Αφηρημένο

Ιστορικό

δίκτυα μεταγωγής σήματος όλο και περισσότερο μελετηθεί με μαθηματική μοντελοποίηση προσεγγίζει ενώ το καθένα από αυτά είναι κατάλληλο για ένα συγκεκριμένο πρόβλημα. Για την ένταξη στο συναφές πλαίσιο και την ανάλυση των δικτύων σηματοδότησης με δεδομένα σε σταθερή κατάσταση πρωτεΐνη, εντοπίσαμε πιθανολογική Boolean δικτύου (PBN) ως μια πολλά υποσχόμενη πλαίσιο, το οποίο θα μπορούσε να συλλάβει ποσοτικές μεταβολές των μοριακών αλλαγών σε σταθερή κατάσταση με ελάχιστη παραμετροποίηση.

αποτελέσματα και Συμπέρασμα

στη μελέτη περίπτωσή μας, εφαρμόσαμε με επιτυχία την προσέγγιση PBN να διαμορφώσει και να αναλύσει την απορυθμισμένη προερχόμενος από αιμοπετάλια αυξητικού παράγοντα (PDGF) σηματοδότηση μονοπατιού στο στρωματικοί όγκοι του γαστρεντερικού (GIST). Εμείς προσδιορίζεται πειραματικά μια πλούσια και ακριβή σύνολο δεδομένων της σταθερής κατάστασης προφίλ των επιλεγμένων κατάντη κινασών των μεταλλαγμένων υποδοχέα PDGF-άλφα σε συνδυασμό με θεραπείες αναστολέα. Εφαρμόζοντας το εργαλείο

optPBN

, έχουμε τοποθετηθεί ένα μοντέλο υποψήφιο δίκτυο λογοτεχνία που προέρχονται στο σύνολο δεδομένων εκπαίδευσης αποτελείται από ενιαίο συνθήκες διαταραχής. Ανάλυση μοντέλο πρότεινε αρκετές σημαντικές αλληλεπιδράσεις στιχομυθία. Η ισχύς αυτών των προβλέψεων ερευνήθηκε περαιτέρω πειραματικά επισημαίνοντας τις σχετικές εν εξελίξει στιχομυθία από PI3K να ΜΑΡΚ σηματοδότησης στα κύτταρα του όγκου. Το εκλεπτυσμένο μοντέλο αξιολογήθηκε με ένα σύνολο δεδομένων επικύρωσης, το οποίο πολλές συνθήκες διαταραχή. Το μοντέλο έδειξε έτσι εξαιρετική απόδοση επιτρέποντας την πρόβλεψη ποσοτικά τις συνδυαστικές απαντήσεις από τα επιμέρους αποτελέσματα θεραπείας σε αυτή τη ρύθμιση του καρκίνου. Η καθιερωμένη

optPBN

αγωγού είναι επίσης ευρέως εφαρμόσιμη για να αποκτήσουν μια καλύτερη κατανόηση των άλλων δικτύων σηματοδότησης σε σταθερή κατάσταση σε ένα συγκεκριμένο πλαίσιο μόδας

Παράθεση:. Trairatphisan P, Wiesinger Μ, Bahlawane C , Haan S, Sauter T (2016) Μια προσέγγιση Πιθανοθεωρητικές Boolean δικτύου για την Ανάλυση του Καρκίνου-Ειδικές σηματοδότηση: μια μελέτη περίπτωσης της απελευθερωμένης PDGF σηματοδότηση με GIST. PLoS ONE 11 (5): e0156223. doi: 10.1371 /journal.pone.0156223

Επιμέλεια: Julio Βέρα, του Πανεπιστημίου του Erlangen-Νυρεμβέργης, Γερμανία

Ελήφθη: 21 Ιαν, 2016? Αποδεκτές: 11 του Μαΐου, 2016? Δημοσιεύθηκε: May 27, 2016

Copyright: © 2016 Trairatphisan 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:. Όλη η δεδομένα είναι εντός του Υποστηρίζοντας αρχεία πληροφοριών του χαρτιού και

Χρηματοδότηση:. η εργασία αυτή χρηματοδοτήθηκε από τις επιχορηγήσεις F1R-LSC-PUL-09PDGF και F1R-LSC-PUL-11PDGF του Πανεπιστημίου του Λουξεμβούργου. Panuwat Trairatphisan είναι αποδέκτης των υποτροφιών που χορηγούνται από το Fonds National de la Recherche Λουξεμβούργο (AFR αριθμός επιχορήγηση 1.233.900). 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

δίκτυα μεταγωγής σήματος είναι ένα από τα βασικά λειτουργικά στρώματα στα κύτταρα. Θα μεταφέρω ενδο- και εξω-κυτταρικά σήματα προς τις ρυθμιστικές αρχές οι οποίες ρυθμίζουν την έκφραση των κυτταρικών φαινοτύπων που αντιστοιχούν στους τύπους και τις συγκεντρώσεις των ερεθισμάτων [1]. Σε γενικές γραμμές, ένα δίκτυο μεταγωγής σήματος είναι ένα μεγάλο και εξαιρετικά πολύπλοκο δίκτυο που περιλαμβάνει πολλαπλές οδούς ενδοκυτταρικής σηματοδότησης όπως ενεργοποιείται από μιτογόνο πρωτεϊνικών κινασών (ΜΑΡΚ), φωσφατιδυλο-inositide-3-κινάσες /AKT /θηλαστικού-στόχος-of-ραπαμυκίνη (ΡΙ3Κ /AKT /mTOR), και φωσφολιπάσης C γάμμα /πρωτεϊνικής κινάσης C (ΡΙ_Ογ /PKC) οδών [2]. Επίσης, υπάρχουν μια σειρά από αλληλεπιδράσεις λογομαχία μεταξύ αυτών των οδών σηματοδότησης που βοηθούν στη σήματα τελειοποιήσουν και να διατηρηθεί η ακεραιότητα ολόκληρου του δίκτυα, κατόπιν διαταραχές [3-5]. Σε μια φυσιολογική κατάσταση, τα σήματα από διάφορα ερεθίσματα ολοκληρωμένη και μετάγονται να ρυθμίζουν κυτταρικές λειτουργίες και στη διατήρηση της ομοιόστασης των κυτταρικών συστατικών [6]. Μόλις οι διεργασίες μεταφοράς αυτών των σημάτων απελευθερωμένης, τα προκύπτοντα σήματα παρεκκλίνουσα συχνά να οδηγήσει σε ανωμαλίες των κυτταρικών λειτουργιών που προσδιορίστηκαν ως αιτιολογία πολλών ασθενειών, συμπεριλαμβανομένων των νευροεκφυλιστικών ασθενειών, μεταβολικές ασθένειες, καθώς και καρκίνους [7-9].

