Abstract
Bakgrunn
Bukspyttkjertel duktalt adenokarsinom (PDAC) er fortsatt en viktig årsak til kreft dødsfall. Endringer i apoptose signalanlegg i bukspyttkjertelkreft resultat i kjemoterapi motstand og aggressiv vekst og metastasering. Hensikten med denne studien var å karakterisere apoptose sti i bukspyttkjertelkreft beregnings ved evaluering av forsøksdata fra high-throughput teknologier og offentlige databaser. Derfor ble genuttrykk analyse av microdissected bukspyttkjertelen svulstvev implementert i en modell av apoptose vei oppnådd ved beregnings protein interaksjon prediksjon.
Metodikk /hovedfunnene
apoptose pathway relaterte gener ble satt sammen av elektronisk databaser. For å vurdere uttrykket av disse genene vi konstruert en virtuell undergruppe fra en hel genom analyse fra microdissected innfødte svulstvev. For å få en modell av apoptose vei, ble interaksjoner av medlemmer av apoptose pathway analysert ved hjelp av offentlige databaser og beregningsorientert prediksjon av protein interaksjoner. Genekspresjonsdata ble implementert i apoptose sti modell. 19 gener ble funnet forskjellig uttrykt og 12 gener hadde en allerede kjent patofysiologisk rolle i PDAC, for eksempel Survivin /BIRC5, BNIP3 og TNF-R1. Videre kan vi validert differensial uttrykk for IL1R2 og Livin /BIRC7 ved RT-PCR og immunhistokjemi. Gjennomføring av genekspresjon dataene i kartet apoptose veien slått to høyere nivå defekter av veien på nivået av celledøds reseptorer og innenfor den indre signalkaskade i samsvar med referanser på apoptose i PDAC. Protein samhandling prediksjon videre viste mulige nye interaksjoner mellom de enkelte pathway medlemmer, som viser kompleksiteten i apoptose veien.
Konklusjon /Betydning
Våre data viser at ved beregnings evaluering av offentlig tilgjengelige data en akseptabelt virtuelt bilde av apoptose reaksjonsveien kan bli gitt. Ved denne tilnærmingen kan vi identifisere to høyere nivå defekter i apoptose veien i PDAC. Vi kunne videre for første gang identifisere IL1R2 som mulig kandidat genet i PDAC
Citation. Rückert F, Dawelbait G, Vinter C, Hartmann A, Denz A, Ammerpohl O et al. (2010) Undersøkelse av apoptose Signa i bukspyttkjertelkreft ved Computational signaltransduksjon Analysis. PLoS ONE 5 (8): e12243. doi: 10,1371 /journal.pone.0012243
Redaktør: Syed A. Aziz, Health Canada, Canada
mottatt: 25 juni 2010; Godkjent: 20 juli 2010; Publisert: 19 august 2010
Copyright: © 2010 Rückert 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:. Denne studien ble støttet av Deutsche Krebshilfe og MedDrive38 program av det medisinske fakultet Technische Universität Dresden. 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
Bukspyttkjertel duktalt adenokarsinom (PDAC) er den åttende vanligste kreftformen i den vestlige verden [1]. Dens dødelighet tilsvarer nesten sin insidensrate på 6,3 /100 000 [2]. Til tross for kombinert modalitet terapi pankreatisk karsinom viser en utilfredsstillende respons på behandling [3]. Nylig, en omfattende genomisk analyse av
Jones
et al. kunne identifisere apoptose som en kjerne signalveien i bukspyttkjertelkreft. Den veien ble genetisk endret på det meste av 24 primærbukspyttkjertelkreft cellelinjer [4]. Clinicopathologically bidrar dette defekt apoptose signale til svulsten er dårlig respons på kjemoterapi, ioniserende stråling og immunterapi [5] og påvirker metastasizing kapasitet og vekst av svulsten [6], [7]. Derfor er forståelse av apoptoseresistens en forutsetning for å forbedre cancerterapi.
apoptose eller celledød program, kan aktiveres ved hjelp av forskjellige mekanismer i den ytre og den indre vei. Selv om aktivering av celledød reseptorer fører til inngrep av den ytre vei, er den indre vei aktiveres av mitokondrier i løpet av cellulært stress, som begge resulterer i en aktivering av kaspaser [8].
