You must be logged into post a comment.
Αφηρημένο
Η ανάπτυξη αξιόπιστων βιοδεικτών της ευαισθησίας των ναρκωτικών καρκινικών κυττάρων και η αντίσταση μπορεί να καθοδηγήσει την υπόθεση με γνώμονα την βασική επιστημονική έρευνα, και προ-θεραπεία με την επιρροή των κλινικών αποφάσεων. Μια δημοφιλής στρατηγική για την ανάπτυξη βιολογικών δεικτών χρησιμοποιεί χαρακτηρισμούς των δειγμάτων όγκου ανθρώπου ενάντια σε μια σειρά απαντήσεων φάρμακο για τον καρκίνο, που σχετίζονται με γονιδιωματική αλλαγή? αναπτύχθηκε σε μεγάλο βαθμό από τις προσπάθειες της Γραμμής Cancer Cell Εγκυκλοπαίδεια (CCLE) και Sanger Cancer Genome Έργου (ΑΕΔ). Ο σκοπός αυτής της μελέτης είναι να παρέχει μια ανεξάρτητη ανάλυση των δεδομένων που στοχεύει να κτηνίατρο υπάρχοντα και να προσθέσετε νέες προοπτικές για να ανακαλύψεις βιοδεικτών και εφαρμογές. Υφιστάμενα και εναλλακτικά εξόρυξης δεδομένων και των στατιστικών μεθόδων θα χρησιμοποιηθούν για να α) να αξιολογήσει τις απαντήσεις των ναρκωτικών ενώσεων με παρόμοιο μηχανισμό δράσης (ΜΟΑ), β) να εξετάζει τα μέτρα της γονιδιακής έκφρασης (GE), αριθμό αντιγράφων (ΣΟ) και την κατάσταση μετάλλαξης (MUT) βιοδείκτες, σε συνδυασμό με την ανάλυση σετ γονιδίων εμπλουτισμού (GSEA), για υποθέτοντας βιολογικές διεργασίες σημαντικό για την αντιμετώπιση των ναρκωτικών, γ) τη διεξαγωγή παγκόσμια συγκρίσεις της GE, CN και MUT ως βιοδείκτες σε όλες φάρμακα προβληθεί στο σύνολο δεδομένων CGP, και δ) αξιολογεί την θετική προγνωστική δύναμη του CGP που προέρχονται βιοδείκτες GE ως προάγγελοι της απάντησης του φαρμάκου στα κύτταρα CCLE όγκου. Οι προοπτικές που προκύπτουν από ειδικές και συνολικές εξετάσεις GEs, MutS και συζυγίες επιβεβαιώνουν τις υπάρχουσες και να αποκαλύψει μοναδικά και μοιράζονται ρόλοι για αυτά βιοδείκτες στην ευαισθησία των ναρκωτικών των καρκινικών κυττάρων και της αντίστασης. Εφαρμογές του CGP που προέρχονται γονιδιωματικής βιοδεικτών για να προβλέψει την αντίδραση του φαρμάκου κυττάρων CCLE όγκου βρίσκει μια ιδιαίτερα σημαντική ROC, με θετική προβλεπτική ικανότητα των 0,78. Τα αποτελέσματα αυτής της μελέτης επεκτείνουν τις διαθέσιμες εξόρυξης και ανάλυσης δεδομένων για την γονιδιωματική ανάπτυξη βιοδεικτών και παρέχουν πρόσθετη υποστήριξη για τη χρήση βιοδεικτών για να καθοδηγήσει την υπόθεση με γνώμονα την βασική επιστημονική έρευνα, και προ-θεραπεία κλινικών αποφάσεων
Παράθεση:. Covell ΓΔ ( 2015) Data Mining Προσεγγίσεις για Genomic βιοδεικτών Ανάπτυξη: εφαρμογές που χρησιμοποιούν ναρκωτικές ουσίες στοιχεία από την Γονιδιώματος Καρκίνου και το καρκινικό κύτταρο Γραμμή εγκυκλοπαίδεια. PLoS ONE 10 (7): e0127433. doi: 10.1371 /journal.pone.0127433
Επιμέλεια: Anguraj Sadanandam, Ινστιτούτο Έρευνας για τον Καρκίνο (ICR), ΗΝΩΜΕΝΟ ΒΑΣΙΛΕΙΟ
Ελήφθη: 22η Οκτωβρίου 2014? Αποδεκτές: 15 Απριλίου 2015? Δημοσιεύθηκε: 1 Ιούλη 2015
Αυτό είναι ένα ανοικτό άρθρο πρόσβασης, χωρίς όλα τα πνευματικά δικαιώματα, και δεν μπορεί να αναπαραχθεί ελεύθερα, διανεμηθεί, να μεταδοθεί, τροποποιηθεί, χτισμένο πάνω, ή ειδάλλως να χρησιμοποιηθεί από οποιονδήποτε για οποιονδήποτε νόμιμο λόγο. Το έργο γίνεται διαθέσιμα υπό την Creative Commons CC0 δημόσιο τομέα αφοσίωση
Διαθεσιμότητα δεδομένων: Όλα τα δεδομένα προέρχονται από το γονιδίωμα του έργου του Καρκίνου (CGP) (https://cancer.sanger.ac.uk/cosmic) και η καρκινική κυτταρική σειρά Εγκυκλοπαίδεια (CCLE) (https://www.broadinstitute.org/ccle/home)
χρηματοδότηση:. Ο συγγραφέας δεν έχει καμία υποστήριξη ή χρηματοδότηση για να αναφέρετε
Ανταγωνιστικά συμφέροντα.: ο συγγραφέας έχει δηλώσει ότι δεν υπάρχουν ανταγωνιστικά συμφέροντα.