γαστρεντερικού στρωματικών όγκων (GISTs) είναι η πιο κοινή πρωτογενή νεοπλασία μεσεγχυματικά της γαστρεντερικής οδού. Αυτοί οι όγκοι προκύπτουν συνήθως από κέρδος μεταλλάξεων λειτουργίας των κινασών τυροσίνης υποδοχέα τύπου III, δηλ ΚΙΤ σε 78-90% των περιπτώσεων και παράγοντα ανάπτυξης που προέρχεται από αιμοπετάλια άλφα (PDGFRα) σε 5-7% των περιπτώσεων [10]. Όπως μόνιμα ενεργών επιφανειακών υποδοχέων, αυτοί οι μεταλλαγμένες πρωτεΐνες είναι τα πιο ανάντη τμήματα του δικτύου κυψελοειδούς μεταγωγής σήματος. Η θεραπεία πρώτης γραμμής για GISTs είναι η χειρουργική εκτομή σε συνδυασμό με τη χορήγηση του mesylate Imatinib, ενός αναστολέα της κινάσης της τυροσίνης με τις δραστηριότητες κατά ABL, BCR-ABL, KIT και PDGFRα /β. Η κλινική έκβαση της θεραπείας πρώτης γραμμής είναι 35% -49% 9 χρόνια επιβίωσης [11]. Ωστόσο, ορισμένες μεταλλάξεις σημείου σε GIST, π.χ. ένα ασπαρτικό (D) προς βαλίνη (V) μετάλλαξη στο αμινοξύ 842 στην

PDGFRA

γονίδιο, επίσης αποδειχθεί ότι σχετίζεται με αντίσταση φαρμάκου [12]. Προτάθηκαν διάφορες υποθέσεις για να εξηγήσουν τις υποκείμενες μοριακών μηχανισμών των ογκογόνων σχηματισμό GIST PDGFRα με γνώμονα, όπως η διατήρηση των ογκογόνων PDGFRα σε ενδοκυτταρικά διαμερίσματα [13] ή την απορρύθμιση των κατάντη οδούς ογκογόνο σηματοδότηση, βλέπε επίσης [14]. Τέτοιες υποθέσεις εξακολουθούν να απαιτούν περαιτέρω διερεύνηση σε μοριακό επίπεδο για να καταλάβουμε πώς τα σήματα μετάγονται και επεξεργασία μηχανιστικά σε αυτό το σκηνικό καρκίνο.

Τα τελευταία χρόνια, διάφορες προσεγγίσεις μοντελοποίησης στη Βιολογία Συστημάτων εφαρμόστηκαν για τη μοντελοποίηση και την ανάλυση των ιδιοτήτων του σήματος δίκτυα μεταγωγής στις δύο φυσιολογικές και παθολογικές καταστάσεις. Αυτό περιλαμβάνει Bayesian δίκτυα [15], Boolean δίκτυα (BNs) [16], ασαφή μοντέλα λογικής [17], συνήθης διαφορική εξίσωση (ODE) -με βάση τα μοντέλα [18], η μερική διαφορική εξίσωση (PDE) -με βάση τα μοντέλα [19] και επίσης, στοχαστικά μοντέλα [20], στη λίστα μόνο μερικά παραδείγματα. Ορισμένες εργασίες μοντελοποίησης απέδειξαν επίσης τις συνδέσεις μεταξύ της απορρύθμισης των δικτύων μεταγωγής σήματος με την παθοφυσιολογία των ασθενειών, π.χ. σε μεταβολική νόσο [21] και σε καρκίνους [22]. Η επιλογή του κατάλληλου πλαισίου μοντελοποίησης είναι εξαρτάται από τα ερευνητικά ερωτήματα και τις σχετικές εφαρμογές.

Στη μελέτη μας, έχουμε ως στόχο να αξιολογηθεί η σκοπιμότητα της προτεινόμενης αλληλεπιδράσεων στιχομυθία από τη βιβλιογραφία, στο πλαίσιο της απελευθερωμένης προέρχεται από τα αιμοπετάλια αυξητικού παράγοντα ( PDGF) σηματοδότησης σε γαστρεντερικών στρωματικών όγκων (GIST) βασίζεται σε δεδομένα σταθερής κατάστασης της πρωτεΐνης. Στο πειραματικό μέρος, ερευνήσαμε ένα συνδυασμό διαφορετικών μεταλλακτών PDGFRα και αναστολείς μόριο σηματοδότησης να τεμαχίσει τη μοριακή δομή της απελευθερωμένης οδού σηματοδότησης PDGF και να δημιουργήσει ένα εκτεταμένο αντίστοιχο σύνολο δεδομένων σταθερής κατάστασης πρωτεΐνη. Από την πλευρά μοντελοποίηση, εφαρμόσαμε πιθανολογική Boolean δικτύου (PBN) μοντελοποίησης, αρχικά εισαχθεί από Shmulevich et al. με το υπόδειγμα ρυθμιστικά δίκτυα γονίδιο στα πλαίσια της αβεβαιότητας [23], για την αξιολόγηση της συνάφειας αλληλοπαρεμβολών στον PDGF σηματοδότηση. Με την εκχώρηση των πιθανοτήτων για Boolean αλληλεπιδράσεις, ένα binarised κατάστασης PBN είναι σε θέση να απεικονίσει επιμέρους ρυθμιστικές επιδράσεις κωδικοποιηθεί ως Boolean κανόνες σε ένα στοχαστικό τρόπο και έτσι είναι κατάλληλο για τον προσδιορισμό της αβέβαιο σημασία των αλληλεπιδράσεων στιχομυθία. Επιπλέον, οι μοριακές δραστηριότητες σε σταθερή κατάσταση μπορεί επίσης να εκπροσωπείται από τη διανομή σταθερή κατάσταση στο πλαίσιο PBN, που τους επιτρέπει να είναι άμεσα σε σύγκριση με τις κανονικοποιημένες (μη-discretized) δεδομένα σταθερής κατάστασης της πρωτεΐνης. Για μια πρόσφατη επισκόπηση βλέπε [24].