I dag er den apoptose pathway ett av de best undersøkte intracellulære reaksjonsveier. Imidlertid er tolkning av eksperimentelle data hindret av mangfoldet av signalmolekyler og komplekse interaksjoner av veien. I denne studien forsøkte vi å nærme celledød veien i bukspyttkjertelkreft ved en matematisk analyse av eksperimentelle data fra highthroughput teknologier og offentlige databaser. Vi prøvde å bruke den store mengden av informasjon for å modellere den intracellulære informasjonsflyten i apoptose veien i bukspyttkjertelkreft. For en grafisk visning av studiedesign se Figur 1.
Gjennomføringen av genuttrykk data inn i en modell av apoptose veien innhentet av protein interaksjonsdatabaser og protein interaksjon prediksjon viste et konsistent mønster av høyere- nivå defekter i den indre vei og på graden av celledød reseptorer som potensielt kan resultere i fenotypen til resistens apoptose i kreft i bukspyttkjertelen.
Resultatene
Computational bygging av pathway kartet apoptose
samhandling av de 103 apoptose forbundet gener fra vår database søk ble opprinnelig evaluert ved screening av protein-protein interaksjonsdatabaser. Søket resulterte i 940 kjente interaksjoner. De interaksjoner representert eksperimentelt påvist interaksjoner mellom definerte proteiner. Disse data ble brukt for å konstruere en sti kart, som nevnt ovenfor (figur 2).
noder i disse diagrammene representerer reseptorer, ligander, effektorer, kinaser og transkripsjonsfaktorer, mens hver kant beskriver en relasjon mellom disse artene . I den øvre del av figuren den direkte apoptoseinduksjon er vist (A), mens det i den nedre del module gjennom genekspresjon er avbildet (B). Svart interaksjoner betegne kjent protein interaksjoner fra databaser. For bedre visning vi ikke vise alle de 940 kjente interaksjoner, se File S3 for en liste over alle interaksjoner. Blå kanter betegne beregnings spådd interaksjoner for alle 103 apoptose-forbundet gener med et sterkt bevis nivå.
I et andre trinn vi prøvde å finne tidligere ukjente interaksjoner mellom de 103 apoptose knyttet gener. Vi måtte derfor tildele strukturelle familiene til de genprodukter fordi de fleste av strukturene var tidligere ukjent. Det strukturelle oppdraget og familie klassifisering for de apoptotiske forbundet gener resultert i tildelingen av 53 gener. Bruk av grensesnittet bevaring evaluering av mulige interaksjoner mellom produktene av de 53 genene resulterte i 21 nye interaksjoner (for eksempel se File S2, for hele data se File S3).
De nye interaksjoner representere mulige interaksjoner som ikke er ennå eksperimentelt bevist. Alle nye interaksjoner ble implementert i første kart over celledød pathway (figur 2).
Genechip resultater
Vi konstruerte en virtuell undergruppe til å identifisere genuttrykk endringer av de 93 apoptotiske gener for hvilke en identifikator kan oppnås. For å evaluere resultatene av denne tilnærmingen vi sammenlignet resultatene for apoptotiske genet satt med hele genomet og virtuelle undergruppe analyse. Av 23 probe sett identifisert med den virtuelle undergruppen analysen kun 18 ble påvist i hele genomanalyse. Den midlere uttrykk intensiteter av probesets detektert bare av undergruppen analyse var 125 sammenlignet med 346 for sondesett detektert med begge metoder, hvilket indikerer at den virtuelle undergruppen analysen var mer følsom. De 23 probesets representerte 19 differensielt uttrykte gener (figur 3). Av disse ble 11 gener overexpressed og åtte ble underexpressed i PDAC forhold til microdissected normale ductal celler. Blant de nitten genene, ble 12 allerede rapportert av andre grupper i PDAC (tabell 1).
Heat kartet over 19 microdissected PDACs (rødmerket), 13 prøver av microdissected normale duktale celler (markert med grønt), og 13 etablerte bukspyttkjerteltumorcellelinjer (merket magenta) ved hjelp av 93 differensial gen sett og en euklidske avstand matrise. Normale stromale celler fungert som intern kvalitetskontroll (merket blått).
