PLoS ONE: karakterisointi ilmentyvät eri geenien Pathways Associated kanssa mahasyövän

tiivistelmä

tutkia malleja geeniekspression mahasyövän, yhteensä 26 pariksi mahasyövän ja noncancerous kudoksia potilailta otettiin geenien ilmentymisen microarray analyyseja. Limma menetelmiä sovellettiin tietojen analysoimiseksi, ja geenit katsottiin merkittävästi ilmentyvät eri jos False Discovery Rate (FDR) arvo oli < 0,01, P
-arvo was < 0,01 ja taitekohdan muutos (FC) oli > 2. Myöhemmin, Gene ontologia (GO) luokkien käytettiin analysoimaan päätoiminnot differentiaalisesti ilmentyvien geenien. Mukaan Kioton Encyclopedia of Genes and Genomit (Kegg) tietokanta, löysimme väyliä merkittävästi liittyvä ero geenejä. Gene-laki verkko ja koekspressoimalla verkko rakennettiin vastaavasti perustuu väliset suhteet geenien, proteiinien ja yhdisteiden tietokantaan. 2371 mRNA: t ja 350 lncRNAs katsotaan merkittävästi ilmentyvät eri geenit valittiin lisäanalyysiä. GO luokat, polku analysoi ja Gene-lain verkko osoittivat johdonmukaisesti seurauksena jopa geenien vastasivat kasvaimien synnyn, muuttoliike, angiogeneesi ja microenvironment muodostumista, kun taas alas geenien oli mukana aineenvaihduntaan. Nämä tulokset Tämän tutkimuksen antaa joitakin uusia havaintoja koodaavat RNA: t, lncRNAs, reittejä ja ilmentäminen rinnakkain verkon mahasyövän joista on hyötyä ohjaamaan lisätutkimuksia ja kohdistaa hoito tähän sairauteen.

Citation: Li H Yu B, Li J, Su L, Yan M, Zhang J, et al. (2015) karakterisointi ilmentyvät eri geenien Pathways Associated kanssa syöpään. PLoS ONE 10 (4): e0125013. doi: 10,1371 /journal.pone.0125013

Academic Toimittaja: Francisco J. Esteban, University of Jaén, Espanja

vastaanotettu: Marraskuu 9, 2014; Hyväksytty: 06 maaliskuu 2015; Julkaistu: 30 huhtikuu 2015

Copyright: © 2015 Li et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään

Data Saatavuus: kaikki asiaankuuluvat tiedot kuuluvat paperin ja sen tukeminen Information tiedostoja. Kaikki microarray tiedostot ovat saatavilla NCBI Gene Expression Omnibus (GEO) tietokantaan (hakunumero "GSE65801" http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE65801).

Rahoitus: Tätä työtä tukivat avustusta analyysi National Natural Science Foundation of China [No. 81172324, No. 91229106, nro 81272749, ja nro 81372231], Science and Technology komission Shanghai kunta [No. 13ZR1425600], ja Key hankkeet National Science & Teknologia pilari ohjelma Kiina (nro 2014BAI09B03). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Mahasyöpää (GC) on yksi yleisimmistä syövistä maailmanlaajuisesti, ja sen esiintyvyys on erityisen suuri Itä-Aasiassa, erityisesti Kiinassa. Noin 952000 uutta tapausta mahasyöpä todettiin maailmanlaajuisesti vuonna 2012, ja puolet tapahtui Itä-Aasiassa (pääasiassa Kiinassa) [1]. Kiinassa suurin osa potilaista GC diagnosoidaan vasta myöhäisessä vaiheessa huonon ennusteen. Siksi valaisemaan molekyylitason mekanismeista GC eteneminen on tärkeää tunnistaa keskeiset biomarkkereita ja kehittää tehokkaita hoitomuotoja kehitettäessä.

