PLoS ONE: En Computational strategi til Vælg Optimeret Protein Mål for Drug Development mod Kontrol af Cancer Diseases

Abstrakt

I denne rapport beskriver vi en strategi for optimeret udvælgelse af protein mål er egnede til udvikling af lægemidler mod neoplastiske sygdomme, under det særlige tilfælde af brystcancer som eksempel. Vi kombinerede humane interactome og transkriptom data fra maligne og kontrol-cellelinier, fordi højt forbundne proteiner, som er opreguleret i maligne cellelinjer forventes at være egnede proteinmål for kemoterapi med en lavere uønskede bivirkninger. Vi normaliseret transkriptom data og anvendt en statistik behandling objektivt udpakke sub-netværk af ned- og op-regulerede gener, hvis proteiner effektivt interagere. Vi valgte de mest tilsluttede dem, der fungerer som protein hubs, de fleste er i signalering netværk. Vi viser, at de proteinmål effektivt identificeret ved kombinationen af ​​protein-forbindelse og differentielle ekspression er kendt som egnede mål for en vellykket kemoterapi af brystcancer. Interessant, fandt vi yderligere proteiner, generelt ikke er omfattet af medicinsk behandling, der kan berettige en udvidelse af eksisterende formulering ved tilsætning af inhibitorer designet mod disse proteiner med den konsekvens at forbedre terapeutiske resultater. De molekylære ændringer observeret i brystcancercellelinier repræsenterer enten driver begivenheder og /eller driver veje, som er nødvendige for udvikling af brystkræft eller progression. Det er imidlertid klart, at signalering mekanismer i luminale A, B og tredobbelt negative undertyper er forskellige. Desuden op- og ned-regulerede netværk forudsagt undertype-specifikke lægemiddelvirkninger og mulige kompensation kredsløb mellem op- og ned-regulerede gener. Vi mener, at disse resultater kan have betydelige kliniske implikationer i personlig behandling af kræftpatienter tillader en objektiv tilgang til genanvendelse af det arsenal af tilgængelige lægemidler til det konkrete tilfælde med hver brystkræft givet deres distinkte kvalitative og kvantitative molekylære egenskaber.

Henvisning: Carels N, Tilli T, Tuszynski JA (2015) A Computational strategi til Vælg Optimeret Protein Mål for Drug Development mod kontrol af kræftsygdomme. PLoS ONE 10 (1): e0115054. doi: 10,1371 /journal.pone.0115054

Academic Redaktør: Pranela Rameshwar, Rutgers-New Jersey Medical School, USA

Modtaget: September 29, 2014 Accepteret: 21 oktober, 2014; Udgivet: 27 Jan 2015

Copyright: © 2015 Carels 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:.. forfatterne har ingen støtte eller finansiering til at rapportere

konkurrerende interesser:. forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

Kræft er en af ​​de mest udfordrende og komplekse sygdomme på verdensplan. Selv om en væsentlig forbedring i diagnosticering og behandling fandt sted i de seneste par år, kræft fortsat den førende dødsårsag på verdensplan, som forventes at nå et svimlende 13,2 millioner dødsfald i 2030 [1]. Disse numre kan kun blive værre som følge af de generelle tendenser af befolkningens aldring og befolkningstilvækst [2].

Krop celler kan blive til kræft som følge af genetiske og epigenetiske omprogrammering processer der involverer komplekse regulerende kredsløb, der fører til deres udødelighed og ukontrolleret deling [3]. Processen med ukontrollabel celledeling går parallelt med en stigning på tumormasse resulterer i lokale fysiologiske forstyrrelser, der fører til metastaser og i sidste ende død af hele organismen ofte på grund af cachexia eller organsvigt. Metastaser præsentere den største udfordring til medicinsk behandling af kræft, er den vigtigste dødsårsag for kræftpatienter [4].

