Abstract
metastaser er en av de mest gåtefulle sider ved kreft patogenese og er en viktig årsak til kreft-assosiert dødelighet. Sekundær benkreft (SBC) er en kompleks sykdom forårsaket av metastase av tumorceller fra sitt primære område, og er karakterisert ved intrikat samspill av molekylære interaksjoner. Identifisering av mål for multifaktorielle sykdommer som SBC, den hyppigste komplikasjon av brystkreft og prostatakreft, er en utfordring. Mot å nå vårt mål om identifisering av mål som er spesifikke for SBC, bygget vi en kreftgener Network «, en representant protein interactome av kreftgener. Ved hjelp av grafen teoretiske metoder, fikk vi et sett med viktige gener som er relevante for generiske mekanismer for kreft og har en rolle i biologisk vesentlighet. Vi har også samlet en kuratert datasett av 391 SBC gener fra publisert litteratur som fungerer som en basis av ontologiske korrelater av sekundær bein kreft. Bygge på disse resultatene, vi implementere en strategi basert på generiske kreftgener, SBC gener og gen ontologi berikelse metoden, for å få et sett av mål som er spesifikke for bein metastasering. Gjennom dette studium presenterer vi en tilnærming for sondering en av de store komplikasjoner i kreftformer, nemlig metastasering. Resultatene på gener som spiller generiske roller i kreft fenotype, fremstilt ved nettverksanalyse av «kreftgener Network», ha bredere implikasjoner i å forstå rollen av molekylære regulatorer i mekanismer for kreft. Spesielt gir vår studie et sett av potensielle mål som er av ontologisk og regulatoriske relevans for sekundær bein kreft
Citation. Vashisht S, Baglerne G (2012) En tilnærming for identifikasjon av Targets Spesifikt for Bone Metastase Bruke kreftgener interactome og Gene ontologi analyse. PLoS ONE 7 (11): e49401. doi: 10,1371 /journal.pone.0049401
Redaktør: Matthias Dehmer Ümit, Østerrike
mottatt: 5 juli 2012; Godkjent: 11 oktober 2012; Publisert: 14.11.2012
Copyright: © 2012 Vashisht, Baglerne. 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:. Ingen strøm eksterne finansieringskilder for denne studien
konkurrerende interesser:. forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
Kreft er en sykdom i flere systemer og komponenter som samhandler. på begge molekylære og cellulære nivåer fører til initiering, progresjon og spredning av sykdommen [1], [2]. De skiftende interaksjoner av disse systemene i en dynamisk miljø understreker den iboende kompleksitet av sykdommen. Inntil nylig har kreft blitt studert med en reduksjonistisk tilnærming med fokus på en bestemt mutasjon eller en sti. I det siste har det vært en voldsom økning i systemer nivå studier av kreft og anvendelse av integrerende tilnærminger for å forstå mekanismene kreft [3], [4] og deres metastaser [5], [6].
Metastase er en av de mest gåte kjennetegnene til kreft er karakterisert ved komplekse molekylære interaksjoner [1], [7]. Det er ansvarlig for så mye som 90% av kreft-assosiert dødelighet, men er fortsatt den mest dårlig forstått komponenten av kreft patogenesen [7], [8]. Metastase er en flertrinnsprosess hvor ondartede celler spre seg fra den primære svulsten til discontiguous organer [7]. Metastatisk spredning innebærer en sekvens av trinn som involverer invasjon, intravasation, bloduttredelse, overlevelse, unndragelse av vertens forsvar og tilpasning til den utenlandske mikro [7], [8].
Sekundær bein kreft (SBC) er en kompleks sykdom involverer samspill av osteolytisk og osetoblastic mekanismer [9] (figur 1). Skjelettmetastaser er den hyppigste komplikasjon av brystkreft og prostatakreft med en svært høy tilbøyelighet til metastasizing til beinet forårsaker skjelettsmerter, brudd, hyperkalsemi og lammelser [10] – [13]. Bryst og prostata karsinom er ofte kjent for å ta år å utvikle metastatiske kolonier (i et begrenset antall områder) tyder på at det i disse kreftformene, celler benytter forskjellige adaptive programmer for å møysommelig brolegge sammen komplekse endringer i gen-uttrykk programmer [14]. Mange molekyler og tilhørende banene er rapportert å være involvert i metastase av kreftceller fra brystkreft, [13], [15] – [22] og de fra prostatakreft [10], [18], [23] – [30].
