Αφηρημένο

Ο καρκίνος των ωοθηκών είναι μια ετερογενής νόσος εμφανίζει συγκρότημα γονιδιωματικής αλλαγές, και, κατά συνέπεια, ήταν δύσκολο να καθορίσει τις πιο σχετικές αριθμό αντιγράφων αλλαγές με την κλίμακα των μελετών μέχρι σήμερα. Έχουμε λάβει αριθμό αντιγράφων αλλοίωση (ΚΥΠΕ) δεδομένων γονιδιώματος-ευρεία από τέσσερις διαφορετικές SNP πλατφόρμες array, με ένα τελικό σύνολο δεδομένων από 398 όγκους των ωοθηκών, κυρίως της ορώδες ιστολογική υπότυπο. Συχνές εκτροπές ΚΥΠΕ στοχευμένη πολλές χιλιάδες γονίδια. Ωστόσο, αμπλικόνια υψηλού επιπέδου και ομόζυγη διαγραφές ενεργοποιήσετε το φιλτράρισμα αυτής της λίστας με τις πιο σχετικές. Το μεγάλο σύνολο δεδομένων να ενεργοποιήσετε την τελειοποίηση των ελάχιστων περιοχών και την ταυτοποίηση των σπάνιων αναδιπλασιασμού όπως στο 1p34 και 20q11. Πραγματοποιήσαμε μια νέα ανάλυση συν-εμφάνισης για την αξιολόγηση της συνεργασίας και της αποκλειστικότητας των CNA και ανέλυσε τη σχέση τους με αποτέλεσμα ασθενή. Θετικές ενώσεις εντοπίστηκαν μεταξύ κερδών στις 19 και 20q, 20q κέρδος και την απώλεια του Χ, και μεταξύ διαφόρων περιοχών της απώλειας, ιδιαίτερα 17q. Βρήκαμε αδύναμες συσχετίσεις του ΚΥΠΕ στη γονιδιωματική τόπους όπως 19q12 με την κλινική έκβαση. Εκτιμήσαμε επίσης γενωμική μέτρα αστάθεια και βρήκε έναν συσχετισμό του αριθμού των υψηλότερων πλάτους κέρδη με τις φτωχότερες συνολική επιβίωση. Με τη συναρμολόγηση τη μεγαλύτερη συλλογή των δεδομένων αριθμού των ωοθηκών αντιγραφής μέχρι σήμερα, έχουμε καταφέρει να εντοπίσει τις πιο συχνές εκτροπές και τις αλληλεπιδράσεις τους

Παράθεση:. Gorringe KL, George J, Anglesio MS, Ραμακρίσνα Μ, Etemadmoghadam D, Cowin P, et al. (2010) Αντίγραφο Αριθμός ανάλυση εντοπίζει Μυθιστόρημα αλληλεπιδράσεις μεταξύ Γονιδιωματική Loci στον καρκίνο των ωοθηκών. PLoS ONE 5 (9): e11408. doi: 10.1371 /journal.pone.0011408

Επιμέλεια: Ι Ο βασιλιάς της Ιορδανίας, Georgia Institute of Technology, Ηνωμένες Πολιτείες της Αμερικής

Ελήφθη: 11η Φεβρουαρίου του 2010? Αποδεκτές: 16 Απριλίου, 2010? Δημοσιεύθηκε: 10 Σεπτεμβρίου 2010

Copyright: © 2010 Gorringe κ.ά.. 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

Χρηματοδότηση:. Αυτό το έργο υποστηρίχθηκε από το Εθνικό Σύστημα Υγείας και Ιατρικής Έρευνας του Συμβουλίου της Αυστραλίας? το βικτοριανό Breast Cancer Research Consortium (VBCRC), Αυστραλία? και το Υπουργείο Άμυνας (DOD), Ηνωμένες Πολιτείες της Αμερικής. JG υποστηρίζεται από μια αυστραλιανή Βραβείο Μεταπτυχιακών Σπουδών. MR υποστηρίζεται από μια Αντικαρκινικό Συμβούλιο της Βικτώριας Μεταπτυχιακών Υποτροφιών. Η έρευνα αυτή υποστηρίζεται επίσης από ένα βικτοριανό επιχορήγηση Life Sciences Υπολογισμού Πρωτοβουλία (VLSCI) στην κορυφή Computing Διευκόλυνση της στο Πανεπιστήμιο της Μελβούρνης και στο Victorian εταιρικής σχέσης για την Advanced Computing (VPAC). Μελέτη της Αυστραλίας Καρκίνος των ωοθηκών (AOCS) υποστηρίχθηκε από τις Ηνωμένες Πολιτείες Στρατού Ιατρικής Έρευνας και Εντολή υλικού υπό DAMD17-01-1-0729, ο καρκίνος του Συμβουλίου Βικτόρια, Queensland Ταμείο καρκίνος, ο καρκίνος Συμβούλιο της Νέας Νότιας Ουαλίας, ο καρκίνος Συμβούλιο Νότιας Αυστραλίας, το Ίδρυμα Καρκίνου της Δυτικής Αυστραλίας, ο καρκίνος Συμβούλιο Τασμανία, και το Εθνικό Συμβούλιο Έρευνας Υγείας και Ιατρικής της Αυστραλίας (NHMRC). 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 καρκίνο των ωοθηκών

Επιθηλιακά (EOC) είναι μία από τις πλέον θανατηφόρες κακοηθειών, με υψηλή υποτροπή και την κακή ποσοστά επιβίωσης [1]. Οι γενετικές ανωμαλίες που παρατηρούνται στην EOC είναι εξαιρετικά περίπλοκη, το οποίο περιλαμβάνει συχνές ανευπλοειδίας και πολλαπλασιάζονται αναδιατάσσονται χρωμοσώματα [2], [3]. Η ετερογένεια του αριθμού αντιγράφων αλλοιώσεις (ΚΥΠΕ) παρατηρήθηκε σε ΕΓΚ έχει καταστήσει δύσκολο για τις μικρές μελέτες για να είναι σε θέση να προσδιορίσει με ακρίβεια την πραγματική συχνότητα του λιγότερο κοινού προσαρμογείς CNA ή να προσδιορίσει επαναλήψιμα CNAs που συσχετίζονται με κλινικές παραμέτρους. Ένα μικρό μέγεθος του δείγματος καθιστά επίσης δύσκολο να εντοπιστούν CNAs που συνυπάρχουν ή αλληλοαποκλείονται, η οποία αποτελεί προϋπόθεση για να εντοπίσει τυχόν κοινές οδούς που μπορεί να απελευθερωθεί στην EOC μέσω μεταβολών σε αριθμό αντιγράφων του γονιδίου. Το πρότυπο για την αμοιβαία αποκλειόμενα εκτροπές που στοχεύουν στην ίδια οδό τέθηκε σε όγκους παχέος εντέρου για

