Abstract
Bakgrunn
Med ankomsten av postgenomic epoken, er det en økende interesse for oppdagelsen av biomarkører for nøyaktig diagnose, prognose, og tidlig oppdagelse av kreft. Blodbårne kreft markører foretrekkes av klinikere, fordi blodprøver kan fås og analysert med relativ letthet. Vi har brukt en kombinert gruvedrift strategi som er basert på en integrert kreft microarray plattform, Oncomine, og biomarkør modul av oppfinnsomhet Pathways Analysis (IPA) program for å identifisere potensielle blodbaserte markører for seks vanlige humane krefttyper.
metodikk /hovedfunnene
i Oncomine plattformen, ble genene overuttrykt i kreftvevet i forhold til de tilsvarende normale vev filtrert av Gene Ontologi søkeord, med den ekstracellulære miljøet fastsatt og en korrigert
Q
verdi (false funnrate) cut-off implementert. De identifiserte gener ble importert til IPA biomarkør-modulen for å skille ut de gener som koder for antatte utskilte eller celleoverflateproteiner som blodbårne (blod /serum /plasma) kreftmarkører. De filtrerte potensielle indikatorer ble rangert og prioritert i henhold til normalisert absolutt Student
t
verdier. Henting av tallrike markørgener som allerede er klinisk nyttig eller under aktiv undersøkelse bekreftet effektiviteten av vår gruvedrift strategi. For å identifisere biomarkører som er unike for hver krefttype, ble oppregulert markørgener som er felles mellom hver to tumortyper på tvers av de seks humane tumorer også analysert av IPA biomarkør sammenligning funksjon.
Konklusjon /Betydning
oppregulert markørgener som deles blant de seks krefttyper kan tjene som en molekylær verktøy for å utfylle histopatologisk undersøkelse, og kombinasjonen av de vanlige oppregulert og unike biomarkører kan tjene som differensieringsmarkører for en bestemt cancer. Denne tilnærmingen vil bli stadig nyttig å oppdage diagnostiske signaturer som massen av microarray data fortsetter å vokse i «omics «era
Citation. Yang Y, Iyer LK, Adelstein SJ, Kassis AI (2008) Integrative Genomisk data Mining for Discovery of Potential Blood-Borne Biomarkører for tidlig diagnostisering av kreft. PLoS ONE 3 (11): e3661. doi: 10,1371 /journal.pone.0003661
Redaktør: Oliver Hofmann, Harvard School of Public Health, USA
mottatt: 04.08.2008; Godkjent: 16 oktober 2008; Publisert: 06.11.2008
Copyright: © 2008 Yang 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 delvis av US Department of Defense tilskudd (til AIK) W81XWH-06-1-0043, Radioavbilding og Strålebehandling av prostatakreft; W81XWH-04-1-0499, Radiodetection og Strålebehandling av brystkreft; og W81XWH-06-1-0204, Radiodiagnosis og Strålebehandling for eggstokkreft
Konkurrerende interesser:.. Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
Foreløpig det er et fortsatt behov for oppdagelsen av spesifikke blod biomarkører for å hjelpe til i den ikke-invasive påvisning av kreft og overvåkning av effektiviteten av kreftterapi [1] – [3]. Biomarkører er molekyler som er indikatorer for fysiologisk tilstand og kjennetegnene ved endring i et vev eller en kroppsvæske i løpet av en sykdomsprosess [3]. Cancer biomarkører i blod er produsert av tumorceller og utskilles eller frigjøres i blodstrømmen hos pasienter [2]. Måling av biomarkører i blod er en ikke-invasiv prosedyre og relativt enkle å utføre uten krav til spesielle instrumenter og personell.
