Αφηρημένο

βιοδείκτες προγνωστικά για τον ορθοκολικό καρκίνο (CRC) θα ήταν ιδιαίτερα επιθυμητό στην κλινική πρακτική. Πρωτεΐνες που ρυθμίζουν οξύ (BA) ομοιόσταση της χολής, συνδέοντας τους αισθητήρες του μεταβολισμού και μεταβολικά ένζυμα, που ονομάζονται επίσης πρωτεΐνες γέφυρα, μπορεί να είναι αξιόπιστος προγνωστικός βιοδείκτες για CRC. Βασισμένο σε ένα επινοήσει μετρικό, «bridgeness,« εντοπίσαμε πρωτεΐνες γέφυρα που εμπλέκονται στη ρύθμιση της ομοιόστασης ΒΑ και προσδιόρισε προγνωστική δυνατότητές τους. Τα πρότυπα έκφρασης αυτών των πρωτεϊνών γέφυρα μπορούσε να διακρίνει μεταξύ φυσιολογικών και νοσούντων ιστών, γεγονός που υποδηλώνει ότι αυτές οι πρωτεΐνες που συνδέονται με CRC παθογένεση. Χρησιμοποιώντας ένα εποπτευόμενο σύστημα ταξινόμησης, διαπιστώσαμε ότι αυτές οι πρωτεΐνες γέφυρα ήταν επαναλήψιμα προγνωστικών, με υψηλή προγνωστική ικανότητα σε σύγκριση με άλλες γνωστές δείκτες

Παράθεση:. Lee S, Lee K, Yoon S, Lee JW, Lee D (2014 ) Ανωμαλίες στην Γέφυρες δικτύου που εμπλέκονται στη χολή οξύ Μεταβολισμός Προβλέψτε Αποτελέσματα του καρκίνου του παχέος εντέρου ασθενών. PLoS ONE 9 (9): e107925. doi: 10.1371 /journal.pone.0107925

Επιμέλεια: Antonio Moschetta, IRCCS Istituto Oncologico Giovanni Paolo II, Ιταλία

Ελήφθη: 27, Μάρ, 2014? Αποδεκτές: 18 Αυγούστου 2014? Δημοσιεύθηκε: 26η Σεπτεμβρίου, 2014

Copyright: © 2014 Lee et al. Αυτό είναι ένα άρθρο ανοικτής πρόσβασης διανέμεται υπό τους όρους της άδειας χρήσης Creative Commons Attribution, το οποίο επιτρέπει απεριόριστη χρήση, τη διανομή και την αναπαραγωγή σε οποιοδήποτε μέσο, ​​με την προϋπόθεση το αρχικό συγγραφέα και την πηγή πιστώνονται

Δεδομένα Διαθεσιμότητα:. Η συγγραφείς επιβεβαιώνουν ότι όλα τα δεδομένα που διέπουν τα ευρήματα είναι πλήρως διαθέσιμα χωρίς περιορισμούς. Σύνολα δεδομένων σχετικά με τα προφίλ γονιδιακής έκφρασης που χρησιμοποιούνται είναι διαθέσιμα από GEO (Marisa et al., Προσχώρηση = GSE39582, Sheffer et al., Προσχώρηση = GSE41258, Calon et al., Προσχώρηση = GSE39397). Ένα σύνολο δεδομένων σχετικά με τα ανθρώπινα μεταβολικά ένζυμα είναι διαθέσιμα από συμπληρωματικές αρχείο του Hao et al, χαρτί:.. Hao et al, «διαμερισματοποίηση της Εδιμβούργου Ανθρωπίνων Μεταβολικό Network», BMC Βιοπληροφορική, 2010, 11: 393. Ένα σύνολο δεδομένων σχετικά με τα ανθρώπινα προφίλ γονιδιακής έκφρασης σε ολόκληρο ιστός είναι διαθέσιμη από τη βάση δεδομένων BioGPS (URL: https://biogps.org/downloads/). Ένα σύνολο δεδομένων σχετικά με τις ανθρώπινες αλληλεπιδράσεις μεταξύ πρωτεϊνών είναι διαθέσιμη από HPRD (URL: https://www.hprd.org/download). αλληλεπιδράσεις πρωτεΐνης-DNA (γονίδιο TF-στόχου αλληλεπιδράσεις) από τη βάση δεδομένων TRANSFAC θα πρέπει να εγκριθεί από BIOBASE GmbH

Χρηματοδότηση:. Η εργασία αυτή χρηματοδοτήθηκε από το NIH (DK064678 να J.W.L.). Κ.Ε. υποστηρίχθηκε από τη βασική επιστήμη ερευνητικό πρόγραμμα μέσω του Εθνικού Ιδρύματος Ερευνών της Κορέας (NRF), που χρηματοδοτείται από το Υπουργείο Παιδείας, Επιστημών και Τεχνολογίας (NRF-2013R1A2A2A04013317). D.L. υποστηρίχθηκε από επιχορηγήσεις της Κορέας Υγεία Τεχνολογία R & amp? D Έργου, Υπουργείο Υγείας και Πρόνοιας, Δημοκρατία της Κορέας (A112022)? καθώς επίσης και από το Πρόγραμμα Βιο-Synergy Research (NRF- 2012M3A9C4048758) του Υπουργείου Επιστημών, των ΤΠΕ και τον μελλοντικό σχεδιασμό, μέσω του Εθνικού Ιδρύματος Ερευνών. Οι χρηματοδότες δεν είχε κανένα ρόλο στο σχεδιασμό της μελέτης, τη συλλογή και ανάλυση των δεδομένων, η απόφαση για τη δημοσίευση, ή την προετοιμασία του χειρογράφου

Αντικρουόμενα συμφέροντα:.. Οι συγγραφείς έχουν δηλώσει ότι δεν υπάρχουν ανταγωνιστικά συμφέροντα

Εισαγωγή

Καρκίνος του παχέος εντέρου (CRC) είναι η τρίτη κυριότερη αιτία θανάτου από καρκίνο παγκοσμίως, με 746.000 άτομα πεθαίνουν από την ασθένεια αυτή το 2012 [1]. Προγνωστικούς βιοδείκτες θα μπορούσαν να βελτιώσουν τις στρατηγικές θεραπείας μέσω διαστρωματώσεις των κινδύνων [2]. Μέχρι σήμερα, όμως, λίγοι δείκτες για την πρόγνωση των ασθενών έχουν ταυτοποιηθεί, που εμποδίζουν την επιλογή και το χρονοδιάγραμμα της επικουρικής θεραπείας για ασθενείς που βρίσκονται σε κίνδυνο.