Bone metastase resultater fra ubalanse i normal beinremodelle prosess som involverer osteolytic (som fører til bein ødeleggelse) og osteoblastisk (som fører til avvikende bein Formasjonen) mekanismer. Brystkreft metastaser er vanligvis osteolytic, mens prostata kreft metastaser er vanligvis osteoblastisk. Osteolytisk metastase: osteolytisk metastase av tumorceller innebærer en «ond sirkel» mellom tumorceller og skjelettet. Den onde sirkelen er spredd av fire bidragsytere: tumorceller, beindannende osteoblaster, bein resorbering osteoklaster og lagret faktorer i beinet matrise. Osteoklastdannelse og aktivitet er regulert av osteoblast, og legger kompleksitet til den onde sirkelen. Tumorceller frigjør visse faktorer, inkludert IL-1, IL-6, IL-8, IL-11, TNF og PTHrP som stimulerer osteoklastisk benresorpsjon. Disse faktorene forsterke uttrykket av RANKL løpet OPG av osteoblaster, tipper balansen mot osteoklastene aktivering og dermed forårsaker benresorpsjon. Dette bein lyse stimulerer frigjøring av BMP, TGFfi, IGF og FGF for å stimulere veksten av metastatiske kreftceller til beinet. Osteoblastiske metastase: Faktorer utgitt av osetoblastic celler, slik som ET-1, Wnt, ErbB3, VEGF spiller en viktig rolle i osteoblastisk metastase ved å øke kreftcelle proliferasjon og øke effekten av andre vekstfaktorer inkludert PDGF, FGF, IGF-1. Osteoblastdifferensierings økes også ved BMP gjennom aktivering av visse transkripsjonsfaktorer. Urokinase plasminogenaktivator (uPA), en protease, også fungerer som mellommann for osteoblastisk beinmetastase ved å spalte osteoklastmediert resorpsjon faktorer ansvarlig for regulering av osteoclast differensiering; dermed blokkerer benresorpsjon.
Kreft er preget av kjennetegn prosesser og delte mekanismene som er involvert i uttrykk for sykdom fenotype. Det er en utfordring å identifisere slike gener involvert i generiske kreftmekanismer. Identifisering av slike «generiske kreftgener «kan hjelpe oss til å fokusere på» sykdomsspesifikke kreftgener» av potensiell terapeutisk verdi. På grunn av kompleksiteten og subtile mekanismene som er involvert i metastaser, er det vanskelig å identifisere sine kontrollmekanismer. Derfor er det viktig å ha metoder for identifisering av gener og regulerende mekanismer som er nøkkelen til en kompleks patogene tilstand som for eksempel sekundære ben kreft. Komplekse nettverksmodeller av interactomes, sammen med grafen-teoretisk analyse og overrepresentasjon studier, presentere oss en nyttig strategi for undersøkelser molekyler som er sentrale i SBC mekanismer og dermed potensielle terapeutiske mål.
Cellular funksjoner reflekterer tilstanden til cellen som en funksjon av en intrikat nett av interaksjoner blant stort antall gener, metabolitter, proteiner og RNA-molekyler. En sykdom fenotype reflekterer forskjellige pathobiological prosesser som samvirker i et komplekst nettverk og er sjelden en konsekvens av abnormalitet i en enkelt effektor genprodukt [3]. Forstå sykdommer i sammenheng med organisering prinsippene i arkitekturen av biologiske nettverk gjør at vi kan ta opp noen grunnleggende egenskaper gener som er involvert i sykdom. Utredning av sykdom protein interactomes tilby en bedre forståelse av sykdomsspesifikke gener og prosesser som er involvert, og kan tilby bedre mål for legemiddelutvikling. Molekylær interaksjon nettverk er kjennetegnet ved tilstedeværelsen av noen få svært tilkoblet noder, ofte kalt nav, noe som tyder på en spesiell rolle av disse promiskuøse interactors. Huber av protein interactomes er mer sannsynlig å være avgjørende for overlevelsen [31] og også rapportert å være viktig for cellevekst [32]. Proteiner med høy betweenness [33], [34] er rapportert å ha mye høyere tendens til å være essensielle gener [35], [36]. Kreft proteiner er rapportert å være mer sentral i protein interactome og er, i gjennomsnitt, er involvert i dobbelt så mange interaksjoner som de av ikke-kreft proteiner [37].
