PLoS Genetics: onkogeeninen Pathway Yhdistelmät Veikkaa Clinical ennuste mahasyövän

tiivistelmä

Monet kiinteiden syöpien tiedetään olevan korkea heterogeenisyys niiden purkamista eri onkogeenisten reittejä. Olemme pyrkineet tunnistamaan suuria onkogeenisen reittejä mahasyövän (GC) merkittäviä suhteita potilaan selviytymistä. Geenien ilmentyminen allekirjoitukset, me keksineet in silico
strategiassa kartta malleja onkogeenisten reitin aktivaation 301 ensisijainen syöpien, toiseksi korkein syy maailmanlaajuiseen syöpään kuolleisuus. Havaitsimme kolme onkogeeninen väyliä (lisäkasvu /kantasolu-, NF-KB, ja Wnt /β-kateniinin) vapautettiin useimmissa (> 70%) mahasyövistä. Me toiminnallisesti validoitu nämä polku ennustukset paneelissa mahasyövän solulinjoissa. Potilaan jaottelu onkogeeninen reitin yhdistelmät osoittivat toistettavissa ja merkittäviä selviytymisen eroja useita ikäluokat, mikä viittaa siihen, että polku vuorovaikutuksia voi olla tärkeä rooli vaikuttavat taudin käyttäytymiseen. Yksittäiset GC voidaan menestyksellisesti taxonomized onkogeeninen signalointia biologisesti ja kliinisesti merkittävä alaryhmiä. Hoitojen reitin aktiivisuutta ilmaisu allekirjoitukset siten sallii tutkimus useiden syöpään liittyvien reittien vuorovaikutuksessa samanaikaisesti primaarisyöpien, mittakaavassa ei tällä hetkellä saavutettavissa muilla alustoilla.

Author Yhteenveto

Mahasyöpä on toiseksi suurin syy globaalin syöpään kuolleisuus. Nykyisillä hoidot, alle neljäsosa potilaista elää pidempään kuin viisi vuotta leikkauksen jälkeen. Yksittäiset syöpien ovat erittäin erilaisia ​​niiden solujen ominaisuudet ja vasteet kemoterapeuttisten standardilääkkeiden, joten mahasyövän monimutkainen sairaus. Pathway lähestymistavat, pikemmin kuin yhden geenin tutkimuksissa, voi auttaa purkaa tämä monimutkaisuus. Täällä me hyödyntää laskennallisen lähestymistapa tunnistaa yhteyksiä molekyyli polkuja ja syöpä profiileja. Suuressa mittakaavassa tutkimuksessa yli 300 potilasta, tunnistimme alaryhmiä mahasyövistä erotettavissa niiden malleja ajo molekyyli polkuja. Osoitamme, että nämä tunnistetut alaryhmiä ovat kliinisesti merkityksellisiä ennakoinnissa eloonjäämisen kesto ja voi osoittautua hyödylliseksi ohjata valinnassa kohdennettujen hoitomuotojen suunniteltu häiritsemään näiden molekyylien reittejä. Havaitsimme myös erityisiä mahasyövän solulinjojen peilaus nämä koulutusjakson alaryhmään, minkä pitäisi helpottaa prekliininen arviointi vastaukset kohdennettujen hoitomuotojen kunkin alaryhmän.

Citation: Ooi CH, Ivanova T, Wu J, Lee M, Tan IB, Tao J, et al. (2009) onkogeeninen Pathway yhdistäminen Veikkaa Clinical ennuste mahasyövän. PLoS Genet 5 (10): e1000676. doi: 10,1371 /journal.pgen.1000676

Editor: Jason G. Mezey, Cornell University, Yhdysvallat

vastaanotettu: 22 huhtikuu 2009; Hyväksytty: 03 syyskuu 2009; Julkaistu: 02 lokakuu 2009

Copyright: © 2009 Ooi 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.

Rahoitus: Tämä työ tukivat apurahoja PT alkaen BMRC 05/1/31/19/423, Singapore Cancer Syndicate SCS-BS0001, NMRC myöntää TCR /001/2007, ja Duke-NUS core avustusta. 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 toiseksi suurin syy maailmanlaajuiseen syöpään kuolleisuus [1]. Erityisen yleistä Aasiassa, useimmat GC potilaat diagnosoidaan pitkälle tauti [2]. Vapauttaminen kanoninen onkogeenisten reittejä kuten E2F, K-RAS, p53, ja Wnt /β-kateniinin signalointi tiedetään esiintyvän vaihtelevilla taajuuksilla GC [3] - [6], mikä osoittaa, että GC on molekyylirakennetta heterogeeninen sairaus. Aiemmat tutkimukset kuvaavat GC monimuotoisuuden ensisijaisen kasvaimet ovat yleensä keskittyneet yhteen polkuja, mitataan vain yksi tai muutama biomarkkereita koetta kohti [4], [6], [7]. Sen sijaan kokeellista näyttöä siitä, että suurin osa syöpä fenotyypit (hallitsematon kasvu, kestävyys apoptoosin, jne) sovelletaan suurelta osin ole vain yksi väyliä, mutta monimutkainen useiden pro- ja anti-onkogeenisen signalointi piirien [8]. Kapenee tämä kuilu kliininen ja kokeellinen areenoilla edellyttää strategioita, jotka pystyvät mittaamaan ja liittyvien työvoimaosuudessa useiden onkogeenisten reittejä samanaikaisesti primäärikasvaimissa.

