Stomach Health > želudac Zdravlje >  > Gastric Cancer > Rak želuca

PLoS ONE: Karakterizacija diferencijalno eksprimirani geni uključeni u putova koji su povezani s rakom želuca

Sažetak pregled

Kako bi istražili obrasce ekspresije gena u karcinomu želuca, ukupno 26. u paru rak želuca i noncancerous tkiva od pacijenti upisani za analizu ekspresije gena mikropostrojima. Limma metode su primijenjene za analizu podataka, i smatra se geni mogu biti značajno različito izražena ako je False Discovery stopa (FDR) vrijednost je < 0,01, P pregled-vrijednost bila je < 0,01 i mnogostrukost promjene (FC) je > 2. Nakon toga, Gene Ontologija (GO) kategorijama su korišteni za analizu glavne funkcije različito izraženim genima. Prema Kyoto Enciklopedija gena i genoma (KEGG) bazi podataka, pronašli smo puteve značajno povezane s diferencijalnim genima. Gene-Act mreže i ko-ekspresija mreže su izgrađene, odnosno na temelju odnosa između gena, proteina i spojeva u bazi podataka. 2371 mRNA i 350 lncRNAs smatraju značajno različito izraženi geni su odabrani za daljnju analizu. GO kategorije, put analizira i Gene-Act mreža pokazala dosljednu rezultat koji regulira prema gore geni su odgovorni za tumorigenezi, migracije, angiogenezu i formiranje mikro okoliš, a dolje reguliran geni su bili uključeni u metabolizam. Ovi rezultati ovog istraživanja daju neke nove spoznaje o kodiranja RNA lncRNAs, puteljaka i ko-ekspresiji mreže u raka želuca, koji će biti od koristi za vođenje daljnje istrage i ciljati terapija za ovu bolest pregled

Izvor:. Li H , Yu B, Li J, Su L, Yan M, Zhang J., et al. (2015) Karakterizacija različito izražen gena koji sudjeluju u putevima povezana s rakom želuca. PLoS ONE 10 (4): e0125013. doi: 10,1371 /journal.pone.0125013 pregled

Akademska Urednik: Francisco J. Esteban, Sveučilište Jaen, Španjolska pregled

Primljeno: 9. studeni 2014; Prihvaćeno: 6. ožujak 2015. godine; Objavljeno: 30. travanj 2015 pregled

Copyright: © 2015 Li i sur. Ovo je otvoreno pristupa članak distribuirati pod uvjetima Creative Commons Imenovanje License, koja omogućuje neograničeno korištenje, distribuciju i reprodukciju u bilo kojem mediju, pod uvjetom da je izvorni autor i izvor su zaslužan pregled

Podaci Dostupnost: sve relevantne podatke su u radu i njegove popratne podatke datoteke. Svi microarray datoteke su dostupne iz NCBI Gene Expression Omnibus (GEO) baza podataka (pristupni broj "GSE65801"; http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE65801).

Financiranje: Ovaj rad je podržan od strane subvencija za analizu iz Nacionalne zaklade prirodoslovni Kine [br 81172324, broj 91229106, broj 81272749, a broj 81372231], znanosti i tehnologije povjerenstvo Općine Šangaju [br 13ZR1425600] i ključnih projekata u Nacionalnom Science & Tehnologija Stup Program Kini (br 2014BAI09B03). U financijeri nisu imali ulogu u studiju dizajna, prikupljanja i analize podataka, Odluka o objavi, ili pripremu rukopisa pregled

U konkurenciji interese.. Autori su izjavili da ne postoje suprotstavljeni interesi pregled

Uvod pregled

rak želuca (GC) je jedan od najčešćih karcinoma u svijetu, a pojava je osobito visoka u istočnoj Aziji, posebno u Kini. Oko 952.000 novih slučajeva raka želuca su dijagnosticirane u svijetu u 2012. godini, a pola od njih dogodio se u istočnoj Aziji (uglavnom u Kini) [1]. U Kini, većina bolesnika s GC se dijagnosticira u kasnoj fazi s lošom prognozom. Dakle, razjašnjenje molekularnih mehanizama koji stoje iza GC napredovanje bitno je identificiranje ključnih biomarkera i razvoj učinkovitih ciljane terapije. Pregled

