PLoS ONE: Integreret analyse af Transkriptomet i kræftpatient-afledte Xenografter

Abstrakt

Patient-afledte xenograft (PDX) tumor model er en kraftfuld teknologi ved vurdering kræftmedicin og lette personlig medicin. Flere forskningscentre og kommercielle virksomheder har lagt enorme bestræbelser på at opbygge PDX musemodeller. Imidlertid har PDX modeller ikke været bredt tilgængelige, og deres molekylære egenskaber er ikke blevet systematisk karakteriseret. I denne undersøgelse, vi forudsat en omfattende undersøgelse af PDX transkriptom ved at integrere analyse af 58 patienter, der involverer 8 forskellige tumorer. Medianen korrelationskoefficienten mellem patienter og xenotransplantater er 0,94, hvilket er højere end mellem patienter og cellelinie panel eller mellem patienter med den samme tumor. Større differential gen udtryk i PDX forekomme i transplantation af menneskelige tumorvæv i mus, mens gen-udtryk er relativt stabile i passager. 48 gener ofte udtrykkes forskelligt i PDX mus af multiple kræftformer. De er beriget med ekstracellulær matrix og immunreaktion, og nogle er rapporteret som mål for anticancerlægemidler. En simulering undersøgelse viste, at ekspression skift mellem PDX og patient tumor (6%) ville medføre acceptabel ændring i lægemiddelfølsomhed (3%). Vores resultater viser, at PDX mus repræsenterer gen-ekspression og narkotika-respons funktioner i primære tumorer effektivt, og det anbefales at overvåge den samlede udtryk profiler og narkotika målgener i klinisk anvendelse

Henvisning:. Li H, Zhu Y, Tang X, Li J, Li Y, Zhong Z, et al. (2015) Integreret Analyse af Transkriptomet i kræftpatient-Afledte Xenografter. PLoS ONE 10 (5): e0124780. doi: 10,1371 /journal.pone.0124780

Academic Redaktør: Yu-Jia Chang, Taipei Medicin University, TAIWAN

Modtaget: Oktober 20, 2014 Accepteret: 3 marts 2015; Udgivet: 7. maj 2015

Copyright: © 2015 Li 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

Data Tilgængelighed: Alle relevante data er inden for papir og dens Støtte Information filer

Finansiering:. undersøgelsen blev finansieret af Shanghai Municipal Kommissionen for Videnskab og Teknologi (15YF1414100, 14DZ1951300, og 14DZ2252000), Shanghai Institutes for Biologisk Institut Viden Innovation Program (2014KIP215 ), og National Basic Scientific Research Fund (2009FY120100). De finansieringskilder havde 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

patient-afledte xenograft (PDX) er udviklet af kirurgisk implantere tumorvæv direkte fra en patient biopsi i en immundefekte mus. Når Succesfulde xenotransplantattumorer (F1 generation) vokse til 1 cm

3, de fjernes og passeres til flere immunsvækkede mus. Dette fremskridt udvider den oprindelige menneskelige tumor til flere mus passager, der giver en beriget ressource for at studere tumor biologi og vurdere lægemidler mod cancer. Tidligere undersøgelser har succes opbygget PDX modeller for brystcancer, lungecancer, levercancer, coloncancer og så videre. Den gennemsnitlige tid til at generere en gradvis voksende xenograft tumor model spænder fra 2 til 12 måneder [1]. De engraftment sats varierer fra 23% til 75% afhængig af tumortyper [1]. Avancerede tumorer og patienter med ringe overlevelse hensigt at have højere indpodning rate [2].

