Abstract
I denne rapporten beskriver vi en strategi for optimalisert utvalg av protein mål som passer for legemiddelutvikling mot neoplastiske sykdommer tar spesielle tilfelle av brystkreft som et eksempel. Vi kombinerte humane interactome og transkriptom data fra maligne og kontrollcellelinjer fordi svært tilkoblet proteiner som blir oppregulert i ondartede cellelinjer er forventet å være egnede protein mål for kjemoterapi med en lavere rate av uønskede bivirkninger. Vi normalisert transkriptom data og påført en statistikk behandling for å objektivt trekke under nettverk av ned- og opp-regulert gener som proteiner effektivt samhandle. Vi valgte de koblet de som fungerer som protein huber, de fleste er i signaleringsnettet. Vi viser at protein målene effektivt identifisert ved en kombinasjon av protein tilkobling og dette uttrykket er kjent som egnede mål for den vellykkede kjemoterapi av brystkreft. Interessant, fant vi flere proteiner, vanligvis ikke målrettet av medikamentell behandling, noe som kan rettferdiggjøre en utvidelse av eksisterende formulering av tilsetning av inhibitorer utformet mot disse proteinene med konsekvensen av å forbedre terapeutiske resultater. De molekylære endringer observert i brystkreftcellelinjer representerer enten driver hendelser og /eller driver trasé som er nødvendige for brystkreft utvikling eller progresjon. Det er imidlertid klart at signaleringsmekanismer luminal A, B og trippel negative subtyper er forskjellige. Videre opp- og ned-regulert nettverk spådd subtype-spesifikke narkotika mål og eventuelle erstatnings kretser mellom opp- og ned-regulerte gener. Vi mener at disse resultatene kan ha betydelige kliniske implikasjoner i personlig behandling av kreftpasienter slik at en objektiv tilnærming til resirkulering av arsenalet av tilgjengelige medikamenter til det konkrete tilfellet av hvert bryst kreft gitt sine distinkte kvalitative og kvantitative molekylære egenskaper.
Citation: Carels N, Tilli T, Tuszynski JA (2015) En Computational strategi for å Velg Optimalisert Protein Mål for Drug Development mot Kontroll av kreftsykdommer. PLoS ONE 10 (1): e0115054. doi: 10,1371 /journal.pone.0115054
Academic Redaktør: Pranela Rameshwar, Rutgers-New Jersey Medical School, USA
mottatt: 29 september 2014; Godkjent: 21 oktober 2014; Publisert: 27 januar 2015
Copyright: © 2015 Carels 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: All relevant data er i avisen og dens saksdokumenter filer
finansiering:.. forfatterne har ingen støtte eller finansiering for å rapportere
konkurrerende interesser:. forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
Kreft er en av de mest utfordrende og komplekse sykdommer over hele verden. Selv om en betydelig forbedring i diagnose og behandling skjedde i de siste årene, er fortsatt kreft den ledende dødsårsaken i verden, som er ventet å nå en svimlende 13,2 millioner dødsfall i 2030 [1]. Disse tallene kan bare bli verre som følge av den generelle utviklingen av befolkningen aldring og befolkningsvekst [2].
Kroppens celler kan bli kreft som følge av genetiske og epigenetiske omprogrammering prosesser som involverer komplekse regulatoriske kretser fører til deres udødelighet og ukontrollert divisjon [3]. Prosessen med ukontrollerbare celledeling går parallelt med en økning av tumormasse som resulterer i lokale fysiologiske forstyrrelser som fører til metastaser og til slutt død av hele organismen ofte på grunn av kreftkakeksi eller organfeil. Metastaser den største utfordringen til medisinsk behandling av kreft, som er den viktigste årsaken til død av kreftpasienter [4].