Identificeringen af ​​molekylære mekanismer, som driver tumorigenese og kræft progression er et afgørende skridt i at yde mere effektive lægemidler , forbedret diagnostik, og korrelere klinisk adfærd med sygdom ætiologi. I de sidste tre årtier har hundredvis af potentielle kræftrelaterede molekylære mål (oncotargets) blevet identificeret og sygdomsbehandling udviklet sigter mod disse mål. Mange af de for tiden tilgængelige lægemidler designet til specifikke kræftformer er meget dyre, giver beskedne forbedringer i den samlede overlevelse, og har betydelige negative bivirkninger. Det mest kritiske spørgsmål til adresse er karakteren af ​​de molekylære mål der må forstås for at styre cancercelleproliferation med så lille som mulige bivirkninger for at opretholde en rimelig livskvalitet for patienten. At være en genetisk dysregulering sygdom med vidt spredt fysiologiske konsekvenser, kræft kræver uløseligt administration af komplekse multi-drug terapi. Identifikationen af ​​egnede terapeutiske mål for behandling med lægemidler cocktails er ikke let, da kræftceller ikke har åbenlyse molekylstruktur forskelle i forhold til normale celler. Faktisk forskellene mellem normale og maligne celler snarere ligge i deres regulering [5], som kan evalueres gennem transkriptom data. Den nylige fremskridt i

i silico

data mining og high throughput datagenerering i forhold til gen, protein og metaboliske netværk [6,7] tilbyder en ny meget lovende mulighed for at identificere de proteiner, der ville være af marginal betydning i normal celler, men ville blive signalering knudepunkter i cancerceller på grund af deres naturlige høj tilslutning med andre proteiner og en betydelig ændring af udtryk satser.

Komplekse netværk er allestedsnærværende i fysik, biologi og samfundsvidenskab. Matematisk kan et netværk beskrives ved en rettet eller ikke-orienteret graf G = (V, E) med Isse og kant sætter V og E, hhv. En kant vises i grafen, hvis der er en kendt vekselvirkning mellem de to parter, enten ved direkte binding eller ved enzymatisk katalyse. En automorfi er en permutation af mængden V, der bevarer adjacency relation og, hvis tilstede, orienteringen af ​​pile mellem knudepunkter. Med driften af ​​sammensætningen, de automorphisms danner en gruppe Aut (G). Nyligt arbejde af MacArthur et al. [8] viser 20 eksempler på virkelige verden netværk og deres rige symmetri grupper. Real Networks vise en modulær opbygning, med knudepunkter organiseret i fællesskaber tæt forbundet internt og løst forbundet med hinanden [9]. Dette resulterer i tilstedeværelsen af ​​symmetriske subgraphs såsom træer og komplette kliker, som bidrager til at klassificere knudepunkter i et netværk til en “rygrad” (dem der forbliver fast under automorphisms) og “vedhæng” (dem der bliver overført til andre knuder ).

en sådan strategi er blevet undersøgt for nylig i flere papirer [10-12]. Disse forfattere viste, at sandsynligheden for 5-års patientoverlevelse (data fra SEER database, https://seer.cancer.gov/) er omvendt proportional med kompleksiteten af ​​signaleringsnetværket (taget fra Kyoto Encyclopedia of Genes and Genomes – Kegg, https://www.genome.jp/kegg/) for de typer af kræft overvejes. Netværkets kompleksitet blev beskrevet ved anvendelse af Shannon entropi ved kvantificering af fordelingen af ​​forbindelser i protein interactomes repræsenteret orienterede grafer. Således kan kompleksiteten af ​​en graf formuleres i form af netværk entropi H (G) som summen af ​​noder og overvejer d (v) som graden af ​​kanter v og definere H (G) = – Σ d (v) log d (v). Signalveje og netværk drive både normale fysiologiske og patologiske processer i celler. En fremgangsmåde til at identificere og afgrænse disse signalveje ville være nyttigt at designe nye lægemidler til fremtidig cancerterapi udvikling. At opnå yderligere indsigt i de underliggende mekanismer af brystkræft signalveje, evaluerede vi gen-ekspressionsmønstre for en række bryst- cellelinier for at generere cellelinje-specifikke netværk. Her, vi søge efter proteinmål med signifikant antal forbindelser, som er differentielt udtrykt i en række maligne cellelinier af brystkræft i forhold til en ikke-tumoral cellelinie. Vi fandt, at flere formodede proteiner med stor