Aiemmat tutkimukset ovat ehdottaneet käyttää geenien ilmentymisen allekirjoituksia ennustaa aktiivisuuden onkogeenisten koulutusjaksojen syöpiä [9] - täällä, me arveltu, että kuviot onkogeenisiä reitin aktivointi voitaisiin kehittää genomista taksonomian GC. Tärkeää on, tämän reitin-keskeinen strategia poikkeaa huomattavasti aikaisemmista microarray tutkimuksia kuvataan ilmaisun muutoksia, jotka liittyvät morfologiset ja kudostyypin erot GC [10], [11], kuten koulutusjakson allekirjoitukset (pikemminkin kuin yksittäisiä geenejä) käytetään perustana syövän luokittelun . Kehitimme in silico
tapa kartta aktivointitasoa eri reittejä kohortit monimutkaisten primaarikasvaimen profiilit ja validoitu tämän reitin-suunnattu luokitus lähestymistapaa käyttäen proof-of-concept esimerkkejä rintasyöpään. Sitten soveltanut tätä menetelmää kuin GC arvioimaan yhdentoista onkogeenisen reittejä aiemmin sekaantunut mahasyövän [3] - [7], [12] - [17]. Kaikkiaan analysoitiin yli 300 ensisijaista GC peräisin kolmesta itsenäisestä potilasaineistoihin, esittävien parhaan tietomme mukaan suurin genomisen analyysin GC tasalla. Havaitsimme kolme onkogeeninen väyliä (Nukleaaritekijä-KB (NF-KB), Wnt /β-kateniinin, ja lisäkasvu /kantasolujen), joka vapautui, että valtaosa (> 70%) GC, ja toiminnallisesti validoituja koulutusjakson ennustukset in vitro
käyttäen paneelia GC solulinjoissa. Vaikka potilas kerrostuminen tasolla yksilölliset väylät eivät johdonmukaisesti osoittamaan huomattavia eroja kliinisistä tuloksista, potilas jaottelu onkogeeninen reitin yhdistelmät (esim korkea leviämisen /high NF-KB vs. alhainen leviämisen /low NF-KB) osoitti toistettavissa ja merkittävät selviytymisen eroja useita riippumattomia potilasaineistoihin, mikä viittaa kriittinen rooli reitin yhdistelmät vaikuttavat GC kliinisessä käyttäytymiseen. Tuloksemme osoittavat täten, että GC voidaan onnistuneesti taxonomized käyttäen kasvaimia synnyttävän signalointia biologisesti, toiminnallisesti, ja kliinisesti merkittävä alatyyppejä.

Tulokset

Hoitojen Pathway Aktivointi Cancer Gene Expression Profiles

Strategiamme ennustamiseksi tasoilla onkogeenisten reitin aktivaation syövissä neljä vaihetta (kuvio 1A). Ensin määritellään "polku allekirjoitukset" - sarjaa geenien näytteille muuttunut ilme jälkeen toiminnallinen häiriön tietyn väylän hyvin määritelty in vitro
tai in vivo
koejärjestelmässä. Toiseksi meidän kartoitettu polku allekirjoitukset päälle geeniekspressioprofiilien heterogeenisen joukon syöpiä. Kolmanneksi, käyttäen nonparametric, sijoitus-pohjainen kaavoja menettely, aktivointi tulokset jaettiin yksittäisiin syöpien perustuvat vahvuus yhdistyksen reittiin allekirjoitus. Lopuksi, yksittäiset syöpien lajiteltiin perustuu niiden reitin aktivoinnin tulokset.

Ennen tätä lähestymistapaa GC, me piti tärkeänä vahvistaa tätä in silico
strategiassa sarjassa proof-of -periaatteella kokeiluja. Valitsimme esimerkki rintasyövän, maligniteetti, jolle on olemassa runsaasti todisteita koulutusjakson heterogeenisyys ja diskreetti "molekyylitason alatyyppien" [18]. Tehdä tätä validointi, ensin kysytään aiemmin kuvattu koulutusjakson allekirjoituksia liittyy alentunut estrogeenia signalointia voitaisiin käyttää tunnistamaan rintasyövän solulinjat näytteille korkea estrogeenireseptorin (ER) aktiivisuus. Analysoimme geeniekspressiovektoria paneeli 51 rintasyövän solulinjat alunperin kuvattu Neve klo al. [18], jossa on 11-geeni "tamoksifeeni herkkyys" polku allekirjoitus, joka on johdettu listan geenit ilmentyvät differentiaalisesti välillä Maca 3366, joka on tamoksifeeni herkkä ihmisen rintarauhasen -ksenograftia, ja Maca 3366 /TAM, joka on tamoksifeeni kestävä alalinja saman ksenografti [19]. Olemme havainneet, että rintasyövän solulinjat positiivisesti liittyy tamoksifeenin herkkyys allekirjoituksen esillä merkittävästi korkeammat ekspressiotasot ESR1
, estrogeenireseptorin ja molekyylitasolla tamoksifeenin, verrattuna viivat osoittavat negatiivisen reitin aktivoinnin tulokset (p = 2,12 x 10 ^{-7, tarkkuus 84,3%, herkkyys 100%, spesifisyys 75%) (kuvio 1 B ja taulukko S1).}