Identifisering av molekylære mekanismer som driver tumorigenesis og kreft progresjon representerer et viktig skritt i å gi mer effektive behandlingsformer , forbedret diagnostikk, og i korrelere klinisk atferd med sykdom etiologi. I de siste tre tiårene, har hundrevis av potensielle kreftrelaterte molekylære mål (oncotargets) blitt identifisert og therapeutics utviklet med sikte på disse målene. Mange av de tilgjengelige medikamenter beregnet for spesifikke kreftformer er svært kostbart, gi beskjedne forbedringer i total overlevelse, og har betydelige negative bivirkninger. Den mest kritiske spørsmål til adresse er arten av de molekylære mål som må forstås for å kontrollere cancer celleproliferasjon med så minimal som mulige bivirkninger for å opprettholde rimelig livskvaliteten til pasienten. Å være en genetisk feilregulering sykdom med utbredt fysiologiske konsekvenser, kreft krever egen administrasjon av komplekse multi-stoff terapi. Identifiseringen av egnede terapeutiske mål for behandling med narkotika cocktailer er ikke enkelt gitt at kreftceller ikke har åpenbare molekylære struktur forskjeller sammenlignet med normale celler. Egentlig forskjellene mellom normale og maligne celler i stedet for å ligge i deres regulering [5], som kan evalueres gjennom transkriptom data. Den nylige fremskritt i
i silico
data mining og høy gjennomstrømming datagenerering i forhold til genet, protein og metabolske nettverk [6,7] tilbyr en ny svært lovende mulighet til å identifisere de proteinene som vil være av marginal betydning i normal celler, men vil bli signaliserer huber i kreftceller på grunn av deres naturlige høy grad av tilkobling med andre proteiner og en betydelig endring av ekspresjonshastigheter.
Komplekse nettverk er allestedsnærværende i fysikk, biologi og samfunnsvitenskap. Matematisk, kan et nettverk beskrives ved en rettet eller urettet graf G = (V, E) med toppunktet og kant stiller V og E, respektivt. En kant vises i diagrammet hvis det er en kjent interaksjon mellom de to partnerne, enten ved direkte binding eller ved enzymatisk katalyse. En automorphism er en permutasjon av settet V som bevarer tilstøter forhold og, hvis de finnes, retningen på pilene mellom hjørnene. Med driften av blandingen, de automorphisms danner en gruppe Aut (G). Nyere arbeider ved MacArthur et al. [8] viser 20 eksempler på reelle nettverk og deres rike symmetrigrupper. Real Networks viser en modulær struktur, med topp-organiserte i lokalsamfunn tett koblet internt og løst koblet til hverandre [9]. Dette resulterer i nærvær av symmetriske subgraphs som trær og komplette klikkene, som bidrar til å klassifisere noder i et nettverk til en «ryggrad» (de som forblir fast under automorphisms) og «vedheng» (de som blir mappet til andre hjørnene ).
en slik strategi har nylig blitt undersøkt i flere aviser [10-12]. Disse forfatterne viste at sannsynligheten for fem-års overlevelses (data fra databasen seer, https://seer.cancer.gov/) er omvendt proporsjonal med kompleksiteten av signaleringsnett (tatt fra Kyoto Encyclopedia of gener og genomer – KEGG, https://www.genome.jp/kegg/) for de typer kreft vurderes. Nettverket kompleksitet ble beskrevet ved bruk av Shannon entropi ved å kvantifisere fordelingen av forbindelser i protein interactomes representert som orienterte diagrammer. Således kan kompleksiteten i en graf formuleres i form av nettverk entropi H (G) ved å summere på noder og med tanke på d (v) som graden av kantene v og avgrenser H (G) = – Σ d (v) log d (v). Signalveier og nettverk kjøre både normale fysiologiske og patologiske prosesser i cellene. En fremgangsmåte for å identifisere og beskrive disse signalveier kan være nyttig for å konstruere nye medikamenter for fremtidig utvikling kreftterapi. For å oppnå ytterligere innsikt i de underliggende mekanismene for brystkreft signalveier, evaluerte vi genuttrykksmønster for et antall av brystcellelinjer for å frembringe cellelinje-spesifikt nettverk. Her søker vi etter protein mål med betydelig antall tilkoblinger som er forskjellig uttrykt i flere ondartede cellelinjer av brystkreft i forhold til en ikke-tumorcellelinje. Vi fant at flere antatte proteiner med stor
