Stomach Health > Estomac Santé >  > Gastric Cancer > Cancer de l'estomac

PLOS ONE: Facteurs de transcription et gènes microRNA-Co-réglementés dans Gastric Cancer Invasion dans Ex Vivo

Résumé

expression Aberrant miRNA modulent anormalement l'expression des gènes dans les cellules et peuvent contribuer à la tumorigenèse chez les humains. Cette étude a identifié fonctionnellement des gènes exprimés de manière différentielle pertinents en utilisant les facteurs de transcription et l'analyse de réseau miRNA-co-réglementé pour le cancer de l'estomac. Le réseau corégulation TF-miARN a été construit sur la base des données obtenues à partir d'ADNc microarray et miRNA profilage de l'expression des tissus de cancer gastrique. Le réseau ainsi que leurs gènes co-régulés a été analysé à l'aide de base de données pour Annotation, Visualisation et Discovery intégré (DAVID) et base de données transcriptionnelle Regulatory Element (TRED). Nous avons trouvé dix-huit (17 régulés à la hausse et 1 down-régulée) des gènes exprimés de manière différentielle qui étaient co-régulés par des facteurs de transcription et miARN. KEGG analyse des voies a révélé que ces gènes faisaient partie de l'interaction matrice-récepteur extracellulaire et de liaison des voies de signalisation de l'adhérence. En outre, qRT- PCR et les données de transfert de Western ont montré une augmentation et une diminution de COL1A1 NCAM1 l'ARNm et des protéines dans les tissus du cancer de l'estomac. Ainsi, ces données ont fourni la première preuve pour illustrer le fait que le réseau de gène modifié a été associé à l'invasion du cancer gastrique. Une étude plus poussée avec une grande taille de l'échantillon et des expériences plus fonctionnelles sont nécessaires pour confirmer ces données et de contribuer aux stratégies de diagnostic et de traitement pour le cancer gastrique

Citation:. Shi Y, Wang J, Xin Z, Duan Z, Wang G , Li F (2015) Facteurs de transcription et gènes microRNA-Co-réglementés dans Gastric Cancer Invasion dans Ex Vivo
. PLoS ONE 10 (4): e0122882. doi: 10.1371 /journal.pone.0122882

Academic Editor: Jian-Jun Zhao, Institut du Cancer Dana-Farber, ÉTATS-UNIS

reçues: 8 Novembre 2014; Accepté: 24 Février 2015; Publié 10 Avril, 2015

Droit d'auteur: © 2015 Shi et al. Ceci est un article en accès libre distribué sous les termes de la licence Creative Commons Attribution, qui permet une utilisation sans restriction, la distribution et la reproduction sur tout support, pourvu que l'auteur et la source originelle sont crédités

Disponibilité des données: Toutes les données pertinentes sont dans le ses fichiers de renseignements à l'appui du papier et

financement:. Ce travail a été soutenu par des subventions de la Fondation nationale des sciences naturelles de Chine (̭20108025 et̮72662). Elle est également soutenue en partie par la National Natural Science Foundation de Chine (̬71897 et̮01712), Jilin Key Laboratory of Biomedical Materials, Fondation de la province du Jilin Science et Technologie Département (É30522013JH etÉ40414048GH) et le Programme de Norman Bethune de Jilin Université (É2219)

intérêts concurrents:.. les auteurs ont déclaré qu'il n'y a pas des intérêts divergents existent