Verifisering av differensial uttrykk
Vi valgte to gener, Livin /BIRC7 og IL1R2, for validering av kvantitativ RT-PCR og /eller immunhistokjemi. Vi har bekreftet en betydelig oppregulering i PDAC celler eller IL1R2 (
p
= 0,035) og LIVIN /BIRC7 (
p
= 0,01) (figur 4 A, B). Parallelt med RT-PCR 16 prøver fra pasienter med PDAC og 16 normale pankreas vev ble farget for Livin /BIRC7. 89% av PDAC cellene ble testet positivt for livin /BIRC7, i motsetning til bare 62% av den av de normale ductal-celler (
p
= 0,001). PDAC vev viste også mer intensive flekker enn normalt vev, og resultatene var statistisk signifikant (
p
0,001). (Figur 4 C, D)
Grafene viser resultatene av kvantitativ RT-PCR i normalt vev i bukspyttkjertelen og pankreatisk adenokarsinom livin /BIRC7 (t-test med p = 0,01) (A) og IL1R2 (t-test med p = 0,035) (B). Immunhistokjemisk farging for Livin /BIRC7 i godartet bukspyttkjertelen og invasiv adenokarsinom. Pankreatisk karsinom (pil) viser intensiv cytoplasmatisk farging (opprinnelig forstørrelse x 100) (C). Godartet duktalt epitel viser en merkbar svakere fargingen (pil) (opprinnelig forstørrelse x 40) (D). * Indikerer p-verdi. 0,05
Diskusjoner
Kreft i bukspyttkjertelen er en malignitet med svært dårlig prognose, og ingen signifikant forbedring i behandling i løpet av de siste 30 årene [1]. Nylig har en omfattende genomisk analyse identifiserte apoptose som en kjerne signalveien i bukspyttkjertelkreft [4].
apoptose veien er en av de best undersøkte intracellulære reaksjonsveier. Imidlertid omfatter den sti et mangfold av signalmolekyler og viser komplekse interaksjoner. Dette etterlater resultater fra eksperimentelle studier vanskelig å tolke. I denne studien forsøkte vi å nærme celledød veien i bukspyttkjertelkreft ved en matematisk analyse av eksperimentelle data fra high-throughput teknologier og ved evaluering av offentlige databaser. Med hjelp av disse teknologiene vi prøvde å bedre forstå den store mengden informasjon og til å uttale seg om forstyrrelser i informasjonsflyten i apoptose veien i bukspyttkjertelkreft. Våre resultater ble sammenlignet med tidligere publikasjoner på apoptose i bukspyttkjertelkreft.
103 apoptose forbundet gener ble identifisert ved databasesøk. For å vurdere samspillet mellom de identifiserte apoptose forbundet gener vi evaluert databaser og beregnings spådde protein interaksjoner. Det faktum at apoptose reaksjonsvei er en av de mest kjente banene ble gjenspeilet av den store mengden av eksperimentelle påviste protein interaksjoner i offentlige databaser. Vår tilnærming ga 940 interaksjoner og vi ytterligere kan identifisere 21 tidligere ukjente interaksjoner beregnings av sekvensen basert og struktur-basert prediksjon av protein interaksjoner. Spesielt MCL-en, CASP 3, Tradd, 4 september, AIF, rolig og TRAF 6 viste forgreninger i signalkaskade tidligere ukjent. Selv om vi ikke kunne eksperimentelt bevis disse interaksjonene, er dette et bevis for kompleksiteten av informasjonsflyten i denne reaksjonsvei. Ved å sette celledød reseptorer som startpunktet for signalveien vi konstruert en modell av veien for å visualisere interaksjonene.
Genekspresjon analyse av apoptose-assosierte gener ble utført ved bruk av en virtuell-undergruppen i et sett av microdissected vev fra normale bukspyttkjertelen kanaler og PDAC. Sammenligning av data fra undergruppen med hele genomanalyse avdekket betydelig mer probe sett å være forskjellig uttrykt ved hjelp av virtuelle undergruppen tilnærming. Interessant sondesett som ikke er identifisert av hele genomet analyse viste lavere uttrykk verdier, noe som viser at konstruksjonen av et virtuelt-undergruppen kan resultere i en forbedret sensitivitet for påvisning ved den nedre ende av genuttrykk intensiteter. Dette er hovedsakelig på grunn av det mindre antall sondesett testet, noe som reduserer mulig støy av svingninger i løpet av analysen.
Genekspresjon analyse viste 19 differensielt uttrykte gener. Av disse ble 11 gener overexpressed og åtte ble underexpressed i PDAC forhold til microdissected normale ductal celler. Blant de nitten genene, ble 12 allerede rapportert av andre grupper i PDAC.
Survivin, Livin, MCL-en, og DcR3 ble oppregulert og viste svært god overensstemmelse med tidligere rapporter (se Fil S1). TNF-R1, BNIP3, og caspase 9 ble nedregulert, de genene viste også god overensstemmelse med tidligere studier (se Fil S1).