Sammenligning af genekspressionsprofiler mellem human pancreas duktal adenokarcinom og deres PDXs antydede, at muse xegnografts var meget lig med de oprindelige tumorer i genekspression mønster [3]. En undersøgelse af ikke-småcellet lungekræft (NSCLC) viste, at kemoterapeutisk reaktionsevne de PDXs lignede den kliniske situation i NSCLC [4]. Ding et.al sammenlignet en primær brystcancer, dens hjerne metastaser, og primær-afledte PDX af hele genomet sekventering; deres resultater viste, at PDX beholdt alle primære tumor mutationer og vises mutationer i metastatiske prøve [5]. Yderligere sekventering af 17 tumorer oprindelse, xenograft, og kim-line trio DNA bekræftede, at hele genomet variant allel frekvens (VAF) ofte blev bevaret i PDX-modeller, og korrelationskoefficienterne i VAF varierede fra 0,32 til 0,86 [6]. Disse undersøgelser viste, at PDX-modeller rekapitulere de genetiske, molekylære og morfologiske karakteristika af humane tumorer [3-8]. Derudover PDXs delvis reproducere tumormikromiljøet og tumor celle-interaktioner, som går tabt i tumorafledte cellelinjer [1,9]. Derfor er PDX model menes at være mere lovende end kræft cellelinjer til at studere kræft mekanisme og lægemiddelvirkninger [10] [11]. Oncotest et al. testede 11 cytotoksiske anticancer agenter i ~ 200 tumorxenoplantater og afslørede et sæt gen underskrifter til at forudsige tumor respons [12]. I et klinisk forsøg med 14 patienter med fremskredne kræftformer, blev musen xenografter behandlet med 63 forskellige stoffer og de effektive behandlinger blev identificeret for 12 patienter [13].

Men der stadig findes forskelle mellem PDX og den oprindelige svulst. For eksempel blev der observeret PDX-specifikke somatiske mutationer i brystkræft-afledte xenotransplantater, som kan være passager mutationer tilfældigt udvalgte under transplantation eller mutationer valgt ved at øge tumor fitness [6]. Vedrørende mikromiljø, er humane stromaceller substitueret med muse stromaceller i PDX, som kan påvirke tumorvækst [14]. Derfor er det nødvendigt at identificere den molekylære forskel mellem PDX og oprindelige tumor og undersøge, hvordan forskellen påvirker lægemiddelrespons.

Her undersøgte vi genomet-dækkende udtryk lighed mellem kræftpatienter og PDXs af meta-analyse af multiple kræftformer, og udforskede den potentielle effekt af udtryk ændring på narkotika respons. Medianen korrelationskoefficienten mellem patienter og xenotransplantater er 0,94, bedre end cancercellelinier at rekapitulere ekspressionsmønsteret for oprindelige tumor. Vi fandt, at den vigtigste ekspression forekom i indpodning af human tumorvæv i mus, og genekspressioner var mere stabile i mus end passager. Meta-analyse af flere cancertyper afslørede, at nogle gener, som ofte differentielt blev udtrykt i muse-xenotransplantater blev stærkt beriget i ekstracellulær matrix og immunrespons. Drug følsomhed fik fra PDX generelt rekapitulerer den virkelige stof følsomhed i patientens tumor, undtagen i særlige tilfælde, som når gen udtryk for PDX mus er enormt ændres eller narkotika målgener er signifikant differential.

Metoder

Gene udtryk datasæt

Vi søgte GEO database ved nøgleord “tumor” og “xenograft”, kun at holde datasæt med udtryk data fra både patient biopsi og mus xenograft. Helt vi samlet 9 datasæt, der involverer 8 tumortyper. Expression matrix og microarray platform oplysninger blev hentet af R-pakken “GEOquery”. Expression matrix var kvartil normaliseret og log-transformeret til forbehandling [15]. Genekspression værdier blev sat som medianen af ​​prober ‘ekspressionsniveauerne.

Sammenligning af kræftpatient biopsi og PDX

Vi matchede patient-xenograft par ved at kontrollere prøve beskrivelser og relaterede publikationer manuelt. Prøver fra kræftpatient biopsi blev mærket som F0, mus xenografter blev mærket som F1, F2 …… (Ukendt passager blev mærket med F?). Expression ligheden blev bedømt ved Spearman rang korrelationskoefficient (SRCC). Gange ændring blev beregnet for hver “human tumor VS. xenograft “og” xenograft VS. xenograft “parre, og cutoff 1.5 blev anvendt til at screene differentielt udtrykte gener.

