Αφηρημένο

Αν και οι μελέτες σύνδεσης γονιδιώματος-ευρεία έχουν εντοπίσει πολλές θέσεις κινδύνου που συνδέεται με καρκίνο του παχέος εντέρου, η μοριακή βάση αυτών των ενώσεων είναι ακόμα ασαφής. Έχουμε ως στόχο να συμπεράνουμε βιολογικές γνώσεις και την ανάδειξη υποψήφιων γονιδίων ενδιαφέροντος μέσα loci κίνδυνο GWAS. Χρησιμοποιήσαμε ένα

in silico

αγωγού βασίζεται σε λειτουργικό σχολιασμού, γονιδίων ποσοτικών χαρακτήρων χαρτογράφηση των γονιδίων cis-δράσης, PubMed κείμενο εξόρυξης, μελέτες αλληλεπιδράσεων πρωτεΐνης-πρωτεΐνης, η γενετική επικαλύψεις με καρκίνο σωματικών μεταλλάξεων και φαινοτύπων νοκ-άουτ το ποντίκι, και ανάλυση λειτουργικών εμπλουτισμός με προτεραιότητα τα υποψήφια γονίδια στο ορθοκολικού τόπους κίνδυνο καρκίνου. Με βάση αυτές τις αναλύσεις, παρατηρήσαμε ότι αυτά τα γονίδια ήταν οι στόχοι των εγκεκριμένων θεραπειών για καρκίνο του παχέος εντέρου, και πρότεινε ότι τα φάρμακα έχουν εγκριθεί για άλλες ενδείξεις μπορεί να αναδιαμορφωθεί για τη θεραπεία του καρκίνου του παχέος εντέρου. Η μελέτη αυτή αναδεικνύει τη χρήση διαθέσιμων στο κοινό δεδομένων ως οικονομικώς αποδοτική λύση για την εξαγωγή βιολογικών ιδέες, και παρέχει εμπειρικές ενδείξεις ότι η μοριακή βάση του καρκίνου του παχέος εντέρου μπορεί να προσφέρει σημαντικές κατευθύνσεις για την ανακάλυψη νέων φαρμάκων

Αιτιολογική αναφορά.: Zhang J, K Jiang, Lv L, Wang Η, Shen Ζ, Gao Ζ, et al. (2015) Η χρήση του Γονιδιώματος-Wide Σπουδών Ένωση για την Έρευνα του Καρκίνου και Φαρμάκων Επανατοποθέτηση. PLoS ONE 10 (3): e0116477. doi: 10.1371 /journal.pone.0116477

Ακαδημαϊκό Επιμέλεια: Giuseppe Novelli, Πανεπιστήμιο Tor Vergata της Ρώμης, Ιταλία

Ελήφθη: 27 Σεπ 2014? Αποδεκτές: 8, Δεκέμβρη, 2014? Δημοσιεύθηκε: 24, Μάρ του 2015

Copyright: © 2015 Zhang 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: Όλα τα σχετικά δεδομένα είναι εντός του Υποστηρίζοντας αρχεία πληροφοριών του χαρτιού και

Χρηματοδότηση:. η εργασία αυτή χρηματοδοτήθηκε από το Εθνικό Key Πρόγραμμα Ενίσχυσης της Τεχνολογίας (αριθμός Grant: 2104000032), Εθνικό Ίδρυμα Φυσικών Επιστημών της Κίνας (αριθμός είδους: 81372290) και το Εθνικό Φυσικό Ίδρυμα Επιστημών της Κίνας (αριθμός είδους: 81372291).

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

Εισαγωγή

από την εμφάνιση της υψηλής πυκνότητας πολυμορφισμού ενός νουκλεοτιδίου (SNP) συστοιχίες γονοτυπική, οι ερευνητές χρησιμοποίησαν μελέτες συσχέτισης γονιδιώματος-ευρεία (GWAS) να εντοπίσει αμέτρητες τόπους που σχετίζονται με ένα πλήθος ασθενειών. Η συντριπτική πλειονότητα των SNPs που προσδιορίζονται από GWAS είναι εντός των διαγονιδιακές ή ιντρονικές περιοχές (περίπου 88%) [1,2]. GWAS έχει επίσης καταστήσει δυνατή την ανακάλυψη πολλών γενετικών παραλλαγών των καρκίνων του παχέος εντέρου (CRC). Το επόμενο βήμα ήταν να προσδιοριστούν τα γονίδια που επλήγησαν από αιτιώδη παραλλαγές, οι οποίες θα μας επιτρέψουν να μεταφράσει τα SNPs κίνδυνο για ουσιαστικές γνώσεις σχετικά με την παθογένεση.

Οι περισσότερες εκθέσεις έχουν απλώς εμπλακεί το πλησιέστερο γονίδιο σε ένα GWAS χτυπήσει ως στόχο της λειτουργικής παραλλαγής χωρίς κανένα αποδεικτικό στοιχείο [1]. Ο προσδιορισμός της έκφρασης γονιδίων ποσοτικών χαρακτήρων (eQTL) έχει προταθεί ως μια πολλά υποσχόμενη μέθοδο για να βρείτε τα υποψήφια γονίδια που σχετίζονται με τον κίνδυνο της νόσου [3] [4]. Θα πρέπει να σημειωθεί ότι η αναγνώριση ενός eQTL παρέχει μόνο μια έμμεση απόδειξη της σχέσης μεταξύ του γονότυπου και του γονιδίου μεταγραφής [1].