Tijekom posljednjeg desetljeća, ekspresije gena mikročipovima, postali su zajednički alat za ispitivanje razine genskog transkripta je u istraživanju raka. Microarray podaci koriste se za razne analize, kao što nekontroliranog klastera, klasifikacije, diferencijalne ekspresije analizu i izražavanja mapiranje lokusa za kvantitativna svojstva [2]. To ne samo da pomaže u identificiranju ključnih disfunkcionalnih gena u raka, ali pruža genoma širom informacije o ekspresiji gena u jednom trenutku, kao i [3,4]. U ovom istraživanju, Izvršili smo genoma istraživanje širom ekspresije lncRNAs i mRNA iz uparenih uzoraka primarnih želučanog tkiva raka i noncancerous tkiva, profil se različito izražene lncRNAs i kodiranje RNA. Proučavanje tih podataka će pružiti vrijedne informacije o mehanizmu karcinogeneze i omogućiti otkrivanje ključnih gena koji mogu djelovati kao buduće ciljeve terapije protiv raka. Pregled

Načini i materijali pregled

Etički izjava

Pismeni informirani pristanak dobiven je od svih sudionika. Istraživanje je odobrilo Etičko povjerenstvo Human Research od Ruijin Hospital, Shanghai Jiao Tong University, School of Medicine. Pregled

Uzorci tkiva

Tkiva su uzeti iz primarnih želučanog karcinoma od netretiranih pacijenata koji su se podvrgnuli D2 radikalna gastrektomije u Šangaju Ruijin bolnici. Za svako tkivo karcinoma upareni uzorak tkiva nekancerozno je sakupljen iz pridruženog područja istovremeno. Veličina svakog uzorka je oko 0.1cm 3. Svi uzorci su bili smješteni u RNALater roku od 15 minuta nakon ekscizije i čuva u tekućem dušiku do ekstrakciju RNK. U ovoj studiji, 32 paru tkiva su prikupljeni za microarray i 26 upareni uzorci su upisani za sljedeću koraka analize u nešto krenete, put i mrežu nakon kontrole kvalitete pomoću 3D analize glavnih sastavnica (3D-PCA) i klaster analiza. Pregled

mikropolja eksperimenti

Agilent SurePrint G3 Ljudski GE 8x60K Microarray (dizajn ID: 028004) upotrebljava se u ovom istraživanju. Ukupna RNA izolirana je i pojačan korištenjem Low Input Brzo Amp kita za označavanje, jedna boja (Mačkaȇ0-2305, Agilent Technologies, SAD). Zatim, označeni cRNAs se pročisti Rneasy mini kit (Cat˥06, Qiagen, Njemačka). Pregled

osnovu uputa proizvođača, a svaki klizač se hibridiziraju 600ng Cy3-obilježenog cRNA pomoću Gene Expression Kit hibridizacija (MačkaȆ8-5242, Agilent Technologies, SAD) i prana je Gene Expression Wash Buffer Kit (CatȆ8-5327, Agilent Technologies, SAD). pregled

Agilent Microarray Scanner (Mačka # G2565CA, Agilent tehnologije, SAD) i određivanja značajki softvera 10.7 (Agilent Technologies, SAD) su primijenjeni za skeniranje svaki slajd s istim postavkama prikazati kako slijedi, boja kanal: Green, razlučivost skeniranja = 3 um, 20bit. Sirovi podaci su normalizirani na kvantilnih algoritam, Gene Spring Software 11,0 (Agilent Technologies, SAD) (detaljno u S5 tablici). Pregled

Limma pregled

Linearni modeli i empirijska Bayesova metode primijenjene za analizu podaci u ovom istraživanju. Nastale P
-values ​​su podešavati na BH FDR algoritam. Postojale su tri standarda za nas uzeti u obzir da je gen koji je značajno različito izražena je FDR vrijednost bila < 0,01, P pregled-vrijednost bila je < 0,01 i poklopac promjena je > 2. (Detaljnije u S5 tablici) pregled