APC

και

CTNNB1

μεταλλάξεις [4] και επεκτάθηκε και σε άλλα παραδείγματα, όπως η αποκλειστικότητα του

BRAF

και

KRAS

μεταλλάξεις [5]. Αντίθετα, οι άλλες γενετικές ανωμαλίες που παρατηρούνται πιο συχνά με τον ίδιο όγκο από ό, τι θα αναμενόταν από την τύχη, γεγονός που υποδηλώνει μια συνεργατική δράση, για παράδειγμα, η σημαντική συσχέτιση της 11q13 και 8p12 αμπλικόνια στον καρκίνο του μαστού [6]. Στον καρκίνο των ωοθηκών, οι ενώσεις έχουν βρεθεί μεταξύ

CCNE1

και ενίσχυση 12p [7], καθώς και μεταξύ των

MYC

και 20q ενίσχυσης [8] με φθορισμό

in situ υβριδισμού

. Λίγες μελέτες έχουν εξετάσει την ύπαρξη συνεργασίας ή συμπλήρωση του ΚΥΠΕ με βάση γονιδίωμα-ευρεία. Απώλειες σε 4ιζ και 18q βρέθηκαν να συνδέονται σε μία μελέτη [9], αλλά αυτό δεν επαναλήφθηκε σε μια πρόσφατη ανάλυση [10], η οποία προσδιόρισε 7 ενώσεις CNA και 6 αντι-συσχετίσεις.

Η παρουσία υψηλών γονίδιο επίπεδο πολλαπλασιασμούς στον καρκίνο των ωοθηκών έχει παρατηρηθεί για κάποιο χρονικό διάστημα, ωστόσο οι περισσότερες μελέτες έχουν underpowered σε μέγεθος δείγματος [10] ή γονιδιωματική ανάλυση [11], [12] για να εντοπίζει με ακρίβεια τη συχνότητα και τον στόχο αυτών των γεγονότων. Ομοίως, λίγοι ισχυρή ενώσεις CNA με κλινικές παραμέτρους όπως η επιβίωση έχουν εντοπιστεί [13], [14]. Η ανίχνευση αυτών των CNA είναι σχετικό όχι μόνο στην ταυτοποίηση των υποομάδων του όγκου και των πορειών που επηρεάζονται στους όγκους, αλλά επίσης για την στόχευση των μοριακών θεραπειών στον καρκίνο των ωοθηκών. Σε αυτή τη μελέτη έχουμε συγκεντρώσει μια μεγάλη ομάδα πολυμορφισμού ενός νουκλεοτιδίου (SNP) τα δεδομένα πίνακα αντιστοίχισης για να σχολιάσετε σθεναρά προσαρμογείς CNA στην ορώδες και ενδομητριοειδές καρκίνους των ωοθηκών, προκειμένου να προσδιοριστούν τα γονίδια που στοχεύονται από αυτές τις γενετικές γεγονότα και πώς αυτά συσχετίζονται με κλινικές παραμέτρους. Επιπλέον, έχουμε αξιολογήσει την αλληλεπίδραση του ΚΥΠΕ με την αξιολόγηση των ενώσεών τους και αντι-ενώσεις

Υλικά και Μέθοδοι

Peter MacCallum Κέντρο Καρκίνου (PMCC) σύνολο δεδομένων:. Δείγματα ιστών και DNA εξόρυξη

Όλα τα δείγματα συλλέχθηκαν με ενημερωμένη συγκατάθεση του ασθενούς και η μελέτη εγκρίθηκε από όλα τα συμμετέχοντα νοσοκομείο επιτροπών Ανθρωπίνων Έρευνας Ηθικής. Οι ασθενείς με καρκίνο των ωοθηκών εντοπίστηκαν μέσω τεσσάρων πρωτογενών πηγών μεταξύ του 1992 και του 2006: α) 53 σε νοσοκομεία στο Southampton, Ηνωμένο Βασίλειο, β) 141 μέσω της Αυστραλίας ωοθηκών μελέτη για τον καρκίνο, συμπεριλαμβανομένων των 20 από τον ιστό Westmead Γυναικολογικής Ογκολογίας της Τράπεζας, γ) 15 μέσω της PMCC Tissue Bank (Μελβούρνη, Αυστραλία) και δ) 41 από το Πανεπιστήμιο Jikei (Tokyo, Japan). ανασκόπηση Pathology διεξήχθη είτε από φορμαλίνη, ενσωματωμένα σε παραφίνη ιστών ή /και φρέσκο-κατεψυγμένα τμήματα δίπλα στον ιστό από τον οποίο το DNA εκχυλίζεται (n = 141) ή μέσω της εξέτασης των αρχικών διαγνωστικών εκθέσεις προβλημάτων (n = 109) (Πίνακας 1 , Πίνακας S1).

η

Όλα τα δείγματα ιστών συλλέχθηκαν και φρέσκο ​​κατεψυγμένο υλικό. Ένα αντιπροσωπευτικό αιματοξυλίνη και ηωσίνη χρωματίστηκαν τμήμα αξιολογήθηκε και τα δείγματα με & gt? Επιθηλιακά κύτταρα του 80% χρησιμοποιήθηκαν άμεσα για την εκχύλιση του DNA από το σύνολο των ιστών. Για το υπόλοιπο, βελόνα ή λέιζερ ανατομή διεξήχθη χρησιμοποιώντας 10 μm τομές για να ληφθούν υψηλό ποσοστό συστατικού επιθηλιακών καρκινικών κυττάρων. DNA εκχυλίστηκε όπως περιγράφηκε προηγουμένως [14], [15]. Κανονική DNA από λεμφοκύτταρα αίματος ήταν διαθέσιμα για 106 ασθενείς

Ο Καρκίνος Γονιδιώματος Atlas (TCGA) σύνολο δεδομένων:. Δείγματα ιστών και DNA εξόρυξη

Τα δείγματα συλλέχθηκαν ως κατεψυγμένα υλικό από νοσοκομεία στο USA (n = 163). Δείγματα όγκου αξιολογήθηκαν ως & gt? 80% των επιθηλιακών κυττάρων πριν από την εξαγωγή του DNA από το σύνολο των ιστών, όπως περιγράφεται [16]. Κανονική DNA από λεμφοκύτταρα αίματος ήταν διαθέσιμα για 161 ασθενείς. Τα αποτελέσματα δημοσιεύονται εδώ είναι εν μέρει βασίζεται σε δεδομένα που παράγονται από το πιλοτικό πρόγραμμα του καρκίνου Γονιδιώματος Atlas συστάθηκε με το NCI και NHGRI. Πληροφορίες σχετικά με TCGA και οι ερευνητές και τα ιδρύματα που αποτελούν το ερευνητικό δίκτυο TCGA μπορεί να βρεθεί στο https://cancergenome.nih.gov.