I takt med den post-genomisk æra, avansert teknologi, inkludert genomisk analyse og proteomikk har muliggjort oppdagelsen av effektive kreft biomarkører [4] – [7]. En fordel med høy gjennomstrømning mikromatrisebasert genomiske analyser er evnen til å identifisere en gruppe eller klynge av gener overuttrykt i vev eller kroppsvæsker som koder for antatte utskilte eller celleoverflateproteiner [5], [6], [8]. Men gruveprosessen i microarray-basert analyse krever vanligvis grundige statistiske og analytiske ferdigheter og er en utfordring for forskere som ikke har den nødvendige kompetanse [9]. Dette notatet foreslår og presenterer en biolog vennlig og effektiv microarray-baserte gruve metode som muliggjør slike biomarkører.
Nylig har vi beskrevet en rask, systematisk gruvedrift strategi for å identifisere overuttrykte gener som koder antatte hydro egnet for vår in-house enzym-mediert Cancer Imaging and Therapy (EMCIT) teknologi, en metode som tar sikte på å hydrolysere og utfelle vannoppløselige, radioaktive prodroger i det ekstracellulære rom av faste humane tumorer for ikke-invasiv diagnose eller terapi [10] – [12]. Heri, bruker vi en gruve strategi som gjør det mulig å avdekke eventuelle blodbårne kreftmarkører hos mennesker basert på kombinasjonen av en integrert kreft microarray plattform, Oncomine [13], og romanen biomarkør filterfinhet på oppfinnsomhet Pathways Analysis (IPA) 5.0 programmet [14]. For å identifisere gener som koder for antatte utskilte eller celleoverflateproteiner i humant blod /serum /plasma som potensielle kreftmarkører, ble alle gener overuttrykt i det ekstracellulære miljø av kreftceller i forhold til den korresponderende normale celler filtrert og hentet ut fra Oncomine databasen og deretter importert til og analysert ved biomarkør modul av IPA analyseprogrammet. Anvendelsen av denne brytningsmetoder har ført til identifisering av hundrevis av biomarkører i humane tumorer: prostata (224), bryst (176), lunge (244), tykktarm (57), eggstokk (292), og bukspyttkjertel (147). Tilnærmingen også aktivert rangering og prioritering av de identifiserte potensielle markørgener for overekspresjon ifølge normalisert absolutt Student
t
verdier.
Det har blitt observert at uttrykket av felles tumor markører knyttet til universell onkogene prosesser er stabil og neppe å bli påvirket av den naturlige progresjon av kreft [15]. Derfor kan identifikasjonen av vanlige tumormarkører ubikvitært uttrykt ved noen krefttyper øke sensitiviteten og spesifisiteten av konvensjonell histopatologisk evaluering og kan tjene generell gjennomføring av segregerende ondartet fra godartet forhold uavhengig av de enkelte taksonomier [16]. Derfor fant vi ut at biomarkører i felles mellom hver to krefttyper. Sammenligningen analyse på tvers av seks forskjellige humane tumorer har ført til den oppdagelse på 20 til 134 biomarkører som felles treff mellom hver to krefttyper, noe som tyder på at sammenhengen mellom multiple onkogene veier. Disse identifiserte markørene kan bli anvendt som bred molekyl patologi verktøy etter validering analyse. Til slutt, gitt de vanlige biomarkører, var vi i stand til å identifisere mellom 3 og 59 potensielt unike biomarkører per krefttypen. Dette er enestående fordi en av de viktigste ulempene til dagens biomarkører er at de fleste av dem er ikke spesifikke for en krefttype, noe som lett kan føre til falske positive i tidlig deteksjon av kreft. For eksempel, ble serum-prostata-spesifikt antigen (PSA) nivå for screening av prostatakreft også funnet å være forhøyet hos pasienter med bryst eller lungesvulster, som fører til 70% svikt av tidlig å oppdage prostatakreft [17], [18]. Den begrensede spesifisitet og sensitivitet av dagens tidlige diagnostiske biomarkører har sterkt begrenset deres pålitelighet. Derfor kan vår mining metode tjene som en generell strategi for å oppdage mer effektiv person eller gruppert spesifikke markører for kreft, forhåpentligvis oppnå klinisk mål om screening for tidlig og spesifikk påvisning. Så vidt vi vet, er dette den første studien undersøker med en
i silico
genomiske tilnærming oppregulert markørgener unik for en krefttype.
