PLOS ONE: Expression Altered de hypoxia-inducible Factor-1α (HIF-1α) et ses gènes régulateurs dans le cancer gastrique Tissues

Résumé

L'hypoxie tissulaire induit une reprogrammation du métabolisme cellulaire et peut entraîner la transformation des cellules normales et la progression du cancer. Hypoxia-inducible factor 1-alpha (HIF-1α), la clé de facteur de transcription, joue un rôle important dans le développement du cancer de l'estomac et de progression. Cette étude visait à étudier la voie de signalisation réglementaire sous-jacent dans le cancer gastrique en utilisant des échantillons de tissus de cancer gastrique. L'intégration du profil de l'expression génique et la transcription base de données de l'élément de régulation (TRED) a été poursuivi pour identifier HIF-1α ↔ voies génétiques NFκB1 → BRCA1 → ← STAT3 STAT1 et leurs gènes régulés. Les données ont montré qu'il y avait 82 gènes exprimés de manière différentielle qui pourraient être réglementés par ces cinq facteurs de transcription dans les tissus de cancer gastrique et ces gènes forment 95 modes de régulation, parmi lesquels sept gènes (MMP1, TIMP1, TLR2, FCGR3A, IRF1, FAS et TFF3 ) étaient des molécules de moyeu qui sont réglementées au moins par deux de ces cinq facteurs de transcription simultanément et ont été associés à l'hypoxie, l'inflammation et le trouble immunitaire. PCR en temps réel et Western blot ont montré l'augmentation de HIF-1α dans les niveaux d'ARNm et de protéines, ainsi que TIMP1, TFF3 des taux d'ARNm dans les tissus du cancer de l'estomac. Les données sont la première étude pour démontrer des facteurs de transcription HIF-1alpha-régulée et leurs gènes de réseau correspondants dans le cancer gastrique. Une étude plus poussée avec une plus grande taille de l'échantillon et des expériences plus fonctionnelles sont nécessaires pour confirmer ces données, puis se traduire par la découverte de biomarqueurs cliniques et de la stratégie de traitement pour le cancer gastrique

Citation:. Wang J, Ni Z, Duan Z, Wang G , Li F (2014) expression Altered de hypoxia-inducible Factor-1α (HIF-1α) et ses gènes régulateurs dans le cancer gastrique Tissues. PLoS ONE 9 (6): e99835. doi: 10.1371 /journal.pone.0099835

Editeur: Pankaj K. Singh, University of Nebraska Medical Center, Etats-Unis d'Amérique

Reçu: 10 Janvier 2014; Accepté: 19 mai 2014; Publié: Juin 13, 2014

Droit d'auteur: © 2014 Wang 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, à condition que l'auteur et la source originelle sont crédités

Financement:. Ce travail a été soutenu en partie par des subventions du national Natural science Foundation de Chine (̭20108025 et̬71897), le Fonds de recherche spécialisée pour le programme de doctorat de l'enseignement supérieur de la Chine (É10061120093), la Chine Fondation postdoctorale science (É10491311 etÉ2T50285), Fondation de la province de Jilin Département de la santé (É1Z049), 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). Les bailleurs de fonds ont joué aucun rôle dans la conception de l'étude, la collecte et l'analyse des données, la décision de publier, ou de la préparation du manuscrit

Intérêts concurrents:.. Les auteurs ont déclaré aucun conflit d'intérêts existent