Gene ontologi [38] Prosjektet gir en ontologi av definerte uttrykk som representerer genet produktegenskaper. Den ontology omfatter tre domener: cellulær komponent, deler av en celle eller dets ekstracellulære miljø; molekylære funksjon, elementære aktiviteter i et genprodukt på molekylnivå og biologisk prosess, sett av molekylære hendelser med en definert begynnelse og slutt, relevant for driften av integrerte boenheter. GO berikelse metoder gir en måte å hente biologisk innsikt fra et sett av gener ved hjelp av kraften av gensettene [39]. Berikelse analyse innebærer identifisering av GO vilkår som er betydelig overrepresentert i et gitt sett av gener ved hjelp av statistiske modeller som hypergeometrisk og chi kvadrat distribusjoner [40]. Et stort repertoar av verktøyene har blitt utviklet i de senere år for anrikning analyse [41], [42]. Metoder for nettverksanalyse og berikelse studier har blitt effektivt brukt til å identifisere mål av sykdommer som kronisk utmattelsessyndrom [43], depresjon [44], glioblastom [45], kolorektal kreftutvikling [46] og primær immunsvikt sykdom [47].
i denne studien ønsket vi å identifisere sekundære bein kreft spesifikke gener. Mot dette målet, brukte vi et sammensatt strategi (figur 2) som involverer identifisering av kreftgener som spesifiserer generiske kreftmekanismer, samling av gener involvert i metastase til ben og identifisering av gener merket med GO termer som er spesifikke for sekundær bein kreft, for å få sykdoms konkrete mål . Mens nettverksanalyse gir et systemperspektiv av komplekse molekylære mekanismer og bidrar til å identifisere sine sentrale komponenter (funksjonelle elementer), gjør at genet berikelse metoden identifikasjon av karakteristiske ontologiske trekk ved de gensettene. Vi først bygget en representant protein interactome av alle kreftgener og oppnådde huber som er involvert i generiske kreftmekanismer. Videre samlet vi et sett av eksperimentelt verifiserte gener fra litteraturen som er involvert i metastasering av primær brystkreft og prostatakreft inn i benet, den dominerende årsak til sekundær bein kreft. Ved hjelp av en kombinasjon av protein interactome analyse og Gene ontologi berikelse studier, fikk vi et sett av gener (mål) spesifikk for SBC mekanismer. Vår studie gir en tilnærming for å identifisere mål som er spesifikke for en kompleks sykdom fenotype (beinmetastase) ved å kombinere systemer-nivå interactome analyse og ontologiske studier.
Strategien som ble implementert i dette arbeidet omfattet tre oppgaver, som fører til tre tilsvarende genet-sett som ble brukt for å få SBC-spesifikke mål av potensiell terapeutisk verdi. (A) En samling av kreftgener fra CancerGenes databasen ble brukt til å konstruere en representant kreftgener interactome (kreftgener Network; CGN) ved å kartlegge dem videre til en referanse humant protein interactome (Humant protein referansedatabase, HPRD). Bruke metoder for nettverksanalyse, proteiner som er sentrale i CGN og samhandlingsdynamikk ble oppnådd. Disse sett av gener (SET-A; skraverte området) ble funnet å være korrelere godt med gener involvert i generiske kreftmekanismer (figur 6), samt de som kommentert som essensielle ved hjelp av mus fenotype data (Figur 8). Den CGN, bestående av 11602 interaksjoner mellom 2665 proteiner, fungerer også som en referanse sett (universet) for genet berikelse studier; (B) Et sett av gener (sekundær bein kreftgener; SBCGs) som er implisert i metastaser i ben fra primær brystkreft og prostatakreft, de mest vanlige årsakene til benmetastase, ble samlet fra litteraturen. Dette settet (SET-B) fungerer som en basis av gener og ontologiske korrelater av sekundær bein kreft som karakteriserer sykdommen fenotype; (C) Betydelig beriket GO vilkår som karakteriserer SBCGs ble oppnådd ved overrepresentasjon analyse mot «kreftgener» univers. SET-C, en undergruppe av CGN, ble innhentet av segregerende kreftgener som ble merket med disse SBC-spesifikke ontologiske vilkår. En del av SET-C (skravert område, Set-c og Set-bc i figur 10A) fungerer som en «kilde sett av mål kreftgener» som både, bærer ontologiske essensen av SBCGs og er ikke involvert i generiske kreftmekanismer. SBC-spesifikke mål (figur 3 og figur 10B), som er merket med nøkkel GO vilkår (figur 9) reflekterer rolle, både bein prosesser og metastase mekanismer, ble ytterligere hentet fra kilden sett.