Σε ό, τι γνωρίζουμε, δεν υπάρχει απλά κανένας καλός τρόπος για να εντοπίσει αυτά τα γονίδια-στόχους, η οποία είναι κλειδί για την κατανόηση του μηχανισμού με τον οποίο GWAS παραλλαγές πράξη. Έτσι, προτείναμε έναν αγωγό βιοπληροφορικής για να δώσει προτεραιότητα στα πιο πιθανή υποψήφια γονίδια χρησιμοποιώντας διάφορα σύνολα βιολογικών δεδομένων. Επτά κριτήρια που θεσπίζονται για προτεραιότητα υποψήφια γονίδια. Το ευρέως χρησιμοποιούμενο eQTL κριτήριο που αναφέρεται παραπάνω είναι μόνο ένα από τα επτά κριτήρια στον αγωγό.

Ένας τρόπος για να επιταχυνθεί η μετάφραση των δεδομένων από GWAS σε κλινικά οφέλη, είναι να χρησιμοποιήσετε τα αποτελέσματα για να εντοπίσει νέες ενδείξεις για θεραπεία με τα υπάρχοντα μόρια. GWAS μπορούν να χρησιμοποιηθούν για την κατασκευή δικτύων σχετίζονται με τα ναρκωτικά, βοηθώντας επανατοποθέτηση των ναρκωτικών. Παρά το γεγονός ότι GWAS δεν εντοπίζουν άμεσα το μεγαλύτερο μέρος των υφιστάμενων στόχων των ναρκωτικών, υπάρχουν πολλοί λόγοι να αναμένεται ότι νέοι στόχοι, ωστόσο, θα πρέπει να ανακαλύψει τη χρήση αυτών των δεδομένων [5,6]. Τα πρώτα αποτελέσματα σε μελέτες αναπροσανατολισμό των ναρκωτικών, χρησιμοποιώντας την ανάλυση του δικτύου είναι ενθαρρυντικά και δείχνουν τις κατευθύνσεις για τη μελλοντική ανάπτυξη [7]. Με την ενσωμάτωση της ρευματοειδούς γενετική ευρήματα αρθρίτιδας με τον κατάλογο των εγκεκριμένων φαρμάκων για τη ρευματοειδή αρθρίτιδα και άλλες ασθένειες, Okada Υ et al παρέχεται μια εμπειρικά δεδομένα να δείχνουν ότι οι γενετικές προσεγγίσεις μπορεί να είναι χρήσιμη για την υποστήριξη της γενετικής με γνώμονα την γονιδιωματική προσπάθειες ανακάλυψης φαρμάκων σε πολύπλοκα ανθρώπινα χαρακτηριστικά [8 ].

στην παρούσα μελέτη, χρησιμοποιήσαμε το

in silico

αγωγού να ενσωματώσουν συστηματικά στοιχεία για τις θέσεις κινδύνου για CRC βιολογία και την ανακάλυψη φαρμάκων από διάφορες βάσεις δεδομένων.

Υλικά και Μέθοδοι

Μια επισκόπηση του σχεδιασμού της μελέτης απεικονίζεται στο Σχ. 1. Βιολογική υποψήφια γονίδια ελήφθησαν από GWAS-προσδιορίζονται τόπους κινδύνου CRC. Στη συνέχεια, τα γενετικά δεδομένα ενσωματώθηκαν με τα αποτελέσματα των στατιστικών αναλύσεων, υπολογιστικές προσεγγίσεις, και διατίθενται στο κοινό μεγάλα σύνολα δεδομένων που δίνουν προτεραιότητα στα λαμβάνονται γονίδια, και να προτείνει νέους στόχους για φαρμακευτικές αγωγές.

Εκατόν σαράντα επτά υποψήφιες γονίδια λήφθηκαν από 50 θέσεις κινδύνου CRC. Ένας αγωγός βιοπληροφορική αναπτύχθηκε για την ιεράρχηση αυτών των υποψηφίων γονιδίων. Επτά κριτήρια χρησιμοποιήθηκαν για να σημειώσει τα γονίδια: (1) παραλλαγή CRC παρερμηνεύσιμη κίνδυνο? (2)

cis

-eQTL? (3) PubMed εξόρυξης κειμένου? (4) PPI? (5) καρκίνος σωματική μετάλλαξη? (6) φαινότυπο νοκ-άουτ το ποντίκι? και (7) λειτουργική εμπλουτισμού. Βαθμός επικάλυψης με γονίδια-στόχους για εγκεκριμένα φάρμακα CRC εκτιμήθηκε επίσης.

Η

τόπους κίνδυνο CRC από GWAS

Έχουμε κατεβάσει SNPs κίνδυνο CRC από την Εθνική ανθρώπινο γονιδίωμα Ίδρυμα Ερευνών (NHGRI) GWAS Κατάλογος της βάσης δεδομένων για 31, Ιανουαρίου 2014 [2]

Βιολογική υποψήφια γονίδια από τόπους κίνδυνο CRC

είναι ευρέως γνωστό το γεγονός ότι ο κίνδυνος SNPs δείχνει απλοτύπων στις οποίες διαμένουν οι λειτουργικές παραλλαγές.? Ως εκ τούτου, το επόμενο βήμα ήταν να προσδιορίσει τα γονίδια-στόχους τους. Με την υιοθέτηση πολλών σχολιασμών μεταξύ SNPs κινδύνου και γύρω από τα γονίδιά τους, η

snp2gene

επιτρέπεται συμβατική σχολιασμό λόγω της εγγύτητάς τους, καθώς και ανισορροπία σύνδεσης [9].

Για καθένα από τα GWAS SNPs που εμπλέκονται, χρησιμοποιήσαμε το

snp2gene

να εντοπίσει τα υποψήφια γονίδια. Για κάθε γονίδιο στο τόπους κινδύνου, αξιολογήσαμε εάν το γονίδιο ήταν το πλησιέστερο γονίδιο στο SNP κίνδυνο CRC εντός του τόπου του κινδύνου.

Ιεράρχηση των υποψηφίων γονιδίων

Με τη χρήση διαφόρων συνόλων βιολογικά δεδομένα, επινοήσαμε έναν αγωγό βιοπληροφορική με προτεραιότητα τις πιο πιθανός υποψήφιος γονίδια.