tilslutningsmuligheder

ikke anderledes udtrykt, når man overvejer maligne og normale cellelinjer og dermed, ikke kan anses for lægemiddeludvikling uden væsentlige skadelige sideeffekter for patientens helbred. Men et andet sæt af proteiner med stor

tilslutningsmuligheder

er, ja, ned-eller opreguleret i maligne cellelinjer og up-regulerede dem er potentielle mål for udvikling af lægemidler. Ved at analysere litteraturen, kunne vi kontrollere, at alle de formodede protein-targets opnået gennem vores analyse er velkendte, og nogle er allerede blevet anvendt som midler til cancer kontrol gennem lægemiddelterapi. Men andre potentielle mål fremgik af denne undersøgelse, der ikke anvendes som lægemiddelkandidater endnu, hvilket rejser den hypotese, at disse formodede mål kan motivere specifikt lægemiddel udvikling for at øge effektiviteten af ​​eksisterende narkotika cocktails. Vi fandt både ligheder og signifikante forskelle, når man sammenligner de lister over top-rangerede mål for forskellige brystcancercellelinier. Som følge heraf kan en specifik cocktail overvejes i sammenhæng med

personaliseret medicin

overensstemmelse med den særlige sæt af formodede targets identificeret i biopsi af en given patient. Vi foreslår, at der forventes en sådan personlig assistance til at øge effekten af ​​kræftbehandling.

Resultater

Normaliseringen af ​​tag prøver i henhold til CDS størrelse og tag nummer resulterede i værdier af genekspression, der kan forskellige fra den ene prøve til den anden kun på grund af prøvens størrelse. Sådan en triviel skævhed lykkedes elimineres ved at bruge

Q

-norm frem for alle analyserede prøver i denne undersøgelse. Fordelingen af ​​mærkeantal fra transkriptom data er typisk en faldende kurve, hvor de laveste udtrykte gener er de hyppigste dem. Den subtraktion af normaliserede tag tællinger af hver malign cellelinje fra den normale cellelinie MCF10A gav frekvensfordelinger, hvis form var meget snæver, men symmetriske og centreret på nul. Loggen

10 (

x

i + 1) transformation sammen med

Q

– norm resulterede i symmetriske fordelinger (observeret) meget tæt på en Gaussisk fordeling (teoretisk) (se fig. 1A). Med den teoretiske fordeling i hånden, vi beregnet klassificeringskriterierne tærskler for -90 og +90 tags på den observerede fordeling svarende til en

s

-værdi α = 5% på den teoretiske fordeling. Tærskelværdierne klassificering svarende til en

s

-værdi α = 1 ‰ var -150 og 150 hhv. Således blev generne af malign celle klassificeret som nedreguleret, når deres mærkeantal var lavere end -90 eller -150 eller som opreguleres når deres mærkeantal var større end +90 eller +150 ifølge α = 5% og α = 1 ‰ henholdsvis ved sammenligning med MCF10A.

(B) Sammenhæng mellem

tilslutningsmuligheder

betweenness centrale

. (C) Sammenhæng mellem forbinde proteiner overvejer den fulde netværk prøve rådighed (~10,000) og sub-netværk af ~600 proteiner i BT-474 brystcancercellelinier.

Protein hubs er defineret som proteiner (knudepunkter) med et meget større forbindelsesnummer (kanter) end de gennemsnitlige værdier i et protein (eller gen) netværk; de fungerer som globale signal integratorer eller globale regulatorer til flere signalveje. Når man overvejer betweenness centrale og protein-forbindelse, fandt vi en stor positiv korrelation (

r

= 0,91) på en stikprøve af ~10,000 interagerende proteiner. Fordi tilslutning er et objektivt mål, der er enklere at beregne end betweenness centralitet, vil vi kun betragte protein konnektivitet nedenfor (se fig. 1B). Vi fandt også en positiv korrelation (

r

= 0.95) mellem konnektivitet af proteiner overvejer den fulde netværk prøve rådighed (~10,000) og sub-netværk af ~600 proteiner (se fig. 1 C). Således har vi overvejet det protein-forbindelse på et niveau af sub-netværk som repræsentant for den fulde netværk, som tillod ekspression af protein-forbindelse som en relativ værdi, som er temmelig robust til at prøve størrelse variationer.

