Αφηρημένο

Στατιστική μοντελοποίηση, σε συνδυασμό με τις τεχνικές έκφρασης προφίλ γονιδίωμα-ευρεία, απέδειξε ότι η μοριακή κατάσταση του όγκου αρκεί για να συναχθεί παθολογική κατάσταση. Οι μελέτες αυτές ήταν εξαιρετικά σημαντική στη διάγνωση και συνέβαλαν στη βελτίωση της κατανόησης της βιολογίας των όγκων. Ωστόσο, η σημασία τους στην σε βάθος κατανόηση του καρκίνου του παθο-φυσιολογία μπορεί να είναι περιορισμένη, δεδομένου ότι δεν λαμβάνουν ρητά υπόψη τον θεμελιώδη ρόλο του μικροπεριβάλλοντος ιστού στον προσδιορισμό φυσιολογία του όγκου. Λόγω της σημασίας των κανονικών κυττάρων στη διαμόρφωση της μικροπεριβάλλον του ιστού που διαμορφώνουν την υπόθεση ότι μοριακά συστατικά του προφίλ των φυσιολογικών επιθηλιακών κυττάρων πλησίον του όγκου είναι προβλεπτική της φυσιολογίας του όγκου. Εμείς αντιμετωπιστεί αυτή η υπόθεση με την ανάπτυξη στατιστικών μοντέλων που συνδέουν τα προφίλ γονιδιακής έκφρασης που αντιπροσωπεύει την μοριακή κατάσταση των γειτονικών φυσιολογικά επιθηλιακά κύτταρα με χαρακτηριστικά όγκου στον καρκίνο του προστάτη. Επιπλέον, η ανάλυση του δικτύου έδειξε ότι τα προγνωστικά γονίδια που συνδέονται με τη δραστηριότητα σημαντικών εκκρίνεται παραγόντων, οι οποίοι έχουν τη δυνατότητα να επηρεάσουν τη βιολογία του όγκου, όπως IL1, IGF1, PDGF ΒΒ, AGT, και TGFβ

Παράθεση:. Trevino V, Tadesse MG, Vannucci Μ, al-Shahrour F, Antczak P, Durant S, et al. (2011) Ανάλυση Κανονική-όγκου ιστών Αλληλεπίδραση σε Όγκοι: Πρόβλεψη του καρκίνου του προστάτη Χαρακτηριστικά από το μοριακό προφίλ των παρακείμενων φυσιολογικών κυττάρων. PLoS ONE 6 (3): e16492. doi: 10.1371 /journal.pone.0016492

Επιμέλεια: Diego Di Bernardo, Fondazione Telethon, Ιταλία

Ελήφθη: 4 Αύγ 2010? Αποδεκτές: 3, Ιαν, 2011? Δημοσιεύθηκε: 30 Μαρ 2011

Copyright: © 2011 Trevino et al. Αυτό είναι ένα άρθρο ανοικτής πρόσβασης διανέμεται υπό τους όρους της άδειας χρήσης Creative Commons Attribution, το οποίο επιτρέπει απεριόριστη χρήση, τη διανομή και την αναπαραγωγή σε οποιοδήποτε μέσο, ​​με την προϋπόθεση το αρχικό συγγραφέα και την πηγή πιστώνονται

Χρηματοδότηση:. Victor Trevino ήταν ένας παραλήπτης του Δαρβίνου Εμπιστοσύνη υποτροφία και CONACYT. Το έργο αυτό είναι εν μέρει χρηματοδοτείται από επιχορηγήσεις από τον CRUK (C8504 /A9488), ισπανικό Υπουργείο Επιστημών και Καινοτομίας (BIO2008-04212), ΑΠΑ-ΕΤΠΑ (PROMETEO /2010/001). Οι συγγραφείς ευχαριστήσω επίσης την υποστήριξη του Εθνικού Ινστιτούτου Βιοπληροφορικής (www.inab.org) και το RTICC (RD06 επιχορήγηση /0020/1019) και οι δύο πρωτοβουλίες του Instituto de Salud Carlos III (MICINN). Μαρίνα Vannucci υποστηρίζεται μερικώς από το ΝΙΗ-NHGRI R01-HG003319. Οι χρηματοδότες δεν είχε κανένα ρόλο στο σχεδιασμό της μελέτης, τη συλλογή και ανάλυση των δεδομένων, η απόφαση για τη δημοσίευση, ή την προετοιμασία του χειρογράφου

Αντικρουόμενα συμφέροντα:.. Οι συγγραφείς έχουν δηλώσει ότι δεν υπάρχουν ανταγωνιστικά συμφέροντα