Εισαγωγή
Οι μεγάλης κλίμακας προσπάθειες αλληλουχίας, με επικεφαλής ως επί το πλείστον από το Διεθνές Cancer Genome Consortium (https://icgc.org/) και ο καρκίνος Genome Atlas (https://cancergenome.nih.gov/), συνέβαλαν στην ανάπτυξη των φαρμακευτικών αγωγών που στοχεύουν επιλεκτικά γονιδιωματικής αλλαγές? όπως για παράδειγμα? BCR-ABL1 μετατοπίσεις (imatinib) [1,2], EML4-ALK μετατοπίσεις (EGFR και αναστολείς ALK) [3] και BRAF: μετάλλαξη V600E (αναστολείς BRAF) [4]. Πιο πρόσφατα, οι προσπάθειες για τον εντοπισμό συστηματικά γονιδιωματικής αλλαγές που θα μπορούσαν να χρησιμεύσουν ως βιοδείκτες της θεραπευτικής φαρμακευτικής ευαισθησίας έχουν οδηγήσει σε συνεργασίες μεταξύ του Wellcome Trust Sanger Institute και το Γενικό Νοσοκομείο της Μασαχουσέτης (στοιχεία για περισσότερες από 700 αθάνατα κύτταρα του όγκου και 138 φάρμακα κατά του καρκίνου) και το Ινστιτούτο Broad και η Novartis συνεργασία (profiling 24 φάρμακα κατά του καρκίνου σε όλη την 479 αθάνατα κύτταρα όγκου)? κάθε προσπάθεια καθοδηγείται, εν μέρει, από την πρωτοποριακή οθόνη ναρκωτικών NCI60 [5]. Αν και οι κριτικοί των προσπαθειών αυτών συχνά σημειώστε περιορισμούς αθανατοποιημένων ανθρώπινων καρκινικών κυττάρων να λαμβάνονται υπόψη οι αλληλεπιδράσεις όγκου-στρώματος, το ανοσοποιητικό επιτήρηση, εισβολή και μετάσταση, η αγγειογένεση και ο ρόλος των βλαστικών κυτταρικών πληθυσμών [6], οι υπέρμαχοι έλεγχο αν γενωμική βιοδείκτες που προέρχονται από αυτά οθόνες μπορούν να χρησιμοποιηθούν αξιόπιστα για να βοηθήσει την υπόθεση με γνώμονα τις προσπάθειες βασική επιστήμη, και κλινικές προσπάθειες να αναθέσει τη θεραπεία, την παρακολούθηση της ανταπόκρισης και να προβλέψει τα αποτελέσματα (π.χ. Precision Ιατρικής, MATCH Δίκη, IMPACT, I-SPY). Καθώς ο αγωγός των νέων ανακαλύψεων φαρμάκων επεκτείνεται, η πρόοδος προς την επίτευξη πιο αποτελεσματικές θεραπείες μπορεί να βοηθηθεί από τις ερευνητικές προσπάθειες που κτηνίατρο υφιστάμενων, καθώς και την ανάπτυξη νέων μεθόδων για τον εντοπισμό γονιδιωματική βιοδεικτών που σχετίζονται με την αποτελεσματικότητα της ένωσης.
Ιστορικό
Ο CGP [7] και CCLE [8] αναφορές προσφέρουν αναγκάζοντας τις ενώσεις μεταξύ ευαισθησία φαρμάκου (τυπικά μετράται με την log της συγκέντρωσης φαρμάκου για 50% αναστολή της ανάπτυξης, που αναφέρονται σε ολόκληρο το κείμενο ως GI50) και ειδικές γονιδιωματικές αλλαγές , συμπεριλαμβανομένων της γονιδιακής έκφρασης (GE), η μετάλλαξη του γονιδίου (MUT), αριθμό αντιγράφων (ΣΟ), και οι μετατοπίσεις. Τα αποτελέσματά τους βρίσκουν τα πλεονεκτήματα της πολυ-γονιδίου, έναντι ενός μόνο γονιδίου βιοδείκτες, ως δείκτες της καρκινικού κυττάρου GI50? που προκύπτουν, στο ένα άκρο, από τις αποτυχίες να βρει αξιόπιστες συσχετίσεις ανάμεσα στις αλλαγές ενός και μόνο γονιδίου και GI50? και, στο άλλο άκρο, από τις περιπτώσεις όπου GI50 φαίνεται να διαμεσολαβείται από διάφορους, κάπως ασύνδετα, multi-γονίδιο, βιολογικούς μηχανισμούς. Επιπλέον, η εφαρμογή των εμπειρογνωμόνων τους από state-of-the-art εξόρυξης δεδομένων και στατιστικών μεθόδων αποτελεί μια συστηματική προσέγγιση που απέδωσε αποτελέσματα συνάδουν με μεταθέσεις και muts γνωστό ότι είναι προγνωστικά της κλινικής έκβασης των ναρκωτικών ευαισθητοποίησης. Συλλογικά οι προσπάθειες αυτές αντιπροσωπεύουν ένα κρίσιμο βήμα στην απόκτηση μια κατανόηση του καρκίνου, με βάση την γενωμική χαρακτηρισμό των δειγμάτων ανθρώπινου όγκου έναντι μιας περιοχής αποκρίσεων του καρκίνου του φαρμάκου που συσχετίζονται με γονιδιωματική αλλαγή. Όπως συνεχιστούν αυτές και άλλες συστηματικές προσπάθειες, είναι σημαντικό να αναγνωρίσουμε ότι η πρόσβαση του κοινού στην CGP και τα δεδομένα CCLE παρέχει μια πλούσια και μοναδική ευκαιρία για την ανεξάρτητη αξιολόγηση των δεδομένων αυτών [9], που θα μπορούσε να συμβάλει στην περαιτέρω ανάπτυξη του πολυ-χαρακτήρισε γονιδιωματικής βιοδείκτες ως οδηγοί για τη βασική και προ-κλινική έρευνα και πρώιμες κλινικές δοκιμές. Παρακινημένος από αυτούς τους στόχους, και την οικοδόμηση από αυτές τις προηγούμενες προσπάθειες, η ανάλυση αυτή θα επικεντρωθεί i) την εξέταση των υφιστάμενων αποτελεσμάτων, ii) τη χρήση εναλλακτικών εξόρυξης δεδομένων και στατιστικών μεθόδων για την ανακάλυψη βιοδεικτών, iii) παροχή νέων ερμηνειών των βάσεων δεδομένων CGP και CCLE και iv) την αξιολόγηση της χρήσης βιοδεικτών ως πρόβλεψης της ανταπόκρισης καρκινικών κυττάρων του φαρμάκου.
Μέθοδοι
η εξόρυξη δεδομένων και στατιστικών στρατηγικές που εφαρμόζονται στην ανάλυση των μεγάλων βάσεων δεδομένων συχνά αποτελούνται από πρότυπο και καθορίζονται από το χρήστη (ad hoc ) συστατικά που μπορεί να παίξει καθοριστικό ρόλο στην ερμηνεία των δεδομένων. Η εξόρυξη δεδομένων και στατιστικών στρατηγικές που εφαρμόζονται εδώ έχουν πολλές ομοιότητες με αυτές που χρησιμοποιήθηκαν Garnett et al [7] και Barretina et al [8]:.. Αποκλεισμούς της ιεραρχικής ομαδοποίησης, ελαστικό δίχτυ (EN) παλινδρόμησης και ανάλυση μονοπατιού των επιλεγμένων γονιδίων. Αξιοσημείωτο αναχωρήσεις περιλαμβάνουν? i) οι τροποποιήσεις της μεθόδου τους για την ιεραρχική ομαδοποίηση των τιμών ΟΙ50, ii) τις αιτήσεις του ΕΝ παλινδρομήσεις βασίζεται αποκλειστικά στην GEs, iii) που ακολουθείται από την αξιολόγηση των ρόλων της ΣΟ και MUT στις απαντήσεις ΟΙ50, iv) την επέκταση του EN γονίδιο ρυθμίζει ώστε να συμπεριλάβει Gene Set εμπλουτισμός ανάλυση (GSEA) να υποθέσει βιολογικές οδούς που συμβάλλουν στην ΟΙ50 απαντήσεις, v) την εφαρμογή μιας παγκόσμιας ανάλυσης της GE, CN και MUT δεδομένα χρησιμοποιώντας μια ψεύτικη ρυθμό ανακάλυψης (FDR) -adjusted επιλογή σημαντικές συσχετίσεις αυτών των βιοδεικτών με ανταπόκριση ναρκωτικών και vi) εφαρμογές ανάλυσης ROC για CGP που προέρχονται από γονιδιωματική βιοδεικτών ως προγνωστικοί παράγοντες της GI50 στα δεδομένα CCLE. Σύντομες περιγραφές αυτών των εναλλακτικών μεθόδων και θα συζητηθεί παρακάτω. Αναλυτικότερες πληροφορίες εμφανίζονται στην S1 αρχείου.