Funktionel berigelse i GO og Kegg databaserne blev udført af DAVID [16]. Interagerende lægemidler blev søgt fra databasen ‘cancerresource «(https://bioinf-data.charite.de/cancerresource). Drug mål blev fik fra DrugBank V4.1 [17]

Sammenligning af forskellige kræftmodeller

Vi sammenlignede tre metoder til evaluering lægemidler mod cancer:. 1) patient-afledt xenograft, 2) kræftcellen linje, 3) tumorvæv danner andre patienter. Vi har kun betragtet patienter, som havde PDX model og deres tilsvarende cancertyper havde tilgængelige prøver i 2) og 3) (S3 tabel). Angivelse af cancer cellelinjer blev opnået fra GDSC (Genomics af Drug følsomhed i Cancer), indeholder en database genekspression og drug følsomhed data (halv maksimal hæmmende koncentration, IC50) for 138 anticancer lægemidler i næsten 700 kræft cellelinjer [18]. Expression data for humane tumorvæv blev hentet fra GSE2109 (https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE2109), som bestod af 2158 arrays fra solide tumorer. Ved kombination af datasæt fra forskellige undersøgelser er det nødvendigt at standardisere data at fjerne batch virkning [19,20]. Derfor holdt vi gener til rådighed på alle arrays, og udført mellem-studiet normalisering af “Combat” funktion i R.

Forudsigelse af narkotika respons fra udtryk data

Et almindeligt anvendt anticancer narkotika, cisplatin, blev valgt som et eksempel for at evaluere lægemiddelrespons. Genekspression og cisplatin IC50 data for 497 cancer cellelinjer blev hentet fra GDSC database. For at simulere udtryk ændring i PDX mus, genereret vi tilfældigt simulation datasæt fra GDSC udtryk data. Fold ændring af genekspression profiler blev simuleret fra en normalfordeling (ND), og derefter ganget med GDSC til at skaffe simulerede udtryk data. Vi genererede 10500 simulation datasæt ved at ændre standardafvigelsen (SD) af ND fra 0 til 0,2 og tilfældigt generere ND 500 gange for hver SD. SRCC mellem simulerede og faktiske udtryk profiler blev beregnet for hver cellelinie, og deres median blev anvendt til måling af ekspressionen ændring i simuleringsdata.

Paul et al. udviklet en tur regressionsmetode der forudsiger klinisk lægemiddelrespons fra genekspressionsniveau [21]. Vi brugte denne metode til at træne en model fra ægte GDSC udtryk og cisplatin IC50 data [18]. Den SRCC mellem real IC50 og forudsagde IC50 blev kaldt “SRCC_IC50”. Vi anvendte prognosemodel til simulerede udtryk datasæt og beregnet “SRCC_IC50”. For at fjerne effekten af ​​forudsigelse model og vurdere forskellen i narkotika følsomhed effektivt, “SRCC_IC50″ blev divideret med 0,84, hvilket er værdien af ​​”SRCC_IC50”, når vi anvendte forudsigelse model træningsdata.

Resultater

Expression lighed mellem kræftpatienter og PDXs

Vi hentet og normaliserede 9 PDX udtryk datasæt fra GEO-databaser, herunder hepatocellulært carcinom, colorectal cancer, brystcancer, pancreas duktalt adenocarcinom, hoved og hals pladecellekræft , adenoid cystisk carcinom, akut lymfoblastisk leukæmi, og lungecancer (tabel 1). Meta-analyse af disse 9 datasæt blev udført systematisk forstå udtrykket lighed mellem kræftpatienter og PDXs. Helt, 58 patienter har udtryk data fra PDX mus blev PDX passage varierede fra 1 til 16. Spearman rang korrelationskoefficient (SRCC), der anvendes til at sammenligne den “menneskelige tumor VS. 56 xenograft “par og 23” xenograft VS. xenograft “par.