Πρόγνωσης βιοδείκτες θα πρέπει να είναι μηχανιστικά σχετικές με την παθογένεια της νόσου. Παρά το γεγονός ότι τα τρέχοντα δεδομένα με γνώμονα την έκφραση-υπογραφές, όπου τα πρότυπα έκφρασης του γονιδίου σχετίζεται σε μεγάλο βαθμό με την πρόγνωση των ασθενών, έχουν δείξει σημαντική προγνωστική ικανότητα, δεν έχουν αποκαλυφθεί υποκείμενο μηχανισμό και έτσι κρυμμένη σωστή θεραπευτικές παρεμβάσεις [3]. Βιολογική υποθέσεις έχουν δώσει εκ των προτέρων απόδειξη της μηχανιστικής ενδιαφέρον [4], αλλά οι υπάρχουσες στοχευμένη υπόθεση με γνώμονα προσεγγίσεις είναι πιθανό να χάσετε πολλά γονίδια που σχετίζονται με τις βιολογικές υποθέσεις, απαιτούν νέες εναλλακτικές προσεγγίσεις για να βρείτε πολλές υπόθεση-σχετικών γονιδίων.

τα χολικά οξέα (BAS) είναι καρκινογόνα [5], [6], με υψηλή περιεκτικότητα σε λιπαρά δίαιτες ρύθμιση της ομοιόστασης ΒΑ και μεταβάλλονται τα επίπεδα του BAS που οδηγεί σε CRC παθογένεια. Για παράδειγμα, ένα BA-συμπληρωμένο δίαιτα σε ποντικούς έχει δειχθεί ότι επάγει άμεσα CRCs, υποδηλώνοντας ότι BAS είναι καρκινογόνα [7]. Ωστόσο, αν και BAS να οδηγήσει σε CRC παθογένεια, BAS δεν είχαν χρησιμοποιηθεί ως πρακτικό δείκτες. Σε in vivo επίπεδα, ήταν αδύναμοι και indistinctive μεταξύ των ασθενών με CRC και μάρτυρες σε όλες τις μελέτες [8] από το αλλαγμένο επίπεδα ΒΑ από την πρόσληψη τροφής είναι προσωρινές και αδύναμη, έτσι είναι δύσκολο να ανιχνευθούν. Ανωμαλίες στα γονίδια που ρυθμίζουν την ομοιόσταση κυτταρική BA είναι περισσότερο από καθορισμένες παράγοντες για την ανάπτυξη CRCs.

Οι πρωτεΐνες που εμπλέκονται στη ρύθμιση της ομοιόστασης της όχι μόνο BAS, αλλά όλοι οι μεταβολίτες περιλαμβάνουν μεταβολικές αισθητήρες και τα μεταβολικά ένζυμα. Μεταβολική αισθητήρες αναγνωρίζουν την μεταβολική πληροφορίες κατά τη διάρκεια της ρύθμιση της ομοιόστασης με ανίχνευση των επιπέδων των ενδοκυτταρικών μεταβολιτών [9] – [11]. Για παράδειγμα, ο υποδοχέας farnesoid Χ (FXR, επίσης γνωστή ως NR1H4) την ανίχνευση του επιπέδου της ενδοκυτταρικής Bas, με αυτές τις πληροφορίες χρησιμοποιούνται κατά την ρύθμιση της ομοιόστασης της κυτταρικής ΒΑ. Μεταβολικά ένζυμα καταλύουν τις αντιδράσεις των μεταβολιτών, μεταβάλλοντας τα ενδοκυτταρικά επίπεδα τους. Ως εκ τούτου, ανωμαλίες σε αυτούς τους αισθητήρες και τα ένζυμα θα μπορούσαν να μεταβάλουν την ομοιόσταση BA [12], [13] και τελικά επηρεάζουν CRC παθογένεια. Για παράδειγμα, γενετικά ελαττώματα σε BA ρύθμιση ένζυμα ή πρωτεΐνες αισθητήρα βρέθηκαν να οδηγήσει σε CRC παθογένεση [14], [15]. Ωστόσο, αυτά τα γονίδια επίσης δεν ήταν προγνωστικοί δείκτες λόγω της χαμηλής εμφάνισης μεταλλάξεων σε CRCs.

Είναι ενδιαφέρον ότι, επιπλέον παράγοντες που δεν είναι ούτε μεταβολικά αισθητήρες ούτε ένζυμα φαίνεται να ρυθμίζει την ομοιόσταση BA [16]. Ως εναλλακτική μέθοδος ταυτοποίησης αξιόπιστων δεικτών πρόγνωσης, υποθέσαμε ότι οι παράγοντες αυτοί μπορούν να μεταδίδουν πληροφορίες σχετικά με μεταβολική κατάσταση μεταξύ των αισθητήρων του μεταβολισμού και των ενζύμων, λειτουργικώς σύνδεση αυτών των δύο τάξεων μορίων. Αυτοί οι παράγοντες, που ονομάζονται πρωτεΐνες γέφυρα, μπορεί να χρησιμεύσει ως αξιόπιστη προγνωστικοί δείκτες σε ασθενείς με CRC, επειδή ανωμαλίες σε αυτές τις πρωτεΐνες θα διατάρασσε την παράδοση των μεταβολικών πληροφοριών και τη σωστή ρύθμιση της ομοιόστασης ΒΑ. Τρέχουσα στοχευμένες προσεγγίσεις θα ήταν αναποτελεσματική στην ανίχνευση πρωτεϊνών ρελέ συγκεκριμένα μεταξύ του μεταβολισμού των αισθητήρων και των ενζύμων, οφείλεται σε μεγάλο βαθμό στην έλλειψη μιας μεθόδου για την ποσοτικοποίηση του βαθμού ρελέ των πρωτεϊνών. Συστηματικές προσεγγίσεις, χρησιμοποιώντας πληροφορίες σχετικά με γνωστά μοριακές αλληλεπιδράσεις και τις πρωτεΐνες που συνδέουν τους αισθητήρες και τα ένζυμα μπορεί να προσδιορίσει και να διακρίνει τις πρωτεΐνες γέφυρα εμπλέκονται στην κυτταρική σηματοδότηση δίκτυα.

Εδώ, προτείνουμε μια προσέγγιση που βασίζεται σε δίκτυο που προσδιορίζει προγνωστικοί δείκτες μεταξύ πρωτεΐνες που παίζουν ένα κρίσιμο ρόλο ενδεχομένως συνδέει τους αισθητήρες και τα ένζυμα του μεταβολισμού ΒΑ, που σχετίζονται με γνωστές βιολογικές υπόθεση. Αυτές οι πρωτεΐνες, που αναφέρονται ως πρωτεΐνες γέφυρα, μπορεί να εκτιμηθεί συστηματικά με βάση τις πληροφορίες σχετικά με μοριακές αλληλεπιδράσεις που καταγράφονται σε διάφορες βάσεις δεδομένων. Για το σκοπό αυτό, έχουμε ορίσει μια «bridgeness» μετρικό, που εκπροσωπεί τους βαθμούς της σύνδεσης μεταξύ των αισθητήρων και των ενζύμων, και να προτείνουν βασικές πρωτεΐνες γέφυρα ως δείκτες του δικτύου για την πρόγνωση σε ασθενείς με CRC. Χρησιμοποιώντας αυτή την «υπόθεση-ξεκίνησε» προσέγγιση, εντοπίσαμε ένα σύνολο δεικτών που θα μπορούσαν να προβλέψει καλύτερα αποτελέσματα σε ασθενείς με CRC ό, τι προηγουμένως εντοπιστεί προγνωστικοί δείκτες. Μια έρευνα που βασίζεται σε δίκτυο των βιοδεικτών που βασίζεται στην ιδιοκτησία bridgeness τους μπορεί να εντοπίσει προγνωστικούς βιοδείκτες εμπλέκονται σε δίκτυα κινητής τηλεφωνίας.

