Abstract
Nyere forskning har avdekket ulike molekylære markører i lungekreft. Men de organisatoriske prinsippene sine genetiske regulatoriske nettverk venter fortsatt etterforskning. Her utførte vi nettverkskomponent Analysis (NCA) og Pathway Høring Analysis (PCA) for å konstruere et regulatorisk nettverk i menneskelig lungekreft (A549) celler som ble behandlet med 50 pM motexafin gadolinium (MGD), et metall kation-holdig kjemoterapeutiske stoffet for fire , 12 og 24 timer. Vi identifiserte et sett med viktige TFS, kjent målgener for disse TFS, og signalveier involvert i regulatoriske nettverk. Vårt arbeid viste at mulige interaksjoner mellom disse TFS (som ESR1 /SP1, E2F1 /SP1, c-MYC-ESR, Smad3 /c-myc, og NFKB1 /RELA), mellom TFS og deres mål gener (for eksempel BMP41 /Est1 , TSC2 /Myc, APE1 /SP1 /p53, RARA /HOXA1, og SP1 /USF2), og mellom signalveier (som PPAR signalveien og Adipocytokines signalveien). Disse resultatene vil gi innsikt i reguleringsmekanisme av MGD-behandlede humane lungekreftceller
Citation. Shao L, Wang L, Wei Z, Xiong Y, Wang Y, Tang K, et al. (2012) Dynamic Network of transkripsjon og Pathway Høring å avsløre molekylære mekanismen av MGD-Behandlet humane lungekreftceller. PLoS ONE 7 (5): e31984. doi: 10,1371 /journal.pone.0031984
Redaktør: Yidong Bai, University of Texas Health Science Center i San Antonio, USA
mottatt: 18 september 2011; Godkjent: 16 januar 2012; Publisert: 31 mai 2012
Copyright: © 2012 Shao et al. Dette er en åpen-tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Finansiering:. Dette arbeidet ble støttet av 973 Program (2010CB529600), den 863 Program (2009AA022701), Nature Science Foundation National of China (81121001), Shanghai Municipal Commission of Science and Technology Program (09DJ1400601), National Key Technology Research Devolopment Program (2006BAI05A09), og Shanghai Leading akademisk disiplin Project (B205). Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser:.. Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
Lungekreft er en av verdens ledende årsak til kreft dødsfall med en 5-års overlevelse på mindre enn 15% [1]. Flere molekylære markører assosiert med lungekreft progresjon har blitt identifisert, inkludert TGF, MET, TP53, HIF1A, APC, KRAS, og EGFR [2].
Transkripsjonsfaktorer (TFS) og veier spiller avgjørende roller i etiologi ved lungekreft. For eksempel, er det transkripsjonsfaktoren E2F-1 over-uttrykt i lungekreft celle, og nivået er forbedret med deregulert pRb-p53-MDM2 kretser [3]. Transkripsjonsregulering analyse har vist at det promoter-aktivitet og ekspresjonsnivå av Sp1 er regulert av Ets-1 i A549 lungekreftceller. Funksjonell analyse av to Ets-en-bindingsseter i SP1 arrangøren antyder at bare Ets-en-bindingssetet -413 til -404 er involvert i aktivering av SP1 promoter [4]. Det har også blitt godt dokumentert at ekspresjon av cPLA2 er kritisk for den transformerte veksten av lungekreft og for forbol 12-myristat 13-acetat (PMA) -aktiverte signaltransduksjonsbane som er involvert i enzymatisk aktivering av cPLA2. Studier viser at c-Jun /nucleolin og c-Jun /SP1 komplekser spille en viktig rolle i PMA-regulert cPLA2a genekspresjon [5]. I tillegg er flere måter med lungekreft progresjon blitt påvist, slik som PI3K /AKT vei, TGF-beta signalveien, Wnt vei, JAK /STAT vei, og MAPK /ERK-reaksjonsveien [6], [7], [8 ], [9].
High-throughput teknikker i biologi, for eksempel microarray, har generert en stor mengde data som potensielt kan gi systemer-nivå informasjon om de underliggende dynamikken mekanismer [10]. Å trekke ut meningsfull informasjon (TFS og trasé informasjon) fra high-throughput uttrykk data, benyttet vi NCA og PCA å konstruere og analysere dynamisk regulatoriske nettverk i MGD-behandlede humane lungekreftceller.