Resultater
Köln som en representant interactome av kreft mekanismer
Vi skal konstruere en interactome som representerer mekanismene som er involvert i prosesser som bidrar til kreft. For dette formålet brukte vi gener som er oppført i CancerGenes database [48], en samling av kreftgener som er årsaks innblandet i onkogenese. Vi erholdt 3164 kreftgener fra CancerGenes database, som ble brukt til å konstruere en interactome. Disse genene er kartlagt on Human Protein Referanse Database [49], en database med kuratert proteomikk informasjon knyttet til menneskelige proteiner, å konstruere kreftgener Network (CGN). CGN representerer således et intrikat nettverk av kreft proteiner. CGN omfatter 11602 samspill mellom 2665 proteiner. Figur 3 viser CGN, en representant protein interactome av molekylære agenter og deres regulatoriske interaksjoner, som er involvert i sykdom fenotype av kreft. Basert på tidligere rapporter [3], hypotese vi at proteiner som er nøkkelen til den strukturelle integriteten og interaksjons dynamikken i Köln ville tilsvare proteiner involvert i reguleringsmekanismer generiske til kreft.
kreftgener Network (CGN) er en protein interactome av kreftgener som omfatter molekylære mekanismer for kreft. Hver node representerer en kreft protein og en kant mellom to noder utgjør et protein-protein-interaksjon. Den gigantiske klyngen utgjør 89% av alle kreftgener. Huber CGN, kreftgener sentrale for de strukturelle stabilitet og informasjons dynamikk, er avbildet i nyanser av rødt. Navene kode gener involvert i generiske kreftmekanismer og de er klassifisert som viktig å bruke fenotypiske data fra mus Genome informatikk. 88% av disse navene er avgjørende ( «mørk rød») og resten uvesentlig ( «lys rød). SBC-spesifikke mål, med ontologiske rolle i bein og metastaseprosesser, er uthevet i «grønne».
topologisk Sentrale gener CGN Correlate til Generiske Kreft Mekanismer
Molecular interaksjons nettverk har blitt rapportert å ha en skala-fri natur markert ved tilstedeværelsen av noen få nav som er kritiske for nettverkene [50]. Slike huber av protein interactomes rapporteres å være mer avgjørende for overlevelsen [31], og også viktig for cellevekst [32]. Proteiner med høy betweenness er rapportert å ha mye høyere tendens til å være essensielle gener [35], [36]. Cancer proteiner er rapportert å være mer sentral i protein interactome og er, i gjennomsnitt, er involvert i dobbelt så mange vekselvirkninger som ikke-cancerproteiner [37]. Som rapportert for andre biologiske molekylære nettverk [50], [51], finner vi at CGN har en skala-fri natur indikerer tilstedeværelse av eksepsjonelt promiskuøst samspill hub noder og de medier et stort antall interaksjoner (figur 4) [52].
De distribusjoner av (A) grad og (B) spenning (så vel som dens normalisert motstykke «betweenness») viser en skala-fri natur. Stiplede linjene viser kraften loven passe med en eksponent for -2,85 og -2,13, henholdsvis. Dette indikerer tilstedeværelse av promiskuøst samspill proteiner med høye grader og sentrale mediatorer som spiller rolle i informasjons dynamikk over nettverket, henholdsvis.
