Αφηρημένο

Ιστορικό

Μέχρι στιγμής, οι ερευνητές έχουν βρει πολλά ογκοκατασταλτικά γονίδια (ΕΠΙΠ) και ογκογονίδια (OCGs) που ελέγχουν τον κυτταρικό πολλαπλασιασμό και την απόπτωση κατά τη διάρκεια της ανάπτυξης του καρκίνου. Επιπλέον, ΕΠΙΠ και OCGs μπορεί να δρουν ως ρυθμιστές των μεταγραφικών παραγόντων (ΤΡ) για να επηρεάσει τη γονιδιακή ρύθμιση. Μια ολοκληρωμένη διερεύνηση των ΕΠΠΕ, OCGs, ΤΡ, και από κοινού γονίδια στόχους τους σε επίπεδο δικτύου μπορεί να παρέχει μια βαθύτερη κατανόηση της μετα-μεταφραστική τροποποίηση της ΕΠΠ και OCGs σε γονιδιακή ρύθμιση TF.

Μεθοδολογία /Κύρια Ευρήματα

Σε αυτή τη μελέτη, έχουμε αναπτύξει ένα νέο υπολογιστικό πλαίσιο για τον εντοπισμό γονιδίων στόχων του ΕΠΠ και OCGs χρησιμοποιώντας TFs ως γέφυρες μέσω της ενσωμάτωσης των αλληλεπιδράσεων μεταξύ πρωτεϊνών και των δεδομένων γονιδιακής έκφρασης. Εφαρμόσαμε αυτήν αγωγού προς τον καρκίνο των ωοθηκών και κατασκευασθεί ένα ρυθμιστικό δίκτυο τριών στρωμάτων. Στο δίκτυο, το κορυφαίο στρώμα αποτελείται από διαμορφωτές (ΕΠΙΠ και OCGs), το μεσαίο στρώμα περιλαμβάνεται TFs, και το κάτω στρώμα περιείχε τα γονίδια-στόχους. Με βάση τις ρυθμιστικές σχέσεις στο δίκτυο, θα καταρτίζονται ΕΠΠΕ και OCG προφίλ και τις αναλύσεις που εκτελούνται ομαδοποίησης. Είναι ενδιαφέρον, βρήκαμε ΕΠΙΠ και OCGs σχηματίστηκαν δύο διακριτές υποκαταστήματα. Τα γονίδια στον κλάδο TSG ήταν σημαντικά εμπλουτισμένη σε βλάβη του DNA και την επισκευή, ρύθμιση του μεταβολισμού μακρομόριο, του κυτταρικού κύκλου και της απόπτωσης, ενώ τα γονίδια στον κλάδο OCG σημαντικά εμπλουτισμένο στο μονοπάτι σηματοδότησης ErbB. Αξιοσημείωτα, των ειδικών στόχων τους έδειξαν αντιστραφεί λειτουργική εμπλουτισμό από την άποψη της απόπτωσης και της οδού σηματοδότησης ErbB: τα γονίδια-στόχους που ρυθμίζονται από OCGs μόνο εμπλουτίστηκαν σε αντι-απόπτωσης και τα γονίδια-στόχους που ρυθμίζονται από ΕΠΠΕ μόνο εμπλουτίστηκαν στο μονοπάτι σηματοδότησης ErbB

Συμπεράσματα /Σημασία

Αυτή η μελέτη παρέχει την πρώτη ολοκληρωμένη έρευνα για την αλληλεπίδραση των ΕΠΠΕ και OCGs σε ένα ρυθμιστικό δίκτυο διαμορφώνεται από την TFS. εφαρμογή μας στον καρκίνο των ωοθηκών αποκάλυψε διακριτά ρυθμιστικά πρότυπα των ΕΠΠΕ και OCGs, προτείνοντας ένα ανταγωνιστικό ρυθμιστικό μηχανισμό που ενεργούν κατά την απόπτωση και το ErbB οδό σηματοδότησης μέσω συγκεκριμένων γονιδίων στόχων τους

Παράθεση:. Zhao Μ, Sun J, Zhao Z ( 2012) Διακριτές και Ανταγωνιστικό ρυθμιστικό μοτίβα των ογκοκατασταλτικών γονιδίων και ογκογονίδια στον καρκίνο των ωοθηκών. PLoS ONE 7 (8): e44175. doi: 10.1371 /journal.pone.0044175

Επιμέλεια: Szabolcs Semsey, Niels Bohr Institute, Δανία

Ελήφθη: May 28, 2012? Αποδεκτές: 30 Ιουλίου του 2012? Δημοσιεύθηκε: 30, Αυγούστου 2012

Copyright: © Zhao 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:. Αυτό το έργο υποστηρίχθηκε εν μέρει με επιχορηγήσεις από το Εθνικό Ινστιτούτο Υγείας (R01LM011177 και την P30CA68485 επιχορήγηση Καρκίνου VICC κεντρικός πυρήνας). 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. Καμία πρόσθετη εξωτερική χρηματοδότηση ελήφθη για τη μελέτη αυτή

Αντικρουόμενα συμφέροντα:. Οι συγγραφείς έχουν διαβάσει την πολιτική του περιοδικού και έχουν τα ακόλουθα συγκρούσεις: Συν-συγγραφέας Zhongming Zhao είναι ένα PLoS ONE Συντακτική μέλος του Διοικητικού Συμβουλίου. Αυτό δεν αλλάζει την τήρηση των συγγραφέων σε όλες τις PLoS ONE πολιτικές για την ανταλλαγή δεδομένων και υλικών. Άλλα από τα παραπάνω, οι συγγραφείς έχουν δηλώσει ότι δεν υπάρχουν ανταγωνιστικά συμφέροντα.

Εισαγωγή

Ο καρκίνος χαρακτηρίζεται από την ανεξέλεγκτη ανάπτυξη των κυττάρων, η οποία προκαλείται από τα συσσωρευμένα γενετικών μεταλλάξεων στα γονίδια που συνήθως παίζουν σημαντικό ρόλο στον έλεγχο του πολλαπλασιασμού των κυττάρων και την απόπτωση [1]. Δύο κύριες ομάδες των γονιδίων που κωδικοποιούν πρωτεΐνες επηρεάζουν την ανάπτυξη των καρκινικών κυττάρων σε αντίθετους τρόπους. Η πρώτη ομάδα γονιδίων κωδικοποιούν καταστολείς των όγκων, του οποίου η απώλεια της λειτουργίας συμβάλλει στην ανάπτυξη του καρκίνου του [2]. Η δεύτερη ομάδα γονιδίων είναι ογκογονιδίων, των οποίων κέρδος της λειτουργίας μπορεί να προκαλέσει την ανάπτυξη του καρκίνου [3]. Στο εξής, θα συντομογραφία αυτούς τους δύο τύπους γονιδίων ως εγγυημένα παραδοσιακά ιδιότυπα προϊόντα και OCGs. Πολλοί ΕΠΠ είναι ο «φύλακας του κυττάρου», λόγω της κρίσιμους ρόλους τους σε σημεία ελέγχου του κυτταρικού κύκλου και την επαγωγή της απόπτωσης [2], [4]. Για παράδειγμα, τα γνωστά ΕΠΠΕ

RB

και

TP53

θεωρούνται ως αντι-ογκογονίδια λόγω των αποτελεσμάτων τους σε δράσεις κατά των γνωστών ογκογονιδίων στην ανάπτυξη των κυττάρων [5]. Σε ένα κανονικό κύτταρο, τα OCGs βρίσκονται σε χρωμοσώματα ως πρωτο-ογκογονίδια. Όταν ενεργοποιείται από σημειακές μεταλλάξεις ή άλλων μηχανισμών, όπως ενίσχυση του γονιδίου, πρωτο-ογκογονίδια μπορούν να μετατραπούν σε OCGs να διεγείρει τον πολλαπλασιασμό των κυττάρων και την προώθηση της κυτταρικής επιβίωσης μέσω παρεμβολής με την απόπτωση [3].