Materialer og metoder
data mining strategi for oppdagelsen av kreft biomarkører er basert på vår nylig publisert metodikk utforske kreft microarray plattform, Oncomine, og benytte de avanserte kunnskapsbaser oppfinnsomhet Systems, oppfinnsomhet Pathways analyse, for å identifisere ekstracellulære hydro i ulike typer kreft (upubliserte resultater). Oncomine [13] ble valgt fordi det er en offentlig kreft microarray plattform som omfatter 264 uavhengige microarray datasettene, til sammen mer enn 18.000 microarray eksperimenter, som spenner 35 krefttyper. Det forener en stor samling av andre publiserte kreft microarray data, inkludert Gene Expression Omnibus (GEO) [19] og Stanford Microarray Database (SMD) [20], og unikt gir differensial uttrykk analyser som sammenligner de fleste store typer kreft med sine respektive normalt vev . For eksempel, for å identifisere potensielt viktige gener i en bestemt cancer, kan brukeren utføre en «kreft sammenlignet med normal» analyse for en gitt krefttype og de gener som er oppregulert i kreft i forhold til dens normale vev kan hentes ut som en liste. Hver uttrykt genet i listen kan da bli vurdert av Student
t
test for å beregne
P
eller
Q
verdier (false funnrate) [21] – [ ,,,0],23], betyr uttrykket verdier (bety en, mener to), og normalisert Student
t
verdi. I tillegg er Oncomine integrert med Gene ontologi (GO) merknader filter, som tillater brukere å identifisere gener med visse biologiske prosesser, molekylære funksjoner eller cellulære steder.
Hver av seks mennesketumortyper (prostata, bryst , lunge, kolon, eggstokk, og bukspyttkjertel) ble anvendt i
> funksjonen i Oncomine databasen for å finne de tilgjengelige mikroarray datasett relatert til den spesifikke krefttype. Analysen typen
> ble så brukt til å filtrere de microarray datasett utforske kreft i forhold til sin normale vev. Deretter ble Gene ontologi (GO) merknadsordene implicating den ekstracellulære miljøet brukes til å fjerne disse genene uregulerte i kreft. Spesielt ble oppregulert gener assosiert med følgende GO vilkår søkte:
>,
>,
>,
> og
>. Hver GÅ merknad Begrepet ble unnfanget og konsultert i GO databasen [24] for å levere det største antall relevante treff som trolig vil kode utskilt eller celleoverflateproteiner. Deretter en korrigert falsk funnrate
Q
-verdi terskel (
Q
≤0.05) ble brukt til å filtrere og hente disse ekstracellulært-overuttrykt gener med en høy tillit til oppregulering. Oppregulert gener med en
Q
verdi mindre enn 0,05 ble bare holdt på listen for videre analyse og filtrering (inkludert overflødig som ble fjernet i den senere filtrering trinn).