GO kategoriju pregled

Izvršili smo Gene Ontologija (GO) analizira analizirati funkcije različito izraženim gena u našem microarray prema ključnim funkcionalnoj klasifikaciji iz Nacionalnog centra za biotehnološke informacije (NCBI). Općenito, Fisherov egzaktni test i χ pregled 2 test se primjenjuje na klasifikaciju kategoriju GO, i stopu lažnih otkriće (FDR,) izračunata je ispraviti P pregled-vrijednost ( N pregled k pregled odnosi se na broj Fisher-ov test P pregled -values ​​manje od χ
2 test P pregled -values). Re obogaćivanje dala: Re = ( N pregled f pregled / N pregled) /( N pregled f pregled / N pregled) u značajnim kategorijama ( N pregled f pregled je broj diferencijalnih gena unutar pojedine kategorije, n pregled je ukupan broj gena unutar iste kategorije, N pregled f pregled je broj diferencijalnih gena u cijeloj microarray i N
je ukupan broj gena u microarray) (detaljnije u S5 tablici) pregled

Put analizira

putanja bilješke diferencijalne exressed gena dobiveni su od KEGG (http: //www .genome.jp /KEGG /). Puteve kategorije s FDR i 0.01 su bili označeni. Obogaćivanje značajnih puteva dao je: obogaćivanje = /, koji nam je pomogao pronaći više značajna puteve u našem istraživanju ( N pregled g pregled je broj diferencijalnih gena unutar Konkretno put, N pregled A pregled je ukupan broj gena unutar iste staze, N pregled g pregled je broj diferencijalnih gena koji imaju najmanje jednog puta napomenu, i N pregled a pregled je broj gena koji imaju najmanje jednog puta zabilježeni u cijelom microarray.) (detaljnih u S5 tablici). pregled

Gene-Act mreža pregled

Prema KEGG baze podataka, jedan gen može biti uključeni u nekoliko putova ili u interakciji s nekoliko drugih gena. Sve interakcije gena gena se skupe zajedno graditi Gene-Act mreža zasnovana na razlici puteve, koji nam je pomogao otkriti signalne putove i ključnih regulatornih gena u GC. Pregled

Co-izraz mrežni pregled

Gene ko-ekspresija mreža je izgrađena u skladu s normalizirani intenziteta signala specifičnih ekspresije gena. Stupanj središnje je definiran kao broj linkova jedan čvor ima za još jedan, koji određuje relativnu važnost gena. Štoviše, k-Jezgre se primjenjuje kao metoda pojednostavljenja analize graf topologija. Temeljni regulatorne faktora (gena) koje imaju najviši stupanj povezati većinu susjednih gena i izgraditi strukturu mreže (detaljno u S5 tablici). Pregled

U stvarnom vremenu kvantitativni PCR pregled

Ukupna RNA se ekstrahira iz tkiva pomoću Trizol reagensa (Invitrogen) prema uputama proizvođača. Kvantitativni realnom vremenu lančana reakcija polimeraze (PCR) pomoću SYBR zeleno-PCR Master Mix u Fast realnom vremenu PCR 7500 System (Applied Biosystems). Primeri od 10 gena su pokazali u S4 tablici. PCR reakcije provedene su na 50 ° C 2 min, zatim 40 ciklusa od 95 ° C za 15 s i 60 ° C tijekom 1 min. ΔCt je izračunata oduzimanjem Ct P-aktin RNA (kontrola) s Ct RNA uzorka, respektivno. ΔΔCt zatim je izračunata oduzimanjem ΔCt kontrole iz ΔCt uzorka. Fold promjena je izračunata jednadžba 2-ΔΔCt. Pregled

Statistička analiza pregled

SPSS program 19 i Microsoft Excel 2010 se koristi za analizu podataka. Razina ekspresije između tkiva raka i susjedna tkiva netumorskih analizirane su upareni uzorka t-testa. P pregled -values ​​ispod 0,05 smatrane su statistički značajne. Pregled

Rezultati

Microarray analizira

U ukupno, 42,405 ljudski geni su profilirani u našoj studiji koju koristeći Agilent G3 Ljudski GE 8x60K mikročipa. Mi smo podnijeli naš skup podataka u repozitoriju "Gene Expression Omnibus", a pristupni broj bio "GSE65801" (http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE65801). Koristili smo linearne modele i empirijska Bayesova metoda za analizu podataka (vidi Metode). Bilo je 2371 mRNA i 350 lncRNAs smatra različito izraženim genima po limma za analizu sljedećeg koraka (Slika 1A). Pregled