Viime vuosikymmenen aikana, geenien ilmentyminen mikrosiruja on tullut yleinen työkalu tutkittaessa geenin transkriptipitoisuuksissa syöpätutkimukseen. Microarray tietoja käytetään monenlaisia ​​analyysejä, kuten valvomattoman klusterointi, luokittelu, differentiaalikaavojen analyysi, ja ilmaisun kartoitus polygeeninen ominaisuus [2]. Se auttaa tunnistamaan keskeiset vääristyneet geenien syövän mutta tarjoaa genominlaajuisten tietoa geenien ilmentymisen kerralla sekä [3,4]. Tässä tutkimuksessa olemme suorittaneet genomin laajuinen tutkimus ilmentymisen lncRNAs ja mRNA: iden välillä pariksi näytteistä ensisijainen mahasyövän kudosten ja noncancerous kudosten, profiloida ilmentyvät differentiaalisesti lncRNAs ja koodaavat RNA: t. Tutkimus Näiden tietojen saadaan arvokasta tietoa mekanismista syövän synnyn ja mahdollistaa löytyminen avaimen geenejä, jotka voivat toimia tulevaisuuden tavoitteet syövän hoidossa.

Menetelmät ja materiaalit

Eettinen lausunto

Kirjallinen suostumus saatiin kaikilta osapuolilta. Tutkimuksen hyväksyi Human Research Ethics komitean Ruijin Hospital, Shanghai Jiao Tong University, School of Medicine.

kudosnäytteitä

Otettiin kudoksia alkutuotannosta mahakarsinoomat peräisin hoitamattomista potilaista, joille tehtiin D2 radikaali gastrektomia Shanghaissa Ruijin sairaala. Kunkin syöpäkudoksessa, pariksi noncancerous kudosnäyte kerättiin viereisen alueen samanaikaisesti. Koko kunkin näytteen oli noin 0.1cm ^{3. Kaikki näytteet laitettiin RNAlater 15 minuutin kuluessa poisto ja varastoitiin nestemäisessä typessä, kunnes RNA. Tässä tutkimuksessa 32 pariksi kudokset kerättiin microarray ja 26 pariksi näytteitä otettiin seuraavaksi askeleen analyysi GO, reitin ja verkko jälkeen laadunvalvonta 3D Pääkomponenttianalyysi (3D-PCA) ja Ryhmittelyanalyysi.}

Microarray kokeita

Agilent SurePrint G3 Human GE 8x60K Microarray (Design ID: 028004) käytettiin tässä tutkimuksessa. Kokonais-RNA eristettiin ja monistettiin Low Input Lyhyt Amp Labeling Kit, One-Color (Catȇ0-2305, Agilent Technologies, USA). Sitten leimattu cRNA puhdistettiin jonka RNeasy mini kit (Cat˥06, QIAGEN, Saksa).

Perustuu valmistajan ohjeiden kukin dia hybridisoitiin 600 ng Cy3-leimattu cRNA käyttämällä Gene Expression Hybridisaatio Kit (CatȆ8-5242, Agilent Technologies, USA) ja pestä Gene Expression Wash Buffer Kit (CatȆ8-5327, Agilent Technologies, USA).

Agilent Microarray Scanner (Cat # G2565CA, Agilent teknologiat, USA) ja Feature Extraction ohjelmisto 10,7 (Agilent Technologies, USA) levitettiin skannata kunkin dian samoilla asetuksilla esitetty seuraa, Dye kanava: Green, Skannaustarkkuus = 3 um, 20bit. Raakadata normalisoitiin kvantiiliestimaattorilla algoritmin, Gene Spring Software 11,0 (Agilent Technologies, USA) (yksityiskohtaisesti S5 taulukko).