A kort over netværk interaktioner mellem down- og op-regulerede gener i bryst maligne cellelinjer er givet i fig. 2. De øverste 5 mest forbundne gener i sub-netværk af op- og ned-regulerede gener er egnede kandidater som protein mål for udvikling af lægemidler (se S1 og S2 Tables).

Nodes repræsenterer gener, mens links repræsenterer interaktion mellem gener. Størrelse knudepunkter angiver forbindelse og farve repræsenterer en ekspressionsmønster mellem tumoral versus ikke-tumoral brystcellelinjen. (A) p 0,05. (B) p 0,01. Gephi blev brugt til at præsentere og visualisere netværkene.

Venn-diagram i fig. 3A og B viser en delmængde af gener, som blev differentielt udtrykt i hvert histologisk undertype i forhold til kontrolceller. Blandt up-regulerede gener, der er konstateret vi HSP90AB1 som et protein hub, der opreguleres i alle maligne celler og er rapporteret at inducere angiogenese. Interessant nok fandt vi CSNK2B som et protein hub, der er opreguleret i luminal B og tredobbelt negative maligne cellelinier, men normalt ikke i luminale A-celler. Grb2 og HER2 /3, YWHAB, PA2G4 er specifikt opreguleret i luminal A og B, hhv. Actin er et protein hub, der er nedreguleret i alle histologiske undertyper. Vi identificerede nedregulering af VIM i luminale A og B; NFKBIA mellem triple negativ og luminal B; og MAP1LC3A i luminal A og tredobbelt negativ. HSPAS, GAPDH, GABARAPL2 og GABARAP er nedreguleret i luminale B.

Up-regulerede gener (A) og ned-regulerede gener (B). Luminal En klassifikation omfatter MCF-7, T47D e ZR751 cellelinjer; Luminal B, omfatter BT-474; og tredobbelt negativ, BT-20, MDA-MB-231 og MDA-MB-468.

For at søge efter formodede druggable oncoproteiner i brystkræft, fokuserede vi her, på op-regulerede gener. Vores undersøgelse viste oncotargets (top 5-gener) i forbindelse med cellecyklus kontrol, der modsætter sig celledød, der inducerer angiogenese, invasion og metastase, deregulering cellulære energetik, genom ustabilitet og mutation, og tumor-fremme inflammation, som er kendetegnende for kræft [3] . I triple negativ undertype og luminal A, er en højere procentdel af up-regulerede gener relateret til opretholdelse proliferativ signalering, modstå celledød, og aktivering invasion og metastase. Derimod i luminal B, opreguleret gener er fortrinsvis forbundet til angiogenese induktion, celledød modstand, og invasion og metastase aktivering (se S3 tabel) [3,13-41].

I tredobbelt negative tumorer der generelt til stede dårlig prognose, observerede vi den opregulering af gener involveret i (i) cellecykluskontrol, som omfatter EGFR, MAPK13, YWHAB, MAGOH, EEF1G, CSNK2B, MYC, SRPK1, TK1, GABARAPL1, og CHD3; (Ii) anti-apoptotiske faktorer såsom YWHAB, MYC, GABARAPL1, og HDGF; og (iii) aktivering af invasion og metastase, såsom YWHAB, SRPK1, CSNK2B, GABARAPL1, CHD3, og HDGF. De væsentligste up-regulerede udskrifter var relateret til deregulering af cellulære energetik (GAPDH); denne nye kendetegnende blev kun observeret i den tredobbelte negative undertype. Denne adelsmærke er også relateret til MYC og GABARAPL1. Kun 1 udskrift er relateret til angiogenese HSP90AB1. Disse kendetegnende er alle forbundet til tumor progression, der understøtter dårlig prognose for triple negative tumorer.