Od svih 2371 diferencijalne mRNA, postoje 1142 mRNA dolje regulirano i 1229 mRNA nad- regulirano u našem opažanju o izmjenama ekspresije gena između karcinoma želuca i kontrolnim tkivima (Slika 1C). Većina diferencijalnih mRNA su dokazali da se u korelaciji s karcinogeneze i metastaza u većini tipova karcinoma (Tablica 1). Geni kao što GKN2, PGŽ, MUC6, chia, PSCA i FBP2 su bili među prvih 20 dolje regulirano gena, dok KLK8, SFRP4, INHBA, CLDN1, CST1, FAP, SPP1, OLFM4 i KRT17 bili među prvih 20 do -regulated gena (Tablica 1). Međutim, neki geni, kao što HOXC9, FNDC1, STRA6, KCNE2, PGA3 i KCNJ16 nisu zabilježene kod raka želuca i njihove uloge ostaju nepoznati (Tablica 1). Pregled

Osim toga, pronašli smo 193 podregulirani lncRNAs i 156 up-regulirana lncRNAs među ukupno 350 diferencijalnih lncRNAs na temelju profiliranje (Slika 1B). Većina lncRNAs nisu dobili zvaničan imena i njihove funkcije ostaju nepoznati. Međutim, neki su izvijestili igraju ključne uloge u raka, kao što je H19, GUCY1B2, MEG3 i AKR7L (Tablica 2). Pregled

U našem prethodnom izvješću [36], mnogostrukost promjene (FC) u H19 u 74 rak želuca u odnosu uparenih noncancerous tkiva bila je 6,015, s P
-vrijednost od 0,017. Ovaj rezultat je u skladu s podacima H19 (apsolutna FC = 6,06) u tome mikropostrojima analize. Osim toga, prekomjerna ekspresija H19 doprinosi proliferacije, migracije, invazije i metastaziranja raka želuca. Pregled

Gene ontologije kategorije pregled

Svi su različito izraženi geni su klasificirani u različite funkcionalne kategorije prema Gene Ontologija (GO) projekt za bioloških procesa. Na temelju naših microarray podacima, GO analize pokazuju da su 208 GO pojmovi obogaćen ( P izvoznici < 0,01, FDR < 0,01) (S1 Tablica). Primarni kategorije ići za 170 up-regulirana GO smislu bile su usmjerene na adhezije stanica, angiogenezu, višestaničnih razvoj organizma, aksona usmjeravanje, skeletni razvoj sustava, kolagen fibrila organizacije, pozitivnom regulaciji angiogeneze, ranjavanja i negativne regulacije stanične proliferacije (slika 2A) , Glavni GO kategorije za gene dolje regulirane su probava, ksenobiotika metabolički proces, transmembranski transport, transport iona, malih molekula metabolički proces, negativna regulacija rasta, glutation metabolički proces, stanični odgovor na kadmij iona i metaboličkih procesa (slika 2b).

Prema diferencijalne gena i funkcije, izgradili smo GO stablo istražiti interakcija među svim kategorijama diferencijal ići. Raznolikost ovih kategorija kada se uspoređuju kancerozne i kontrole tkiva sugerirao da rak želuca može biti povezano sa značajno je povećana migracija stanice, proliferacija stanice, angiogeneze, adhezije stanica-stanica i stanica površinskog receptora signalizacijom puteva, a stanični metabolizam procesi i ion transmembranski transport se regulirati na dolje (Slika 3). pregled

analizira Put pregled

Put analize su korišteni za identifikaciju značajnih putova povezane s različito izraženim genima prema KEGG. Bilo je 32 regulira prema gore putevi i 31 dolje regulirano putevi na temelju naših podataka (slika 4). Nadalje, put profiliranje u skladu je s rezultatima za kategorije ući rakom bioloških funkcija. Naši podaci su pokazali neke diferencijalne gene vrlo up-regulirana koja je sugerirala njihova uključeni putevi su activiated. Na primjer, SFRP4, WNT11, FZD2, myc su vrlo izražene u raka tkiva koja predstavlja Wnt put je activiated i BCL2A1, ICM1, TNFSF14 u NF-kB puta vrlo su izraženi kao dobro. Većina karcinoma povezanih signalnih puteva, kao što su JAK /STAT, WNT, NF-kB, PI3K, mTOR, ježa i Notch putevi su aktivirani kod raka želuca u usporedbi s noncancerous tkiva na temelju naših podataka (S2 tablicu). Up-regulirana putovi koji su bili usmjereni na stanične adhezije, transkripcije poremećajem, karcinogeneze i diferencijacije su u korelaciji s tumorogenesis i metastaza (slika 4a). Međutim, regulirano putevi su uglavnom odgovorni za metabolizam (slika 4b). Pregled