Vi beregnet syv parametere som reflekterer topologiske egenskaper (grad [53] og nabolag tilkobling [54]), nettverksflyt (betweenness [33], [34], stress [33], [34] og gjennomsnittlig korteste banelengde [55]) og lokal gruppering (clustering koeffisient [53], [55], [56 ] og topologisk koeffisient [57]). De «nøkkel» proteiner, som er topologisk og dynamisk sentralt i Köln, ble identifisert ved nettverksanalyse. For dette formål «graden «,» stress «og den normaliserte motstykke av sistnevnte,» betweenness «, ble anvendt for identifisering av sentrale proteiner av CGN. Vi finner at de valgte parametrene viser svært høye gjensidige positive korrelasjoner (figur 5). De best rangert proteiner fra hver av disse parametrene ble utarbeidet av ulike terskler (Top25-Top200), for å identifisere proteiner utpekt som «nav» (Set-A i figur 2 og tabell S1).
heatmap av parvise korrelasjoner mellom syv parametere som nummerere topologiske, dynamiske og lokale clustering funksjoner av nettverket: betweenness, stress, grad, nabolag tilkoblings (neigh_conn), clustering koeffisient (clust_coeff), gjennomsnittlig korteste veien lengde (avg_short_paths) og topologisk koeffisient ( topo_coeff). Heatmap peker på tre parametre med svært høye gjensidige positive korrelasjoner (r = 0,8989, 0.9930 og 0.9210): grad, betweenness og stress. Den øvre trekanten av heatmap viser parvise korrelasjoner som kakediagrammer. Den nederste trekanten viser positive og negative korrelasjoner i nyanser av blått og rødt, henholdsvis; jo mørkere farge jo sterkere korrelasjon. Positive og negative korrelasjoner er også avbildet med høyre- og venstrehendte diagonale linjer
Vi finner at de «huber» (figur 3; Top75 terskel)., Og dermed identifisert, inkluderer gener involvert i reguleringen av prosesser som er kjent for å være generisk til stede i de fleste kreft [1]. Proteiner er kjent for å være involvert i vekstsignaler, og dermed fører til selvforsyning i kreftceller, for eksempel TGFBR1, EGFR, IGFR1R, GRB2, er i «nav» av CGN [2]. Navene omfatter også RB1, BCL2, akt1, CDK2, CASP8 som er involvert i mekanismene for apoptose, til hvilke celler er kjent for å skaffe motstand i alle typer kreft [1], [58]. TP53 tumor suppressor protein, kjent for å være involvert i de vanligst forekommende tap av proapoptotiske regulering og påvirker apoptotiske effektor kaskade [59], [60], er også til stede i CGN huber. En av navet proteiner, SMAD4, er kjent for å være involvert i differensiering, apoptose og cellesyklus [61]. MYC, kjent for å oppregulere cykliner og downregulate CDKN1A (P21), er også en av de huber av Köln.
Videre sjekket vi hvor godt de identifiserte huber korrelerer med KEGG-PIC [62], en samling av gener fra generiske stier involvert i kreft (tabell S2). Figur 6 viser overlappingen av navet gener (Top25 til Top200) med KEGG-PIC-gener. Vi finner at faktisk Top25-huber, som omfatter de mest promiskuøst samspill proteiner og medier et stort antall interaksjoner i kreftgener interactome, har en 74% overlapp med KEGG-PIC. Presisjonen identifisering av generiske kreft proteiner dråper som definisjonen av «hubs» er avslappet ytterligere (57% for Top50 og 52% for Top75). Som en negativ kontroll, for evnen til nettverks-beregninger basert på rangeringen til å identifisere generiske proteiner, bruker vi gener rangert verste i henhold til de utvalgte parametre. Vi finner at disse genene har en meget dårlig overlapping med KEGG-PIC-genene, selv når sammenlignet med det som var forventet ut fra tilsvarende tilfeldige samplings (figur 6). Vi behandler Top25, Top50 og Top75 CGN huber som representanter for generiske kreftgener og bruke dem i fremtiden, for å identifisere SBC-spesifikke mål.