luminale en sub-netværk af op-regulerede gener pegede på funktioner i forbindelse med genome ustabilitet og mutation (EIF4A3), og tumorfremmende inflammation (KPNA2). Desuden luminale A celler overekspression udskrifter relateret til cellecyklus kontrol, såsom Grb2, EEF1G, MCM7, CSNK2B, Pak2, TK1, MAPK13, og NPM1; samt ERBB2 /3, Pak2, TK1, ICT1, og NPM1, der er involveret i resistensen af ​​cellerne til døden. Med hensyn til de gener relateret til tumor progression, fandt vi HSP90AB1, Grb2, ERBB2 /3, EIF4A3, HDGF, og CSNK2B. Luminal B undernetværk lignede dem af luminal A-celler; denne lighed er ikke overraskende, fordi luminale A og B-celler også var grupperet i kun en kategori, dvs. luminale, som vist i S1 tabel. Sammenligning af luminal A og B-cellelinier med tredobbelt negativ viste opregulering af (i) den omgår vækstfaktorer ERBB2 /3 i luminal A, og (ii) YWHAB og PA2G4 i luminale B. YWHAB og PA2G4 har været impliceret i celle resistens til døden, opretholdelse af proliferativ signalering og invasion og metastase aktivering (se S1 tabel).

for at få indsigt i betydningen af ​​netværket kredsløb relateret til brystkræft tumor progression, vi også klassificeret ned-regulerede gener i forhold til funktionel biologi og kendetegnende for kræft (se S4 tabel) [17,22,25,42-56]. Ned-regulerede gener dækkede en lang række processer er impliceret i kræft biologi. Som forventet, er ned-regulerede gener fortrinsvis relateret til vedligeholdelse af ligevægtsbetingelser; vi fandt funktioner såsom: (i) celledød signalering (GABARAPL2, GABARAP, MAP1LC3A, TP53), (ii) cytoskelet stabilitet (ACTB, ACTG1, TUBA1A), og (iii) proliferation (TP53, GRP78, NFKBIA, GSK3b, BHLHE40 ).

for at opsummere, indikerer disse resultater kompleksiteten af ​​signalering gennem disse netværk og de massive konsekvenser fremkaldt af protein hub deregulering på tværs snak mellem regulatorer af cellulære begivenheder.

diskussion

Vores resultater har tre store konsekvenser for kræftbehandling (i) i bestræbelserne på at fastlægge en strategi for at identificere potentielle oncotargets for brystkræftbehandling; (Ii) i afsløringen vigtige regulatoriske kredsløb mellem ned- og op-regulerede gener, der er ansvarlige for cellens fysiologi af brystkræft tumor progression; og (iii) i at yde hurtig protein target identifikation i forbindelse med personlig medicin, der kunne matche individuelle tumorer typer og histologiske undertyper. Den beskrevne metode bør bidrage til at skabe et kvantitativt forhold mellem formodede oncotargets og en relevant terapeutisk strategi. Vores undersøgelse giver også en ramme for identifikation af centrale aktører i bryst malignitet, og kan føre til nye indsigter er nyttige i udviklingen af ​​terapeutiske interventioner for brystkræft behandling og forebyggelse. Yderligere arbejde er påkrævet for at funktionelt validere disse oncotargets starter med en præklinisk test på en

in vitro

niveau.

Selv om flere rapporter har vist vigtigheden af ​​protein netværk i brystkræft [57, 58], har kun få undersøgelser identificeret udtrykket profil af deres tilsvarende gener [59,60]. Mens andre rapporter har adresseret proteinnetværk subtype- specifikke cellelinier i brystcancer, har ingen af ​​dem normaliseret ekspressionsmønstre for disse maligne celler til en ikke-tumoral brystcellelinjen. Vores rapport fokuserer på profilering af genekspression af hub proteiner, der opstår som egnet til lægemiddeludvikling med en lavere negative sideeffekter for patientens helbred. Faktisk, som for type I og type II fejl, der er et kompromis vedrørende valget af proteinmål med en p-værdi på 0,1% eller 5%. Antallet af mål til rådighed ved en p-værdi på 0,1% er selvfølgelig lavere end under 5%, men i modsætning hertil forventes deres inhibering at forårsage færre bivirkninger for patienten på grund af en større forskel af genekspression mellem ondartet og normale celler. Derimod når man overvejer en p-værdi på 5%, antallet af potentielle mål stiger, men prisen for at være løn er en højere grad af bivirkninger.

