PLoS ONE: Strukturel og logisk analyse af en omfattende pindsvinesignaleringsvejen at identificere Alternative Drug Mål for gliom, Colon og bugspytkirtlen Cancer

Abstrakt

Hedgehog er en evolutionært bevaret udviklingsmæssige vej, almindeligt impliceret i styring af forskellige cellulære reaktioner såsom cellulær proliferation og dæmme cellefornyelsen i menneskelige og andre organismer, gennem eksterne stimuli. Aberrant aktivering af denne vej hos voksne mennesker stamcellelinie kan forårsage forskellige kræfttyper. Derfor målrette denne vej i kræftbehandlingen er blevet uundværlig, men den manglende tilgængelighed af detaljerede molekylære interaktioner, komplekse regler ved ekstra- og intracellulære proteiner og cross samtaler med andre veje udgør en alvorlig udfordring at få en sammenhængende forståelse af denne signalvej til fremstilling terapeutisk strategi. Denne motiveret os til at udføre en beregningsmæssige undersøgelse af vejen og til at identificere sandsynlige lægemiddelkandidater. I dette arbejde, fra tilgængelige databaser og litteratur, vi rekonstrueret en komplet pindsvineoverføringsvejen som rapporterer det største antal af molekyler og interaktioner til dato. Brug af nyligt udviklede beregningsmæssige teknikker, vi yderligere udført strukturel og logisk analyse af denne vej. I strukturel analyse blev tilslutningsmuligheder og centrale parametre beregnet til at identificere de vigtige proteiner fra netværket. At fange reglerne i molekylerne, udviklede vi en mester Boolean model for alle interaktioner mellem proteiner og skabte forskellige kræft scenarier, såsom gliom, Colon og bugspytkirtlen. Vi udførte perturbation analyse på disse kræft betingelser for at identificere de vigtige og minimale kombinationer af proteiner, der kan anvendes som lægemiddelmål. Fra vores studie vi observerede under udtryk for forskellige oncoproteiner i Hedgehog pathway mens forstyrrende på et tidspunkt de kombinationer af proteinerne GLI1, GLI2 og SMO i gliom; SMO, HFU, ULK3 og RAS i Tyktarmskræft; SMO, HFU, ULK3, RAS og ERK12 i kræft i bugspytkirtlen. Denne rekonstruerede Hedgehog signalvejen og den beregningsmæssige analyse for at identificere nye kombinatoriske lægemiddelkandidater vil være nyttigt for fremtiden

in vitro

in vivo

analyse til at styre forskellige kræftformer.

Henvisning: Chowdhury S, Pradhan RN, Sarkar RR (2013) Strukturel og logisk analyse af en omfattende pindsvinesignaleringsvejen at identificere Alternative Drug Mål for gliom, Colon og kræft i bugspytkirtlen. PLoS ONE 8 (7): e69132. doi: 10,1371 /journal.pone.0069132

Redaktør: Surinder K. Batra, University of Nebraska Medical Center, USA

Modtaget: Marts 7, 2013; Accepteret: 4 juni 2013; Udgivet: 23 Jul 2013

Copyright: © 2013 Chowdhury et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Finansiering:. Arbejdet er finansieret af Institut for Bioteknologi, Govt. Indien, Grant No. BT /PR13689 /BID /07/363/2010 og dels af CSIR-NCL, MLP026226. Den bevilgende myndighed har ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

Konkurrerende interesser:.. Forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