le cancer gastrique introduction est l'une des formes les plus communes de tumeurs malignes dans le monde, ce qui contribue à un tiers des décès liés au cancer chez les hommes et un cinquième chez les femmes [1]. Environ les deux tiers des cas de cancer de l'estomac se produisent dans les pays en développement. En Chine, l'incidence et la mortalité liées au cancer de l'estomac se classe au troisième rang parmi les autres formes de tumeurs malignes [2] et il a été rapporté que le cancer gastrique se produit plus fréquemment dans les zones rurales et avec une tendance des gens plus jeunes étant touchés par elle au cours des dernières années [3 ]. L'environnement (tels que Helicobacter pylori
infection ou la consommation d'aliments fumés) et des facteurs génétiques ( E-cadhérine
mutation) augmente la susceptibilité au cancer gastrique en induisant des modifications dans oncogènes /gènes suppresseurs de tumeur et /ou le profil épigénétique [4]. Modification de ces facteurs critiques se traduit par une régulation anormale de la croissance cellulaire, l'apoptose et la différenciation favorisant ainsi la cancérogenèse. les réseaux de régulation des gènes multiples coordonnent la transformation d'une cellule normale à une cellule tumorale et de conduire la progression tumorale. Cependant, à ce jour, la compréhension détaillée des réseaux de régulation des gènes multiples sous-jacents dans la pathogenèse du cancer gastrique est encore à définir. Déterminer le réseau mécanistique moléculaire détaillée associée au développement du cancer de l'estomac et de la progression pourrait améliorer la compréhension de la cancérogenèse dans les tissus gastriques, ouvrant ainsi la place pour de nouvelles et efficaces stratégies dans la prévention, le diagnostic et le traitement du cancer gastrique.

L'expression des gènes dans les cellules est contrôlée à la fois à la transcription et les niveaux post-transcriptionnel. Les facteurs de transcription (TFS) de coordonner la transcription des gènes, alors que miARN régule l'expression génique par la médiation des événements post-transcriptionnel, comme la traduction de la dégradation de l'ARNm et de protéines [5]. Par conséquent, toute modification de la fonction des miARN peut se traduire par l'apparition de cancers chez les humains [6,7]. Les facteurs de transcription sont des protéines qui se lient à des séquences d'ADN spécifiques pour contrôler le taux de transcription de l'information génétique de l'ADN en ARNm [8,9], tandis que les miARN sont un groupe de petits ARN non codants dans des cellules et leur fonction dans le silençage d'ARN et post régulation -transcriptional de l'expression génique [10,11]. Le réseau de régulation génique TF-miARN détermine le profil d'expression génique dans des cellules en général, dans une certaine mesure. Par conséquent, l'analyse des réseaux TF-miRNA corégulation dans les tissus de cancer gastrique pourrait nous aider à approfondir notre compréhension sur la façon dont TFs et miARN coordonner la régulation de l'expression des gènes contribuant à la cancérogenèse gastrique [12]. Dans notre étude précédente, nous avons présenté différentiellement exprimé gènes en quatre-vingts paires de tissus normaux de carcinome adjacents gastriques utilisant cDNA microarrays [13] et a trouvé un certain nombre de gènes avec une expression altérée, y compris TFs. Sur la base des informations provenant de la base de données transcriptionnelle Regulatory Element (TRED) [14], nous avons construit et consolidé un réseau réglementaire TF-gène. Dans cette étude, nous avons présenté différentiellement exprimé miARN dans cinq paires de tissus normaux de carcinome adjacents gastriques et construit un réseau de régulation miRNA-cible pour le cancer gastrique en intégrant les bases de données de gènes miRNA de ciblage, y compris Targetscan, miranda, miRDB et miRWalk [15] . Nous avons ensuite construit le réseau TF-miRNA corégulation en utilisant nos données précédentes, puis effectué GO et KEGG voie analyses et réalisé PCR en temps réel et l'analyse western blot pour valider ces données. Ainsi, les deux méthodes et analyses pourraient fournir des indices importants pour les futures études sur les fonctions miARN et TFS dans le cancer gastrique.

Des échantillons de tissus de Matériels et méthodes

Un total de 25 patients atteints d'un carcinome gastrique ont été recrutés pour cette étude à partir du premier hôpital de l'Université de Jilin, Changchun, en Chine. tissus de cancer de l'estomac et les tissus non cancéreux lointains correspondants ont été chirurgicalement réséquées et stockés dans de l'azote liquide dans 10 min après la résection. Écrit consentement éclairé ont été obtenus à partir de tous les sujets et les données ont été analysées de manière anonyme. Le TNM et la classification histologique étaient selon l'Organisation mondiale de la santé (OMS) critères. Cette étude a été approuvée par le Comité d'éthique du Collège des sciences médicales de base, l'Université de Jilin.