Toiseksi, testasimme jos väylän allekirjoitus estrogeenin signalointi, mutta johdettu ei- rintakudoksen voitaisiin käyttää myös ositusta sama paneeli rintasyövän solulinjoissa. Me epäili rintasyöpäsolulinja paneeli 41-geeni "estrogeenivasteen" allekirjoitus johdettu luettelosta geenien voimistuvan estradioli U2OS ihmisen luusarkoomasolujen [20]. Huolimatta allekirjoitus peräisin eri kudoksesta tyyppi (esim osteosarkooma), me jälleen havaittu, että kun lajitellaan perustuu niiden ennustettu estrogeenin reagointikykyä, rintasyövän solulinjat ryhmitelty yhteen niiden taso ESR1
(estrogeenireseptori) lauseke (p = 0,0035, tarkkuus 62,7%, Herkkyys 94,7%, spesifisyys 43,8%) (kuvio 1 C ja taulukko S1). Nämä tulokset osoittavat, että on todellakin mahdollista ennustaa malleja reitin aktivoinnin tietyllä syöpä kohteisiin (mahasyöpä meidän tapauksessa) käyttäen ilmaisua allekirjoituksia saatuja erilaisissa koeolosuhteissa ja jopa eri kudosten tyyppejä.

Patterns of onkogeeninen Pathway aktivointi GC

Tarkistuksen jälkeen tämän reitin ennustus lähestymistapa etenimme soveltamaan strategian ensisijainen GC. Sen sijaan testaamalla jokainen mahdollinen polku, valitsimme yksitoista onkogeeninen ja tuumorisuppressoriproteiinia reittejä aiemmin sekaantuneet mahasyövän, käyttämällä meidän analyysi RAS [4], p53 [5], BRCA1 [12], p21 [13], Wnt /β-kateniinin [6], E2F [3], SRC [14], MYC [15], NF-KB: n [21], histonin deasetylointi (HDAC) [16], ja kantasolun liittyvät allekirjoituksia [17]. Aina kun mahdollista, yritimme valita useita allekirjoituksia kunkin reitin, mieluiten riippumattomien julkaistuista tutkimuksista. Esimerkiksi kahden E2F aktivointia allekirjoitusta käytetään lähestymistapamme, yksi allekirjoitus saatiin indusoimalla E2F1 aktiivisuus rotan fibroblastisoluissa [22], kun taas toinen allekirjoitus saatiin käyttäen osteosarkooma-solulinjaa, joka sisältää indusoituvan ER-E2F1 fuusioproteiini [23]. Lopullinen polku ennusteita edelleen analyysit tyypillisesti saadaan yhdistämällä yksittäiset allekirjoitukset kuuluvat samaan reittiin (katso materiaalit ja menetelmät).

lasketaan aktivointi pistemäärät yhdentoista reittejä edustaa 20-reitin allekirjoituksia poikki kolme riippumatonta kohortteja ensisijainen GC peräisin Australiasta (kohortti 1-70 kasvaimet), Singapore (kohortti 2-200 kasvaimet), ja Yhdistyneessä kuningaskunnassa (kohortti 3-31 kasvaimia). Visualisoida malleja reitin aktivaation, me kuvattu kunkin kohortin lämpökarttana, jossa heatmap väri edustaa ennustetun vahvuus aktivoinnin kunkin väylän yksittäisten GC. Havaitsimme huomattava heterogeenisuus reitin aktivointi yksittäisten GC potilaiden (kuva 2A-2C). Kuitenkin allekirjoitukset johdettu riippumattomia tutkimuksia, jotka edustavat samankaltaisia ​​polkuja usein tuotti samanlaiset ennustaminen malleja (esim NF-KB (iho) ja NF-KB (kohdunkaula)), ja chi-neliö testi vahvisti huomattavan määrän samankaltaisuutta yleisessä malleja koulutusjakson aktivointi välinen Australian ja Singaporen kohortteja (p = 0,00038), ja välillä Australian ja Britannian kohortteja (p = 0,00051, katso taulukko S2) viittaa siihen, että GC koulutusjakson ennusteita ei ole sidottu tiettyyn potilaan kohortin. Havaitsimme kaksi suurta klustereita co aktivoituvien reittien, jotka olivat täysin säilynyt Kohorteissa 1 ja 2 (kuvio 2A ja 2B) ja enimmäkseen säilytetty Cohort 3 (kuvio 2C). Näihin sisältyvät (i) 'lisäkasvu /kantasolu "koulutusjakson klusteri (ruskea pystypalkki kuviossa 2), joka sisältää polkuja liittyy erilaisia ​​solu- lukiertosäätelijöistä (esim MYC, E2F, p21) ja kantasolujen allekirjoitukset; ja (ii) "onkogeenisen signalointi" polku klusteri (harmaa pystyviiva kuviossa 2), joka sisältää monia eri onkogeeninen polkuja (BRCA1, NF-KB, p53, Wnt /β-kateniinin, SRC, RAS, ja HDAC polkuja).