Εκτός από ΡΒΝ, υπάρχουν και πολλά άλλα πλαίσια μοντελοποίησης για τη μελέτη των δικτύων μεταγωγής σήματος. Ωστόσο, το καθένα από αυτά έχει ορισμένα μειονεκτήματα όταν εφαρμόζεται σε αυτή τη συγκεκριμένη μελέτη περίπτωσης. Περιγράφοντας τις συνδέσεις μεταξύ των μορίων σηματοδότησης με πιθανότητες υπό όρους σε μια Bayesian πλαίσιο δικτύων εκφράζουν τις σχέσεις τους ποσοτικά, αλλά οι εν λόγω τιμές δεν αντικατοπτρίζουν τις υποκείμενες ρυθμιστικών μηχανισμών μεταξύ των μορίων τα οποία μπορεί να απλοποιηθεί και κωδικοποιηθεί ως Boolean κανόνες. Boolean δίκτυα μπορούν να απεικονίζουν ρυθμιστικών μηχανισμών των βιοχημικών αλληλεπιδράσεων με τη λογική φορείς. Ωστόσο, τα αποτελέσματα δεν συλλαμβάνουν λεπτότερες κλίμακα ποσοτικές λεπτομέρειες της μοριακής κινητική. Η παραλλαγή πολλές αποτιμώνται λογική δίκτυα επιτρέπουν μια πιο τελειοποιηθεί περιγραφή των μοριακών κρατών, αλλά εξακολουθούν να υποφέρουν από την εγγενή ντετερμινιστική φύση και δεν επιτρέπει να συλλάβει την αβεβαιότητα των αλληλεπιδράσεων του δικτύου. Επεκτάσεις της Boolean δίκτυα, π.χ. με την προσθήκη της αβεβαιότητας στα κράτη δικτύου (π.χ. με την ανάθεση τυχαίων αρχικών συνθηκών ή /και τυχαίες ακολουθίες των εισροών) και τη συσσώρευση των στοχαστικών αποτελεσμάτων από πολλαπλές διαδρομές θα μπορούσαν επίσης να εφαρμοστούν για τον υπολογισμό των ποσοτικών μέτρων από το ίδιο σύστημα [6,25]. Ωστόσο, πρέπει κανείς να επιβάλει ρητά αυτές τις πρόσθετες σκέψεις πάνω του συμβατικού Boolean πλαίσιο του δικτύου, ενώ η πιθανολογική χαρακτηριστικό είναι ήδη ενταχθεί στο πρωτότυπη προσέγγιση PBN. Περισσότερες ποσοτικές προσεγγίσεις, όπως η ασαφής λογική ή μοντέλα ODE με βάση την παροχή πρόσθετων μηχανιστικές λεπτομέρειες των δικτύων σε συνεχή κλίμακα. Ωστόσο, απαιτείται μια εκτεταμένη ποσό των προτέρων γνώση για να καθορίσει το κατάλληλο μαθηματικό τύπο και απαιτούν ένα εκτεταμένο σύνολο των πειραματικών δεδομένων, προκειμένου να συναγάγει κινητικές παραμέτρους.

Όσον αφορά PBN που ανήκει στην ομάδα των πιθανοτικών μοντέλων λογικής , άλλα πλαίσια των σχετικών μοντέλων στην ίδια ομάδα, όπως τα δίκτυα Δυναμικά Bayesian (DBNs) και τα δίκτυα Markov Είσοδος (MLNs) έχουν επίσης περιγραφεί. Έχει αποδειχθεί ότι τα αναλυτικά αποτελέσματα από DBNs συνήθως δίνουν παρόμοια αποτελέσματα, όπως η ΡΒΝ μία φορά η κατάσταση μεταβατική διάγραμμα είναι εγκατεστημένος [26]. Ωστόσο, η μη γραμμική συμπεριφορά σε βιολογικά δικτύου, όπως ο σχηματισμός συμπλόκου δεν θα μπορούσαν να εκπροσωπούνται άμεσα από πιθανοτήτων σε δυναμικές Bayesian δίκτυο, ενώ τέτοια αλληλεπίδραση μπορεί απλά να κωδικοποιηθεί με λογικούς τελεστές στο πλαίσιο PBN. Επιπλέον, δείχθηκε ότι ΡΒΝ μπορεί επίσης να αντιπροσωπεύεται σε μια πιο γενικευμένη μορφή ως δίκτυα Markov Logic (MLNs) [27]. Η προσέγγιση αυτή εφαρμόζεται συχνά στις γενετικές μελέτες, όπου η δομή του δικτύου είναι σε μεγάλο βαθμό άγνωστη και η συνδεσιμότητα μεταξύ των συνιστωσών του δικτύου θα μπορούσε να είναι ιδιαίτερα πυκνή [28]. Παρ ‘όλα αυτά, MLNs μπορεί να μην είναι κατάλληλο για τη μελέτη των δικτύων μεταγωγής σήματος στην περίπτωσή μας οι συνδέσεις μεταξύ των μορίων συμβαίνουν συχνά σε ένα-προς-ένα ή ένα-προς-πολλές τρόπο και κατεύθυνσης σχέσεις μεταξύ των μορίων σηματοδότησης είναι ως επί το πλείστον καλά τεκμηριωμένες. Ως εκ τούτου, επιλέξαμε και εφαρμόζονται PBN στην περίπτωση της μελέτης μας, όπου θα μπορούσαμε να δείξουμε ότι το μοντέλο ΡΒΝ ισχύει για την ανάλυση της συνάφειας της αλληλεπίδρασης στιχομυθία. Επιπλέον, αποδείξαμε ότι το μοντέλο PBN θα μπορούσε επίσης να προβλέψει συνδυαστική θεραπεία αποτελέσματα από μεμονωμένες μετρήσεις διέγερσης με μεγάλη ακρίβεια.

Υλικά και Μέθοδοι

Βιολογικά Υλικά |

Ο PDGFRα-μεταλλαγμένο πρωτεΐνες που παράγονται με βάση το πλασμίδιο έκφρασης άγριου τύπου pLNCX2-PDGFRα γενναιόδωρα παρέχεται από τον καθηγητή Andrius Καζλάουσκας (Βοστώνη). Αυτή η αλληλουχία κλωνοποιήθηκε σε pcDNA5 /FRT /TO-φορέα (Invitrogen ™) και τα ουσιαστικά δραστική ογκογόνο PDGFRα μεταλλαγμένο συμβαίνουν σε GIST δημιουργήθηκε με την εισαγωγή του σημειακή μετάλλαξη D842V (PDGFRα-D842V-άγριου τύπου,

«DV-WT»

). Με βάση την μεταλλαγμένη PDGFRα-D842V, δύο PDGFRα-D842V-

«knock-out»

μεταλλάξεις κατασκευάστηκαν με την εισαγωγή τυροσίνη (Υ) σε φαινυλαλανίνη (F) σημειακές μεταλλάξεις, δηλαδή Y720F (PDGFRα-D842V-Y720F,

«DV-dMAPK»

) και YY731 /742FF (PDGFRα-D842V-YY731 /742FF,

«DV-dPI3K»

) που έχουν δείξει να καταργήσει την πρόσληψη των μορίων σηματοδότησης, όπως SHP2 και PI3K στο PDGFRα-υποδοχέα φυσικού τύπου, αντίστοιχα. Όλες οι σημειακές μεταλλάξεις εισήχθηκαν χρησιμοποιώντας το κιτ QuikChange (Stratagene) ακολουθώντας τις συστάσεις του κατασκευαστή.