Le profilage des ARNm différentiellement exprimés et microARN dans les tissus de cancer gastrique

Les données d'ARNm différentiellement exprimés entre le cancer gastrique et les tissus normaux a été réalisée à partir de 80 patients et rapportés précédemment [13]. Nous avons utilisé ≥ 2 fois le changement de profil des gènes exprimés de manière différentielle pour cette étude.

Dans cette étude, les miARN exprimés de manière différentielle dans 5 paires de tissus normaux de cancer adjacents gastriques (voir les données des patients dans S2 Table) étaient profilé en utilisant Affymetrix miRNA puces de microréseau selon les protocoles du fabricant. En bref, l'ARN total à partir d'échantillons de tissus a été isolé en utilisant le Trizol (Invitrogen, Carlsbad, CA, USA) et miRNA a été isolé et purifié en utilisant le kit d'isolation MIRVANA miRNA (Ambion, Austin, TX, USA) et ensuite soumis à matrice Gene Chip microRNA une analyse. Les données ont été analysées en utilisant GeneChip Scanner3000 avec GeneChip Operating Software (SMOC) et analysées.

Construction de TF-gène, miRNA ciblage génique, et TF-miARN réseaux de co-régulation

Basé sur les GeneChip Exon humain 1.0 ST données de puces à ADN (Affymetrix, CA, USA), nous avons construit le réseau TF-gène en intégrant les profils d'expression des gènes et la transcription base de données de l'élément de régulation (TRED). interactions réglementaires entre microRNA et de leurs gènes cibles ont été établies sur la base des informations de Targetscan, miranda, miRDB et base de données miRWalk. Les réseaux de corégulation TF-miARN ont été construits par le chevauchement de ces deux sections. Hub-gènes co-régulés par TFs et miARN ont également été identifiés. Les réseaux ont été construits en utilisant le logiciel Cytoscape (Institute of Systems Biology, USA, http://www.cytoscape.org).

annotations fonctionnelles des gènes sélectionnés

Outils en ligne analytiques tels que la base de données pour Annotation, Visualisation et Découverte intégrée (DAVID) et Encyclopédie de Kyoto des gènes et génomes (KEGG) ont été appliquées pour explorer la voie fonctionnelle associée à des gènes exprimés de manière différentielle. Significativement enrichi voies KEGG avec p < 0,01 ont été identifiées et analysées plus loin.

RT-PCR quantitative (qRT-PCR)

Pour détecter le niveau d'ARNm, nous avons utilisé 5 ug échantillons d'ARN total de chaque échantillon de transcrire inversement en ADNc avec le premier brin Kit de synthèse d'ADNc (Takara, Dalian, Chine) et ensuite amplifié en utilisant qPCR pour l'expression de COL1A1 et NCAM1 ARNm avec SYBR Premix Taq Ex (Takara) dans Applied Biosystems système PCR rapide en temps réel 7300 selon les instructions du fabricant. L'expression relative des niveaux d'ARNm a été étalonnée par rapport à l'ARNm de ß-actine par la méthode comparative Ct (2 -ΔΔCt, ACt = Ct cible Ct β-actine, ΔΔCt = ACt tumeur ACt normal). Toutes les amorces ont été conçues avec Primer Premier 6 Software, des séquences d'amorces pour l'amplification ont été répertoriées dans le Tableau 1. Les données de qRT-PCR ont été analysés avec GraphPad Prism version 5.0, les différences entre les groupes ont été évalués statistiquement par échantillon d'un test t bilatéral de Student avec p valeur <. 0,05 considérées comme significatives échantillons de tissus