Introduction

le cancer gastrique est le quatrième cancer le plus fréquent et la deuxième cause de décès liés au cancer dans le monde, qui touche environ 800.000 personnes et 65.000 décès par cancer chaque année [1]. Des études antérieures ont montré que le métabolisme cellulaire aberrant est un élément clé lors de la tumorigenèse et la progression du cancer [2], [3]. Spécialement, la reprogrammation du métabolisme énergétique a été inclus en tant que caractéristique émergente du cancer [4] et du métabolisme énergétique anormale est détectée dans le cancer humain différentes, à savoir, les cellules cancéreuses se reprogrammer leur métabolisme par l'augmentation de la glycolyse au lieu de la phosphorylation oxydative mitochondriale pour générer des cellules énergie [5]. L'hypoxie tissulaire est une force motrice essentielle menant au métabolisme cellulaire reprogrammant [6]. Dans un environnement hypoxique, la glycolyse cellulaire est induite et conduit à augmenter la prolifération cellulaire et, à son tour, en formant un cercle vicieux d'hypoxie hypoxie-prolifération croissante qui favorisent la transformation cellulaire et la progression du cancer [7]. Au niveau du gène, hypoxia-inducible factor-1 (HIF-1) est l'activateur de transcription primaire sensible à l'oxygène et permet aux cellules de s'adapter à la faible tension d'oxygène (hypoxie) [8]. HIF-1 est composé d'une sous-unité β-exprimée de manière constitutive et d'une α-sous-unité hypoxia-inducible. Celui-ci (HIF-1α) est seulement stabilisé dans des conditions hypoxiques et régule l'activité de HIF-1 de transcription [9]. À ce jour, HIF-1α est montré pour activer plusieurs gènes cibles qui impliquent des aspects cruciaux de la biologie du cancer, y compris l'érythropoïèse, l'angiogenèse, le métabolisme du glucose, la prolifération cellulaire /survie et l'apoptose [10]. HIF-1α peut interagir avec d'autres facteurs de transcription liés au cancer (TFS) et à former un réseau de régulation de la transcription du gène de TF-complexe au cours du développement du cancer et la progression. Par conséquent, une conception n'a pas été soulevée de façon surprenante que les cellules cancéreuses ont différentiel et des motifs de transcription pathologiques par rapport aux cellules normales [11]. Des études antérieures ont montré une régulation de l'expression de HIF-1α dans les tissus et les cellules [12], [13] cancer de l'estomac, alors que les mécanismes de régulation précisément sous-jacents restent à définir. Ainsi, dans cette étude, nous avons utilisé les Affymatrix Exon Arrays pour identifier le profil d'expression différentielle des gènes dans les tissus de cancer gastrique, et effectué en temps réel PCR et Western blot analyses pour valider les données. Nous avons aussi construit le réseau de transcription aberrante TF-gène régulateur associé à l'expression de HIF-1α par intégration de la base de données de transcription de l'élément de régulation (TRED) [14] et le profil d'expression génique en utilisant un logiciel Cytoscape. Cette étude pourrait identifier une exposition systématique des modes de régulation de la transcription associés liés à l'hypoxie et de fournir des informations utiles pour l'avenir de la découverte de biomarqueurs et nouvelle stratégie de traitement pour le cancer gastrique.

Résultats et discussion

Profiling de différentiellement les gènes exprimés dans le cancer gastrique par rapport à des tissus normaux

pour identifier les gènes exprimés de manière différentielle dans le cancer gastrique, nous avons utilisé les Affymatrix exon Arrays qui contiennent 17.800 gènes humains au profil cinq paires de cancer de l'estomac et les tissus normaux (les informations de patients étaient montré dans le tableau S1). Nous avons trouvé un total de 2546 gènes exprimés de manière différentielle, dont 2422 ont été régulés à la hausse et 124 ont été régulés à la baisse (tableau S2). Plus précisément, HIF-1α est significativement surexprimé dans les tissus du cancer de l'estomac, comparativement aux tissus normaux adjacents (P < 0,01). Nous avons également validé les données de biopuces en effectuant quantitative en temps réel RT-PCR et Western blot dans 10 paires de cancer de l'estomac contre les tissus normaux (les informations de patients ont été montré dans le tableau S1). L'expression de HIF-1α ARNm a montré 2,55 ± 0,56 fois plus régulation à la hausse dans les tissus tumoraux versus normaux (p < 0,01); analyse western blot a montré une séparation claire entre la densité protéique relative de HIF-1α dans les tissus cancéreux (0,41 ± 0,24) par rapport à des normaux (0,17 ± 0,15) avec p < 0,01, les résultats peuvent être vus dans la Figure 1 et Figure S1. En effet, une étude antérieure a montré que HIF-1α a été exprimée de manière ubiquitaire dans les tissus humains et de souris en hypoxie [15] et dans les tissus de cancer gastrique [12], [13], la surexpression de ce qui a été associée à un mauvais pronostic des patients atteints de cancer gastrique [12 ], [13]. Par conséquent, nous avons analysé en outre TFS surexpression associée à HIF-1α et leurs gènes ciblant les potentiels dans les tissus du cancer de l'estomac.