Men XIAP, et medlem av IAP familie av proteiner ble nedregulert i vår analyse i motsetning til tidligere studier. Dette avviket kan skyldes svulst heterogenitet, en grunnleggende fasett av alle solide svulster [9]. Det kan også skyldes forskjeller i studiedesign, fordi de fleste av de tidligere studier på XIAP brukes bukspyttkjertelkreft cellelinjer, mens vi brukte microdissected innfødte svulstvev.
Men våre data ga interessant resultat, som vi funnet to hoved foci av dysreguleringer innenfor celledød veien.
en av de store foci ble på nivået av cellereseptorer. Generelt synes det å være en nedregulering av celledødsreseptorer, og en oppregulering av lokkefugl-reseptorer. Den nedregulering av celledød reseptor TNRF-1 og oppregulering av Fas-attrappen reseptor DcR3 i våre data allerede er rapportert tidligere i [10]. Denne feilregulering er ment å hjelpe svulsten unngå immunforsvaret, på grunn av redusert følsomhet mot apoptotiske ligander [11], [12].
En annen decoy reseptoren, IL1R2, ble valgt for videre validering, fordi oppregulering av denne reseptoren ble ikke rapportert tidligere. Ved hjelp av kvantitativ RT-PCR vi kunne for første gang validere en oppregulering av IL1R2 i bukspyttkjertelkreft. IL1, er liganden av IL1R2 kjent for å bli utskilt av kreft i bukspyttkjertelen celler [13]. Det har viktige fysiologiske funksjoner i betennelse og proliferasjon, men kan også utløse apoptose gjennom aktivering av IRAK og MyD88 [14], [15], [16]. Mens mikromiljøet kan dra nytte av angiogenetic og proliferative egenskapene til IL1, kan lokkefugl-reseptoren beskytte bukspyttkjertel kreft fra apoptose indusert av immunresponsen [17].
Den andre viktigste fokus for dysreguleringer ble funnet på nivå postmitokondriske regulatoriske proteiner, de hemmere av apoptose proteiner (RSU). Denne gruppen av proteiner hemmer funksjonen av kaspaser og apoptosome og derved forstyrrer både med det ytre og det indre vei. De tilgangspunkter er allerede kjent for sin rolle i karsinogenese fra andre tumortyper og også PDAC [18], [19]. I vår studie fant vi en oppregulering av Survivin /BIRC5 og Livin /BIRC7 i microdissected tumor-vev, og vi kunne validere feilregulering av Livin /BIRC7 av kvantitativ RT-PCR og IHC.
dysreguleringer i gruppen av tilgangspunkter kan ha en høy klinisk relevans, fordi den indre vei normalt medierer cytotoksiske effekten av stråling og mange kjemoterapeutika [20], [21].
beregnings analyse av apoptose veien i PDAC dermed gjengitt en god henhold til våre resultater med tidligere eksperimentelle referanser på apoptose i kreft i bukspyttkjertelen. Bruke eksisterende rådata fra high-throughput teknologier, kan vi delvis reprodusere eksperimentelle data. Disse dataene ble satt i sammenheng med den komplekse intracellulær signalisering av apoptose beregningsinteraksjonsanalyse. Selv om en stor mengde informasjon kan vurderes rask og beskrivende ved vår tilnærming, er det økonomisk utfordrende å eksperimentelt bevise funnene. Dette må betraktes som en stor ulempe i vår tilnærming.
I Konklusjon, viser denne studien at ved beregnings evaluering av data fra genekspresjonsanalyser og offentlige databaser et akseptabelt virtuelt bilde av apoptose veien kan bli gitt. Sammenligning av våre data til tidligere publikasjoner gjengis godt samsvar. Ved denne fremgangsmåte kunne vi identifisere feil på nivået av celledøds reseptorer og hemmer av apoptose proteiner, som kan ligge til grunn for fenotypen av distinkte apoptose motstand i PDAC. Vi kunne videre for første gang identifisere IL1R2 som mulig kandidat genet.
Materialer og metoder
Interaksjon prediksjon av apoptose pathway medlemmer
apoptose pathway relaterte gener ble satt sammen fra elektroniske databaser, som for eksempel
Kyoto Encyclopedia of gener og genomer plakater (www.genome.ad.jp/kegg),
Gene data Base av National Center for Biotechnology Information plakater (www.ncbi .nlm.nih.gov) og
GeneMAPP plakater (www.genmapp.org). Nøkkelord for søke var «apoptose», «celledød», «celledød bane», «celledød reseptor» (se Fil S1).