extraction de protéines et
Western blot

avec 1 mm 3 en taille ont été broyées dans de l'azote liquide et homogénéisé dans un tampon de lyse cellulaire (Beyotime , Beijing, Chine) à 4 ° C pendant 20 min. La concentration de protéine dans les échantillons a été déterminée en utilisant un kit BCA Protein Assay (Bio-Rad, Hercules, CA, USA) et les échantillons de protéines ont été séparées par le dodécylsulfate de sodium, l'électrophorèse sur gel de polyacrylamide (SDS-PAGE) en utilisant 10% de gel et puis transféré sur une membrane de PVDF (0,45 pm; Bio-Rad, Hercules, CA, USA) pendant 2 h. Les membranes ont ensuite été incubées avec un anticorps de lapin anti-collagène I (Novus Biologicals, Denver, CO, USA) à une dilution de 1: 1000, un anti NCAM1 /anticorps CD56 de souris (Novus Biologicals) à une dilution de 1: 400 , ou un lapin anti-β-actine anticorps (Proteintech, Chicago IL, USA) à une dilution de 1: 2000 à 4 ° C pendant la nuit et ensuite après lavage à base de Tris saline-Tween 20 (TBST), les membranes ont été incubées avec une IgG de chèvre anti-lapin (Beyotime) ou de chèvre anti-IgG de souris (Proteintech) à une dilution de 1: 2000 pendant 2 h. Les signaux des protéines ont été détectées par autoradiographie à l'aide d'un réactif de chimioluminescence amélioré (Beyotime, Beijing, Chine), suivie par une exposition aux radiographies. La densité de la bande de protéine a été quantifiée à l'aide d'un système de gel d'image (Tanon, Shanghai, Chine) et ont été normalisés à la ß-actine niveaux qui a été utilisé en tant que témoins de chargement.

L'analyse statistique

limma ( les modèles linéaires pour les données de puces à ADN) analyse comparative a été réalisée pour identifier les miARN exprimés de manière différentielle avec un cut-off-valeur d'au moins 2 fois les changements (FC) avec p < 0,05 et FDR < 0,05. logiciel SPSS 21.0 (SPSS, Chicago, IL, USA) a été utilisé pour effectuer Caractéristique (ROC) courbe Receiver Operating et de l'analyse de régression logistique. La sensibilité, la spécificité et l'aire sous la courbe (AUC) ont été calculées en utilisant le logiciel statistique Med-Calc et de la valeur de p < 0,05 a été considérée comme statistiquement significative. données Western blot ont été analysées par GraphPad Prism version 5.0 (San Diego, CA, USA) et la différence entre la tumeur et les tissus normaux ont été évalués par le t-test unilatéral de l'élève et une valeur de p < 0,05 a été considérée comme statistiquement significative.

réseau de régulation TF-gène

Résultats et expression différentielle des miARN dans le cancer gastrique

réseau de régulation TF-gène tel que représenté sur la figure 1 a été construite sur la base des données obtenues à partir d'une étude précédente [13] sur des gènes exprimés de manière différentielle (≥ 2) de pliage de 80 paires de tissus de cancer gastrique. Plus précisément, cinq facteurs de transcription MYB, MYBL2, ETV4, LEF1 et TFAP2A ont été régulés à la hausse et ils ont formé les réseaux de régulation TF-gène avec 41 gènes, dont 38 étaient régulés à la hausse et 3 ont été régulés à la baisse dans les tissus de cancer gastrique (S1 Table). En outre, nous avons présenté l'expression de miARN en utilisant des réseaux Affymetrix microARN dans cinq paires de tissus normaux gastriques cancer correspondant (caractéristiques clinicopathologiques des patients comme indiqué dans S2 Tableau). Un total de 93 miARN ont été exprimés de manière différentielle dans les tissus gastriques de cancer (p < 0,05), dont 27 miARN ont été régulés à la hausse, alors que 66 ont été régulés à la baisse (figure 2 et S3 Tableau). Parmi ces miARN exprimés de manière différentielle, plusieurs ont été rapportés dans les études précédentes, comme miRlet-7, miR409, miR-28-5p, miR-625, etc. [16-19]. Par la suite, les bases de données Targetscan, miranda, miRDB et miRWalk ont ​​été exploités pour prédire les gènes cibles de ces miARN exprimés de manière différentielle.