Για την ανάλυση της συμπεριφοράς σηματοδότηση της μεταλλαγμένης πρωτεΐνης PDGFRα, μια κυτταρική γραμμή ισογονιδιακές ΡΙρ-Ιη ™ κατασκευάστηκε με βάση την κυτταρική σειρά ΗΕΚ293 η οποία είναι φυσικά στερείται ενδογενούς έκφρασης των πρωτεϊνών /β PDGFRα. Ως εκ τούτου, τα κύτταρα ΗΕΚ293 συν-επιμολύνθηκαν με το φορέα θέση-στόχο ΡΙρ-Ιη ™ (pFRT /lacZeo, Invitrogen ™) και το ρυθμιστικό φορέα (που κωδικοποιεί πρωτεΐνη καταστολέα της τετρακυκλίνης, pcDNA ™ 6 /TR /Invitrogen) χρησιμοποιώντας το TransIT®-LT1 αντιδραστήριο επιμόλυνσης (Mirus) σύμφωνα με τις συστάσεις του κατασκευαστή. κλώνοι κυττάρων επιλέχθηκαν με καλλιέργεια σε παρουσία 10 μg /ml Blasticidin και 100μg /ml Zeocin ™ (αμφότερα InvivoGen). Με βάση αυτή την ισογονιδιακές γονική κυτταρική γραμμή ( «293FR»), σταθερές κυτταρικές σειρές παρήχθησαν με κατευθυνόμενη σε θέση ανασυνδυασμό με συν-επιμόλυνση του πλασμιδίου έκφρασης διαγονιδίου (pcDNA5 /FRT /TO-based) σε συνδυασμό με το πλασμίδιο έκφρασης recombinase Flp (pOG44, Invitogen). Σταθερά επιλέχθηκαν διαμολυσμένα κύτταρα και καλλιεργούνται σε παρουσία 100 μg /ml υγρομυκίνης και 10 μg /ml Blasticidin [13].

θεραπεία των κυττάρων και ανάλυση Western blot

Τα πειράματα διεξήχθησαν με σπορά 250 000 κύτταρα /φρεάτιο (12 φρεατίων) σε ϋΜΕΜ που περιέχει 10% FBS, 2% L-Γλουταμίνη, και 25mM HEPES σε πλάκες 12 φρεατίων για 24-30 ώρες. Στη συνέχεια, μέσα ανάπτυξης ανταλλάχθηκε και η έκφραση της πρωτεΐνης προκλήθηκε με την προσθήκη 5 ng /ml δοξυκυκλίνη (Sigma) υπό ορό μειώθηκαν (1% FBS) συνθήκες για 14 ώρες και για επιπλέον 3 ώρες κάτω από ελεύθερες ορού (0% FBS) συνθήκες. Η φαρμακολογική αναστολή διεξήχθη με προσθήκη είτε 1 μΜ του αναστολέα ΡΙ3Κ βορτμαννίνη, 10 μΜ του αναστολέα U0126 MEK1,2, 1 μΜ του παν-PKC αναστολέα GF109203X, ή 500 ηΜ για την PKC-α και PKC-β1 ειδικός αναστολέας Gö6976. Η βορτμαννίνη και Gö6976 αγοράστηκαν από τη Sigma-Aldrich ενώ GF109203X και U0126 αγοράστηκαν από την Calbiochem.

Τα κύτταρα λύθηκαν επί του δίσκου με 300 μl ρυθμιστικού διαλύματος 1χ Lämmli. Cellular πρωτεΐνες υποβλήθηκαν σε SDS-PAGE, μεταφέρθηκαν σε μεμβράνη νάιλον (Amersham Hybond ™ -Ν /GE Healthcare με ThermoFisher Scientific), αποκλείστηκαν με 10% BSA και ανιχνεύθηκαν με τα αντίστοιχα αντισώματα. Αλφα-τουμπουλίνης επίσης ανιχνεύθηκαν όπως έλεγχος φόρτωσης. Φωσφο-ειδικά αντισώματα έναντι ERK1 /2 (pThr202 /pTyr204), PDGFRα (pTyr849) /β (pTyr857), ΑΚΤ (pSer473) και τα υποστρώματα PKC (pSer) αγοράστηκαν από την Cell Signaling. Φωσφο-ειδικών αντισωμάτων για STAT5 (pTyr694) και PLCγ1 (pTyr783) αγοράστηκαν από την BD Biosciences. Αντισώματα έναντι PDGFRα (C-20) αγοράστηκαν από την Santa Cruz Biotechnology®. Κάθε gel ανιχνεύθηκε ταυτόχρονα ενάντια άλφα-τουμπουλίνης να επιτρέψει την αποζημίωση για τις διακυμάνσεις φόρτωσης (χρησιμοποιώντας είτε DM1A αντισώματος /Santa Cruz Biotechnology® ή PA1-38814 /Pierce ™). Τα δευτερεύοντα αντισώματα σε συνδυασμό με IRdye, επιτρέποντας την απεικόνιση με το σύστημα Οδύσσεια LI-COR. Οι σχετικές εντάσεις των εικόνων κηλίδος Western ποσοτικοποιήθηκαν με Studio Image Lite έκδοση 4.0 με χρήση αριστερά-δεξιά και πάνω-κάτω αφαίρεσης υποβάθρου. Τα πειράματα έγιναν σε 3 επαναλήψεις βιολογικό με 3 τεχνικές επαναλήψεις σε κάθε στύπωμα Western. Το δείγμα βαθμονομητής παρασκευάστηκε από ένα πρώιμο πέρασμα κυτταρικής γραμμής DV-WT επάγεται από 5ng /ml δοξυκυκλίνης.

αγωγού Κανονικοποίηση και σύνολα δεδομένων για τη μοντελοποίηση

Ξεκινώντας από τις πρώτες που λαμβάνονται πειραματικά δεδομένα, μια ποιότητα το βήμα ελέγχου που εφαρμόζονται από την απόρριψη 1) τα σημεία δεδομένων επικάλυψη με απροσδιόριστα λεκέδες και 2) τα σημεία δεδομένων με χαμηλά σήματα λόγω κηλίδωση θέματα. Επιπλέον, τα σημεία δεδομένων με ένα αντίστοιχο σήμα τουμπουλίνης του λιγότερο από 20 τοις εκατό σε σύγκριση με το μέγιστο σήμα εντός της ίδιας κηλίδος απομακρύνθηκαν από την ανάλυση λόγω της χαμηλής αναλογία σήματος προς θόρυβο.