Limma

Lineaarinen malleja ja empiirinen Bayes menetelmiä voidaan hahmottaa tiedot tässä tutkimuksessa. Tuloksena P
-arvot säädettiin käyttämällä BH FDR algoritmia. Oli kolme standardeja pohtimaan, että geeni oli merkitsevästi ilmentyvät eri, FDR arvo oli < 0,01, P
-arvo was < 0,01 ja taitekohdan muutos oli > 2. (Yksityiskohtaisesti S5 taulukossa) B

GO kategoria

Suoritimme Gene ontologia (GO) analysoi analysoida toimintoja differentiaalisesti ilmentyvien geenien meidän microarray mukaan keskeiset toiminnalliset luokittelu National Centre for Biotechnology Information (NCBI). Yleensä Fisherin testiä ja χ
^{2 testiä sovellettaisiin luokitella GO luokka, ja väärä löytö määrä (FDR,) laskettiin korjaamaan P
-arvo ( n
_{k
tarkoittaa määrää Fisherin testi P
-arvot vähemmän kuin χ
2 testi P
-arvot). Rikastamista Re antoivat: Re = ( n
f Twitter / n
) /( N
f Twitter / N
) on merkittävä luokkiin ( N
f
on määrä ero geenien sisällä tiettyyn ryhmään, n
on kokonaislukumäärä geenien samaan luokkaan, n
f
on määrä ero geenien koko microarray, ja N
on kokonaismäärä geenien microarray.) (yksityiskohtaisesti S5 taulukko).}}

Pathway analysoi

Pathway merkinnät differentiaalisen exressed geenit saatiin Kegg (http: //www .genome.jp /Kegg /). Pathway kategoriaa FDR < 0,01 merkittiin. Rikastuminen merkittävä reitit antoivat: rikastamiseen = /, joka auttoi meitä paikantamaan merkittävämpi reittejä tutkimuksessamme ( n
<sub>g
on määrä ero geenien sisällä erityisesti polku, n

on kokonaismäärä geenien samaa reittiä N
g
on määrän ero geenejä, joilla on vähintään yksi polku merkintä, ja N

on määrä geenejä, joilla on vähintään yksi polku huomautusta koko mikrosirulla.) (yksityiskohtaiset S5 taulukko).</sub>

Gene-lain verkon

mukaan Kegg tietokantaan, yksi geeni voi olla osallisena useissa reittejä tai vuorovaikutuksessa useiden muiden geenien. Kaikki geeni-geeni vuorovaikutukset yhdistettiin yhdessä rakentaa Gene-lain verkko perustuu ero polkuja, jotka auttoivat meitä paljastaa signalointireittien ja keskeisten sääntelyn geenien GC.

Co-ilmaisu verkko

Gene koekspressoimalla Network rakennettiin mukaan normalisoitu signaalin voimakkuuden erityinen ilmentymä geenejä. Asteen keskeisyyden määritellään useita linkkejä yksi solmu on toiseen, joka määrittää suhteellinen merkitys geenejä. Mikä parasta, k-ytimiä levitettiin menetelmänä yksinkertaistaa kuvaajan topologia analyysit. Core säätelytekijöitä (geenejä), joka on korkein astetta yhdistää useimmat viereisten geenien ja rakentaa verkon rakenne (yksityiskohtaisesti S5 taulukko).

Reaaliaikainen kvantitatiivinen PCR

Kokonais-RNA eristettiin kudoksista käyttämällä Trizol-reagenssia (Invitrogen) mukaisesti valmistajan ohjeiden mukaisesti. Kvantitatiivinen reaaliaikainen polymeraasiketjureaktio (PCR) suoritettiin käyttäen SYBR-vihreällä PCR Master Mix on nopea reaaliaikainen PCR 7500 System (Applied Biosystems). Alukkeista 10 geenien osoitti S4 taulukossa. PCR-reaktiot suoritettiin 50 ° C: ssa 2 min, jota seurasi 40 sykliä 95 ° C 15 s ja 60 ° C 1 min. ACt laskettiin vähentämällä Ct β-aktiinin RNA (kontrolli) peräisin Ct RNA näytteen vastaavasti. ΔΔCt laskettiin sitten vähentämällä ACt valvonnan peräisin ACt näytteen. Kertainen muutos laskettiin yhtälöllä 2-ΔΔCt.