Αποτελέσματα

Δίκτυα Bridge και πρωτεΐνες γέφυρα για το μεταβολισμό των χολικών οξέων

μας δικτύου προσέγγιση εντοπίστηκαν 50 γέφυρας πρωτεΐνες ως αξιόπιστη προγνωστικοί δείκτες (Πίνακας S1). Top-κατετάγη πρωτεΐνες γέφυρα περιλαμβάνονται πολλαπλασιαστή περοξυσώματος γάμμα υποδοχέα, συνενεργοποιητή 1 άλφα (PPARGC1A), ηπατοκυττάρων πυρηνικού παράγοντα 4 α (HNF4A), την κινάση συνθάση γλυκογόνου 3 βήτα (GSK3B), ρετινοειδή γάμμα υποδοχέα Χ (RXRG), κασπάσης 8, απόπτωση -σχετικών κυστεΐνη πεπτιδάσης (CASP8), δέσμευση CREB πρωτεΐνης (CBP), ενεργοποιείται από πολλαπλασιαστή περοξυσώματος υποδοχέα άλφα (PPARγ και), ρ53 (επίσης γνωστό ως ΤΡ53), Ε1Α πρωτεΐνη σύνδεσης p300 (EP300) και άλφα υποδοχέα ρετινοειδούς Χ (ΚΧΚα). Αξιοσημείωτα, ΚΧΚα, σχηματίζοντας ένα ετεροδιμερές με έναν αισθητήρα ΒΑ, FXR, συμμετέχει στη ρύθμιση της ομοιόστασης BA [17]. Επίσης, p53 ρυθμίζει την ομοιόσταση BA με τη σύνδεση μεταξύ ενός αισθητήρα ΒΑ και ένζυμα BA, που οδηγεί σε ανώμαλη συσσώρευση ΒΑ από ελάττωμα της [16], [18]. Ομοίως, ορισμένες πρωτεΐνες γέφυρα που λειτουργούν στη ρύθμιση της ομοιόστασης BA συνοψίζονται στον Πίνακα S2, μαρτυρούν ότι οι πρωτεΐνες γέφυρα, αν και είναι υπολογιστικά επιλεγεί, μπορεί να συμμετέχει στη ρύθμιση της ομοιόστασης της ΒΑ.

Για να διερευνήσουν αυτές τις πρωτεΐνες γέφυρα, κατασκευάσαμε ένα δίκτυο αναφοράς για το μεταβολισμό BA (Σχήμα 1), ένα δίκτυο που αποτελείται από μεταβολικής αισθητήρων, τα μεταβολικά ένζυμα και τις πρωτεΐνες που συνδέουν τους αισθητήρες και τα ένζυμα. Κεντρικό πρωτεΐνες γέφυρα που ρυθμίζουν δοθεί μεταβολικών οδών ερευνήθηκαν από την πρώτη ενσωμάτωση προηγούμενα δεδομένα της γνώσης και interactome. Μέχρι σήμερα, 53 ένζυμα, συμπεριλαμβανομένων των μεταφορέων, έχει αναφερθεί ότι εμπλέκεται στο μεταβολισμό ΒΑ και καταγράφονται στη βάση δεδομένων EHMN (Πίνακας S3) [19]. Όπως ανίχνευση BAS και ρύθμιση των επιπέδων τους μεταβάλλοντας κατάντη οδούς για Bas, FXR έχει βρεθεί in vivo και in vitro να είναι ένας αισθητήρας για BAS [11]. Με βάση την προηγούμενη γνώση και τη βάση δεδομένων, ο αισθητήρας και τα ένζυμα συμπεριλήφθηκαν σε ένα δίκτυο γέφυρας ΒΑ. Η μεγάλης κλίμακας δεδομένα interactome από τις βάσεις δεδομένων, συμπεριλαμβανομένων HPRD [20] και TRANSFAC [21], ενσωματώθηκαν για την ταυτοποίηση πρωτεϊνών που συνδέουν τους αισθητήρες και ένζυμα (Εικόνα 1Β). Βρήκαμε ότι 10.805 γονίδια ή προϊόντα γονιδίων ήταν υπεύθυνος για 110.741 αλληλεπιδράσεις? αυτών των γονιδιακών προϊόντων, εξάγαμε μόνο τους αισθητήρες, τα ένζυμα και τα συναφή ενδιάμεσο πρωτεΐνες. Όλες οι πρωτεΐνες που είναι υπεύθυνες για τις άμεσες και έμμεσες αλληλεπιδράσεις μεταξύ των αισθητήρων και ένζυμα θεωρήθηκαν, με οποιοδήποτε ενδιάμεσο πρωτεΐνη είναι μια πιθανή πρωτεΐνη γέφυρα.

Η συνολική διαδικασία της κατασκευής του δικτύου περιγράφεται στο (Β-Ε). (Α) Δομή του δικτύου γέφυρα, που αποτελείται από μία μεταβολική αισθητήρα (κόκκινο), ένα μεταβολικό ένζυμο (μπλε) και μια πρωτεΐνη γέφυρα (γκρι). Μεταβολικά ένζυμα καταλύουν τις αντιδράσεις των μεταβολιτών. Μεταβολική αισθητήρες ανιχνεύσουν τα επίπεδα της ενδοκυτταρικής μεταβολιτών. πρωτεΐνες γέφυρα συνδέει μεταβολικές αισθητήρες και τα μεταβολικά ένζυμα. (Β) την ένταξη των πιθανών αλληλεπιδράσεων μεταξύ των αισθητήρων και των ενζύμων που χρησιμοποιούν αλληλεπιδράσεων πρωτεΐνης-πρωτεΐνης (ΡΡΙ) και αλληλεπιδράσεις πρωτεΐνης-DNA (PDI). Πληροφορίες σχετικά με τους αισθητήρες και τα ένζυμα συλλέχθηκε από δημοσιευμένες μελέτες και βάσεις δεδομένων. (Γ) στην επιβολή περιορισμών για τους κόμβους και τις ακμές ενός ολοκληρωμένου δικτύου. (Δ) τελική δίκτυο αναφοράς για την ταυτοποίηση πρωτεϊνών γέφυρα. (Ε) Η επιλογή της γέφυρας πρωτεϊνών από το δίκτυο αναφοράς από τα αποτελέσματα bridgeness τους

Η

Οι περιορισμοί στη συνέχεια επιβλήθηκαν στις δύο πρωτεΐνες και τις αλληλεπιδράσεις τους με την εξέταση του ιστού-ειδικό πλαίσιο του μεταβολισμού (Σχήμα 1Γ?. Υλικά και Μέθοδοι). Παρά άφθονες πληροφορίες για τα δεδομένα interactome μεγάλης κλίμακας, μπορεί να υπάρχουν προκαταλήψεις επιλογή και παραλλαγές ιστοειδική. Ως αποτέλεσμα της επιβολής περιορισμών, λάβαμε ένα τελικό δίκτυο αναφοράς 63070 ακμές και 7011 κόμβους, με αισθητήρες και ένζυμα που συνιστούν 23 κόμβους (Σχήμα 1 D, βλέπε Σχήμα S1 για την τελική δίκτυο αναφοράς).