De huber CGN, identifisert ved hjelp av utvalgte nettverks sentralitetsnivåer parametere, korrelerer med settet av generiske kreftgener (KEGG-PIC). For hub definisjoner varierer mellom Top25-Top200 de CGN huber (øverste rangert kreftgener) viser god overlapping med KEGG-PIC gener (fylte sirkler). Korrespondansen nettverk sentralitet og generisk rolle i kreft, ventet, faller som strenghet kriteriet brukes for å identifisere huber løsnes. For de tilsvarende stikkprøver, er det overlapp med KEGG-PIC som forventet (stjerner, feil linjene viser standardfeil fra 1000 prøver). Kreft gener med verste sentralitetsnivåer rankings (åpne sirkler), viser nesten ingen overlapping med generisk kreftgener; verre enn forventet fra tilfeldige samplings. Top75, Top50 og Top25 huber, med 52%, 57% og 74% overlapping med generiske kreftgener, henholdsvis, ble videre brukt for identifikasjon av SBC-spesifikke kreftgener.
GO Anriking av CGN Hub gener
Vi utførte GO berikelse analyse av CGN «navet» gener identifisert. Vi forventer de «huber» for å representere generiske kreft prosesser som er felles for de fleste, og kanskje, alle typer kreft hos mennesker. Den molekylære maskineri regulerer proliferasjon, differensiering og død av alle pattedyrceller er svært lik [1]. Den genetiske transformasjonen av normale celler i kroppen fører til defekter av regulatoriske kretser som styrer normal celledeling og homeostase, og kollektivt diktere ondartet vekst.
Kreftceller vise selvforsyning av vekstsignaler som involverer endring av transcellular eller intracellulære mekanismer [ ,,,0],2]. Vekstsignalveier er mistenkt for å lide deregulering i alle menneskelige svulster [2]. Dette ble reflektert i følgende betydelig overrepresentert GO gjelder CGN huber: cellulær respons til veksthormon stimulus (GO: 0071378), regulering av epidermal vekstfaktor reseptor signalveien (GO: 0042058), transformerende vekstfaktor beta-reseptor signalveien (GO: 0007179), signalkomplekset sammenstillingen (GO:. 0.007.172)
i motsetning til normale celler, som gir respons på antivekst-signaler, kreftceller er ufølsomme for antivekst signaler på grunn av avbrudd av veier relatert til cellesyklus klokke. Vi finner at vår liste over betydelig beriket GO vilkår for CGN huber hadde mange begreper knyttet til cellesyklusprosesser: mitotiske cellesyklus G1 /S overgang sjekkpunkt (GO: 0031575), regulering av G1 /S overgang av mitotiske cellesyklus (GO: 2000045 ), DNA skade respons, signaltransduksjon av p53 klasse megler (GO: 0030330), regulering av stress aktivert MAPK kaskade (GO. 0.007.173)
i menneskelige kreftutvikling, er alle typer kreft er kjent for å erverve resistens til apoptose [58]. De overrepresentert GO gjelder CGN huber understreke denne observasjonen: frigjøring av cytokrom c fra mitokondriene (GO: 0001836), aktivering av pro-apoptotiske genprodukter (GO: 0008633), celle-type spesifikke apoptotiske prosessen (GO: 0097285), cellulær komponent demontering involvert i apoptotiske prosessen (GO: 0006921), positiv regulering av anti-apoptose (GO: 0045768)
i tillegg finner vi følgende betydelig beriket «molekylære funksjon» vilkår:. transformerende vekstfaktor beta-reseptor, sti -spesifikk cytoplasma megler aktivitet (GO: 0030618), reseptor signalise protein tyrosin kinase aktivitet (GO: 0004716), Efrin reseptor binding (GO: 0046875), MAP kinase aktivitet (GO: 0004707), beta-catenin binding (GO: 0008013) , cytokin reseptor binding (GO: 0005126), androgen reseptor binding (GO: 0050681).