Tilastollinen

SPSS-ohjelmiston 19 ja Microsoft Excel 2010 käytettiin analysointiin. Expression tasojen syövän kudosten ja viereisten noncancerous kudokset analysoitiin pariksi otoksen t-testejä. P
-arvot alle 0,05 pidettiin tilastollisesti merkitsevä.

Tulokset

Microarray analysoi

Kaikkiaan 42405 ihmisen geenejä profiloitiin meidän tutkimuksessa käyttäen Agilent G3 Human GE 8x60K mikrosirun. Olemme toimittaneet aineisto arkistosta on "Gene Expression Omnibus" ja hakunumerolla oli "GSE65801" (http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE65801). Käytimme lineaarisia malleja ja empiirinen Bayes menetelmiä tietojen analysoimiseksi (katso menetelmät). Oli 2371-mRNA: ja 350 lncRNAs pidetään ilmentyvät eri geenien Limma seuraavan askeleen analyysi (kuvio 1A).

Kaikista 2371 ero mRNA: ita, on olemassa 1142-mRNA: alassäädetty ja 1229-mRNA: iden alku- säännelty havainto kuluttajan muutokset geenien ilmentymisen välillä mahasyövän ja kontrollisilkkipaperia (kuvio 1 C). Useimmat ero mRNA: iden on osoitettu korreloivan karsinogeneesin ja etäpesäkkeiden useimmissa syöpätyypeissä (taulukko 1). Geenit kuten GKN2, PGC, MUC6, CHIA, PSCA ja FBP2 olivat joukossa 20 alas geenien, kun taas KLK8, SFRP4, INHBA, CLDN1, CST1, FAP, SPP1, OLFM4, ja KRT17 olivat top 20 ylös -regulated geenejä (taulukko 1). Kuitenkin jotkut geenit kuten HOXC9, FNDC1, STRA6, KCNE2, PGA3 ja KCNJ16 ei ole raportoitu mahasyövän ja niiden roolit eivät ole tiedossa (taulukko 1).

Lisäksi löysimme 193 alassäädetty lncRNAs ja 156 sääteli lncRNAs joukossa yhteensä 350 ero lncRNAs perustuu profilointi (kuvio 1 B). Useimmat lncRNAs ole annettu viralliset nimet ja niiden toiminnot ovat edelleen tuntemattomia. Kuitenkin jotkut on raportoitu pelaa kriittinen rooli syövän, kuten H19, GUCY1B2, MEG3 ja AKR7L (taulukko 2).

Edellisessä raportissa [36], taitteen muutos (FC) ja H19 74 mahasyöpä versus pariksi noncancerous kudoksissa oli 6.015, jossa on P
-arvo on 0,017. Tämä tulos oli yhdenmukainen tietoihin H19 (Absolute FC = 6.06) tässä microarray analyyseja. Lisäksi yli-ilmentyminen H19 edistää solujen lisääntymisen, migraation ja metastaasit mahasyövän.

Gene ontologia luokkia

Kaikki ilmentyvät eri geenit luokiteltiin eri toiminnallisten luokkien mukaisesti Gene ontologia (GO) hanke biologisiin prosesseihin. Perustuu microarray tietojen GO osoittivat, että 208 GO termejä rikastettiin ( P
< 0,01, FDR < 0,01) (S1 taulukko). Ensisijainen GO luokat 170 sääteli GO ehdot keskittyivät soluadheesiota, angiogeneesi, monisoluisista organismin kehitys, aksoniohjauksen, luuston järjestelmän kehittämiseen, kollageeni fibrillien organisaatio, positiivinen angiogeneesin säätelyyn, loukkaantumisesta ja negatiivisen säätelyn soluproliferaation (kuvio 2A) . Tärkeimmät GO luokat alas geenien olivat ruoansulatusta, xenobiotic aineenvaihduntaa, transmembraaninen kuljetus, ioninkuljetusmeka- pienimolekyylisiä aineenvaihduntaa, negatiivinen sääntelyä kasvun, glutationi aineenvaihduntaa, soluvastetta kadmiumia ioni ja aineenvaihduntaa (kuvio 2B).