Εισαγωγή

Η εφαρμογή της λειτουργικής γονιδιωματικής τεχνολογίας, ιδιαίτερα γονίδιο προφίλ έκφρασης, έχει παράσχει την επιστημονική κοινότητα με τα εργαλεία για να χαρακτηρίσει τη μοριακή κατάσταση των κυττάρων και των ιστών στο επίπεδο του γονιδιώματος. Οι τεχνολογίες αυτές σε συνδυασμό με την ικανότητα να τεμαχίσει συγκεκριμένους τύπους κυττάρων από ένα σύνθετο ιστό έχουν δημιουργήσει μια άνευ προηγουμένου ευκαιρία για τον χαρακτηρισμό του μοριακού ταυτότητα συγκεκριμένων τύπων κυττάρων στο πλαίσιο μιας σύνθετης ιστού [1]. Μετά από αυτήν την προσέγγιση, προφίλ έκφρασης γονιδίου έχουν εφαρμοστεί για να δημιουργηθεί το μεταγραφικό προφίλ των καρκινικών κυττάρων που είναι προγνωστικά των δύο χαρακτηριστικών του όγκου και της κλινικής έκβασης σε μια ποικιλία ανθρώπινων καρκίνων. [2] Πολλές μελέτες γονιδιώματος σε επίπεδο ωστόσο συχνά αναλύονται δεν λαμβάνει ρητώς υπόψη ότι συστατικά του εξω-κυτταρικής μήτρας (ECM) (πρωτεΐνες μήτρας, διαλυτές αναπτυχθούν παράγοντες και χημειοκίνες) που εκκρίνεται από τα φυσιολογικά κύτταρα, δίπλα στη θέση του όγκου, σε μεγάλο βαθμό να επηρεάσουν την βιολογία του όγκου. Πρόσφατα, τα στρωματικά κύτταρα έχουν αναδειχθεί ως πρωταρχικό υποψήφιοι για παίζοντας ένα ρόλο σε αλληλεπίδραση κυττάρου κανονική του όγκου [3]. Τα κύτταρα αυτά εκκρίνουν τα περισσότερα από τα ένζυμα που εμπλέκονται στη διάσπαση της ECM, για παράδειγμα παράγουν αυξητικούς παράγοντες οι οποίοι έχουν ένα ρόλο στον έλεγχο του κυτταρικού πολλαπλασιασμού του όγκου, απόπτωση, και τη μετανάστευση. Επίσης εκκρίνουν προ-φλεγμονώδεις κυτοκίνες που εμπλέκονται στην χημειοέλξη και ενεργοποίηση ειδικών λευκών αιμοσφαιρίων και ως εκ τούτου παίζουν ένα ρόλο στον προσδιορισμό των φλεγμονωδών αποκρίσεων [4]. Οι αυξητικοί παράγοντες και κυτοκίνες εμπλέκονται επίσης στο νεοπλασματικό μετασχηματισμό των κυττάρων, αγγειογένεση, όγκου κλωνική επέκταση και την ανάπτυξη, τη διέλευση μέσω του ECM, ενδαγγείωση σε αίμα ή λεμφικά αγγεία και το μη-τυχαία homing μετάστασης όγκου σε ειδικές θέσεις. Πολλοί από αυτούς τους παράγοντες είναι επίσης εκκρίνονται από φυσιολογικά επιθηλιακά κύτταρα, κύτταρα του ανοσοποιητικού συστήματος και τα ενδοθηλιακά κύτταρα στη γειτονία της μάζας του όγκου. Έχει επίσης αποδειχθεί ότι το στρώμα ενδέχεται να επηρεάσουν την απόκριση στη θεραπεία κατά του όγκου. Πράγματι, η παρουσία του CD11b + λευκοκυττάρων προσδίδει αντίσταση σε θεραπεία αντι-αγγειογένεσης [5].

Επιπλέον, προ-επεξεργασία του στρώματος με αντι-αγγειογένεσης μόρια πριν από την εμφύτευση του όγκου σε μοντέλα όγκου ποντικού μπορεί παραδόξως να αυξήσει την ανάπτυξη των όγκων [6], [7]. Αυτό δείχνει ότι η ποιότητα του στρώματος του όγκου μπορεί να επηρεάσει σημαντικά την ανάπτυξη του όγκου.

Η σημασία του μικρο-περιβάλλον για τον καθορισμό της έναρξης και της εξέλιξης του καρκίνου τίθεται το ερώτημα αν μπορεί να είναι δυνατόν να προβλεφθεί η παθο-φυσιολογία και της κλινικής έκβασης του όγκου από συγκεκριμένα συστατικά του μοριακού κατάσταση των φυσιολογικών κυττάρων. Εάν είναι δυνατόν, θα περιμέναμε αυτές τις μοριακές υπογραφές για να αντιπροσωπεύουν σημαντικά συστατικά του κυττάρου-κυττάρου cross-talk που εμπλέκονται στην προσδιορίζοντας την ανάπτυξη του καρκίνου.

αντιμετωπιστεί το ζήτημα αυτό, με την ανάπτυξη στατιστικών μοντέλων βασίζεται σε ένα ευρύ προφίλ γονιδίωμα της κανονικής ιστού πλησίον του όγκου και τον εντοπισμό πτυχές που είναι προγνωστικά χαρακτηριστικά του καρκίνου.

Έχουμε αναλύσει δύο διαφορετικά σύνολα δεδομένων του καρκίνου του προστάτη μικροσυστοιχιών διαθέσιμες στο δημόσιο τομέα [8], [9]. Δείχνουμε ότι και στις δύο σύνολα δεδομένων η μοριακή κατάσταση των κυττάρων πλησίον του όγκου είναι προβλεπτική κλινικά σχετικά χαρακτηριστικά του καρκίνου. Αυτά τα μονοπάτια είναι κατατοπιστική μοριακές υπογραφές και αντιπροσωπεύουν οδών που εμπλέκονται στην παραγωγή και την αντιμετώπιση της εκκρίνονται παράγοντες.