Réseau TF-miARN régulation des gènes exprimés de manière différentielle dans le cancer gastrique

Basé sur le ensembles de données à partir d'ADNc et miRNA microarray tel que mentionné précédemment, nous avons construit un réseau TF-miARN aberrante qui réglementait l'expression des gènes dans le cancer gastrique (Fig 3 et S4 Tableau). expression particulièrement, ces réseaux TF-miARN aberrants réglementés de 18 gènes ( COL1A1, COL1A2, COL5A2, COL11A1
, Dsg3
, ACHE
, SERPINE1
, SERPINB2
, CXCL5
, MMP1
, PLAU
, SPP1
, GJB2, CLDN2
, CDKN2A
, CENPF
, MAD2L1
, et NCAM1
), dont la plupart (17 sur 18) étaient régulés à la hausse dans les tissus de cancer gastrique (Fig 4).

l'analyse fonctionnelle de ces 18-moyeux gènes en utilisant DAVID (la Base de données pour Annotation, Visualisation et Discovery Integrated) [20] a montré qu'il y avait deux voies KEGG considérablement enrichies, la voie d'interaction ECM-récepteur et voie d'adhésion focale. Cinq gènes ( COL1A1, COL1A2, COL5A2, COL11A1
et SPP1
) ont été les plus significativement modifiés et étaient toutes les parties impliquées dans l'interaction ECM-récepteur et la voie d'adhésion focale (tableau 2). Analyse du réseau de corégulation a montré que ces 18 moyeu gènes avaient une distribution de degré de nœud différent, tandis que COL1A1
et NCAM1
a montré la distribution plus haut degré (figure 5).

Association des COL1A1
et NCAM1 de les expressions avec le statut clinicopathologique

Nous avons supposé que les gènes avec des distributions de degrés plus élevés pourraient jouer un rôle majeur dans le réseau réglementaire. Ainsi, nous avons associé l'expression de ces gènes avec des caractéristiques clinico des patients atteints de cancer gastrique. Le récepteur caractéristique de fonctionnement (ROC) analyse de la courbe a montré que l'expression de COL1A1
et NCAM1
pourrait être discriminateurs potentiels entre le cancer et les tissus normaux correspondants avec l'ASC (aire sous la courbe) = 0,806 pour COL1A1
et 0,677 pour NCAM1
. La combinaison de COL1A1
et NCAM1 de l'expression fourni une meilleure condition de différenciation avec AUC = 0,829, la sensibilité = 70,7% et une spécificité = 84,0% à celle de l'individu COL1A1 ou expression (figure 6 et le tableau 3)
NCAM1.

de plus, nous avons validé les données de puces à ADN en utilisant qRT-PCR et Western blot dans d'autres 20 paires de cancer de l'estomac et les tissus normaux adjacents (patients ' informations figurant dans S2 Tableau). Le COL1A1 et l'expression NCAM1 ARNm a montré 3,10 ± 1,08 fois la régulation et 0,37 ± 0,02 fois plus bas-régulation dans les tissus tumoraux par rapport aux normaux (p < 0,01), tandis que les données de Western blot ont montré une nette différence entre la densité protéique relative de COL1A1 dans les tissus cancéreux (0,92 ± 0,02) par rapport à des tissus adjacents normaux (0,29 ± 0,01; p < 0,01), tandis que l'expression de NCAM1 dans les tissus cancéreux (0,11 ± 0,002) par rapport à celles normales (0,85 ± 0,05) (p < 0,01 Fig 7). Ainsi, la régulation positive de COL1A1 et la régulation négative de l'expression NCAM1 pourrait non seulement faire la distinction entre le cancer et les tissus normaux, mais aussi de diviser les patients atteints de cancer en stade de tumeurs. Le niveau d'expression COL1A1 était plus élevée dans les tumeurs musculaires et séreuse envahi, alors que l'expression NCAM1 avait tendance à être négativement associée à l'invasion tumorale (figure 8).