Human Genome Organization ( HUGO) genet identifikatorer ble deretter brukt til å eksportere genet lister i Microsoft Excel-format, til oppfinnsomhet Pathways Analysis (IPA) program [14], et program som har blitt bygget på en stor kunnskapsdatabase ervervet ved manuell utvelgelse av full tekster av fagfellevurderte vitenskapelige publikasjoner dekker informasjon om mer enn 500.000 pattedyr gener eller proteiner, molekylær begreper, og millioner av deres sti interaksjoner. IPA biomarkør er en modul i den nye Ingenuity Pathways Analysis 5.0 program som gjør det mulig (i) identifikasjon og prioritering av de mest lovende og relevante biomarkør kandidatene i henhold til egenskaper som gjør et genprodukt en biologisk plausibel biomarkør (et gen eller dets kodende Produktet å være nært knyttet til den patologi av sykdommen eller er på en bane som er nært knyttet til virkningen av en behandling) (ii) bestemmelse av hvorvidt et bestemt gen eller protein kan påvises i kroppsvæsker, og (iii) vurdering av hvorvidt kandidaten biomarkør har en sterk tilknytning til sykdomsprosesser som for eksempel kreft. De hentet overuttrykt gener ble importert til IPA biomarkør modulen ble overflødig løst, og de gener som koder plausible markører assosiert med kreft ble identifisert. Disse biomarkører ble ytterligere filtrert i IPA biomarkør filter modul basert på følgende kriterier: væske –
> eller
>, sykdom –
>, arter –
>. Disse filtrerte blodbaserte markører ble deretter rangert og prioritert av abs (
t
) verdi, der
t
er normalisert Student
t
testverdi i Oncomine, til reflektere den kvantitative endring av ekspresjonsnivået mellom kreft og dens normalt vev, lik den fold-endringsverdien i microarray eksperimenter. Den endelige settet med blodbaserte markører ble eksportert og lagret i en Microsoft Excel-regneark (se fil Supplemental S1) inneholder genet produktnavn, synonymer, abs (
t
) verdi, beskrivelse, HUGO genet symbol, uttrykk i kroppsfluider, IPA-definerte subcellulære steder, sykdomstyper og proteinfamilie.
Detaljert analyse av resulterende protein treff ble utført ved bruk av i ettertid iHOP (informasjon hyperkoblet i løpet av proteiner) [11], [25], et program som finner linker og siterte artikler til gener /proteiner og identifiserer spesielle genet produktet hvis genet navn eller synonym navn er kjent. Følge blodbaserte markører ble kontrollert og konsultert ved å slå opp de tilhørende litteraturreferanser eller originale publikasjoner. Til slutt ble nøyaktigheten av resultatene vurdert ved hjelp av styrekreftmarkører enten valgt som kandidat markører ved andre undersøkelser eller godt kjent for å være klinisk nyttige.
IPA biomarkør sammenligningen er en annen funksjon i IPA biomarkør modulen, som har den kapasitet til å generere en liste med kandidat biomarkører felles på tvers av ulike sykdommer [14]. Programmet kan maksimalt sammenligne søker biomarkører for tre sykdommer samtidig. De filtrerte biomarkører for hver av de seks tumortyper fra forrige trinn ble dermed importert og sammenlignet mellom hver to krefttypene som avgjør de vanlige biomarkører. De hentet felles biomarkører på tvers av de seks humane tumortyper ble så brukt til å bestemme de unike kandidat biomarkører per type kreft ved å utelukke metoden.
Diskusjon
Den generelle gruvedrift strategi for biomarkører
Resultater og rapportert her er fleksibel i naturen. Forskere kan variere data-filtrering kriterier i henhold til sine egne interesser. For eksempel, i det første trinn av gruvedrift prosessen (se figur 1), kan de velge å filtrere enten «oppregulert» eller «downregulated» gener for å identifisere markører for diagnose eller de velger å filtrere «differensielt uttrykte» gener i forskjellige tumor karakterer eller etapper for å oppdage prognostiske markører. I det andre trinn, kan man velge å filtrere kvalifiserte biomarkører i forskjellige biologiske fluider (slik som spytt, tårer, og urin), og forskjellige arter (for eksempel mus og rotte). Videre kan forskere variere den genomiske databasen og veien analyseprogram. Selv om vår primære interesse er å identifisere markører for kreft hos mennesker, mener vi at dette gruvedrift strategien kan grovt brukes til å identifisere markører for de fleste andre typer sykdommer.