NCA, utviklet av James Liao [10], er en nettverksstruktur drevet rammeverk for å utlede regulerende signal dynamikk. NCA modeller ekspresjon av et gen som en lineær kombinasjon av aktiviteten til hver transkripsjonsfaktor som styrer ekspresjonen av genet. NCA gjør bruk av tilkoblingskonstruksjonen fra transkripsjonelle regulatoriske nettverk og et sett av genuttrykk data for å utlede dynamikken i transkripsjonsfaktoraktiviteter. NCA har blitt brukt i dedusere en transkripsjonen regulatorisk nettverk av cytokinese-relaterte gener [11] og fase-spesifikke kontrollelementer av sin cellesyklus i gjær [12]. I denne studien vi bygget en integrert dynamisk modell av human lungekreft som respons på MGD, som besto av de beregnede transkripsjonsfaktoraktiviteter, transkripsjonsfaktor regulerende innflytelse på hvert gen.
Gitt den komplekse natur av biologiske systemer , mer enn ett reaksjonsvei kan være involvert i en gitt kompleks sykdom. To eller flere veier kan interagere med hverandre for å forårsake sykdommen. Det er meget sannsynlig fordi funksjonelt viktige proteiner kan være involvert i flere ulike veier [13]. Derfor, i tillegg til identifisering av bestemte baner, vi også ta et steg videre ved å utforske samspillet og crosstalk mellom trasé som er relatert til MGD-behandlet lungekreft. I denne studien ble det benyttet en beregningsorientert tilnærming for å detektere krysstale mellom banene basert på et protein-protein interaksjon (PPI) nettverk, det co-uttrykte betydningen av hvert gen par, og et scoringsskjema som brukes for å definere en funksjon [14] .
Vi definerte den dynamiske regulert nettverket ved hjelp av Kirkens Nødhjelp som krever to innganger: et sett av genuttrykk profiler og en forhåndsdefinert matrise som inneholder påvirkning av hver transkripsjonsfaktor på sine estimerte eller identifisert målgener. To utganger av NCA (spådd faktor aktiviteter og regulerings påvirkninger) har lagt ytterligere innsikt til genuttrykk data der den underliggende reguleringsnettverksstrukturen er delvis kjent. For å tolke transkripsjonsfaktorer aktiviteter og regulering styrke (påvirkninger), korrigering mellom TF aktiviteter og uttrykk, ble hierarkisk clustering beregnet. Til slutt ble de dynamiske regulert nettverk konstruert. Foruten, PCA ble benyttet for å detektere forholdet mellom banene.
I korte trekk, mål vår studie for å avsløre molekylære mekanisme av MGD-behandlede humane lungekreftceller fra en dynamisk og systematisk perspektiv av PCA og NCA. Våre resultater bør gi nye muligheter for mer avanserte gransking av biologiske rolle TFS og stier i MGD-behandlede humane lungekreftceller.
Metoder
Menneskelig lungekreft (A549) celler [15] ble behandlet med 50 pM av metall-kation-inneholdende kjemoterapeutisk medikament motexafin gadolinium (MGD) i 4, 12 eller 24 timer. Deres ekspresjonsprofiler ble sammenlignet med de for kontroll celler behandlet med 5% mannitol med samme inkubasjonstid. Den detalj av prøvene ble vist i tabell 1. Den limma metoden [16] ble brukt til å identifisere differensielt uttrykte gener (degs) i uttrykket profilen (GSE2189). De degs med foldendring 1,5 og p-verdi 0,05 ble valgt ut for videre analyse. Hver valgt ° må være annerledes uttrykt i mer enn ett trinn. I tillegg ble 6328 regulatoriske forhold mellom 250 TFS og 2255 målgener hentet fra TRED [17] og TRANSFAC [18].
For å legge til mer regulering relasjoner mellom TF og målgener, totalt av 250 TFS og 144 degs ble valgt til å være hierarkisk gruppert etter hcluster av R språk. For hvert par av TF og dens mål-gen, bare målgenet i sub-treet til TF-node med en koeffisient som er større enn 0,8 (terskel | r | 0,8). Ble utvalgt for NCA
endelig, 627 TF-målgener regulering relasjoner (inneholder TF-TF interaksjoner) ble identifisert basert på 164 TFS og 83 degs.