Discussion

Dans la présente étude, les données du microréseau d'ADNc et miRNA a été utilisé pour construire le réseau de co-régulation des facteurs de transcription-miARN dans le cancer gastrique et identifié 18 gènes-moyeux qui ont été réglés par les deux facteurs de transcription et miARN. Ces gènes appartiennent à extracellulaire interaction matrice-récepteur et d'adhérence des voies de signalisation correspondants. En outre, l'expression de COL1A1
et NCAM1
a été confirmé dans les tissus de cancer gastrique et ont été associés à l'invasion de cancer de l'estomac; cependant, il reste inconnu qui miRNA (s) réguler leur expression dans le cancer gastrique.

Facteurs de transcription MYB, MYBL2, ETV4, LEF1, TFAP2A ont été régulés à la hausse dans les tissus de cancer gastrique. En effet, les protéines de la famille MYB sont largement distribués dans les organismes eucaryotes et expresison du facteur MYB transcription est critique pour la croissance de la tumeur et la carcinogenèse mammaire [21] [22], tandis que MYBL2 (B-MYB) est un facteur de transcription oncogène impliqué dans le cycle cellulaire , G2 /M progression [23]. En tant que membre de la ETS
gènes oncogéniques, ETV4 protien a été rapporté de promouvoir les métastases du cancer dans des modèles de souris [24] et est associée à un mauvais pronostic dans adénocarcinome gastrique [25]. La famille TCF /LEF est une petite famille de facteurs de liaison à l'ADN et LEF1 agit principalement comme un activateur avec un rôle dans l'inhibition de l'apoptose des cellules [26]. TFAP2A est un facteur de transcription qui régule principalement la croissance et la différenciation cellulaire. Dans le carcinome nasopharyngé, la croissance des cellules tumorales et la survie TFAP2A régulée par la voie de signalisation du VEGF /PEDF HIF-1α médiation, suggérant que TFAP2A pourrait être un biomarqueur potentiel pour le traitement du carcinome du nasopharynx [27]. En outre, dans le réseau de co-réglementation miARN-TF, nous avons identifié 18 gènes-moyeux qui ont été réglées par les deux TFs et miARN. L'analyse fonctionnelle de ces 18 gènes mis en évidence deux voies importantes KEGG, la matrice extracellulaire (ECM) des récepteurs voie d'interaction et de la voie d'adhésion focale. Des études récentes ont démontré que les récepteurs ECM (intégrines), la signalisation médiée sont un grand groupe de signaux qui contribuent à la survie cellulaire et fournit un avantage de survie de divers types de cellules cancéreuses [28]. ECM peut également réguler la prolifération cellulaire, la différenciation, la mort et la carcinogenèse [29]. Comme les liens structurels entre l'ECM et le cytosquelette d'actine, adhérences focales sert des sites pour la transduction du signal de l'ECM dans le compartiment intracellulaire [30]. Nos données actuelles montrent que les cinq gènes ( COL1A1, COL1A2, COL5A2, COL11A1
et SPP1
) co-régulé à la fois par TFs et miARN a participé à l'interaction ECM-récepteur et les voies d'adhésion focale. étude précédente a montré une surexpression de SPP1
(phosphoprotéine sécrétée 1) dans les cancers gastriques et son association avec la progression du cancer [31]. Les gènes COL1A1, COL1A2, COL5A2, et COL11A1
appartiennent à la famille des protéines de collagène, les composants structurels essentiels de l'ECM. La régulation des collagènes est crucial pour favoriser la croissance de la tumeur que le collagène catabolisme par métalloprotéinases matricielles (MMP) révèle les sites de liaison cachés qui favorisent encore l'angiogenèse et l'invasion tumorale. Une étude antérieure a montré que l'expression de COL1A1 et COL1A2 était élevée dans les cellules endothéliales colorectal malin [32], ce qui suggère que ces deux protéines jouent un rôle dans l'angiogenèse et la formation de la desmoplasie au cours du développement du cancer du côlon [33]. En outre, l'expression de COL5A2
et COL11A1
a été associée à la carcinogenèse colorectale [34] montrant que COL5A2 a été co-exprimé avec COL11A1
dans colorectal les échantillons de tumeurs, mais pas dans les epitheliums du côlon normale; cependant, il reste inconnu qui miRNA (s) à réguler leur expression dans le cancer gastrique. La profondeur de l'invasion du cancer est un facteur important dans la prédiction de la survie et de la planification du traitement. Le collagène est l'un des éléments importants dans le microenvironnement tumoral, les résultats expérimentaux de l'hybridation soustractive et la puce à ADN ont indiqué une variété de gènes de collagène qui ont été anormalement exprimés dans les tissus tumoraux, tels que COL1A1 codant pour le collagène de type 1 [35]. COL1A1 a été identifié à associer à l'invasion de cancer gastrique et des métastases [33]. Nos données actuelles ont confirmé que l'expression de COL1A1 était significativement élevé dans les tissus du cancer de l'estomac et est associée à la progression tumorale. De plus, notre étude a également montré que l'expression de la protéine NCAM1 a été négativement associée à l'invasion du cancer gastrique. NCAM est une protéine membranaire multifonctionnelle impliquée dans la différenciation cellulaire, la migration, la croissance synaptique de neurones, et des motifs spéciaux de connexions synaptiques. Une étude antérieure a indiqué que l'expression NCAM1 a été associée à la croissance invasive de gliome [36]. Après l'inoculation des cellules étoilées de gliome transfectées dans le cerveau de rats, Edvardsen et al.
, A rapporté que l'invasivité des cellules tumorales réduite, ce qui indique que le niveau d'expression NCAM1 a été négativement associée à invasivité tumorale [37]. Bien que la perte d'expression NCAM1 dans le cancer gastrique n'a pas été signalé avant, nos données actuelles sur l'association inverse avec l'invasion du cancer gastrique est compatible avec les études précédentes de gliomes [37]. D'autres études sont nécessaires pour confirmer le statut d'expression de COL1A1 et des protéines NCAM1 comme biomarqueurs potentiels pour le diagnostic précoce et la prédiction de la progression du cancer gastrique.