συστοιχίες Αντιγραφή αριθμού

υποβλήθηκαν σε επεξεργασία

Τα δείγματα όπως περιγράφηκε προηγουμένως για συστοιχίες Χαρτογράφηση Affymetrix α) n = 108 50 K

Xba

Ι [14], GSE 13813 β) n = 27 250 K

Sty

της συστοιχίες Ι γ) n = 32 500 K συστοιχίες (250 Κ

Sty

Ι και 250 Κ

Nsp

Ι, [17]), δ) n = 83 SNP6.0 (1.8 Μ σετ καθετήρα [15], [18], GSE19539). Όταν είναι διαθέσιμες, που ταιριάζουν κανονική DNA αναλύθηκε επίσης στην ίδια πλατφόρμα σειρά και στην ίδια παρτίδα. αρχεία TCGA SNP6.0 CEL για 163 δείγματα είχαν κατεβάσει από την πύλη δεδομένων (https://tcga-data.nci.nih.gov/tcga/homepage.htm).

Δεδομένα προ-επεξεργασία και ανάλυση

Όλες οι συστοιχίες Χαρτογράφηση SNP για πρώτη φορά ομαλοποιήθηκε χρησιμοποιώντας μεθόδους που είναι διαθέσιμες στο πακέτο R «aroma.affymetrix» [19], συμπεριλαμβανομένων των τεχνικών για την απομάκρυνση συστηματικών τάσεων που εισάγονται λόγω αλληλομόρφων διαγώνια συζήτηση, PCR θραύσμα μήκους προκατάληψη και τις διαφορές ως προς το περιεχόμενο GC . αριθμός αντιγράφων DNA εκτιμήθηκε set-σοφό ανιχνευτή συγκρίνοντας την κανονικοποιημένο σήμα από ένα δείγμα όγκου με τα στοιχεία από την κανονική DNA λεμφοκυττάρων από τον ίδιο ασθενή, εάν είναι διαθέσιμη. Σε δείγματα όγκων για τους οποίους συνδυάζεται φυσιολογικό ιστό δεν ήταν διαθέσιμη, το μέσο σήμα από όλα τα φυσιολογικά παράγεται στο ίδιο εργαστήριο χρησιμοποιήθηκε ως αναφορά. Τα βήματα ποιοτικού ελέγχου που περιγράφεται στις Μεθόδους S1. οι περιλαμβάνονται δείγματα συνοψίζονται μόνο στον Πίνακα 1.

Η εγκύκλιος μέθοδος δυαδικό κατάτμησης χρησιμοποιήθηκε για το τμήμα του αντιγράφου κανονικοποιημένα δεδομένα [20], [21]. Τυχόν σετ καθετήρα μέσα σε ένα CNA που ήταν παρούσα σε & gt? 5% των κανονικών δειγμάτων εξαιρέθηκαν από την ανάλυση του όγκου πριν από την τμηματοποίησης για να αφαιρέσετε πολυμορφισμών κοινού αριθμού αντιγράφων (CNP). Τμήματα με λιγότερους από 10 σετ καθετήρα (SNP6) ή 5 σετ καθετήρα (500 K) συγχωνεύθηκαν με το παρακείμενο τμήμα της πλησιέστερος αριθμός αντίγραφο ως προηγούμενη ανάλυση QPCR πρότεινε ότι εκτροπών αντιπροσωπεύεται από λίγους ανιχνευτές σε αυτές τις πλατφόρμες δεν μπορεί να είναι αξιόπιστη [17]. Επιπλέον, χρησιμοποιήσαμε Γονιδιωματική προσδιορισμό των σημαντικών Στόχοι στον Καρκίνο (GISTIC), η οποία είναι μια μέθοδος που συγκεντρώνει δεδομένα σε διαφορετικές όγκους για να προσπαθήσει να γίνει διάκριση μεταξύ του οδηγού και των επιβατών εκτροπές, συνδυάζοντας τον επιπολασμό και το πλάτος [22]. Η τεχνική αυτή πραγματοποιήθηκε με τη χρήση ενός web-based interface (https://genepattern.broadinstitute.org) με τα κατώτατα όρια ΚΥΠΕ των ± 0,3, τουλάχιστον 10 δείκτες και ένα κατώτατο όριο q-αξίας 0,25.

Για την ιεραρχική ομαδοποίηση, όλοι οι όγκοι αξιολογήθηκαν για την παρουσία ( «1») ή απουσία ( «0») της κάθε κορυφής GISTIC αλλοίωση (n = 89), όπου κάθε επικάλυψη θεωρήθηκε ως παρουσία. Ιεραρχική ομαδοποίηση με μέσο ομαδοποίησης Ευκλείδεια των δειγμάτων (n = 398) πραγματοποιήθηκε με τη χρήση Partek Γονιδιωματική Σουίτα v.6.4 (Partek Inc., St. Louis, ΜΟ).

Σύνδεσης μεταξύ των περιφερειών της εκτροπών

Αναλάβαμε την ανάλυση της σύνδεσης για το σύνολο των δεδομένων TCGA (για την οποία έχουμε εκ νέου έτρεξε GISTIC) και στη συνέχεια τα υπόλοιπα δείγματα. Δύο διαφορετικές μέθοδοι χρησιμοποιήθηκαν για να υπολογιστεί ενώσεις μεταξύ των περιφερειών του κέρδους και της απώλειας. GISTIC αποτελέσματα συνοψίζονται ως μήτρα Χ με όγκους, όπως γραμμές και περιοχές της εκτροπές ως στήλες. Για κάθε όγκου (t) και εστιακή περιοχή του εκτροπή (i), η μέτρηση Χ [t, Ι] ήταν 1, εάν η εκτροπή ήταν παρούσα για την εν λόγω όγκου και 0 διαφορετικά. Ένα log-γραμμικό μοντέλο Poisson είχε ταιριάζει στο τραπέζι έκτακτης ανάγκης που περιγράφει την κατάσταση εκτροπής. Η στατιστική σημαντικότητα της ένωσης υπολογίστηκε χρησιμοποιώντας ένα τεστ βαθμολογία που παράγει μια τυπική κανονική z-στατιστική [23]. Αυτό είναι ισοδύναμο με την τετραγωνική ρίζα του το συνηθισμένο στατιστικό τεστ Pearson για την ανεξαρτησία, η οποία υπεγράφη ανάλογα με την κατεύθυνση του συλλόγου. Η μέθοδος Benjamini και Hochberg χρησιμοποιήθηκε για τη διόρθωση για πολλαπλές δοκιμές [24].