Ιεραρχική Ομαδοποίηση των GI50
Απουσία παρόμοιες τιμές GI50 για φάρμακα που έχουν τον ίδιο μηχανισμό δράσης (ΜΟΑ) παρουσιάζει ένα σημαντικό εμπόδιο για την προσπάθεια να συνδέσει γονιδιωματικής υπογραφές με την απάντηση του φαρμάκου? και να επεκτείνει αυτές τις ενώσεις να υποθέσει βιολογικές διεργασίες που έχουν ρόλους στην αποτελεσματικότητα του φαρμάκου. Όπως σημειώνεται στην έκθεση CGP [7], τα φάρμακα με επικάλυψη ειδικότητα (αναφέρεται στο εξής ως τάξη ΜΟΑ) δεν έχουν πάντοτε συσχετίζεται τιμές GI50, ούτε μοιράζονται πάντα γονιδιωματικής υπογραφές. Η ιεραρχική ανάλυση συστάδων του Garnett et al. [7] κατατάσσονται φάρμακα σε
συστάδες
με βάση ΟΙ50 ομοιότητα, με συσχετισμούς φάρμακο ενδο-cluster, αποδίδοντας 22
κοινότητα συστάδες
, χρησιμοποιώντας μέτρα ευαισθησίας των ναρκωτικών για τα κύτταρα ~ 700 όγκου στα δεδομένα CGP συμπληρωματικό πίνακα 1 [7]). Ενώ η πρόθεση της προσπάθειας εδώ δεν επιδιώκει να δοκιμάσετε εξαντλητικά διαθέσιμες ιεραρχικές μεθόδους και τα συστήματα ομαδοποίησης για τον εντοπισμό
κοινότητα clusters
, μια αρκετά καλή συσχέτιση μεταξύ των τιμών GI50 για φάρμακα παρόμοιας κατηγορίας ΜΟΑ θα μπορούσε να βρεθεί με ελαφρές τροποποιήσεις στη μεθοδολογία ομαδοποίησης των Garnett et al. [7]. Αντί ιεραρχική ομαδοποίηση με βάση ΟΙ50 ομοιότητα, όλα τα ζεύγη συσχετισμοί GI50 χρησιμοποιήθηκαν για κάθε φάρμακο και τυχαιοποιημένες αναδειγματοληψία [10] χρησιμοποιήθηκε για να προσδιοριστεί
κοινότητα συστάδες
. Αυτή η διαδικασία ομαδοποίησης, που διατίθεται ως CRAN εγκατεστημένο πακέτο, pvclust [10], στη γλώσσα προγραμματισμού R, θεωρεί τη σημασία της συμβολής δειγματοληπτικό σφάλμα να αβεβαιότητα στα αποτελέσματα του συμπλέγματος, χρησιμοποιώντας μια τυχαιοποιημένη μέθοδο αναδειγματοληψία για τον εντοπισμό περιπτώσεων που έχουν υψηλή συχνότητα που συμβαίνουν ως μέλη συμπλέγματος. Πρόσθετες λεπτομέρειες αυτής της ανάλυσης διασποράς εμφανίζονται στην S1 αρχείου: Α Ιεραρχική Ομαδοποίηση των GI50, Σχήμα Α, Σχήμα Β και Γ Συμφωνία μεταξύ της τάξης ΜΟΑ και EN GE
Ελαστική Καθαρή Παλινδρόμηση της Γονιδιακής Έκφρασης
Ελαστική Καθαρή (EN) παλινδρόμηση είναι μια στατιστική μέθοδος που ταιριάζει ένα γενικευμένο γραμμικό μοντέλο των παρατηρήσεων (γονιδιωματικής δεδομένων) σε τιμές GI50 σε μια σειρά καρκινικών κυττάρων. Ως εναλλακτική λύση για την ομαδοποίηση όλων των γονιδιωματικών δεδομένων (GE, CN και MUT) στην ανάλυση EL [7], τα αποτελέσματα εδώ θα επικεντρωθεί στην ΕΝ ανάλυση προέρχονται μόνο από GEs μετρήθηκε στα κύτταρα όγκου CGP? ακολουθούμενη από εκτιμήσεις της ΣΟ και την κατάσταση MUT για αυτές EN-που προέρχονται τα γονίδια. EN ανάλυση έχει συμπληρωθεί το πακέτο glmnet [11] στη γλώσσα R-προγραμματισμού. Glmnet παρέχει ένα ρυθμιζόμενο παράμετρο, α, που επιτρέπει EN παλινδρόμησης για να κυμαίνονται από ένα λάσο (α = 1) σε ένα κορυφογραμμή (α = 0) παλινδρόμησης. Η τελευταία εφαρμογή δημιουργεί συνήθως μια ακριβή τακτοποίηση (GI50
προβλέψει) τα δεδομένα GI50 (GI50
παρατηρηθεί), χρησιμοποιώντας όλα τα GEs για όλα τα καρκινικά κύτταρα με μέτρηση GI50, ενώ οι λάσο μοντέλα παράδειγμα GI50 χρησιμοποιώντας μια περιορισμένη σειρά της GEs να δώσει ένα λιγότερο από το τέλειο ταίριασμα μεταξύ GI50
προβλέψει και GI50
παρατηρηθεί. Σαφώς, ένα μοντέλο που ταιριάζει απόλυτα GI50, ενώ χρησιμοποιώντας όλα GEs, δεν παρέχει καμία μείωση του αριθμού των γονιδίων για την αξιολόγηση του δυνητικού ρόλου τους ως βιοδείκτες για GI50 μιας ένωσης. Επιλέγοντας την κατάλληλη ισορροπία μεταξύ της καλής προσαρμογής του μοντέλου EN με τα στοιχεία και τους αριθμούς των γονιδίων που επελέγησαν στο EN παλινδρόμηση μπορεί να καθοριστεί από τα αποτελέσματα που λαμβάνονται σε διαφορετικές τιμές του α. Για παράδειγμα, το άνω φύλλο στο σχήμα 1 απεικονίζει την συντελεστή συσχέτισης (GI50
παρατηρήθηκαν και GI50
προβλεπόμενη) έναντι καταμέτρηση γονίδιο ΕΝ που α = 0,7. Προφανές από το αποτέλεσμα αυτό είναι η τάση να ληφθεί μία καλύτερη EN μοντέλο ταιριάζει με μεγαλύτερο αριθμό EN γονιδίων. Αντιστρόφως, EN αποτελέσματα που χρησιμοποιούν μόνο λίγα γονίδια φαίνεται ότι έχουν μειωμένη ικανότητα να προβλέψει με ακρίβεια GI50. Το κάτω φύλλο στο σχήμα 1 απεικονίζει την μέση συντελεστή συσχέτισης έναντι του μέσου αριθμού EN γονιδίων (με την EN παλινδρόμησης συγκλίνουν για 129 από τα 138 φάρμακα) για α που κυμαίνεται από 0,2 έως 1,0. Όπως ήταν αναμενόμενο, η τάση του καλύτερο μοντέλο EN ταιριάζει τη χρήση μεγαλύτερων αριθμών γονιδίων (χαμηλότερες τιμές του α) είναι προφανής. Το αποτέλεσμα αυτό βρίσκει γενική ομαδοποίηση στην κάτω αριστερή γωνία forα στην περιοχή από 0,6 έως 1,0. Χρησιμοποιώντας αυτό το αποτέλεσμα, μια ευρετική επιλογή του α = 0,7 επιλέχθηκε ως μια λογική ισορροπία μεταξύ καλοσύνη του EN ταιριάζει και μείωση του αριθμού των EN γονιδίων. Επιλέγοντας α = 0,7 έδωσε μια συνολική τοποθέτηση ακρίβεια ~ 0,5 (r
2), χρησιμοποιώντας ένα μέσο όρο 75 EN γονιδίων. Οι αναλύσεις που βασίζονται σε ελαφρώς μικρότερη ή μεγαλύτερη επιλογές για το α δεν φάνηκε να επηρεάζουν σημαντικά τα αποτελέσματα που θα ακολουθήσουν.