Identification de la surexpression associée TFS HIF-1α et leurs gènes ciblant les potentiels dans les tissus du cancer de l'estomac

pour identifier TFs surexpression associée HIF-1α et leurs gènes de ciblage potentiels, la transcription base de données de l'élément de régulation (TRED) fournit un outil unique pour analyser à la fois cis
- et trans - éléments régulateurs chez les mammifères, ce qui aide à mieux comprendre les règlements de gènes complets et des réseaux de réglementation, en particulier au niveau de la réglementation de la transcription. Ainsi, en utilisant le profil d'expression génique d'intégration et de l'information de régulation à partir TRED, nous avons analysé HIF-1α et quatre autres facteurs de transcription liés à HIF-1α (c.-à NFκB1, BRCA1, STAT3 et STAT1), qui ont tous été régulés à la hausse dans le cancer gastrique tissus et trouvé qu'ils formaient ces réseaux de régulation TF-gène avec 82 gènes, dont 79 ont été régulés à la hausse et 3 ont été régulés à la baisse (tableau S3). La figure 2 montre l'analyse bi-clusters de ces 82 gènes exprimés de manière différentielle dans les tissus de cancer gastrique par rapport à des tissus normaux.

Après cela, la base de données pour Annotation, Visualisation et Discovery intégré (DAVID) [16] a été appliquée pour fonctionnelle annotation de ces 82 gènes exprimés de manière différentielle. Nous avons énuméré les top quatre classes de maladies qui associés à ces 82 gènes aberrants (tableau 1) et a constaté que la classe la plus importante est le cancer avec 29 gènes suivies par les infections (18 gènes), cardiovasculaires (25 gènes) et de la maladie immunitaire (26 gènes) .

identification de gastrique facteur de transcription du gène lié au cancer (TF-gène) réseau

sur la base de la transcription de la base de données élément régulateur et profil d'expression génique, nous avons construit le réseau de régulation transcriptionnelle liée à HIF 1α ↔ NFκB1 → BRCA1 → ← STAT3 STAT1 avec ces 82 gènes dans les tissus de cancer gastrique. Nos données ont montré que ces 82 gènes peuvent former 95 modes différents de régulation (figure 3A) et le TF-gène information détaillée des modes de régulation est répertorié dans le tableau S4.

Afin de mieux comprendre le réseau de régulation, nous avons construit un bref cadre du réseau (figure 3B). Facteurs de transcription HIF-1α ↔ NFκB1 → BRCA1 → ← STAT3 STAT1 ont pu former le cadre du réseau de régulation par lequel directement réglementé 21, 45, 2, 12 et 10 gènes, respectivement. NFκB1 est directement régulée par HIF-1α et il est vrai que la majorité du réseau de réglementation ont été directement réglementé par HIF-1α (21/82) et NFκB1 (45/82), les régulateurs clés liés à l'hypoxie et de l'inflammation dans les cancers [ ,,,0],17]. Le cancer gastrique est caractérisée par une hypoxie tissulaire et l'inflammation chronique (comme l'pylori infection de Helicobacter). Dans notre étude, HIF-1α était significativement régulée à la hausse dans le cancer gastrique par rapport aux tissus normaux adjacents (P < 0,01). En outre, nos données actuelles ont montré que l'expression de plus de 20 gènes qui sont directement réglementés par HIF-1α a été modifiée dans les tissus de cancer gastrique, y compris NFκB1, la molécule régulatrice clé dans l'inflammation et le cancer [18] et le ciblage des NFkB pourrait être utile dans chimioprévention de divers cancers humains [19].

l'aval du réseau de sentiers de réglementation est principalement régie par STAT3 (12/82) et STAT1 (10/82), les membres du transducteur de signal et activateur de la famille de la transcription ( STAT). STATs signalisation JAK avec une voie canonique pour réguler les gènes qui sont impliqués dans de nombreux processus physiologiques, en transférant des signaux à partir de la membrane cellulaire vers le noyau [20]. Paracrine pour réguler la signalisation des cytokines et des altérations de sites métastatiques, STAT3 exerce à la fois des tumeurs intrinsèques et extrinsèques des effets [21]. Le ciblage JAK-STAT3 voie de signalisation est considérée comme une stratégie thérapeutique potentielle, en particulier dans le contexte de l'inflammation et de l'immunité tumorale [21]. déréglementation continue des gènes par la persistance activée NFkB et STAT3 dans microenvironnement de la tumeur est deux aspects cruciaux pour l'inflammation et la progression maligne [17]. Une étude antérieure a montré un effet coopératif de STAT3 et HIF-1α sur l'activation de gènes dans un environnement d'hypoxie dans les cellules de carcinome des cellules rénales [22]. Le mécanisme spécifique d'activation JAK-STAT, en particulier STAT3 dans le cancer gastrique reste à déterminer, bien que nos données actuelles montrent niveau significativement plus élevé de JAK1, STAT3 et d'expression de STAT1 dans les tissus de cancer gastrique.