Fig 1A illustrerer Heatmap af SRCC i flere former for sammenligninger og forskellige kræft datasæt. Medianen SRCC af forskellige cancer datasæt varierer fra 0,82 til 0,97. Korrelationer mellem de fleste tumor patienter og PDX er højere end 0,9, selv for 10-generation PDXs. Fordelingen af ​​alle SRCC er vist i fig 1B. Dens middelværdi er 0,91, medianen er 0,94, og standardafvigelsen er 0,10. SRCC under 0,76 (middelværdi minus 1,5 standardafvigelse) betragtes som outlier. Der er 5 outliers blandt 79 sammenligninger og de kun eksisterer i GSE45153 og GSE6465. Vi ignorerede disse 5 outliers i de efterfølgende analyser. Så vi fokuserede på tre datasæt (GSE15240, GSE35144, GSE46385) med både “menneskelige tumor VS. xenograft “og” xenograft VS. xenograft “par (Fig 1C). De SRCCs i “human tumor VS. xenograft “par er betydeligt lavere end SRCCs i” xenograft VS. xenograft “par (Wilcox test P = 0,0005). Den foreslår, at ekspression ændringen mellem den humane cancervæv og PDX model er meget større end ændringen mellem PDXs. Differential gen udtryk i PDX er majorly i transplantation af menneskelige tumorvæv i mus, mens gen-udtryk for PDX er robuste gennem flere transplantationer.

(A) Heatmap viser Spearman rang korrelationskoefficient (SRCC) 8 kræftformer i 9 GEO datasæt. F0 angiver kræftpatient biopsi, F1 er en

st passage PDX, F2 er den 2

nd passage PDX, …, F? er PDX hvis passage er uklar. (B) Boxplot viser fordelingen af ​​SRCC. Den røde linje er middelværdien minus 1,5 standardafvigelser. Sammenligning (C) af ligheden mellem “den menneskelige tumor VS. xenotransplantat “(blå) og” xenograft VS. xenograft “(rød).

Almindelige differentielt udtrykte gener deles mellem forskellige typer kræft

Vi screenet differentielt udtrykt gener i” human tumor VS. xenograft “sammenligninger, der bruger fem udtryk datasæt fra tre microarray platforme: GPL570 (GSE46385, GSE35144, GSE15240), GPL6884 (GSE57491) og GPL15207 (GSE55828). Antallet af op-regulerede gener strækker sig fra 2 til 76 som antal down-regulerede gener spænder fra 14 til 656 (S1 tabel). Fig 2A viser antallet af gener, som udtrykkes differentielt i mindst en parret sammenligning i hvert datasæt. Nogle differentielt udtrykte gener deles i flere datasæt, især for de tre datasæt fra samme GPL570 platform (figur 2B). Vi sammenlignede også differentielt udtrykte gener i “xenograft VS. xenograft “par. Antallet af op-regulerede gener varierer fra 1 til 55 antallet af nedregulerede gener varierer fra 1 til 91 (S1 tabel). Meget få gener samtidigt ændres i “xenograft VS. xenograft “par i to datasæt (Fig 2c).

(A). Gener i “human tumor VS. xenograft “sammenligninger i fem datasæt. (B) gener i “human tumor VS. xenograft “sammenligninger, kun ved hjælp af tre datasæt i den samme platform GPL570. (C) gener i “xenotransplantat VS. xenograft “sammenligninger.

For at forstå den fælles ændring af PDXs i forskellige kræftformer og patienter, valgte vi fælles differentielt udtrykte gener mellem menneskelig tumor biopsi og PDXs. Der er 48 gener, der udtrykkes forskelligt i mere end to GSE datasæt og mere end halvdelen kræftpatienter (S2 tabel). Ekspression Heatmap af disse gener er vist i fig 3A. Næsten alle “menneskelig tumor VS. xenograft “par er grupperet sammen (undtagen GSE15240) og alle” xenograft VS. xenograft “par er i en anden klynge. Da GSE15240 har kun to “human tumor VS. xenograft “par og antallet af differentielt udtrykte gener for disse to par er mindre end antallet af de fleste” human tumor VS. xenograft “par i andre datasæt, GSE15240 ikke grupperet med andre.

(A) Expression Heatmap af 48 gener, der differentielt blev udtrykt i mere end halvdelen kræftpatienter og mere end to kræftformer. (B) Antal differentielt udtrykte gener, der har interaktion med lægemidler mod cancer.