mukaan ero geenien ja toimintoja, rakensimme GO Tree tutkia vuorovaikutusta joukossa kaikki ero GO luokkia. Monimuotoisuus näissä luokissa verrattaessa syöpä- ja kontrollisilkkipaperia ehdotti, että mahasyövän voi liittyä merkittävästi säädelty solumigraatio, solujen lisääntymisen, angiogeneesin, solu-soluadheesion ja solun pinnan reseptorin signalointireittejä, kun taas solujen aineenvaihduntaa prosesseja ja ioni transmembraaninen kuljetus ovat alassäädetty (kuvio 3).

Pathway analysoi

Pathway analyysejä käytettiin tunnistamaan merkittävät reitit liittyy differentiaalisesti ilmentyvien geenien mukaan Kegg. Oli 32 sääteli reittejä ja 31 alassäädetty reittejä perustuvat tietoihin (kuvio 4). Lisäksi polku profilointi oli yhdenmukainen tulokset GO luokista syöpään liittyvien biologisia toimintoja. Tuloksemme osoittivat joitakin ero geenien erittäin säädelty jossa ehdotettiin niiden mukana polut olivat aktivoimattomilla. Esimerkiksi SFRP4, WNT11, FZD2, MYC olivat erittäin ilmaistaan ​​syöpä kudoksia, jotka edustavat Wnt koulutusjakso on aktivoimattomilla ja BCL2A1, ICM1, TNFSF14 NF-KB-reitin olivat erittäin ilmaistaan ​​samoin. Useimmat syöpään liittyvien signalointireittien kuten JAK /STAT, Wnt, NF-KB, PI3K, mTOR, Hedgehog ja Notch reittejä aktivoitiin mahasyövän verrattuna noncancerous kudoksiin perustuvat tietoihin (S2 taulukko). Ylös säädelty reittejä, jotka keskittyivät soluadheesiota, transkription dysregulation, syövän synnyn ja erilaistumista korreloivat tuumorigeneesissä ja etäpesäkkeiden (kuvio 4A). Kuitenkin alassäädetty reittejä olivat yleensä vastuussa aineenvaihduntaan (kuvio 4B).

Gene-lain verkon

Perustuu GO luokkia ja polku analyysi, yksi geeni voi olla osallisena useissa reittejä tai vuorovaikutuksessa useiden muiden geenien. Olemme yhdistäneet ero geenien ja muodostuvan verkoston vuorovaikutusta erilaisesti ilmaistuna geenejä. Korkea proteiini säätelee tai säätelee monia muita proteiineja, mikä merkitsee tärkeä rooli Gene-lain verkkoon (S3 taulukko). Glutationi S-transferaasi (GST) perhe, sytokromi P450 (CYP) perhe, UDP glukuronosyylitransferaasin 2 (UGT2) perhe, epidermaalisen kasvutekijän reseptori (EGFR) perheen ja cAMP-riippuvaisen proteiinikinaasin katalyyttinen beta (PRKACB) olivat ytimessä geeni-geeni vuorovaikutusverkosto. Ne voivat avainrooleja verkkoon, koska heillä vahvin aste (aste > 25) centralities (geeni-geeni vuorovaikutukset) (kuvio 5). On raportoitu, että GST, EGFR ja PRKACB ovat vastuussa signaalintransduktioreitteihin mukana kasvaimen kasvua ja erilaistumista eri tyyppisiä syöpiä [42,43].