Analyse fonctionnelle du moyeu -Genès

un facteur de transcription donné peut réguler des dizaines, voire des centaines, des gènes cibles, tandis qu'un gène pourrait être régulé par plusieurs TFs différents dans les réseaux de régulation génétique. Ainsi, nous avons supposé que les gènes de moyeu étant régis par plusieurs facteurs de transcription simultanément dans le cancer gastrique, ce qui peut avoir des effets synergiques sur la carcinogenèse humaine. Dans l'étude actuelle, nous avons identifié sept gènes (y compris MMP1, TIMP1, TLR2, FCGR3A, IRF1, FAS et TFF3) qui peuvent être directement régulée par au moins deux facteurs de transcription clés, la plupart d'entre eux sont des noeuds de moyeu qui relient avec NFκB1 et STATs voie (figure 4). Étant donné que les facteurs de transcription régulent les gènes cibles par le biais d'une manière la transcription dépend de moduler l'expression de l'ARNm, ici nous avons effectué qRT-PCR pour étudier l'expression de TIMP1 et TFF3 ARNm, deux gènes cibles de HIF-a L'expression relative de TIMP1 et TFF3 ARNm 1,58 ± 0,25 et 2,16 ± 0,59 fois plus régulés à la hausse sur dix tumeur par rapport à des tissus normaux, respectivement (figure 1).

en outre, la famille des métalloprotéinases matricielles (MMP) est la principale matrice extracellulaire remodelage enzymes, activité qui est le résultat de l'interaction entre les cellules tumorales et microenvironnement tumoral et est étroitement contrôlée par l'activation de la transcription, comprenant une cascade d'activation protéolytique complexe ainsi que le système endogène d'inhibiteurs tissulaires de métalloprotéinases (TIMP) [23]. MMP1 a été rapportée comme étant impliquée dans l'invasion des cellules du cancer gastrique [24]. En outre, TLR2 est membre de récepteurs toll-like et joue un rôle fondamental dans la reconnaissance des agents pathogènes et l'activation de l'immunité innée par l'activation de NFkB. TLR2 peut fonctionner comme un initiateur pour donner les cellules infectées ou blessés une seconde chance de se développer dans les cellules cancéreuses et la prolifération incontrôlée des cellules [25]. Pendant ce temps, le fragment Fc des IgG, faible affinité IIIa (FCGR3A, également connu sous CD16A) appartient à la famille des récepteurs de Fc gamma (de FcgR). polymorphisme FCGR3A
était associée à une prédisposition à certaines maladies auto-immunes et FCGR3A a un rôle important dans l'élimination des complexes immuns à partir du corps et participe également à des réponses cytotoxiques contre des cellules tumorales et des agents infectieux [26]. Le facteur régulateur de l'interféron (IRF) -1 est une molécule active immunitaire et le régulateur de processus inflammatoire, l'activation de l'IRF-1 et NF-kB a été trouvée pour être activé en même temps dans le mélanome [27]. En outre, les polymorphismes du facteur trilobée 3 ( TFF3
) promoteur ont été associés à la sensibilité gastrique du cancer [28] et TFF3 a été réglée par les deux HIF-1 et NFkB [29]. La surexpression de TFF3 est un indicateur indépendant de la survie globale des patients atteints de cancer gastrique [30]. Encore une fois, le SAF (également connu sous le nom TNFSF6 /CD95 /APO-1) appartient à la nécrose de la tumeur superfamille des récepteurs du facteur (membre 6) et joue un rôle essentiel dans la régulation de la voie de l'apoptose extrinsèque [31]. expression de la FAS réduite a été associée à un risque accru de cancer par une régulation négative de l'apoptose à médiation par Fas [32]. Cependant, nos données actuelles ont montré un haut niveau d'expression contradictoire de la FAS dans l'estomac des tissus cancéreux ad étude est en outre nécessaire pour le confirmer. Dans l'ensemble, l'expression altérée de ces gènes dans les tissus de cancer gastrique doit en outre la vérification en tant que biomarqueurs pour le diagnostic du cancer de l'estomac et le pronostic. Ces gènes sont essentiels dans l'inflammation et les maladies liées immunitaire, qui peut en outre indiquer l'importance de Helicobacter pylori infection
dans le développement du cancer de l'estomac et de la progression.