Αυτά τα ευρήματα υποστηρίζουν την πιθανή σημασία της κανονικής βιοψίες ιστών στη διάγνωση και πρόγνωση του καρκίνου του προστάτη. Αυτή η προσέγγιση παρέχει επίσης μια γενικά εφαρμόσιμη στρατηγική ανάλυση για τον προσδιορισμό των βασικών οδών που εμπλέκονται στην κυτταρική στην επικοινωνία των κυττάρων.

Αποτελέσματα

Στατιστική μοντελοποίηση δημιουργεί μια σύνδεση μεταξύ του μοριακού κατάσταση των φυσιολογικών κυττάρων και όγκων ιστο-παθολογική χαρακτηριστικά

ο αρχικός στόχος της ανάλυσής μας ήταν να ελέγξετε εάν το μοριακό προφίλ των φυσιολογικών κυττάρων είναι προγνωστική των χαρακτηριστικών του καρκίνου. Αρχικά θεωρούνται δύο σημαντικές πτυχές του προστάτη φυσιολογίας όγκου: ο βαθμός οργάνωσης των καρκινικών κυττάρων καθορίζεται από ένα σύστημα βαθμολόγησης ιστο-παθολογική ονομάζεται σκορ Gleason, και την ικανότητα των καρκινικών κυττάρων να διεισδύσουν στην κάψουλα όργανο συνοψίζεται από ένα δυαδικό ιστο-παθολογική βαθμολογία που ονομάζεται κάψας διείσδυση. Ο βαθμός διαφοροποίησης των κυττάρων του όγκου μετρά την τάση των κυττάρων να συσσωματώνονται σε αδενικές δομές που ομοιάζουν που θυμίζουν την οργάνωση του φυσιολογικού ιστού. Το σκορ Gleason μπορεί να χρησιμοποιηθεί για να ορίσει δύο κύριες κατηγορίες. Ο πρώτος χαρακτηρίζεται από χαμηλού βαθμού όγκους που εμφανίζουν ένα άκρως οργανωμένη δομή (ανταποκριτής σε ένα σκορ μικρότερη ή ίση με 6), ενώ μία δεύτερη κατηγορία χαρακτηρίζεται από υψηλού βαθμού όγκους κυττάρων που διασπείρονται στην μήτρα και δεν δείχνουν τάση για να σχηματίσουν αδενικό-όπως δομές (ανταποκριτής σε μια βαθμολογία μεγαλύτερη ή ίση με 7). Με διείσδυση καψικό Αντίθετα περιγράφουν την έκταση στην οποία τα κύτταρα έχουν διαφύγει από την κάψουλα που περιβάλλει τον προστάτη.

Η ανάλυσή μας με στόχο να συνδέσει το μοριακό προφίλ των φυσιολογικών κυττάρων με το επίπεδο της διαφοροποίησης (χαμηλή έναντι υψηλής διαφοροποίησης) και διείσδυση καψικό (θετικός σε σχέση με αρνητικό). Αυτό επιτεύχθηκε με την ανάπτυξη στατιστικών μοντέλων που βασίζονται στο μοριακό προφίλ των φυσιολογικών κυττάρων και πρόβλεψης των κατηγοριών του δείγματος, ειδικά Gleason σκορ και η διείσδυση της κάψας.

Για το σκοπό αυτό εφαρμόζονται δύο διαφορετικές προσεγγίσεις πολυπαραγοντική μοντελοποίηση ( GA-MLHD και μέθοδοι BVS) σε δύο ανεξάρτητα σύνολα δεδομένων που αναπτύχθηκε από τους Singh et al. [9] και από Lapointe et al. [8]. Οι δύο στατιστικές προσεγγίσεις μοντελοποίησης έχουν σχεδιαστεί για να ψάξετε δείκτες πολλαπλών γονιδίων που μεγιστοποιούν τη διάκριση μεταξύ των τάξεων του δείγματος. Χρησιμοποιώντας αυτές τις μεθόδους, έχουμε αναπτύξει αντιπροσωπευτικά μοντέλα που ήταν προγνωστικά χαρακτηριστικά όγκου με τη βοήθεια του προφίλ γονιδιακής έκφρασης των φυσιολογικών κυττάρων. ακρίβεια και το μέγεθος αυτών των μοντέλων ταξινόμησης ήταν συγκρίσιμες με αυτές που αναπτύχθηκαν χρησιμοποιώντας την μοριακή κατάσταση των κυττάρων του όγκου (Πίνακας 1). Αντιπροσωπευτικά μοντέλα που αναπτύχθηκαν με τις μεθόδους BVS και GA-MLHD αντιπροσωπεύουν βέλτιστη προβλεπτική υποσύνολα που βασίζονται σε ένα πολύ παρόμοιο αριθμό γονιδίων και έχουν υψηλό βαθμό επικάλυψης στο επίπεδο του γονιδίου, υποδηλώνοντας ότι τα αποτελέσματά μας είναι ανεξάρτητη από τη μεθοδολογία που χρησιμοποιήθηκε (Σχήμα 1 και τα σχήματα S1, S2, S3 και). Συνεπής με το σχετικά μικρό βαθμό επικάλυψης μεταξύ των πλατφορμών μικροσυστοιχιών (& lt? = 8%, ανατρέξτε στην ενότητα Επεξεργασία δεδομένων στο Κείμενο S1 για λεπτομέρειες), τα αντιπροσωπευτικά μοντέλα που αναπτύχθηκαν από τα δύο ανεξάρτητα σύνολα δεδομένων δεν έχουν γονίδια κοινά

.