Signal transduktion systemet udgør en elegant kredsløb af cellen, der oversætter eksterne og interne signaler i passende cellulære reaktioner. Disse signalveje er generelt organiseret i tre hoveddele: Input, Intermediate og udgang [1], som omfatter flere proteiner, der medierer, signal modtagelse, transduktion, forstærkning og svar generation. Nylige fremskridt i molekylær og beregningsmæssige metoder har vist, at et signal ved interaktion med en receptor genererer en indviklet excitation mønster snarere end en “molekylær envejs sti” og visse fejl i dette mønster kan forårsage alvorlige patologiske sygdomme såsom kræft, tumordannelse etc. i organismer, herunder mennesket. Det er også et velkendt faktum, at nogle sygdomme er intet andet end perturbationer i signaleringskaskader, der manifesterer et molekylært niveau interaktion i fænotypiske ændringer. For eksempel er cancer er en sådan “systembiologi sygdom”, som konverterer et ental perturbation i en udbredt excitation mønster [2]. Disse forstyrrelser er ikke begrænset til en bestemt celle, men også påvirke omgivende væv. For at designe nye terapeutiske strategier for disse sygdomme, er det derfor af afgørende betydning at undersøge netværk af veje og systemer på forskellige niveauer af kompleksitet snarere end at se ind i en individuel bio-molekyle eller kemisk komponent. Derfor er der behov for en omfattende undersøgelse af signalveje for at udforske disse patologiske manifestationer, dens forbindelse med forskellige sygdomme og til at identificere en enkelt eller en kombination af individuelle molekyler, der styrer flere forskellige systemer adfærd eller funktionsfejl.

Flere der gøres en samlet indsats for at dissekere forskellige signalveje, såsom MAPK, Apoptosis, mTOR etc. og de tilknyttede molekylære mekanismer, der styrer cancer udvikling af en celle eller et væv i en [2] organisme. Blandt forskellige signalveje, Hedgehog er af stor biologisk betydning, da den er stærkt impliceret i cancer udvikling [3] – [5]. Hedgehog er en evolutionært bevaret udviklingsbane der er bredt involveret i styring af forskellige cellulære responser. Denne vej har en central rolle i forskellige cellulære processer, såsom embryogenese, vedligeholdelse og reparation af væv, og homeostase. Hedgehog signalvejen styrer også udviklingsprocesser ved samspillet mellem Hedgehog ligander, Sonic Hedgehog (SHH), Desert Pindsvin (DHH) og indiske Hedgehog (IHH) med lappet receptorer (PTCH1 /PTCH2), der fører til frigivelse af Smoothened (SMO) fra patched-induceret suppression [6]. SMO aktivering aktiverer endvidere downstream komponenter som STK36, SUFU der inhiberer samling af GLI nedbrydning kompleks og dermed stabiliserende GLI proteiner, der i sidste ende aktiverer Hedgehog målgener, såsom cyclin D2, FOXM1, SFRP, JAG2 etc. [6]. Regulering af denne vej aktiverer disse målgener på vist niveau og derved opretholder en hensigtsmæssig udvikling af celle eller væv. Men deregulering af denne vej kan forårsage op eller nedregulering af disse målgener og kan forårsage alvorlige resultater i væv eller organ udvikling. Da denne vej også er stærkt impliceret i celle-fornyelse i voksne væv; Systemet-komponent funktionssvigt i denne vej kan hovedsagelig føre til kræft i forskellige cellelinier af human [7], [8]. Desuden har den rolle, nogle vigtige proteiner blevet identificeret i denne vej, såsom PTCH1, SMO, GLI etc., der er hovedansvarlige for funktionssvigt af denne vej i forskellige typer af kræft [9] – [12]. Opfølgende undersøgelser fra flere forskningsgrupper har udviklet terapeutiske strategier til at inhibere virkningerne af disse proteiner i forskellige kræftformer, men ingen af ​​dem opnåede fuldstændig succes at helbrede en bestemt cancer, der er forårsaget af unormal aktivering af pindsvineoverføringsvejen [13] – [ ,,,0],15].

strømmen af ​​molekylære excitation i enhver signaltransduktionsvej følger en kompleks forgrening mønster af kaskade, derfor er det værd at nævne, at målrette en individuel protein i signalveje, såsom Hedgehog, ikke ville være frugtbart at forhindre dens fejlfunktion i en cancer situation. En aktuel gennemgang af Li et al. [15], understreger vigtigheden af ​​kombinatoriske lægemiddelmål at slukke hedgehog signalering til kræftbehandling. For eksempel er det kendt, at aktivering af cytoplasmisk GLI (zinkfinger transkriptionsfaktor), som indleder aktiviteten af ​​denne reaktionsvej kunne reguleres på to måder:

(i)

liganden afhængig måde, hvorpå ekstracellulære respons dvs. hedgehog ligander interagerer med receptorproteiner PTCH1 /PTCH2 og aktiverer G-koblede protein SMO, og