Από την αναφορά δικτύου, επιλέξαμε πρωτεΐνες γέφυρα, μεταξύ των ενδιάμεσων πρωτεΐνες, ότι οι αισθητήρες BA καλύτερη σύνδεση και ένζυμα BA, χρησιμοποιώντας ένα «bridgeness» μετρικό, υποθέτοντας ότι οι άκρως σύνδεση πρωτεϊνών ρυθμίζουν αυστηρά την ομοιόσταση της ΒΑ, με την υλοποίηση του μεταβολισμού πληροφορίες (Σχήμα 1 Ε? Μέθοδοι). Σε σύγκριση με άλλα υπάρχοντα centralities, συμπεριλαμβανομένου του βαθμού, την εγγύτητα και centralities betweenness (βλ S1 κειμένου), η μέθοδος μας ήταν σε καλύτερη θέση να επικεντρωθεί σε συνδέσεις μιας συγκεκριμένης πρωτεΐνης σε συγκεκριμένες διαδρομές μεταξύ των αισθητήρων και των ενζύμων, ανεξάρτητα από τις συνδέσεις σε άλλες άσχετες διαδρομές στο δίκτυο . Όπως ήταν αναμενόμενο, τοπικά πυκνές πρωτεΐνες μεταξύ των διαδρομών μεταξύ των αισθητήρων ΒΑ και ένζυμα BA συμβάλλουν σημαντικά στην ρύθμιση του μεταβολισμού της BA? Έτσι, αυτές οι πρωτεΐνες μπορούν να συνδέονται με CRC καρκινογένεση. Ως εκ τούτου, επικεντρώθηκε στην προγνωστικό δυναμικό των πρωτεϊνών γέφυρα με υψηλή βαθμολογία bridgeness.

Βιολογικά χαρακτηριστικά των πρωτεϊνών γέφυρα

Πριν από τη διερεύνηση προγνωστικών τις δυνατότητές τους, εξετάσαμε τα βιολογικά χαρακτηριστικά των πρωτεϊνών γέφυρας που είχαν επιλεγεί υπολογιστικά από bridgeness σκορ σε CRCs. Πρώτον, προσδιορίζονται τα πρότυπα έκφρασης των πρωτεϊνών γέφυρας ενσωματωμένο σε CRCs? εξετάσαμε διακριτική πρότυπα πρωτεϊνών γέφυρας στο transcriptomic επίπεδο, με τη χρήση προφίλ γονιδιακής έκφρασης των ασθενών CRC, όπως περιγράφηκε προηγουμένως [22]. Χρησιμοποιώντας μονοπαραγοντική Φοιτητής

t

-ΜΕΛΕΤΕΣ, ελέγξαμε την ικανότητα των μεμονωμένων πρωτεϊνών γέφυρα να διακρίνει μεταξύ της κανονικής του παχέος εντέρου (

Ν

= 54) και τα δείγματα πρωτογενούς ιστού CRC (

Ν

= 186) στο transcriptomic επίπεδο. Από τις top-50 πρωτεΐνες, 42 (84%) ήταν σημαντικά διακριτική (δύο όψεων

P

& lt? 0,01). Gene ανάλυση εμπλουτισμός οντολογία αυτών 42 πρωτεϊνών αποκάλυψε ότι οι περισσότεροι ήταν εμπλουτισμένα σε όρους όπως «ρύθμιση της μεταγραφής από RNA πολυμεράση II υποκινητή» και «δραστικότητα ρυθμιστής μεταγραφής», οι οποίες σχετίζονται με ρυθμιστικούς ρόλους σε κυτταρικές διαδικασίες (Πίνακας S4). Είχαν επίσης εμπλουτισμένα σε CRC παθογόνων άποψη μονοπάτι που σχετίζονται, όπως «μονοπάτι κανονικός υποδοχέας σηματοδότηση Wnt» και «αξίνης-APC-βήτα-κατενίνης GSK3B συγκρότημα», γεγονός που υποδηλώνει τη σημασία αυτών των πρωτεϊνών γέφυρα προς CRC παθογένεση.

Στη συνέχεια, συγκρίναμε τις κατανομές p-value του i) πρωτεΐνες γέφυρα, ii) έναν αισθητήρα και ένα ένζυμο, και iii) μια συνδυασμένη ομάδα i) και ii) (Σχήμα 2). Σε σύγκριση με την κατανομή φόντο του ρ-τιμές από τη συνολική γονιδιακά προϊόντα ανιχνεύθηκαν σε μικροσυστοιχία (

N

= 12.752), η κατανομή ρ-τιμή της συνδυασμένης ομάδας ήταν κάπως δεξιά μετατοπισμένη (Kolmogorov-Smirnov (KS) δοκιμή, μονόπλευρη

P

= 7.89 × 10

-2). Ωστόσο, όταν εστιάζεται μόνο στις πρωτεΐνες γέφυρα, έδειξαν υψηλή στατιστική σημαντικότητα στη δοκιμασία KS (

P

= 2.93 × 10

-3), υποδεικνύοντας ότι η διακριτική εξουσία των πρωτεϊνών γέφυρα, κατά τη επίπεδο μεταγραφικό, ήταν σημαντικά μεγαλύτερη από εκείνη των συνολικών προϊόντων γονιδίων στην μικροσυστοιχία. Είναι ενδιαφέρον, πρωτεΐνες αισθητήρα και ένζυμο έδειξαν παρόμοιες κατανομές σχέση με το υπόβαθρο (

P

= 0,812), υποδεικνύοντας ότι αισθητήρα και ενζύμων πρωτεΐνες είναι λιγότερο κατατοπιστική από πρωτεΐνες γέφυρα στη διάκριση μεταξύ των φυσιολογικών και νοσούντων ιστών κόλον.

διανομές (Α) ρ-αξία των πρωτεϊνών (i) του αισθητήρα, ένζυμο και γέφυρα (S + Ε + Β), (ii) πρωτεΐνες του αισθητήρα και του ενζύμου (S + Ε) και (iii) πρωτεΐνες γέφυρας (Β). (Β) Οι συγκρίσεις των εν λόγω διανομές p-value με κατανομή p-value φόντο. Τα στατιστικά επίπεδα σημαντικότητας του μετατοπίστηκε διανομές τιμή p προσδιορίστηκαν από μονόπλευρη Kolmogorov Smirnov δοκιμές.