Οικόπεδο συντελεστή συσχέτισης (GI50
προβλέψει κατά GI50
παρατηρήθηκε) έναντι του αριθμού των γονιδίων στο μοντέλο παλινδρόμησης συγκλίνουσες EN για α = 0,7. Αυτά τα αποτελέσματα να δώσει μια μέση συσχέτιση του 0,69 (± 0,12) μεταξύ GI50
παρατηρηθεί και GI50
προβλεφθεί με ένα μέσο αριθμό 75 (± 44) EN γονίδιο εκφράσεις για 129 φάρμακα, όπου το EN παλινδρόμησης συγκλίνει. Κάτω πάνελ. Οικόπεδο του μέσου όρου της συσχέτισης μεταξύ της ΕΝ μοντέλο ταιριάζει έναντι μέσος αριθμός τους EN γονιδίων. Αποτελέσματα representα κυμαίνονται από 0,2 έως 1,0. Οι μπάρες σφάλματος αντιπροσωπεύουν το τυπικό σφάλμα της μέσης τιμής. Εγκλωβιστούμε περιοχή στην κάτω δεξιά εμφανίζει τα αποτελέσματα για το α & gt? = 0.5).
Η
Μια τυπική έξοδος από τον υπολογισμό glmnet, χρησιμοποιώντας το παράδειγμα του PD-0325901 (μια ένωση MEK1 /2 στόχευση), φαίνεται στο Σχήμα C 3. Το ποσοστό εμφανίζει τον αριθμό γονίδιο EN σε σχέση με το μοντέλο μέσο τετραγωνικό σφάλμα (MSE). Για αυτό το παράδειγμα, το μοντέλο φθάσει σε ένα ελάχιστο MSE με τη χρήση 103 γονίδια, που αντιπροσωπεύει μείωση κατά 99,2% από τις 13.325 γονίδιο έκφρασης στο σύνολο των 514 καρκινικών κυττάρων που έχουν απόκριση GI50 για την PD-0325901. EN παλινδρόμησης αποδίδει μια συσχέτιση των 0,84 μεταξύ GI50
παρατηρηθεί και GI50
προβλεφθεί. Το σχήμα 2 εμφανίζει το heatmap (χρησιμοποιώντας heatmap.2 στη γλώσσα προγραμματισμού R) για τα 103 γονιδιακή έκφραση σε όλη 514 καρκινικά κύτταρα για PD-0325901. Το δεξιότερο άκρο αυτής της εικόνας εμφανίζει μια barplot για GI50
παρατηρήθηκε για αυτά τα 514 καρκινικά κύτταρα. μπλοκ μωσαϊκό του κόκκινου και του μπλε στο heatmap αντιπροσωπεύουν σχετικά άνω και κάτω εκφραζόμενα γονίδια, αντίστοιχα, παρουσιάζουν μια ποιοτική σύνδεση αυτών των μοντέλων GE με την barplot της GI50 για κάθε καρκινικό κύτταρο που εμφανίζεται στο αριστερό άκρο. Θερμικούς χάρτες του EN GEs θα χρησιμοποιηθούν, ποιοτικά, για την οπτική σύγκριση των πάνω και κάτω από εκφράζονται γονίδια που σχετίζονται με την ευαισθησία των ναρκωτικών και την αναισθησία.
Εικόνα οικόπεδα των 103 γονιδιακή έκφραση (x-άξονας) για τα 514 καρκινικά κύτταρα του EN μοντέλο (γ-άξονας). Αποτελέσματα απεικονίζουν μόνο τα καρκινικά κύτταρα έχουν μια μέτρηση GI50 έναντι PD-0325901.Heatmap διατάσσεται κατά μήκος κάθε άξονα σύμφωνα με τα δενδρογράμματα εμφανίζεται στο πάνω και αριστερό άκρο. Πάνω και κάτω από εκφρασμένων γονιδίων υποδεικνύονται με κόκκινο και μπλε χρώματα, αντίστοιχα. GI50
παρατηρήθηκε για αυτά τα 514 καρκινικών κυττάρων εμφανίζεται ως ένα γράφημα ράβδων στο δεξιό άκρο της εικόνας. Μπαρ προς τα αριστερά και δεξιά αντιστοιχούν σε ευαίσθητες και μη ευαίσθητες αντιδράσεις GI50, αντίστοιχα.