Det fulde sæt af interagerende humane proteiner, som vi anvendes, er baseret på ~10,000 gener, hvilket er omkring en tredjedel af hele det humane genom sæt, der er blevet vurderet til at være ~30,000 baseret på data af udtrykte sekvens-tags [61]; en prøve af en tredjedel af hele humane gensæt betragtes her, for meget statistisk signifikant. Breitkreutz et al. [10] viste, at signalering netmodeller er egnet til kræft kendetegnende identifikation som det giver vigtig indsigt i, hvordan genmutationer kan påvirke celle fysiologi og føre til kræft, samt at identificere formodede kræft biomarkører.

Eksistensen af ​​en interagerende undernetværk mellem down- og opregulerede gener viser, at de differentielt udtrykte gener, ud over at blive induceret af specifikke cancer veje, interagerer med hinanden tilsyneladende i en kompenserende måde, hvilket yderligere indikerer, at tumorigenese og tumoral progression kræver multiple og krydstale signalering. Netværkene er forbundet til forskellige celle undertyper og deres specifikke mønstre observeret her, er i god overensstemmelse med data fra litteraturen.

Med den hurtige moderne teknologi, udvikling, kan vi gøre en sikker forudsigelse, at på et tidspunkt i en ikke alt for fjern fremtid, når en patient er diagnosticeret med kræft, vil det stadig være muligt at sekventere både maligne og normale celler gennem biopsi for at informere den behandlingsplan. Når der identificeres specifikke oncotargets, vil det blive teoretisk muligt at definere en personlig medicin cocktail på baggrund af eksisterende viden eller endda, på flue, af

i silico

simuleringer (docking og molekylære dynamik) af inhibitorer med disse oncotargets. Teoretisk denne strategi er forenelig med individuel medicin, i den forstand, at når strategien er designet, kan det være, i princippet ret automatiseret. Da de svarprocenter til en bestemt kemoterapeutisk lægemiddel kan være relativt lav i en umarkeret forbehandlet patientpopulation, er det en forudsætning, at den nyorientering Strategien omfatter forvalg af de patienter med en gunstig molekylær profil i deres kræftceller, dvs de patienter med den højeste sandsynlighed for at få gavn af behandlingen. Vores strategi adskiller sig fra den traditionelle opfattelse af narkotika nyorientering i forventer at finde nye indikationer for cocktail behandlingsformer, der skulle påvirke væsentlige veje /mekanismer resulterer i kræft celledød med minimale bivirkninger for normale celler. Med andre ord, vi samtidigt til formål at maksimere virkningsfuldhed og minimere toksiciteten af ​​et givet behandlingsregime. forventes Denne strategi for at overvinde iboende og erhvervet resistens, tumor heterogenitet, tilpasning, og genetisk ustabilitet af kræftceller. Imidlertid findes flere alternative signaling ruter i tumorer, der gør dem resistente over for lægemiddelbehandling. Således bør en række spørgsmål rettes til konstatere, at den foreslåede strategi er så kraftig som forudsagt, da biologisk kompleksitet altid bringer uventede situationer.

Det er vigtigt, at hele sæt af forudsagte lægemiddeltargets er blevet eksperimentelt valideret af tilgængelige lægemidler eller siRNA (S5 Table) [36,38,40,62-86], som viser, at den tilgang, der præsenteres her er i overensstemmelse med state of the art, og bør opføre sig på samme måde i nye situationer, hvor viden er knappe. Således kan den fremgangsmåde, der er beskrevet her tænkes gennemføres for et betydeligt antal tiden anvendte kemoterapeutiske stoffer, da deres molekylære virkningsmekanismer er godt forstået med tusindvis af tilgængelige undersøgelser i litteraturen. Det er håbet, at vores strategi vil tillade belysning af molekylære netværk af forskellige tumorer og histologiske undertyper. Vi mener, at denne strategi er værdifuld og kan potentielt tilføje nye værktøjer til udrustning af lægemidler til rådighed for onkologer.

