat merkittävästi koordinoi geeniekspression muutoksia, kuten ne tutkimuksessa havaittujen tietojen. Se on standardi lähestymistapa testata yliedustus TF sitoutumiskohdista promoottorit coregulated geenien vs. tausta tapauksissa. Kvantitoimme sitoutumiskohta väkevöimisen 0,01-kvantiili suhteen kahden Beta jakaumien mallintamiseen ristitulosuhteen ennustetun sitoutumiskohtien ja promoottoreita ja etualan ja taustan geenin sarjaa. 0,01-kvantiili arvon, seuraavassa merkitään

q-arvo

, arvioi arvo kertoimet suhteen, niin että todellinen suhde on suurempi 99% todennäköisyydellä (katso menetelmät). Kunkin 578 Transfac pulssinleveysmodulaattorit, algoritmi aloitetaan pienellä PWM pisteet kynnyksen (P-arvo 0,05) ja iteratiivisesti säätää cut-off (kasvattamalla) maksimoida q-arvo.

Sitovat sivustot olivat ennusti ottelu promoottorialueille kattaa -1000-100 suhteessa TSS. Olemme rakennettu erillinen tausta sarjat siirtogeenisten ja kasvainsolujen satunnaisesti näytteitä 1000 geenien kanssa kertamuutoksia välillä 0,9 ja 1,1 vastaavassa etenemisen tila. Seuraavat etualalla sarjaa analysoitiin: säätelyä (Taulukko 1: asettaa 1-3 ja 3-5), erityiset säätelyä (Taulukko 1: asettaa 1 ja 5), ​​downregulation (taulukko 1: asettaa 6-8 ja 8-10), ja erityisiä downregulation (taulukko 1: sarjaa 6 ja 10). Lisäksi sitoutumiskohta rikastus testattiin promoottorit ilmen- tymisen lisääntymisen geenejä, jotka liittyvät solukierron ja vaimentua geenejä, jotka liittyvät rasva-aineenvaihduntaan.

Kuviossa 6, q-arvot Transfac motiiveja optimoitu siirtogeenisten etualan sarjaa piirretään q-arvot vastaaviin kasvaimen etualan sarjaa. Lisäksi poimimamme alkuun pulssinleveysmodulaattorit tilaaman q-arvot taulukossa S4. Tunnisteet Transfac jos matriisin pisteitä korostettu kuvassa 6 ovat rohkeita tyypitetyn taulukossa S4. Uuttaminen matriisit seurasi sääntö näyttää top 15 pulssinleveysmodulaattorit, tai kaikki, joilla on vähintään 2-kertainen rikastus joko siirtogeenisiä tai kasvain setti, tai kaikki pulssinleveysmodulaattorit korostettu kuviossa 6, kumpi aiheutti eniten motiiveja. Olemme myös uuttaa transkriptiotekijä geenien (taulukko S5) mukaan tunnistettu pulssinleveysmodulaattorit (alleviivattu taulukossa S4) ja suoritetaan vastavirtaan verkon analyysin transkriptiotekijä sarjaa (katso jäljempänä).

Jokainen piste edustaa yhtä Transfac sitoutumiskohta (= sekvenssi motiivi) asemoitu kertaa runsaammin siirtogeenisissä (x-akseli) ja kasvaimen (y-akseli) etualalla sarjaa. Kvantiiliarvot yli 1 osoittaa sitoutumiskohtaan rikastamiseen. Useat motiiveja on korostettu, joita siirtynyt lävistäjä viittaa eri merkitys vastaavan TF sääntelyä joko siirtogeenisiä tai kasvain todetaan. Ole hyvä, katso teksti tarkempi kuvaus. A) analyysi sitoutumiskohtaan rikastumisen kaikki alas säännelty geenejä B) analyysi sitoutumiskohtaan rikastusta sijoittamista erikseen alas geenien joko siirtogeenisiä tai kasvain valtioiden C) analyysi sitoutumiskohtaan rikastumisen kaikki asti säännelty geenejä D) analyysi sitoutumiskohtaan rikastuksissa vuonna nimenomaan up geenien joko siirtogeenisiä tai kasvain todetaan E) analyysi sitoutumiskohtaan rikastusta jopa säänneltyjen solusyklin geenien F) analyysi sitoutumiskohtaan rikastusta in säädeltiin lipidiaineenvaihdunnan geenejä.