Η

Επίσης, διερευνήθηκε κατά πόσον οι top-50 πρωτεΐνες γέφυρα είναι μια εφικτή αριθμό των επιλογών που δείχνει υψηλή στατιστική σημαντικότητα. Ως εκ τούτου, σε σύγκριση των κατανομών ρ-τιμή των επιλογών με διάφορους αριθμούς των πρωτεϊνών γέφυρας, χρησιμοποιώντας το KS-test. Οι top-50 πρωτεΐνες γέφυρα έδειξε τη χαμηλότερη τιμή ρ για τη σύγκριση αυτή (Εικόνα S2), με την στατιστική σημασία των επιλεγμένων πρωτεϊνών γέφυρα είναι χαμηλότερη. Ως εκ τούτου, εστιάσαμε στα top-50 πρωτεΐνες γέφυρα στην περαιτέρω ανάλυση. Θα περιλαμβάνονται επίσης άλλους περιορισμούς που χρησιμοποιούνται στην κατασκευή του δικτύου σε ένα παρόμοιο τρόπο (Σχήμα S3).

Είμαστε δίπλα συνέκρινε την διακριτική εξουσία των επιλεγμένων πρωτεϊνών γέφυρα από διαφορετικά δίκτυα, μέσω πολλών μεταβλητών ταξινόμησης (Εικόνα 3Α) (Βλέπε λεπτομερή διαδικασία στην Υλικά και μέθοδοι). Τα παραγόμενα δίκτυα για συγκρίσεις ήταν: (i) ένα δίκτυο γέφυρας που αναπτύχθηκε από τον μεταβολισμό ΒΑ, (ii) ένα δίκτυο γέφυρας που αναπτύχθηκε από το μεταβολισμό της γλυκόζης (δηλ, γλυκόλυση οδός) και (iii) ένα ολόκληρο δίκτυο πρωτεΐνη χωρίς να περιοριστεί από τους αισθητήρες και τα ένζυμα σε ορισμένες μεταβολικές οδούς. Μπορούμε επίσης σε σύγκριση τυχαία επιλεγμένες πρωτεΐνες, ανεξάρτητα από τις αλληλεπιδράσεις τους. Γλυκόλυση επελέγη για τη σύγκριση με το μεταβολισμό ΒΑ λόγω της σημασίας της για κοινή μορφή καρκίνου εξέλιξη [23], [24]. Όπως αναμενόταν, η διακριτική δύναμη ενός δικτύου γέφυρα ΒΑ σε επίπεδο μεταγραφικό υπέρβαση του ενός δικτύου γέφυρα γλυκόλυση επειδή γλυκόλυσης δεν εμπλέκεται ειδικά στην CRCs. Η ικανότητα των συστατικών του δικτύου γέφυρα ΒΑ να ταξινομεί ένα δείγμα ως φυσιολογικό κόλον ή πρωτογενούς ιστού CRC (Σχήμα 3Β) υπερέβη κατά πολύ εκείνη των τυχαία επιλεγμένων γονιδιακών προϊόντων. Σε αντίθεση, τα κατασκευαστικά στοιχεία άλλων δικτύων, συμπεριλαμβανομένων εκείνων που εμπλέκονται στη γλυκόλυση, ήταν ίσες ή μόλις υπερβεί τυχαία επιλεγμένα προϊόντα γονιδίων σε διακριτική ικανότητα. Δηλαδή, μόνο τα επίπεδα γονιδιακής έκφρασης των πρωτεϊνών γέφυρα που επιλέγονται από ένα δίκτυο γέφυρα BA σύμφωνα με bridgeness ήταν κατατοπιστική όσον αφορά τη διάκριση μεταξύ της κανονικής παχέος εντέρου και του CRC.

(Α) Συνολική διαδικασία της πολυμεταβλητής ταξινομήσεις χρησιμοποιώντας χαρακτηριστικά από πρωτεΐνες γέφυρα των διαφορετικών δικτύων. Μετά τη διαλογή πρωτεϊνών γέφυρα από bridgeness τους (), τα χαρακτηριστικά εξήχθησαν σωρευτικά από την κορυφαία πρωτεΐνες γέφυρα (). Τα δείγματα στη συνέχεια ταξινομούνται κατά σωρευτικά επιλεγμένα χαρακτηριστικά και υπολογίζεται ακρίβειες ταξινόμησης (). (Β) ακρίβειες ταξινομήσεων μεταξύ της κανονικής του παχέος εντέρου και του πρωτογενούς ιστούς CRC. Για ταξινομήσεις, πρωτεΐνες γέφυρα ελήφθησαν από (i) ένα δίκτυο γέφυρας χολικών οξέων (κόκκινο), (ii) ένα δίκτυο γέφυρα γλυκόλυση (κίτρινο) και (iii) ένα ολόκληρο δίκτυο πρωτεΐνη (μωβ). ακρίβειες ταξινόμησης επίσης υπολογίστηκαν χρησιμοποιώντας τυχαία επιλεγμένων πρωτεϊνών (μαύρο) με διαστήματα εμπιστοσύνης 95% (γκρι) για τις μέσες ακρίβεια ταξινόμησης των επαναλαμβανόμενων τυχαίες επιλογές (C) ακρίβειες ταξινομήσεων μεταξύ της κανονικής παχέος εντέρου και του πολύποδα ιστούς. (D) ακρίβειες ταξινομήσεων μεταξύ των πολυπόδων και του πρωτογενούς ιστούς CRC.

Η

Στη συνέχεια, εξετάζονται τα πρότυπα έκφρασης στάδιο ειδικά CRC επιλεγμένων πρωτεϊνών γέφυρας. Οι περισσότεροι σποραδικές CRCs αναπτύσσονται από φυσιολογικό κόλον μέσω αδενωματώδεις πολύποδες, με την ακολουθία που περιλαμβάνει συσσωρευμένη γενετική ανωμαλίες με σταδιακό τρόπο [25]. Να προσδιορίσει το στάδιο ειδικές παραλλαγές σε πρωτεΐνες γέφυρα, πραγματοποιήσαμε πολυμεταβλητή ταξινομήσεις μεταξύ της κανονικής παχύ έντερο και αδενωματώδεις πολύποδες και μεταξύ των πολυπόδων και του πρωτογενούς CRCs. Βρήκαμε σημαντικές διακυμάνσεις στη γονιδιακή έκφραση των πρωτεϊνών γέφυρα μεταξύ της κανονικής κόλα και πολύποδες (Σχήμα 3C και D). Δηλαδή, οι πρωτεΐνες που συνδέονται με την γέφυρα μεταβολισμό BA μεταβάλλεται σημαντικά κατά τα πρώτα στάδια του CRC παθογένεση, υποδηλώνοντας ότι αυτές οι πρωτεΐνες μπορούν να είναι γέφυρα εμπνευστές CRC ογκογένεσης. Βρήκαμε επίσης ότι οι πρωτεΐνες γέφυρα από το μεταβολισμό ΒΑ και γλυκόλυση παρουσίασαν αντίστροφη πρότυπα μεταξύ των πολυπόδων και του πρωτογενούς CRCs, δείχνει πιο αδύναμο, αλλά σημαντικές, διακυμάνσεις κατά τη διάρκεια του μεταγενέστερο στάδιο της CRC παθογένεια, όπως και αν αυτές οι αλλαγές ήταν οπαδοί της ανάπτυξης CRC (Σχήμα 3C και D). Μαζί, αυτά τα ευρήματα έδειξαν ότι γέφυρας πρωτεΐνες από το μεταβολισμό ΒΑ και γλυκόλυση συμπεριφέρθηκαν commutatively κατά τη διάρκεια της εξέλιξης της CRC.