in vitro
validointi Pathway Ennusteet

analysoimalla GC reitin heatmap kuvassa 2, valitsimme kolme onkogeeninen väyliä (NF-KB, Wnt /β-kateniinin, ja leviämisen /kantasolujen), jotka yksittäin aktivoidaan huomattavan osan GC (≥35%), ja kun se yhdistetään edellyttäen kattavuus enemmistön (> 70%) GC. Proliferaation /kantasolujen reittejä aktivoitiin 40% GC kussakin kohortissa (alue: 38-43%), Wnt /β-kateniinin reittejä aktivoitiin 46% GC (alue: 43 ja 48%), ja NF KB-reitin aktivoitiin 39% GC (alue: 35-41%) (väripalkkeja alla jokaisen heatmap kuvassa 2). Nämä taajuudet ja muut usein vapautettu väyliä (esim p53) ovat taulukossa S3.

kokeellisesti validoiminen ensisijainen GC koulutusjakson ennustukset, haimme polku ennustusalgoritmia paneelin 25 GC solulinjojen (GCCLs) ( kuvio 3). Samanlaisia ​​ensisijainen GC, "proliferaatio /kantasolu- 'ja' onkogeenisten signalointi" polku klustereita havaittiin myös, että GCCLs. Lisäksi allekirjoitukset edustaa samaa reittiä, mutta eri tutkimuksista saadut, kuten kahden riippumattoman MYC johdetun allekirjoitukset [9], [24] myös ryhmittyneet yhteen GC solulinjoissa jälkeen valvomatta hierarkkinen klusterointi (violetti suluissa kuvassa 3). Opastetut polku ennustukset tunnistimme erityisiä GC solulinjoja näytteille kuviot onkogeenis- signalointia peilaus ensisijainen GC. Luottamus valinnassa erityisiä solulinjoja in vitro
malleissa saavutettiin myös toistamalla ennustuksen menettelyn seitsemän kertaa käyttäen erilaisia ​​vertailuprofiilit aina mediaani GCCL profiilin riippumattomille profiileja kuten hyvänlaatuisen normaali vatsa profiileja (katso materiaalit ja menetelmät ja taulukko S4). Pairwise vertailu vahvisti, että mitkä tahansa kaksi vertailuprofiilit olivat todennäköisesti tuottaa concurring koulutusjakson ennusteita kuin ristiriitaisia ​​ennusteita (Text S1 ja taulukko S4). Joitakin esimerkkejä edustavien linjat ovat AZ521 ja MKN28 soluja, jotka osoittavat aktivoitumista proliferaation /kantasolujen reittejä, YCC3 ja AGS solujen Wnt /β-kateniinin reittejä, ja MKN1 ja SNU5 solujen NF-KB-reitin kautta.

ensin mitata suoraan proliferatiivinen hinnat 22 GCCLs ja korreloi leviämisen nopeus datan keskimääräinen aktivointi pisteet allekirjoitusta leviämisen /kantasolu reitin klusteri. Oli merkittävä assosiaatio kokeellisesti määritetyn proliferatiivisen hinnat ja reitin aktivointi tulokset (R = 0,4688, p = 0,0278) (kuvio 4A). Tukee käsitystä siitä, onkogeeninen koulutusjakson allekirjoitukset ovat parempia ennustajia signalointia verrattuna ilmentymisen yhdellä näppäimen reitin geenit merkittäviä yhdistyksiä havaittiin joko MYC tai E2F1 lauseke (p = 0,48 ja 0,38 varten MYC ja E2F1, vastaavasti) (kuvio S1 ).