For at vurdere, om fælles differentielt udtrykte gener deles mellem forskellige typer kræft kan være forårsaget af nogle dominerende data, vi fjernet en datasæt og valgt gener fra de forblev fire datasæt hvert forsøg. Vi får 45, 25, 57, 106 og 73 gener, når fjerne GSE46385, GSE35144, GSE15240, GSE57491 eller GSE55828 henholdsvis; 15 gener forblive i alle forhold (S1A Fig). Blandt 48 almindelige differentielt udtrykte gener, er 15 gener holdes uanset hvilken datasæt er fjernet, og andre er holdt i mere end 3 betingelser (S2 tabel). GSE35144 er de dominerende data, hvis “menneskelige tumor VS. xenograft “par er maksimum. Efter GSE35144 er fjernet, er antallet af “fælles differentielt udtrykte gener” er 25. Men der aree stadig 16 gener overlappede med tidligere 48 gener (S1B Fig). Så vi clustering analyse til at prøve med nye udvalgte gener (S2 Fig). De meget lignende klyngedannelse resultater antyder, at klyngen af ​​”human tumor VS. xenograft “par er ikke forårsaget af nogle dominerende data. Vores resultater viser, at flere cancertyper deler nogle lignende udtryk ændringer i “human tumor VS. xenograft “par.

Funktioner af differentierede gener i PDX og potentiel sammenhæng med kræft narkotika

Siden 48 gener udtrykkes forskelligt i flere PDXs, deres funktioner er vigtige for at forstå engraftment fra kræftpatient biopsi til mus. Funktionel berigelse analyse viser, at 48 gener er beriget med “ekstracellulær matrix”, “ECM-receptor interaktion”, “immunreaktion” eller lignende udtryk, og mange gener koder signal eller secernerede proteiner (tabel 2). Vi definerede en robusthed score for beriget funktion, den procentdel, denne funktion er væsentligt beriget (Benjamini P-værdi 0,01), når man analyserer differential gen sæt i hver “human tumor VS. xenograft “par. Høj score indikerer disse beriget funktioner understøttes af de fleste af de enkelte datasæt. Ekstracellulær matrix er en vigtig del af stromaceller, og spiller en vigtig rolle i tumormikromiljøet [22]. Differentielt udtrykte gener i ekstracellulære matrix er bestod med den forrige rapport, at menneskelige stromale celler blev erstattet af mus stromale celler [14]. Immunrespons er en hyppig hændelse under allotransplantation og xenotransplantation. Selv immun-deficiente mus anvendes til at undgå afstødning af humant tumorvæv, er nogle humane immunrelaterede gener differentielt udtrykt.

Blandt 48 gener, 18 gener har interagerende lægemidler i offentlige databaser og 12 gener er blevet rapporteret at være lægemiddelmål (S2 Table). C1QB og C1QC koder for en væsentlig bestanddel af humant komplement underkomponent, der er mål for 18 lægemidler. CD14, FCGR3A, FCGR3B, HLA-DPA1, HLA-DPB1, og HLA-DRA spille roller i immunsystemet. CCL2 er en af ​​cytokin-gener, der er involveret i immunregulerende og inflammatoriske processer. Kollagen gener COL1A2 og COL3A1 er de vigtigste strukturelle proteiner i ekstracellulær matrix og i bindevæv. MMP12 og VCAM1 deltage i ekstracellulær matrix-organisation. Fig 3B viser antallet af interagerende gener for hvert lægemiddel. F.eks alemtuzumab har interaktion med fire differentielt udtrykte gener. Selv om disse interaktioner kan ikke rigtig sker, skal forskerne være mere opmærksom på dem, når PDX anvendes til at vurdere narkotika effekt, især når lægemidlet formodes at have potentielle interaktioner med disse 18 gener.