Nettverk Component Analysis
NCA bruker standard log-lineær modell å tilnærme forholdet mellom nivåene av TFS-aktivitet og som i target-genekspresjon ved å anta at Hill samarbeidet mellom TFS på promotorområdet av målgener. Formelt (1) hvor t representerer tiden trinnet, er det genekspresjon nivå og er TF J virksomhet og reflekterer kontroll styrken av TF j på genet i.
Deretter blir ligning (1) blir linearisert så (i matriseform) 🙁 2)
matrisen inneholder elementer =, og på samme måte = representerer de relative genuttrykk nivåer og TFS «aktiviteter. Dimensjonen er (N gener og M prøver eller forhold), mens det av er (L TFS). De indikerer henholdsvis tids kurs av relativ genekspresjon nivåer og TFS «aktiviteter. Til slutt, størrelsen er, som er styre styrke for L TFS på hver av N-gener. Ligningen (2) ovenfor, kan forenkles ytterligere som: (3)
Her har vi styrke matrisen ,, som svarer til varigheten av i ligning (2) og TFS «aktivitet matrise, som er tilsvarende i ligning (2), og til slutt, genekspresjon matrise av tilsvarende varigheten av i ligning (2).
bakgrunn av ovenstående preparat, kan nedbrytning av i og oppnås ved å minimere følgende objekt funksjon: (4)
Med forbehold.
I NCA, blir den ovenfor angitte mål-funksjonen beregnet til ved hjelp av bootstrap-algoritmen og verdien av og kan normaliseres gjennom en nonsingular matrise i henhold til (5)
Nærmere bestemt, for å garantere unikheten løsningen for matrisen dekomponering av Eq. 4, må nettverkstopologi for å tilfredsstille visse kriterier [19]: (i) tilkobling matrisen [A] må ha full-kolonne rang. (Ii) Når en node i den regulatoriske laget er fjernet sammen med alle utgangs noder koblet til den, må den resulterende nettverket være preget av en tilkobling matrise som fortsatt har full-kolonne rang. (Iii) [P] må ha full rad rang.
Kystverket algoritmen implementert i MATLAB av forfatterne er nedlastbart på https://www.seas.ucla.edu/~liaoj/. I denne studien har vi fulgt bruksanvisningen for denne pakken.
Pathway Enrichment Analyse
Pathway informasjonen ble samlet inn fra KEGG (Kyoto Encyclopedia of gener og genomer), en samling av elektroniske databaser som arbeider med genomer , enzymsystemer, og biologiske kjemikalier [20]. DAVID [21], en høy gjennomstrømming og integrert data-mining miljø, ble brukt til å analysere gen lister avledet fra high-throughput genomiske eksperimenter. Betydelige trasé som har minst to medlemmer og p-verdi under 0,1 ble dermed valgt
Pathway Høring Analyse
PPI data ble samlet inn fra HPRD [22] og BIOGRID [23].. Totalt 326119 unike PPI parene ble samlet for å konstruere PPI nettverk. Limma eBayes metode [16] ble brukt til å måle den differensielle ekspresjonen av gener status. Pearson korrelerte koeffisient test ble anvendt for å bestemme den ko-uttrykt betydningen av hvert gen par. De ovennevnte to typer verdier ble kartlagt til de noder og kanter i PPI-nettverket. Den følgende formel ble brukt til å definere en funksjon som en kombinasjon av statistisk signifikans av en interaksjon av en scoring ordning [24]. Detaljene kan sees i Liu et al [14].
diff (x) og diff (y) er differensial uttrykk vurdering av gen-x og y-gen, henholdsvis. Corr (x «y) representerer sammenhengen mellom gen x og gen y. f er en generell dataintegrasjon metode som kan håndtere flere datakilder med ulik statistisk styrke. Hvor k = 3, p1 og p2 er p-verdiene av differensial uttrykk for to noder, og p3 er p-verdien av deres co-uttrykk.
For å definere samspillet betydning mellom stier, vi oppsummert alle resultatet av kanter S (e) av alle ikke-tomme overlappinger. Spesielt ble samspillet stillingen mellom to reaksjonsveier anslått i henhold til deres overlappende status av veide baner i den følgende formel: der Pi og Pj er to veier og Oij er deres overlappende. For å estimere betydningen av overlappingen mellom ulike veier, vi tilfeldig samplet 1 x 10
6 ganger i de to samme størrelse baner i kantene av reaksjonsveien nettverk og beregnede deres overlappende poengsummer. Frekvensen større enn en C poengsum betegnet signifikant interaksjon mellom Pi og Pj.