For å evaluere interaksjoner av apoptose forbundet proteinene vi først spørres databaser med kjente protein-protein interaksjoner som NetPro (www.molecularconnections.com), SCOPPI (www.scoppi.org) og HPRD (www.hprd.org).
For å finne nye samhandlinger vi brukt to ulike metoder. Først brukte vi struktur-basert prediksjon av protein interaksjoner (se Fil S2). De fleste av de 103 apoptose-assosierte gener var av ukjent struktur. Vi først brukte Genomisk Threading Database (GTD) som en fold anerkjennelse metode for å tildele strukturelle familier til genproduktene [22]. Domener av proteiner ble så definert ved struktur Classification of Proteins, SCOP. To domener blir betraktet i samspill hvis det er minst 5 rester av parene innenfor 5 Å, i henhold til de grensesnitt definisjoner [23]. Bare domene-oppdrag med visse og høy tillit ved GTD ble vurdert. Å forutsi potensielle interaksjoner mellom to gitte domener vi deretter brukes SCOPPI [24]. Denne databasen gitt tydelige domene-domene interaksjoner, som fungerte som strukturelle maler for vår opprinnelige tildelte domener. To proteiner er ansett å kommunisere hvis hver inneholder en domene hvor det er et strukturelt bevis for et slikt domene-domene interaksjon ifølge SCOPPI. De potensielle interaksjoner ble evaluert ved analyse av grensesnittet bevaring. Informasjon av restene i grensesnittet ble igjen oppnådd fra SCOPPI databasen. Den opprinnelige proteinsekvens ble justert mot SCOPPI templatsekvensen, ble en bevaring av mer enn 30% av grensesnittet rester antatt å være tilstrekkelig for å dele den samme interaksjon partner.
For det andre, benyttet vi en sekvens basert prediksjon av protein interaksjoner (se Fil S2). Derfor brukte vi NetPro, en ekspert kuratert og kommentert database som inneholder rundt 100.000 protein-protein interaksjoner, for prediksjon av et samspill av våre proteiner i spørsmålet. Ved hjelp av denne ortologe informasjon og BLAST vi søkte etter homologe interaksjoner ( 80% sekvensidentitet) for et gitt protein par. Vi gir bare nye interaksjoner som ikke ble bekreftet før med NetPro eller HPRD [25], [26]. Å konstruere vår vei kart, setter vi celledød reseptorer som starter poeng av signalkaskade. Samspill proteiner ble definert som nedstrøms signalproteiner. Proteiner som er kjent celledød reseptorligander ble vist som ekstra-cellulære proteiner.
genekspresjonsanalyser
For bygging av den virtuelle undergruppen datasettene E-MEXP-950 og E-MEXP- 1121 ble brukt [27], [28].
Affymetrix probe sett identifikatorer ble hentet fra Ensembl resulterer i 189 probeset identifikatorer for 93 gener. For 10 gener kan oppnås uten identifikator (se Fil S1). Den Cel filer hentet fra Affymetrix MAS 5.0-programvaren ble brukt for videre analyse. Den Cel filer ble lastet inn dChip2006 (https://www.dchip.org), deretter normalisert, og uttrykk verdier ble beregnet ved hjelp av PM /MM modell. Uttrykket verdiene av de 189 probesets ble eksportert og videre utforsket ved hjelp av SAM (https://www-stat.stanford.edu/~tibs/sam/) og Excel (Microsoft, Redmond, Washington). Vi scoret gener som forskjellig uttrykt hvis de oppfylte følgende kriterier: a ganger endring 2 og en q-verdi mindre enn 5%. Varme kartene ble generert ved hjelp dChip.