Κατ ‘αρχάς, τη λειτουργική τους σχολιασμούς για SNPs κίνδυνο CRC εντοπίστηκαν από

ANNOVAR

[10]. παραλλαγές Γνώρισμα σχετιζόμενη εμπλουτίστηκαν εντός σήματα χρωματίνη, ιδιαίτερα σε H3K4me3 [11]. δεδομένα H3K4me3 από 34 κυτταρικούς τύπους θα μπορούσε να παρέχει την ακριβή χαρτογράφηση των συνδεδεμένων SNPs για τον εντοπισμό συνάφεια διακύμανση των προηγούμενων μελετών [12]. Γι ‘αυτό και αξιολογείται κατά πόσον οι SNPs CRC κινδύνου και SNPs στην ανισορροπία σύνδεσης (r

2 & gt? 0,80) έχουν επικάλυψη με H3K4me3 κορυφές των 34 κυτταρικών τύπων. Τα δεδομένα H3K4me3 ελήφθησαν από τα Εθνικά Ινστιτούτα Υγείας χάρτη πορείας Epigenomics Χαρτογράφηση Consortium, με μια διαδικασία μετάθεση με 10

5 επαναλήψεις [12]. Εντοπίσαμε γονίδια για SNPs κίνδυνο CRC ή SNPs από ανισορροπία σύνδεσης (r

2 & gt? 0,80) που ήταν περιγράφονται ως παραλλαγές των εσφαλμένων διευθύνσεων

Δεύτερον, εκτιμήσαμε την

cis

-έκφραση ποσοτική. χαρακτηριστικό loci (

cis

-eQTL) εφέ χρησιμοποιώντας τα στοιχεία του 5311 της Ευρωπαϊκής θέματα από τη μελέτη σχετικά με μονοπύρηνα κύτταρα περιφερικού αίματος (PBMCs) [13]. Westra HJ et al. είχε κάνει ένα πρόγραμμα περιήγησης που διατίθενται για όλες τις σημαντικές

cis

-eQTLs, ανιχνεύονται σε ποσοστό ψευδώς ανακάλυψη του 0,50. (https://genenetwork.nl/bloodeqtlbrowser/) Στη μελέτη τους, eQTLs κρίθηκαν

cis

-eQTLs όταν η απόσταση μεταξύ της χρωμοσωμικής θέσης SNP και το μέσον ανιχνευτή ήταν μικρότερη από 250 kb. Οι eQTLs χαρτογραφήθηκαν χρησιμοποιώντας βαθμό συσχέτισης Spearman για τεκμαρτό δόσεις γονότυπο. Συνισταμένη συσχετίσεις ήταν στη συνέχεια μετατρέπονται σε τιμές P, και τις αντίστοιχες βαθμολογίες z τους σταθμίστηκαν με την τετραγωνική ρίζα του μεγέθους του δείγματος.

Για την αξιολόγηση

cis

-eQTL γονίδια των SNPs κίνδυνο, ήταν απαραίτητη μόνο να παρέχει όλες τις SNP κίνδυνο. Όταν το SNP κίνδυνο CRC δεν ήταν διαθέσιμα σε σύνολα δεδομένων eQTL, μπορούμε εναλλακτικά να χρησιμοποιηθούν τα αποτελέσματα από τις καλύτερες μεσολάβησης SNPs σε ανισορροπία σύνδεσης με το υψηλότερο r

2 τιμή (r

2 & gt? 0,80).

Τρίτον, με τη χρήση του γονιδίου σχέσεις μεταξύ ενοχοποιηθεί Loci (

GRAIL

), αξιολογήσαμε τον βαθμό σχετικότητας μεταξύ των γονιδίων εντός των περιοχών της νόσου.

GRAIL

είναι ένα εργαλείο για να εξετάσει τις σχέσεις μεταξύ των γονιδίων σε διαφορετική ασθένεια που σχετίζεται τόπους. Δεδομένου πολλές περιοχές του γονιδιώματος ή SNPs που σχετίζονται με CRC,

GRAIL

αναζητά ομοιότητες στη δημοσιευμένη επιστημονική κείμενο μεταξύ των συνδεδεμένων γονιδίων [14]. Μία τιμή ρ & lt? 0,05 θεωρήθηκε σημαντική. Για να αποφύγετε τις δημοσιεύσεις που αναφέρονται ή έχουν επηρεαστεί από τις περιοχές ασθένεια που ανακαλύφθηκε στις πρόσφατες σαρώσεις, χρησιμοποιούμε μόνο τα PubMed αποσπάσματα που δημοσιεύτηκαν πριν από τον Δεκέμβριο του 2006, πριν από την πρόσφατη επίθεση των εγγράφων GWA εντοπισμό νέων ενώσεων, αποφεύγεται κάθε ισχυρή τάση προς τα γονίδια που βρίσκεται πλησιέστερα στα συνδεόμενα SNPs. Αυτή η προσέγγιση αποφεύγει αποτελεσματικά αυτό το πρόβλημα. [14].

