Abstract
Forstå heterogen stoffet responsen av kreftpasienter er avgjørende for presisjon onkologi. Banebrytende genomiske analyser av individuelle kreftundertyper har begynt å identifisere viktige faktorer som bestemmer resistens, inkludert oppregulering av multimedikamentresistens (MDR) gener og mutasjons endringer av drug targets. Men disse endringene er tilstrekkelige til å forklare bare et mindretall av befolkningen, og flere mekanismer for legemiddelresistens eller følsomhet er nødvendig for å forklare den gjenværende spekteret av pasient svar til slutt nå målet om presisjon onkologi. Vi antok at en pan-kreft analyse av
in vitro
narkotika følsomhet over mange kreft linjene vil forbedre deteksjonen av statistiske foreninger og gi mer robust, og enda viktigere, tilbakevendende faktorer som bestemmer respons. I denne studien, har vi utviklet en statistisk rammeverk basert på den meta-analyse av ekspresjonsprofiler for å identifisere pan-kreftmarkører og mekanismer for legemiddelrespons. Bruke Kreftcellelinje Encyclopaedia (CCLE), et stort panel av flere hundre kreftcellelinjer fra mange forskjellige linjene, vi tegnes både kjente og nye mekanismer for respons på cytotoksiske legemidler inkludert hemmere av topoisomerase 1 (Top1, Topotecan, Irinotecan) og målrettet terapier inkludert hemmere av histon deacetylases (HDAC, Panobinostat) og MAP /ERK kinaser (MEK; PD-0325901, AZD6244). Spesielt vår analyse innblandet redusert replikasjon og transkripsjons priser, samt mangel på DNA-skade reparasjonsgener i motstand mot Top1 hemmere. Den konstitutiv aktivering av flere signalveier inkludert interferon /STAT-en sti ble innblandet i motstand mot pan-HDAC hemmer. Til slutt, ble en rekke dysreguleringer oppstrøms av MEK identifisert som kompenserende mekanismer for motstand mot MEK-inhibitorer. I forhold til alternativ pan-kreft analysestrategier, kan vår tilnærming bedre belyse relevante stoffet responsmekanismer. Dessuten kan kompendium av antatte markører og mekanismer identifisert gjennom våre analyser tjene som et grunnlag for fremtidige studier av disse stoffene
Citation. Wang K, Shrestha R, Wyatt AW, Reddy A, Lehár J, Wang Y , et al. (2014) En meta-analyse tilnærming for å karakter Pan-kreft mekanismer Drug følsomhet i cellelinjer. PLoS ONE 9 (7): e103050. doi: 10,1371 /journal.pone.0103050
Redaktør: Caterina Cinti, Institutt for klinisk fysiologi, c /o Toscana biovitenskap Foundation, Italia
mottatt: 7 mai 2014; Godkjent: 30 mai 2014; Publisert: 18.07.2014
Copyright: © 2014 Wang 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
Data Tilgjengelighet:. Den forfatterne bekrefter at alle data som underbygger funnene er fullt tilgjengelig uten restriksjoner. Alle CEL filer er tilgjengelige fra GEO (GSE36139)
Finansiering:. Forfatterne har ingen finansiering eller støtte til rapporten
Konkurrerende interesser. De medforfattere AR og JL er ansatte i Novartis . Dette endrer ikke forfatternes tilslutning til PLoS ONE politikk på deling av data og materialer.
Innledning
I løpet av det siste tiåret, kreftbehandling har sett en gradvis dreining mot «presisjon medisin «og gjøre rasjonelle terapeutiske avgjørelser for pasientens kreft basert på deres distinkte molekylære profil. Imidlertid har bred adopsjon av denne strategien blitt hindret av en ufullstendig forståelse for de faktorer som bestemmer som driver tumor respons på ulike kreftlegemidler. Iboende forskjeller i medikamentsensitivitet eller motstand har tidligere blitt tilskrevet en rekke molekylære avvik. For eksempel kan den konstitutive ekspresjon av nesten fire hundre multimedikamentresistens (MDR) gener, slik som ATP-bindende kassett transportører, jf universell legemiddelresistens i cancer [1]. På samme måte kan mutasjoner i kreft-gener (for eksempel EGFR) som er selektivt målrettet av små-molekyl-inhibitorer enten forsterke eller forstyrre medikament binding og derved modulere kreftlegemiddelrespons [2]. På tross av disse funnene, har den kliniske betydningen av MDR-hemmere blitt komplisert av ugunstige farmakokinetiske interaksjoner [3]. På samme måte kan tilstedeværelsen av mutasjoner i gener målrettede bare forklare responsen observert i en del av befolkningen, som også begrenser deres kliniske nytte. Som et eksempel på sistnevnte, lunge kreft i utgangspunktet er følsomme for EGFR hemming utvikler resistens som kan forklares med EGFR mutasjoner i bare halvparten av tilfellene. Andre molekylære hendelser, for eksempel MET proto-onkogen presiseringer, har vært forbundet med resistens mot EGFR-hemmere i 20% av lungekrefttilfellene uavhengig av EGFR mutasjoner [4]. Derfor er det fortsatt behov for å avdekke flere mekanismer som kan påvirke respons på kreftbehandling.