Κατά τις τελευταίες δεκαετίες, ένα σημαντικό αριθμός των ΕΠΠΕ και OCGs χαρακτηρίστηκαν ανάλογα με τις λειτουργίες τους στον κυτταρικό πολλαπλασιασμό και την απόπτωση [2], [3], [4]. Ωστόσο, οι υποκείμενες μοριακοί μηχανισμοί για αυτές τις ΕΠΙΠ και OCGs να ρυθμίσει βιολογικές διεργασίες σε επίπεδο μεταγραφής δεν είναι ακόμα σαφής, ιδιαίτερα στα συστήματα και κυτταρικό επίπεδο. Είναι γνωστό ότι οι παράγοντες μεταγραφής που δεσμεύονται με DNA (ΤΡ) διαδραματίζουν μείζονα ρόλο στην μεταγραφική ρύθμιση ενός γονιδίου [6]. Οι δραστηριότητες TF ρυθμίζεται κυρίως από άλλα μόρια στο μετα-μεταφραστικό επίπεδο [7]. Προηγουμένως, μελέτες έχουν δείξει ότι ΕΠΠΕ, όπως

RB1 ​​

και

KL

, μπορεί να επηρεάσει την δραστικότητα του ΤΡ ή αυξητικών παραγόντων ως μετα-μεταφραστική ρυθμιστές τους [8], [9]. Στην ογκογένεση του καρκίνου, η πλειοψηφία των ΕΠΠΕ και OCGs δεν ανήκουν στην κατηγορία των ΤΡ? Έτσι, δεν μπορεί να ρυθμίσει την γονιδιακή έκφραση άμεσα. Ως εκ τούτου, διαμορφώνοντας TFs στο μετα-μεταφραστικό επίπεδο μπορεί να παρέχει ένα μηχανισμό για την ΕΠΠ και OCGs για τη ρύθμιση της γονιδιακής έκφρασης έμμεσα.

Ο καρκίνος των ωοθηκών (συντομογραφία ΕΗΦ στην παρούσα μελέτη) είναι η πέμπτη κύρια αιτία θνησιμότητας σχετίζονται με τον καρκίνο με επιπολασμό της τάξης του 1,4% σε 2,5% στις ΗΠΑ γυναίκες [10]. Η αναζήτηση για να πείσει υποψήφια γονίδια κατά την τελευταία δεκαετία, αν και απέχει πολύ από την πλήρη ή καταληκτικά, παρείχε τη βάση για την συστηματική ανάλυση της γενετικής συμβολή τους στην ΕΗΦ [11]. Επιπλέον, οι τεχνολογίες γονιδίωμα κλίμακας έχουν προκαλέσει τεράστιες ποσότητες προφίλ γονιδιακής έκφρασης και άλλων γενετικών και γονιδιωματικών δεδομένα από εκατοντάδες δείγματα OVC [12], [13], [14], [15]. Αυτές οι γενετικές και υψηλής απόδοσης γονιδιακά δεδομένα μας έδωσε την ευκαιρία να εντοπίσει μια κρίσιμη ρυθμιστική δίκτυο που είναι ζωτικής σημασίας για τον καρκίνο ανάπτυξη [16], [17]. Επιπλέον, η καρκινογένεση της ωοθήκης περιλαμβάνει πολλές ειδικούς παράγοντες αιτιολογικός όπως οι ορμόνες και η ωορρηξία [18], η οποία φέρνει σε αμφισβήτηση πως η ρυθμιστική δίκτυο γονίδιο ενσωματώνει σήματα για να ανταποκρίνονται σε ερεθίσματα ορμόνη. Η υπόθεσή μας εδώ ήταν ότι η συστηματική ένταξη των TFs και τις δυνατότητες διαμορφωτές τους (ΕΠΙΠ και OCGs) παρέχει μια αποτελεσματική προσέγγιση για να ανακαλύψετε ένα ρυθμιστικό δίκτυο γονιδίων σε OVC. Αυτό το ρυθμιστικό δίκτυο μπορεί να παρέχει το πρότυπο μυθιστόρημα ρύθμιση των ΕΠΠΕ, OCGs και TFs στην έκφραση γονιδίων σε κρίσιμες διαδικασίες όπως η ογκογένεση του κυτταρικού κύκλου και της ορμόνης διέγερσης.

Εδώ, σας παρουσιάζουμε μια υπολογιστική προσέγγιση για να κατασκευάσει μια ιεραρχική κανονιστικού δικτύου από αλληλεπιδράσεις πρωτεΐνης-πρωτεΐνης (PPIs) και τα δεδομένα γονιδιακής έκφρασης χρησιμοποιώντας TFs ως γέφυρες να συνδέσει σημαντικό ρυθμιστές (ΕΠΙΠ και OCGs) σε δυνητικούς γονίδια στόχους τους. Εφαρμόσαμε αυτήν την προσέγγιση για να κατασκευάσει ένα ρυθμιστικό δίκτυο τριών στρωμάτων σε OVC, στην οποία το άνω στρώμα περιλαμβάνει 29 ΕΠΙΠ και 13 OCGs, το μεσαίο στρώμα περιελάμβανε 15 TFs, και το κάτω στρώμα περιελάμβανε 65 κοινών γονιδίων στόχων. Περαιτέρω ρυθμιστικές προφίλ ομαδοποίηση αναλύει διαιρεμένες ΕΠΙΠ και OCGs σε δύο διακριτές υποκαταστήματα. Τα ΕΠΠ ήταν ασχολείται κυρίως με βλάβες στο DNA και την επισκευή, τον κυτταρικό κύκλο και την απόπτωση, ενώ OCGs ήταν κυρίως συγκεντρωμένα μαζί σε ErbB μεταγωγή και την ανταπόκριση σηματοδότησης σε ερεθίσματα ορμόνη. Επιπλέον, OCG-ειδικά γονίδια στόχοι εμπλουτισμένο σε αρνητικοί ρυθμιστές της απόπτωσης, ενώ TSG-ειδικά γονίδια στόχοι εμπλουτισμένο σε οδούς σηματοδότησης ErbB. Τα αποτελέσματα αποκάλυψαν ένα σαφές σχέδιο λειτουργία των ΕΠΠΕ και OCGs, όχι μόνο από τη δική τους απέναντι λειτουργίες στην ανάπτυξη του καρκίνου, αλλά και από τις απέναντι εμπλουτισμένο λειτουργίες των συγκεκριμένων γονιδίων στόχων τους. Έχουμε, για πρώτη φορά, ανέφεραν μια ανταγωνιστική πρότυπο ρύθμιση των ΕΠΠΕ και τους στόχους τους ερευνήθηκαν σε σύγκριση με OCGs και τους στόχους τους? σε αυτό ανέφερε το εύρημα, βρήκαμε την ΕΠΠΕ, OCGS, μαζί με τους αντίστοιχους στόχους τους, έχουν την τάση να αντιδρούν στην αντιπολίτευση κατά της απόπτωσης και της οδού σηματοδότησης ErbB. Περαιτέρω έρευνα αυτού του ευρήματος είναι δικαιολογημένη.