Τα υπόλοιπα σημεία δεδομένων ήταν πρώτα να κανονικοποιούνται τουμπουλίνης (έλεγχος φόρτωσης) και, στη συνέχεια, σε ένα δείγμα βαθμονομητή προκειμένου να διορθωθεί για τις διαφορές σε πολλαπλές κηλίδες. Η κανονικοποιημένη μέση της τεχνικής εις τριπλούν από κάθε βιολογικό επαναληπτικές συνενώθηκαν και επανα-ομαλοποιηθεί στην μέγιστη τιμή για τη δημιουργία του τελικού μέση τιμή και την τυπική απόκλιση για την εργασία μοντελοποίησης.

διαίρεσε το αρχικό σύνολο των πειραματικών δεδομένων σε δύο μέρη . Το σύνολο δεδομένων εκπαίδευσης αποτελείται από 6 πειραματικές συνθήκες, συμπεριλαμβανομένων αρνητικού ελέγχου (όλα τα σήματα υποτίθεται ότι είναι μηδέν), θετικό έλεγχο (DV-WT) και 4 πειραματικές συνθήκες με ενιαίο διαταραχές από το σημείο YF μεταλλάξεις (DV-dMAPK και DV-dPI3K) ή αναστολείς σηματοδότησης ( DV-WT-Wortmannin και DV-WT-U0126). Το σύνολο δεδομένων επικύρωσης περιλαμβάνει τις 4 υπόλοιπες πειραματικές συνθήκες με συνδυασμένη διαταραχές.

Λογοτεχνία προέρχονται από PDGF δίκτυο σηματοδότησης

Έχουμε δημιουργήσει ένα μεταλλαγμένο δίκτυο σηματοδότησης PDGF, συμπεριλαμβανομένων των μεγάλων οδών κατάντη σηματοδότησης συμπεριλαμβανομένων ΜΑΡΚ, ΡΙ3Κ /ΑΚΤ /μονοπάτια mTOR, ΡΙ_Ογ /PKC, καθώς και με ένα άλλο STAT5 προεξέχων στόχος σηματοδότηση κατάντη του ογκογόνου μεταλλαγμένου (αλλά όχι καθοδικά του υποδοχέα άγριου τύπου) [13]. Αλληλεπιδράσεων και των ρυθμιστικών μηχανισμών είχαν διαμορφωθεί σύμφωνα με τις καθιερωμένες γνώσεις [29,30]. Οι περιοχές πρόσληψης των ανάντη μορίων σηματοδότησης σε PDGFRα είχαν προηγουμένως περιγραφεί [31,32]. Μεταξύ των τριών κυρίων οδών κατάντη σηματοδότησης σε σηματοδότηση PDGF, υπάρχουν επίσης μια σειρά από αλληλεπιδράσεις αλληλοπαρεμβολών προτείνεται από την βιβλιογραφία όπως παρατίθενται στον Πίνακα 1. Επιπλέον, εκτός από απεικονίζει τα αποτελέσματα των αναστολέων στην κύρια τους στόχους, συμπεριλάβαμε επίσης τις πληροφορίες σχετικά με ένα αποτέλεσμα εκτός στόχου βορτμαννίνης σε συμβατικές PKC [33] το οποίο θα μπορούσε να είναι απαραίτητη για να εξηγήσει τις ελήφθησαν προφίλ σηματοδότησης στο πλαίσιο του GIST.

η

ΡΒΝ περιγραφή του PDGF δίκτυο σηματοδότησης

με βάση την τοπολογία του δικτύου σηματοδοσίας PDGF λογοτεχνίας που προέρχονται, χτίσαμε ένα αντίστοιχο μοντέλο PBN η οποία αποτελείται από 27 κόμβους (μόρια) και 40 ακμές (αλληλεπιδράσεις). Πολλαπλές αλληλεπιδράσεις κατευθύνει σε έναν κόμβο διαμορφώθηκαν ως διαχωρισμένα Boolean κανόνες με τις αντίστοιχες πιθανότητες επιλογής. Εφαρμόσαμε το Boolean λογική πύλη «OR» για να συνδυάσετε μη αποκλειστική εισροές στην ίδια κατηγορία, ενώ αναστολές εκπροσωπήθηκαν από τον συνδυασμό «και» και «ΟΧΙ» πύλες. Επιπλέον, πιθανότητες επιλογής των Boolean κανόνες που αντιπροσωπεύουν τις κύριες οδοί είχαν ανατεθεί να είναι υψηλές με τη σημαία «H», ενώ σταθερά σε χαμηλά με τη σημαία «L» για όλες τις αλληλεπιδράσεις στιχομυθία. Αυτή η εργασία εξασφαλίζει ότι τα βελτιστοποιημένα πιθανότητες επιλογής για την αλληλεπίδραση (ες) με τη σημαία «H» θα είναι πάντα υψηλότερη σε σύγκριση με την αλληλεπίδραση (ες) με τη σημαία «L». Για παράδειγμα, εάν υπάρχουν δύο ενεργοποίησης αλληλεπιδράσεις κατευθύνει προς ένα μόνο κόμβο στόχου ενώ ο ένας να είναι από την κύρια οδό και ένα άλλο είναι από την αλληλεπίδραση στιχομυθία, η δεσμευμένη από τη βελτιστοποιημένη πιθανότητα επιλογής για την κύρια αλληλεπίδραση (με σημαία «Η») θα είναι από 0,5 έως 1,0, ενώ θα είναι από 0 έως 0,5 για την αλληλεπίδραση στιχομυθία (με σημαία «L»). Αυτή η εφαρμογή έχει ενσωματωθεί στην τελευταία έκδοση του

optPBN

εργαλειοθήκη (έκδοση 2.2.3) που διατίθενται για https://sourceforge.net/projects/optpbn. Το πλήρες σύνολο των περιγραφών μοντέλου και η εφαρμογή των Boolean κανόνες όπως η κατανομή των «H» και «L» σημαίες μπορεί να βρεθεί σε S1 αρχείων και τα υπολογιστικά σενάρια των μοντέλων PBN, καθώς και το παράδειγμα των αποτελεσμάτων που περιλαμβάνονται στο S2 αρχείου.