Resultater og Diskusjon
transkripsjonsfaktor Aktiviteter
skjematisk av vår tilnærming ble vist i figur 1. basert på NCA metoden ble 16 TFS skjermet for å konstruere et dynamisk regulatoriske nettverk. Figur 2A og 2B viste estimerte aktiviteter av 16 TFS. Transkripsjonsfaktor aktiviteter tydelig viste tidlig-, mellom- og sen fase tiltak som svar på MGD. SP1, RARA, RELA, TP53, ETS1, og SMAD3 ble aktivert innen 4 timer etter at MGD ble injisert. SP1 aktivering nådde 4 timer og HIF1A, CREB1 og SPI1 ble spådd til å bli noe deaktivert i løpet av 12 timer (Figur 2A). Forskning viser at SP1 nivå akkumulert kraftig i tidlig fase og deretter falt i sent stadium [25] og Aryl hydrokarbon reseptor i forbindelse med RELA modulerer IL-6 uttrykk i røykfrie lungekreft [26]. Dette er bevis som kan forbedre pålitelig forskning.
(A) Forut aktiviteter av 16 TFS brukt i denne studien. Rader representert progresjon i tid og kolonner samsvarer med aktivitetene. Aktiviteter i hver kolonne ble normalisert til nulltidspunktet. (B) transkripsjonsfaktor aktiviteter (blå) sammenlignet med genekspresjon (grønn), med Pearson korrelasjonskoeffisienter notert. Både aktiviteten og ekspresjon ved hvert tidspunkt var gjennomsnittene normalisert til den tid null verdier. (C) Sammenheng mellom matrise transkripsjonsfaktoraktiviteter. Red representert positiv korrelasjon og blå representert negativ korrelasjon. (D) antydede kombinatoriske regulering par TFS. Grønt faststoff linje antydet at paret ble støttet av protein-protein interaksjon informasjon fra HPRD, BIOGRID og høy korrelasjon av deres virksomhet ( 0,6). Svart heltrukket linje indikerte at paret ble kun støttet av høy korrelasjon, og en grønn stiplet linje antydet at paret ble kun støttet av samspillet databasen.
De beregnede transkripsjonsfaktorer aktiviteter ble sammenlignet med genet expression data for hver transkripsjonsfaktor (figur 2B) .TP53, SMAD3, og HIF1A viste sterk positiv korrelasjon mellom aktivitet og ekspresjon (korrelasjonskoeffisient r 0,8) (figur 2B). Imidlertid transkripsjonsfaktoraktiviteter ble noen ganger, men ikke alltid, korrelert med genekspresjon av TFS.
Vi sammenlignet også signifikant korrelasjon mellom transkripsjonsfaktoraktiviteter med publiserte protein-protein interaksjoner katalogisert i HPRD [22] og BIOGRID [23]. Interessant, TFS kjent for å opptre sammen viste høy korrelasjon i sine aktivitetsprofiler (figur 2C). For eksempel, den høyt korrelert TFS SP1 og RELA regulert sine mål gener sammen [27].
Våre resultater også avdekket flere interaksjoner mellom TFS (figur 2D). Transkripsjonsfaktor SP1 regulerer ekspresjonen av mange gener som er involvert i ulike cellulære prosesser, og feilregulering av Sp1 er observert i mange krefttyper og sykdommer [28]. Involvering av ESR1 i lungekreft har også blitt observert [29]. Interaksjon av SP1 med ESR1 har blitt demonstrert i brystkreftceller [30]. I tillegg E2F1 og SP1 delta i celleproliferasjon og levedyktighet via regulerings fosfokolin cytidylyltransferase alfa (CCTα) [31]. Dermed spådd ESR1 /SP1 og E2F1 /SP1 interaksjoner kan foreslå sin regulering rolle i sykdomsfremkallende prosessen. Østrogen stimulering kan forbedre c-MYC-ESR1 samhandling og legge til rette for foreningen av ESR1, c-MYC, og co-aktivator TRRAP med disse østrogen-responsive promotere, noe som resulterer i kromatin remodellering og transkripsjon økning i brystkreft. Disse foreslå ESR1 og c-MYC kan fysisk samhandle for å stabilisere ESR1-coactivator kompleks, og dermed tillater andre signaltransduksjonsveier å finjustere østrogen-mediert signalnettverk [32]. C-myc, et onkogen, har også blitt vist å interagere spesifikt med Smad3, en av signal transdusere som er involvert i TGF-β signalering som er involvert i kreftutvikling [33]. Som for NFKB1 /RELA, NFKB1 eller NFKB2 kan binde seg til RELA, relB eller REL å danne NFkB familie av TFS. Disse hetero-dimerer deltar i regulering av en rekke gener, og er viktige i embryoutvikling, apoptose, immune, inflammatoriske og stressresponser. Den NFKB1 /RELA komplekset er de mest tallrike form for NFkB. I HeLa-celler, kunne RELA fosforylering føre til økt transkripsjon av NFkB målgener og hemme apoptose [34].