το σχήμα δείχνει τους χάρτες θερμότητας που εκπροσωπούν το προφίλ έκφρασης των γονιδίων που επιλέγονται από τα μοντέλα GA και BVS τόσο Lapointe και Singh σύνολα δεδομένων από τις κανονικές δεδομένων ιστού. Κάθε τεταρτημόριο στο σχήμα αντιπροσωπεύει έναν συνδυασμό μιας προσέγγισης μοντελοποίησης και ένα ειδικό σύνολο δεδομένων. Τα γονίδια που υπάρχουν στο GA-MLHD και BVS για το ίδιο σύνολο δεδομένων επισημαίνονται με κόκκινο χρώμα. Ακρίβεια αναφέρεται κάτω από κάθε Heatmap. αριθμός ένταξη GeneBank και το σύμβολο του γονιδίου εμφανίζονται στην αριστερή πλευρά της Heatmap. Φωτεινότερο πράσινο ή κόκκινο χρώμα σε θερμικούς χάρτες αντιπροσωπεύουν χαμηλότερη ή υψηλότερη σε σχέση με την έκφραση αντίστοιχα. p-value t-test δείχνεται για σύγκριση με τα κριτήρια διαφορική έκφραση που χρησιμοποιούνται συνήθως σε μονοδιάστατες μεταβλητή προσεγγίσεις επιλογής.

Η

Περαιτέρω ανάλυση της σχετικής συμβολής των μεμονωμένων γονιδίων για το διαχωρισμό του δείγματος ήταν εκτελέστηκε χρησιμοποιώντας μία ανάλυση κύριων συνιστωσών (Σχήμα 2). Αυτή η προσέγγιση έχει αποκαλύψει ότι τα γονίδια που εμπλέκονται σε οδούς επικοινωνίας των κυττάρων είναι προγνωστικά της διείσδυσης της κάψας. Εντός του σετ γονιδίων που επιλέγονται από το GA στο κανονικό σύνολο δεδομένων ιστού, σε συνδυασμό υψηλότερη έκφραση του γονιδίου

PRELP

και μια χαμηλότερη έκφραση των γονιδίων

UBE4A

,

ZNF146

στα φυσιολογικά κύτταρα ήταν προβλεπτική της διείσδυσης της κάψας του όγκου. Στο σύνολο γονιδίων που αναπτύχθηκε από την εφαρμογή της διαδικασίας BVS στην κανονική σύνολο δεδομένων ιστού, μια υψηλή έκφραση του

PPP2R4

,

PRELP

,

CALLA

,

ISG20L2

ήταν προγνωστική της διείσδυσης της κάψας του όγκου. Τα μοντέλα που αναπτύχθηκαν από το σύνολο δεδομένων Lapointe αποκάλυψε ότι χαμηλότερη έκφραση του

OAT

και υψηλότερη έκφραση του

PCGF5

και

MYCN

στο μοντέλο GA και χαμηλότερη έκφραση του

IGF1

και

ΚΔΕ

και υψηλότερη έκφραση του

PCGF5

και

CPSF7

είναι προγνωστικά της διείσδυσης της κάψας.

το σχήμα δείχνει το αποτέλεσμα της PCA αντιπροσωπεύει δείγμα διαχωρισμού με βάση την έκφραση σε φυσιολογικό ιστό γονιδίων που επιλέγονται από τις διαδικασίες μοντελοποίησης. Κάθε τεταρτημόριο στο σχήμα αντιπροσωπεύει έναν συνδυασμό μιας προσέγγισης μοντελοποίησης και ένα ειδικό σύνολο δεδομένων. Κάθε τεταρτημόριο περιέχει ένα 2D οικόπεδο που αντιπροσωπεύει το διαχωρισμό των αρνητικών διείσδυσης κάψας (μαύρη στενή κύκλους) και θετική (κόκκινη κοντά κύκλοι) δείγματα (οικόπεδα Β, D, F και Η) και ένα ιστόγραμμα (οικόπεδα Α, C, Ε και G) που αντιπροσωπεύουν τις φορτώσεις PC (άξονας x) για κάθε συστατικό γονίδιο (άξονας y). Σημειώστε ότι φορτίσεις PC αντιπροσωπεύουν τη συμβολή του κάθε γονιδίου σε ταξικό διαχωρισμό. Διακεκομμένες γραμμές οριοθετούνται γονίδια με μεγαλύτερη συνεισφορά που συζητούνται στο χειρόγραφο. Τα γονίδια που υπάρχουν στο GA-MLHD και BVS για το ίδιο σύνολο δεδομένων επισημαίνονται με κόκκινο χρώμα.

Η

Ο σύνδεσμος μεταξύ φυσιολογικών και καρκινικών εμφανίζονται σε αυτή την ανάλυση υποστηρίζεται επίσης από μια μονοπαραγοντική ανάλυση που έχουμε εκτελούνται χρησιμοποιώντας μια ευρεία φάσμα των διαθέσιμων μεθόδων (Σχήμα S4).