βελτιστοποίηση

Εφαρμόσαμε το πλέγμα-based έκδοση του

optPBN

εργαλειοθήκη (έκδοση 2.2.3) για να εκτελέσει τη βελτιστοποίηση και ανάλυση [39]. Το μοντέλο περιγραφή του δικτύου σηματοδοσίας PDGF σε μορφή ΡΒΝ συνδυάστηκε με τα δεδομένα σταθερής κατάστασης μέτρηση της 6ης μορίων σηματοδότησης περιλαμβανομένων των φωσφορυλιωμένων μορφών PDGFRα, του ΡΙ_Ογ, του STAT5, υποστρωμάτων PKC, της ERK1,2, και της ΑΚΤ , να δημιουργήσει ένα πρόβλημα βελτιστοποίησης. Ο στόχος της βελτιστοποίησης είναι να προσδιοριστούν οι πιθανότητες επιλογής της κάθε Boolean αλληλεπίδρασης στο μοντέλο PBN που επιστρέφουν σε σταθερή κατάσταση ιδιότητες, δηλαδή τις σταθερές κατανομές των μοριακών κρατών, τα οποία ταιριάζουν με τα δεδομένα των μετρήσεων. Στο

optPBN

πλαίσιο, εμείς εκπροσωπούμε τη δυναμική μιας PBN ως ergodic αλυσίδα Markov, όπου εξασφαλίζουμε εργοδικότητα εισάγοντας μια μικρή παράμετρος διαταραχής «p» για να διαταράξει τυχαία τα κράτη [40]. Η προκύπτουσα εργοδικό αλυσίδα Markov είναι, επομένως,

αμείωτη

(όλα τα κράτη μπορεί να επιτευχθεί με οποιαδήποτε άλλα κράτη) και

απεριοδική

(όλα τα κράτη μπορεί να επανεξεταστεί σε ένα μη-περιοδική τρόπο) που έχουν έτσι μια μοναδική στάσιμη κατανομή ανεξάρτητα από τις αρχικές συνθήκες. Οι δύο-κρατική προσέγγιση αλυσίδα Markov εφαρμόζεται στη συνέχεια για τον προσδιορισμό του αριθμού των αναγκαίων βημάτων χρόνος για την επίτευξη σταθερής κατάστασης και για την προσέγγιση της περιθωριοποιημένες κατανομής σε σταθερή κατάσταση κάθε κράτους εξόδου με κάποια ακρίβεια [41] (βλέπε επίσης τον αγωγό στο σχήμα 1). Όλες οι τιμές των παραμέτρων επιλέχθηκαν σύμφωνα με την προηγούμενη μελέτη [39], δηλαδή η παράμετρος διατάραξη ‘p’ = 0.001, το εύρος της ακρίβειας παραμέτρου «r» = 0.025, και η πιθανότητα να αποκτήσει αποτελέσματα σε ορίζεται ακρίβεια ‘s’ = 0,95, να εξασφαλιστεί η δημιουργία των ergodic αλυσίδες Markov βασίζονται σε τυχαία διαταραχών, ενώ η διανομή σταθερής κατάστασης του κάθε κόμβου ήταν ελάχιστα διαταραγμένο και η προσέγγιση της κατανομής σε σταθερή κατάσταση είναι σχετικά ακριβή. Στο τελευταίο στάδιο, το άθροισμα των τετραγώνων των σφαλμάτων (SSE) σύγκριση των προσομοιωμένων μοριακές καταστάσεις και τα δεδομένα των μετρήσεων υπολογίστηκε ως δείκτης για την καλοσύνη-of-fit.

Η δυναμική συμπεριφορά του μοντέλου PBN εκπροσωπήθηκε ως μια αλυσίδα Markov. Μια μικρή παράμετρος διαταραχής «p» εισήχθη για να εξασφαλιστεί η εργοδικότητα της αντίστοιχης αλυσίδας Markov, που έχει καταστεί

αμείωτη

(όλα τα κράτη μπορεί να επιτευχθεί με οποιαδήποτε άλλα κράτη) και

απεριοδική

(όλα τα κράτη μπορεί να επανεξεταστεί σε ένα μη-περιοδική τρόπο) που έχουν έτσι μια μοναδική σταθερή κατάσταση ανεξάρτητη κατανομή των αρχικών συνθηκών. Οι δύο-κρατική προσέγγιση αλυσίδα Markov εφαρμόστηκε στη συνέχεια για τον προσδιορισμό του αριθμού των αναγκαίων βημάτων χρόνο επίτευξης της σταθερής κατάστασης (περίοδος burn-in) και να συλλέξει αρκετά μεγάλο αριθμό δειγμάτων προκειμένου να προσεγγιστεί η περιθωριοποιημένες κατανομής σταθερής κατάστασης του καταστάσεις εξόδου για καθορισμένο (ρυθμιζόμενο) ακρίβεια. Σημειώστε ότι πολλαπλές αξιολογήσεις της περιόδου στρωσίματος και ενδέχεται να χρειαστούν συλλέγονται δείγματα. Η προσέγγιση κατανομής σε σταθερή κατάσταση αντιστοιχεί στην πιθανότητα του κόμβου (ες) έξοδος είναι ενεργοποιημένη, δηλαδή να είναι 1, όπως καθορίζεται από τα συλλεχθέντα δείγματα.

Η

Στο μοντέλο ερευνήθηκε PBN του PDGF σηματοδότηση, μέχρι σε 27 πιθανότητες επιλογής βελτιστοποιήθηκαν για την υποδομή Grid’5000 χρησιμοποιώντας 160 παράλληλες πυρήνες (Intel CPU @ 2.50Ghz, 16GB rAM). 5.000 δείγματα σύνολα παραμέτρων αξιολογήθηκαν από δύο αλγορίθμους βελτιστοποίησης, δηλαδή, η διαφορική εξέλιξη (DE) και εξελικτικό αλγόριθμο (EA). Τρεις γύροι βελτιστοποίηση διεξήχθησαν όπου παρατηρείται ότι τα αποτελέσματα της βελτιστοποίησης παράγεται από τον αλγόριθμο DE είχαν συγκλίνει ήδη μετά 1500 επαναλήψεις (αποτέλεσμα που δεν παρουσιάζεται). Η καλύτερη τοποθέτηση του κόστους από τον αλγόριθμο DE επελέγη για τη σύγκριση της προσαρμογής της ποιότητας ανάλογα με το μοντέλο παραλλαγές μαζί με κριτήριο Akaike Πληροφοριών (AIC) [42,43] και το F-test για το μοντέλο παλινδρόμησης. Η μέση τιμή και η κατανομή των βελτιστοποιημένων πιθανότητες επιλογής βασίζονται στις βέλτιστες 500 σύνολα παραμέτρων στη συνέχεια αναλύθηκαν.