Η
Συμφωνία μεταξύ της τάξης ΜΟΑ και EN GE
EL γονίδια παλινδρόμηση μπορεί να υποβληθεί σε μια ιεραρχική ανάλυση συστάδων σε αξιολογήσει αντιστοιχία μεταξύ των φαρμάκων από παρόμοιες κατηγορίες ΜΟΑ και γονιδιακή έκφραση τους EN (που χρησιμοποιείται για τη μοντελοποίηση GI50). Συμφωνία θα μετρηθεί μέσω προσδιορισμού του εάν α) EN γονίδια εμφανίζονται ως σύμπλεγμα των γειτόνων για τα ναρκωτικά (δηλαδή τάξεις ΜΟΑ) και β) κατά πόσον οι εν λόγω EN γονίδια είναι σχετικά μοναδικές για κάθε κατηγορία ΜΟΑ. Απαντώντας μέρος α) θα διαπιστώσει αν ΜΟΑ συμφωνία με βάση την ομοιότητα στην GI50
παρατηρήθηκε επίσης υπάρχει όταν χρησιμοποιείτε την έκφραση του EN γονίδια που χρησιμοποιούνται για τη μοντελοποίηση GI50
παρατηρηθεί. Απαντώντας μέρος β) είναι ζωτικής σημασίας για την ανάπτυξη της γονιδιακής έκφρασης ως βιοδείκτες της απόκρισης GI50 σε ειδικές τάξεις ΜΟΑ των ναρκωτικών και την επέκταση των αποτελεσμάτων αυτών να υποθέσει βιολογικών οδών που εμπλέκονται στην αποτελεσματικότητα του φαρμάκου. Μια πιο λεπτομερής περιγραφή αυτής της ανάλυσης φαίνεται στην S1 αρχείου? Γ Συμφωνία μεταξύ της τάξης ΜΟΑ και EN GE 🙂
ανάλυση GSEA του EN προέρχονται GEs
Μετά Garnett et al. [7], η εξέταση του EN γονίδια για τις περισσότερο και λιγότερο ευαίσθητα κύτταρα του όγκου μπορούν να χρησιμοποιηθούν για να δώσουν προτεραιότητα σε ενώσεις γονίδιο GI50-GR. Προς το σκοπό αυτό, οι EN γονίδια για κάθε φάρμακο διηθούνται με τη διεξαγωγή t-test του Student για τον εντοπισμό στατιστικά σημαντική (p & lt? 0,05) EN GEs μεταξύ του πιο πάνω και κάτω τουλάχιστον 10
ο εκατοστημόριο των απαντήσεων των καρκινικών κυττάρων του φαρμάκου (αυτό μοντέλο θα αναφέρεται στο εξής ως «ελάχιστο πρότυπο EN» για κάθε φάρμακο). Το σχήμα 3 εμφανίζει την heatmap για την ελάχιστη EN μοντέλο του PD-0325901 παράδειγμα που φαίνεται στο Σχ 2. Αντί οθόνη GI50 ως ραβδόγραμμα στην άκρη (όπως στο Σχήμα 2), τα δεδομένα GI50 είναι ενσωματωμένο μέσα στο heatmap (βλέπε στήλη ένδειξη «GI50″ βρίσκεται κοντά στο κέντρο της εικόνας), όπου τα πιο ευαίσθητα κύτταρα, τα οποία προσδιορίζονται σε σκούρο μπλε, εμφανίζονται στα άνω και κάτω τμήματα του heatmap και τα πιο ανθεκτικά κύτταρα, με τιμές GI50 τους προσδιορίζονται στο κόκκινο, εμφανίζονται σε το μεσαίο τμήμα του Heatmap. Σε αυτό το παράδειγμα, η συνολική μείωση του 82% (1-94 /514) του αριθμού κυττάρων του όγκου και μία μείωση 11% (103 κάτω έως 94 γονίδια) σε σετ EN γονίδιο PD-0325901 παραμένουν σε ελάχιστο πρότυπο ΕΝ.
Σχετική πάνω και κάτω από την έκφραση συμβολίζεται με κόκκινο και μπλε, αντίστοιχα. Οι τιμές GI50 για PD-0325901 ενταγμένες στο heatmap, βρίσκεται η στήλη κοντά στο κέντρο, χαρακτηρισμένα ως GI50. Οι τιμές GI50 για ευαίσθητα και ανθεκτικά καρκινικά κύτταρα υποδεικνύονται με μπλε και κόκκινο χρώμα, αντίστοιχα.
Η
EL παλινδρόμησης αποτελεί ένα μέσο για τον προσδιορισμό ενός περιορισμένου συνόλου γονιδίων των οποίων οι εκφράσεις είναι επαρκείς για να δώσουν μια λογική μοντέλο του καθενός GI50 απόκριση φαρμάκου (βλέπε Σχήμα 1) και μπορεί να χρησιμοποιηθεί για να υποθέσει βιολογικές οδούς που θα μπορούσαν να διαδραματίσουν ένα ρόλο στην απόκριση ενός φαρμάκου. Πολλά υπολογιστικά εργαλεία υπάρχουν σήμερα για την ανάλυση μονοπατιού (GSEA, DAVID, την εφευρετικότητα, κλπ). Συμπεριλαμβάνεται στην προειδοποιητική προειδοποιήσεις για τις μεθόδους αυτές είναι ότι τα αποτελέσματα μπορεί να οδηγήσει σε πάνω από ερμηνείες, όταν τα γονίδια μοιράζονται μεταξύ πολλών οδών, ή να δώσει καμία πληροφορία, για τις περιπτώσεις είτε δεν υπάρχουν στατιστικά σημαντικές οδούς ή όταν οι μεγάλοι αριθμοί των οδών διαπιστώσει ότι δεν αποκαλύπτουν μια συνεπή βιολογική θέμα. GSEA [12] προσφέρει μια ευρετική αντιστάθμιση έναντι αυτές τις προειδοποιήσεις, περιορίζοντας τα αποτελέσματα μόνο σε οδούς με τουλάχιστον 2 μοιράζονται γονίδια και την εφαρμογή ενός False Discovery Rate (FDR) ενάντια σε ένα τυχαίο εύρημα στο τυπικό όριο του 0,05. Ο πρώην απαίτηση αποφεύγει περιπτώσεις μεγάλων αριθμών οδών με ένα μόνο γονίδιο EN, ενώ η τελευταία απαίτηση περιορίζει την πιθανότητα εμφάνισης των οδών με πολλές κοινές, και συχνά συμβαίνουν, γονίδια. Με βάση αυτές τις εκτιμήσεις, GSEA, χρησιμοποιώντας ελάχιστη EN-προερχόμενο GEs, χρησιμοποιήθηκε για να υποθέσει βιολογικές διαδικασίες που ενδέχεται να σχετίζονται με την ανταπόκριση του φαρμάκου. GSEA αναφοράς θα περιορίζεται μόνο το κορυφαίο σημαντικό (βαθμολογία FDR) μονοπάτια, περιορίζονται σε όχι περισσότερο από 10 περιπτώσεις.