Στη συνέχεια, χρησιμοποιήσαμε το Σύνδεσμο Ασθένειας πρωτεϊνών Σύνδεσμος αξιολογητής

(παρδαλός)

για την εκτίμηση της παρουσίας σημαντικών φυσική σύνδεση μεταξύ των πρωτεϊνών που κωδικοποιούνται από υποψήφια γονίδια με αλληλεπίδραση πρωτεΐνης-πρωτεΐνης (ΡΡΙ), που αναφέρονται στη βιβλιογραφία. Η

παρδαλός

παίρνει μια λίστα των SNPs σπόρων που τους μετατρέπει σε γονίδια που βασίζεται στην επικάλυψη. Η υπόθεση πίσω παρδαλός είναι ότι μια γενετική παραλλαγή επηρεάζει ένα περιορισμένο σύνολο των υποκείμενων μηχανισμών που είναι ανιχνεύσιμες με ΠΠΑ [15]. Μία τιμή ρ & lt? 0,05 θεωρήθηκε σημαντική

Nest, πήραμε τον καρκίνο σωματικών γονιδίων μετάλλαξη από τον Κατάλογο Σωματικών Μεταλλάξεων Καρκίνου (

COSMIC

) βάσεων δεδομένων [16], και να κατεβάσει νοκ-άουτ. ποντίκι ετικέτες φαινότυπο και πληροφορίες γονίδιο από τη βάση δεδομένων Mouse Genome Πληροφορικής (MGI) [17], στις 8 Απριλίου, 2014. Ορίσαμε όλα τα γονίδια κινδύνου CRC που περιλαμβάνονται στους τόπους κινδύνου CRC, και αξιολόγησε την επικάλυψη με φαινοτύπους καρκίνου με συστημένη σωματικές μεταλλάξεις, και ετικέτες φαινότυπο των γονιδίων knockout ποντικού με ανθρώπινο ορθόλογες. Υπεργεωμετρική τεστ κατανομή χρησιμοποιήθηκε για την επικάλυψη των στατιστικών αναλύσεων που έχουν σημασία σε μια τιμή ρ & lt?. 0.05

Τέλος, πραγματοποιήσαμε ανάλυση εμπλουτισμό λειτουργία για να διερευνήσει εάν τα γονίδια που επηρεάζονται από SNPs εμπλουτίστηκαν για συγκεκριμένες λειτουργικές κατηγορίες ή πορείες. Οι DAVID Βιοπληροφορική Πόροι που περιλαμβάνονται Γονιδιακή Οντολογία (GO), Κιότο Εγκυκλοπαίδεια γονιδίων και γονιδιωμάτων (KEGG) και Online Μέντελ Κληρονομικότητα στον Άνθρωπο (ΟΜΙΜ) χρησιμοποιήθηκαν για τις αναλύσεις. [18] Τα αποτελέσματα που ελήφθησαν θεωρήθηκαν σημαντικές σε μια

p

αξία των & lt? 0,05

Εμείς σκόραρε καθένα από τα γονίδια χρησιμοποιώντας τα ακόλουθα κριτήρια επιλογής, και υπολόγισε τον αριθμό των ικανοποιημένοι κριτήρια: (1). γονιδίων με παραλλαγές των εσφαλμένων διευθύνσεων? (2)

cis

-eQTL γονίδια των SNPs κινδύνου? (3) γονίδια προτεραιότητα από PubMed εξόρυξης κειμένου? (4) γονίδια προτεραιότητα από το δίκτυο PPI? (5) καρκίνου σωματικών γονιδίων μετάλλαξη? (6) γονίδια προτεραιότητα από σχετίζεται φαινοτύπους νοκ-άουτ το ποντίκι? και (7) γονίδια προτεραιότητα με ανάλυση λειτουργικών εμπλουτισμού.

Οι συσχετίσεις των κριτηρίων ιεράρχησης υποψήφιο γονίδιο που αξιολογήθηκαν από την ανάλυση συσχέτισης Pearson. Κάθε γονίδιο βαθμολογήθηκε με βάση τον αριθμό των κριτηρίων που πληρούνται (βαθμολογίες κυμαίνονται από 0-7 για κάθε γονίδιο) σε περίπτωση ασθενούς συσχετισμών. Γονίδια με σκορ ⩾2 ορίστηκαν ως «γονίδια βιολογικού κινδύνου».

επικύρωση των ναρκωτικών και την ανακάλυψη

Αν ανθρώπινης γενετικής μπορεί να επικυρώσει τους στόχους του φαρμάκου, τότε μπορεί να χρησιμοποιηθεί για να προσδιορίσει αν το εγκεκριμένο φάρμακα που χρησιμοποιούνται σήμερα για τη θεραπεία άλλων ενδείξεων μπορούν να χρησιμοποιηθούν για τη θεραπεία της CRC. Παρουσιάζουμε εδώ μια ανάλυση των δυνατοτήτων εφαρμογής των δεδομένων GWAS, επαναστόχευση φαρμάκων.

Έχουμε λάβει γονιδίων στόχων των ναρκωτικών και των αντίστοιχων πληροφοριών για τα ναρκωτικά από τα ναρκωτικά Τράπεζα [19] και Θεραπευτικό Στόχοι Database (TTD) [20] για 18 Οκτώβρη , το 2013. Έχουμε επιλέξει γονιδίων-στόχων των ναρκωτικών που είχε φαρμακολογικές δράσεις και είναι αποτελεσματικοί στην ανθρώπινη ορθόλογες μοντέλα, καθώς και εκείνα τα οποία σχολιάζονται με οποιοδήποτε από τα εγκεκριμένα, κλινική δοκιμή ή πειραματικά φάρμακα.

Τα γονίδια-στόχους ναρκωτικών σχολιασμένη να CRC ναρκωτικά έγιναν με το χέρι εξάγεται από επαγγελματίες ογκολόγους. Για να μειώσετε τις τιμές των ψευδώς θετικών, μόνο τα φάρμακα σύμφωνα με την ισχύουσα κλινική χρήση συμμετείχαν στη μελέτη, η οποία θα μπορούσε να βρεθεί στις κατευθυντήριες οδηγίες κλινικής πρακτικής NCCN στην παχέος εντέρου. [21]

Εμείς εξάγεται γονίδια από την άμεση ΠΠΑ με βιολογικά γονίδια κινδύνου CRC με τη χρήση του δικτύου πρωτεϊνικών αλληλεπιδράσεων ανάλυση-2 (

PINA2)

, το οποίο ενσωματώνει έξι γνωστών χειροκίνητα επιμέλεια βάσεις δεδομένων ΠΠΑ [22].