Υλικά και Μέθοδοι

Gene Συλλογή και Επιμέλειας των ΕΠΠΕ, OCGs και ΤΡ σε ΕΗΦ

Για να συλλέξει συνολικά τα ΕΗΦ που σχετίζονται με τα γονίδια, θα αναλυθεί και επιμέλεια δεκατέσσερις πηγές δεδομένων, συμπεριλαμβανομένων της βάσης δεδομένων μετάλλαξη του καρκίνου Κατάλογος των σωματικών μεταλλάξεων στον καρκίνο (COSMIC, έκδοση 55) [19], σε απευθείας σύνδεση Μέντελ Κληρονομικότητα στον Άνθρωπο (ΟΜΙΜ, Οκτώβριος 2011) [20], Database Γενετική Association (GAD , Οκτώβριος 2011) [21], η βάση δεδομένων των Λειτουργική Απογραφή των Ανθρωπίνων Cancer Gene (F-ΑΠΟΓΡΑΦΗ, Οκτώβριος 2011) [22], η ηλεκτρονική βάση δεδομένων Δράκου για την εξερεύνηση του καρκίνου των ωοθηκών γονίδια (DDOC, Οκτώβριος 2011) [23 ], μία συνολική αναθεώρηση εμπειρογνωμόνων σχετικά με ΕΗΦ που σχετίζονται με γονίδια από Nature Reviews Cancer [11], η λογοτεχνία βάση δεδομένων Generif [24], η οποία δημοσιεύθηκε μελέτες συσχέτισης γονιδιώματος σε επίπεδο [25], [26], [27], και έξι λίστες υποψήφιο γονίδιο παράγεται από γονιδιωματική πλατφόρμες μεγάλης κλίμακας για ΕΗΦ από τον καρκίνο Genome Atlas (TCGA) [12]. Οι λεπτομέρειες για τη συλλογή γονιδίων σε κάθε πηγή δεδομένων που περιγράφονται στο κείμενο S1, και ορισμένες προσεγγίσεις της συλλογής γονιδίων και σχολιασμούς επίσης εφαρμοστεί με επιτυχία σε άλλες ασθένειες για τις υποψήφιες γονίδιο ιεράρχηση [28], [29], [30]. Τέλος, 1257 μη απολυμένους που σχετίζονται με ΕΗΦ γονίδια επιμέλεια για ανάλυση παρακολούθησης (Πίνακας S1).

Εμείς το χέρι σε επιμέλεια ΕΠΙΠ και OCGs από την κλασική αξιολογήσεις για ΕΗΦ και γενικά του καρκίνου [2], [4], [ ,,,0],11], [31] και εξάγεται γνωστών ανθρώπινων TFs από την επαγγελματική βάση δεδομένων TRANSFAC (Release 2011,4) [32]. Μεταξύ 1257 γονίδια ΕΗΦ, 100 μοναδικές ρυθμιστικές αρχές είχαν ανατεθεί, μεταξύ των οποίων 35 ΕΠΠΕ, 15 OCGs, και 50 TF γονιδίων.

Δίκτυο τοπολογικές Αναλύσεις και την εξαγωγή ενός υποδικτύου επικεντρωθεί από την ΕΠΠΕ, OCGs και TFs από Ανθρωπίνων Interactome

Έχουμε κατεβάσει undirected αλληλεπίδραση ανθρώπου πρωτεϊνών (PPI) δεδομένα από την πλατφόρμα πρωτεΐνη αλληλεπίδρασης Ανάλυση Δικτύων (PINA) (Ιούνιος 2011) [33]. Σε PINA, τα δεδομένα που περιλαμβάνονται αυτο-αλληλεπιδράσεων, προβλεπόμενες αλληλεπιδράσεις με υπολογιστικές μεθόδους, και οι αλληλεπιδράσεις μεταξύ των ανθρώπινων πρωτεϊνών και πρωτεΐνες από άλλα είδη. Σε αγωγό μας, χρησιμοποιούνται μόνο τα μη περιττό ανθρώπινο PPIs με πειραματικές στηρίγματα αφού αφαιρεθεί προβλέψει PPI και αυτο-αλληλεπιδράσεων, καθώς και PPIs περιλαμβάνουν πρωτεΐνες από άλλα είδη. Η διαδικασία αυτή δημιουργείται ένα ανθρώπινο δίκτυο ΠΠΑ με 11.654 κόμβους (πρωτεΐνες) και 72.630 συνδέσεις (PPIs).

Για να κατασκευαστεί ένα υποδίκτυο στο κέντρο του ΕΠΠ, OCGs και TFs και να έχουν μια γενική εικόνα για τις τοπολογικές ιδιότητες δικτύου αυτών των γονιδίων ΕΗΦ , θα χαρτογραφηθεί πρώτα όλα τα σχετικά γονίδια στο δίκτυο ανθρώπινο ΠΠΑ. Για σύγκριση, έχουμε συντάξει πέντε λίστες γονίδιο για την εκτέλεση του δικτύου τοπολογικές αναλύσεις. Το πρώτο σύνολο δεδομένων περιλαμβάνονται 467 γνωστά γονίδια του καρκίνου από τον κατάλογο του καρκίνου Sanger Gene Απογραφή [34], μεταξύ των οποίων 378 γονίδια είχαν χαρτογραφηθεί στο δίκτυο ανθρώπινο ΠΠΑ. Στη συνέχεια, χωρίσαμε συλλέγονται 1257 γονίδια ΕΗΦ μας σε τέσσερις ομάδες: γνωστή ΕΠΠΕ, γνωστό OCGs, TFs και οι υπόλοιπες κοινές ΕΗΦ γονίδια. Συνολικά, 33 ΕΠΠΕ, 14 OCGs, 50 TF γονιδίων, και 905 κοινών ΕΗΦ γονίδια χαρτογραφήθηκαν στο δίκτυο ΠΠΑ. Στη συνέχεια, υπολογίζεται τρεις βασικές τοπολογικές μέτρα για τις πέντε λίστες γονιδίου. Τα μέτρα αυτά περιλαμβάνονται βαθμό, betweenness κεντρικότητα, και την εγγύτητα κεντρικότητα χρησιμοποιώντας το λογισμικό Cytoscape [35]. Ο βαθμός μετρά τις συνδέσεις της κάθε πρωτεΐνης στο δίκτυο ανθρώπινο ΠΠΑ [36]. Η κεντρικότητα betweenness αντιπροσωπεύει πόσο συχνά μια πρωτεΐνη που τοποθετεί σε όλα τα συντομότερα μονοπάτια μεταξύ δύο άλλες πρωτεΐνες [36]. Η εγγύτητα κεντρικότητα, που ονομάζεται επίσης απόσταση συντομότερης διαδρομής, δείχνει τα συντομότερη βήματα για ένα κόμβο για να φτάσει ένα άλλο [36]. Για να συγκρίνετε αυτές τις τοπολογικές ιδιότητες μεταξύ των πέντε λίστες γονίδιο, πραγματοποιήσαμε δύο-ουρά Kolmogorov-Smirnov δοκιμές (δοκιμές KS) υλοποιείται στο πακέτο R 2.13.2 [37].