Betydelige Regulering Relasjoner mellom TFS og målgener
I figur 3A, målgener var hierarkisk gruppert med de justerte styrken av TFS og vist med genuttrykk. Vi identifiserte flere store klynger, som ble korrelert til koordinert aksjon fra TFS å regulere genuttrykket. Vi fant ut at MYBL2, DDX11, LAMP1, ETV4, og BMP4 ble regulert av MYC og ETS1. Den MYC uavhengig regulert BAZ1B, ZFP36L2, DPM2, TSC2, ZNF274, og STAT6. MYOD1 og ACP5 ble regulert av NFKB1. APEX1 og POLG2 ble regulert av SP1 og CREB1. Målgener ble hierarkisk gruppert med uttrykk for TFS figur 3B. Noen av dem i figur 3B har ikke vært dukke opp i figur 3A. Klyngene som er vist i figur 3A foreslo at vi kan være i stand til å bruke vår klynge informasjon for å oppdage nye regulatoriske forhold.
(A) Den justerte styrken matrise ble brukt for clustering, med genuttrykket matrise vedlagt. Fire store klynger, som har mer enn tre tilhørende genene, ble fremhevet. I den justerte styrke matrise heatmap, hvit indikerte en svak regulatorisk innflytelse. (B) Clustering med genuttrykk
Vi har funnet fem vesentlige reguleringsforhold som ble bevist av den tidligere forskning:. BMP4 /Est1, TSC2 /myc, APE1 /SP1 /p53, RARA /HOXA1, og SP1 /USF2. BMP4 signale induserer senescence og modulerer onkogene fenotype av lungekreft cellen [35]. BMP4 arrangøren har to Ets-1 bindingsseter, og Ets-en aktivitet er økt i leverkreft celler etter hypoksiske forhold. Dermed overuttrykk av Ets-en øker markant BMP4 promoter aktivitet [36]. I tillegg er BMP4 forbundet med Smad og p38 MAPK veien i lungekreft celle, som også ble observert i vår regulatoriske nettverk [28].
MYC kan direkte påvirke transkripsjon av tuberous sklerose 2 (TSC2), som vist av kvantitative mRNA analyser og ved Myc binding til sin promoter i kromatin immunoutfellingsstudier analyser. Viktigere, har myc-null eksperimenter vist at Myc fungerer som en sterk og direkte repressor for TSC2 uttrykk fordi dens tap fører til økt TSC2 mRNA. Dette funnet viser at reguleringen av TSC2 kan bidra til virkningen av MYC på celleproliferasjon og neoplastisk vekst [37], [38].
Det antatte promotor-regionen til Apex1 genet inneholder CCAAT bokser og et CpG øy som innehar antatte bindingsseter for flere TFS, som Sp1 [39]. Den Sp1 område oppstrøms for transkripsjonsstart, sammen med en tilstøtende CCAAT element, etablerer en protein-DNA-kompleks som er nødvendig for basal transkripsjon av APEX1 [40]. Videre studier indikerer at p53 gir en mekanisme for nedregulering av APE1 ved å forstyrre SP1 binding til APEX1 arrangøren. Disse funnene viser at p53 er en negativ regulator av APE1 ekspresjon i respons til DNA-skade [41].
RARA er en ligand avhengig av induserbare transkripsjonsfaktor. Den RAR filer familien kan aktivere genekspresjon direkte gjennom RA responsive elementer (Rares) lokalisert i sine mål gener. Funksjonelle Rares er nå kjent for bare noen få Hox-gener, inkludert HOXA1, HOXB og HOXC [42].