Αξιολογήσαμε τη δυνατότητα να εξερευνήσετε πρωτεϊνικά προϊόντα από τις προσδιοριζόμενες γονίδια βιολογικού κινδύνου, ή οποιωνδήποτε γονιδίων από ένα άμεσο δίκτυο ΡΡΙ ως στόχοι των εγκεκριμένων φαρμάκων CRC ή φάρμακα για άλλες ενδείξεις. Έστω x είναι το σύνολο των βιολογικών γονίδια κινδύνου CRC και γονίδια σε άμεση PPI μαζί τους (n

x γονίδια), y είναι το σύνολο των γονιδίων με τα προϊόντα πρωτεΐνης που είναι ο άμεσος στόχος των εγκεκριμένων φαρμάκων CRC (n

y γονίδια), και z είναι το σύνολο των γονιδίων με τα προϊόντα πρωτεΐνης που είναι ο άμεσος στόχος όλων των εγκεκριμένων φαρμάκων (n

γονίδια z). Ορίσαμε n

x∩y και n

x∩z όπως ο αριθμός των γονιδίων επικάλυψη μεταξύ χ και γ και μεταξύ Χ και Ζ, αντιστοίχως. Υπεργεωμετρική δοκιμές διανομής χρησιμοποιήθηκαν για την επικάλυψη των στατιστικών αναλύσεων, και την αξία AP & lt? 0,05 θεωρήθηκε στατιστικά σημαντική

Αποτελέσματα

Στην παρούσα μελέτη, 50 CRC που σχετίζονται με SNPs ελήφθησαν από NHGRI (. Πίνακας 1), και 140 γονίδια ελήφθησαν με βάση την εγγύτητα και ανισορροπία σύνδεσης χρησιμοποιώντας το

snp2gene

(S1 πίνακα).

η

Λειτουργική σχολιασμούς των SNPs κινδύνου CRC

οι περισσότεροι SNPs (62%) βρίσκονταν στις διαγονιδιακές περιοχές (S2 Πίνακας). Δύο SNPs ταυτοποιήθηκαν σε ανισορροπία σύνδεσης με SNPs εσφαλμένου νοήματος (r

2 & gt? 0,80? S3 Πίνακα). Στη συνέχεια, αξιολογείται 50 loci κίνδυνος CRC για εμπλουτισμένο επιγενετικές χρωματίνη σήματα [12]. Από τις 34 τύποι κυττάρων διερευνώνται, παρατηρήσαμε μια σημαντική εμπλουτισμό των αλληλομόρφων κινδύνου CRC με H3K4me3 κορυφές του ορθού κύτταρα του βλεννογόνου (

σ

= 0.00014 και 0.00023, αντίστοιχα) (S4 Πίνακας).

Κις -έκφραση ποσοτικά χαρακτηριστικό loci (

cis

-eQTL)

Χρησιμοποιώντας το

cis

-eQTL δεδομένα που προέκυψαν από τη μελέτη PBMC [13], βρήκαμε ότι 13 SNPs κινδύνου έδειξε

cis

-eQTL αποτελέσματα (p & lt? 0,0016 και FDR & lt? 0,5). (S5 πίνακας)

PubMed κείμενο εξόρυξης

Είκοσι τέσσερα γονίδια προτεραιότητα με βάση δεδομένα που λαμβάνονται από PubMed εξόρυξης κειμένου χρησιμοποιώντας το

GRAIL

με το γονίδιο που βασίζεται σ & lt? 0.05 [14] (S6 Πίνακας)

αλληλεπίδρασης πρωτεΐνης-πρωτεΐνης (PPI)

Δύο γονίδια προτεραιότητα από το δίκτυο PPI χρησιμοποιώντας γονίδιο-based

παρδαλός

με p & lt.? 0.05 [15] (S7 Πίνακας).

Καρκίνος σωματική μετάλλαξη

Μεταξύ των 522 γονίδια με συστημένη σωματικές μεταλλάξεις που λαμβάνονται από την κοσμική βάση δεδομένων [16], μια σημαντική επικάλυψη παρατηρήθηκε σε γονίδια που σχετίζονται με μη-αιματολογικών καρκίνων (5/6, Ρ = 2.41E -05) (S8 Πίνακας).

knockout φαινότυπο του ποντικιού

Εμείς αξιολογούνται επικάλυψη με γονίδια που εμπλέκονται στην φαινοτύπους ποντίκι knockout [17]. Μεταξύ των 30 κατηγοριών των φαινοτύπων, παρατηρήσαμε εννέα κατηγορίες σημαντικά εμπλουτισμένη με γονίδια CRC κινδύνου (p & lt? 0,05)., Με επικεφαλής τον κρανιοπροσωπικές φαινότυπο (S9 Πίνακας)

Λειτουργική εμπλουτισμό ανάλυση

GO ανάλυση έδειξε ότι μερικές γονίδια εμπλουτισμένο σε τρεις κατηγορίες (S10 πίνακα)? δύο με οδούς KEGG παρατηρούνται στον καρκίνο (p = 0,002), και ένα με μικροκυτταρικό καρκίνο του πνεύμονα (ρ = 0.011) ήταν λειτουργικά συνδεδεμένα (S11 πίνακα). Λειτουργική ανάλυση από ΟΜΙΜ αποδειχθεί εμπλουτισμένο σύνολα γονιδίων σε ορθοκολικό ασθένειες (S12 Πίνακας)

Με βάση αυτά τα νέα ευρήματα, εμείς ενέκρινε τα ακόλουθα επτά κριτήρια για την προτεραιότητα κάθε ένα από τα 140 γονίδια από το loci κινδύνου 50 CRC:. (1 ) γονίδια με την παραλλαγή CRC παρερμηνεύσιμη κινδύνου (n = 2)? (2)

cis

-eQTL γονίδια (n = 13)? (3) γονίδια προτεραιότητα από PubMed εξόρυξη κειμένου (n = 24)? (4) γονίδια προτεραιότητα από PPI (n = 2)? (5) τα γονίδια του καρκίνου σωματική μετάλλαξη (n = 6)? (6) γονίδια προτεραιότητα από σχετίζεται φαινοτύπους knockout ποντικών (n = 40)? και (7) γονίδια προτεραιότητα με ανάλυση λειτουργικών εμπλουτισμού (n = 31)