tilkobling
ikke ulikt uttrykt når de vurderer ondartede og normale cellelinjer og dermed ikke kan anses for legemiddelutvikling uten signifikante skadelige sikkerhet effekter for pasientens helse. Men et annet sett av proteiner med stor
tilkobling
er faktisk ned- eller oppregulert i ondartede cellelinjer og oppregulert de er potensielle mål for legemiddelutvikling. Ved å analysere litteraturen, kan vi bekrefte at alle de antatte protein målene oppnås gjennom vår analyse er godt kjent, og noen har allerede blitt brukt som agenter for kreft kontroll gjennom medikamentell behandling. Men andre potensielle mål kom ut av denne studien som ikke brukes som narkotika mål ennå, noe som øker hypotesen om at disse antatte målene kan motivere spesifikk narkotika utvikling for å øke effektiviteten av eksisterende narkotika cocktails. Vi fant både likheter og store forskjeller når man sammenligner listene over topprangerte mål for ulike brystkreftcellelinjer. Som en konsekvens kan en spesifikk cocktail bli betraktet i sammenheng med
personlig medisin
i henhold til det spesielle sett av mulige mål identifisert i biopsi av en gitt pasient. Vi foreslår at en slik personlig assistanse er forventet å øke effekten av kreftbehandling.
Resultater
normalisering av tag prøvene ifølge CDS størrelse og brikkenummer resulterte i verdier av genuttrykk som kan variere fra en prøve til den andre bare på grunn av prøvestørrelsen. En slik triviell skjevhet ble vellykket elimineres ved hjelp av
Q
-norm over all prøvene analysert i denne studien. Fordelingen av tag tellinger fra transkriptomet data er vanligvis en fallende kurve hvor de laveste uttrykte gener er de mest hyppige seg. Subtraksjon av et normalisert tag tellinger av hver ondartet cellelinje fra normal cellelinje MCF10A ga frekvensfordelinger som formen var veldig smal, men symmetrisk og sentrert på null. Loggen
10 (
x
i + 1) transformering sammen med
Q Anmeldelser – norm resulterte i symmetriske fordelinger (observert) svært nær en Gauss-fordeling (teoretisk) (se fig. 1A). Med teoretisk fordeling i hånd, beregnet vi klassifiseringsgrensen på -90 og +90 koder på den observerte fordeling som tilsvarer en
p
-verdi α = 5% av teoretisk fordeling. Klassifiserings terskler som tilsvarer en
p
-verdi α = 1 ‰ var -150 og 150, henholdsvis. Dermed ble genene til ondartede celle klassifisert som nedregulert når deres tag-tall var lavere enn -90 eller -150 eller som oppregulert når deres tag telling var større enn 90 eller 150 i henhold til α = 5% og α = 1 ‰, henholdsvis ved å sammenligne med MCF10A.
(B) Sammenheng mellom
tilkobling Hotell og
betweenness sentralitet
. (C) Sammenheng mellom tilkobling av proteiner med tanke på full nettverks prøven tilgjengelig (~10,000) og under nettverk av ~600 proteiner i BT-474 brystkreftcellelinjer.
Protein huber er definert som proteiner (noder) med et mye større antall forbindelse (kanter) enn gjennomsnittsverdiene i et protein (eller genet) nettverk; de fungerer som globale signalintegratorer eller globale regulatorer for flere signalveier. Når du vurderer betweenness sentralitet og protein-tilkobling, fant vi en stor positiv korrelasjon (
r
= 0,91) på et utvalg av ~10,000 samspill proteiner. Fordi tilkobling er et objektivt mål som er enklere å beregne enn betweenness sentralitet, vil vi bare vurdere protein tilkobling under (se Fig. 1B). Vi har også funnet en positiv korrelasjon (
r
= 0,95) mellom tilkobling av proteiner med tanke på full nettverks prøven tilgjengelig (~10,000) og under nettverk av ~600 proteiner (se Fig. 1C). Derfor vurderte vi proteinet tilkobling på et nivå av undernettverk som representant for hele nettverket, som tillot uttrykket av protein-tilkobling som en relativ verdi, som er ganske robust til å prøve størrelsesvariasjoner.