Επιπλέον, χρησιμοποιώντας δοκιμές εμπλουτισμού οδού, παρατηρήσαμε άλλες σημαντικές βιολογικά χαρακτηριστικά των πρωτεϊνών γέφυρας. πρωτεΐνες γέφυρα που εμπλέκονται στο μεταβολισμό BA εμπλουτίστηκαν στο CRC που σχετίζονται με οδούς, συμπεριλαμβανομένης της Wnt (KEGG ID: hsa04310? ψευδή ρυθμό προσαρμοσμένο ανακάλυψη, υπεργεωμετρική

P

= 4,47 × 10

-5), CRC ( KEGG ID: hsa05210?

P

= 2.80 × 10

-5) και κοινή μορφή καρκίνου (KEGG ID: hsa05200?

P

= 6.94 × 10

-10) οδών ( Πίνακας S5). Αυτό το εύρημα υποδεικνύει ότι οι περισσότερες πρωτεΐνες που εμπλέκονται στην γέφυρα CRC οδούς που σχετίζονται με παθογένεση και έχουν τη δυνατότητα να προωθήσουν CRCs μέσω αυτών των οδών. Έτσι, τα χαρακτηριστικά που καθορίζεται από τη διακριτική πρότυπα και δοκιμές εμπλουτισμού δείχνουν ότι οι πρωτεΐνες γέφυρα επιλεγεί από bridgeness σχετίζονται με CRC παθογένεια.

Πιθανές πρωτεϊνών γέφυρας ως προγνωστικοί δείκτες

Για να εκτιμηθεί η προγνωστική ικανότητα του computationally- επιλεγμένες πρωτεΐνες γέφυρα, αξιολογήσαμε πρότυπα έκφρασης τους σε ασθενείς που κατατάσσονται ως έχοντας μια καλή ή κακή πρόγνωση. Πρώτον, έχουμε συγκεντρωμένα ασθενείς σε μια ανεξέλεγκτη τρόπο, με βάση τις ομοιότητες των προτύπων έκφρασης, και να συγκριθούν τα αποτελέσματα επιβίωσης των ασθενών σε ομάδες. Σύνολο 178 ασθενείς από το προηγούμενο σύνολο δεδομένων [26] ήταν συγκεντρωμένα σε τρεις υποομάδες, χρησιμοποιώντας μια ιεραρχική αλγόριθμο: BA-M1 (

Ν

= 106), η BA-m2 (

Ν

= 28) και BA-m3 (

Ν

= 44) (Εικόνα 4Α). Η μέθοδος Kaplan-Meier με τη δοκιμασία log-rank έδειξε ότι ανάμεσα σε τρεις υποομάδες ασθενών, η ελεύθερη υποτροπής επιβίωση ήταν σημαντικά διαφορετική, υποδεικνύοντας σημαντική προγνωστική δυναμικό τους (

P

= 2.37 × 10

-3 ) (Σχήμα 4Β). Στη συνέχεια, εκτιμήσαμε την προγνωστική δυναμικό των άλλων δεικτών γνωστών έκφραση υπογραφή με τον ίδιο τρόπο. Χρησιμοποιώντας πρότυπα έκφρασης των γονιδίων που επιλέγονται Wang et al [27] και ColoPrint [28], ταξινομήσαμε τους ασθενείς σε τρεις υποομάδες και σύγκριση της επιβίωσης αποτελέσματα μεταξύ των υποομάδων τους (υποομάδες ColoPrint κάρτας: col-Μ1 (

N

= 20) , col-m2 (

Ν

= 1) και col-m3 (

Ν

= 157)? υποομάδες του Wang: Wang-M1 (

Ν

= 19), Wang -M2 (

Ν

= 3) και Wang-m3 (

Ν

= 156)). Ως αποτέλεσμα, υποομάδες ασθενών συγκεντρωμένα από τα γονίδια ColoPrint μπορεί να διακρίνει ανάμεσα στο καλό και κακή πρόγνωση (

P

= 2.75 × 10

-8), αν και μόνο ένας ασθενής βρέθηκε στο φτωχότερες ομάδα πρόγνωση (col -M2), αλλά τα γονίδια Wang δεν ήταν προγνωστικοί (

P

= 0,258) (Σχήμα 4C και D). Επιπλέον, είναι γνωστό μοριακών δεικτών, συμπεριλαμβανομένων μεταλλάξεις p53 (

P

= 0.233), το καθεστώς του γονιδίου επισκευή ασυμφωνία (

P

= 9.8 × 10

-2), μεταλλάξεις KRAS (

P

= 5.75 × 10

-2), και μεταλλάξεις BRAF (

P

= 0.338), δεν ήταν επίσης σημαντικά προγνωστικά σε αυτό το σύνολο δεδομένων (Σχήμα 4Ε-Η).

προγνωστική ικανότητα τους εξετάστηκε χρησιμοποιώντας ένα σύνολο δεδομένων των δειγμάτων ιστών από ασθενείς με CRC [26]. (Α) Heatmap δειγμάτων όγκου CRC με υποομάδες που ταξινομούνται από τα πρότυπα έκφρασης των πρωτεϊνών γέφυρας: BA-M1 (μπλε), BA-m2 (κίτρινο) και η BA-m3 (κόκκινο). Προγνωστική ικανότητα εκτιμήθηκε με ανάλυση Kaplan-Meier επιβίωσης. Η ομάδα BA-m2 έδειξε την φτωχότερες πρόγνωση. (Β) Προγνωστική ικανότητα των πρωτεϊνών γέφυρας μας. (C) Προγνωστική ικανότητα του σετ γονιδίων ColoPrint [28], με υποομάδες που ταξινομούνται ως COL-M1 (μπλε), col-m2 (κίτρινο) και col-m3 (κόκκινο). (D) Προγνωστική ικανότητα του Wang et al. σετ γονιδίων υπογραφή [27], με υποομάδες που ταξινομούνται ως Wang-M1 (μπλε), Wang-m2 (κίτρινο) και Wang-m3 (κόκκινο). (Ε) Προγνωστική ικανότητα της κατάστασης μετάλλαξης ρ53, μεταλλάξεως και αγρίου-τύπου. (F) Προγνωστική ικανότητα της αναντιστοιχίας γονιδίου επισκευής (MMR) κατάσταση, ελλιπής (dMMR) και ικανό (pMMR). (G) Προγνωστική ικανότητα της κατάστασης μετάλλαξης KRAS, μεταλλαγμένα και άγριου τύπου. (H) Προγνωστική ικανότητα της κατάστασης μετάλλαξης BRAF, μεταλλαγμένα και άγριου τύπου.