Εξειδίκευση των υπογραφών γονιδίου πρόβλεψης καρκίνου ιστο-παθολογικά χαρακτηριστικά

Δίπλα φυσιολογικών και καρκινικών ιστών είναι μορφολογικά διακριτές. Ωστόσο, δείχνουν ένα βαθμό μοριακά ομοιότητα, η οποία αποτελεί εν μέρει συνέπεια της μοιράζονται το ίδιο μικρο-περιβάλλον [10]. Ως εκ τούτου, το ερώτημα αν οι προβλεπτικά μοντέλα που έχουμε αναπτύξει από φυσιολογικά επιθηλιακά κύτταρα αντιπροσωπεύουν μία μοριακή υπογραφή που είναι ειδικά για κανονικό ιστό ή εάν η έκφραση των γονιδίων πρόβλεψης σε καρκινικά κύτταρα μπορεί επίσης να είναι προβλεπτική των χαρακτηριστικών του όγκου. Προκειμένου να αντιμετωπιστεί αυτή η υπόθεση, πήραμε γονίδια που επιλέγονται από τις στρατηγικές μοντελοποίησης μας αναπτύχθηκε από τις συνήθεις σύνολα δεδομένων ιστού και δοκιμαστεί εάν η έκφραση τους στο θέμα του όγκου ήταν προβλεπτική των χαρακτηριστικών του καρκίνου.

Εμείς αμφισβήτησε επίσης την ακρίβεια πρόβλεψης των μοντέλων αναπτύχθηκε από τα δεδομένα του όγκου κατά την εκτέλεση της αντίστοιχης σύγκριση με τον κανονικό σύνολο δεδομένων. Και στις δύο περιπτώσεις, η ακρίβεια πρόβλεψης των μοντέλων είναι κοντά στο 50% (το οποίο αντιστοιχεί στην αναμενόμενη ακρίβεια μιας τυχαίας εικασία) (Σχήμα 3). Επομένως, η παρούσα ανάλυση δείχνει ότι οι μοριακές υπογραφές έχουμε εντοπίσει είναι ειδικές για τους ιστούς (κανονική ή όγκου) έχουν επιλεγεί να εκπροσωπήσει.

Η προγνωστική ακρίβεια των μοντέλων που αναπτύχθηκαν με τη χρήση φυσιολογικού ιστού (πίνακας Α, μαύροι κύκλοι ) είναι συγκρίσιμο με τα μοντέλα αναπτύχθηκαν χρησιμοποιώντας ιστό του όγκου (πίνακας Β, γεμάτα διαμάντια). Όταν τα μοντέλα αναπτύχθηκαν χρησιμοποιώντας φυσιολογικό ιστό εκπαιδεύονται και δοκιμάζονται χρησιμοποιώντας δεδομένα από καρκινικό ιστό, η ισχύς πρόβλεψη μειώνεται σημαντικά (κενοί κύκλοι). Παρομοίως, μοντέλα όγκων εκπαιδευτεί και δοκιμαστεί με δεδομένα από φυσιολογικό ιστό είναι επίσης μη πρόβλεψης (άδειο διαμάντια).

Η

Λειτουργική δίκτυα που συνδέονται με την έξυπνη υπογραφές που αντιπροσωπεύει φυσιολογικά επιθηλιακά κύτταρα προφίλ έκφρασης περιλαμβάνουν σημαντικά μηνύματα κυτοκινών και αυξητικών παραγόντων

για να διευκολυνθεί η βιολογική ερμηνεία των γονιδίων που εκπροσωπούνται στο στατιστικών μοντέλων μας χρησιμοποιήσαμε το λογισμικό ανάλυσης ΜΠΒ για να εκτελέσει μια σε βάθος ανάλυση σε επίπεδο δικτύου. Για να εξασφαλιστεί η ανάλυσή μας καλύπτει όλο το φάσμα των πιθανών λύσεων, που χρησιμοποιείται ως είσοδος στο λογισμικό IPA τον κατάλογο των γονιδίων εκπροσωπούνται στη συλλογή των μοντέλων πρόβλεψης προσδιορίζονται από το φυσιολογικό ιστό από τη διαδικασία GA. Αυτά καλύπτει ένα ευρύτερο φάσμα του χώρου λύση σε σχέση με τα αντιπροσωπευτικά μοντέλα που περιγράφονται παραπάνω (Σχήμα 1 και 2) και αντιπροσωπεύουν 239 και 259 γονίδια για Singh και Lapointe σύνολα δεδομένων αντίστοιχα. Στην ανάλυση αυτή θα επικεντρώνεται στην διείσδυση Καψική λόγω των κλινικών και προγνωστική σημασία της. Η ανάλυση του δικτύου πραγματοποιήθηκε ανεξάρτητα στα δύο σύνολα δεδομένων και τα πιο σημαντικά δίκτυα (στατιστικά σημαντική και με & gt? 50% των γονιδίων στόχων που εκπροσωπούνται στο δίκτυο). Επιλέχθηκαν για περαιτέρω ανάλυση

Και στις δύο σύνολα δεδομένων, η έξυπνη γονίδια ήταν μέρος των δικτύων που συνδέουν εξωκυττάρια μόρια, όπως η προ-φλεγμονωδών κυτταροκινών

IL-1β

, οι προ-μεταστατικό χημειοκινών

CX3CL1

και

CCL20

και οι αυξητικοί παράγοντες

IGF1

,

TGFβ

και

PDGF ΒΒ

με τη δραστηριότητα της πυρηνικής μεταγραφής παράγοντες em

nfkb

,

HF4A

,

TP53

και

MYC

.