PDX musemodel viser fordele i transkriptom sammenligning

Før PDX er almindeligt anvendt som prækliniske modeller, har tumorafledte cellelinier blevet anvendt i mange år for at vurdere kandidat anticancermidler [23]. En anden måde er at udlede klinisk respons fra tumorpatienter med lignende patologi og molekylære funktioner, såsom ekspressionsprofil og genomiske variationer [24-26]. Her sammenlignes vi genekspressionen af ​​cancerpatienter med tre forskellige modeller: PDX, tumorcellelinjer og andre patienter med samme cancertyper. Vi fokuserede på tyktarmen, lever og bugspytkirtel kræft, der havde tilgængelige udtryk data (S3 Table). SRCCs mellem kræftpatienter (F0) og prøver i forskellige modeller blev beregnet til at få mest lignende prøve med max SRCC. Boxplots af SRCCs er vist i figur 4. Kræftpatienter er mere ens med sig selv afledte xenotransplantater i alle datasæt. Resultater fra yderligere to slags modeller er ikke sammenhængende. Patienter i GSE35144 har højere SRCC sammenlignet med cancercellelinjer, mens patienter i GSE55828 har højere SRCC sammenlignet med andre patienter primær cancer (Fig 4). Dette afspejler begrænsning af den aktuelle celle-line panel og primær-tumor datasæt, såsom tab af mikromiljø, ufuldstændig gengivelse af tumor mangfoldighed. Derfor mus xenotransplantater bygget fra originale patienter bedst de er kendetegnet ved tumorer og PDX mus er bedre kræftmodeller end cellelinier.

Y-aksen er den maksimale korrelationskoefficient genekspressionsprofiler mellem F0 og kræftmodeller.

Effekt af udtryk ændring i lægemiddelrespons

En af de vigtigste anvendelser af PDX er personlig medicin valg for kræftpatienter. Selvom PDX er meget ens med patient biopsi, er det stadig nødvendigt at forstå effekten af ​​svag udtryk ændring (mellem patient og PDX) om narkotika følsomhed. Da der ikke er nogen narkotika respons data fra både patienter og PDXs i offentlige rum, derfor genererede vi flere simulerede datasæt fra GDSC data og brugte en computermodel til at forudsige følsomhed cisplatin (IC50-værdi). SRCCs mellem simulerede og rigtige udtryk data blev anvendt til at måle udtryk forandring, der simulerer ændringen fra tumor biopsi til PDX. Den relative “SRCC_IC50” blev brugt til at måle effekten af ​​udtrykket ændring i narkotika følsomhed (se afsnittet metode til detaljeret beskrivelse). Simuleringen Resultaterne er illustreret i figur 5. Generelt vil større ekspression ændring resultere i lavere konsistens i lægemiddelrespons. Når udtrykket korrelation mellem patient og PDX falder fra 1 til 0,82, var den gennemsnitlige korrelation af lægemiddel følsomhed falder 8% (fra 1. til 0,92). Som nævnt ovenfor medianen SRCC af “human tumor VS. xenograft “er 0,94. Den tilsvarende lighed i drug responser er 0,97, således 6% ekspression ændring i PDX resulterer i 3% forskel i lægemiddelfølsomhed. På grund af kompleksiteten af ​​narkotika reaktion, kan de nøjagtige tal i simuleringen resultater variere lidt i virkeligheden, mens tendensen bør være det samme mellem simulering og virkelighed. Derfor lægemiddelfølsomhed fik fra PDX til en vis grad rekapitulerer den reelle lægemiddelfølsomhed i patientens tumor.

SRCC mellem simulerede og reelt udtryk data blev anvendt til måling ekspression forandring. IC50 på simulerede datasæt blev forudsagt af en højderyg regressionsmodel. Den relative “SRCC_IC50” for simulerede datasæt blev brugt til at måle effekten af ​​udtrykket ændre på narkotika følsomhed.

Diskussion og konklusion

Kræft patient afledte implanteret er ofte blevet undersøgt i klinisk cancer biologi, grundet dens værdifulde anvendelse ved vurdering anticancerlægemidler og personlig medicin. Tidligere undersøgelser fokusere på de metoder lykkedes at opbygge PDXs og forbedre engraftment sats. Nogle arbejder sammenlignet den morfologiske og molekylære træk ved patientens tumorer og mus xegnorafts, og bevist, at PDX bevarede patientens tumor egenskaber. Imidlertid opnåedes sådanne konklusioner fra en specifik cancer type og en lille mængde af muse-xenotransplantater. Akkumuleret PDX udtryk data giver mere omfattende sammenligning af xenotransplanterede tumorer med primære patient tumorer