Σύνδεσης μεταξύ των περιφερειών της εκτροπών δοκιμάστηκε επίσης χρησιμοποιώντας το τεστ μετάθεσης Μόντε Κάρλο. Εν συντομία, κάθε στήλη στην μήτρα Χ permuted ανεξάρτητα (διατηρώντας τον αριθμό των εγγραφών στις στήλες να είναι το ίδιο). Ένα σκορ για ένωση υπολογίστηκε με χρήση του Μετατεθειμένο μήτρας όπως περιγράφεται για την παραμετρική δοκιμή παραπάνω. Ο μέσος βαθμός που λαμβάνεται για κάθε ζεύγος περιοχών από ένα μεγάλο αριθμό συνδυασμών χρησιμοποιήθηκε για να εκτιμηθεί το ποσοστό εσφαλμένης ανακάλυψη και τον αριθμό των φορών που ένα στατιστικό τεστ μεγαλύτερο ή πάνω από την αρχική στατιστική δοκιμή χρησιμοποιήθηκε για να υπολογιστεί η τιμή ρ. Χρησιμοποιώντας ένα ποσοστό εσφαλμένης ανακάλυψη 5% των μεθόδων που επιλέγονται & gt? 98% από τα ίδια ζεύγη των περιφερειών. Επιλέξαμε να χρησιμοποιήσετε την πρώτη μέθοδο που περιγράφηκε για την επιλογή περιοχής, αλλά και οι δύο αναφέρθηκαν.

Ανάλυση των συσχετισμών έκφρασης μεταξύ συνδεδεμένων αριθμό αντιγράφων εξογκώματα

Σας έθεσε ευθέως ότι η συσχέτιση μεταξύ των περιφερειών των εκτροπών θα πρέπει να οδηγήσει σε συσχέτιση του mRNA επίπεδα των γονιδίων εντός της περιοχής. Affymetrix U133A δεδομένων πίνακα ελήφθησαν για όλα τα δείγματα από TCGA. Για όλα τα παραπάνω συνδέονται περιοχές, πραγματοποιήθηκαν τέσσερις δοκιμές συσχετισμού Pearson για τα γονίδια στις περιοχές: α) συσχέτιση αριθμού αντιγράφων μεταξύ Gene Χ στην Περιοχή Α και Gene Υ στην Περιοχή Β, β) συσχέτιση μεταξύ του αριθμού αντιγράφων και της έκφρασης των γονιδίων Χ σε περιοχή Α, γ) τη σχέση μεταξύ του αριθμού αντιγράφων και της έκφρασης των γονιδίων Υ στην περιοχή Β και δ) συσχέτιση της έκφρασης μεταξύ των γονιδίων Χ και Υ Gene Όλες οι τέσσερις δοκιμές έπρεπε να είναι σημαντικό σε p & lt?. 0.05

Survival Σύλλογοι

το μοντέλο αναλογικού κινδύνου Cox χρησιμοποιήθηκε για τον υπολογισμό της συσχέτισης μεταξύ των περιφερειών της εκτροπής ανιχνεύεται από GISTIC και τη συνολική ή επιβίωση χωρίς εξέλιξη, διόρθωση για πολλαπλές δοκιμές με τη μέθοδο Benjamini-Hochberg. Για να υπολογίσουμε τη συσχέτιση επιβίωση με ζεύγη περιοχών, τα δείγματα ταξινομήθηκαν σε τέσσερις ομάδες με βάση την κατάσταση εκτροπή των ζευγών των περιφερειών. Ομοίως, για τις γονιδιωματικές μέτρα, τα δείγματα binned σε μία από τις τέσσερις ομάδες με βάση τα δεδομένα τεταρτημόρια για κάθε μέτρο. συσχέτιση της επιβίωσης με τις ομάδες που θα έχουν προσδιοριστεί υπολογίστηκε χρησιμοποιώντας το μοντέλο αναλογικών κινδύνων Cox.

Αποτελέσματα

Ενσωμάτωση αριθμού αντιγράφων αλλοιώσεις από 398 ωοθηκών καρκινώματα

Εμείς καταρτίζονται αριθμό αντιγράφων υψηλής ανάλυσης δεδομένα από σχεδόν 400 δείγματα καρκίνου των ωοθηκών αντιπροσωπεύουν δύο ιστολογική υποτύπους, ορώδες και ενδομητριοειδές (Πίνακας 1), 270 των οποίων είχαν ταιριάζουν κανονικά δεδομένα DNA των λεμφοκυττάρων. Τα δεδομένα συγκεντρώθηκαν από διάφορες πηγές: υψηλής ποιότητας Affymetrix SNP6.0 Χαρτογράφηση Array «CEL» αρχεία προήλθαν μέσα από το Cancer Genome Atlas (TCGA, 157 περιπτώσεις) ή ελήφθησαν στο Peter MacCallum Κέντρο Καρκίνου (83 περιπτώσεις [18]) SNP Χαρτογράφηση δεδομένων πίνακα προέρχονται από χαμηλότερη ανάλυση πλατφόρμες Affymetrix συμπεριλαμβανομένων 108 περιπτώσεων προσδιορίστηκαν σε 50 K

Xba

συστοιχίες Ι [14], 27 περιπτώσεις σε 500 K συστοιχίες [15] και 23 περιπτώσεις για 250 K

Sty

επίσης, περιλαμβάνονται πίνακες που προέρχονται από την Ιαπωνία,. Εκτεταμένες κριτήρια ποιοτικού ελέγχου εφαρμόστηκαν σε όλα τα σύνολα δεδομένων (βλέπε Μέθοδοι S1). Μετά από κανονικοποίηση κάθε σύνολο δεδομένων, ο αριθμός αντιτύπων αλλοιώσεις (ΚΥΠΕ) ανιχνεύθηκαν με εγκύκλιο δυαδικό κατάτμησης [21]. Αξιολογήσαμε μια σειρά από δυνατότητες συνδυασμού των συνόλων δεδομένων συμπεριλαμβανομένων των κατώτατων ομάδα ειδικών (βλέπε Μέθοδοι S1), ωστόσο αυτό έκανε μικρή διαφορά στο τελικό σχέδιο CNA και ένα πρότυπο όριο του +/- 0,3 (log

2) εφαρμόστηκε καθολικά όπως περιγράφηκε προηγουμένως από εμάς [17] και άλλοι [10].

σύγκριση μεταξύ των πέντε πηγές των δεδομένων έδειξε μια αξιοσημείωτη συνέπεια του CNA σε όλη του γονιδιώματος, υποδεικνύοντας υψηλό βαθμό μη-τυχαιότητας στο CNA και εξίσου κυρίως, η απουσία σημαντικών επιπτώσεων σειρά παρτίδα (Σχήμα S1). Η εξαίρεση ήταν η ιαπωνική σύνολο δεδομένων, το οποίο εμφανίστηκε να δείχνουν μια μείωση του αριθμού των αλλοιώσεων. Ωστόσο, μια δοκιμή γονιδίωμα-ευρεία διεξήχθη για τον εντοπισμό περιοχών παρεκκλίνουσα σε διαφορετικές συχνότητες μεταξύ διαφορετικών πλατφορμών και δεν μπορούσε να εντοπίσει τυχόν στατιστικά σημαντικές περιοχές μετά από πολλαπλές διόρθωση δοκιμές.