En kart over nettverks interaksjoner mellom ned- og opp-regulerte gener i bryst ondartede cellelinjer er gitt i fig. 2. De 5 mest knyttet gener i under nettverk av opp- og ned-regulert gener er egnede kandidater som protein mål for legemiddelutvikling (se S1 og S2 Tables).
noder representerer gener mens lenker representerer interaksjon mellom gener. Størrelse noder indikerer tilkobling og farge representerer et uttrykk mønster mellom tumor versus ikke-tumorbrystcellelinje. (A) p 0,05. (B) p 0,01. Gephi ble brukt til å presentere og visualisere nettverkene.
Venn-diagram i fig. 3A og B viser en delmengde av gener som er differensielt uttrykt i hver histologisk undertype i forhold til kontrollceller. Blant oppregulert gener, identifiserte vi HSP90AB1 som et protein hub som er oppregulert i alle ondartede celler og er rapportert å indusere angiogenese. Interessant, fant vi CSNK2B som et protein hub som er oppregulert i luminal B og trippel negative ondartede cellelinjer, men vanligvis ikke i luminal A celler. GRB2 og HER2 /3, YWHAB, PA2G4 er spesielt oppregulert i luminal A og B, respektivt. Actin er et protein hub som er nedregulert i alle histologiske undergrupper. Vi identifiserte nedregulering av VIM i luminal A og B; NFKBIA mellom trippel negativ og luminal B; og MAP1LC3A i luminal A og trippel negativ. HSPAS, GAPDH, GABARAPL2 og GABARAP er nedregulert i luminal B.
Up-regulerte gener (A) og ned- regulerte gener (B). Luminal En klassifisering inkluderer MCF-7, T47D e ZR751 cellelinjer; Luminal B, inkluderer BT-474; og trippel negativ, BT-20, MDA-MB-231 og MDA-MB-468.
For å søke etter mulige druggable teinene i brystkreft, fokuserte vi her, på oppregulert gener. Vår undersøkelse viser oncotargets (topp 5-gener) knyttet til cellesykluskontroll, motstand celledød, indusere angiogenese, invasjon og metastasering, dereguleringen mobilnettet energetikk, genom instabilitet og mutasjon, og tumor-fremme betennelse, som er kjennetegnene til kreft [3] . I trippel negativ subtype og luminal A, er en høyere prosentandel av oppregulert gener knyttet til å opprettholde proliferativ signalisering, motstand celledød, og aktivere invasjon og metastasering. I motsetning i luminal B, oppregulert gener er fortrinnsvis knyttet til angiogenese induksjon, celledød motstand, og invasjon og metastase aktivering (se S3 tabell) [3,13-41].
I trippel negative svulster som generelt tilstede dårlig prognose, observerte vi opp-regulering av gener som er involvert i (i) cellesykluskontroll, som omfatter EGFR, MAPK13, YWHAB, MAGOH, EEF1G, CSNK2B, MYC, SRPK1, TK1, GABARAPL1, og CHD3; (Ii) anti-apoptotiske faktorer som YWHAB, MYC, GABARAPL1, og HDGF; og (iii) aktivering av invasjon og metastaser, for eksempel YWHAB, SRPK1, CSNK2B, GABARAPL1, CHD3, og HDGF. De vesentligste oppregulert transkripsjoner ble de knyttet til dereguleringen av mobilnettet energetikk (GAPDH); denne nye kjennetegn ble bare observert i trippel negative subtype. Dette kjennetegn er også relatert til MYC og GABARAPL1. Bare en transkripsjon er relatert til angiogenese HSP90AB1. Disse kjennetegnene er alle forbundet til tumorprogresjon, noe som støtter dårlig prognose av trippel negative svulster.