(ii)

fejlfunktion af de andre proteiner, der er til stede i cytoplasmaet, som hæmmer eller aktiverer dens aktivitet i fravær af hedgehog ligander . Desværre, indtil nu mest af undersøgelserne har hovedsageligt fokuseret på at udvikle et lægemiddel, der kun vil hæmme GLI aktivering, forårsaget af ligandafhængig måde. I dette tilfælde er det meste af undersøgelsen kun rettet til at identificere lægemiddelmolekylet, der kunne undertrykke enten PTCH1 eller SMO i membranen [16] – [19]. Disse lægemidler, såsom Cyclopamin, Vismodegib etc. er kun effektive, når en cancercelle med overdreven pindsvineoverføringsvejen aktivering, støder overudtrykte hedgehog ligander (SHH, IHH eller Dhh) eller er muteret PTCH1 eller SMO i membranen. Derfor er det klart, at administration af de ovennævnte lægemidler ikke kan være i stand til at hærde cancere forårsaget af visse andre intracellulære proteiner, bortset fra tunge mutation i PTCH1 og SMO. For at overvinde dette problem, kan identifikation af alternative mål eller en kombination af lægemidler være anvendelige til succesfuld cancerterapi.

Identifikation af lægemiddelkandidater ved eksperimentel fremgangsmåde bliver undertiden vanskeligt, da det kræver mere tid og ressourcer. Desuden er de komplekse regulerende net af genekspression, hele netværk af metaboliske reaktioner og store proteomics data er nu tilgængelige til at studere respons veje (moduler) til forskellige forstyrrelser. I betragtning af de store mængder af data på hvert niveau, er det en udfordring at fortolke oplysninger fra individuelle assays og integrere resultater fra flere niveauer. Den seneste udvikling i integrative tilgange, bioinformatik værktøjer, matematiske og beregningsmæssige metoder er blevet uundværlige i at forstå og analysere sådanne data fra eksperimentelle undersøgelser. Diverse metoder til kvalitative og kvantitative metoder og modellering af signalveje er blevet brugt til at besvare flere biologiske spørgsmål i signalsystemer [20]. De typer af tilgange, der hovedsagelig anvendes afhænge af tilgængeligheden af ​​allerede eksisterende data og typen af ​​biologiske spørgsmål skal besvares [20], [21]. Desværre er der meget få beregningsmæssige undersøgelser om pindsvinesignaleringsvejen [22] – [25]. Alle disse modeller udforske meget specifikke emner og omfatter ikke de syge betingelser, specielt gliom, Colon og pancreascancer, som kan være forårsaget på grund af fejl i Hedgehog vej. Derfor er det nødvendigt at rekonstruere et omfattende kort over Hedgehog vej og undersøge detalje molekylære interaktioner i både normale og cancer forhold gennem kvalitativ analyse.

Desuden identifikation af en kombination af proteiner som et mål lægemiddel i Hedgehog pathway til cancerterapi kræver fuldstændig forståelse af hele mekanismer af denne vej hos human celle. For at opnå dette, er man nødt omfattende og mest up to date information eller et kort over Hedgehog vej, der kan bidrage til at analysere vejen mere dybt og præcist. Desværre, for så vidt angår litteratur og biologiske signalering database angår, er der ingen omfattende vej kort til rådighed til at studere Hedgehog pathway. Selv, søgen efter forskellige populære database (se tabel S1 af tekst S1) afslørede, at der er nogle variationer i antallet af molekyler og interaktioner er rapporteret for denne vej (se tabel S2 af tekst S1). Denne heterogenitet mellem database oplysninger skaber enorme problem for indsamling oplysninger til at konstruere et omfattende kort. I nogle tilfælde endda er der manglende oplysninger om forskellige molekyler eller interaktioner, som allerede findes i eksperimentelle undersøgelser, men ikke opdateret i databasen. Disse udgør en udfordrende problem for forskerne at få en generel struktur i denne signalering netværk.