το σχήμα 4 περιγράφει τις πιο σημαντικές δίκτυα προσδιορίζονται από τον εκπρόσωπο εφαρμογή του ΜΠΒ από τα μοντέλα που βασίζονται στην μοριακή κατάσταση των φυσιολογικών κυττάρων και πρόβλεψης της διείσδυσης της κάψας στην Lapointe κ.ά. . σύνολο δεδομένων (βλέπε πίνακα S2 για τον πλήρη κατάλογο των σημαντικών δικτύων που προσδιορίζονται από το IPA). Το Σχήμα 4Α δείχνει ένα δίκτυο που αντιπροσωπεύεται από την αλληλεπίδραση μεταξύ της προ-φλεγμονώδης κυτοκίνη

IL-1β

και ο μεταγραφικός παράγοντας

NFkB

. Εικόνα 4Β-D αντιπροσωπεύουν τρεις αλληλένδετες υπο-δίκτυα που αφορούν την αλληλεπίδραση μεταξύ των διαφόρων παραγόντων ανάπτυξης των γονιδίων και των παραγόντων μεταγραφής Ρ53 (

TP53

) και c-myc (

MYC

). Πιο συγκεκριμένα, το Σχήμα 4C αποτελούν ένα δίκτυο συμπεριλαμβανομένης της αυξητικών παραγόντων

IGF1

, υποδοχέα του

IGF1R

και

PDGF ΒΒ

. Το Σχήμα 4Β παριστά την αλληλεπίδραση μεταξύ του εξωκυτταρικού παραγόντων της αγγειοτενσίνης (

AGT

), ο αυξητικός παράγοντας

ΤΟΡβ

και το πρόσδεμα υποδοχέα Notch Jagged (

JAG

). Σχήμα 4D από την άλλη πλευρά αντιπροσωπεύει γονίδια που είτε άμεσα ή έμμεσα με τον παράγοντα μεταγραφής c-myc (

MYC

).

Ο αριθμός αντιπροσωπεύει τα τέσσερα πιο σημαντικά δίκτυα που επιλέγονται από το ΙΡΑ λογισμικό. Γονίδια που αντιπροσωπεύεται από το μπλε σχήματα είναι παρόντες στη συλλογή των μοντέλων που συλλέγονται από τη διαδικασία GA-MLHD. Γονίδια που αντιπροσωπεύεται με το κόκκινο σχήματα αντιπροσωπεύουν γονίδια στη συλλογή των μοντέλων, αλλά περιλαμβάνονται επίσης στα αντιπροσωπευτικά πιο προβλεπτικά μοντέλα. Τα γονίδια στα δίκτυα διοργανώνονται από κυτταρικό εντοπισμό (εξωκυτταρικά, μεμβράνη, κυτταρόπλασμα και τον πυρήνα). Σημειώστε ότι η αναζήτηση λογισμικό του ΜΠΒ για στατιστικά σημαντική υπο-δίκτυα ενός δεδομένου μέγιστο μέγεθος για να απλοποιήσει την οπτικοποίηση τους. Παρ ‘όλα αυτά, σε αυτή την περίπτωση αυτά συνδέονται όπως υποδεικνύεται από το κόκκινο διακεκομμένη βέλη που συνδέουν ειδικά συστατικά στοιχεία του δικτύου.

Η

Οι κορυφαίες τέσσερις πιο σημαντικά δίκτυα προσδιορίζονται από το σύνολο δεδομένων Singh (Σχήμα S5) αντιπροσωπεύουν γονίδια που συνδέονται με τις ίδιες κυτοκίνες και αυξητικούς παράγοντες που προσδιορίζονται στο σύνολο δεδομένων Lapointe. Αυτή η ενδιαφέρουσα παρατήρηση υποδηλώνει ότι, παρά την περιορισμένη ποσότητα επικάλυψης στο επίπεδο του γονιδίου, τα μοντέλα που προέρχονται από το σύνολο δεδομένων δύο μπορεί να αντιπροσωπεύουν λειτουργικά παρόμοιο μοριακό δίκτυα.

Έκφραση πρόβλεψης κυτοκίνες, αυξητικούς παράγοντες και τους υποδοχείς τους στην εξέλιξη της καρκίνο του προστάτη

για να βελτιωθεί η κατανόηση της βιολογικής σημασίας των δικτύων ΜΠΒ αναλύσαμε την έκφραση των γονιδίων στα διάφορα στάδια της εξέλιξης του καρκίνου του προστάτη. Εστιάσαμε την έρευνα σε ένα μικρό υποσύνολο των 20 γονιδίων που αντιπροσωπεύουν τις εκκρίνονται παράγοντες που περιλαμβάνονται στα δίκτυα του ΜΠΒ και των υποδοχέων τους (Πίνακας S3).