Som medlem av bHLH familie, har USF-2 er vist å spesifikt binde med E-box motiv A, som ligger mellom -147 og -142 i det menneskelige [arginin] vasopressin promoter for å være involvert i småcellet lungekreft [43], [44]. Men det var bevis for at en fysisk interaksjon mellom USF2 og SP1 /sp3 [45], noe som tyder på USF-2 kan utøve viktige roller i lungekreft gjennom interaksjon med E-Box eller GC boksen.
Totalt Regulatoriske Dynamics i respons på MGD
Vi bygget en integrert dynamisk modell av human lungekreft som reaksjon på MGD (figur 4), som bestod av de beregnede transkripsjonsfaktoraktiviteter, transkripsjonsfaktor regulerende innflytelse på hvert gen, subcellulære beliggenheten, og genuttrykket data. I løpet av første 4-timers periode, ble TP53, SP1, E2F1, ETS1, SMAD3 og RELA aktivert og interaksjon for å regulere genuttrykket. Disse TF’er hadde allerede berørt genuttrykk inklusive genene i kjernen og Cytoplasma etter 4 timer. SMAD3, også til uttrykk i Nucleus og cytoplasma, viste topp aktivitet i 12 timer og deretter ved 24 timer tilbake til forrige 4 timer nivå. I motsetning E2F1 aktivering raskt tilbake til basen aktivitetsnivå.
Målgener ble observert med sirkler, og TFS med trekant. De 4 subcellulære steder (Nucleus, cytoplasma, Plasma membran; ekstracellulære) ble gruppert i 4 sykluser. Grønne stiplede linjer betegnet av et målgen som kan overføres mellom to subcellulære steder. Rød og blå linjer viste påvirkning av en transkripsjonsfaktor på et mål gen
Pathway Høring Analyse
De fleste av de store baner (p-verdi. 0,1 ved hjelp av hypergeometriske test ) var kreftrelatert signalveier (tabell 2), inkludert pathways i kreft, småcellet lungekreft, ikke-småcellet lungekreft, kreft i bukspyttkjertelen, Jak-STAT signalveien, PPAR signalveien og så videre. Disse banene har blitt demonstrert involvert i lungekreft i tidligere arbeider. For eksempel har BMP4 behandling (anriket i Pathways i kreft) blitt foreslått å indusere en senescent morfologi i A549 lungekreftceller [35]. Ufosforylerte signal transdusere og aktivatorer av STAT6 (anriket i Jak-STAT signalveien) kan transcriptionally up-regulere cyklooksygenase-2 uttrykk og beskytte mot apoptose hos NSCLC celler [46]. PPARy er blitt foreslått å modulere proliferasjon og apoptose av lungekreft celle gjennom interaksjon med dets ligand. PPARy uttrykk er funnet høyere i lungekreftcelle pasienter sammenlignet med normal omkringliggende vev. Behandlingen av lunge adenokarsinom celler (A549) med troglitazon (en PPARy ligand) kan forbedre PPARy transkripsjonen aktivitet og induserer en doseavhengig inhibering av A549 cellevekst [47], [48], [49]. I korte trekk, aktiveringen av PPARy hindrer lungetumorprogresjon og PPARy ligander kan tjene som potensielle terapeutiske midler for lungekreft. I denne studien fant vi PPAR signalveien var en viktig vei som svar på MGD-behandling, noe som tyder MGD kan være en potensiell PPARy ligand som troglitazon.
Vi analyserte videre pathway interaksjoner og beregnet en C stillingen av hvert par av baner. PPAR signalveien (hsa03320) ble funnet kryss snakke med sti av ikke-småcellet lungekreft (hsa05223, p-verdi = 0,056135), Kreft i bukspyttkjertelen (hsa05212, p-verdi = 0,056145), blærekreft (hsa05219; p- verdi = 0.056165), Adipocytokine signalveien (hsa04920, p-verdi = 0,056214) og kronisk myelogen leukemi (hsa05220; -verdi = 0,056214) etter 4 timer MGD behandling (figur 5). Men dette Cross var ikke signifikant på 12-timers og 24-timers etapper med p-verdien . 0.1
Den røde streken som er angitt p-verdien av kryss-snakk mellom to veier mindre enn 0,1. Den blå linjen indikerte kryss snakker ikke var signifikant med p-verdien stor enn 0,3.