Επειδή αυτά τα κριτήρια έδειξε αδύναμη συσχετίσεις με το άλλο (R

2 & lt? 0,48? S13 πίνακα)., κάθε γονίδιο βασίστηκε σκόραρε σχετικά με τον αριθμό των κριτηρίων που πληρούνται (βαθμολογίες κυμάνθηκαν 0-7 για κάθε γονίδιο)

Τριάντα-πέντε γονίδια (25,2%) είχαν ένα σκορ & gt?. 2, οι οποίες ορίζονται ως «τα γονίδια του βιολογικού κινδύνου» ( S1 Σχ.). Τρεις τόποι που περιλαμβάνονται πολλαπλά βιολογικά γονίδια κινδύνου CRC, (για παράδειγμα, ROS1 και GOPC από rs2057314) (Πίνακας 2).

Η

Για να παρέχουν εμπειρικά στοιχεία του αγωγού, αναλύσαμε τα αποτελέσματα του γονιδίου. Γονίδια με υψηλότερη βιολογική βαθμολογίες ήταν πιο πιθανό να είναι πλησιέστερα στην SNP κινδύνου (62,8% για τη γονιδιακή στείλει ⩾ 2, 24% για γονιδιακή σκορ & lt? 2? Ρ & lt? 0.001). Εν τω μεταξύ, από του ορθού κύτταρα βλεννογόνου κατέδειξε σημαντική επικάλυψη αναλογίες με H3K4me3 κορυφές σε σύγκριση με άλλους τύπους κυττάρων.

Τέλος, αξιολογήσαμε τον πιθανό ρόλο της γενετικής σε σχέση με την ανακάλυψη φαρμάκων για τη θεραπεία της CRC. Υπεργεωμετρική δοκιμές διανομής χρησιμοποιήθηκαν για την επικάλυψη στατιστικές αναλύσεις. Έχουμε λάβει 11303 γονίδια ζεύγη από επιμέλεια βάσεις δεδομένων PPI. Έχουμε λάβει 871 γονιδίων-στόχων του φαρμάκου που αντιστοιχεί στο εγκεκριμένο, σε κλινικές δοκιμές ή πειραματικά φάρμακα για ασθένειες του ανθρώπου (S14 Πίνακας). Για λόγους αξιοπιστίας υπολογισμού, μόνο τα φάρμακα CRC στη θεραπεία πρώτης γραμμής συμμετείχαν στη μελέτη. Οκτώ γονιδίων στόχων των εγκεκριμένων φαρμάκων CRC συμπεριλήφθηκαν (S15 Πίνακας).

Τριάντα ένα βιολογικό γονίδια κινδύνου CRC επικαλύπτονται με 533 γονίδια από το διευρυμένο δίκτυο ΠΠΑ (S2 Εικ. Και S3 Εικ.). Βρήκαμε μια επικάλυψη 5/8 γονιδίων στόχων φαρμάκων εγκεκριμένων φαρμάκων CRC (5/8 vs 70/781, εμπλουτισμός 12,09 φορές, Ρ = 0,00013). Όλα τα γονίδια στόχοι 871 φαρμάκου (ανεξάρτητα από ένδειξη ασθένειας) επικαλύπτονται με 70 γονίδια από το δίκτυο ΠΠΑ, η οποία πρότεινε ότι ο εμπλουτισμός ήταν 1,55 φορές μεγαλύτερη από αυτή που αναμένεται από την τύχη και μόνο (ρ = 0,00012), αλλά λιγότερο από 7,78 φορές σε σύγκριση με ήδη εγκεκριμένο CRC φάρμακα (p = 1,78 × 10

-5). Παραδείγματα των εγκεκριμένων θεραπειών CRC που προσδιορίζονται από την ανάλυση αυτή περιλαμβάνονται ιρινοτεκάνη, regorafenib και cetuximab (Εικ. 2).

Μαύρες γραμμές δείχνουν τις συνδέσεις.

Η

Συσχέτιση των εγκεκριμένων φαρμάκων για άλλες ασθένειες με βιολογική γονίδιο κίνδυνο CRC εκτιμήθηκε επίσης. Ένα παράδειγμα επαναστόχευση φαρμάκων (Σχ. 3), είναι η χρήση του crizotinib, ένα εγκεκριμένο φάρμακο για μη-μικροκυτταρικό καρκίνο του πνεύμονα για τη θεραπεία της CRC [16]. Τριοξείδιο του αρσενικού vrinostat, το dasatinib, εστραμουστίνη, και tamibarotene είναι όλα τα υποσχόμενα φάρμακα για τη θεραπεία της CRC (Εικ. 4).

Η

Συζήτηση

GWAS έχουν εντοπίσει αμέτρητες ασθένειες συνδεδεμένες γενετικές παραλλαγές. Ωστόσο, σημαντικά εμπόδια έχουν εμποδίσει την ικανότητά μας να εντοπίσει γονίδια που επηρεάζονται από τις παραλλαγές συνάφεια και στην αποσαφήνιση του μηχανισμού με τον οποίο επηρεάζει γονότυπο φαινότυπο.