Vi udførte en meta-analyse af PDX transkriptom, der dækker 8 kræftformer, 58 kræftpatienter, 48 tidligt. ( = 3) PDXs , 36 fjernt PDXs og 19 PDXs med ukendte passager. Vores resultater bekræftede, at PDX var meget ens med patientens tumorer (median SRCC = 0,94), og deres lighed var højere end ligheden med cellelinjer eller andre patienter i samme kræftform. Ekspression ændring af PDX fleste forekom i engraftment forløbet af humane tumorer i mus. De kombinerer transkriptom resultater identificeret 48 gener, der blev ændret i mere end halvdelen kræftpatienter med forskellige typer kræft. Disse gener deltager i tumormikromiljøet og immunrespons. En simulering undersøgelse viste, at 6% ekspression ændring i PDX blev ledsaget af 3% forskel i lægemiddelfølsomhed. På grund af kompleksiteten af ​​lægemiddel respons i virkeligheden, kan de nøjagtige tal i simuleringen resultater være unøjagtige i real lægemiddelrespons. Dog bør tendensen være samme mellem simulering og virkelighed: større ændring i ekspressionsniveauet vil resultere i lavere konsistens i lægemiddelrespons

Animal model ligner menneskelige tilstand, men de er ikke helt ens.. Selvom dyremodel kan have nogle begrænsninger på grund af udtrykket eller regulering forskel mellem dyr og mennesker, har dyreforsøg er ofte blevet brugt til at hjælpe forståelsen menneskelige biologi. demonstrerede derfor vi, at PDXs er så langt den bedste kræft model og kvalitetskontrol er nødvendig under transplantation og over de efterfølgende passager: overvågning udtrykket lighed mellem PDX og patient tumor, kontrol af ændringen af ​​biologisk vigtige gener, et al. Vores resultater er nyttige for udvikling og anvendelse af PDX-modeller.

I øjeblikket genekspression microarray er den vigtigste teknologi, der anvendes i PDX undersøgelse. I fremtiden vil andre teknologier være mere hyppigt anvendt til at opbygge den komplette molekylære profil PDX, såsom RNA-sekventering, SNP-array, hel-genom /exon-sekventering, og methylering sekventering. Disse oplysninger vil mere præcist illustrerer egenskaberne ved PDX såsom kontaminering mus i PDX tumor, PDX-specifikke mutationer og subkloner på grund af tumor heterogenitet. Flere og flere PDX modeller vil blive akkumuleret og en stor “PDX-drug følsomhed” database vil blive bygget. Læger kunne udvælge egnede lægemidler til kræftpatienter baseret på narkotika respons data fra selv-afledt PDX eller lignende PDXs i databasen. Studier af PDX vil fremme personlig kræftbehandling og nye lægemiddelforskning i et højere niveau.

Støtte Information

S1 Fig. Fælles differentielt udtrykte gener i PDX mus.

(A) Venn-diagram af gener. Hver gang vi fjernede en datasæt, og valgt de fælles differentiale gener fra de resterende fire datasæt. (B) Overlap af gener ved brug af alle datasæt eller fjernelse GSE35144

doi:. 10,1371 /journal.pone.0124780.s001

(TIF)

S2 Fig. Expression Heatmap af fælles differentielt udtrykte gener i PDX mus.

Gene blev udvalgt af A) ved hjælp af fem datasæt, B) fjernelse GSE15240, C) at fjerne GSE46385, D) fjerner GSE35144, E) at fjerne GSE55828, og F) fjerne GSE57491.

doi: 10,1371 /journal.pone.0124780.s002

(TIF)

S1 Table. Differentielt udtrykt gener i “human tumor VS. xenograft “og” xenograft VS. xenograft “sammenligninger

doi:. 10,1371 /journal.pone.0124780.s003

(XLS)

S2 tabel. En liste over 48 gener, der blev differentielt udtrykt i over halvdelen “human tumor VS. xenograft “. par

Den interagerende lægemidler og narkotika-mål blev opnået fra DrugBank og” cancerresource “databaser

Doi:. 10,1371 /journal.pone.0124780.s004

(XLSX)

S3 Table. Tre former for kræft, der har PDX udtryk data i GEO-databasen, mere end 7 cellelinjer i GDSC datasæt, og mere end 7 tumor prøver i GSE2109

doi:. 10,1371 /journal.pone.0124780.s005

(XLSX- )

Tak

Vi sætter pris på kritisk læsning og værdifulde kommentarer fra Dr. Chao Li.