Totalt foreslår vi at PPAR signalveien (hsa03320) spiller en viktig rolle i trasé crosstalk.
Det var tydelig interaksjon forholdet mellom PPAR signalveien og Adipocytokines signalveien i tidligere studie [50], [51]. Blant dem, adipocytokines, utskilt fra adipocytter, slik som tumornekrosefaktor-alfa (TNF-a), plasminogen aktivator inhibitor type 1 (PAI-1), interleukin 6 (IL-6), leptin, resistin, og adiponectin, spille en betydelig rolle i normal metabolsk homeostase og i utviklingen av flere sykdommer. Leptin kan reduseres regulering av PPAR-y-agonister. PPAR-γ og lever-reseptor-homolog-1 (LRH-1) spiller viktige roller i adiponectin transkripsjonen aktivering ved hjelp av PPRE og LRH-RE i sin promoter [50], [51].
Det er imidlertid fortsatt noen begrensninger i vår forskning. Vår studie er basert på en forutsetning om at mRNA uttrykk nivåer er fullstendig kontrollert av transkripsjonsregulering. Imidlertid er mRNA stabilitet også en mindre informativ faktor til de mRNA-ekspresjonsnivåene [52], [53]. Hvis et mRNA hvis ekspresjon nivå bestemmes av mRNA-stabilitet kan også uttrykke i kontrollcellene, kan man ser bort fra innflytelsen av mRNA-stabilitet ved å sammenligne når deres nedbrytningshastigheter er like. Hvis en slik mRNA ikke kan uttrykke i kontrollcellene, ignorerer vi mRNA stabilitet. Dette kan føre systematiske feil i denne studien. I tillegg er kvaliteten og kvantiteten av protein-protein interaksjoner (PPI) data er ett av de problemer for PCA. PCA var basert på en PPI interaksjonsdata [24]. Protein-protein interaksjoner gi verdifull informasjon om hvordan gener utføre sine biologiske funksjoner. Det er ventet at protein-protein interaksjonsdata informasjon vil være allment tilgjengelig i nær fremtid ved hjelp av ulike forsøksmetoder.
Konklusjon
Vi klarte å tolke den molekylære mekanismen for lungekreft fra en systematisk og dynamisk perspektiv ved NCA. Vi tok kontroll styrke (bare som positiv eller negativ) som regulerings forholdet mellom TFS og deres målgener (inkludert TFS), og TFS aktivitetene ble byttet ut med sin genekspresjon å konstruere den dynamiske nettverk. Ved hjelp av NCA, den betydelige TFS og deres målgener ble oppdaget, ble kontrollen styrke TFS til sine målgener rekalkulert, og aktivitetene til TFS ble estimert.
Kirkens Nødhjelp og PCA metoder ble brukt for å utforske transkripsjon svar mekanisme i MGD-behandlede humane lungekreftceller basert på antagelsen om at lungekreft er en kontekstuell egenskap av forskjellige mønstre av samhandling mellom flere elementer. Resultatene identifisert et sett med nøkkel TFS, målgener for disse TFS og signalveier involvert i regulatoriske nettverk. Gjennom aktiviteten til TFS, fant vi at transkripsjonsfaktorer aktiviteter tydelig viste tidlig-, mellom- og sen fase tiltak som svar på MGD. Vi identifiserte også flere store klynger, som ble korrelert til koordinert aksjon fra TFS å regulere genuttrykket. Dessuten sti-crosstalk analyse indikerte at det var en interaksjon forholdet mellom PPAR signalveien og Adipocytokines signalveien i vår studie. Til slutt ble en integrert dynamisk modell av human lungekreft bygget i respons til MGD (figur 4), som bestod av de beregnede transkripsjonsfaktoraktiviteter, transkripsjonsfaktor regulerende innflytelse på hvert gen, subcellulære beliggenheten, og genekspresjonen dataene.
utvikling av nye high-throughput teknologier produserer i stor grad store mengder biologi data. Så hvordan å utvinne mening informasjon fra dataene blir nødvendig. Våre studier viser at Kirkens Nødhjelp og PCA kan med hell brukes for å utlede transcriptional regulatoriske nettverk av MGD-behandlet human lungekreft.
Takk
Vi ønsker å uttrykke vår varme og oppriktige takk til Fenghe Informasjon and Technology Inc. deres ideer og hjelp ga en verdifull ekstra dimensjon til vår forskning.