Αναφορά των αποτελεσμάτων GSEA θα τονίσει επαναλαμβανόμενα βιολογικά θέματα για τα σημαντικά μονοπάτια και όχι μεμονωμένα μονοπάτια. Ως παράδειγμα, GSEA [12] μονοπάτια, που προέρχεται από την KEGG, BIOCARTA και GO γονίδιο υποσύνολα, χρησιμοποιώντας την ελάχιστη EN GEs για τον αναστολέα ΜΕΚ, PD-0325901, παρατίθενται στον πίνακα Γ Τα αποτελέσματα αυτά βρίσκουν DNA_REPAIR ως μονοπάτι GSEA με η καλύτερη στατιστική σημαντικότητα, με RESPONSE_TO_DNA_DAMAGE_STIMULUS και DNA_METABOLIC_PROCESS ως το επόμενο πιο σημαντικές οδούς. Λίγο πιο κάτω στη λίστα είναι τρεις οδούς που σχετίζονται με ΣΗΜΑΤΟΔΟΤΗΣΗ. Τα γενικά θέματα των αποτελεσμάτων αυτών GSEA δείχνουν ότι το καρκινικό κύτταρο απόκριση σε PD-0325901 θα υποτεθεί για τη συμμετοχή DNA και σηματοδότηση. Απόδειξη ότι υπάρχει συσχετισμός μεταξύ της ΜΕΚ-ΕΚΚ σηματοδότησης και DNA_REPAIR έχει αναφερθεί από τους Sato et al. [13] και Marampon et al. [14], που οδηγεί στην πρόταση της χρήσης αναστολέων ΜΕΚ για την αύξηση των καρκινικών κυττάρων ραδιοευαισθησία από κάτω ρύθμιση σήματα επιδιόρθωσης του DNA . Πιο πρόσφατα Pei et al. [15] έχουν προτείνει μια θεραπεία συνδυασμού για το πολλαπλό μυέλωμα χρησιμοποιώντας ένα αναστολέα CHK1 να εμποδίζει τα κύτταρα από τη σύλληψη σε στάδια του κυτταρικού κύκλου που διευκολύνουν την επιδιόρθωση της βλάβης του DNA και έναν αναστολέα ΜΕΚ να εμποδίζει τα κύτταρα από την ενεργοποίηση μιας ποικιλίας πρωτεϊνών που ρυθμίζουν την επιδιόρθωση του DNA διαδικασιών ενώ παράλληλα προωθεί τη συσσώρευση των πρωτεϊνών προ-θανάτου. Τα ευρήματα GSEA εδώ, θέματα μονοπάτι που σχετίζονται με την επιδιόρθωση του DNA ή βλάβη και κυτταρική σηματοδότηση, είναι συνεπείς με υποθέτοντας ρόλο του PD-0352901 σε σήματα που σχετίζονται με τη συντήρηση του DNA.
Σημαντική προσοχή πρέπει να εφαρμόζεται κατά την ερμηνεία των αποτελεσμάτων αυτών . Για παράδειγμα, αν και τα άλλα τρία /2 αναστολείς ΜΕΚ1, CI-1040, AZD6244 και RDEA199, εμφανίζονται μέσα στην ίδια συστάδα, με βάση GI50 (Πίνακας Α) και EN GEs (Πίνακας Β και σχήμα D), μόνο AZD6244 μοιράζεται μερικές από της μονοπάτια GSEA με PD-0325901, ενώ CI-1040 και RDEA119 δεν το κάνουν. Συλλογικά, αυτά τα αποτελέσματα, ενώ υποστηρίζει μια γενική συνοχή εντός των προφίλ GI50 αυτές τις MEK1 /αναστολέα του 2 (Πίνακας Α), με ένα αρκετά μοναδικό σύνολο του EN γονίδια για να εμφανιστούν μέσα σε κοινούς ομίλους (Πίνακας Β και σχήμα D), απόδοση EN γονίδια επαρκώς διαφορετικό από κάθε άλλο για να δημιουργήσει μη-επικαλυπτόμενες οδούς GSEA. Μια πιθανή παράγοντας που συμβάλλει σε αυτές τις διαφορές EN-γονίδιο GSEA μπορεί να είναι κυτταρική δραστικότητα, όπου PD-0325901 είναι, κατά μέσο όρο, περισσότερο από μια τάξη μεγέθους πιο ισχυρή από τις άλλες τρεις αναστολείς ΜΕΚ1 /2 για τα κύτταρα του όγκου CGP. Προφανώς οι EN γονίδια για PD-0325901 είναι αρκετά μοναδική για να αποκαλύψει το ρόλο της στη διατήρηση του DNA και τη σηματοδότηση δεν βρέθηκε για τις άλλες αναστολείς ΜΕΚ 1/2. Τα αποτελέσματα αυτά υπογραμμίζουν την πιθανότητα ότι, αν και οι ενώσεις μπορούν να μοιραστούν ένα υποθετικό στόχο ΜΟΑ και παράγουν παρόμοιες απαντήσεις GI50, GSEA ελάχιστης EN γονιδίων αντιπροσωπεύει μόνο μια υποθετική σχέση μεταξύ μοναδικά σύνολα του EN γονιδίων και συγκεκριμένες βιολογικές διεργασίες που σχετίζονται με GI50 κάθε φαρμάκου. Ενώ η ήδη υπάρχουσα υποστήριξη της βιβλιογραφίας θα πρέπει να παρέχονται για GSEA επιλεγμένα μονοπάτια, σαφώς θα απαιτούμενες βιολογικές επιβεβαίωση.
Παγκόσμια ανάλυση της ΣΟ και MUT για την ελάχιστη EN GEs
Τα αποτελέσματα για μεμονωμένα φάρμακα μπορεί να επεκταθεί σε περιλαμβάνουν μια σφαιρική ανάλυση των δεδομένων CGP περιγράφουν muts και αλλάζει ΣΟ προκύπτει ότι δυνητικά να διαδραματίσουν ρόλο στην αντιμετώπιση των ναρκωτικών. Ανάλογα με την προηγούμενη ανάλυση, όπου ελάχιστη EN γονίδια ταυτοποιήθηκαν με βάση που έχει μία στατιστικώς σημαντική διαφορά στην GE μεταξύ των περισσότερο και λιγότερο ευαίσθητα κύτταρα του όγκου, σημαντική MutS γονίδιο και οι αλλαγές CN μπορεί να προσδιοριστεί με τον ίδιο τρόπο. Επιλέγοντας ελάχιστη καρκινικά κύτταρα του κάθε φαρμάκου EN, t-test δύο ουρών Student χρησιμοποιήθηκε για τον υπολογισμό όλων των ρ-τιμές βασίζονται σε MUT ή CN διαφορές μεταξύ των πλέον ευαίσθητων και ανθεκτικών κυττάρων όγκου. Αυτά τα αποτελέσματα φιλτράρονται με τη χρήση ενός Benjamini-Hochberg (Β-Η) [16] ποσοστό εσφαλμένης ανακάλυψη 0.1 για τον εντοπισμό σημαντικά διαφορετική βιοδείκτες. Το t-στατιστική για αυτές τις συγκρίσεις παρέχει ένα βολικό μέτρο για την ιεραρχική ομαδοποίηση των σημαντικών αποτελεσμάτων. Heatmap απεικονίσεις μπορεί να είναι χρωματικά κωδικοποιημένα από μπλε σε κόκκινο χρώμα για να δείξει την ισχύ της στατιστικής σημασίας, όπου το κόκκινο τμήμα του φάσματος αντανακλά τις περιπτώσεις όπου τα ανθεκτικά καρκινικά κύτταρα εμφανίζουν υψηλότερες αποκρίσεις βιοδείκτη σε σύγκριση με τα ευαίσθητα κύτταρα όγκου και το μπλε τμήμα της φάσμα αντιπροσωπεύει την περίπτωση υψηλότερων τιμών βιοδείκτη σε ευαίσθητους καρκινικά κύτταρα σε σύγκριση με τα ανθεκτικά κύτταρα όγκου. Οι αριθμοί των σημαντικών MutS είναι αρκετά μικρά για να συνδέσει υποσύνολα των γονιδίων σε συγκεκριμένες οδούς GSEA. Σε αντίθεση, οι αριθμοί των γονιδίων με σημαντικές αλλαγές ΣΟ είναι αρκετά μεγάλη για να απαιτήσει περαιτέρω ιεραρχική ομαδοποίηση των οδών GSEA για την ευκολία της ερμηνείας.