Microarray plater på toppen representerer seks vevstyper søkte i Oncomine plattform , inkludert prostata, bryst, lunge, kolon, eggstokk, og bukspyttkjertel. Trinn 1: overexpressed gener i kreft forhold til den tilsvarende normalt vev ble filtrert av GO vilkår og
Q
verdi cut-off. Trinn 2: blodbårne markører ble filtrert av
>,
>,
> og
> i biomarkør modul av IPA-programmet. Trapes form i midten representerer biomarkør filterfinhet på IPA analyseprogram. Trinn 3: vanlige markører ble bestemt mellom hver to krefttyper. Trinn 4: unike markører ble identifisert for hver type kreft
Identifikasjon av kvalifiserte kreftmarkører
Data mining av 4 til 15 microarray datasett fra Oncomine plattform for gener overexpressed i seks menneske. kreft sammenlignet med deres uttrykk i normalt vev førte til identifisering av en liste med 3064 til 19 645 oppregulert genuttrykk profiler per krefttypen. Vi var gruvedrift for oppregulert gener fordi en av de rådende hypotesen er at de mest lovende biomarkører vil være overprodusert gener eller deres protein produkter [26], [27] (dette kan ikke være generelt sant, og andre forskere kan velge å gruven downregulated gener for sitt bestemte formål). Ideelt sett ville blodbårne tumor markører bli utskilt eller på annen måte kaste inn i sirkulasjonssystemet under tumorigenesis. De kan bli utskilt av tumorceller eller frigjøres påfølgende til tumor-celle-fragmentering (figur 2). Derfor søkte vi etter oppregulert gener ved en kombinasjon av kontrollerte Gene Ontologi søkeord for å implisere det ekstracellulære miljøet (se
Materialer og metoder
) i kreftceller inkludert de kodet proteiner bundet til eller integrert i cellemembraner, men hvis ekstracellulære domener kan bli funnet gjennom Shedding i sirkulasjon. Da hentet gener ble ytterligere filtrert av den korrigerte falske funnraten
Q product: (
Q
≤0.05), mellom 211 og 2,782 gener per krefttypen ble overuttrykt i den ekstracellulære miljø av kreftceller ( inkludert redundante). Vi brukte en streng korrigert falsk funnrate cut-off verdi å velge signifikant oppregulert gener og for å unngå falske prediksjoner som oppstår ved eksperimentell variasjon i forskjellige studier. Disse oppregulert gener ble importert til IPA biomarkør analyse modul og mellom 165 og 961 gener ble identifisert som kvalifisert kandidat markører per krefttype (tabell S1).
Identifikasjon av blodbårne kreftmarkører
de støtteberettigede markører som vi hentet fra IPA biomarkør analyse inkludert disse markørene oppregulert i vev eller biologiske væsker av pasienter med kreft. Deretter vi filtrert de blodbårne markørene fordi de har to store fordeler fremfor andre typer av indikatorer. For det første blodceller kommuniserer med cellene og ekstracellulære matriser i nesten alle vev og organer i kroppen. Således kan genekspresjonsprofiler blodceller reflektere nærværet av sykdom i legemet [2], [3]. For det andre er blodprøvetakning mindre invasiv og sikrere, noe som åpner for et større utvalg og gjentatt prøvetaking for å overvåke sykdomsutvikling. Fra IPA biomarkør filtermodulen, ble mellom 57 og 292 blodbårne (blod /plasma /serum) markører identifisert per human krefttype (se identifisert gener i File Supplemental S1). Ved å undersøke IPA og IHOP kunnskapsbaser [11], [25], fant vi ut at de fleste av blodbårne tumor markører skilles, eller glykosylfosfatidylinositol (GPI) -anchored og integrerte membranproteiner. Påvisningen av deres oppregulering i pasientens blodprøver kan utløse tidligere behandling før tumorvekst [2] – [4]. Videre kan disse oppregulert signaturer utnyttes til å forstå veier knyttet til menneskelig kreft og avdekke sammenhenger mellom ulike svulster. Selv om den funksjonelle mekanisme drive de forskjellige genekspresjonsprofiler i blodet hos pasienter med eller uten kreft er uklar, er den potensielle kliniske anvendelighet av disse gener eller deres proteinprodukter dukker opp. Som kontroller har vi listet opp nedenfor noen blod-avledet markører, identifisert av vårt arbeid, som også har blitt valgt av andre studier som kandidat tumormarkører eller brukes allerede klinisk, etter
Erythroblastic leukemi virus-onkogen homolog 2 (ErbB2).