Gene-Act mreža pregled

Na temelju GO kategorijama i slijeda analize, jedan gen može biti uključeni u nekoliko putova ili međusobno reagirati s nekoliko drugih gena. izvukli smo diferencijalne gene i izgradio mrežu interakcija različito izraženim genima. Visok stupanj proteina regulira ili regulirano od strane mnogih drugih proteina, što ukazuje važnu ulogu u Gene-Act mreže (S3 tablici). Glutation S-transferaze (GST) obitelj, citokrom P450 (CYP) obitelj, UDP glucuronosyltransferase 2 (UGT2) obitelj, receptor faktora rasta epiderma (EGFR) obitelj i cAMP-ovisna protein kinaza katalitičku beta (PRKACB) bili su u srži gen-gen interakcija mreže. Oni mogu igrati ključnu ulogu u mreži, jer oni posjeduju najjači stupanj (stupanj do 25) centralities (gen-gen interakcije) (slika 5). On je izvijestio da GST, EGFR i PRKACB odgovorni za putevima prijenosa signala koji su uključeni u rast tumora i diferencijaciju u različitim vrstama raka [42,43]. Pregled

Gene ko-ekspresija mreže pregled

proizveli smo gen ko-expression mrežu na temelju diferencijalno izražene geni, proteini i protein kompleksa u tkivima raka i noncancerous (kontrola) tkiva, respektivno. U usporedbi s kontrolom, veza između gena u tkivu raka manje, što sugerira da je većina fizioloških gena gena interakcije i vezu u normalnom tkivu su oštećene ili izgubljene u tkivu raka (Slika 6A i 6B). Geni s visokim stupnjem i K-jezgre, što znači da posjeduju većinu interakcije s drugim geneswere poznat kao ključnih gena u interakciji mreže (Slika 6b), uključujući TRO, GPR124, TIMP2, EMCN, SLIT3, HTRA1, SPARC, LAMA4 i MEOX2 (Tablica 3). Oni su odgovorni za staničnu signalizaciju, prianjanja, angiogeneze, migracija, rast i metastaziranje. Pregled

Potvrda rezultata microarray od qPCR pregled

Izvršili smo Kvantitativna Real-time PCR (qPCR) 6. regulira prema gore geni (COL1A, BGN, SPP1, Melk, IGFBP4, SPARC) i 4 dolje regulirani geni (PGŽ, SST, MT1X, S100P) kako bi potvrdili svoje podatke u želučanom tkivu raka (tumora) i noncancerous tkiva (normalan). Izraz omjeri tih 10 gena (tumor /normalan) iz qPCR su u skladu s onima iz microarray (S4 stol). On je predložio podatke izražavanja diferencijalne geni iz mikropostrojima je pouzdan. Štoviše, naš tim je radio na nekim od diferencijalnih gena, kao što su PHF10 [55], CEACAM6 [56], SFRP1 [57], SOX11 [58], CLDN1 [59] istraživali ekspresiju i funkciju kod raka želuca i rezultati savršeni pokazao našu microarray podatke. pregled

Rasprava pregled

Microarray genske ekspresije analize na raka želuca su prethodno korišteni za predviđanje dijagnostičke markere [60] i za identifikaciju gena obrazaca ekspresije povezane s prognozom [ ,,,0],61,62], ali to nije iskorišteno da bi se otkrilo molekularne interakcije među lncRNAs i mRNA u GC. U ovoj studiji analizirali smo 26 želučanog tkiva raka s uparenim noncancerous tkiva i profilirani geni različito izražena prema njihovom GO kategorije, putevi, Gene-Act mreže i Co-Expression mreže. Pregled