Da malign transformation er blevet beskrevet som involverer en defineret sæt fysiologiske ændringer, der er klassificeret vi disse top 5-gener i kendetegnende for kræft, i henhold til de kriterier og eksempler foreslået af Hanahan og Weinberg [3] og baseret på den aktuelle funktionelle forståelse af generne fra BLAST til gen-ontologi (Blast2GO). GO termer bruges til at identificere en liste over potentielle komponenter, funktioner og processer, der er der belyses betydeligt i de udvalgte gener. Denne klassificering afslørede, at top fem op- og ned-regulerede gener for hver cellelinie bidrage til alle seks erhvervede kvalifikationer, der kræves for tumor progression. Disse resultater antyder, at vores fremgangsmåde er nyttig til at identificere oncotargets egnede til brystkræft behandling. Det synes rimeligt at finde gener involveret i cellecyklus, i betragtning af, at datasættet vedrører brystkræft og prolifererende maligne celler, hvor ekspressionen af ​​cellecyklus regulatorer er afgørende, og afspejler den høje mitoseindeks typisk er forbundet med brystkræft. Faktisk eftersom stærkt prolifererende celler kræver energi, glykolyse er en vigtig omsætningsvej involveret i energiproduktionen. Ifølge dette landskab, vores resultater afslører GABARAPL1 og GAPDH som knudepunkter i BT-20-celler (triple negativ). En anden klasse af mål er gruppen af ​​gener involveret i cellesignalering og celle kommunikation såsom membranproteiner, HER2 og 3 eller EGFR, signaltransduktion proteiner, såsom MYC, TK1, NPM, YWHAB, MCM7, EIF4A3, HDGF, Grb2, CHD3, Pak2, PA2G4, og transportproteiner såsom KPNA2. Det er ikke overraskende, at i dette arbejde, vi sat fingeren kontrol gener af cellecyklus eller apoptose såsom MAPK13, HSP90AB1, MAGOH, CSNK2B, EEF1G, PDIA3, ICT1, SRPK1, og også de involverede i EMT proces som VIM, som spiller en stor rolle i tumor udvikling.

Vi identificerede HSP90AB1 som den eneste opreguleret protein hub fælles for alle celletyper i vores undersøgelse, der understreger, at kræft undertyper rettet her alle deler en kerne af proliferativ signalveje almindelige i brystkræft, men med mange forhold. Den del af udtrykket mønster, der er fælles for alle cellelinier omfattede kan yderligere påvirkes af den underliggende genetiske baggrund af tumorcellerne og tumorudviklingsstadie hvor cellelinjen blev afledt.

For yderligere at demonstrere den prædiktive effekt af undertype-specifikke netværk, vi har forsøgt at forudsige undertype-specifikke terapeutiske interventioner. Hvis en hub gen specifikt vises i enten en luminal A, B eller tredobbelt-negative subtypespecifik netværk, forventer vi, at dette gen kan være et lægemiddel mål specifikt for denne undertype. Baseret på dette kriterium, er Grb2, ICT1, PDIA3, KPNA2, NPM, Pak2, EIF4A3 og MCM7 forudsagt som potentielle lægemiddelkandidater specifikke for den luminale en celletype, ville PA2G4 være specifikke for den luminale B-celle type, og MAGOH, MYC, SRPK1, VIM, GABARAPL1, GAPDH og CHD3 forudsiges som potentielle lægemiddelkandidater specifikke for den tredobbelte negative undertype.