Με σκοπό τον περιορισμό των παρεμβολών των στρωματικών κυττάρων ρυπαντές, επιλέξαμε ένα σύνολο δεδομένων αντιπροσωπεύει μια ανάλυση μικροσυστοιχιών επτά τύπους φυσιολογικών και επιθηλιακών καρκινικών κυττάρων του πληθυσμού, καθαρίστηκε με λέιζερ-σύλληψη μικρο-ανατομή (LCM) αναφέρθηκε από Tomlins et al. [11]. Αυτά περιλαμβάνονται, κανονικά κύτταρα προστάτη καθαρίστηκε από υγιείς προστάτες (NOR), τα φυσιολογικά κύτταρα από καλοήθη υπερπλασία του προστάτη (ΚΥΠ), τα φυσιολογικά κύτταρα πλησίον του όγκου (ADJ), κύτταρα όγκου από προστατική ενδοεπιθηλιακή νεοπλασία (ΡΙΝ), κύτταρα όγκου από καρκίνωμα του προστάτη χαμηλού βαθμού (L-PCA), τα καρκινικά κύτταρα από καρκίνωμα υψηλής ποιότητας προστάτη (H-PCA) και καρκινικά κύτταρα από μεταστάσεις καρκίνου του προστάτη (Meta).

υποθέτουμε ότι από τα 20 γονίδια που επιλέχθηκαν περιλαμβάνονται σε μοντέλα πολύ έξυπνη της διείσδυσης της κάψας του όγκου, μπορούν επίσης να εκφράζονται διαφορικά κατά την διάρκεια της εξέλιξης του καρκίνου του προστάτη. Ελέγξαμε την υπόθεση αυτή με τη σύγκριση των πληθυσμών LCM κυττάρων επτά. Ανακαλύψαμε ότι ένα εκπληκτικό μεγάλο ποσοστό αυτών των γονιδίων που εκφράζονται διαφορικά (75% σε ρ

& lt? 0.001

και 95% σε

ρ & lt? 0,05

) (Πίνακας S3, Σχήμα 5, S7 και S8). Περαιτέρω στήριξη για τη σημασία της υπογραφής της γονιδιακής έκφρασης που είχε εντοπίσει προήλθε από την παρατήρηση ότι η δισδιάστατη σύμπλεγμα αναλύσεις πραγματοποιήθηκαν με τη χρήση της μήτρας του προφίλ διαφορική γονιδιακή έκφραση (μέσος όρος έκφρασης για κάθε ομάδα), ανακεφαλαιώνει την αναμενόμενη σχέση μεταξύ των διαφόρων σταδίων της ανάπτυξη του καρκίνου του προστάτη (Σχήμα 5Α). Πιο συγκεκριμένα, η κανονική κυτταρικών πληθυσμών συγκεντρωμένα ακολουθείται από το PIN και ένα σύμπλεγμα L- PCA και H-PCA. Ο μεταστατικός ομάδα κυττάρων συγκεντρωμένα στην άκρη.

Ο αριθμός αντιπροσωπεύει τα αποτελέσματα της ανάλυσης που πραγματοποιήθηκε για το σύνολο δεδομένων που αναπτύχθηκε από Tomlins et al. [11]. Διαφορετικές κυτταρικούς πληθυσμούς επισημαίνονται ως εξής. Φυσιολογικά κύτταρα (κανόνας), φυσιολογικά κύτταρα πλησίον του όγκου (adj), καλοήθη υπερπλασία του προστάτη (MPH), καρκίνωμα χαμηλής ποιότητας προστάτη (L-PCA), καρκίνωμα υψηλής ποιότητας προστάτη (H-PCA) και μεταστατικά κύτταρα (μετα). Το πάνελ Α δείχνει μια δισδιάστατη ανάλυση διασποράς πραγματοποιήθηκε στα γονίδια διαφορικά εκφραζόμενα (

ρ & lt? 0,01

) στις επτά LCM καθαρίστηκε φυσιολογικών και καρκινικών επιθηλιακών κυτταρικών πληθυσμών. Πίνακας Β αντιπροσωπεύει το επίπεδο έκφρασης (άξονας y) των γονιδίων που εκφράζονται διαφορικά μεταξύ κανόνας, δίπλα και BPH (εκπρόσωπος στον άξονα y). Τα επίπεδα των μεμονωμένων γονιδίων σε όλα τα στάδια που παρουσιάζονται σε πίνακες CF και στην Εικόνα S8.

Η

σημασία για την κατανόηση της βιολογικής βάσης της προβλεπτική ικανότητα των φυσιολογικών κυττάρων υπογραφή είναι η παρατήρηση ότι τα φυσιολογικά κύτταρα πλησίον του όγκου έδειξαν σημαντικές διαφορές σε σχέση με τα φυσιολογικά κύτταρα και ΒΡΗ (Σχήμα 5Β). Πέντε γονίδια (

IL1R, LOX

και

TGFBR, CX3CL1

και

CYR61

) εκφράστηκαν διαφορικά μεταξύ των τριών πληθυσμών των φυσιολογικών κυττάρων. Πιο συγκεκριμένα, τα φυσιολογικά κύτταρα πλησίον του όγκου (Norm) χαρακτηρίστηκαν από χαμηλότερη έκφραση του γονιδίου καταστολής του όγκου

LOX

, οι υποδοχείς για ιντερλευκίνη 1 (

IL1R

) και

TGFβ

(

TGFBR

) και με υψηλότερη έκφραση των γονιδίων προ-καρκινικών

CYR61

και

CX3CL1

.

Στη συνέχεια εξετάστηκε η έκφραση των μεμονωμένων γονιδίων στα διάφορα στάδια της εξέλιξης του όγκου σε σχέση με τα δίκτυα που προσδιορίζονται από το λογισμικό ΙΡΑ (Σχήμα 4).