Historisk genuttrykk profilering av
in vitro
modeller har spilt en viktig rolle i å undersøke determinants underliggende narkotika reaksjon [5] – [8]. Spesielt har cellelinje paneler kompilert for enkelte krefttyper bidro til å identifisere markører prediktiv av avstamning-spesifikke narkotika reaksjoner, som for eksempel å knytte P27 (KIP1) med trastuzumab motstand i brystkreft og knytte epitel-mesenchymale overgang gener til motstand mot EGFR-hemmere i lungekrefttilfellene [9] – [11]. Men bruk av denne strategien har vært begrenset til en håndfull av krefttyper (for eksempel bryst, lunge) med tilstrekkelig antall etablerte cellelinje modeller for å oppnå den statistiske kraften som trengs for nye funn.
Nyere studier adressert problemet av begrensede utvalgsstørrelser ved å undersøke
in vitro
narkotika følsomhet i en pan-kreft måte, over store cellelinje paneler som kombinerer flere krefttyper screenet for de samme stoffene [7], [8], [12], [1. 3]. På denne måten kan pan-kreft analyse forbedre testing for statistiske foreninger og bidra til å identifisere feilregulert gener eller onkogene trasé som recurrently fremmer vekst og overlevelse av svulster i ulik opprinnelse [14], [15]. Den vanlige tilnærmingen som brukes for pan-kreft analyse direkte bassenger prøver fra ulike krefttyper; men dette har to store ulemper. Først når prøvene vurderes samlet, betydelig genekspresjon-stoffet respons foreninger som finnes i mindre størrelser kreft linjene kan være skjult av mangel på assosiasjoner til stede i større størrelse linjene. For det andre, utvalget av genekspresjon og narkotika farmakodynamikk verdier er ofte avstamning-spesifikke og uforlignelige mellom ulike kreft linjene (Figur 1a). Sammen er disse problemene redusere potensialet til å detektere meningsfulle forbindelser felles for flere kreft linjene.
(A) Skjematisk viser en stor ulempe med de vanlig brukte sammenslåtte kreft tilnærming (PC-Pool), nemlig at genekspresjon og farmakologiske profiler av prøver fra ulike kreft linjene er ofte makeløs og derfor utilstrekkelig for å samle sammen til en enkelt analyse. (B) Arbeidsflyt skildrer vår PC-Meta tilnærming. Først blir hver kreft avstamning i pan-kreft datasett uavhengig vurdering for genekspresjon-stoffet respons sammenhenger i både positive og negative retninger (trinn 2). Deretter er en meta-analyse metode som brukes til å samle avstamning spesifikke korrelasjons resultater og for å bestemme pan-kreft uttrykk respons sammenhenger. Betydningen av disse korrelasjoner er betegnet med multippel-test korrigerte p-verdier (meta-FDR, trinn 3). Deretter blir gener som i vesentlig grad korrelerer med narkotika respons på tvers av flere kreft linjene identifisert som pan-kreft genmarkører (meta-FDR 0,01; trinn 4). Endelig er biologiske pathways betydelig konsentrasjon av oppdaget sett pan-kreft genmarkører identifisert som pan-kreft mekanismer for respons (PI Score 1,0; Trinn 5). En undergruppe av de pan-kreft markører korrelerte med narkotika reaksjon i enkelte kreft linjene er valgt som avstamning-spesifikke markører. Engasjementet nivåer av pan-kreft mekanismer i enkelte kreft linjene er beregnet ut fra veien berikelse analyse av disse avstamning-spesifikke markører.