I dette papir, sammenstille data fra forskellige database og litteratur, præsenterer vi en mester model af Hedgehog pathway. Vores omfattende data mining og tekst ekstraktion fra litteratur kilder hjulpet os med at identificere mange proteiner og deres samspil, der ikke indgik i den eksisterende database. Til vor bedste viden i denne artikel har vi præsenteret en Hedgehog pathway kort, der er den største Hedgehog pathway kort over menneskelig indtil dato. I forhold til eksisterende populær database, den nyligt rekonstrueret Hedgehog map består 57 proteiner, 6 cellulær eller fænotypiske udtryk og 96 hyper-interaktioner, der er størst. I figur S1 blev et Venn-diagram konstrueret for at sammenligne mellem antallet af proteiner er tilgængelige i større database modeller og proteinerne behandlet i vores model. Det fremgår af dette diagram, at de fleste af de proteiner, der indgår i vores model (repræsenteret ved ikke-overlappende område), ikke er fuldt tilgængelige i nogen af ​​de nævnte databaser undtagen proteiner fra Kegg, PATHWAY CENTRAL, BIOCARTA og PROTEIN LOUNGE. Men kun en delmængde af proteiner specifikke for pindsvinesignaleringsvejen fra NETPATH ​​og GENEGO er inkluderet i vores model og resten tages fra litteraturen og andre database. Ved hjælp af denne vej kort derefter udførte vi strukturel analyse ved hjælp graf teoretisk tilgang og logisk analyse ved hjælp Boolsk formalisme at forstå strukturen og topologi af hele netværket samt at identificere vigtige proteiner. Vi viste også, at en boolesk repræsentation af samspillet mellem vejen giver en overordnet forståelse af systemet adfærd ved validering af modellen med eksperimentelle data og udførte en systematisk forstyrrelse analyse for at identificere de vigtigste lægemiddelkandidater mål for tre typer af kræft, såsom gliom, Colon og Pancreas. Vores vigtigste mål var at identificere sandsynlige lægemiddelkandidater

i-silico Hoteller, som kunne bruges til fremtidig

in vitro

eller

in vivo

analyse. Fra vores model og beregningsmæssige undersøgelse af Hedgehog signalvejen, vi identificeret nogle nye kombinationer af proteiner, der kunne bruges som et lægemiddel mål for kræftbehandling.

Resultater

Rekonstrueret pindsvinesignaleringsvejen (Human Cell specifik)

i dette arbejde, en af ​​vores vigtigste mål var at give en omfattende og ajourført Hedgehog signalering kort, der kan tjene både eksperimenterende samt teoretisk biologi samfund. I figur 1, præsenterede vi en nyligt rekonstrueret Hedgehog pathway kort, som til vores bedste viden er den største kort over Hedgehog pathway indtil dato. Der var i alt 57 proteiner (52 centrale proteiner og 5 cross talk proteinmolekyler fra andre veje) og 96 hyper-kanter inkluderet manuelt i vejen figuren ved hjælp af oplysninger fra forskellige kilder (se afsnittet Metoder og tabel S1 S2 af tekst S1).

i alt 57 proteiner, der indgår i denne vej figur. De grønne og røde pile angiver Aktivering /Produktion og Inhibition proces hhv. De sorte pile angiver cellekernetranslokering processen. Alle proteiner af dette netværk er fordelt i fire vigtigste regioner med forskellige farvekoder: Ekstracellulær og Membrane (blå); Cytoplasma (Rød); Nucleus (grøn); og output (gul). Output proteiner er forbundet med forskellige cellulære reaktioner (krydstale med andre veje eller fænotypiske udtryk) med sort prikket pil.

I figur 1, de grønne og røde pile tilkendegiver aktivering /produktions- og hæmning begivenheder henholdsvis. De sorte pile angiver den nukleare translokation af aktiverede GLI transkriptionsfaktorer ind i kernen. For at forstå og skelne pindsvin komponent proteinerne ifølge deres cellulære steder, vi tildelt alle proteinerne ifølge fire vigtigste områder: Ekstracellulær Membran, Cytoplasmatisk, Nuklear og Output /Produceret med fire forskellige farver: Blå, rød, grøn og gul, hhv. De tværgående foredrag og fænotypiske udtryk for denne vej blev navngivet som “cellulære reaktioner”, og var forbundet med output /producerede proteiner ved stiplede sorte pil. Følgende er beskrivelserne af proteinerne i hver region i vores rekonstruerede Hedgehog signalering netværk