Μοντελοποίηση της απελευθερωμένης σηματοδότησης PDGF στο ΒΝ και των πλαισίων ODE-based

Εμείς εφαρμοστεί η

ΒΝ /PBN εργαλειοθήκη

[44] και το

εργαλειοθήκη Systems Biology 2 (SBTB2)

αναθεώρηση 72 [45] για την μοντελοποίηση και ανάλυση της απελευθερωμένης PDGF σηματοδότηση με GIST και σε ΒΝ και ODE πλαίσια, αντίστοιχα. Όσον αφορά τη μοντελοποίηση στο πλαίσιο BN, θα αφαιρούνται όλες τις αρνητικές ανατροφοδοτήσεις σχετικά με την ΡϋΘΡΡ κόμβο, αφαιρούνται τα βασικά δραστηριοτήτων της PTEN και PDK, καθώς υποτίθεται ότι Wortmannin δεν αναστέλλει PKC αποτελεσματικά, προκειμένου να επιτευχθεί η καλύτερη δυνατή προσαρμογή στο πλαίσιο BN . Για την μοντελοποίηση ODE, εφαρμόσαμε το νόμο της δράσης μάζας για να μετατρέψετε το γράφημα αλληλεπίδρασης της απελευθερωμένης PDGF σηματοδότησης σε ένα σύνολο συνήθων διαφορικών εξισώσεων, δείτε ένα παράδειγμα στο [20]. Προσθέσαμε επίσης αντιδράσεις απενεργοποίησης /υποβάθμιση και τις αντίστοιχες παραμέτρους τους για κάθε μόριο να εξισορροπήσει την ενεργοποίηση /σύνθεσης. 20 ανεξάρτητα τρεξίματα βελτιστοποίηση του μοντέλου ODE διεξήχθησαν χρησιμοποιώντας 50.000 σύνολα παραμέτρων εφαρμογής του αλγόριθμου σμήνος σωματιδίων (παγκόσμια Optimiser) ακολουθούμενη από τη δοκιμή άλλους 50.000 σύνολα παραμέτρων εφαρμογής του αλγόριθμου Simplex (τοπική Optimiser) με μία σειρά παραμέτρων από το 0 έως το 100. Η καλύτερη τοποθέτηση κόστους από το μοντέλο ODE συγκρίθηκε με αυτά από το ΒΝ και το ΡΒΝ προσεγγίσεις, ενώ η κατανομή των βελτιστοποιημένες παραμέτρους από όλες τις 20 τρεξίματα βελτιστοποίηση συγκρίθηκε με αυτές του μοντέλου ΡΒΝ. Το πλήρες σύνολο των υπολογιστικών σενάρια και τα αποτελέσματα της προσομοίωσης είναι διαθέσιμη στις https://sourceforge.net/projects/optpbn.

Αποτελέσματα

Ελλιπής αναστολή και η πιθανή επίδραση των αλληλεπιδράσεων στιχομυθία παρατηρήθηκαν από τα πειραματικά δεδομένα

Ερευνήσαμε τα προφίλ σηματοδότηση των τριών μεταλλάξεων PDGFRα, δηλαδή DV-WT, DV-dMAPK και DV-dPI3K σε συνδυαστική θεραπεία με δύο αναστολείς σηματοδότησης, δηλαδή Wortmannin και U0126. Σύμφωνα με τα αποτελέσματα από την έρευνα της κηλίδας Western (Σχήμα 2), το κυτταρικό σύστημα και οι αναστολείς σηματοδότησης λειτούργησε σωστά. Παρατηρήσαμε ότι PDGFRα διαγονίδια εκφράστηκαν αποκλειστικά κατά την επαγωγή δοξυκυκλίνη και ότι η βασική φωσφορυλίωση των μορίων σηματοδότησης ήταν πολύ χαμηλή. Επίσης, φωσφορυλιωμένη PDGFRα (pPDGFRα) σήματα βρέθηκαν να είναι συγκρίσιμες μεταξύ των διαφόρων μεταλλαγμάτων (Σχήμα 2). Η παρατήρηση αυτή ισχύει επίσης για φωσφορυλιωμένη STAT5 (pSTAT5) σήματα. Τα φωσφορυλιωμένα ΡΙ_Ογ (pPLCγ) σήματα έπεσε στο μεταλλαγμένο DV-dMAPK, υποδεικνύοντας ότι ο SHP-2 πρόσληψη μοτίβο Υ720 επηρεάζει επίσης την ενεργοποίηση ΡΙ_Ογ (βλέπε σχήμα 2). Παράλληλα, μειώθηκε δραστηριότητες του κατάντη μορίων σηματοδότησης, δηλ φωσφορυλιωμένη ERK1,2 (pERK1,2) και φωσφορυλιωμένου ΑΚΤ (ρΑΚΤ) παρατηρήθηκαν σύμφωνα με τις ανασταλτικές επιδράσεις των μεταλλακτών YF και των αναστολέων της σηματοδότησης. Αυτά τα αποτελέσματα δείχνουν ότι η κατάργηση των θέσεων πρόσληψης από σημειακές μεταλλάξεις και των αναστολέων της σηματοδότησης εργαστεί αποτελεσματικά για την πρωτοβάθμια στόχους τους. Επιπλέον, βρήκαμε ότι ούτε οι κατασκευές του κυτταρικού συστήματος μας, ούτε οι θεραπείες αναστολέα που χρησιμοποιήθηκαν στη μελέτη επηρεάζουν το επίπεδο έκφρασης των συστατικών διερευνήθηκαν σηματοδότησης (βλέπε [13] και S1 Σχήμα).