Είμαστε αξιολόγησε την δυνατότητα μοριακών υποομάδων στο πλαίσιο της συνδυασμένης ομάδα ορίζεται με βάση τον αριθμό αντιγράφων χρησιμοποιώντας ιεραρχικής ομαδοποίησης (Σχήμα S1). Μόνο μία ομάδα των δειγμάτων ήταν διακριτά? αυτά είχαν λίγα CNA και έτειναν να είναι δείγματα χαμηλού βαθμού ή οι Ιάπωνες δείγματα, για την οποία πληροφορίες βαθμού δεν ήταν ως επί το πλείστον διαθέσιμα. Δεν υπήρχαν άλλες διακριτές συστάδες ή μεγάλες ομάδες που αναλογεί σε ιστολογικό υπότυπο ή βαθμό. Ειδικότερα, η υψηλής ποιότητας ορώδης και υψηλής ποιότητας ενδομητριοειδές ήταν ομοιόμορφα ενσωματωθεί, η οποία είναι συνεπής με την προηγουμένως παρατηρηθείσα ομοιότητα αυτών των υποτύπων, όπως εκτιμάται χρησιμοποιώντας ανοσοϊστοχημικές δεικτών [25] και τα προφίλ γονιδιακής έκφρασης [26].

Προκειμένου να εντοπίσει τις πιο σχετικές προσαρμογείς CNA πραγματοποιήσαμε μια σειρά από συμπληρωματικές αναλύσεις, όπως κάθε μέθοδος που χρησιμοποιείται έχει δυνατά και αδύνατα σημεία που μπορεί να συμπληρωθεί από την άλλη. Πρώτον, GISTIC εφαρμόστηκε σε όλες τις 240 SNP6 δειγμάτων προκειμένου να διαπιστωθεί «κομβικό» και «ευρεία» κορυφές (όπως ορίζεται στο [22]) (Εικόνα 1, Πίνακας S2). Ωστόσο, GISTIC δεν μπορούν να ενσωματωθούν εύκολα δείγματα από διαφορετικές πλατφόρμες. Γι ‘αυτό επέλεξε να χρησιμοποιήσει μια δεύτερη συμπληρωματική μέθοδος για να GISTIC: μια συνολική προσέγγιση συχνότητα που θα ενσωματώνουν κατακερματισμένη αριθμό αντιγράφων ανεξάρτητα στοιχεία της πλατφόρμας για την ανάλυση ολόκληρου του 398 του δείγματος ομάδα μας. Όπως ήταν αναμενόμενο, οι πιο σημαντικές περιοχές του κέρδους αριθμού αντιγράφων προβλέπεται τόσο από GISTIC και η συνολική συχνότητα βρίσκονταν 3q (63% των δειγμάτων με κέρδος CN) και 8q (62% των δειγμάτων με κέρδος CN) (Σχήμα 1). Άλλες συχνές κέρδη παρατηρήθηκαν επί 20q (47%) και 12p (39%). Οι πιο συχνές περιοχές της απώλειας που προσδιορίζονται στην παρούσα μελέτη (χρωμοσώματα Χ, 8p, 22q, 17, 4Q, 19p και 16, & gt? 40%) συμφωνούν με προηγούμενες μελέτες από εμάς [15] και άλλοι [10], [27] . Για να επιλέξετε τα πιο σχετικά γονίδια, έχουμε κατ ‘αρχάς αναφέρει εκείνες τις περιοχές του κέρδους και της απώλειας με τουλάχιστον 30% τη συχνότητα ή σε GISTIC κορυφές και στη συνέχεια εντοπίστηκαν γονίδια που επίσης στοχευμένες από τα υψηλότερα γεγονότα πλάτος, ακόμη και αν αυτό ήταν σε χαμηλότερη συχνότητα (Πίνακας S2 ). Δεδομένου ότι δεν υπάρχει σαφής συναίνεση σχετικά με το τι συνιστά «υψηλού επιπέδου» ενίσχυσης, αναφέρουμε τις περιοχές με συχνές κέρδη σε ημερολόγιο

2 αναλογίες & gt? 0.6 (σε 40 ή περισσότερα δείγματα, 10% +), & gt? 0.8 ( 5% +) και & gt? 1 (2,5% +). Για τις ζημίες, θεωρήσαμε ομόζυγη διαγραφές (log

2 αναλογίες & lt? -1) Είναι παρούσα σε τουλάχιστον 4 δείγματα. Ο κατάλογος των γονιδίων προτεραιότητα λαμβάνοντας υπόψη τη συχνότητα της υψηλής έντασης CNA και την αλληλεπικάλυψη με GISTIC (Πίνακες 2 και 3). Οι συγκεκριμένες περιοχές του κέρδους φαίνεται στα σχήματα S2, S3, S4, S5, S6 και S7.

Κέρδη (Α) και ζημίες (Δ) σε 240 δείγματα σε συστοιχίες SNP6 αναλύονται από GISTIC. Κέρδη (Β) και ζημίες (C) σε 398 δείγματα σε διάφορες πλατφόρμες σειρά. Δείγμα τμήματα αυτά επικαλύπτονται σε Partek Γονιδιωματική Σουίτα v 6.4, δημιουργώντας ένα σημείο δεδομένων για κάθε τμήμα ορίζεται από τον αριθμό αντιγράφων σημεία διακοπής, και στη συνέχεια χαράσσεται με βάση τον αριθμό του δείγματος.