Reverse Transcription Polymerase Reaction (RT-PCR)
1 ng av cDNA ble brukt for en TaqMan analysen (Applied Biosystems, Weiterstadt, Tyskland). Genene ble forsterket med en TaqMan Universal PCR Master Mix i henhold til produsentens instruksjoner, med en ABI PRISM 5700 Sequence Detection System bruker genet spesifikk primer og sonder. Genekspresjon ble kvantifisert ved sammenlignende CT-metoden, normal Ct-verdier til en husholdningsgenet (β-aktin) og beregne de relative uttrykk verdier ved hjelp av følgende primere: RT-PCR: BIRC7 /Livin: ACT GAC CAG CCC TGA TTC C og CTC CAG GGA AAA CCC ACT TT; Actin: AAG CCA CCC CAC TTC TCT CTA A og AAT GCT ATC ACC TCC CCT GTG T; IL1R2. ATC AGC TTC TCT GGG GTC AA og GGT AGG CGC TCT CTA TGT GG [29]
Immunohistochemistry
For immunhistokjemi, ble en vev microarray (TMA) som inneholder 16 PDAC prøver konstruert. Av dette TMA 5 mikrometer seksjoner ble utarbeidet etter silaniserte lysbilder (Menzel Glaser, Braunschweig, Tyskland). Immunhistokjemi for livin /BIRC7 ble utført ved anvendelse av streptavidin-biotin-peroksidase-metoden som beskrevet tidligere og antigen gjenfinning ble utført i en mikrobølgeovn (250 W i 30 min i en citrat-løsning pH 6,0) [30], [31]. Det primære antistoff som ble brukt var en mus monoklonalt antistoff mot Livin /BIRC7 protein (# 40958, Aktiv Motif, Rixensart, Belgia). Normal tykktarm slimhinne og kolorektal karsinom ble anvendt som en positiv kontroll. Som en negativ kontrollprøver ble inkubert uten det primære antistoff. Etterpå lysbildene ble kort kontra med hematoksylin. Farget og unstained PDAC celler eller duktale celler ble talt opp og forholdet ble generert. Den fargeintensitet ble evaluert semi-kvantitativt ved en patolog (AH) uten kjennskap til histopathologic og molekylære data i 3 karakterer (negative, moderate og sterke).
Statistisk analyse
For statistisk analyse t-test og chi kvadrat-test av «SPSS 13.0» for Windows ble benyttet.
Litteratursøk
for å bedre vurdere endringer i genuttrykk sett i våre data, gjennomførte vi en omfattende litteratur søk på molekylære defekter av apoptose i kreft i bukspyttkjertelen. Nøkkelord var navnet av genet eller proteinet sammen med begrepet «pankreatisk carcinoma», «kreft i bukspyttkjertelen», «bukspyttkjertel cancer» eller «pankreatisk duktus adenokarsinom». Inkludert var studier på nivå av genomet, genekspresjon og protein /funksjonelle studier på tumorvevet og /eller cellelinjer. Litteratursøket består publikasjoner frem til november 2009. Se også Fil S1.
Hjelpemiddel Informasjon
Fil S1.
data fra vår omfattende litteratursøk for rollen som apoptose knyttet gener i kreft i bukspyttkjertelen. Tabellen viser alle gener, som ble vurdert i vår studie. Vær oppmerksom på at for de fleste av studiene på nivået av DNA, noe som betyr at mutasjonsstudier, ble ingen kvantitativ erklæring om uttrykket gjort. Inkludert var studier på nivå av genomet, genekspresjon og protein /funksjonelle studier på tumorvevet og /eller cellelinjer. Litteratursøket består publikasjoner frem til desember 2009. (- /- = mindre /litt mindre uttrykk enn i normalt vev, +/- = uttrykk avhengig av prøven /celle-linje, ingen generell uttalelse mulig; 0 = ingen forskjell på uttrykket til normalt vev /normal funksjon av protein i eksperimentelle studier, ++ /+ = høyere /litt høyere uttrykk enn i normalt vev; = ingen kvantitativ uttalelse i denne studien)
doi: 10,1371 /journal.pone.0012243.s001. product: (1,49 MB DOC)
File S2.
Kjennetegn på vår protein interaksjon prediksjon (A). Eksempler på strukturelle modeller av tre mulige nye interaksjonene i celledød veien (mer enn 30% sekvensidentitet og grensesnitt). Den strukturelle justering mellom mal og samspill proteinstrukturer er 2 Angstrom. 1 = Arts-Apollon; 2 = p16-ERK; 3 = p16-JNK (B)
doi:. 10,1371 /journal.pone.0012243.s002 plakater (2,16 MB PPT)
File S3.
Protein interaksjoner fra vår database søk og vår samhandling prediksjon analyse. Sheet en viser allerede kjent interaksjon fra vår database søk. Sheet to viser mulige interaksjoner, foreslått av vår samhandling prediksjon modell
doi:. 10,1371 /journal.pone.0012243.s003 plakater (0,09 MB XLS)
Takk
Denne studien ble støttet av Deutsche Krebshilfe og MedDrive38 program av det medisinske fakultet Technische Universität Dresden. Vi takker Beatrix Jahnke for teknisk støtte.