Gene koekspressio verkon

tuotettiin geenin rinnakkain ilmentämisen verkko perustuu differentiaalisesti ilmentyvien geenien, proteiinien ja proteiinien monimutkaisia ​​syöpäkudoksissa ja noncancerous (kontrolli) kudoksiin, vastaavasti. Kontrolliin verrattuna, väliset yhteydet geenien syövän kudoksissa olivat vähemmän, mikä viittasi siihen, että suurin osa fysiologista geenin-geenin vuorovaikutusta ja sidoksia normaaleissa kudoksissa oli kadonnut tai syövän kudoksissa (kuvio 6A ja 6B). Geenit on suurella ja k-core mikä tarkoittaa heillä useimmat yhteisvaikutukset muiden geneswere tunnetaan avain geenien vuorovaikutusverkosto (kuvio 6B) kuten TRO, GPR124, TIMP2, EMCN, SLIT3, HTRA1, SPARC, LAMA4 ja MEOX2 (Taulukko 3). He olivat vastuussa solun signalointi, tarttuvuus, angiogeneesi, muuttoliike, kasvua ja etäpesäkkeiden.

Vahvistus mikrosi- tulosten qPCR

Suoritimme Quantitative Reaaliaikainen PCR (qPCR) 6 sääteli geenit (COL1A, BGN, SPP1, MELK IGFBP4, SPARC) ja 4 alas geenien (PGC, SST, MT1X, S100P) tarkistaa meidän data mahasyövän kudoksissa (kasvain) ja noncancerous kudokset (Normaali). Ilmaisu suhteet Näiden 10 geeneistä (kasvain /Normaali) alkaen qPCR ovat yhdenmukaisia ​​alkaen mikrosiru (S4 taulukko). Se ehdotti data ero geenien ilmentymisen mikrosirujen oli luotettava. Mikä parasta, meidän joukkue on työskennellyt joitakin ero geenien kuten PHF10 [55], CEACAM6 [56], SFRP1 [57], SOX11 [58], CLDN1 [59] tutkimaan niiden ilmaisun ja toimintoja mahasyövän ja tulokset täydellinen osoittautui meidän microarray data.

keskustelu

microarray geeni-ilmentymisen analyysit mahasyövän on aiemmin käytetty ennustamaan diagnostisia markkereita [60] ja tunnistaa geeniekspressiomalleja liittyy ennusteeseen [ ,,,0],61,62], mutta sitä ei ole käytetty paljastaa molekyylien vuorovaikutus lncRNAs ja mRNA GC. Tässä tutkimuksessa kartoitettiin 26 mahasyövän kudosten kanssa pariksi noncancerous kudosten ja profiloitu geenit ilmentyvät differentiaalisesti niiden GO luokkiin, polkuja, Gene-laki verkko ja Co-Expression verkkoon.

geenin ilmentymisen tulokset saatiin käyttämällä Agilent G3 Human GE 8x60K microarray, joka ei ainoastaan ​​kattaa transcriptome tietokantoja mRNA tavoitteita, mutta myös koettimina lncRNAs (Pitkien ei-koodaavat RNA: t). Yhdistelmällä mRNA ja lncRNAs, se voi suorittaa kahdessa kokeessa yhden microarray ja ennustaa lncRNA toiminta ja vuorovaikutus mRNA: t. Analyysit paljastui joukko geenejä, jotka ilmentyvät differentiaalisesti välillä mahasyövän ja normaalia kudosta. Osa niistä on aikaisemmin raportoitu maha- tai muita syöpiä. Esimerkiksi ekspressiota gastrokine-2 (GKN2) oli laskenut merkittävästi säädelty tai ei lainkaan mahalaukun syövän solulinjoissa, mahalaukun suoliston metaplasia, ja kasvainkudoksia. Yli-ilmentyminen GKN2 osaltaan solujen lisääntymisen, migraation ja invaasion mahasyövän ja pidätti solukierrossa G1-S-siirtymävaiheeseen [6]. Sitä vastoin ilmentymistasot inhibiini beta A (INHBA) olivat merkittävästi korkeammat syöpäkudoksessa kuin viereisen normaalin limakalvon, ja sitä pidetään itsenäisenä ennustetekijä mahasyövän [22]. Lisäksi olemme havainneet joitakin uusia geenejä, kuten TMEM184A, PSAPL1, KIAA1199, CLRN3 ja FNDC1, joita ei ole raportoitu mahasyövän aikaisemmin, ja niiden roolista syövässä, ei tunneta.