Vi fandt også associationer mellem nedregulering af gener og terapi, som i nogle tilfælde give indsigt i samspillet mellem tumorsuppressorer og det cellulære maskineri i mediering lægemiddelfølsomhed. Fx Zheng et al. [87] viste, at overekspression af HER-2 /

neu

kunne formindske mængden af ​​vildtype p53-protein via aktiveringen af ​​PI3K pathway, og induktionen af ​​MDM2 nuklear translokation i MCF-7 human brystcancer celler. Blokering af PI3K pathway med dets specifikke inhibitor LY294002 forårsaget G1-S fasen, nedsat cellevæksthastigheden og øget kemo- og radio-terapeutisk følsomhed i MCF-7-celler, der udtrykker vildtype-p53. Derudover Wang et al. [88] viste, at ophævelsen af ​​GRP78 induceret følsomhed brystkræftceller til taxol og vinblastin.

Konklusioner

Ved at bruge en integrativ netværk analyse af data fra transkriptom og interactome offentlige ressourcer, vi har forudsagt selektive kombinationer af druggable mål for at kontrollere de vigtigste veje i brystkræft. De molekylære ændringer observeret i brystcancercellelinier repræsenterer enten driver begivenheder og /eller driver veje, som er nødvendige for udvikling af brystkræft eller progression. Det er imidlertid klart, at signalering mekanismer i luminale A, B og tredobbelt negative undertyper er forskellige. Desuden op- og ned-regulerede netværk forudsagt undertype-specifikke lægemiddelvirkninger og mulige kompensation kredsløb mellem op- og ned-regulerede gener. Sammen med konstateringen af, at flere forbundne gener kunne fungere som kræft regulatorer, kan disse resultater har betydelige kliniske implikationer i personlig behandling af kræftpatienter, da hver brystkræft kan betragtes som unikke og afspejler forskellige kvalitative og kvantitative molekylære egenskaber. Således er viden om hele sæt af molekylære træk båret af en given brystkræft og patient kræves for faktiske personlig terapi for at blive realiseret.

Metoder

Interactome data

de protein tilslutningsmuligheder slutninger beskrevet nedenfor er baseret på protein interaktioner angivet i filen intact-micluster.zip tilgængelig fra ftp://ftp.ebi.ac.uk/pub/databases/intact/current/psimitab/(tilgængelige på 04.04. 2014). Vi valgte de to kolonner af UniprotKB identifikatorer (UID) i intact-micluster.zip filen og elimineret de ufuldstændige par (markeret som “-“, det vil sige, når et intakt adgangsnummer har ingen UniprotKB tilsvarende kendt). Den resulterende fil indeholdt 308,314 protein par. Denne interaktion fil blev derefter bearbejdet til dannelse af en ikke-redundant UID liste bruges til at hente de tilsvarende proteinsekvenser (68,504) ved at forespørge UniprotKB på https://www.uniprot.org/help/uniprotkb. Da nogle UID var forældede, vi erstattet dem med deres nuværende navn hentes ved at forespørge feltet

søgning dele på UniprotKB i formatet ‘afløser:

forældede UID’

. Ækvivalensen mellem UID og menneskelige gener blev opnået ved homologi søgning (tBLASTn) af protein-sekvenser (68.504), der anvendes som forespørgsler og menneskelige sekvenser (CDS), der anvendes som fag fra datasættet (hs37p1.EID.tar.gz) af Fedorov laboratorium [ ,,,0],89] findes på https://bpg.utoledo.edu/~afedorov/lab/eid.html. Homologe hits var consideredsignificant når deres score var ≥120, E-værdi ≤10

-4 og identitet sats ≥80% i ≥50% af query størrelse (https://mitointeractome.kobic.kr/supplement.php). Efter fjernelse af emnet redundans (holde hittet matcher største identitet sats), Datasæt den endelige størrelse af menneskelige CDS fuldt beskrevet af protein interaktioner var 17.301.

transkriptom data

Vi genvundet transkriptom datasæt cellelinier (BT-20, BT-474, MDA-MB-231, MDA-MB-468, MCF-7, MCF10A, T-47D, ZR-75-1, se oplysninger på http: //www.atcc. org /) fra https://www.illumina.com/science/data_library.ilmn. Genekspressionsprofilen blev evalueret gennem en homologisøgning med humane CDS prøve af Fedorov laboratorium.