Η

Η

Κατά τη χρήση αυτής της ευέλικτης προσέγγιση βρήκαμε ότι ορισμένες περιοχές εντοπίστηκαν μόνο σαφώς από το ένα ή το άλλο τρόπο. Με τη συμπερίληψη μιας σειράς υψηλότερο εύρος όρια ΣΟ και τις κορυφές που προβλέπονται από GISTIC, πρόσθετες περιοχές ταυτοποιήθηκαν όπως κέρδη στα χρωμοσώματα 1, 6ρ, 11q, 19 και ζημίες από 5q, 6q26, 10q23, 13q και 18q22. Επιπλέον, στις πλατφόρμες υψηλής ανάλυσης, όπως η σειρά SNP6, GISTIC έτειναν να εντοπίσει πολύ μικρές περιοχές, ενδεχομένως λείπει σχετική γονίδια. Για παράδειγμα, στο 3q26 υπήρχαν δύο στενά διαστήματα κορυφές σημασία στο προφίλ GISTIC (Εικόνα S2). Το υψηλότερο από αυτά, από ένα πολύ στενό περιθώριο (-log τιμή q 93.88

vs

. 93,43), δεν διασταυρώνονται με οποιαδήποτε γονίδια, ενώ η άλλη κορυφή επικαλύπτει

MECOM

(

MDS /EVI1

)? υπάρχουν επαρκή στοιχεία για αυτό το γονίδιο είναι ένα ογκογονίδιο στον καρκίνο των ωοθηκών [28]. Έτσι, στηριζόμενη σε GISTIC μόνο θα σχολιάσετε την 3q26 περιοχή που δεν έχουν γονίδια που παρουσιάζουν ενδιαφέρον. Σε αντίθεση, χρησιμοποιώντας μια προσέγγιση συχνότητα, η μέγιστη συχνότητα σε όλα τα αριθμού αντιγράφων κατώφλια περικλείει

MECOM

.

Επίσης, υπήρχαν και άλλες περιοχές για τις οποίες χρησιμοποιώντας μια προσέγγιση συχνότητα χάσει γονίδια ή έδωσαν αντικρουόμενα δεδομένα. Για παράδειγμα, στο 19q12, κάθε όριο αριθμό αντιγράφων προσδιορίζεται μια ελαφρώς διαφορετική περιοχή συχνότητας αιχμής, ποικιλοτρόπως εντοπισμό

CCNE1

,

C19ORF2

ή κανένα γονίδιο στην κορυφή (Σχήμα S3). Αντίθετα, η ικανότητα του GISTIC να ενσωματώσει το πλάτος του κέρδους σε όλα τα δείγματα προσδιορίζονται σαφώς

CCNE1

ως το γονίδιο στην κορυφή. Υπάρχουν ισχυρές ενδείξεις ότι

CCNE1

είναι η σωστή κλήση από το κυκλίνης Ε είναι μια βασική πρωτεΐνη του κυτταρικού κύκλου και την ενίσχυση και πάνω από την έκφρασή του έχει προηγουμένως αναγνωριστεί ως βασική κινητήρια δύναμη της ανταπόκρισης του ασθενούς στη χημειοθεραπεία στο ορώδες καρκίνωμα των ωοθηκών [14 ]. Τα βασικά συμπεράσματα που προκύπτουν από την ανάλυση μας, των ατομικών διαγραφές και αναδιπλασιασμού, συμπεριλαμβανομένων γνώσεις σχετικά με πιθανά γονίδια του οδηγού, εφόσον στη συζήτηση.

Σύλλογοι μεταξύ μεταβολών ΣΟ

Η έννοια του συνεταιρισμού και αλληλοαποκλειόμενες γενετικές αλλοιώσεις έχει σπάνια εξετάζονται σε επίπεδο προσαρμογείς CNA ή σε κλίμακα γονιδιώματος-ευρεία. Θέλαμε να γνωρίζουμε αν υπάρχουν προσαρμογείς CNA που συνεργάζονται ωοθηκών ογκογένεση, ή ότι είναι λειτουργικά περιττές ο ένας στον άλλο, για παράδειγμα, αν ενεργούν στο ίδιο μονοπάτι. Για τη μέτρηση αυτή αξιολογήσαμε εάν υπήρχαν CNAs που ήταν περισσότερο ή λιγότερο πιθανό να συνδέεται με το άλλο, πάνω από τυχαία, χρησιμοποιώντας μια στατιστική ανάλυση. Συνοπτικά, μετρήσαμε τον αριθμό των θετικών δειγμάτων για CNA (π.χ. ένα κέρδος) στην περιοχή Α μόνη, μόνη περιοχή Β, οι δύο περιοχές και ούτε περιοχής, και σε σύγκριση με τα ευρήματα με την αναμενόμενη συνύπαρξη με βάση τη συνολική συχνότητα των ΚΥΠΕ στο Α πολλαπλασιασμένο με τη συχνότητα του B. για παράδειγμα, για μια συχνότητα κέρδος σε 20q11 του 68/183 (37%) και σε 19q12 του 50/183 (33%), θα περιμέναμε το 12% των δειγμάτων που έχουν και οι δύο οφέλη. Ωστόσο, παρατηρούμε μια πραγματική συχνότητα των δειγμάτων με τις δύο αλλαγές που είναι σημαντικά διαφορετική από αυτή, δηλαδή 35/183 (19%, p & lt? 0,0001), υποδεικνύοντας μια αύξηση στην συνύπαρξη πάνω από το επίπεδο της τύχης και ως εκ τούτου ενδεχομένως συνεργαζόμενων CNAs. Η μέθοδος μπορεί επίσης να χρησιμοποιηθεί εξίσου για την ανίχνευση μειώσεις στην συνύπαρξη. Κατά την εφαρμογή αυτής της μεθόδου γονιδίωμα-ευρεία, εφαρμόσαμε μια διόρθωση πολλαπλές δοκιμές με FDR των & lt?. 5%

Αναλάβαμε αυτή την ανάλυση πρώτα χρησιμοποιώντας τα δεδομένα TCGA, καθώς είναι πιο ομοιογενή για το βαθμό και τον υπότυπο, και είναι υψηλής ανάλυσης. Επαναλάβαμε GISTIC ανάλυση σχετικά με αυτό το σύνολο δεδομένων και μόνο για να αποκτήσετε 46 κορυφές του κέρδους αριθμού αντιγράφων και 27 της απώλειας (αποκλειστικές περιοχές της κανονικής διακύμανσης του αριθμού αντιγράφων, ή πολυμορφισμοί αριθμού αντιγράφων (CNPs)). Τα δείγματα ταυτοποιήθηκαν ως θετικά ή αρνητικά για κάθε κορυφή ΚΥΠΕ, με αιχμές κέρδος σημείωσε ως θετική μόνο για τα κέρδη και τις κορυφές της απώλειας σημείωσε ως θετική μόνο για τις ζημίες, καθώς και μια ανάλυση του συνεταιρίζεσθαι διεξήχθη όπως περιγράφεται στις μεθόδους. Σε ένα ποσοστό εσφαλμένης ανακάλυψη του 5%, 305 ζεύγη των περιοχών της εκτροπής ήταν θετικά και 18 ζεύγη συσχετίζονται αρνητικά (Πίνακας S3, Σχήμα 2). Μερικές συνυπάρχουσες κορυφές GISTIC βρίσκονταν εντός της ίδιας ευρεία περιοχή GISTIC και παρόλο που η ανάλυση GISTIC έδειξε ότι αυτές οι περιοχές της αλλαγής του αριθμού αντιγράφων ήταν διαφορετικές, επειδή είναι φυσικά στενά συνδεδεμένη αυτοί μπορεί να μην είναι ανεξάρτητοι μεταξύ τους. Όπως η ανεξαρτησία είναι απαραίτητη για τη δοκιμή σύνδεσης εκτελεστεί, δεν αναλύθηκαν περαιτέρω. Αποκλείσαμε επίσης εκείνες τις ενώσεις στις οποίες είτε αιχμής ήταν μια CNP, αφήνοντας 98 ζεύγη των περιοχών που σχετίστηκαν θετικά, όλα τα αλλά 16 από τα οποία βρίσκονται σε διαφορετικά χέρια χρωμόσωμα (Πίνακας 4). 12 ζεύγη των περιοχών είχαν αρνητική συσχέτιση.