ekstracellulære og membran

I denne region, vi medtaget tre pindsvin ligander:.. Sonic Hedgehog (SHH), indiske Hedgehog (IHH) og Desert Hedgehog (DHH). Det er de ligander, der binder til receptorproteiner Patched1 (PTCH1) og Patched2 (PTCH2) af et hedgehog mål eller responsiv celle [26], [27]. Tidligere undersøgelser har vist, at i mangel af nogen af ​​disse hedgehog ligander, PTCH1 /PTCH2 hindre en ny trans-membran G-koblede protein “Smoothened (SMO)” i cellemembranen [26], [27]. Det er blevet undersøgt, at denne inhibering trækkes tilbage efter HH ligander binder til patched receptorer. Som et resultat af denne ligand-receptor-interaktion SMO bliver aktiv og derefter aktivere serin /threonin kinase 36 (STK36) i sit nedstrøms cytoplasmatiske region af cellen. Denne STK36 kinase protein er en af ​​de større potentielle aktivatorer af gliom-associeret protein (GLI) i cytoplasma [6] og kaldes “Ligand afhængig GLI aktivering”. I denne region har de membranproteiner blevet vist som en særlig sekskantet struktur anvendes i CellDesigner grafiske notationer [28], [29]. Der var i alt 3 ligander, 6 ekstracellulære proteiner og 4 membranproteiner indgår i ekstracellulære og Membrane region.

Cytoplasmatiske proteiner.

I denne region, vi indgår i alt 16 proteinmolekyler. Alle de tre isoformer af GLI transkriptionsfaktorer GLI1, GLI2 og GLI3 blev inkluderet. GLI blev fundet i cytoplasma og i Nucleus og var det vigtigste mål komponent protein for pindsvineoverføringsvejen aktivering [30]. Der var også andre proteiner i denne region, som direkte eller indirekte påvirker de tre isoformer af GLI protein i cytoplasmaet. Disse proteiner var Menneskelig Fused (HFU), Unc-51-lignende kinase 3 (ULK3), ERK1 /2, RAS og TWIST [31] – [34]. Det skal nævnes, at ERK12, RAS, TWIST, FAS og NOTCH1 ikke pindsvineoverføringsvejen proteiner, selv om vi betragtes disse proteiner, som de havde væsentlige direkte interaktioner med centrale proteiner GLI1, GLI2 og SMO. Også deres rolle i liganden uafhængige pindsvineoverføringsvejen aktivering i gliom, Colon og bugspytkirtelkræft scenarier var også en vigtig faktor for at overveje dem i vores nyrenoverede Hedgehog model. Det blev konstateret, at mutation eller overekspression af disse proteiner kan aktivere GLI i cytoplasmaet uden hjælp fra nogen Hedgehog ligander. På den anden side, fra forskellig litteratur, vi fandt også nogle repressorer af GLI-proteiner i cytoplasmaet, som proteinkinase A (PKA), Beta-transducin repeat-holdigt protein (BTRCP), Caseinkinase isoform alpha (CKIα), Glycogensynthase kinase-3 (GSK3) [35], [36] og medtaget dem i netværket.

nukleare proteiner.

i den nukleare område af Hedgehog pathway kortet, vi medtaget 13 molekyler disse var hovedsageligt transskription faktor, co-aktivator eller co-repressor. Den aktiverede transskription faktorer GLI1, GLI2 og GLI3 translokere ind i kernen som Nuclear GLI1 (NUC_GLI1), Nuclear GLI2 (NUC_GLI2) og GLI3 aktiv (GLI3_A) [37] henholdsvis og bidrage til at omskrive forskellige pindsvin målgener med hjælp af transskription samarbejde aktivatorer Nuclear STK36 (NUC_STK36) og Dual specificitet tyrosin-phosphorylering-reguleret kinase 1 (DYRK1) proteiner [38]. Der var også nogle transskription co-repressorer i kernen, der blev fundet fra forskellige litteratur kilder og de ned regulerer GLI transkriptionsfaktorer. Disse proteiner, Nuclear SUFU (NUC_SUFU), følelsesløse, ITCH, SKI, Nuclear Receptor Co-repressor (NCOR), SNO, HDAC og SIN3A [39], [40], blev inkluderet i netværket. I nucleus NUC_GLI1 transskription faktor transskriberer generne

ptch1, hip1, gli1

sammen med flere andre responsive gener af denne vej. For at reducere kompleksiteten i forløbet figur, vi ikke nogen gen eller m-RNA i denne nukleare område.