ErbB2 er ofte referert til som Her-2 /
neu
av klinikere [28]. Det er en celle-membran-overflate-bundet tyrosinkinase-reseptor som er normalt involvert i signaltransduksjon vei som fører til cellevekst og differensiering [29]. I vår studie identifiserte vi ErbB2 som en universell blodbårne biomarkør for fem kreft (prostata, bryst, lunge, eggstokk og bukspyttkjertel). Dette er i samsvar med funnene at forsterkningen av dette gen eller overekspresjon av dets proteinprodukt er forbundet med kreft, inkludert bryst, lunge, eggstokk, bukspyttkjertel og [28] – [31]. Spesielt amplifikasjon av
ErbB2
genet har blitt funnet i 25% til 30% av brystkreft, og det er formelt godkjent av FDA som en serum biomarkør for diagnose av brystkreft [30]. Så vidt vi vet, overekspresjon av
ErbB2
genet har ikke blitt rapportert for prostatakreft.
Brystkreft 1/2, tidlig debut (BRCA1 /BRCA2).
BRCA1 Hotell og
BRCA2
er gener som er direkte involvert i cellevekst, divisjon, og reparasjon av skadet DNA. Variasjonene i enten genet eller deres proteinprodukter har vært implisert i prostata, bryst og eggstokk-kreft [32]. Det er også sterke bevis som tyder på at både gener kan brukes som prediktive markører for behandling av bryst- og eggstokkreft [32] – [35]. Vi fant både gener som potensielle markører i disse tre krefttypene samt lungekreft. Overekspresjon av både gener i fire kreft hos mennesker kan tyde på at de er involvert i en generalisert fenomen eller funksjonell mekanisme hos pasienter med disse kreftformene.
Prostata-spesifikt antigen (PSA).
PSA, også kjent som kallikrein III (KLK3), er et protein produsert av cellene i prostatakjertelen og som ofte er forhøyet i nærvær av prostatacancer eller prostatalidelser [17], [18]. Det er et velkjent serum biomarkør og måling av serum PSA nivå er den mest effektive test for tiden tilgjengelig for tidlig deteksjon av prostatakreft [36]. I overensstemmelse med andre eksperimentelle funn [37], identifiserte vi PSA som et serum markør for noen tumortyper inkludert prostata, bryst og lunge cancer, noe som indikerer at PSA er ikke prostata-kreft-spesifikke.
Hyaluronan bindende protein 2 (HABP2).
HABP2 er medlem av serinproteasefamilien som er funnet i plasma /serum og demonstrert for å spille viktige roller i kreft invasjon og metastasering [38]. En real-time revers transkriptase polymerase chain reaction (RT-PCR) screening studie har vist den spesifikke overekspresjon av
HABP2
genet i lunge adenokarsinom, blant seks kandidat markørgener for deteksjon av ikke-småcellet lungekreft [ ,,,0],39]. Vi identifiserte to av disse seks kandidatmarkørgener,
HABP2 Hotell og
CP plakater (ceruloplasmin), som potensielle serum markørgener for lungekreft, demonstrerer nytten av vår gruvedrift strategi i å bestemme roman, potensielt nyttige, kliniske blod markører for kreft hos mennesker.
insulin-lignende vekstfaktor II (IGF-II).