η κυτοκίνη

IL-1β

, που προσδιορίζονται από την ανάλυση ΙΡΑ ότι συνδέεται με το ενεργοποίηση των προ-μεταστατικό χημειοκινών

CX3CL1

και

CCL20

(Εικόνα 4Α), ήταν ρυθμισμένη στα καρκινικών κυττάρων πληθυσμούς PIN και H-PCA (Σχήμα 5Α και 5C), ενώ η έκφραση του

IL1R1

, η οποία μεσολαβεί τη δραστηριότητα του

IL-1β

, ακολουθεί μια αντίθετη τάση (Σχήμα 5Α, Β και C). Η προ-μεταστατικό χημειοκίνης

CX3CL1

εκφράστηκε σε υψηλότερα επίπεδα σε παρακείμενες πληθυσμό κυττάρων ως προς PIN, L-PCA και Η-PCA αλλά όχι σε Meta κύτταρα (Σχήμα 5Ε). Η έκφραση του

LOX

γονίδιο βρέθηκε υψηλότερη σε όλους τους πληθυσμούς κυττάρων όγκου σε σχέση με γειτονικά και φυσιολογικά κύτταρα (Εικόνα 5F) σύμφωνο με το γεγονός ότι οι υψηλότερες έκφραση του

LOX

έχει συσχετιστεί σε υποξία επαγόμενη μετάσταση στο στήθος, το κεφάλι, το λαιμό καρκίνων [12], [13].

Η έκφραση του

AGT

,

ΤΟΡβ

και

JAG1

συνδέθηκαν σε ένα διαφορετικό δίκτυο ΙΡΑ (Σχήμα 4Β). Η έκφραση του αγγειοτενσινογόνου (

AGT

) είναι υψηλότερη σε γειτονικά κύτταρα σε σύγκριση με το PIN, L-PCA και H-PCA, ενώ

JAG1

ακολουθεί μια αντίθετη τάση (κάτω ρυθμίζεται σε γειτονικά κύτταρα σεβασμό στο L -PCA, H-PCA και Meta). Αν αγγειοτασινογόνου παράγεται σε υψηλότερα επίπεδα σε γειτονικά κύτταρα ενός από τα ένζυμα ενεργοποίησης που μετατρέπουν το προϊόν του

AGT

γονιδίου σε αγγειοτενσίνη II (

ACE

) είναι αντίθετα υψηλότερη σε ΡΙΝ και L-PCA , γεγονός που υποδηλώνει το δυναμικό για να χρησιμοποιηθεί σε κύτταρα όγκου σε χαμηλότερες στάδια της ανάπτυξης καρκίνου του προστάτη. Το εύρημα ότι

AGT

και

JAG1

έχουν αντίθετες τάσεις υποστηρίζει την υπόθεση ότι

AGT

μπορεί να καταστείλει την έκφραση του

JAG1

(Σχήμα S8 πάνελ Ε και ΦΆ). Αυτή η σύνδεση αναφέρθηκε από το λογισμικό ΙΡΑ (Σχήμα 4Β) αλλά υποστηρίζεται από ένα πειραματικό μοντέλο καλλιέργεια ενδοθηλιακών κυττάρων [14]. Τα αποτελέσματα αυτά συμφωνούν με την υπόθεση ότι ο μηχανισμός αυτός μπορεί επίσης να είναι χρήσιμες για τον καρκίνο του προστάτη.

Ένα τρίτο δίκτυο ΙΡΑ αντιπροσωπεύει την αλληλεπίδραση μεταξύ των παραγόντων που προάγουν όγκο

IGF1, PDGF ΒΒ

και

CYR61

(Σχήμα 4C). Αν και η έκφραση του

PDGF

είναι σταθερή σε όλους τους πληθυσμούς κυττάρων, υποδοχέα της (

PDGFR

) είναι υψηλότερη σε H-PCA και πληθυσμών Meta κύτταρο σε σύγκριση με γειτονικά κύτταρα. Η έκφραση του

CYR61

είναι υψηλότερη σε γειτονικά κύτταρα σχέση με την περόνη και Meta κυτταρικών πληθυσμών (Σχήμα S8).

Συζήτηση

Έχουμε αποδείξει ότι η κανονική επιθηλιακών κυττάρων υπογραφές είναι προγνωστική σημαντικών χαρακτηριστικών του καρκίνου του προστάτη. Το εύρημα αυτό έχει πιθανές κλινικές επιπτώσεις, δεδομένου ότι μπορεί να υποδηλώνει ότι η μοριακή κατάσταση των φυσιολογικών κυττάρων έχει προγνωστική αξία. Στο μοριακό επίπεδο, η ανάλυση του δικτύου έχει αποκαλύψει ότι η προσέγγισή μας έχει τη δυνατότητα να εντοπίσει γονίδια που εμπλέκονται στην παθογένεια της νόσου. Αυτές περιλαμβάνουν βασικά γονίδια που κωδικοποιούν κυτοκίνες και αυξητικούς παράγοντες που εκφράζονται από φυσιολογικά επιθηλιακά κύτταρα και είναι γνωστό ότι επηρεάζουν τη βιολογία του όγκου.

κυτοκίνης προκαλούμενη παραγωγή προ-μεταστατικό χημειοκινών

Το δίκτυο που φαίνεται στο Σχήμα 4Α