Για να αξιολογήσει τη σημασία των ιδιοτήτων δικτύου της κάθε ΕΗΦ ΕΠΠΕ, OCG και TF στο δίκτυο ανθρώπινο ΠΠΑ, εφαρμόσαμε μια εμπειρική προσέγγιση επανάληψη της δειγματοληψίας. Εδώ, παίρνουμε τη λίστα γονίδιο ΕΠΙΠ ως παράδειγμα. Κατ ‘αρχάς, για τις 33 ΕΠΠΕ αντιστοιχιστεί στο δίκτυο ανθρώπινο ΠΠΑ, επιλέξαμε τυχαία 33 κόμβων από οποιοδήποτε από τα 1257 γονίδια ΕΗΦ στο δίκτυο ανθρώπινο ΠΠΑ και υπολογίζονται τα τρία τοπολογικές ιδιότητες (πτυχίο, betweenness και εγγύτητα). Επαναλάβαμε αυτή τη διαδικασία τυχαιοποίησης 10.000 φορές. Στη συνέχεια, μετρήσαμε τον αριθμό των τυχαίων επιλεγμένων συνόλων κόμβο (Ν) των οποίων ο μέσος βαθμός, betweenness ή εγγύτητα ήταν υψηλότερη από την μέση βαθμό, betweenness και εγγύτητα, αντίστοιχα. Τέλος, υπολογίζεται εμπειρικά τους

P-

τιμή χρησιμοποιώντας το Ν /10000 για τους τρεις τύπους των τοπολογικές ιδιότητες, αντίστοιχα. Εφαρμόσαμε παρόμοιες προσεγγίσεις σε 14 OCGs, 50 TFs και 97 ρυθμιστικά γονίδια (33 ΕΠΠΕ, 14 OCGs και 50 TF γονιδίων). Η συνοψίζονται

P-

τιμές που αναγράφονται στον πίνακα S6.

Εκτός από αυτές τις τοπολογικές αναλύσεις, εξάγαμε 2024 απευθείας αλληλεπιδρούν των 97 ρυθμιστικών γονιδίων (33 ΕΠΠΕ, 14 OCGs και 50 TF γονιδίων) από το δίκτυο ανθρώπινο ΠΠΑ για να σχηματίσουν ένα υποδίκτυο αποτελείται από 2121 γονίδια για περαιτέρω ανάλυση.

Κατασκευή Ιεραρχική Ρυθμιστική δίκτυο που βασίζεται σε προφίλ γονιδιακής έκφρασης από TCGA

Πρόσφατα, TCGA ερευνητές εξέτασαν την έκφραση γονιδίων από 489 υψηλής ποιότητας ορώδες δείγματα ΕΗΦ χρησιμοποιώντας πλατφόρμες τρεις γονίδιο μικροσυστοιχιών έκφρασης (Affymetrix εξόνιο 1,0 array, Agilent 244 K ολόκληρη σειρά έκφρασης του γονιδιώματος, και Affymetrix σειρά HT-HG-U133A) [12]. Στη συνέχεια, κανονικοποιούνται και εκτιμάται η έκφραση για κάθε δείγμα και γονίδιο σε κάθε πλατφόρμα ξεχωριστά. Μετά την αφαίρεση της μέσης τιμής σε ολόκληρη δείγματα για το ίδιο γονίδιο, που χωρίζεται η τιμή έκφρασης με την τυπική απόκλιση σε όλη δείγματα και λαμβάνεται σχετική βαθμολογίες γονιδιακής έκφρασης. Τέλος, τα σχετικά στοιχεία έκφρασης από τρεις πλατφόρμες ενσωματώθηκαν σε ένα ενιαίο, ενοποιημένο σύνολο δεδομένων των 11.864 γονιδίων χρησιμοποιώντας ένα μοντέλο παράγοντα ανάλυσης χωρίς επιπτώσεις παρτίδα [12], [38]. Τα τελικά δεδομένα γονιδιακής έκφρασης κατεβάσετε από την ιστοσελίδα TCGA έχει διαμορφωθεί ως μια μήτρα, η οποία είναι μία σειρά για κάθε γονίδιο και μία στήλη για κάθε ένα από τα δείγματα (https://tcga-data.nci.nih.gov/docs/publications/ov_2011 /).

Μεταξύ των 2121 γονιδίων στο υποδίκτυο με επίκεντρο από ΕΗΦ ΕΠΠΕ, ΕΗΦ OCGs και ΕΗΦ TFs, 352 γονίδια (29 ΕΠΠΕ, 13 OCGs, 36 TF γονιδίων, και 274 αλληλεπιδρούν τα γονίδια) επικαλύπτονται το γονίδιο 11864 προφίλ έκφρασης από TCGA. Στη συνέχεια, θα χρησιμοποιηθεί το λογισμικό Mindy (διαμορφωτής Συμπερασμός με Dynamics Network) να προβλέψει την κανονιστική σχέση μεταξύ ΕΠΠΕ, OCGs και ΤΡ. Mindy χρησιμοποιήθηκε για τον εντοπισμό ρυθμιστών της TFs με προφίλ έκφρασης στο μετα-μεταφραστικό επίπεδο με βάση την υπό όρους αμοιβαίας πληροφόρησης [39]. Mindy απαιτεί τέσσερις εισόδους, συμπεριλαμβανομένου ενός πίνακα γονιδιακής έκφρασης, ένα TF ενδιαφέροντος, έναν κατάλογο των πιθανών γονιδίων διαμορφωτή, και έναν κατάλογο των πιθανών στόχων TF. Ως εκ τούτου, μια μήτρα έκφρασης με 352 γονίδια σε κάθε σειρά και 489 OVC δείγματα σε κάθε στήλη συλλέχθηκε ως η πρώτη είσοδο για το λογισμικό Mindy. Η TFs ενδιαφέροντος ήταν οι 36 TF γονιδίων από εξάγεται υποδίκτυο μας. Οι πιθανοί ρυθμιστές περιείχαν 29 ΕΠΙΠ και 13 OCGs. Το υπόλοιπο 274 αλληλεπιδρούν τα γονίδια στο υποδίκτυο μας είχαν θεωρηθεί ως πιθανοί στόχοι TF.