Η

Για να εκτιμηθεί η προγνωστική δυνατότητα αναπαραγωγής αυτών των πρωτεϊνών γέφυρας και άλλους δείκτες έκφραση-υπογραφή, μπορούμε στη συνέχεια κατατάσσονται οι ασθενείς με ανεξάρτητο σύνολο δεδομένων [ ,,,0],22], όπως έχει καλή ή κακή πρόγνωση, μέσα από ένα εποπτευόμενο σύστημα ταξινόμησης, χρησιμοποιώντας τις προηγούμενες σύνολο δεδομένων [26], καθώς το σύνολο δεδομένων εκπαίδευσης (Σχήμα 5). Οι ασθενείς στα δεδομένα δοκιμής ταξινομήθηκαν, χρησιμοποιώντας τα επίπεδα έκφρασης τους, με βάση συντελεστές συσχέτισης για να σημαίνει τα επίπεδα έκφρασης των ασθενών φτωχή πρόγνωση-ομάδα στα δεδομένα εκπαιδεύσεως, όπως εκτελέστηκε προηγουμένως [29]? βάλαμε ασθενείς σε μια ομάδα κακής πρόγνωσης αν συντελεστές συσχέτισης τους ήταν υψηλή. Έχουμε λάβει όρια των συντελεστών συσχέτισης για να αποφασίσει ασθενείς κακή πρόγνωση με την υψηλότερη στατιστική σημασία, μέσω διαδικασιών διασταυρωμένης επικύρωσης με τα δεδομένα εκπαίδευσης (βλέπε Υλικά και Μέθοδοι). Αξιοσημείωτα, οι ασθενείς στα δεδομένα των δοκιμών μπορούν να διακριθούν σημαντικά μεταξύ καλής και κακής προγνώσεις όταν χρησιμοποιούνται τα επίπεδα έκφρασης των πρωτεϊνών γέφυρας ως χαρακτηριστικά για συντελεστές συσχέτισης? τα αποτελέσματα επιβίωσης, δηλαδή, CRC-ειδικά επιβιώσεις, διαβαθμισμένων ομάδων από τις πρωτεΐνες γέφυρα ήταν σημαντικά διαφορετική όταν χρησιμοποιήθηκε η μέθοδος Kaplan-Meier με τη δοκιμασία log-rank (P = 2,70 × 10

-2) (Εικόνα 5Α) . Άλλα υπογραφές έκφρασης, συμπεριλαμβανομένης ColoPrint (Ρ = 0,210) και του Wang (Ρ = 0,558) (Σχήμα 5Β και C), δεν ήταν προγνωστική στην ανεξάρτητη σύνολο δεδομένων δοκιμής, υποδεικνύοντας ότι μόνο πρωτεΐνες γέφυρα ήταν επαναλήψιμα προγνωστική. Τα αποτελέσματα αυτά υπογραμμίζουν το δυναμικό και την αξιοπιστία των πρωτεϊνών γέφυρας ως προγνωστικοί δείκτες.

προγνωστική ικανότητα τους εξετάστηκε σε ένα ανεξάρτητο δεδομένα δοκιμών [22] από τα εποπτευόμενα ταξινομήσεις και έτσι επιβεβαιώνεται προγνωστική δυνατότητα αναπαραγωγής τους. (Α) Προγνωστική ικανότητα των πρωτεϊνών γέφυρα μας (Β) Προγνωστική ικανότητα καθορίζεται από το γονίδιο ColoPrint καθορίζεται στην αναφορά [28] (Γ) Προγνωστική ικανότητα καθορίζεται από τον Wang et al. γονίδιο που στην αναφορά [27].

Η

Συζήτηση

Με τη διερεύνηση γονιδίων που εμπλέκονται στη ρύθμιση της ομοιόστασης BA, αυτή η μελέτη έχει προσδιορίσει πολλά γονίδια για προγνωστικούς βιοδείκτες της CRC, με δείχνει μηχανιστική συνάφεια με CRC παθογένεια. Παρά το γεγονός ότι έχουν διάφορα προγνωστικούς βιοδείκτες έχουν προταθεί βασίζονται σε βιολογικές υποθέσεις [4], οι βιοδείκτες έχουν δείξει περιορισμένη κλινική χρησιμότητα. Η υπόθεση, που Bas παίξει καθοριστικό ρόλο στην CRC, παρέχει ενδείξεις για την κατανόηση της παθογένεσης της ασθένειας αυτής. Ωστόσο, αντί να εστιάζει στις bas οι ίδιοι, εστιάσαμε στα γονίδια που εμπλέκονται στη ρύθμιση του μεταβολισμού BA συνδέοντας μεταβολικές αισθητήρες και τα μεταβολικά ένζυμα. Με βάση μια επινοήθηκε μετρικό, «bridgeness», πολλές πρωτεΐνες γέφυρα επιλέχθηκαν από μία αναφορά, ή γέφυρα, δίκτυο, και προγνωστική ικανότητές τους αναλύθηκαν. πρωτεΐνες Bridge μπορούσαν να διακρίνουν μεταξύ φυσιολογικών και νοσούντων ιστών και συνεπώς είναι σχετικές με την παθογένεση του CRC. Αυτές οι πρωτεΐνες γέφυρα είχαν μεγαλύτερη και επαναλήψιμη προγνωστική ικανότητα, όπως φαίνεται από στατιστική σημασία, από προηγουμένως ταυτοποιηθεί δεικτών πρόγνωσης, γεγονός που υποδηλώνει ότι είναι αξιόπιστα προγνωστικοί δείκτες σε ασθενείς με CRC.

πρωτεΐνες ενδιαφέρον, ωστόσο, ούτε αισθητήρα ούτε ένζυμο μπορεί σημαντικά διάκριση μεταξύ φυσιολογικού ιστού του παχέος εντέρου και CRC, ένα εύρημα που μπορεί να προκύψουν από τους ρόλους καθαριότητας αυτών των πρωτεϊνών αισθητήρα και το ένζυμο για την επιβίωση των κυττάρων. Κύτταρα στερούνται πρωτεΐνες με μοριακά λειτουργίες παρόμοιες με εκείνες των περισσότερων από αυτές τις πρωτεΐνες αισθητήρα και ένζυμο? ως εκ τούτου, τα ελαττώματα στην έκφρασή τους θα έχουν αρνητικές συνέπειες για τις κυτταρικές λειτουργίες. Έτσι, εξελικτικά, γενετικές ανωμαλίες στις πρωτεΐνες γέφυρα μπορεί να έχει πλεονεκτήματα για την επιβίωση πάνω από ανωμαλίες στις πρωτεΐνες του αισθητήρα και του ενζύμου. Πράγματι, μερικές πρωτεΐνες γέφυρα, συμπεριλαμβανομένης της κασπάσης 8, απόπτωση σχετίζεται πεπτιδάσης κυστεΐνη (CASP8), ρ53 και κατενίνη (καντερίνης-πρωτεΐνη που συνδέεται) βήτα 1, 88 kDa (CTNNB1, επίσης γνωστή ως β-κατενίνης), έδειξαν υψηλή μεταλλάξεων συχνότητες σε CRC δείγματα, ενώ οι πρωτεΐνες του αισθητήρα και ένζυμα για το μεταβολισμό της ΒΑ δεν το έκανε [30]. Αυτή η εξελικτική πίεση, ακόμη και κατά CRC ογκογένεσης, θα επιταχύνει την απόκτηση των ανωμαλιών από πρωτεΐνες γέφυρα.