IGF-II koder for et medlem av familien av insulin polypeptid-vekstfaktorer som er implisert i patogenesen av neoplasma i forskjellige vev [40], [41]. Interessant, vår tilnærming gruvedrift identifisert IGF-II som en potensiell serum markør for bryst, lunge, og eggstokk-kreft. Det har blitt identifisert av en fersk protein microarray eksperiment basert på en blodprøve som en av fire blodprøver for å skille mellom friske grupper og pasienter med ovarialcancer (EOC) [42]. I denne proteomikk studien, er IGF-II proteinnivået redusert hos pasienter med EOC sammenliknet med friske kontroller, mens i vår genet microarray gruvedrift det er oppregulert i eggstokkreft. Disse funnene tyder på at genet microarray studien alene kan være utilstrekkelig, og en mer grundig studie som involverer proteomikk eksperimenter eller antistoff mikromatriser er nødvendig for å validere kandidat markørene på protein uttrykk nivå. Ikke desto mindre er vårt studium i overensstemmelse med andre funn som oppregulerer IGF-II-nivå kan bli brukt til å diagnostisere bryst [43], [44] og lunge [45] kreftformer.
Identifisering av felles tumor biomarkører
de tumor markører delt mellom hver to krefttypene blant de seks humane tumorer ble analysert av biomarkør sammenligning analyse funksjon av IPA-programmet og er oppsummert i en matriseform (figur 3, se File Supplemental S2). Eggstokkreft har flest markører til felles med prostata (113), bryst (107), og lungekreft (134) blant de 15 ulike kreft par, muligens fordi vi identifisert eggstokkreft som har flest blodbårne biomarkører (292) ( se tabell S1) blant de seks krefttyper. Likevel, disse slående overlappinger mellom ulike krefttyper viser at flertallet av kandidat markørgener kan faktisk være nært knyttet til flere onkogene veier av kreft metastasering. En av flaskehalsene i oppdage passende kreftmarkører er en dårlig forståelse av patofysiologien av sykdommen [26], [27], [46]. Som sådan, kan den universelle overekspresjon av felles markører på tvers av ulike kreft hos mennesker hjelp til å forstå og avdekke de generaliserte funksjonelle mekanismer for tumorvekst og invasjon. I tillegg kan de vanlige oppregulert markørgener hjelpe til med å relatere relevante markører til patogenesen av et spesielt kreft mens korrelasjoner med andre krefttyper kan foreslå nye terapeutiske strategier målretting. Dessuten kan vanlige markører være nyttige for å øke sensitiviteten og spesifisiteten av konvensjonell evaluering. For eksempel kan de identifiserte universelle biomarkers brukes av patologer for å avdekke kreft invasjon når omfattende histologisk vurdering er utilstrekkelig [15]. For å teste hypotesen om at vanlige markører deles av ulike krefttyper kan brukes til å skille mellom godartede /ondartede tilstander, har vi bestemt felles sett av markører på tvers av prostata, bryst og lungekreft (se «File Opplysning S3 – prostata, bryst, og lunge felles markers.xls «). Bemerkelsesverdig, etter manuelt rådspurt iHOP database og IPA kunnskapsdatabase, har 13 markører ut av de vanlige 35 markører (~ 1/3) vært litteratur-bekreftet å tjene som prognostiske markører for progresjon og invasivitet av humane tumorer (Tabell S2). Selv om det er ingen direkte bevis for at resten av de 22 vanligste markører kan skille mellom godartede /ondartede tilstander, mener vi at de kan alle være involvert i kreftmetastaser.
en
sammenligningen av biomarkører mellom den samme type vev er ikke tilgjengelig.
b
prosent overlapping av felles markører mellom hver to krefttyper er gitt i parentes.