Για να μειωθούν τα ψεύτικα θετικά των σχέσεων TF-στόχου προκύπτει από Mindy, είχαμε προβλέψει περαιτέρω ζεύγη TF-στόχο χρησιμοποιώντας MATCH ™ με έναν πυρήνα βαθμολογία 1,00 και βαθμολογία μήτρα 0.95 [32], [40]. Πάρτε το παράδειγμα της TF HMGA2: Mindy προβλέψει 29 ΕΠΙΠ και 13 OCGs να ρυθμίζουν 106 και 79 γονίδια-στόχους μέσω της διαμόρφωσης HMGA2, αντίστοιχα. Έχουμε προβλέψει περαιτέρω 82 γονιδίων-στόχων από τις 1257 ΕΗΦ που σχετίζονται με γονίδια χρησιμοποιώντας MATCH ™. Μετά από σύγκριση των 82 προβλέπεται γονιδίων στόχων για HMGA2, μόλις 18 και 13 μοναδικά γονίδια συν-ρυθμίζονται από τις 29 ΕΠΙΠ και 13 OCGs, αντίστοιχα. Τέλος, οι επικαλυπτόμενες ρυθμίσεις TF-στόχος διαμορφώνεται το δίκτυο εξόδου που περιέχει 29 ΕΠΠΕ, 13 OCGs, 15 TF γονιδίων και 65 κοινών γονιδίων-στόχων. Στο κανονιστικό δίκτυο, 3 ΕΠΙΠ, 3 OCGs, και 4 TF γονίδια επίσης συναχθεί ως γονιδίων στόχων για άλλες ΤΡ. Ως εκ τούτου, 112 μοναδικά γονίδια ενσωματώθηκαν στο δίκτυο. Επιπλέον, τα 4 γνωστά γονίδια TF

FOXM1

,

MSX1

,

PPARG

και

STAT5A

, ορίστηκαν ως γονίδια-στόχους στο δίκτυό μας, όπως δεν ρυθμίζουν οποιαδήποτε γονίδια σε αυτό το ρυθμιστικό δίκτυο. Η τελική απεικόνιση του δικτύου των 112 γονιδίων έγινε με τη χρήση του λογισμικού Cytoscape [35].

Κατασκευή και Ομαδοποίηση των TF και Target Gene προφίλ των ΕΠΠΕ και OCGs

Για να αναλύσουμε τα κατάντη γονιδίων στόχων της ΕΠΠΕ και OCGs, κατασκευάσαμε ένα προφίλ στόχο για κάθε ΕΠΠΕ ή OCG εξετάζοντας γονιδίων-στόχων, όπως είναι παρούσα ή απούσα, όπως σχετίζονται με ιεραρχική ρυθμιστικό δίκτυο μας. Για ένα δεδομένο TSG ή OCG, εάν υπάρχει μια ρυθμιστική σχέση μεταξύ της TSG /OCG και ένα γονίδιο-στόχο, την αποδιδόμενη τιμή για το γονίδιο στόχο του TSG /OCG θα είναι ένα? Αλλιώς, θα πρέπει να ανατεθεί μια τιμή μηδέν. Έτσι, για μια δεδομένη TSG /OCG, ένα προφίλ στόχο περιλαμβάνει ένα κορδόνι με 65 καταχωρήσεις με 0 ή 1. Η ίδια διαδικασία εφαρμόστηκε για την κατασκευή ενός προφίλ TF για κάθε TSG ή OCG με 15 εισόδους του 0 και 1. Για τη διερεύνηση της ρυθμιστικής πρότυπα της ΕΠΠ και OCGs, αναλύσεις ιεραρχική συμπλέγματος διεξήχθησαν τόσο στο προφίλ του γονιδίου-στόχου και προφίλ TF χρησιμοποιώντας το πακέτο R 2.13.2 [37].

Κατασκευάζοντας Ρυθμιστική υποδίκτυα σε απόπτωση, κυτταρικού κύκλου, Ορμονική διέγερση και αναπαραγωγή

για να αποκτήσετε μια περαιτέρω κατανόηση των ειδικών λειτουργικών ενοτήτων σε ρυθμιστικό δίκτυο μας, επικεντρωθήκαμε σε τέσσερις βιολογικές διεργασίες, η οποία περιελάμβανε την απόπτωση, κυτταρικό κύκλο, η ανταπόκριση των ορμονών, και την αναπαραγωγή, δεδομένου ότι έχει αναφερθεί ότι παίζουν σημαντικό ρόλο στην ΕΗΦ και επίσης εμπλουτισμένο σε ρυθμιστικό δίκτυο μας [41], [42], [43]. Έχουμε συντάξει τέσσερις λειτουργικές όρος λίστες στην απόπτωση, κυτταρικό κύκλο, η ανταπόκριση των ορμονών, και την αναπαραγωγή χρησιμοποιώντας Gene Ontology (GO), Κιότο Εγκυκλοπαίδεια γονιδίων και γονιδιωμάτων (KEGG) και SwissProt όρους σχολιασμό από το online εργαλείο DAVID [44]. Τέλος, με βάση τις επιμέλεια λειτουργική άποψη, συλλέξαμε 51 (απόπτωση), 47 (κυτταρικό κύκλο), 21 (απάντηση ορμόνη), και 16 (αναπαραγωγή) ΕΗΦ γονίδια σε ιεραρχική κανονιστικού δικτύου μας.

Για την παραπάνω τέσσερα σύνολα συλλέγονται γονιδίων, οι περισσότεροι από αυτούς θα μπορούσε να χαρτογραφηθεί στις άνω και κάτω στρώματα σε ιεραρχική ρυθμιστικό δίκτυο μας. Για να εξαγάγετε το υποδίκτυο για κάθε διαδικασία, θα χαρτογραφηθεί πρώτα των συλλεχθέντων γονίδια προς τα κάτω στρώμα, στη συνέχεια βρήκε το ΤΡ (μεσαίο στρώμα) που συνδέονται με αυτά τα γονίδια-στόχους, και τελικά προσλαμβάνονται τα ΕΠΙΠ και OCGs (άνω στρώμα) με συνδέσεις που σχετίζονται με διαδικασίες σε αυτές τις TFs. Χρησιμοποιώντας αυτή τη διαδικασία, πήραμε τέσσερα υποδίκτυα.

Στατιστική Δοκιμές για Εμπλουτισμένο Λειτουργική Όροι GO και βιολογικές οδούς

Για να αξιολογηθεί η λειτουργία των ενδιαφέροντα σύνολα γονιδίων, πραγματοποιήσαμε δοκιμές λειτουργικό εμπλουτισμό χρησιμοποιώντας το online εργαλείο DAVID [44]. Έχουμε επιλέξει εκείνους GO όρους ή μονοπάτια με ένα προσαρμοσμένο

P

-τιμή μικρότερη από 0.05 όπως υπολογίζεται από την Υπεργεωμετρική δοκιμή ακολούθησε τη μέθοδο Benjamini-Hochberg [45], η οποία τέθηκε σε εφαρμογή στο εργαλείο DAVID.