(Α) Διαδικασία για τον προσδιορισμό των συναφών εκτροπές (περισσότερες λεπτομέρειες στο Μέθοδοι S1). (Β) περίληψη των σημαντικών ενώσεων σε κάθε σύνολο δεδομένων και εκείνων σημαντική και στις δύο. Όπως ο πίνακας εξελίσσεται, ορισμένες ενώσεις φιλτράρονται, με τους αριθμούς που απομένουν εκείνους που περνούν το φίλτρο. Πρώτον, σχετίζεται τόποι που βρίσκονται μέσα στην ίδια ευρεία GISTIC ενδο-χρωμοσωμική περιοχή απομακρύνονται και δεύτερον οι περιφέρειες οι οποίες επικαλύπτονται με ένα CNP αφαιρεθεί. οικόπεδο (Γ) Circos. Εξωτερικός δακτύλιος δείχνει τη θέση του χρωμοσώματος κάθε ανωμαλίας (έγχρωμες γραμμές). Οι εσωτερικές μωβ γραμμές δείχνουν τις σημαντικές μεταξύ των χρωμοσωμικών ενώσεις (εκτός εκείνων που αφορούν την CNP) που έχουν επικυρωθεί στο δεύτερο σετ δεδομένων.

Η

Για να επικυρώνει τις ενώσεις που προσδιορίζονται με τη χρήση TCGA δεδομένων, επαναλάβαμε την ανάλυση σύνδεσης χρησιμοποιώντας τις ίδιες «TCGA GISTIC καθορισμένες« περιοχές όπως παραπάνω σε όλα τα άλλα υψηλής ποιότητας ορώδες και ενδομητριοειδές δείγματα (n = 183). Για αυτό το σύνολο δεδομένων, 296 περιφέρειες συσχετίζεται θετικά και 5 συσχετίζονται αρνητικά. Συνολικά, 29 θετικές ενώσεις και καμία αρνητική ήταν κοινά μεταξύ των δύο συνόλων δεδομένων (Σχήμα 2). Από αυτούς, 14 ήταν ενώσεις μεταξύ δύο κέρδη, 11 εκ των οποίων ήταν στο ίδιο χρωμόσωμα, και 14 ενώσεις ήταν ανάμεσα σε δύο απώλειες. Καμία από τις ενώσεις απώλεια απώλεια ήταν ενδο-χρωμοσωμικές, επειδή όλες οι ενώσεις αυτού του τύπου έχουν αποκλειστεί είτε για να βρίσκεται στην ίδια ευρύτερη περιοχή GISTIC ή για την ύπαρξη ενός CNP? Πράγματι, περισσότερα από τα GISTIC απώλειες κορυφής ήταν CNPs (n = 35) σε σύγκριση με τα κέρδη (n = 15) πιθανό να οφείλεται στην αποκάλυψη απώλεια επίδραση της ετεροζυγωτίας έχει στην ανίχνευση CNP στον όγκο [29]. Υπήρξε μια ενιαία ένωση μεταξύ ενός κέρδους και μιας απώλειας, μεταξύ αμπλικόνιο στο 20q11 και την απώλεια της Xq. Η ισχυρότερη θετική συσχέτιση μεταξύ κερδών σε διαφορετικά χρωμοσώματα ήταν για ενισχύσεις στο χρωμόσωμα 19q12 (πιθανότατα στόχευση

CCNE1

) και σε 20q11 (πέντε γονίδια). Για τις απώλειες, η ισχυρότερη κοινή ένωση ήταν μεταξύ των χρωμοσωμάτων 4ιζ και χρωμόσωμα 17. 17q12 απώλεια ήταν το πιο επιπόλαιο αλληλεπίδρασης, με 8 κοινούς θετικούς συνειρμούς.

Εμείς εντόπισε τα γονίδια που βρίσκονται μέσα ή κοντά σε θετικά συνδεδεμένες κορυφές και χρησιμοποιείται για την έκφραση του γονιδίου δεδομένα για την αξιολόγηση εάν οποιοδήποτε από τα γονίδια έδειξαν συσχέτιση μεταξύ του αριθμού αντιγράφων και της έκφρασης, και αν υπήρχαν συσχέτιση στο επίπεδο της γονιδιακής έκφρασης σε όλες τις περιφέρειες (Πίνακας S4). Βρήκαμε ότι οι ισχυρότερες ενώσεις μεταξύ των περιφερειών που εμπλέκονται γονίδια που αποκτήθηκε στο 19q12 ή 19p13.11, και τα γονίδια που αποκτήθηκε από 20q11. περιλαμβάνονται άλλες ενώσεις έκφραση γονίδιο θετικής

CD47

(που αποκτήθηκε από 3q13.12) με

UQCRFS1

ή

POP4

(τόσο που αποκτήθηκε στο 19q12). CD47 εντοπίστηκε για πρώτη φορά ως ένα αντιγόνο ωοθηκών όγκου [30], ωστόσο δεν υπάρχει καμία γνωστή λειτουργική σύνδεση είτε με 19q12 εταίρο.

Συσχέτιση με κλινικές παραμέτρους και τα αποτελέσματα

Χρησιμοποιήσαμε τα κλινικά δεδομένα TCGA να αξιολογήσει τη σχέση του αριθμού αντιγράφων και την έκβαση του ασθενούς χρησιμοποιώντας μονοπαραγοντική αναλογικών κινδύνων κατά Cox ανάλυση σχετικά με τις κορυφές GISTIC (Πίνακας S5). Κέρδος από 3q29 συσχετίστηκε με τη συνολική επιβίωση, όμως, αυτή η συσχέτιση δεν ήταν σημαντική μετά από πολλαπλές διόρθωση δοκιμή. Θετικές ενώσεις ΣΟ του 17q12 /22q απώλειες και 3q13 /19q12 κέρδη κάθε συσχετίζεται με τη συνολική επιβίωση, αλλά όχι την επιβίωση χωρίς εξέλιξη (Πίνακας S5).