Output proteiner.

Denne region angiver ikke nogen cellulære placering. Vi medtaget dette afsnit særskilt at identificere de proteiner, der produceres i slutningen af ​​pindsvineoverføringsvejen. Vi behandlede en signalering netværk som en input-output system, hvor liganderne og ekstracellulære proteiner var indgangene, kunne de proteiner, der produceres som reaktion på disse input ved slutningen af ​​denne pathway tænkes som output proteiner. Der var i alt 15 proteiner, herunder GLI1, PTCH1 og HHIP inkluderet i dette afsnit. Det samlede antal proteiner, der er vist i denne region er højest sammenlign andre offentliggjorte human specifik pindsvineoverføringsvejen kortet til vor bedste viden. Desuden blev alle proteinerne i denne region farvet som gul, undtagen PTCH1, HHIP og GLI1. Årsagen var, efter produktionen eller oversættelse, disse tre proteiner translokerer til deres tilsvarende cellulære steder og udføre deres aktivitet i vejen. For at vise denne feedback-mekanisme, vi holdt deres farve ligner den farvekodede i deres faktiske cellulære placering. Produktion af PTCH1 og HHIP proteiner i denne vej switch “ON” en “negativ feedback” mekanisme og dermed kontrol med yderligere pindsvineoverføringsvejen aktivering via ligand afhængig måde. Det blev eksperimentelt bevist, at Hedgehog interagerende protein 1 (HHIP) undertrykker de Hedgehog ligander ved direkte binding med dem og den højere koncentration af PTCH1 i membranen ville bidrage til at undertrykke yderligere SMO aktivering [41] – [43]. På den anden side, produktion af GLI1 hjælper med at aktivere vejen igen og dermed skaber en “Positiv feedback” loop i dette netværk.

Cellular svar.

For at vise korset forbindelser af output proteiner med den anden vej eller cellulære funktioner, vi holdt dette afsnit i slutningen af ​​vores vej figur. Der var 6 cellulære responser inkluderet som var Cell Proliferation, cellecyklusprogression, Anti-Apoptose, Epithelial-Mesenchymale Transition (EMT), Wnt signal og Notch signal. Vi viste tilslutninger af producerede proteiner med disse cellulære reaktioner fra sort prikket pil i vejen figur.

For at forstå detalje aktivitet af disse molekyler i Hedgehog vej og til at udføre den strukturelle analyse, har vi modelleret den rekonstruerede vej kortet ved to tilgange:. graf teoretiske og Logical (se afsnittet Metoder)

Structural Analysis

rekonstrueret Hedgehog pathway (figur 1) hjalp os med at finde ud af struktur og topologiske funktioner i denne netværk. Vi brugte ‘Graf teori “til dette formål. En sådan analyse er også nyttig til visuel og /eller topologisk fortolkning af et meget stort komplekst netværk [44]. I vores undersøgelse betragtede vi hele signalvejen som et netværk, hvor signalet fra hedgehog ligander krydser fra ekstracellulære region til kernen i en målcelle via forskellige cytoplasmatiske mellemliggende proteiner. Vores pindsvin signalering netværk var som en “Bow-Tie ‘netværk, og består af 57 noder eller proteiner (52 kerne og 5 ikke-kerne proteiner af pindsvineoverføringsvejen) og deres 140 rettet kanter (interaktioner, bestemmelser eller retningen af ​​strømmen af ​​signal) . Som vi ved, at strømmen af ​​signalet af en intracellulær signalering netværk opretholder en bestemt retning, så vi overvejet vores graf teoretisk model som en “Directed Graph” eller “digraf«. For at vise kun de forbindelser af proteiner i Hedgehog kortet, vi ikke de cellulære reaktioner i grafen teoretiske model. Hele nettet Billedet er vist i figur 2.