Tissue Matériaux et méthodes spécimens

Un total de 15 patients atteints de cancer gastrique ont été recrutés pour le cancer et la collecte de tissu normal distant du premier hôpital de l'Université de Jilin, Changchun, en Chine. Cette étude a été approuvée par le Comité d'éthique du Collège des sciences médicales de base, l'Université de Jilin, chaque patient a été consenti par un formulaire de consentement éclairé par écrit. Les données ont été analysées de manière anonyme. Tous les tissus ont été prélevés dans une salle de chirurgie et une congélation rapide et stockés dans de l'azote liquide dans 10 min après la résection. Le TNM et la classification histologique ont été réalisés selon l'Organisation mondiale de la santé (OMS) critères.

l'isolement de l'ARN et microarray hybridation et balayage

ARN tissu a été isolé en utilisant Trizol (Invitrogen, CA, USA) et en outre purifié en utilisant le kit RNeasy Mini (Qiagen, Düsseldorf, Allemagne) selon les instructions du fabricant. concentration d'ARN a ensuite été déterminée en utilisant le spectrophotomètre UV2800 ultraviolet (UNIC, NY, USA) avec un rapport A260 /A280 entre 1.8~2.0 et la concentration d'ARN a été varié de 100 ng /pl à 1 pg /pl.

GeneChip Human Exon 1.0 ST (Affymetrix, CA, USA) a été utilisé pour le profil des gènes exprimés de manière différentielle dans les tissus de cancer gastrique contre les normales selon le protocole fourni par Affymetrix (P /N 900223). En bref, 1 pg matrice d'ARN a été utilisé pour une transcription inverse en ADNc et des échantillons d'ADNc ont été digéré en fragments d'ADNc avec des endonucléases puis marquées avec le réactif de marquage d'ADN fournis par Affymetrix. Après cela, les échantillons d'ADNc marqués ont été utilisés comme sondes pour l'hybridation aux puces matricielles par une incubation à 45 ° C et mis en rotation à 60 tours par minute pendant 17 heures. Après lavage et colorées les puces après hybridation, les puces ont été numérisés à l'aide GeneChip Scanner3000 avec GeneChip Operating Software (SMOC). Tous les instruments, les croustilles et les réactifs ont tous été achetés chez Affymetrix.

L'analyse des gènes exprimés de manière différentielle dans le cancer par rapport à des tissus normaux

GeneChip du logiciel d'exploitation a été appliquée pour analyser les puces et extraire les images brutes signalent données. Les DataSets GEO de numéro d'accès NCBI de notre étude est: GSE56807. données de signal brutes ont ensuite été importées et analysées avec l'algorithme Limma pour identifier les gènes exprimés de manière différentielle. Les modèles linéaires et des méthodes empiriques de Bayes étaient d'analyser les données. Cela a empêché un gène avec un très petit facteur de changement d'être jugé comme différentiellement exprimé simplement en raison d'un accident petite SD résiduelle. Les valeurs résultantes de P ont été ajustées en utilisant l'algorithme BH FDR. Les gènes ont été considérés comme significativement différentiellement exprimé si les deux valeurs du FDR était < 0,05 (contrôle du FDR devrait pas plus de 5%) et l'expression génique ont montré des changements au moins 2 fois entre le cancer et les tissus correspondants normaux avec Log2FC > 1 ou log2FC < -1, P-valeur < 0,05.

Pour l'analyse qRT-PCR, à moins de 5 ug d'ARN total a été transcrit de manière inverse en ADNc avec 1 ^{Kit st brin d'ADNc Synthsis (Takara
quantitative en temps réel RT-PCR , Dalian, Chine); l'expression de l'ARNm pour HIF-1α humaine, TIMP1 et TFF3 ont été examinés par qRT-PCR avec SYBR Premix Taq Ex (Takara, Dalian, Chine) et Applied Biosystems système PCR rapide en temps réel 7300. L'expression relative de l'ARNm ont été normalisés à la ß-actine expression par la méthode comparative Ct (2 -ΔΔCt, ACt = Ct _{target-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 répertoriés dans le tableau 2. 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 considéré comme significatif}}