luminal en sub-nettverk med opp-regulerte gener pekt på funksjoner knyttet til genom instabilitet og mutasjon (EIF4A3), og tumor-fremme betennelse (KPNA2). Videre luminal A celler som overuttrykker transkripsjoner knyttet til cellesyklus kontroll, for eksempel GRB2, EEF1G, MCM7, CSNK2B, Pak2, TK1, MAPK13, og NPM1; samt ErbB2 /3, Pak2, TK1, ICT1, og NPM1, involvert i motstanden av celler til døden. Når det gjelder gener relatert til tumorprogresjon, fant vi HSP90AB1, GRB2, ErbB2 /3, EIF4A3, HDGF, og CSNK2B. Luminal B undernettverk var lik dem av luminal A-cellene; denne likheten er ikke overraskende fordi luminal A og B-celler ble også gruppert i bare en kategori, dvs. luminal, som vist i tabell S1. Sammenligning av luminal A og B-cellelinjer med tredobbelte negativ viste oppregulering av (i) å gå utenom vekstfaktorer ErbB2 /3 i luminal A, og (ii) YWHAB og PA2G4 i luminal B. YWHAB og PA2G4 har vært implisert i cellemotstanden til døden, opprettholdelse av proliferative signal og invasjon og metastase aktivering (se S1 tabell).
for å få innsikt i betydningen av nettverket krets knyttet til brystkreft tumorprogresjon, vi også klassifisert nedregulert gener med respekt til funksjonell biologi og kjennetegnene til kreft (se S4 tabell) [17,22,25,42-56]. Den ned-regulert gener dekket et bredt utvalg av prosesser involvert i kreft biologi. Som forventet, blir nedregulert gener fortrinnsvis knyttet til opprettholdelse av likevektsbetingelser; vi fant funksjoner som: (i) celledød signalering (GABARAPL2, GABARAP, MAP1LC3A, TP53), (ii) cytoskjelettet stabilitet (ACTB, ACTG1, TUBA1A), og (iii) spredning (TP53, GRP78, NFKBIA, GSK3B, BHLHE40 ).
for å oppsummere, disse resultatene indikerer kompleksiteten signaliserer gjennom disse nettverkene og de massive konsekvenser forårsaket av protein hub deregulering på krysstale mellom regulatorer av cellulære hendelser.
Diskusjoner
Våre resultater har tre store implikasjoner for kreftbehandling (i) å bidra til å definere en strategi for å identifisere potensielle oncotargets for brystkreft behandling; (Ii) i avduking viktige regulatoriske kretser mellom ned- og opp-regulert gener ansvarlig for cellefysiologi av brystkreft tumorprogresjon; og (iii) å gi rask protein mål identifikasjon i forbindelse med personlig medisin som kunne matche individuelle svulster typer og histologiske subtyper. Metodikken er beskrevet skal bidra til å etablere en kvantitativ sammenheng mellom antatte oncotargets og en relevant terapeutisk strategi. Vår studie gir også et rammeverk for identifisering av sentrale aktører involvert i bryst kreft, og kan føre til ny innsikt nyttige i utviklingen av terapeutiske intervensjoner for brystkreft behandling og forebygging. Videre arbeid er nødvendig for å funksjonelt validere disse oncotargets starter med en pre-klinisk testing på en
in vitro
nivå.
Selv om flere rapporter har vist betydningen av protein nettverk i brystkreft [57, 58], har bare noen få studier har identifisert ekspresjonsprofilen av de tilsvarende gener [59,60]. Selv om andre rapporter har adressert proteinnettverk subtype- spesifikke cellelinjer i brystkreft, har ingen av disse normaliserte uttrykk mønstre av disse ondartede celler til en ikke-tumoral brystkreft-cellelinje. Vår rapport fokuserer på profilering av genuttrykk fra hub proteiner, som framstår som egnet for legemiddelutvikling med en lavere rate av negative sivile effekter for pasientens helse. Faktisk, som for statistisk feil, er det et kompromiss når det gjelder valg av protein mål med en p-verdi på 0,1% eller 5%. Antallet mål tilgjengelige under en p-verdi på 0,1% er selvfølgelig lavere enn under 5%, men, i motsetning til deres hemming antas å medføre færre bivirkninger for pasienten på grunn av en større forskjell av genekspresjon mellom ondartede og normale celler. Derimot, når de vurderer en p-verdi på 5%, antall potensielle mål øker, men prisen for å være lønns er en høyere grad av uønskede bivirkninger.