Σε προηγούμενες μελέτες, κυρίως, μία πρωτεΐνη γέφυρα, STK11, φάνηκε να έχει ιδιαίτερη μηχανιστική δυναμικό για την προώθηση του παχέος ογκογένεση [31 ] – [33]. STK11 έχει συσχετιστεί με το σύνδρομο Peutz-Jeghers (PJS), μια κατάσταση η οποία ενισχύει το σχηματισμό των γαστρικών αδενωματώδεις πολύποδες και ηπατοκυτταρικό καρκίνωμα [31]. Στους περισσότερους ασθενείς PJS, ένα αλληλόμορφο είναι μεταλλαγμένο STK11, προκαλώντας πολλαπλές γαστρικού αδενωματώδεις πολύποδες ή ηπατοκυτταρικό καρκίνωμα [32], [33]. Ομοίως, STK11 μπορεί να έχει τη μηχανιστική δυναμικό για την προώθηση του παχέος ογκογένεση. Άλλες πρωτεΐνες γέφυρα μπορεί επίσης να έχουν προγνωστική αξία σε CRC παθογένεση.

STK11 συνδέεται επίσης με το μεταβολισμό της ενέργειας, είτε μόνη της είτε με αλληλεπίδραση με AMPK, καθιστώντας το ένα πιθανό πρωτεΐνη γέφυρα που εμπλέκονται στη ρύθμιση του μεταβολισμού της ενέργειας [34] , [35]. Μεταξύ των άλλων πρωτεϊνών γέφυρα που εμπλέκονται στο μεταβολισμό της ενέργειας είναι PPARGC1A, GSK3B, PPARγ και, ενεργοποιείται από πολλαπλασιαστή περοξυσώματος υποδοχέα γάμμα (PPARG), διαλυμένη ουσία φορέας οικογένεια 2 (διευκολυνθεί μεταφορέα γλυκόζης) μέλος 4 (SLC2A4, επίσης γνωστή ως GLUT4), αφυδρογονάση 3- φωσφορικής αφυδρογονάσης (GAPDH), και της γαλακτικής αφυδρογονάσης Α (LDHA), όλα σημαντικοί ρυθμιστές του ή ενζύμων που εμπλέκονται στο μεταβολισμό της ενέργειας. Έτσι, μοριακές λειτουργίες τους μπορεί να εξηγήσει τις δραστηριότητες του BAS που αυξάνουν την κατανάλωση ενέργειας [36]. Εκτιμήσεις των μοριακών λειτουργίες των πρωτεϊνών γέφυρας μπορεί να δώσει νέες ιδέες για ακόμη αγνώστων στοιχείων τους ρόλους τους στην ομοιόσταση ΒΑ.

Παρά τις πρωτεΐνες γέφυρα που δείχνει προγνωστικό δυναμικό, δίκτυα γέφυρα BA δείξει περιορισμένη ικανότητα να εντοπίσει άλλες γνωστές CRC-ευαισθησία γονίδια. Για παράδειγμα, βρήκαμε ότι ένα δίκτυο γέφυρα ΒΑ δεν ήταν σε θέση να εντοπίσει πολλά γνωστά γονίδια CRC-ευαισθησίας, όπως η APC, KRAS και BRAF. Ανακρίβειες που προέρχονται από τα δεδομένα interactome μεγάλης κλίμακας θα μπορούσε να παρακωλύσει σε βάθος ανάλυση των δικτύων γέφυρας. Επίσης, οι διασυνδέσεις των μεταβολικών οδών, όπως λιπιδίων, χοληστερόλης και του μεταβολισμού της γλυκόζης, θα επεκτείνει τη δυνατότητα να διερευνήσει όλους τους παράγοντες κινδύνου για CRC παθογένεια. Η προσέγγιση αυτή θα μπορούσε επίσης να εφαρμοστεί σε άλλες ασθένειες ευάλωτες σε μεταβολικές ανωμαλίες, συμπεριλαμβανομένης της παχυσαρκίας, του διαβήτη τύπου 2 και της νόσου του Alzheimer άπαξ μεταβολικών αισθητήρες, ένζυμα και κατάλληλα δεδομένα interactome παράγονται για αυτές τις ασθένειες. Ο προσδιορισμός της σωστής και ακριβούς δίκτυα γέφυρα για μεταβολικές οδούς μπορεί να επιτρέψει την ταυτοποίηση των γονιδίων ασθένεια ευαισθησία και την κλινική χρήση τους ως προγνωστικοί δείκτες.

Περιληπτικά, βρήκαμε ότι οι πρωτεΐνες γέφυρα, τα οποία εμπλέκονται στη ρύθμιση του μεταβολισμό BA, έχουν προγνωστική δυναμικό σε ασθενείς με CRC. Παρά τις δυνατότητές τους για την προώθηση της CRC παθογένεια, πρωτεΐνες γέφυρα δεν είχε ερευνηθεί συστηματικά σε προηγούμενες μελέτες. Βασισμένο σε ένα επινοήθηκε μετρικό για «bridgeness», εμείς υπολογιστικά επιλεγμένων πρωτεϊνών γέφυρα από ένα δίκτυο αναφοράς και εξετάζονται προγνωστικό δυναμικό τους σε CRC. Μπορούμε επίσης να ελεγχθεί κατά πόσον οι διαφορές στη διακριτική μοτίβα έκφρασή τους στην κανονική του παχέος εντέρου και CRC τους έκανε σχετικές με CRC παθογένεια. Τα ευρήματα υποδεικνύουν ότι οι πρωτεΐνες γέφυρα που εμπλέκονται στη ρύθμιση του μεταβολισμού BA μπορεί να είναι αξιόπιστη προγνωστικοί δείκτες για τους ασθενείς CRC.

Υλικά και Μέθοδοι

δίκτυο Γεφυροποιία

Το δίκτυο αναφοράς για μεταβολισμός ΒΑ συνίστατο μεταβολικής αισθητήρων, τα μεταβολικά ένζυμα και πρωτεΐνες που αλληλεπιδρούν με τους δύο. Το επιλεγμένο αισθητήρα BA ήταν FXR και τα ένζυμα BA ήταν εκείνες που ορίζονται στη βάση δεδομένων του δικτύου του ανθρώπινου μεταβολισμού EHMN ως ένζυμα που εμπλέκονται στην οδό «χολικού οξέος βιοσύνθεση» [19].