De farvede cirkler repræsenterer knudepunkterne eller proteiner af vejen og de sorte pile angiver en kant eller en forbindelse mellem to knudepunkter i nettet. De knuder er farvet i henhold til deres sub cellulære steder i cellen (figur 1) og er opdelt i fire regioner: Ekstracellulære og Membrane (blå), cytoplasma (rød), Kernekraft (grøn) og Output proteiner (Gul) hhv. Størrelsen af ​​knudepunkterne er tildelt efter deres samlede antal forbindelser eller grad. Samlede grad af hvert knudepunkt er efterfulgt af navnet på proteinerne. Den “Bow-Tie” struktur Hedgehog signalering netværk er let synlige, hvor signalerne konvergerer mod GLI1 eller GLI2 og divergerende til de efterfølgende trin. Størrelsen knudepunktet GLI1 er størst, som det har højeste antal forbindelser eller grad blandt alle andre proteiner i netværket.

I figur 2 de farvede cirkler repræsenterer knudepunkterne eller proteinerne af netværket og de sorte pile angiver retningerne af forbindelser eller kanterne mellem to knudepunkter. De knudepunkter i dette netværk blev farvet i henhold til deres sub-cellulære placering som beskrevet i figur 1. output proteiner GLI1, PTCH1 og HHIP blev ikke vist i “output” regionen, men blev præsenteret som reverse forbindelser fra NUC_GLI1 til GLI1 af cytoplasma og til PTCH1 og HHIP membran region. Størrelsen af ​​knudepunkterne i netværket (figur 2) blev tildelt efter deres samlede antal forbindelser eller graden værdi. GLI1 i cytoplasma havde højeste antal samlede grad i netværket; derfor størrelsen af ​​dette knudepunkt i netværket var største blandt alle de andre knudepunkter. Det var også klart af denne figur, at pindsvin signaler fra indgangene (ekstracellulære og membran proteiner) konvergeret til de særlige proteiner (GLI1 og GLI2) i cytoplasma at aktivere den, og efter dens aktivering disse proteiner sender signalerne (faktisk translokere ind i kernen ) for at aktivere produktionen af ​​de forskellige målgener /proteiner (som OPN, BCL2, GLI1, HHIP etc.) ved den nedstrøms af pindsvineoverføringsvejen. Derfor kan vi sige, at strømmen af ​​hedgehog signal fra ekstracellulær-membran region til downstream målproteiner af pindsvineoverføringsvejen afhænger hovedsagelig af de mellemliggende cytoplasmatiske GLI proteiner. . På grund af denne grund den kanoniske pindsvineoverføringsvejen kaldes også som ‘GLI medieret pindsvineoverføringsvejen “[45]

Vi yderligere analyseret dette netværk fra tre perspektiver: i) Connectivity ii) en central beliggenhed og iii) Alle par korteste vej .

forbindelse analyse.

Vi udførte denne analyse til at kende antallet af forbindelser af hvert protein med alle andre proteiner i netværket. Tre typer af parametre (i grader, OUT graden og TOTAL GRAD) blev anvendt i dette afsnit (se afsnittet Metoder). Vi beregnede og fremlagt disse tre parametre for hvert protein af hedgehog signalering netværket i figur 3A.

Heat kort af værdierne af de parametre, der anvendes i Forbindelse og Centrality analyse. Navnene på proteinerne eller knudepunkter er anbragt rækken wise (Y-aksen) i overensstemmelse med positionen af ​​deres tilsvarende region (figur 1). Parameterværdierne er arrangeret kolonne klogt (X-aksen) i varmen kortet. (A) Heat kort af værdierne af parametrene værdier anvendt i tilslutning analyse: IN-graders OUT-graden og TOTAL grad af hvert protein. Høj IN-GRAD værdi GLI1, PTCH1, HHIP og SHH angiver deres højere antal opregulering af de andre proteiner i netværket. Høj OUT-GRAD værdi af flere nukleare proteiner (fx DYRK1, følelsesløse, NUC_GLI1, NUC_SUFU, NUC_STK36 etc.) henviser deres evne til at regulere andre proteiner i HH-netværk. I tilfælde af samlet grad, GLI1, GLI2 og NUC_GLI1 har betydelig højeste værdi. Den henviser, at disse to proteiner er for det meste forbundet til andre proteiner i netværket. (B) Heat kort af den individuelle centrale score på hvert protein af Hedgehog kort. Den centrale måleparametre, der anvendes i denne analyse var egenvektor (EF), Betweenness (BC) og nærhed (CC) centralitet. Det bemærkes, at GLI1 har den højeste værdi for hver parameter score. Efterfølgende PTCH1, PTCH2, HHIP, STK36, NUC_GLI1, NUC_GLI2 etc. også viser betydelig værdi for hver enkelt centrale score.