komplett sett med samspill menneskelige proteiner som vi benyttes er basert på ~10,000 gener, noe som er omtrent en tredjedel av hele det humane genom sett som har vært vurdert å være ~30,000 basert på data fra uttrykte sekvens koder [61]; en prøve av en tredjedel av hele menneskegenet sett anses her som en meget statistisk signifikant. Breitkreutz et al. [10] viste at signalenettverksmodellering er egnet for kreft kjennetegnene identifikasjon som det gir viktig innsikt i hvordan genmutasjoner kan påvirke cellefysiologi og føre til kreft, samt å identifisere mulige kreft biomarkører.
Eksistensen av en samspill sub-nettverk mellom ned- og opp-regulerte gener tyder på at de differensielt uttrykte gener, i tillegg til å bli indusert av spesifikke kreft trasé, er i samspill med hverandre tilsynelatende på en kompenserende måte, noe som ytterligere indikerer at tumorigenesis og tumorprogresjon kreve multiple og crosstalk signale. Nettverkene er knyttet til ulike celle subtyper og deres spesifikke mønstre observert her er i god overensstemmelse med data fra litteraturen.
Med den raske tempo av moderne teknologi utvikling, kan vi gjøre en trygg prediksjon at på et tidspunkt i en ikke altfor fjern fremtid, når en pasient er diagnostisert med kreft, vil det fortsatt være mulig å sekvensere både ondartede og normale celler gjennom biopsi for å informere behandlingsplan. Når bestemte oncotargets er identifisert, vil det bli teoretisk mulig å definere en personlig narkotika cocktail på grunnlag av eksisterende kunnskap eller selv, på fly, med
i silikoaluminofosfater
simuleringer (docking og molekylære dynamikk) av hemmere med disse oncotargets. Teoretisk er denne strategien er kompatibel med individuell medisin, i den forstand, at når strategien er utformet, kan det være, i prinsippet, i stor grad automatisert. Som responsrater til en bestemt kjemoterapeutisk stoffet kan være relativt lav i en uselektert forbehandlet pasientgruppen, er det en forutsetning at gjenbruk Strategien omfatter pre-utvalg av de pasientene med en gunstig molekylær profil i sine kreftceller, dvs. de pasientene med høyest sannsynlighet for å ha nytte av behandlingen. Vår strategi er forskjellig fra det tradisjonelle synet på narkotika gjenbruk i forventer å finne nye indikasjoner for cocktail behandlinger som skal påvirke viktige pathways /mekanismer som resulterer i kreft celledød med minimale bivirkninger for normale celler. Med andre ord, vi samtidig tar sikte på å maksimere effektiviteten og redusere toksisiteten av en gitt behandlingsregime. Denne strategien er forventet å overvinne iboende og ervervet resistens, tumor heterogenitet, tilpasning og genetisk ustabilitet av kreftceller. Men flere alternative signalveier finnes i svulster som gjør dem motstandsdyktige mot behandling. Derfor bør en rekke spørsmål rettes til konstatere at strategien foreslås er like kraftig som spådd siden biologisk kompleksitet bringer alltid uventede situasjoner.
Det er viktig å hele settet med spådd narkotika mål har blitt eksperimentelt validert av tilgjengelige medikamenter eller siRNA (S5 Table) [36,38,40,62-86], som viser at tilnærmingen presenteres her er i samsvar med state of the art, og bør oppføre seg på samme måte i nye situasjoner der kunnskap er mangelvare. Således kan den metode som er beskrevet her tenkes implementert for et betydelig antall av tiden anvendte kjemoterapeutiske medikamenter, siden deres molekylære virkningsmekanismer er godt forstått med tusenvis av studier som er tilgjengelige i litteraturen. Det er å håpe at vår strategi vil tillate klarlegging av molekylære nettverk av ulike svulster og histologiske subtyper. Vi mener at denne strategien er verdifullt og kan potensielt legge til nye verktøy til armamentarium av narkotika til disposisjon for onkologer.