Toiseksi, jotta validoimiseksi Wnt /β-kateniinin reitin ennustukset, olemme analysoineet ilmentymistä eri Wnt koulutusjakson komponenttien (β-kateniinin, TCF4) ja suhteellinen taso TCF /LEF transkriptionaalista aktiivisuutta GC solulinjat ennustettu olevan Wnt /β-catenin- aktivoida tai Wnt /β-kateniinin-aktivoimattoman. Seitsemän solulinjat valitaan niiden kokeellista tractability (esim helppous transfektion ja kätevä kasvuolosuhteet), olemme havainneet, että sekä β-kateniinin ja TCF /LEF transkriptiotekijän TCF4 (tunnetaan myös nimellä TCF7L2), pääkomponentit Wnt-signalointireitin, ilmaistiin GC solulinjoissa ennustettiin polku aktivointi analyysien on korkea Wnt /β-kateniinin aktiivisuutta (AGS, YCC3, Kato III ja NCI-N87), mutta ei ilmaista kaksi kolmesta riviä (SNU1 ja SNU5) liittyvän epäyhtenäisiä tai alhainen Wnt /β-kateniinin aktivoinnin tulokset (kuva 4B). Lisäksi jotta suoraan määrittämään Wnt signalointia, päätimme TCF /LEF transkriptionaalista aktiivisuutta GC solulinjoissa käyttämällä Topflash, lusiferaasia ilmentävät sisältävä plasmidi multimerisoituja TCF sitoutumiskohtia. Topflash määritys vahvisti korkea TCF /LEF transkriptionaalista aktiivisuutta kolmessa neljästä GC solulinjojen ennustetaan olevan korkea Wnt /β-kateniinin aktiivisuutta (AGS, YCC3, ja Kato III), mutta vain vähän tai ei Topflash aktiivisuutta GC solulinjoissa liittyy epäjohdonmukaisia ​​tai matala Wnt /β-kateniinin aktivoinnin tulokset (SNU1, SNU5, ja SNU16). Lisäksi β-kateniinin reitin aktivaatio tulokset olivat merkittävästi korkeammat GCCLs yli kaksinkertaiseksi TCF /LEF transkriptioaktiviteettia (AGS, YCC3, Kato III ja NCI-N87) kuin GCCLs pienemmillä TCF /LEF transkriptioaktiivisuutta (p = 0,007, kuvio 4B). Kun verrataan yksittäisten geenien, ylivoimainen yhdistysten TCF /LEF transkriptioaktiviteettia jälleen kerran havaittiin käyttämällä keskimääräistä aktivointi Pisteet Wnt /β-kateniinin allekirjoituksia verrattuna joko β-kateniinin tai TCF4 (alias TCF7L2) ilmaisu yksinään (p = 0,038 allekirjoituksia vs. p = 0,31 ja 0,58 varten β-kateniinin ja TCF4, vastaavasti) (kuvio S1).

Kolmanneksi validoimiseksi NF-KB-reitin ennustukset, valitsimme 11 GCCLs johdonmukaisesti ennustaa joko NF-κB- aktivoitu ( 'NF-KB /päällä ", kuusi GCCLs) tai NF-KB-aktivoimattoman (NF-KB /off", viisi GCCLs) (kuva S2). Lisääntynyt geenin ilmentymistä p50 ja p65, NF-KB-heterodimeerin alayksiköt, havaittiin NF-KB /GC solulinjoissa kuin NF-KB /off GC-solulinjat (p = 0,0002 p50, p = 0,046 ja p65, kuva 4C) että proteiinin tasolla p65 ilmentymistä havaittiin pääosin NF-KB /radoilla (kuvio 4C). Käyttämällä immunosolukemiallinen on formaliinilla parafiiniin upotettuja GC solulinjoissa, p65-proteiinin ilmentyminen useammin havaittiin NF-KB /GC solulinjoilla verrattuna NF-KB /off GC solulinjojen suhteen ydin- sublocalization, prosenttiosuudet solujen värjäytymistä (joko ydin- tai soluliman), ja värjäys voimakkuus (taulukko S5, kuva S3). Sen määrittämiseksi, NF-KB /GC solulinjoilla myös näytteillä ero ilmentymistä p65-geenien verrattuna NF-KB /off GC solulinjat, yhdistimme luettelo geenien suoraan sitoo p65 transkriptiotekijä [25] luettelot säätelemät geenit mRNA-tasolla TNF-α [26], joka on tunnettu indusoija NF-KB: n aktivaation. Käyttämällä Gene Set Enrichment Analysis (GSEA, [27]), huomasimme, että p65 kohdegeenien voimistuvan TNF-α hoitoa olivat merkittävästi yli-ilmennetään NF-KB /GC solulinjoilla verrattuna NF-KB /off GC solulinjoissa (normalisoitu rikastus pisteet, NES = 1,86; false löytö korko, FDR < 0,001, pohja paneelin, kuvio 4C). Toisaalta p65 kohdegeenien vaimentua TNF-α oli merkitsevästi ali-ilmentynyt NF-KB /GC solulinjoilla verrattuna NF-KB /off GC solulinjoissa (NES = -1,56, FDR = 0,019, pohja paneelin, kuvio 4C). Lopuksi, suoraan vahvistaa läsnäoloa kohonnut NF-KB: n aktiivisuuden, transfektoimme kolme NF-KB /GC solulinjoissa ja kaksi NF-KB /off GC-solulinjoissa lusiferaasireport- joka sisältää NF-KB-reportterigeenin. Kuten on esitetty kuviossa 4D, kolme NF-KB /GC solulinjat osoittivat kohonnutta NF-KB: n transkriptionaalisen aktiivisuuden verrattuna kahteen NF-KB /off GC-solulinjat (p = 0,0084).

kollektiivisestikaan nämä tulokset tukevat käsitystä, että in silico
koulutusjakson ennusteita käyttäen geeniekspressioprofiilien liittyy aktivaatio asianomaisen reitin in vitro
.