zonekort (figur 3A), svarende til værdierne for parametrene ( IN-gRAD, OUT-graden og TOTAL gRAD), viser proteinerne række klogt i henhold til deres cellulære steder i en celle (top til bund) og kolonnen parameterværdier kloge. Den gennemsnitlige IN og OUT grad (alle sammen) af netværket blev beregnet som 2,45 og den gennemsnitlige totale grad var 4,91. For at identificere de vigtige proteiner fra denne varme plot på grundlag af de tilslutningsmuligheder parametre, vi ekstraheret proteinerne, som havde de parameterværdier højere end deres tilsvarende gennemsnitsværdier. Alle de udpakkede væsentlige proteiner på grundlag af denne hypotese blev anført i tabel 1. Vi fandt, at der var i alt 19, 10 og 23 proteiner, som havde de højere værdier end gennemsnittet i-graders, OUT-graden og TOTAL-GRAD henholdsvis .

Fra tabel 1, var det klart, at receptorprotein PTCH1 og to transskription faktorer GLI1 GLI2 havde højere IN-graders-værdier sammenlignet med de andre proteiner i hele netværket, kan skyldes deres høje regulering eller interaktion med andre opstrøms proteiner i pindsvinet signalering netværk. PTCH1 var viser højere IN-graders fordi de fleste af de ekstracellulære signaler passere gennem denne receptor protein til at udløse aktivering af SMO protein i membranen. På den anden side den cytoplasmatiske GLI1 og GLI2 havde høj IN-graders værdi som disse proteiner er de vigtigste proteiner i netværket om at aktivere vejen. Også blandt de tre hedgehog ligander, Sonic hedgehog (SHH) havde den højeste IN-graders værdi som dens interaktion med PTCH1 og PTCH2 receptorer var meget afhængig af proteinerne afsendelsen HHAT, CDO, BOC og GAS1 på den ekstracellulære region af hedgehog mål celle. Proteinerne i kernen som NUC_GLI1, NUC_GLI2, DYRK1 osv havde højest ud graders værdi sammenlignet med de andre proteiner i netværket. Hovedsagelig output proteiner blev forbundet til udgående forbindelser eller kanter af disse kerneproteiner i netværksstrukturen. På grund af tilstedeværelsen af ​​det højere antal udgående forbindelser fra de nukleare proteiner til output-proteiner blev OUT-graders værdier af disse proteiner øges i sammenligning med de andre proteiner i hele netværket. Vi bemærkede også, at bortset fra de nukleare proteiner, har de proteiner fra de andre sub cellulære steder eller regioner viser ikke signifikante OUT-graders værdier.

Vi udvindes også de proteiner, som havde den TOTAL-graders højere end den gennemsnitlige samlede graders 4.91. Tabel 1 viser, at i ekstracellulær og ligander region PTCH1, HHIP, SHH, IHH havde betydeligt antal (større end den gennemsnitlige samlede grad) af forbindelser eller total grad i netværket. Det betyder, med henblik på at transmittere hedgehog signal fra ekstracellulære til intracellulære område af en celle, disse proteiner spiller mest effektive rolle i hele netværket. Det var klart fra figur 2, at GLI1 havde den højeste TOTAL-graders værdi blandt alle andre proteiner i Hedgehog signalering netværk. Det betød, at dette var den vigtigste protein i hedgehog signalering netværk. Ud af 57 proteiner i netværket, blev det forbundet til 30-proteiner.