Για την αξιολόγηση λειτουργική σημασία των γονιδίων 112 στην τελική μας υποδίκτυο, επιλέξαμε τυχαία 112 γονίδια από 1257 γονίδια ΕΗΦ και συγκρίνετε διορθωθεί

P-

κατανομή της αξίας τους. Συνολικά, θα εκτελεστεί η τυχαιοποίηση δέκα φορές και σχολιασμένο από κάθε λίστα γονίδιο χρησιμοποιώντας DAVID. Με βάση την Benjamini-Hochberg προσαρμοστεί

P-

αξία, συγκρίναμε την

P-

διανομής αξία για τα 112 γονίδια μας και δέκα τυχαία επιλεγμένες λίστες γονιδίου (Σχήμα S6).

Αποτελέσματα

Επισκόπηση της Υπολογιστικής αγωγού για την κατασκευή ενός δικτύου Ρυθμιστική Ιεραρχική

Όπως φαίνεται στο Σχήμα 1, αγωγός μας ξεκίνησε με μια συλλογή των υποψηφίων γονιδίων, ΕΠΠΕ, OCGs, και TFs για ένα ορισμένο καρκίνου, όπως ο καρκίνος των ωοθηκών. Στη συνέχεια, εξάγεται ένα υποδίκτυο με επίκεντρο με αυτά τα γνωστά ΕΠΠΕ, OCGs, ΤΡ, και την άμεση αλληλεπιδρούν με τους από το δίκτυο ανθρώπινο ΠΠΑ. Στη συνέχεια, τα προφίλ γονιδιακής έκφρασης για τα γονίδια που εμπλέκονται στην υποδίκτυο είχαν εισάγονται σε Mindy να συναχθεί ΕΠΙΠ και OCGs ως μετα-μεταφραστική διαμορφωτές της ΤΡ. Η έξοδος της Mindy ήταν ένα ρυθμιστικό δίκτυο το οποίο αποτελείται το ανώτερο στρώμα με ρυθμιστές (ΕΠΙΠ και OCGs), το μεσαίο στρώμα με TFs, και το κάτω στρώμα με κοινή γονιδίων-στόχων των δύο κορυφαία στρώματα. Για την περαιτέρω μείωση των ψευδώς θετικών σχέσεων TF-στόχου προκύπτει από Mindy, θα απαιτείται η προβλεπόμενη ζεύγη TF-στόχου επιβεβαιώθηκαν επίσης από το TF-στόχο εργαλείο πρόβλεψης MATCH ™. Το τελικό αποτέλεσμα αυτού του αγωγού ήταν μια συνδυαστική κανονιστικού δικτύου της ΕΠΠΕ, OCGs, διαμορφώνοντας TFs και ρύθμιση γονιδίων-στόχων τους. Εφαρμόσαμε αυτό το υπολογιστικό αγωγό στο επιμελημένες 1257 ΕΗΦ υποψήφια γονίδια μας και, τέλος, κατασκευάστηκε ένα ρυθμιστικό δίκτυο τριών στρωμάτων που περιλάμβανε 29 ΕΠΠΕ, 13 OCGs, 15 TF γονιδίων, και 65 κοινές γονιδίων στόχων.

Αυτή η εικόνα δείχνει η ΕΠΠΕ και OCG ρυθμιστικές κατασκευή του δικτύου και τον προσδιορισμό των κρίσιμων κατάντη οδούς διαμορφώνεται από ΕΠΠΕ και OCGs. αγωγού μας περιλαμβάνει τέσσερα βασικά βήματα. 1) Συλλογή καρκίνο των ωοθηκών (ΕΗΦ)-σχετικών γονιδίων, καταστολείς όγκων (ΕΠΠΕ), ογκογονίδια (OCGs), και παράγοντες μεταγραφής (ΤΡ) από δημόσιες βάσεις δεδομένων και τη λογοτεχνία. 2) Εξαγωγή υποδίκτυα με επίκεντρο ΕΗΦ ΕΠΠΕ, OCGs και TFs από την αλληλεπίδραση πρωτεΐνης-πρωτεΐνης (PPI) δεδομένα. 3) Ενσωμάτωση δεδομένων έκφρασης γονιδίωμα κλίμακας για να κατασκευάσει μια ιεραρχική κανονιστικό δίκτυο με ΕΗΦ που σχετίζονται με ΕΠΠΕ, OCGs, TFs και γονιδίων στόχων. 4) Αναλύοντας κατάντη οδούς και υποδίκτυα με ρυθμιζόμενη γονίδια για να διερευνήσει την αλληλεπίδραση των ΕΠΠΕ και OCGs σε συγκεκριμένες βιολογικές διαδικασίες. Διαμορφωτή Συμπερασμός με Dynamics Network (Mindy) είναι ένα εργαλείο λογισμικού που χρησιμοποιείται για την ταυτοποίηση των μετα-μεταφραστική διαμορφωτές της TFs βασίζεται σε προφίλ έκφρασης. Πρωτεΐνη Αλληλεπίδρασης Network Analysis (PINA) είναι μια πλατφόρμα για την κατασκευή του δικτύου πρωτεϊνικών αλληλεπιδράσεων.

Η

ΕΠΠΕ, OCGs και ΤΡ σε ΕΗΦ παρουσιάζουν υψηλή συνδεσιμότητα, Betweenness και Παραπλήσια Centrality στο δίκτυο ΠΠΑ Ανθρωπίνων

με βάση τη σύγκριση των τριών τοπολογικές ιδιότητες (πτυχίο, betweenness κεντρικότητα και την εγγύτητα κεντρικότητα) για πέντε καρκίνου που σχετίζονται με τις λίστες γονίδιο, κερδίσαμε τα πρώτα γνώσεις σχετικά με την αρχιτεκτονική των OVC που σχετίζονται με τα γονίδια στο ανθρώπινο PPIs (βλέπε Υλικά και Μέθοδοι) . Εικόνα S1 εμφανίζει την κατανομή βαθμού των πέντε σύνολα δεδομένων και όλων των πρωτεϊνών στο δίκτυο ανθρώπινο ΠΠΑ. Ο μέσος βαθμός των 97 γονιδίων (ΕΗΦ ΕΠΙΠ, OCGs και ΤΡ) ήταν 56.12, η ​​οποία ήταν σημαντικά υψηλότερη από εκείνη των γονιδίων από την απογραφή γονίδιο του καρκίνου (35.33, δοκιμασία Kolmogorov-Smirnov (δοκιμή KS),

P

-τιμή = 3,36 × 10

-2) ή των 905 OVC κοινά γονίδια (21.83, δοκιμή KS

P

-τιμή = 7,12 × 10

-8). Για να αξιολογηθεί η σημασία των υπολογιζόμενων τοπολογικές ιδιότητες, εφαρμόσαμε μια εμπειρική προσέγγιση επανάληψη της δειγματοληψίας για τον υπολογισμό των εμπειρικών