Identifikasjon av unike kreft biomarkører
I undersøke felles biomarkører mellom hver to krefttyper, observerte vi 3 til 59 biomarkører eksklusive til hver krefttype (tabell S1, figur 4, se File Supplemental S2). I kraft, mindre enn tjue prosent av de totale identifiserte blodbaserte biomarkører per krefttypen er unike. Noen av biomarkører som rapporteres her har blitt foreslått som mulige spesifikke biomarkører ved andre studier. For eksempel, leptin (LEP), et proteinhormon med viktige effekter i å regulere kroppsmetabolismen, er rapportert som en av de fire spesifikke serum biomarkører for tidlig påvisning av kreft i eggstokkene [42]. Vår studie bekrefter sitt potensial som en unik blodbårne markør for eggstokkreft. Tilsvarende identifiserte vi matriksmetalloproteinase-2 (MMP-2) som en spesifikk biomarkør for kreft i bukspyttkjertelen, i samsvar med de eksperimentelle resultater som viser at dens oppregulering, sammenlignet med den til andre metalloproteinaser, virker spesielt viktig i vekst og spredning av kreft i bukspyttkjertelen [ ,,,0],47] – [49]. Vi tror at disse unike biomarkører kunne kombineres for å fremstille et panel av markører som kan forbedre selektivitet og følsomhet for tidlig diagnostisering av kreft.
Horizonal akse plott er tumortype, inkludert prostata, bryst, lunge, kolon, eggstokk og bukspyttkjertel kreft. Vertikal akse på venstre side er antall unike markører identifisert for hver av seks krefttyper, som representeres av røde kolonner i plottet. Vertikal akse på høyre er unik markør prosent av totale identifiserte blodbårne markører per krefttype, representert ved grønne søyler i plottet.
Identifisering av lovende topprangerte markørgener
En annen anvendelse av vår gruvedrift strategi er prioritering (i henhold til
t
verdier) av topprangerte uttrykt markørgener med biologiske bevis impliserer deres betydelige rolle i kreft. Tidligere lite oppmerksomhet har blitt viet sitt potensial som kandidat markører eller de var savnet rett og slett på grunn av utfordringen i å validere en stor pool av kandidatgener. Disse topprangerte markørgener er verdifulle fordi de er kvantitativt mer overuttrykt enn de andre markørgener og dermed øke sensitiviteten av kreftdiagnose. De forskere som er interessert i å oppdage kreftmarkører ytterligere kan analysere og validere disse kandidat markører for å få dem til klinisk nyttig [26], [27]. Som eksempler, har vi listet opp under fire topprangerte gener identifisert i vår studie.
Matrix metalloproteinase-1 (MMP-1) for brystkreft.
MMP-1 er en sink-ion -binding peptidase utskilles i det ekstracellulære rom og involvert i nedbryting av ekstracellulære matrise. Oppregulering av MMP-1 mRNA og forhøyede nivåer av proteinet har blitt observert i flere krefttyper [50]. Men i det siste har de fleste studier fokusert på sin diagnostisk betydning for lungekreft [51] eller dens prognostisk betydning for kolorektal kreft [52]. Spesielt, vår studie identifisert MMP-1 som den mest oppregulert markørgenet for brystkreft, åpner muligheten, etter oppfølgingsvalideringsstudier, for dens anvendelse som en antatt logisk markør i screening for brystkreft.
CD44 for tykktarmskreft.
CD44
koder for et celleoverflate glykoprotein involvert i celle-celle interaksjoner, celle adhesjon og migrasjon. Dette proteinet deltar i en rekke forskjellige cellulære funksjoner, inkludert lymfocyttaktivering og tumormetastase [53]. I IPA kunnskapsbasene og iHOP database, er det bevis impliserer ekspresjon av dette protein i kolorektal cancer [53], [54]. Vi identifiserte
CD44
som den mest oppregulert markør genet for tykktarmskreft blant 57 mulige biomarkører. Dermed CD44 kan være en annen lovende diagnostisk markør for screening tykktarmskreft.
ceruloplasmin (CP) for eggstokkreft.
CP
koder et ekstracellulært metalloprotein som binder det meste av kobber i plasma og regulerer cellulær jern-ion-homeostase i sirkulasjonen [55]. I det siste, var lite oppmerksomhet til sin rolle i menneskelig neoplasi, selv om det hadde vært mistanke om at uttrykket av ceruloplasmin protein er relatert til kreft i eggstokkene [56].