For å takle problemene innført gjennom direkte samkjøring av data, har vi utviklet en statistisk rammeverk basert på meta-analyse kalt «PC-Meta «. PC-Meta identifiserer pan-kreft markører og mekanismer for narkotika respons ved å teste for genekspresjon-stoffet respons foreninger i hver kreft avstamning individuelt og kombinere resultatene fra hver avstamning. Tidligere studier har med hell brukt meta-analyser for å kombinere inkompatible genomisk datasett for en enkelt krefttype, og å kombinere datasett fra ulike kreftformer å identifisere felles mekanismer for kreft initiering og progresjon [16] – [18]. Så vidt vi vet, er dette den første studien å utnytte meta-analyse i identifisering av iboende pan-kreft determinanter av respons på kreftterapi.
Materialer og metoder
Kreft cellelinje Encyclopaedia (CCLE ) datasett
CCLE pan-kreft datasett anvendt i denne studien omfatter 1046 cancercellelinjer avledet fra 24 cancertyper og screenet for farmakologisk følsomhet for 24 anti-cancerforbindelsene [8]. De forhånds behandlet genekspresjon og narkotika følsomhet data var direkte hentet fra CCLE prosjektet (https://www.broadinstitute.org/ccle/home; GSE36139). Cellelinjer ble profilert før behandling for genuttrykk ved bruk av Affymetrix U133plus2.0 array, og for mutasjoner i 33 kjente kreftgener ved massespektrometrisk genotyping (OncoMap). Hemmende konsentrasjon 50 (IC50) verdier ekstrapolert i den opprinnelige studien fra responsdata dose ble brukt som mål på narkotika effektivitet.
Meta-analyse tilnærming til Pan-Cancer Analyse
Vårt PC-Meta tilnærming for identifikasjon av pan-kreftmarkører og mekanismer for legemiddelrespons er illustrert på figur 1B. I utgangspunktet hver kreft avstamning i pan-kreft datasett ble behandlet som en distinkt datasett og uavhengig vurdering for assosiasjoner mellom baseline genuttrykk nivåer og narkotikaresponsverdier. Disse avstamning-spesifikke uttrykk respons korrelasjoner ble beregnet ved hjelp av Spearman rang korrelasjon test. Linjene som viste minimal differensial narkotika følsomhet verdi (som har færre enn tre prøver eller en log
10 (IC50) utvalg av mindre enn 0,5) ble ekskludert fra analysen.
Deretter resultater fra den enkelte avstamning spesifikke korrelasjon analyser ble kombinert ved hjelp av meta-analyse for å fastslå pan-kreft uttrykk respons foreninger. Vi brukte Pearson metode [19], en ensidige Fisher metode for meta-analyse. Fisher-metoden er en standard teknikk som samler flere p-verdier i en enkelt meta P-verdi hvor en liten meta P-verdien indikerer signifikant ekspresjon-respons sammenheng i en eller flere kreft linjene. Pearson metode kan redusere falske foreninger som følge av motstridende retninger av korrelasjon i ulike linjene. Den kombinerer individuell avstamning p-verdier for positive og negative korrelasjoner separat og returnerer mer betydningsfulle av de to kombinerte verdier (meta P
+ og meta P
-) som den endelige meta P-verdi (meta P *) . Fra dette, korrigert en multippel-test meta P-verdi (meta-FDR) ble beregnet ved bruk av Benjamini-Hochberg (BH) -metoden. For hvert medikament, gener med meta-FDR 0,01 ble ansett pan-kreft markører for respons
Deretter pan-kreft mekanismer for respons ble avslørt ved å utføre sti berikelse analyse på de oppdagede pan-kreft markører bruker. oppfinnsomhet Pathway Analysis programvare (IPA, oppfinnsomhet Systems, Inc., Redwood City, California). Den statistiske overrepresentasjon av kanoniske IPA-trasé ble beregnet ved bruk av Fischers eksakte test og BH multippel-testkorreksjonsmetode. A «pathway engasjement (PI) score «ble beregnet for hver sti som -log
10 (BH-korrigert vei berikelse p-verdi). Pathways med PI poengsum . 1.0 ble vurdert betydelig forbundet med narkotika svar
Til slutt, siden pan-kreft markører kan være relevant i bare en undergruppe av kreft linjene, vi definert sett av gener assosiert med respons i hver avstamning som avstamning-spesifikke markører. Lineage-spesifikke markører ble utledet som undergruppe av pan-kreft markører som signifikant korrelert med respons i en gitt avstamning (Spearmans rank korrelasjon test p-verdi 0,05 og