Gen rezultati izraz dobiveni su pomoću Agilent G3 Ljudski GE 8x60K mikročipa, koji ne samo da pokriva transcriptome baze podataka za mRNA ciljeva nego i uključuje probe za lncRNAs (duge RNA ne-kodiranje). Sa kombinacijom mRNA i lncRNAs, može obavljati dvije eksperimente na jednom microarray i predvidjeti lncRNA funkcije i interakcije s mRNA. Analize otkriva skup gena koji su različito izraženih između raka želuca i normalnog tkiva. Neki od njih su prije navedeni u želučanim ili drugih vrsta raka. Na primjer, ekspresija gastrokine-2 (GKN2) bio je značajno podregulirani ili odsutan u želučanim staničnim linijama raka, želučani intestinalne metaplazije i tumorskih tkiva. Prekomjerna ekspresija GKN2 pridonijeli staničnu proliferaciju, migraciju i invaziju raka želuca i uhitila stanični ciklus u G1-S faze tranzicije [6]. Nasuprot tome, razina ekspresije inhibin beta A (INHBA) bile su značajno više u tumorskom tkivu nego u susjednoj normalnoj sluznici, a to se smatra kao nezavisni prognostički čimbenik u rakom želuca [22]. Osim toga, otkrili smo neke nove gene, kao što su TMEM184A, PSAPL1, KIAA1199, CLRN3 i FNDC1, koje nisu prijavljene kod raka želuca ranije, i njihove uloge u raka ostaju nepoznati. Pregled

Jedna od prednosti naše genske ekspresije microarray analiza je da je predstavljao izražavanje lncRNAs i mRNA, tako da i dalje može istražiti zajedno. Naše prethodno izvješće o ulozi lncRNA H19 i mrežu u GC [36] temelji se na ovaj microarray podatke. Međutim, većina lncRNAs poput DRD5, FMO6P, SNAR-A3 i TPRXL pokazala u našem mikropostrojima nisu identificirani i potrebno daljnje istraživanje pojasniti njihove uloge u raka želuca. Pregled

Na temelju profila genske ekspresije podaci, geni i njihove funkcije u aktivirani raka želuca odgovorni su za proliferaciju, adheziju, migraciju i metastaza, što je u skladu s rezultatima analize iz put. Zanimljivo, otkrili smo da su većina od raka povezanih signalnih putova prijavljenih ranije, kao što su Notch, mTOR i ježa aktivirati u GC na temelju naših podataka. Ovi rezultati podupiru stajalište da heterogenost je karakteristična za GC. Usporedba ko-ekspresija mreže između normalnog tkiva i raka predložio da se ovaj izraz, funkcije i interakcije većini fizioloških gena su izgubljeni ili oštećeni kod raka želuca, dok proliferaciju, migraciju i metastaze su abnormalno pojačan. Ovi zanimljivi rezultati odgovaraju karakteristike raka, kao što su anaplazije i dediferencijacije. Ove različito izražene gene koji su uključeni u signalnim putovima djelovao kao ključnih gena u co-ekspresije mreže mogu biti potencijalni ciljevi terapije protiv raka ili dijagnostičkih biljega u budućnosti. Pregled

popratne podatke
S1 tablicu. Put analiza diferencijalnih gena pregled DOI: 10.1371 /journal.pone.0125013.s001
(XLSX)
S2 tablici. GO analize diferencijalnih gena pregled DOI: 10.1371 /journal.pone.0125013.s002
(XLSX)
S3 tablici. Gene-Act mreža diferencijalnih gena pregled DOI: 10.1371 /journal.pone.0125013.s003
(XLSX)
S4 tablici. Primeri i verifikacija pregled doi: 10,1371 /journal.pone.0125013.s004 pregled (docx) pregled S5 stol. Načini i materijali pregled doi: 10,1371 /journal.pone.0125013.s005 pregled (docx) pregled

Izvori pregled

Želimo zahvaliti dr Fred Bogott u Austin Medical Center Sveučilišta u Minnesoti, i dr Joshua Liao na Hormel Institute, Austin Minnesota, za njihov engleski uređivanje ovog rukopisa. Željeli bismo zahvaliti financijere podržati ovu studiju. Ovaj rad je podržan od strane potpore iz Nacionalne zaklade prirodoslovni Kine [br 81172324, broj 91229106, broj 81272749, a broj 81372231], znanosti i tehnologije povjerenstvo Općine Šangaju [br 13ZR1425600] i ključnih projekata u Nacionalnom Science & Tehnologija Stup Program Kine (br 2014BAI09B03). Pregled

Other Languages