Siden malign transformasjon har blitt beskrevet som involverer et definert sett av fysiologiske endringer, klassifisert vi disse topp 5-gener i kjennetegnene til kreft, i henhold til de kriterier og eksempler som foreslås av Hanahan og Weinberg [3] og basert på dagens funksjonell forståelse av gener fra BLAST til genet ontologi (Blast2GO). GO betegnelser brukes for å identifisere en liste over mulige komponenter, funksjoner og prosesser som er betydelig fant frem i de utvalgte gener. Denne klassifiseringen viser at topp fem opp- og ned-regulerte gener for hver cellelinje bidra til alle seks anskaffet evner som kreves for tumorprogresjon. Disse resultater antyder at vår fremgangsmåte er nyttig for å identifisere oncotargets som er egnet for behandling av brystkreft. Det synes rimelig å finne gener som er involvert i cellesyklus, med tanke på at datasettet gjelder brystkreft og voksende ondartede cellene der uttrykk for cellesyklus regulatorer er avgjørende, og gjenspeiler høy mitotisk indeks vanligvis forbundet med brystsvulster. Faktisk, siden svært prolifererende celler krever energi, er glykolyse en stor bane som er involvert i energiproduksjon. Ifølge dette landskapet, våre resultater viser GABARAPL1 og GAPDH som nav i BT-20 celler (trippel negativ). En annen klasse av målene er gruppen av gener som er involvert i cellesignalisering og cellekommunikasjon som for eksempel membranproteiner, HER2 og 3 eller EGFR, signaltransduksjon proteiner som MYC, TK1, NPM, YWHAB, MCM7, EIF4A3, HDGF, GRB2, CHD3, Pak2, PA2G4 og transportproteiner som KPNA2. Det er ikke overraskende at det i dette arbeidet, vi fant frem kontroll gener i cellesyklusen eller apoptose som MAPK13, HSP90AB1, MAGOH, CSNK2B, EEF1G, PDIA3, ICT1, SRPK1, og også de som er involvert i EMT prosess som VIM, som spille en viktig rolle i kreftutvikling.
Vi identifiserte HSP90AB1 som eneste oppregulert protein hub felles for alle celletyper i vår studie, som fremhever det faktum at kreft subtyper adressert her alle deler en kjerne av proliferativ signalveier vanlig i brystkreft, men med mange særegenheter. Den delen av uttrykket mønster som er felles for alle cellelinjer som er inkludert kan videre bli påvirket av den underliggende genetisk bakgrunn av tumorcellene, og fasen av tumorprogresjon ved hvilken cellelinjen ble avledet.
For ytterligere å demonstrere prediktiv kraft av subtype-spesifikke nettverk, forsøkte vi å forutsi subtype-spesifikke terapeutiske intervensjoner. Hvis en hub gen vises spesielt i enten en luminal A, B eller trippel-negativ subtype-spesifikke nettverk, forventer vi at dette genet kan være et medikament mål spesifikt for dette undertype. Basert på dette kriteriet, er GRB2, ICT1, PDIA3, KPNA2, NPM, Pak2, EIF4A3 og MCM7 spådd som potensielle narkotika mål som er spesifikke for luminal A celletype, ville PA2G4 være spesifikke for den luminal B celletype, og MAGOH, MYC, SRPK1, VIM, GABARAPL1, GAPDH og CHD3 er spådd som potensielle narkotika mål spesifikke for trippel negative subtype.