Yksi eduista meidän geenien ilmentymisen mikrosiruanalyysi on, että se edusti ilmaus lncRNAs ja mRNA: iden, jotta molemmat voitaisiin tutkia yhdessä. Meidän aiemmin raportoida roolista lncRNA H19 ja sen verkon GC [36] perustui tähän microarray data. Kuitenkin suurin osa lncRNAs kuten DRD5, FMO6P, SNAR-A3 ja TPRXL osoitti meidän microarray ei ole tunnistettu ja tarvitsevat lisätutkimuksia selvittämään niiden roolit mahasyövässä.

Koska meillä geeniekspressioprofilointi data, geenit ja niiden toiminnot aktivoituvat mahasyövässä vastasivat leviämisen, tarttuvuus, muuttoliike ja etäpesäkkeitä, joka oli yhdenmukainen tulosten reitin analyysejä. Kiinnostavaa kyllä, havaitsimme, että suurin osa syöpään liittyvien signalointireittien raportoitiin aikaisemmin, kuten Notch, mTOR ja Hedgehog aktivoitiin GC perustuvat tietoihin. Nämä tulokset tukevat siltä kannalta, että heterogeenisuus on ominaista GC. Vertailu ilmentäminen rinnakkain verkon välillä normaaleissa kudoksissa ja syövän ehdotti, että ilmaisu, toiminnot ja vuorovaikutukset enemmistön fysiologisia geenin menetettiin tai vaurioitui mahasyövän, kun taas proliferaatiota, migraatiota ja etäpesäkkeiden olivat epätavallisen parannettu. Nämä mielenkiintoisia havaintoja vastaamaan ominaisuudet syöpä, kuten anaplasia ja erilaistamattomuuden. Nämä differentiaalisesti ilmentyvien geenien mukana signalointipolkujen toiminut keskeisten geenien ilmentäminen rinnakkain verkko saattaa olla mahdollisia kohteita syövän hoitoa tai diagnostisia markkereita tulevaisuudessa.

tukeminen Information
S1 Taulukko. Pathway analyysit ero geenien
doi: 10,1371 /journal.pone.0125013.s001
(XLSX)
S2 Taulukko. GO analyysit ero geenien
doi: 10,1371 /journal.pone.0125013.s002
(XLSX)
S3 Taulukko. Gene-laki verkosto ero geenien
doi: 10,1371 /journal.pone.0125013.s003
(XLSX)
S4 Taulukko. Alukkeita ja todentaminen
doi: 10,1371 /journal.pone.0125013.s004
(DOCX)
S5 Taulukko. Menetelmät ja materiaalit
doi: 10,1371 /journal.pone.0125013.s005
(DOCX) B

Kiitokset

Haluamme kiittää tohtori Fred Bogott klo Austin Medical Center , University of Minnesota, ja tohtori Joshua Liao klo Hormel Institute, Austin Minnesotan niiden Englanti muokkausta tämän käsikirjoituksen. Haluamme kiittää rahoittajia tukemaan tätä tutkimusta. Tätä työtä tukivat avustuksia National Natural Science Foundation of China [No. 81172324, No. 91229106, nro 81272749, ja nro 81372231], Science and Technology komission Shanghai kunta [No. 13ZR1425600], ja Key hankkeet National Science & Teknologia pilari ohjelma Kiina (nro 2014BAI09B03).

• PLoS ONE: Survival Analysis of Potilaat Interval Cancer Undergoing mahasyövän Seulonta Endoscopy
• PLoS ONE: Prognostic merkitys matriksimetalloproteinaasi-7 mahasyövän Survival: Meta-analyysi