P-

τιμές για κάθε ιδιότητες (Πίνακας S6). Εκτός από το

P-

αξία των betweenness κεντρικότητας από την TFS (0,08), όλα τα υπόλοιπα

P-

τιμές ήταν μικρότερη από 0,01. Αυτά τα εμπειρικά

P

-τιμές πρότεινε ότι οι παρατηρούμενες τα χαρακτηριστικά του δικτύου ήταν απίθανο δημιουργείται τυχαία. Περαιτέρω KS δοκιμές έδειξαν ότι οι betweenness και την εγγύτητα centralities των 97 γονιδίων ήταν σημαντικά υψηλότερες από εκείνες των γονιδίων από το Cancer Gene Απογραφή και τα 905 κοινά γονίδια OVC (

P

-τιμές & lt? 0.05, Πίνακας S2). σύγκρισής μας μεταξύ 97 γονίδια (ΕΗΦ ΕΠΠΕ, OCGs, και ΤΡ) και άλλα γονίδια του καρκίνου του άφησε να εννοηθεί ότι αυτά τα 97 γονίδια είχαν υψηλότερα τοπικές συνδέσεις και μικρότερες διαδρομές με άλλες πρωτεΐνες. Δεδομένου του υψηλού βαθμού, betweenness τους και την εγγύτητα centralities, ένα υποδίκτυο με απευθείας αλληλεπιδρούν με τους μπορεί να είναι αρκετό για να χαρακτηρίσει τις ρυθμιστικές ιδιότητες των 97 γονιδίων.

Μια ΕΗΦ ειδικά ρυθμιστικού γονιδίου Δίκτυο διαμορφώνεται από ΕΠΙΠ και OCGs

Ξεκινώντας από τα 97 γονίδια, που ενσωμάτωσε τις PPIs, προφίλ γονιδιακής έκφρασης, και τα δεδομένα πρόβλεψης TF-στόχου από τα λογισμικά Mindy και MATCH ™ (βλέπε Υλικά και Μέθοδοι). Μια τελική ρυθμιστική δίκτυο τριών στρωμάτων κατασκευάσθηκε που περιελάμβανε 112 μοναδικά γονίδια (29 ΟΚΓ, 13 OCGs, 15 TF γονιδίων και 65 κοινές γονίδια στόχος) και 353 συνδέσμων (Σχήμα 2Α και στον Πίνακα S3). αναλύσεις Λειτουργική εμπλουτισμός έδειξε ότι τα γονίδια 112 εμπλουτίστηκαν σε πολυάριθμες λειτουργικές κατηγορίες που σχετίζονται με την καρκινογένεση (Πίνακας S4). Οι πιο εμπλουτισμένα λειτουργικές κατηγορίες σχετίζονταν με ΕΗΦ εξέλιξη, όπως η «ρύθμιση της απόπτωσης» (προσαρμοσμένο

P

-τιμή = 4,84 × 10

-24), «ρύθμιση του κυτταρικού κύκλου» (προσαρμοσμένο em

P

-τιμή = 8,10 × 10

-20), «απάντηση στην ορμόνη ερέθισμα» (προσαρμοσμένο

P

-τιμή = 5,31 × 10

-10), και «πολυκύτταρου οργανισμού αναπαραγωγή «(προσαρμοσμένο

P

-τιμή = 1,06 × 10

-4). Για την αξιολόγηση των λειτουργικών αποτελεσμάτων της ανάλυσης των γονιδίων 112, επιλέξαμε τυχαία δέκα λίστες γονίδιο με 112 γονίδια από 1257 γονίδια OVC. Όπως φαίνεται στο Σχήμα S6, τα περισσότερα από διορθωθούν

P-

τιμές από λειτουργική άποψη σχολιασμένο για 112 γονίδια μας ήταν μικρότερη από 0,01, η οποία είναι σαφώς διαφορετική από τις δέκα τυχαία επιλεγμένες λίστες γονίδιο (δοκιμασία Kolmogorov-Smirnov,

P-

τιμές & lt? 0,05). Αυτά τα υψηλά εμπλουτισμένο λειτουργίες καρκινογένεση σχετίζονται απέδειξαν ότι η κανονιστική του δικτύου μας ήταν στενά συνδεδεμένη με την ανάπτυξη ΕΗΦ και θα μπορούσε να είναι χρήσιμη για τον εντοπισμό βασικές ενότητες καρκινογένεσης.

(Α) Ολοκληρωμένο ιεραρχικό δίκτυο του καρκίνου των ωοθηκών (ΕΗΦ) που σχετίζονται με γονίδια καταστολείς όγκων (ΕΠΠΕ), ογκογονίδια (OCGs), και παράγοντες μεταγραφής (ΤΡ). Οι κόμβοι σε κόκκινο (κύκλο) αντιπροσωπεύουν ΕΗΦ που σχετίζονται με ΕΠΠΕ, κόμβοι με κίτρινο χρώμα (τρίγωνο) αντιπροσωπεύουν ΕΗΦ που σχετίζονται με OCGs, οι κόμβοι στο πράσινο (οκτάγωνο) αντιπροσωπεύουν ΕΗΦ που σχετίζονται με TFs, και οι κόμβοι σε μπλε (VEE) αντιπροσωπεύουν γονίδια-στόχους. Οι σύνδεσμοι σε πορτοκαλί αντιπροσωπεύουν τις ρυθμίσεις από τα εγγυημένα παραδοσιακά ιδιότυπα προϊόντα ή OCGs για τη διαμόρφωση TFs τους. Το πράσινο βέλος γραμμές αντιπροσωπεύουν τους κανονισμούς από τις TFs σε γονίδια στόχους τους. (Β) Οικόπεδο εντός μοιρών και έξω-βαθμού από τους 15 TFs στο ρυθμιστικό δίκτυο τριών στρωμάτων. Σε μοιρών ορίζεται ως ο αριθμός των κόμβων που συνδέουν άμεσα να ρυθμίσουν και τον κόμβο του ενδιαφέροντος, και έξω-βαθμού ορίζεται ως ο αριθμός των κόμβων που συνδέουν άμεσα και ρυθμίζονται από τον κόμβο του ενδιαφέροντος. (Γ) Ένα υποδίκτυο με τρεις βρόχους ανάδρασης με επίκεντρο από ETS1. Το χρώμα και το σχήμα του σχήματος των κόμβων και των συνδέσμων είναι οι ίδιες με εκείνες στο (Α).