Vi har også funnet assosiasjoner mellom nedregulering av gener og terapi, som i noen tilfeller gi innsikt i samspillet mellom tumor suppressors og cellemaskineriet i formidling narkotika følsomhet. For eksempel, Zheng et al. [87] har vist at overekspresjon av HER-2 /
neu
kunne redusere mengden av villtype p53-protein ved aktivering av PI3K vei, og induksjon av MDM2 nukleær translokasjon i MCF-7 human brystcancer celler. Blokkering av PI3K vei med dets spesifikke inhibitor LY294002 forårsaket G1-S-fasen arrest, redusert cellevekst og øket kjemo- og radio-terapeutisk følsomhet i MCF-7-celler som uttrykker villtype p53. I tillegg, Wang et al. [88] viste at oppheving av GRP78 indusert følsomhet av brystkreft celler til taxol og vinblastin.
Konklusjoner
Ved å bruke en integrerende nettverk analyse av data fra transkriptom og interactome offentlige ressurser, vi har spådd selektive kombinasjoner av druggable mål å kontrollere viktige veier i brystkreft. De molekylære endringer observert i brystkreftcellelinjer representerer enten driver hendelser og /eller driver trasé som er nødvendige for brystkreft utvikling eller progresjon. Det er imidlertid klart at signaleringsmekanismer luminal A, B og trippel negative subtyper er forskjellige. Videre opp- og ned-regulert nettverk spådd subtype-spesifikke narkotika mål og eventuelle erstatnings kretser mellom opp- og ned-regulerte gener. Sammen med funn at flere tilkoblede gener kan fungere som kreft regulatorer, kan disse resultatene har betydelige kliniske implikasjoner i personlig behandling av kreftpasienter siden hver brystkreft kan betraktes som unik og gjenspeiler forskjellige kvalitative og kvantitative molekylære egenskaper. Dermed er kunnskap om hele settet av molekylære egenskaper som bæres av en hvilken som helst gitt brystkreft og pasient som kreves for selve tilpasset terapi å bli realisert.
Måter
interactome data
de protein tilkoblings slutninger som er beskrevet nedenfor er basert på protein interaksjoner gitt i filen intact-micluster.zip tilgjengelig fra ftp://ftp.ebi.ac.uk/pub/databases/intact/current/psimitab/(tilgjengelig på 04,04. 2014). Vi valgte de to kolonner med UniprotKB identifikatorer (UID) i intact-micluster.zip filen og eliminert de ufullstendige par (merket som «-«, dvs. når en intakt tilgangsnummer har ingen UniprotKB tilsvar kjent). Den resulterende filen inneholdt 308.314 protein par. Dette samspillet filen ble deretter behandlet for å danne en ikke-redundante UID liste brukes til å hente de tilsvarende proteinsekvenser (68,504) ved å spørre UniprotKB på https://www.uniprot.org/help/uniprotkb. Siden noen UID var foreldet, vi erstattet dem med deres nåværende navn hentes ved å spørre feltet
søk
UniprotKB i formatet «erstatter:
foreldet UID»
. Likeverdighet mellom UID og menneskelige gener ble oppnådd ved homologi søk (tBLASTn) av proteinsekvenser (68504) brukes som spørringer og menneskelige kodende sekvenser (CDS) brukes som fag fra datasettet (hs37p1.EID.tar.gz) av Fedorov laboratorium [ ,,,0],89] tilgjengelig på https://bpg.utoledo.edu/~afedorov/lab/eid.html. Homologe treff var consideredsignificant når deres poengsum var ≥120, E-verdi ≤10
-4 og identitet rente ≥80% over ≥50% av spørringen størrelse (https://mitointeractome.kobic.kr/supplement.php). Etter eliminering av faget redundans (holde treffet passer den største identitet rate), datasett den endelige størrelsen på menneske CDS fullstendig beskrevet av protein interaksjoner var 17 301.
transkriptomet data
Vi har funnet transkriptom datasett av cellelinjer (BT-20, BT-474, MDA-MB-231, MDA-MB-468, MCF-7, MCF10A, T-47D, ZR-75-1, se informasjon på http: //www.atcc. org /) fra https://www.illumina.com/science/data_library.ilmn. Genuttrykket profilen ble evaluert gjennom en homologi søk med menneskelige CDS prøve av Fedorov laboratorium.