Alle GO-vilkår som er nevnt ovenfor i stor grad støtte generiske kreftprosesser. P-verdier for disse «betydelig beriket GO gjelder CGN Top75 hubs «er i størrelsesorden 10e-4 og 10e-13. Figur 7 viser disse overrepresentert GO vilkårene og statistikk for deres utbredelse.
overrepresentasjonen studier av Top75 CGN huber reflektere deres rolle i generiske kreft prosesser og funksjoner. Blant de betydelig beriket GO termer, 17 representerer selv spredning kretser (lys grå), 20 representerer cytostase og differensierings kretser (mørk grå) og 4 representerer levedyktighet kretser (svart).
topologisk Sentrale Gener av CGN Correlate med biologisk sentral betydning
Vi ytterligere sjekket den biologiske relevansen av de sentrale gener CGN. Vi delte CGN i to sett, essensielle og ikke-essensielle, ved hjelp av pattedyr Phenotype Ontologier [63] for å klassifisere gener som viktig når de forårsaket embryonale, perinatal, postnatal eller neonatal dødelighet i musemodeller [64] med fenotypiske data fra mus Genome informatikk ( MGI) [65]. Prosentandelen av essensielle gener ble beregnet i «nav» og deres tilsvarende ikke-nav for varierende hub definisjoner. Figur 8 viser statistikken for andel av hub og ikke-hub gener kommenterte like viktig. Blant de syv parametere beregnede, navene identifisert ved hjelp grad, betweenness og stress har en betydelig prosentandel av essensielle gener (mellom 82% til 92%) (Figur 8A). Forresten, ingen av de resterende fire nettverksparametere viser god korrelasjon med biologisk vesentlighet. Den ikke-huber, som forventet fra tilfeldige samplings statistikken, har rundt 50% av essensielle gener assosiert, uavhengig av metriske brukes for rangering (figur 8B). For nav bestående av Top75 gener, de valgte parameterne har en meget høy andel av essensielle gener (mellom 88% og 89%), i forhold til resten av parametrene. Figur 3 viser den sentrale natur Top75 hub gener av CGN og fremhever de essensielle og ikke-essensielle gener blant dem. Dette understreker betydningen av nettverks beregninger valgt i koding biologisk relevans. Dette er konsistent med tidligere rapporter om nav å være mer avgjørende [64] og nettverk sentralitet kreftgener [37].
A. For hub definisjoner varierer mellom Top25 til Top200, navene identifisert ved hjelp grad (1, «rød»), betweenness (2, «grønne»), og stress (3, «blå») har betydelig høy andel (82% -92% ) av essensielle gener, klassifisert ved hjelp av fenotypiske data for Muse Genome informatikk. Blant resten av fire parametere nabolaget tilkobling (4) og topologisk koeffisient (5) viser verken signifikant eller konsistent sammenheng med viktige gener. På grunn av beskaffenheten av «clustering koeffisient» og «gjennomsnittlig korteste veien lengde «parametere, kan ikke dataene binned på samme intervaller. For clustering koeffisient, er prosentandelen av essensielle gener blant de noder som har opp til Top200 rangeringer i størrelsesorden 27% og 62%. For gjennomsnittlig korteste veien lengde, er prosentandelen av essensielle gener for noder med vurdering opp til Top200 26%, verre enn forventet fra stikkprøvekontroll. B. I tilsvarende ikke-huber, er prosentandelen av essensielle gener som forventet fra stikkprøvekontrollen, uavhengig av sentralitet tiltaket eller cut-off brukes til hub definisjon.
SBCGs og sin karakteristiske GO Vilkår
Å vite at metastase til ben er hovedsakelig forårsaket av spredning fra primær prostata og brystkreft [10] – [13], vi tar sikte på å samle gener knyttet til disse prosessene. Vi samlet en liste over 391 Sekundær Bone Cancer (SBC) mottakelige gener fra litteraturen rapporterings eksperimentelle studier (Set-B i figur 2 og tabell S3). For å identifisere relevansen av disse genene i sammenheng med metastaser i bein, utførte vi en overrepresentasjon analyse ved hjelp av CGN som universet. Gene ontologi berikelse studier av SBCGs forventes å reflektere GO kategorier av biologiske prosesser og molekylære funksjoner som er relevante for metastaser til skjelettet, er i samsvar med de kjente aspekter av reguleringsmekanismer av beinmetastase (figur 1).