Ειδικές μορφές της αλλαγής του αριθμού αντιγράφων και γενετική αστάθεια που συσχετίζονται με την έκβαση των ασθενών, συμπεριλαμβανομένου του απλού, πριονωτό και πυρκαγιά, έχουν περιγραφεί στον καρκίνο του μαστού [31]. Τα σχέδια της χρωμοσωμική ανωμαλία στον καρκίνο των ωοθηκών είναι δύσκολο να κατηγοριοποιήσετε σε ομάδες που περιγράφονται από Hicks

et al

. καθώς τα περισσότερα είναι ένας συνδυασμός πριονωτό και θύελλα. Ως εκ τούτου, ορίσαμε μια σειρά διαφορετικών μέτρων του γονιδιώματος αστάθειας και αναλύεται η συσχέτισή τους με την έκβαση του ασθενούς χρησιμοποιώντας το σύνολο δεδομένων TCGA (Πίνακας S5). Τα μέτρα αυτά περιλαμβάνονται: ο αριθμός των αριθμός αντιγράφων αλλάζει δηλαδή τα κέρδη, τις ζημίες, υψηλότερα κέρδη επίπεδο (& gt? 0,6 log

2 πλάτος) και ο συνολικός αριθμός των τμημάτων? το ποσοστό του γονιδιώματος στόχο την αλλαγή του αριθμού αντιγράφων (κέρδος, την απώλεια και το υψηλό επίπεδο κέρδους)? και ένα «δείκτη Hicks», όπως περιγράφεται [31] για τα κέρδη, οι ζημίες και τα δύο. Τα δείγματα χωρίστηκαν σε τεταρτημόρια με βάση την κάθε μία από αυτές δεικτών και δοκιμάστηκε για σύνδεση με την κλινική έκβαση χρησιμοποιώντας μονοπαραγοντική Cox ανάλυση αναλογικών κινδύνων. Των μέτρων αυτών, μόνο ο αριθμός των υψηλότερων κερδών πλάτους (p = 0,019), έδειξε μια συσχέτιση με την επιβίωση χωρίς εξέλιξη, αλλά όχι τη συνολική επιβίωση (Σχήμα S8). Το ποσοστό του γονιδιώματος περικλείονται σε υψηλότερα κέρδη επίπεδο δεν ήταν σημαντική (ρ = 0,88), γεγονός που υποδηλώνει ότι δεν είναι η αναλογία του DNA ενισχύεται, αλλά ο αριθμός των συμβάντων ενίσχυσης που είναι πιο σημαντικό.

Συζήτηση

Aneuploidy και κυτταρογενετική εκτροπές έχουν από καιρό αναγνωριστεί ως σήμα κατατεθέν του καρκίνου. Σε επιθηλιακά καρκίνων, έχουν αριθμό αντιγράφων μεταβολές έχουν δειχθεί ότι είναι οι οδηγοί του φαινοτύπου του καρκίνου μέσω της ενίσχυσης και πάνω έκφραση των ογκογονιδίων όπως

ERBB2

και απώλεια καταστολέων όγκου όπως

CDKN2A

. Ο καρκίνος των ωοθηκών είναι τόσο ετερογενής και κυτταρογενετικά συγκρότημα που καθιστά δύσκολο να αποκρυπτογραφήσει τις βασικές περιοχές του γονιδιώματος που πλήττονται από CNA. Προηγούμενες μελέτες έχουν γενικά underpowered σε σχέση με ανάλυση ή /και τον αριθμό του δείγματος, το πολύ που περιλαμβάνει περίπου 100 περιπτώσεις [10], [11], [12]. Η μελέτη αυτή φέρνει μαζί μια μεγάλη συλλογή από καρκινώματα των ωοθηκών προφίλ για τον αριθμό αντιγράφων, τα οποία έχουμε αναλύσει χρησιμοποιώντας τόσο GISTIC και προσεγγίσεις συχνότητα για να παρέχει μια οριστική σχολιασμό των τροποποιήσεων του οδηγού. Οι βασικές περιοχές συνοψίζονται στους πίνακες 2 και 3, ενώ ένα πιο περιεκτικό κατάλογο, που περιλαμβάνει την ένωση των δύο μεθόδων δίνεται στον Πίνακα S2. Λόγω του μεγάλου αριθμού των γονιδίων και των περιοχών που εμπλέκονται, δεν είναι δυνατόν να αντιμετωπιστούν όλα λεπτομερώς, ωστόσο, οι περιοχές που αναφέρονται παρακάτω απεικονίζουν μερικές από τις ιδέες που προέρχονται από την εργασία με αυτό το μεγάλο σύνολο δεδομένων.

Εμείς επέλεξε να χρησιμοποιήσει συμπληρωματικές αναλυτικές προσεγγίσεις όπως κάθε τεχνική έχει τα δικά του πλεονεκτήματα και τις αδυναμίες της: μια προσέγγιση συχνότητα για περιοχές όπως η 3q26 ήταν σε καλύτερη θέση να προσδιορίσει το πιθανό γονίδιο του οδηγού,

MECOM

, ενώ για 19q12 η ικανότητα των GISTIC να ενσωματώσουν το μέγεθος της αντιγράψετε κέρδος αριθμό για κάθε δείγμα προσδιορίζονται

CCNE1

. Χρησιμοποιώντας μια προσέγγιση κλιμακωτή συχνότητα σε συνεννόηση με GISTIC παρέχεται ένα μεγαλύτερο βάθος της κατανόησης σε πολύπλοκες περιοχές για τις οποίες δεν υπάρχει σαφής οδηγού. Προηγούμενες μελέτες έχουν εντοπίσει μια ενίσχυση στο χρωμόσωμα 11 σε 18% των καρκίνων των ωοθηκών, και έχουν προτείνει ότι το γονίδιο στόχος αυτής της εκδήλωσης είναι

EMSY

(

C11ORF30

) [32]. Σε άλλους τύπους καρκίνου, όπως ο καρκίνος του μαστού, η ενίσχυση αιχμή σε αυτή την περιοχή μπορεί να είναι διαφορετική, η στόχευση

EMSY

και /ή

CCND1

[33], [34]. Στα δεδομένα που παρουσιάζονται εδώ, ο κύριος αμπλικόνιο δεν φαίνεται να απευθύνονται

CCND1

, η οποία είναι & gt? 5 Mb έξω από την κορυφή περιοχής (Σχήμα S4). GISTIC προσδιορίζει μια κορυφή που περιλαμβάνει τέσσερα γονίδια (

THRSP

,

NDUFC2

,

ALG8

και

KCTD21

), η ενίσχυση των οποίων έχει αποδειχθεί στον καρκίνο του μαστού να συσχετίζονται με υπερ-έκφραση και την κακή επιβίωση [35]. Η πιο συχνά στοχεύουν γονίδιο από το κέρδος χαμηλού επιπέδου είναι

GAB2

(30%).