Tämän seurauksena promoottori analyysi paljasti TF motiiveja sanottuna tai enemmän articulately yliedustettuna siirtogeenisiä tai kasvaimen etualalla sarjaa sekä kuviot yhteisiä rikastamiseen molemmissa etenemistä valtioissa. 5 6 etualan sarjaa, POU motiivien vahvemmin yhteydessä siirtogeeninen valtion kuin kasvain tila (kuvio 6A-E). Tämä ero oli voimakkainta analyyseissä vaimentua (kuvio 6A) ja erityiset vaimentua geenin sarjaa (kuvio 6B), jossa pisteet edustavat POU matriiseja (sininen ruutu) sijaitsevat kaukana massa pistettä. Erityisesti sivustoja joidenkin POU motiiveja olivat myös yli 2-kertainen rikastunut promoottorit vaimentua geenien kasvain. Lok1 matriisit olivat sijoilla motiiveja vaimentua ja erityisiä vaimentua geenien kasvain (taulukko S4). Kuitenkin promoottorit ilmen- tymisen lisääntymisen geenejä havaittavasti rikastettu POU sivustoja siirtogeenisiä tilassa vain (kuvio 6C-E). Nämä tulokset viittaavat siihen, että POU tekijät vaikuttivat kytkimen siirtogeenisistä kasvaimen tilaan. Lisäksi niiden toiminta saattaa olla merkittävä syy havaittu downregulation tapahtumia. Niistä POU transkriptiotekijät edustaa matriiseja tunnistettu Analyysien ilmaus profiilia Pou5f1 (Oct4) muistuttivat hyvin havaitun etenemisen tilan erityinen rikastamista sen sitoutumiskohdista (taulukko S5). Pou5f1 geeni osoitti korkeaa kertainen muutos (2,75) transgeenisissä tilassa, joka oli vähentynyt kasvaimen tilassa (fold muutos 1,70). Todellakin, Pou5f1 geeni ekspressoituu spesifisesti alkion kantasoluja ja kasvainsoluissa, mutta ei soluissa erilaistuneiden kudosten [15]. Transkriptiotekijöiden kanssa Forkhead verkkotunnuksen osoitti myös yhdessä siirtogeenisiä valtion. Tämä signaali parhaiten havaittiin ylösajon ja solukierron geenin sarjaa (kuvio 6Cand E), mutta hienostunut rikastus siirtogeenisissä promoottoreita voidaan myös havaita tietyn downregulation (kuvio 6B) ja erityiset säätelyä, jossa FREAC2 motiivi rankattu 15 pulssinleveysmodulaattorit ( Taulukko S4). Vuonna ylösajon asetettu, Foxd3 sitoutumiskohtien osoitti voimakkaimman signaalin jälkeen Lok1 sivustoja (taulukko S4). Tämä tukisi mahdollisen roolin Oct4, kuten corepression kautta päällekkäisiä sitoutumiskohtiin Oct4 ja Foxd3 aikaisemmin raportoitu [16]. Mukaan ekspressiomittaukset, Foxd3 oli mahdollisesti vaimentua molemmissa etenemiseen valtioissa (taulukko S5), vaikka mitattava ilmaisu erot eivät olleet tilastollisesti merkitseviä. Sen sijaan, Foxc1 ilmaisu yhtäläisyyksiä vahvempi rikastamista Forkhead sitoutumiskohtia siirtogeenisissä promoottori asetetaan, koska se on nimenomaan upregulated alussa etenemisen tila (taulukot S1 ja S5).

edistäjät ilmen- tymisen lisääntymisen geenien kasvaimeen liittyi sitovia sivustoja solusyklin sääntelyviranomaisten kuten AP1 kaltaiset tekijät, STAT, ja E2F (kuvio 6C-E), joista Atf3, Jun, ja E2f3 merkittävästi yläreguloituja sekä siirtogeenisten ja kasvainsolujen (taulukot S1 ja S5). Tämä havainto tukee vahvempi säätely solusyklin prosessien kasvain havaitaan vertaileva GO analyysi. Analyysi solusyklin geenin promoottorit ehdottaa E2F tekijät tärkeimpänä sääntelyviranomaiset molemmissa valtioissa, kun taas taipumusta korkeamman q-arvoja kasvain asetettu havaittiin useita E2F motiivien (kuvio 6E). On huomattava, että Myc liittyvä sinkkisormipolypeptidiin proteiinia havaittiin siirtogeenisissä solusyklin geeniperimä (taulukot S4 ja S5), joka viittaa epäsuorasti siihen, että Myc vaikutti solukierron säätelyssä siirtogeenisissä soluissa, mutta ei tai vähemmässä määrin kasvainsoluissa. Tätä tukisi ilmaus profiilia Myc merkittäviä säätelyyn ylöspäin alussa valtion ja hienovarainen tai poissa säätelyyn ylöspäin kasvain.

Lisäksi rasva-aineenvaihduntaan geenin sarjaa vahvaa yhdistyksen HNF6 (Onecut1) ja PPAR-gamma kasvain tila (kuvio 6F). Näistä HNF6 merkittävästi vaimentua kasvaimen, kun taas PPAR-gamma osoitti etenemistä tilassa tietyn profiilin kanssa downregulation transgeenisissä tilassa ja merkittävä säätelyyn ylöspäin kasvain.

Vaikka monet edellä mainituista transkriptiotekijät ovat hyvin tunnettuja proto -oncogenes, kuten Jun, Myc tai E2f3, ja yhteys HNF6, PPARgamma ja rasva-aineenvaihdunta on ymmärrettävää, muiden tekijöiden paljasti analyysimme ovat uusia suhteessa niiden roolia maksan syövän synnyn. Sitoutumiskohtiin Kaiso (Zbtb33) on voimakkaimmin yliedustettuna vaimentua kasvain geenejä. Kaiso osoitettiin vaientaa tuumorisuppressorigeeneille kolorektaalisyövässä [17], ja sen rooli syövän aikaisemmin arvioitu [18]. Lisäksi kuviot HMG laatikko tekijöitä, jotka liittyvät siirtogeenisten geenin settiä downregulation (kuvio 6A, LEF1 pulssinleveysmodulaattorit) ja erityiset säätelyä (kuvio 6D, Sry).