Οι περισσότερες εκθέσεις έχουν απλώς εμπλακεί το πλησιέστερο γονίδιο σε ένα GWAS χτυπήσουν χωρίς ουσιαστικές αποδείξεις [1] . Η μελέτη αυτή προτεραιότητα τις πιο πιθανό γονιδίων στόχων. Εντοπίστηκαν συνολικά 31 βιολογικού γονίδια κινδύνου CRC. Αν και βιολογικά γονίδια κινδύνου CRC είναι πιο πιθανό να είναι αιτιώδης γονίδια, αυτό εξακολουθεί να χρειάζεται επιβεβαίωση από τις βασικές μοριακές μελέτες με τη χρήση προηγμένων τεχνολογιών. Edwards et al παρέχεται μία σωλήνωση για μελέτες παρακολούθησης, η οποία περιλαμβάνει λεπτομερή χαρτογράφηση των SNPs κινδύνου, της ιεράρχησης των υποτιθέμενων λειτουργικά SNPs, και in vitro και in vivo πειραματική επαλήθευση του προβλεπόμενο μοριακό μηχανισμούς για τον εντοπισμό των στοχευόμενων γονιδίων [1].

GWAS επικρίνεται για την έλλειψη κλινικών μετάφραση λόγω του μεγέθους του φαινομένου. Ωστόσο, μεμονωμένα μικρά μεγέθη αποτέλεσμα δεν αποκλείει κατ ‘ανάγκη κλινική χρησιμότητα. Sanseau et al πρότεινε τη χρήση των GWAS για την επανατοποθέτηση του φαρμάκου, η οποία θεωρείται ως μια πολλά υποσχόμενη στρατηγική στη μεταγραφική ιατρική. Σε μια μελέτη που διερεύνησε 3-υδροξυ-3-μεθυλο-γλουταρυλο συνενζύμου Α, ένα γνωστό υπολιπιδαιμικό φάρμακο, SNPs σε αυτό το γονίδιο χωρίς αμφιβολία σχετίζεται με τα επίπεδα της χοληστερόλης λιποπολυσακχαρίτη χαμηλής πυκνότητας στα δεδομένα GWAS. [6] Η μελέτη τους συμπεριλάβει όλες τις GWAS που σχετίζονται με τα γονίδια που επιλέχθηκαν από τον κατάλογο GWAS, χωρίς επίτευγμα για CRC ναρκωτικά.

Στην παρούσα μελέτη, επικεντρώθηκε σε αναπροσανατολισμό φάρμακα για CRC με βάση την ιεράρχηση των υποψηφίων γονιδίων σε οι GWAS-προσδιορίζονται τόπους. Για παράδειγμα, crizotinib, τριοξείδιο του αρσενικού, vrinostat, το dasatinib, εστραμουστίνη, και tamibarotene είναι επίσης πολλά υποσχόμενη αναδιαμορφωθεί φάρμακα για CRC. Αν και απαιτούνται περαιτέρω έρευνες για να επιβεβαιώσουν τα αποτελέσματα αυτής της μελέτης, μπορούμε νομίζω ότι αυτά τα φάρμακα στόχος επιλεγεί θα μπορούσε να είναι πολλά υποσχόμενη υποψήφια φάρμακα για τη θεραπεία της CRC.

δεδομένα GWAS είναι χρήσιμη στην παροχή γνώσεις σχετικά με τη βιολογία των ασθενειών, αλλά μπορεί επίσης να μεταφράσουμε αυτές τις οδηγεί σε κερδοφόρες ευκαιρίες στην ανάπτυξη φαρμάκων. Ωστόσο, τα δεδομένα GWAS δεν παρέχει λεπτομερείς πληροφορίες παθοφυσιολογικές? Ως εκ τούτου, οι πρόσφατα ταυτοποιημένες χρήσεις των παλαιών φαρμάκων μπορεί ενδεχομένως να είναι παρενέργειες [23]. Επιτυχής αναπροσανατολισμό ενός φαρμάκου συνεπάγεται το συνδυασμό των αποτελεσμάτων από τη δημοσιευμένη βιβλιογραφία και την κλινική έρευνα.

Παρά το γεγονός ότι υπήρξαν ορισμένες θετικές πτυχές από τη μελέτη αυτή, υπήρχαν ορισμένοι περιορισμοί, όπως καλά. Πρώτον, τα δεδομένα της μελέτης PBMC χρησιμοποιήθηκε για

cis

-eQTL ανάλυση. Αν και eQTLs προσδιορίζονται από έναν τύπο ιστού μπορεί να είναι ένα χρήσιμο υποκατάστατο για τη μελέτη της γενετικής έκφρασης γονιδίου σε άλλο ιστό [24], η χρήση της eQTLs ιστο-ειδικών είναι ίσως πιο χρήσιμο για την κατανόηση της παθογένεσης της CRC [25]. Δεύτερον, από τους τύπους 34 κυττάρων διερευνώνται, παρατηρήσαμε μόνο μια σημαντική εμπλουτισμό του SNP κινδύνου με H3K4me3 κορυφές σε πρωκτικές κύτταρα βλεννογόνου. Παρ ‘όλα αυτά, ο εμπλουτισμός δεν ήταν σημαντική για τα κύτταρα του βλεννογόνου του παχέος εντέρου.

Σε αυτή τη μελέτη, θα ενσωματωθεί γενετικών δεδομένων και στατιστική ανάλυση, υπολογιστικές προσεγγίσεις, και δημοσίως διαθέσιμα μεγάλα σύνολα δεδομένων να δοθεί προτεραιότητα στην υποψήφια γονίδια, και να προτείνει νέους στόχους για την CRC φαρμακευτικές αγωγές. Πιστεύουμε ότι τα γονίδια-στόχους και φάρμακα που επιλέγονται από την προσέγγιση αυτή θα μπορούσε να υπόσχεται οδηγεί στην ανάπτυξη υποψήφια φάρμακα για την θεραπεία του CRC, αν και οι περαιτέρω έρευνες δικαιολογείται για επιβεβαίωση των αποτελεσμάτων αυτών.