Construction du réseau de corégulation TF-miARN est un outil utile dans l'identification régulateurs de critiques et de leurs gènes cibles dans les cancers humains. Cependant, notre étude actuelle est juste un effort de validation de principe et de futures études avec un plus grand échantillon sont nécessaires pour confirmer les résultats actuels. Il devrait être suivi par des études mécanistiques pour approfondir la compréhension sur le rôle des molécules clés et voies de gènes dans le cancer gastrique.

Informations complémentaires
Tableau S1. Résumé des interactions régulatrices du réseau TF-gène
doi:. 10.1371 /journal.pone.0122882.s001
(XLSX)
Tableau S2. Caractéristiques des patients (25 paires de cancer de l'estomac et des tissus normaux adjacents à la puce à ADN miRNA (n = 5) et Western Blot (n = 20) et l'analyse par RT-PCR quantitative (n = 20) analyse)
doi:. 10.1371 /Journal .pone.0122882.s002
(DOC)
Tableau S3. . Résumé des 93 miARN exprimés de manière différentielle dans les tissus de cancer gastrique contre les tissus normaux éloignés
niveaux d'expression des gènes dans les tissus de cancer gastrique contre les tissus normaux éloignés étaient au moins 2 fois différent avec une valeur de p <. 0,05
doi: 10.1371 /journal.pone.0122882.s003
(XLS)
S4 Tableau. . Les interactions des miARN et leurs gènes régulés dans le réseau réglementaire TF-génique
Toute réglementation a été dérivé de la transcription de la base de données élément régulateur (TRED)
doi:. 10.1371 /journal.pone.0122882.s004
(XLSX )

Remerciements

Ce travail a été soutenu en partie par des subventions de la Fondation nationale des sciences naturelles de Chine (̭20108025 et̮72662), national Natural science Foundation de Chine (̬71897 et 81401712 #) , Jilin Key Laboratory of Biomedical Materials, Fondation de la province du Jilin Département des sciences et technologies (É30522013JH etÉ40414048GH), et le Programme de Norman Bethune, de l'Université de Jilin (É2219). Nous remercions également le Medjaden Bioscience Limited (Hong Kong, Chine) pour l'édition et la relecture de ce manuscrit.

Other Languages