ανάλυση GSEA σημαντικών MutS και της CNS
Heatmap απεικονίσεις του στατιστικά σημαντική MutS και ΚΝΣ που περάσει το BH-ρυθμίζεται κατώφλι για στατιστική σημασία μπορεί να χρησιμοποιηθεί για ένα παγκόσμιο GSEA που βασίζεται. Οι δενδρογράμματα σύμπλεγμα των σημαντικών ΣΟ και MutS μπορεί να κοπεί για να δώσουν μικρές ομάδες γονιδίων για GSEA. Τα αποτελέσματα αυτά δημιουργούν ένα παγκοσμίως προέρχονται από FDR προσαρμοσμένο βαθμολογία σημασία για βιολογικές οδούς που συνδέονται με την υπο-clusters ελάχιστης EN GEs. Ομαδοποίηση αυτών σε παγκόσμιο επίπεδο προέρχονται από τα αποτελέσματα μπορούν να χρησιμοποιηθούν για να συσχετίσει τις απαντήσεις GI50 με βιοδείκτες που έχουν στατιστική σημαντικότητα μεταξύ ανθεκτικά και ευαίσθητα απαντήσεις των καρκινικών κυττάρων.
ROC ανάλυση των CGP GEs ως προγνωστική της απόκρισης του φαρμάκου CCLE
τα γονίδια «Υπογραφή» χρησιμοποιείται συνήθως για να εκτιμηθεί αν ένα υποσύνολο των γονιδίων εκφράσεις είναι επαρκώς συγκρίσιμα για να υποδείξει μια πιθανότητα μια παρόμοια βιολογική κατάσταση ή θεραπευτική ανταπόκριση [17,18]. Ελάχιστη EN GEs μπορεί επίσης να προταθεί ως γονίδια υπογραφή για την πρόβλεψη της απόκρισης του φαρμάκου. Προκειμένου να δοκιμαστεί αυτή η υπόθεση, οι ελάχιστες EN GEs αναπτύχθηκε για το σύνολο CGP των φαρμάκων χρησιμοποιήθηκαν για την επιλογή για κύτταρα όγκου μη CGP με το ταίριασμα GEs ως προγνωστικοί δείκτες της αποτελεσματικότητας του φαρμάκου για τα φάρμακα δοκιμής. Η αποτυχία να επιτευχθεί καμία επιτυχία με αυτή τη μέθοδο θα μπορούσε να επηρεάσει τις μελλοντικές εφαρμογές αυτής της προσέγγισης. Ωστόσο, μέτρια επιτυχία μπορεί να προσφέρει κίνητρα για την εκπόνηση πιο βέλτιστη βήματα για την επίτευξη ευνοϊκών αποτελεσμάτων με αυτή την προσέγγιση. Το σύνολο δεδομένων CCLE (24 φάρμακα δοκιμάστηκαν έναντι 479 καρκινικών κυττάρων) μοιράζεται 16 φάρμακα με τα σύνολα δεδομένων CGP. Χρησιμοποιώντας το CGP-παράγωγο ελάχιστο πρότυπο EN για κάθε ένα από τα 16 ταιριάζουν φάρμακα, GEs μεταξύ αυτών των δύο συνόλων δεδομένων θα συγκριθεί (με μέσο τετραγωνικό σφάλμα τους, MSE) και χρησιμοποιείται για την κατάταξη το πλήρες σύνολο των καρκινικών κυττάρων CCLE του. Για την βιοδείκτη «δοκιμασία» για να έχουν προγνωστική χρησιμότητα, MSE αποτελέσματα πρέπει να κατατάσσονται σωστά ανταπόκριση των ναρκωτικών ένα καρκινικό κύτταρο CCLE μέσα στην κορυφή (ευαίσθητο) ή κάτω (ανθεκτικό) όλων των κυττάρων CCLE όγκου. Μόνο το top 5
ου εκατοστημόριο του MSE βαθμολογίες για τα κύτταρα CCLE όγκου θα επιλεγούν. Είναι αξιοσημείωτο να τονίσει εκ νέου ότι το ελάχιστο πρότυπο EN χρησιμοποιεί GEs να προβλέψει GI50. Έτσι, η ευαισθησία και η αντίσταση αποτελούν αναπόσπαστο μέρος αυτού του μοντέλου. Πρότυπο αξιολόγησης των ψευδών /αλήθεια-θετικά /αρνητικά χρησιμοποιώντας ROCS θα χρησιμοποιηθούν για την αξιολόγηση των αποτελεσμάτων.
Αποτελέσματα
Ιεραρχική ομαδοποίηση των GI50
Η αντιστοιχία μεταξύ των φαρμάκων της ίδιας ΜΟΑ τάξη και GI50 βρίσκει λογικά καλή συμφωνία. Χρησιμοποιώντας ένα τροποποιημένο ιεραρχική ομαδοποίηση (pvclust) και μια τροποποιημένη μετρικό (όλα-σε-όλα συσχετίσεις των ΟΙ50), πάνω από τις μισές (16/30 = 0.53) από τα φάρμακα που μοιράζονται μια τάξη ΜΟΑ εμφανίζονται επίσης εντός της ίδιας κοινότητας συμπλέγματος? με 4 από τα 5 SRC παράγοντες είναι κοινό για ένα σύμπλεγμα. Αυτή η ανάλυση επεκτάθηκε για τον προσδιορισμό της αντιστοιχίας μεταξύ της ΜΟΑ και συν-ομαδοποίησης του EN-προέρχεται GEs (βλ S1 Αρχείο – Γ. Συμφωνία μεταξύ της τάξης ΜΟΑ και EN GE για περισσότερες λεπτομέρειες). Φιλτράρισμα EN παλινδρομήσεις του φαρμάκου 129 που συγκλίνει και απέδωσε μεγαλύτερη από 10 EN γονιδίων απέδωσαν λιγότερα από ~ 2k των αρχικών 13.325 GEs για τα 87 φάρμακα που μοιράζονται τουλάχιστον 2 EL γονίδια. Ιεραρχική ομαδοποίηση της γονιδιακής έκφρασης για αυτά φιλτράρονται τα γονίδια (σχήμα D) διαπιστώνει ότι η μεγαλύτερη από τα δύο τρίτα (59/87 = 0.68) των γονιδιακή έκφραση EN για φάρμακα με κοινόχρηστη ΜΟΑ εμφανίζονται στο ίδιο σύμπλεγμα. Αυτά τα αποτελέσματα δείχνουν ότι η ιεραρχική ομαδοποίηση, με βάση GEs προκύπτουν από τα μοντέλα EN-παλινδρόμησης της GI50, αποδίδει μεγαλύτερη συμφωνία κατά κατηγορίες φαρμάκων ΜΟΑ σε σύγκριση με ομαδοποίηση με βάση GI50 ομοιότητα. Η μέση επικάλυψη μόνο 1,67 μεταξύ EN-γονίδια για κάθε φάρμακο υποδεικνύει ότι EN-γονίδια είναι σχετικώς μοναδική για κάθε φάρμακο. Συλλογικά, η σχετικά υψηλή αντιστοιχία, χρησιμοποιώντας είτε GI50 ή EN-προέρχεται GEs που το μοντέλο GI50, και η ύπαρξη σχετικά λίγα κοινόχρηστα γονίδια στο EN μοντέλο του κάθε φαρμάκου, υποστηρίζει τη δυνατότητα εφαρμογής των μέτρων του γονιδίου που βασίζονται ως μοναδικό βιοδείκτες για GI50.