Υποστήριξη Πληροφορίες

S1 Σχ. . Διανομή ιστόγραμμα βαθμολογιών γονιδίου

Τριάντα-πέντε γονίδια με σκορ & gt? 2 ορίστηκαν ως «γονίδια του βιολογικού κινδύνου»

doi: 10.1371 /journal.pone.0116477.s001

(TIF)

S2 Εικ. Επικάλυψη της 31ης βιολογικών γονιδίων συν 553 γονίδια σε άμεση PPI μαζί τους και γονιδίων-στόχων των ναρκωτικών.

Βρήκαμε επικάλυψη 5 γονιδίων από τα γονίδια-στόχους 8 φαρμάκων εγκεκριμένων φαρμάκων CRC (εμπλουτισμός 12.09 φορές, p = 1,78 × 10

-5). Όλα τα γονίδια στόχου 871 φαρμάκου (ανεξάρτητα από την ένδειξη της νόσου) επικαλύπτονται με 70 γονίδια από το δίκτυο ΠΠΑ, υποδεικνύοντας 1,55 φορές υψηλότερος εμπλουτισμός από το αναμενόμενο κατά τύχη και μόνο (p = 1,20 × 10

-4)? αλλά λιγότερο από 7,78 φορές εμπλουτισμό σε σύγκριση με το CRC φάρμακα (p = 1,30 × 10

-4)

doi:. 10.1371 /journal.pone.0116477.s002

(ΔΕΘ)

S3 Εικ. δίκτυο PPI των βιολογικών γονιδίων κινδύνου CRC και γονιδίων-στόχων των ναρκωτικών

Pink:. γονιδίων-στόχων των ναρκωτικών? γονίδια κινδύνου CRC?: Πορτοκαλί Κυανό:. Άμεση γονίδια PPI στη βάση δεδομένων PINA2

doi: 10.1371 /journal.pone.0116477.s003

(ΔΕΘ)

S1 πίνακα. Περίληψη των 140 υποψηφίων γονιδίων με βάση την εγγύτητα και ανισορροπία σύνδεσης

doi:. 10.1371 /journal.pone.0116477.s004

(XLSX)

S2 πίνακα. SNPs κινδύνου σχολιασμένη από

annovar

Η doi:. 10.1371 /journal.pone.0116477.s005

(XLSX)

S3 πίνακα. παραλλαγή εσφαλμένου νοήματος σε ανισορροπία σύνδεσης (r

2 & gt? 0,8) με πολυμορφισμούς νουκλεοτιδίων κίνδυνο μόνο σχολιασμένο από

ANNOVAR

Η doi:. 10.1371 /journal.pone.0116477.s006

(XLSX)

S4 πίνακα. Επικάλυψη του παχέος τον κίνδυνο εμφάνισης καρκίνου πολυμορφισμών μοναδικού νουκλεοτιδίου με H3K4me3 κορυφές στα κύτταρα

doi:. 10.1371 /journal.pone.0116477.s007

(DOCX)

S5 πίνακα.

cis

-έκφραση ποσοτικά χαρακτηριστικό loci της πολυμορφισμούς μονών νουκλεοτιδίων κίνδυνο ορθοκολικού καρκίνου

doi:. 10.1371 /journal.pone.0116477.s008

(XLSX)

S6 πίνακα. Γονίδια προτεραιότητα από PubMed εξόρυξης κειμένου

doi:. 10.1371 /journal.pone.0116477.s009

(XLSX)

S7 πίνακα. . Γονίδια προτεραιότητα από το δίκτυο αλληλεπίδρασης πρωτεΐνης-πρωτεΐνης

doi: 10.1371 /journal.pone.0116477.s010

(XLSX)

S8 πίνακα. Επικάλυψη του παχέος γονίδια κινδύνου καρκίνου με καρκίνο σωματική γονίδια μετάλλαξη

doi:. 10.1371 /journal.pone.0116477.s011

(XLSX)

S9 πίνακα. Γονίδια προτεραιότητα από το φαινότυπο knockout ποντικών χρησιμοποιώντας υπεργεωμετρική τεστ διανομής

doi:. 10.1371 /journal.pone.0116477.s012

(DOCX)

S10 πίνακα. Γονίδια προτεραιότητα με πάει εμπλουτισμό ανάλυση

doi:. 10.1371 /journal.pone.0116477.s013

(XLSX)

S11 πίνακα. Γονίδια προτεραιότητα με ανάλυση εμπλουτισμό KEGG

doi:. 10.1371 /journal.pone.0116477.s014

(XLSX)

S12 πίνακα. Γονίδια προτεραιότητα με ανάλυση εμπλουτισμό ΟΜΙΜ

doi:. 10.1371 /journal.pone.0116477.s015

(XLSX)

S13 πίνακα. Οι συσχετίσεις των βιολογικά κριτήρια ιεράρχησης υποψήφιο γονίδιο

doi:. 10.1371 /journal.pone.0116477.s016

(XLSX)

S14 πίνακα. Μια λίστα των γονιδίων-στόχων των ναρκωτικών

doi:. 10.1371 /journal.pone.0116477.s017

(DOCX)

S15 πίνακα. Περίληψη των εγκεκριμένων φαρμάκων για καρκίνο του παχέος εντέρου και του στόχου γονίδια

doi:. 10.1371 /journal.pone.0116477.s018

(DOCX)

Ευχαριστίες

Ευχαριστώ για τη βοήθεια των δεδομένων ανάλυση από SuZhou BioNovo Gene Co, LTD

Χρηματοδότηση πηγή:.

Το ερευνητικό έργο χρηματοδοτήθηκε από το Εθνικό Key Technology Πρόγραμμα υποστήριξης (αριθμός Grant: 2104000032), Εθνικό Ίδρυμα Φυσικών Επιστημών της Κίνας (σημείο αριθμός: 81372290) και το Εθνικό Ίδρυμα Φυσικών Επιστημών της Κίνας (αριθμός είδους: 81372291)

.