Pathway yhdistäminen Veikkaa mahasyövän Patient Survival

arvioimiseksi kliinistä merkitystä tunnistetun koulutusjakson alaryhmiä, tutkimme jos malleja reitin yhteistyön aktivointi kuten kuvataan lämpökarttoja eri kohortit saattavat liittyä potilaan selviytymisen. Käytimme eloonjäämiseen tietoja Colson 1 ja kohortti 2 ja ositettu potilaita niiden ennustettu malleja reitin aktivoinnin. Ensisijainen GC profiili määriteltiin osoittaa korkea aktivointi tason polun kun aktivointi tilanne oli plussan - so on positiivisessa yhteydessä koulutusjakson allekirjoitus. Potilasryhmät ositettu joko lisäkasvu /kantasolu-reitin aktivaatio pisteet yksin tai NF-KB-reitin aktivaatio pisteet yksinään eivät eroa merkittävästi niiden yleisessä eloonjääminen (p > 0,05 lisääntymisen /kantasolu- ja NF-KB molemmissa kohorteissa, kuvio 5A ja 5B). Kuitenkin, kun reitin aktivointi tulokset yhdistettiin, potilailla, joilla on korkea aktivointitasoa sekä NF-KB ja leviämisen /kantasolujen reitit oli huomattavasti lyhyempi eloonjääminen verrattuna potilaisiin, joilla on alhainen aktivointitasoa sekä NF-KB ja leviämisen /kantasolu reitit (p = 0,0399 ja p = 0,0109 varten Kohorteissa 1 ja 2 vastaavasti, kuvio 5D).

aktivointi Wnt /β-kateniinin koulutusjakso on merkitsevästi yhteydessä potilaan selviytymistä Cohort 1, (p = 0,0056, kuvio 5C) mutta ei Cohort 2 (p = 0,0693, kuvio 5C). Kuitenkin potilaat Kohorteissa 1 ja 2 korkean aktivointitasoa sekä Wnt /β-kateniinin ja leviämisen /kantasolujen reitit oli merkitsevästi elinajan verrattuna potilaisiin, joilla on alhainen aktivointitasoa molempien reittien (p = 0,0073 ja p = 0,0086, kuvio 5E ). Benchmark panokset koulutusjakson yhdistelmiä tunnetaan histopatologisten kriteerien, suoritimme Monimuuttuja-analyysissä lukien yhdistetty polku ennusteita ja patologinen kasvain vaiheessa (TNM luokittelu: vaiheet 1-4), tärkein ennustetekijä GC [28]. Molemmissa ryhminä, yhdistetty proliferaation aktivaatiota /kantasolu- ja NF-KB: n polkuja osoittautui ennustetekijä riippumaton kasvaimen vaiheen (p = 0,003 ja 0,048 ja Kohorttien 1 2, vastaavasti) (taulukko S6). Samoin yhdistetty aktivoituminen lisäkasvu /kantasolu- ja Wnt /β-kateniinin reittejä oli itsenäinen ennustetekijä Colson 1 ja saavuttaa raja merkitys Cohort 2 (p < 0,001 ja p = 0,058, taulukko S7). Nämä tulokset osoittavat, että arvio yhdistetyn reitin aktivoinnin tila on kliinisesti merkittäviä ja lisäksi voi tarjota lisää varoituksia syntymässä olevista ylittämällä nykyinen kultakanta potilaan ennustetta ennustuksen, TNM perustuva tuumorin luokitus.

Keskustelu

tässä tutkimuksessa olemme pyrkineet jakamaan GC osaksi molecularly homogeeninen alaryhmiin ensimmäisenä askeleena individualizing potilaiden hoitoon ja parantaa tuloksia. Tärkeää on, toisin kuin edellinen GC microarray liittyvien tutkimusten geeniekspressiomalleja histologiaan anatomisten type [10], [11], päätimme perustamme GC alaosastoa rakenteisiin onkogeenista signalointia. Kehityksen jälkeen ja validointi tämä uusi luokitus lähestymistapa, pystyimme kuvaamaan, ensimmäistä kertaa, perimän taksonomian GC perustuu malleja onkogeenisten signalointia. Meidän lähestymistapamme on erityisen hyvin geenin ilmentymisen mikrosiruja, koska nämä alustat kyselemään tuhansia mRNA-transkriptien kussakin näytteessä, mikä mahdollistaa arvioinnin useiden reittien kautta samanaikaisesti yhdessä kokeessa. Sen sijaan tällainen lähestymistapa ei ole tällä hetkellä mahdollista proteiinin tasolla puutteen vuoksi asianmukaisia ​​alustoja. Käyttämällä tätä strategiaa, tunnistimme kolme hallitseva väyliä osoittaa aktivoitumisen useimmissa (> 70%) GC: leviämisen /kantasolujen, Wnt /β-kateniinin, ja NF-KB: n signalointi.