[Α] Ένας παράδειγμα σετ πρώτων δεδομένων από πειράματα στυπώματος Western δείχνεται στο σχήμα 2Α. Τρεις μεταλλάκτες PDGFRα περιέχει τη μετάλλαξη σημείου D842V ερευνήθηκαν. Ένα μεταλλαγμένο περιέχει καμία πρόσθετη YF σημειακή μετάλλαξη, δηλαδή άγριου τύπου (DV-WT), ενώ οι άλλες δύο περιέχουν είτε Y720F (DV-dMAPK) ή YY731 /742FF (DV-dPI3K) σημειακές μεταλλάξεις που καταργεί τις περιοχές πρόσληψης των ανάντη μόριο σηματοδότησης για ΜΑΡΚ και μονοπάτια PI3K /AKT /mTOR, αντίστοιχα. Αυτές οι πειραματικές συνθήκες συνδυάστηκαν με τη θεραπεία με δύο αναστολείς σηματοδότησης, δηλ βορτμαννίνη (W) [1 μΜ], η οποία αναστέλλει κυρίως ΡΙ3Κ, και U0126 (U) [10 μΜ], η οποία αναστέλλει κυρίως MEK1,2. Δοξυκυκλίνη χρησιμοποιείται για να επάγει την μεταγραφή των ιδιοσυστατικά φωσφορυλιωμένων μεταλλάκτες PDGFRα. Το πείραμα διεξήχθη σε 3 βιολογικά επαναλήψεις με 3 τεχνικές επαναλήψεις. Τα σήματα από το δείγμα βαθμονομητή (C) που προέρχεται από την επαγόμενη κυτταρική σειρά DV-WT σε πρώιμο πέρασμα εφαρμόστηκαν για τη βαθμονόμηση σχετικές εντάσεις μεταξύ κηλίδες Western. [Β] Τα συνοπτικά στοιχεία ποσοτικοποιημένες Western blot φαίνεται στο σχήμα 2Β. Τα σήματα ομαλοποιήθηκαν έναντι τουμπουλίνης και στη συνέχεια βαθμονομείται από τα σήματα βαθμονομητή. Η κανονικοποιημένη μέση της τεχνικής εις τριπλούν από κάθε βιολογικό επαναληπτικές συνενώθηκαν και επανα-ομαλοποιηθεί στην μέγιστη τιμή για την παραγωγή των τελικών μέση και τυπική απόκλιση τιμών για έργο μοντελοποίησης. Οι σημασίες μεταξύ δύο σημείων δεδομένων αξιολογήθηκαν με T-test του Student? p-value & lt? 0,05 (*) και τιμή-p & lt? 0.01 (**).

Η

Ανάμεσα στα ανασταλτικά αποτελέσματα που ερευνήσαμε, παρατηρήσαμε ότι τόσο βορτμαννίνη και U0126 μείωσε την φωσφορυλίωση του κατάντη στόχους σηματοδότησης τους σχεδόν εντελώς. Σε αντίθεση, τα μεταλλάγματα DV με πρόσθετες μεταλλάξεις σημείου YF παραδίδονται μόνο μερική αναστολή, π.χ. τα σήματα των pERK1,2 και pPLCγ σε μεταλλάξεις DV-dMAPK μειωθεί μόνο κατά το ήμισυ. Παράλληλα, κάποιες ενδείξεις αλληλεπίδρασης στιχομυθία παρατηρήθηκαν στο σύνολο δεδομένων. Για παράδειγμα, αναστολή ΡΙ3Κ με βορτμαννίνη μείωσε επίσης το σήμα pERK1,2 στην οδό ΜΑΡΚ ενώ αναστέλλει MEK1,2 με U0126 αύξησε επιπλέον το σήμα ρΑΚΤ στη ΡΙ3Κ /ΑΚΤ /mTOR μονοπάτι (Σχήμα 2Β). Θα πρέπει να σημειωθεί ότι η εγκάρσια ρύθμιση μέσω αναστολής βορτμαννίνη είναι ισχυρότερη από εκείνη μέσω U0126, με έως και 39% μείωση pERK1,2 σήματος έναντι έως και 25% αυξημένο σήμα ρΑΚΤ σε σύγκριση με τα μη επεξεργασμένα συνθήκες. Επίσης, η εγκάρσια ρύθμιση από βορτμαννίνη είναι σημαντικό σε 2 από 3 μεταλλάκτες, ενώ η διέλευση ανασταλτική επίδραση που προκαλείται από U0126 ήταν σημαντική μόνο στην κατάσταση DV-WT (σχήμα 2).

ολοκλήρωση αρχικά δεδομένα στην ΡΒΝ πλαίσιο πρότεινε σημαντικές αλληλεπιδράσεις στιχομυθία από τις υποψήφιες δίκτυο

Έχουμε ολοκληρωμένο αυτό το αρχικό σύνολο δεδομένων στη βιβλιογραφία που προέρχονται PBN μοντέλο του PDGF σηματοδότηση από την εφαρμογή του εργαλείου

optPBN

. Η δομή του μοντέλου και ο διαχωρισμός των συνόλων δεδομένων που φαίνεται στο σχήμα 3. Αρχικά, ξεκινήσαμε με ένα μοντέλο τοπολογία χωρίς καμία αλληλεπίδραση στιχομυθία να διερευνήσει αν το μοντέλο που περιέχει μόνο τις μεγάλες ογκογόνο μονοπάτια θα είναι ήδη επαρκής για να χωρέσει το σύνολο δεδομένων εκπαίδευσης. Τα αποτελέσματα έδειξαν ότι η αρχική μοντέλο τοποθετηθεί καλά να pPDGFR, pSTAT5 και ρΑΚΤ δεδομένων, αλλά ακόμα δεν μπορούσε να συλλάβει την μείωση του pERK1 /2 σήματα μετά τη θεραπεία βορτμαννίνη. Επίσης, διαπιστώσαμε ότι ένα μοντέλο παραλλαγή με όλα-ή-καμία αναστολή δεν θα μπορούσε να ταιριάζει καλά είτε η τα δεδομένα pPLCγ (βλέπε S2 σχήμα). PERK1 /2 ή

[Α] Το μοντέλο δομής της βιβλιογραφίας προερχόμενο σηματοδότηση PDGF παρουσιάζεται στο σχήμα 3Α. Η συστατική δραστικότητα του μεταλλαγμένου PDGFRα (mPDGFR) επάγεται με δοξυκυκλίνη (DOX). Κατάντη του mPDGFR περιλαμβάνει 3 κανονικών μονοπατιών ενδοκυτταρικής σηματοδότησης: ΜΑΡΚ, ΡΙ3Κ /ΑΚΤ /mTOR και μονοπάτια /PKC ΡΙ_Ογ καθώς και ρυθμιστικών μηχανισμών για PDGFRα. Επιπλέον, περιλαμβάνονται, STAT5, η οποία φαίνεται να είναι μάλλον ενεργοποιείται από ογκογόνους μεταλλάξεις PDGFRα [13]. SHP2, PI3K και ΡΙ_Ογ, που σημειώνονται με αστερίσκο, είναι οι στόχοι των μεταλλαγμένων YF. Τα βασικά δραστηριότητες του PTEN και PDK εκπροσωπήθηκαν από bPTEN και bPDK, αντίστοιχα. Τέσσερις αναστολείς σηματοδότησης, δηλαδή Wortmannin, U0126, GF109231X (GF109), και Gö6976, και οι στόχοι τους είναι επίσης απεικονίζονται.