Western blot analyse

Environ 1 mm ^{3 des échantillons de tissus ont été polies avec de l'azote liquide, puis homogénéisé dans la lyse cellulaire tampon (Beyotime, Chine) dans. 4 ° C pendant 30 minutes, élimine les débris cellulaires par centrifugation à 10 000 tpm pendant 20 min à 4 ° C. La concentration en protéine a été analysée par dosage Bradford protéine (Bio-Rad, USA). La protéine entière a été séparée par 10% de SDS-PAGE, puis transférés sur une membrane de PVDF (0,45 pm) pendant 2 h. Après 2 h de blocage de 5% de lait en TBST, incubé la membrane avec la souris anti-HIF-1α (Santa Cruz, CA, USA) à 1:200 dilution et de la souris anti-β-actine (proteintech, États-Unis) à 1: 2000 dilution à 4 ° C pendant 12 h et suivie de 2 heures d'incubation avec des anticorps de chèvre anti-IgG de souris (proteintech, USA) à une dilution 1:2000. Après lavage par TBST, détecté les signaux de la membrane en utilisant une chimiluminescence amplifiée ECL (Beyotime, Chine). L'image J logiciel a été appliqué pour l'analyse quantitative des intensités de signal HIF-1α normalisée avec des niveaux de ß-actine. Les données ont été analysées 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 une valeur de p < 0,05 considéré comme significatif}

Construction d'un réseau de gènes du facteur de transcription basée sur l'expression des gènes. le profil et le réseau de transcription réglementaire base de données de l'élément

facteur de transcription (TF) de gène a été construit en fonction du profil de l'expression génique et la transcription base de données de l'élément de régulation (TRED) en utilisant le logiciel Cytoscape selon l'interaction réglementaire et les valeurs d'expression différentielle de chaque TF et le gène. La matrice de contiguïté des TFs et des gènes a été faite par les relations d'attributs entre tous les gènes et TFs. L'ellipse dans le réseau TF-gène représenté gènes avec le rouge (up-régulé) et vert (régulée vers le bas), les triangles représentent des facteurs de transcription. La relation entre TF et leurs cibles étaient représentés par des flèches, la direction de la flèche était de la source vers la cible.

L'analyse des gènes de maladies associées et voie génique annotation

Base de données pour Annotation, Visualisation et Discovery intégré (DAVID) logiciel d'annotation fonctionnelle a été appliquée pour analyser l'enrichissement fonctionnel des gènes aberrants. option "GENETIC_ASSOCIATION_DB_DISEASE_CLASS" a fourni les informations à propos de l'association maladie enrichissement des groupes de gènes. Nous avons sélectionné "GENETIC_ASSOCIATION_DB_DISEASE_CLASS" pour identifier l'enrichissement de la classe de la maladie et "KEGG_PATHWAY" pour l'enrichissement de la voie avec la méthode Benjamini détermination du score≥1.3 d'enrichissement significatif.

Informations complémentaires
Figure S1.
analyse par Western blot de HIF-1α dans 10 paires de cancer de l'estomac et les tissus normaux
doi:. 10.1371 /journal.pone.0099835.s001
(DOC)
Tableau S1. données
Patients
doi: 10.1371. /journal.pone.0099835.s002
(DOC)
Tableau S2.
Résumé des 2546 gènes exprimés de manière différentielle dans des tissus de cancer gastrique par rapport aux tissus normaux éloignés. les 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.0099835.s003
(XLSX)
Tableau S3.
Résumé des these82 gènes exprimés de manière différentielle dans le réseau de TF réglementaire dans les tissus de cancer gastrique
doi:. 10.1371 /journal.pone.0099835.s004
(XLSX)
Tableau S4.
Les 95 modes de régulation formés par 82 gènes différentiels dans le réseau de régulation TF-gène. Toutes les informations de régulation a été dérivé de la transcription de la base de données élément régulateur (TRED)
doi:. 10.1371 /journal.pone.0099835.s005
(XLSX)

Remerciements

Nous remercions également la Medjaden Bioscience Limited (Hong Kong, Chine) pour l'édition et la relecture de ce manuscrit.

• PLOS ONE: Simulation de Discovery Swansons Littérature-Based: Croissance anandamide Traitement inhibitions des cellules de cancer gastrique in vitro et in silico
• PLOS ONE: Interleukin 17A Favorise cancer gastrique envahissant via NF-kB Mediated métalloprotéinases 2 et 9 Expression