Kyky suorittaa niin "high-throughput polku profiloinnin" avaa monia mielenkiintoisia mahdollisuuksia. Esimerkiksi useat tutkimukset ovat aiemmin raportoitu ristiriitaisia ​​tuloksia koskien ennustetekijöiden vaikutuksista eri onkogeenisten reittejä GC - ennustetekijöiden vaikutukset leviämisen liittyviä antigeenejä, kuten Ki-67 GC eivät ole vakiinnuttaneet [29], ja korkea NF-KB: n aktivaation GC on liittynyt sekä hyviä että huonoja GC potilaiden hoitotuloksiin eri tutkimuksissa [7], [30]. On täysin mahdollista, että osa tästä epäjohdonmukaisuus on saattanut johtua historiallinen keskittyä käyttäen tavanomaisia ​​menetelmiä ja analysointi joko yhden polkuja tai yksittäisiä polku komponenttien (geenien /proteiinien). Meidän havainto, että polku yhdistelmät ovat ennustavia potilaiden hoitotuloksiin viittaa siihen, että polku yhdistelmät, pikemmin kuin yhden polkuja yksin, voi olla ratkaiseva merkitys vaikuttavat kasvainten käyttäytymiseen.

Toinen hyöty suurikapasiteettisten polku profilointi on kyky määritellä korkeamman asteen välisiä erillisiä onkogeenisia reittejä. Nykyisessä tutkimuksessa olemme johdonmukaisesti havaittu samanaikaisen aktivoinnin E2F, MYC, p21 (-repression), ja kantasolujen reittejä kasvaimissa (jäljempänä 'lisäkasvu /kantasolu "koulutusjakson cluster). Tämä johtuu todennäköisesti lisääntyneestä solujen lisääntymistä tuumorisoluissa, kuten E2F on tärkeä soluproliferaation ohjaus ja MYC on sekä p21-repressori ja indusoi sykliini D2 ja sykliini-riippuvaisen kinaasin sitova proteiini CksHs2 [31]. Lisäksi kantasoluja, erityisesti alkion kantasolut (ESC), tiedetään myös osoittavat suurta soluproliferaation hinnat [32]. Enemmän kiehtovan, myös havaittu läheinen assosiaatioita ilmeisesti toiminnallisesti erilaisia ​​reittejä, kuten β-kateniinin ja SRC sekä HDAC estäminen ja BRCA1. Tällainen polku co-aktivaatio kuviot voivat ehdottaa toiminnallisia vuorovaikutuksia näiden reittejä, joita on syytä tutkia tarkemmin. Esimerkiksi, on mahdollista, että aktivoitu c-SRC voi parantaa ilmentymistä Wnt-signalointireitin [33]. Exploring väliset suhteet reitit osoittaa yhteistyön aktivointi voi siis tarjota arvokasta tietoa kykyä syöpäsolujen koordinoida toimintaa useiden reittien kautta.

Kolmas etu koulutusjakson profiloinnin lähestymistapa on, että se helpottaa tunnistamista suurten sairauteen liittyvien reittejä. Niistä väyliä analysoitu tässä tutkimuksessa, havainto, että NF-KB signalointi saattavat kohota huomattavan osan GC ansaitsee jonkin verran huomiota, koska tämän reitin on suhteellisesti vähemmän tutkittava GC. Mielenkiintoista, kun havaitsimme merkittävää eroa sekä p50 ja p65 (NF-KB-alayksiköiden) geenien ilmentyminen välillä NF-KB /päälle ja NF-KB /off GCCLs, emme noudata avointa ero p50-proteiinin ilmentymistä näissä linjoissa toisin kuin p65 (kuvio 4C). Tämä voi johtua yhdistelmä kolmesta syystä. Ensimmäinen, absoluuttinen välillä p65-geenin ilmentymisen kautta solulinjojen on selvästi suurempi kuin absoluuttinen välillä p50-geenin ilmentymisen (> 3 x, kuvio S4). Toiseksi, Western blotting-määritys käyttää suorittamaan nämä proteiini mittausten tiedetään olevan hyvin ei-kvantitatiivisia, joka voi peittää hienoisia eroja ilmentymisessä. Kolmanneksi jälkeen geenin ilmentyminen, P50 lauseke sovelletaan myös erilaisia ​​transkription jälkeinen sääntelymekanismeja kuten esiaste pilkkominen, jotka saattavat vaikuttaa lopulliseen tasoon p50-proteiinin, kun taas p65 ei tuotetaan prekursoriproteiinina [34]. NF-KB: n on osoitettu aktivoitava H. pylori
[35], joka on tunnettu GC karsinogeeni, ja poikkeava NF-KB: n signalointi on myös liitetty useisiin tulehduksen-sidottu syöpien, kuten GC [36]. NF-KB: n on ehdotettu olevan konstitutiivisesti aktivoitua perusterveydenhuollossa mahasyövistä muutaman tutkimuksissa [7]. Kohdennettu NF-KB-inhibiittorit ovat parhaillaan kehitetään aktiivisesti monia syöpälääkkeen kehittäminen ohjelmia ja osajoukko GC potilailla (eli ne, joilla on kohonnut NF-KB-aktiivisuus), voivat olla sopivia alaluokan arvioimiseksi näiden yhdisteiden tehoa.