minimal EN παλινδρόμησης
ελάχιστη μοντέλο του κάθε φαρμάκου EN αποδίδει μειωμένο σύνολο των γονιδίων που μπορεί να διαδραματίσει έναν ρόλο στην GI50 του. Μετά την έκθεση της Garnett et al. [7], η ελάχιστη EN GEs, ΚΝΣ και muts με τη μεγαλύτερη στατιστική σημαντικότητα μεταξύ των ευαίσθητων και αναίσθητη ανταπόκριση των καρκινικών κυττάρων μπορεί να εξετασθεί για λόγους συνέπειας με τις αναφορές της βιβλιογραφίας, καθώς και υποθέτοντας νέων βιολογικών ρόλων σε κάθε απόκριση φαρμάκου. Αποτελέσματα για επιλεγμένες ενώσεις θα αναφερθεί.
Cisplatin.
Το πρώτο παράδειγμα, με τη χρήση της DNA σταυρωτής σύνδεσης, σισπλατίνη, επιβεβαιώνει τα αποτελέσματα των Garnett et al. [7] Εβδομήντα EN γονίδια και 108 καρκινικά κύτταρα ορίζουν ελάχιστες μοντέλο της ΕΝ. Στατιστική ανάλυση των σημαντικών διαφορών σε CN και MUT κατάσταση μόνο των ελάχιστα EN γονίδια για τα ευαίσθητα και ανθεκτικά κύτταρα όγκου σισπλατίνη (που παρατίθενται στον Πίνακα 1) διαπιστώνει ότι η ευαισθησία στη σισπλατίνη σχετίζεται με mutS σε EWS_FLI1, ΡΤΕΝ, ErbB2 και APC (http: //cancer.CGP.ac.uk/CGP/gene/overview?ln=APC και Niedner et al. [19]). Δεν περιλαμβάνονται στην έκθεση CGP [7] είναι η εμφάνιση της KRAS_MUT ως πιθανό βιοδείκτη της σισπλατίνης ευαισθησίας. Η υποστήριξη αυτής της επιπλέον προοπτική εμφανίζεται πρόσφατα στο Lin et al. [20], όπου KRAS_MUT βρέθηκε να είναι ένας προγνωστικός δείκτης της ευαισθησίας στην αναλογική σισπλατίνη οξαλιπλατίνη. KRAS υπερέκφραση από μεταλλαγμένα φορείς που προκαλείται ομάδα επισκευής εκτομή cross-συμπλήρωση 1 (ERCC1) ρύθμιση προς τα κάτω σε πρωτεΐνη και τα επίπεδα mRNA και αυξημένη ευαισθησία οξαλιπλατίνη. Η σημασία της ΧΚΧΧ1 σε σισπλατίνη ευαισθησία υποστηρίζεται περαιτέρω από Xu et al. [21], όπου η έκφραση της πρωτεΐνης του ΧΚΧΧ1 ήταν σημαντικά αυξημένη σε σισπλατίνη ανθεκτικά κύτταρα και ανεξάρτητα συνέβαλαν στην σισπλατίνη αντίσταση. Τα αποτελέσματα στον Πίνακα 1 διεύρυνση και την σισπλατίνη ανάλυση για να υποθέσει ρόλους στην σισπλατίνη ευαισθησίας για αλλαγές CN δύο demethylases ιστόνης λυσίνη (KMD6A_CN και KMD5C.JARDIC_CN). Οι επιγενετικές ρόλους των demethylases ιστονών λυσίνη αρχίζουν να αναδύονται ως σημαντικό του μαστού και των ωοθηκών [22].
Η
Bortezomib.
Η ελάχιστη μοντέλο παλινδρόμησης EN βορτεζομίμπη αποτελείται από 44 γονίδια και 64 κύτταρα όγκου (Σχ Ε), το οποίο μοντελοποιείται GI50
παρατηρήθηκε με συντελεστή συσχέτισης 0,69. Τα στατιστικά αποτελέσματα για τα κορυφαία πιο σημαντικά διαφορικά εκφρασμένων ελάχιστη EN γονιδίων μεταξύ ευαίσθητα και μη ευαίσθητα κύτταρα του όγκου που παρατίθενται στον Πίνακα 2. Η εμφάνιση της ΝΟΟ2 στην κορυφή αυτής της λίστας μπορούν να προσφέρουν εκμεταλλεύσιμα πληροφορίες σχετικά με τη θεραπεία βορτεζομίμπη. ΝΟΟ2 είναι ένα φλαβοπρωτεϊνη, λειτουργεί ως οξειδοαναγωγάση κινόνης, που είναι γνωστό ότι προστατεύουν τα κύτταρα από την ακτινοβολία και χημική επάγεται οξειδωτικό στρες. Η πρωτεασώματος 20S και την NOQ2 τόσο αλληλεπιδρούν με μυελοειδή παράγοντας διαφοροποίησης C /EBPalpha [23]. Μια άλλη οξειδοαναγωγάση κινόνες, NQO1, βρέθηκε από CCLE [8] να είναι η κορυφή προγνωστικός δείκτης της ευαισθησίας για το Hsp90 αναστολέα 17-ΑΑΟ. Hsp90 παίζει ένα ρόλο στη συναρμολόγηση και τη συντήρηση του πρωτεασώματος [24]. Ταυτόχρονη αναστολή της Hsp90 και το πρωτεάσωμα ενισχύει αντικαρκινική δράση και των δύο φαρμάκων [25]. Αν και ο ακριβής μηχανισμός αυτής της παρατήρησης δεν είναι ακόμη επιλυθεί, το αποτέλεσμα που παρουσιάζεται εδώ προτείνει ένα διπλό ρόλο για βιοδείκτες κινόνη οξειδορεδουκτάσης (ΝΟΟ2, NQO1) στη χρήση της HSP90 /πρωτεασώματος παράγοντες στόχευσης ως ενιαία και συνδυασμένες θεραπείες [25].
temsirolimus.
το επόμενο παράδειγμα, για την mTOR στόχευση temsirolimus παράγοντα, απέδωσε ένα ελάχιστο EN μοντέλο που αποτελείται από 67 γονίδια και 108 καρκινικά κύτταρα.
You must be logged into post a comment.