Η

Όπως φαίνεται στο Σχήμα 2Β, ο ΤΡ «in-μοίρες από ΕΠΙΠ και OCGs είχε μια υψηλή συσχέτιση με τους εκτός μοίρες προς τα γονίδια στόχους τους (συντελεστής συσχέτισης του Pearson = 0.74,

P

-τιμή = 1,60 × 10

-3). Εδώ, σε μοιρών ορίζεται ως ο αριθμός των TSG /OCG κόμβους που συνδέουν άμεσα και ρυθμίζουν τον κόμβο TF, και έξω-βαθμού ορίζεται ως ο αριθμός των κόμβων γονιδίου στόχου που συνδέουν άμεσα και ρυθμίζονται από τον κόμβο TF. Για παράδειγμα, η εν μοιρών και έξω-βαθμού TF ETS1 ήταν 34 και 14, αντίστοιχα? Δηλαδή, αυτό διαμορφώνεται από τις 23 ΕΠΙΠ και 11 OCGs ενώ ρυθμίζεται 14 κατάντη γονιδίων στόχων. Επιπλέον, τα 14 γονίδια στόχους της ETS1 εμπλουτίστηκαν σε «πρωτεϊνική κινάση της τυροσίνης» με βάση GO σχολιασμού (προσαρμοσμένο

P

-τιμές = 2,15 × 10

-3). Συνολικά, τα αποτελέσματα μας δείχνουν ότι TFs με περισσότερες εισόδους στο ρυθμιστικό δίκτυο μας θα μπορούσε να ρυθμίσει περισσότερα γονίδια-στόχους.

Σε αυτό το δίκτυο, όλα τα ρυθμιστικά σήματα από το ΕΠΠ και OCGs πέρασαν στο μεσαίο στρώμα (που κατοικείται από την TFS) και, στη συνέχεια, μεταφέρεται προς τα κάτω στοιβάδα με τα γονίδια-στόχους. Ωστόσο, 10 από τα 65 γονίδια-στόχους ανήκουν επίσης στην ΕΠΠΕ, OCGs ή γονίδια TF στο δίκτυό μας. Τα 10 γονίδια με πολλαπλούς ρόλους που σχηματίζονται έξι ρυθμιστικών βρόχους μεταξύ TFs και ΕΠΠΕ /OCGs. Οι βρόχοι ήταν E2F3 ↔ CHEK2, ETS1 ↔ EGFR, ETS1 ↔ erbB2, ETS1 ↔ SPARC, HMGA2 ↔ MYC, και HNF1B ↔ MYC (Πίνακας S5). Για παράδειγμα, ETS1 σχηματίζονται τρεις βρόχους ανάδρασης με γονίδια που κωδικοποιούν EGFR, erbB2, και SPARC. Μεταξύ των τριών γονιδίων, EGFR και ERBB2 ανήκουν στην οικογένεια των υποδοχέων του επιδερμικού αυξητικού παράγοντα (EGFR) (Σχήμα 2C). Έχουμε προσληφθεί περαιτέρω άμεση αλληλεπιδρούν του ETS1 που σχετίζονται με τις τρεις ανατροφοδότησης έτσι ώστε να σχηματίσουν ένα υποδίκτυο. Υπήρχαν συνολικά 17 γονίδια στο υποδίκτυο ειδικά για ETS1, τα οποία εμπλουτίστηκαν με τη «ρύθμιση του κυτταρικού πολλαπλασιασμού» GO βιολογικές διεργασίες όρους (προσαρμοσμένο

P

-τιμή = 1,94 × 10

-8) και «ρύθμιση του κυτταρικού κύκλου» (προσαρμοσμένο

P

-τιμή = 9,77 × 10

-6). Αυτές οι αναλύσεις δείχνουν ότι ETS1 θα μπορούσε να διαδραματίσει σημαντικό ρόλο στον πολλαπλασιασμό των κυττάρων μέσω αλληλεπιδράσεων του με την οικογένεια EGFR, το οποίο είναι σύμφωνο με τα αποτελέσματα από προηγούμενες μελέτες των ανθρώπινων καρκινικών κυττάρων [46].

ΕΠΙΠ και OCGs ενεπλάκησαν σε διάφορες βιολογικές διεργασίες σε ΕΗΦ

για να προσδιορίσετε περαιτέρω τις συγκεκριμένες βιολογικές διαδικασίες, στις οποίες ΕΠΙΠ και OCGs συμμετάσχει, πραγματοποιήσαμε αναλύσεις λειτουργικό εμπλουτισμού για ΕΠΙΠ και OCGs ανεξάρτητα. Τα αποτελέσματα έδειξαν ότι ΕΠΙΠ και OCGs ενεπλάκησαν σε διάφορες βιολογικές διαδικασίες κατά τη διάρκεια της καρκινογένεση του OVC (Πίνακας 1). Οι 29 ΕΠΠΕ συμμετείχαν κυρίως σε κυτταρικό κύκλο, το DNA απάντηση ζημιά, θετική ρύθμιση της απόπτωσης, και την αρνητική ρύθμιση της διαδικασίας του μεταβολισμού μακρομόριο, ενώ 13 OCGs συμμετείχαν κυρίως σε μονοπάτια, όπως ErbB και την αντιμετώπιση της ορμόνης ερέθισμα σηματοδότησης, και, απέναντι σε τα αποτελέσματα ΕΠΠΕ, αρνητική ρύθμιση της απόπτωσης. Μεταξύ των γονιδίων 112 στο δίκτυό μας, 46 γονίδια που χαρτογραφήθηκαν στο «μονοπάτι στον καρκίνο» KEGG (13 ΕΠΠΕ, 9 OCGs, 8 TF γονιδίων και 16 γονιδίων-στόχων) (Σχήμα S3). Ο χάρτης έδειξε το μεγαλύτερο μέρος της ΕΠΠ και OCGs ρυθμίζονται σημαντικές διεργασίες καρκινογένεσης. Η πλειοψηφία των ΕΠΠΕ περιβάλλεται διαδικασίες όπως τον κυτταρικό κύκλο, την επιδιόρθωση του DNA και την απόπτωση? OCGs έτειναν να αλληλεπιδρούν με την είσοδο σηματοδότησης, ενώ τα γονίδια TF και γονιδίων στόχων συχνά διάσπαρτα κατά μήκος του χάρτη για να συνδέσετε ΕΠΠΕ και OCGs.

Η

Προηγούμενες μελέτες έχουν δείξει ότι ΕΠΠΕ εμπλέκονται στην καρκινογένεση, επειδή τα προϊόντα τους είναι γενικά εμπλέκονται σε σημείο ελέγχου του κυτταρικού κύκλου, απόπτωση, ή την επισκευή του κατεστραμμένου DNA [2], και OCGs κωδικοποιούν αναδιαμορφωτές χρωματίνης, αυξητικούς παράγοντες και υποδοχείς, μετατροπείς σήματος και ρυθμιστικές απόπτωση [3]. Τα αποτελέσματά μας λειτουργικών αναλύσεων των ΕΗΦ ΕΠΙΠ και OCGs ήταν συνεπής με το κοινό τους ρόλους στην ογκογένεση. Αξίζει να σημειωθεί ότι οι αναλύσεις μας έδειξαν ότι οι OCGs είχαν σημαντικούς ρόλους στη διαδικασία «σήματα ορμόνη απάντηση», η οποία είναι σημαντική για την επιτάχυνση του πολλαπλασιασμού των κυττάρων κατά τη διάρκεια της OVC ανάπτυξη, συμπεριλαμβανομένης γοναδοτροπίνες, οιστρογόνα, ανδρογόνα, προγεστερόνη και ινσουλίνη [18].