Vi identifiserte 93 betydelig beriket GO gjelder SBCGs for biologiske prosesser, molekylære funksjoner og cellulære komponenter. Vi identifiserer CGN gener merket med en av disse 93 GO vilkårene for å konstruere «Beriket Gener» set (Set-C i figur 2). Vi finner at ut av de 93 betydelig beriket GO termer, er 31 forbundet med spredning eller bein prosesser. Ut av disse 31 GO vilkårene, 21 er mest relevante for metastase mekanismer og 10 for bein-relaterte prosesser (figur 9).
Fra Start berikelse studier av SBCGs, kuratert fra litteraturen, 21 GO vilkår relevant for metastaser ( «lys grå») og 10 GO vilkår relevante for bein ( «mørk grå») prosesser ble identifisert
følgende GO vilkår, som ble betydelig beriket, er knyttet til bein prosesser. osteoblastdifferensiering (GO: 0001649), regulering av beinremodeling (GO: 0046850), endochondral ossifikasjon (GO: 0001958), utskifting ossifikasjon (GO: 0036075), beinmineralisering (GO: 0030282), ossifikasjon (GO: 0001503), brusk utvikling ( GO: 0051216), respons på vitamin D (GO: 0033280), kollagen metabolisme (GO: 0032963), kollagen fibrillforskningen organisasjon (GO. 0.030.199)
følgende biologiske prosesser GO vilkår, som ble betydelig beriket , er knyttet til mekanismer for metastase: levkocyttmigrasjonen (GO: 0050900), celle-celle adhesjon (GO: 0016337), angiogenese (GO: 0001525), positiv regulering av celle adhesjon (GO: 0045785), negativ regulering av celle adhesjon ( GO: 0007162), positiv regulering av levkocyttmigrasjonen (GO: 0002687), regulering av leukocytter chemotaxis (GO: 0002688), positiv regulering av leukocytter chemotaxis (GO: 0002690), positiv regulering av catenin import til kjernen (GO: 0035413).
Etter molekylære funksjoner GO termer som var betydelig beriket, er knyttet til mekanismer for metastase: laminin binding (GO: 0043236), fibronektinbindende (GO: 0001968), fibroblast vekstfaktor reseptor binding (GO: 0005104), platelet-derived growth factor binding (GO: 0048407), ekstracellulære matrise binding (GO: 0050840), kollagen binding (GO: 0005518), inte binding (GO: 0005178), glvkosaminoglvkan binding (GO: 0005539), cytokin aktivitet (GO: 0005125), karbohydrater binding (GO: 0030246)
Forut SBC-spesifikke mål
for å forutsi SBC-spesifikke mål av potensiell terapeutisk verdi, vi logisk sidestilt de tre settene med gener oppnådd:. CGN hub gener (Top75), SBCGs og kreftgener merket med GO vilkår overrepresentert for SBCGs (figur 2 og figur 10). På grunnlag av spesifisitet for sekundær bein kreft, som vist i figur 10A, ble Venn-diagram som tilsvarer disse gensettene delt inn i syv forskjellige regioner: Set-et, Set-b, Set-c, Set-ab, Set-bc , Set-ac og Set-abc. Totalt sett settene som hører til sentrale gener av Köln (Set-et, Set-ab, Set-ac og Set-abc) inneholder gener som er involvert i generiske kreftmekanismer (figur 6), og er også viktig (figur 8). Derfor, mens skaffe SBC-spesifikke mål, vi ser ikke på disse genene bestemmer. Ut av resten av tre sett omfatter Set-b-genene som allerede er rapportert å være forbundet med SBC mekanismer, kan følgelig ikke avsløre nye gener. Vi fokuserer på Set-c og Set-bc, tilsvarende ikke-generisk kreftgener kommenterte med SBC-spesifikke GO vilkår og de som er rapportert å være å ha en rolle i SBC mekanismer, henholdsvis for leting etter nye SBC-spesifikke mål. <