in silico
käytetyn menetelmän tutkimuksessamme on käsitteellisesti samanlainen työn Bild et ai, joita käytetään binary regressiomallin luokitella kasvainten perustuu ennustettuun toimintaa viiden onkogeenisten reittejä [9]. Toisin binary regressio, lähestymistapamme, jossa hyödynnetään listalla yhteysprofiileja metrinen [37], ei vaadi monimutkaisia ​​koulutuksen prosessi kullakin polku allekirjoitus ja ei myöskään vaadi saatavuutta raaka ilmaisun tietojen käytön helpottaminen monien yleisesti saatavilla polku allekirjoitukset kirjallisuudessa [27]. Kuitenkin geenin ilmentymisen perustuva lähestymistapa ei ole rajoituksia. Ensinnäkin, koska polku ennusteet perustuvat geenin ilmentymisen sijasta proteiinit, tällaiset ennusteet ovat tosin molekyyli- korvikkeita totta reitin signalointi aktiivisuutta. Toiseksi, tällä hetkellä rajoitettu analysoimalla tunnettujen onkogeenisen reittejä aiemmin määritelty kirjallisuudessa. Kolmanneksi, vaikka pystyimme käyttämään polku allekirjoituksia hyvin eri kudoksesta yhteyksissä ennustaa reitin aktivoinnin tila, tarkastelu alkuperäisen proof-of-periaatteen rintasyövän esimerkkejä paljasti, että yhdistys ER aseman estrogeenin reagointikykyä ennakoidusti käyttäen osteosarkooman allekirjoitusta vaikka huomattava, oli selvästi heikompi verrattuna yhdistyksen ER asema tamoksifeenin herkkyys ennustaa käyttämällä allekirjoitusta peräisin samasta kudoksesta tyyppi (eli rinnan). Tämä tulos merkitsee sitä, että voi olla olemassa myös kudosspesifisiä eroja koulutusjakson allekirjoitukset, jotka voivat vaikuttaa ennustearvon. Neljänneksi verrattuna tutkimuksemme jossa keskityttiin polkuja tunnettujen biologisten merkitystä GC, on epäselvää, tätä menetelmää voidaan soveltaa sairauksiin, joissa etukäteen tietoa mukana reittejä ei ehkä ole käytettävissä. On kuitenkin syytä huomata, että runsaasti reitin allekirjoitusten (> 1000), joka liittyy erilaisten biokemiallisten ja signalointireittejä jo kirjallisuudessa, joka voi käyttää julkisissa tietokannoissa, kuten MSigDB (http://www.broad.mit edu /gsea /msigdb /genesets.jsp? collection = CGP). Koska meidän lähestymistapaa voidaan soveltaa lähes mihin tahansa tautia aineisto, jota varten geeniekspression tietoa on saatavilla, testaamalla jokainen allekirjoitus suurikapasiteettisten tavalla näyttöä reitin purkamista on sekä mahdollista ja toteutettavissa. Tällaisissa tapauksissa reitin näytteille korkeat taajuudet vapauttamisen sitten edustaa ehdokas reittejä mukana kyseistä tautia, jota voidaan sitten suunnattu kohdennettua tutkimuksen ja kokeiluihin. Näihin kysymyksiin muodostavat maaperää paljon tulevaisuuden tutkimusta.

Yhteenvetona olemme osoittaneet tässä työssä että sellaisia ​​keinoja allekirjoituksia voidaan menestyksellisesti käyttää ennustamaan aktivoinnin tilan solun signalointireittien, jopa biologisten kokonaisuuksien kuin monimutkainen ihmisenä GC. Yksi ilmeinen välittömästi tällaisten pathway -pohjainen luokittelutapoja voivat koskea käyttöön kohdistettuja hoitomuotoja. Alustavat kokeet arvioidaan roolia kohdennettujen hoitomuotojen GC ovat osoittaneet vain vaatimattomia tuloksia [38]; Kuitenkin suurin osa näistä tutkimuksista on tehty ilman ennalta kerrostamiselintä käyttävillä potilailla molekyyli- tai histopatologiset kriteerit.

• PLoS ONE: vaiennettu Claudin-11 liittyy lisääntynyt invasiivisuus mahasyövän Cells
• PLoS ONE: Poikkeava ilmentyminen Cx43 liittyy Peritoneaalisille Etäpesäke mahasyövän ja Cx43 välittämä Gap Junction Parantaa mahasyövän Cell läpi kulussa alkaen Peritoneaalisille Mesothelium