Αφηρημένο

Οι παραδοσιακές μέθοδοι αξιολόγησης μετάλλαξη επικεντρώνονται κατά κανόνα σε πρόβλεψη διαλυτικές αλλαγές σε περιοχές που κωδικοποιεί την πρωτεΐνη και όχι μη-κωδικοποίησης ρυθμιστικές περιοχές όπως αμετάφραστες περιοχές (UTRs) του mRNA. Οι UTRs, ωστόσο, είναι γνωστό ότι έχουν πολλά αλληλουχίας και δομικών μοτίβων που μπορούν να ρυθμίζουν τη μεταγραφική και μεταγραφική αποτελεσματικότητα και τη σταθερότητα των mRNA μέσω αλληλεπίδρασης με πρωτεΐνες ΚΝΑ-δεσμευτικές και άλλες μη-κωδικοποίησης RNAs σαν microRNAs (miRNAs). Σε μια πρόσφατη μελέτη, transcriptomes των καρκινικών κυττάρων που φιλοξενούν μεταλλαγμένα και άγριου τύπου

KRAS

(V-Ki-Ras2 Kirsten σαρκώματος αρουραίου ιικό ογκογονίδιο ομόλογο) γονιδίων σε ασθενείς με μη-μικροκυτταρικό καρκίνο του πνεύμονα (NSCLC) έχουν αλληλουχία για τον εντοπισμό και μόνο παραλλαγές νουκλεοτιδίου (SNVs). Περίπου το 40% των συνολικών SNVs (73.717) εντοπίστηκαν αντιστοιχίζεται με UTRs, αλλά παραλείπονται στην προηγούμενη ανάλυση. Για την αντιμετώπιση αυτής προφανής ζήτηση για την ανάλυση των UTRs, σχεδιάσαμε ένα ολοκληρωμένο αγωγού για να προβλέψει την επίδραση των SNVs σε δύο κύρια ρυθμιστικά στοιχεία, δευτερογενή δομή και θέσεις-στόχους των miRNAs. Από 29.290 SNVs σε 6462 γονίδια, προβλέπουμε 472 SNVs (σε 408 γονίδια) που επηρεάζουν την τοπική RNA δευτερεύουσα δομή, 490 SNVs (σε 447 γονίδια) που επηρεάζουν περιοχές-στόχους των miRNAs και 48 που κάνουν και τα δύο. Μαζί αυτές οι διασπαστικές SNVs ήταν παρόντες σε 803 διαφορετικά γονίδια, εκ των οποίων 188 (23,4%) είχαν προηγουμένως γνωστό ότι είναι καρκινο-συναφές. Αξίζει να σημειωθεί ότι, αυτή η αναλογία είναι σημαντικά υψηλότερη (ρ-τιμή exact test μονόπλευρη του Fisher = 0.032) από την αναλογία (20,8%) από γνωστά γονίδια σχετίζονται με τον καρκίνο (n = 1.347) σε αρχικό σύνολο δεδομένων μας (n = 6.462). ανάλυση δικτύου δείχνει ότι τα γονίδια που φέρουν διασπαστική SNVs ενεπλάκησαν σε μοριακούς μηχανισμούς του καρκίνου, και τα μονοπάτια σηματοδότησης του LPS-διεγερμένα ΜΑΡΚ, IL-6, iNOS, eIF2 και mTOR. Εν κατακλείδι, έχουμε βρει εκατοντάδες SNVs που είναι ιδιαίτερα αναστάτωση σε σχέση με τις αλλαγές στη δευτερογενή δομή και περιοχές-στόχους των miRNAs στο εσωτερικό UTRs. Οι αλλαγές αυτές τη δυνατότητα να μεταβάλλει την έκφραση των γνωστών γονιδίων του καρκίνου ή γονίδια που συνδέονται με τον καρκίνο που σχετίζεται με πορείες

Παράθεση:. Sabarinathan Ε, Wenzel Α, Νοβότνι P, Tang Χ, Kalari KR, Gorodkin J (2014) μεταγραφικό-Wide Ανάλυση UTRs σε μη μικροκυτταρικό καρκίνο του πνεύμονα αποκαλύπτει σχετίζονται με τον καρκίνο γονίδια με SNV μεταβολές που προκλήθηκαν στο RNA Δευτεροβάθμια Δομή και miRNA τοποθεσίες Target. PLoS ONE 9 (1): e82699. doi: 10.1371 /journal.pone.0082699

Επιμέλεια: Akio Kanai, Πανεπιστήμιο του Keio, Ιαπωνία

Ελήφθη: 2 Αυγούστου, 2013? Αποδεκτές: 26 Οκτωβρίου του 2013? Δημοσιεύθηκε: 8 Γενάρη του 2014

Copyright: © 2014 Sabarinathan 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

Χρηματοδότηση:. Δανική Κέντρο Επιστημονικής Computing (DCSC, Deic)? Δανική Συμβούλιο Στρατηγικής Έρευνας (Επιτροπή πρόγραμμα για τη στρατηγική Τεχνολογίες Ανάπτυξης)? Δανική Συμβουλίου για ανεξάρτητη έρευνα (Τεχνολογίας και Επιστημών Παραγωγής). 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

επόμενης γενιάς γονιδιώματος είναι σήμερα χρησιμοποιείται ευρέως για τον εντοπισμό των γενετικών παραλλαγών σε γονιδιώματα του καρκίνου [1], [2]. Μη μικροκυτταρικός καρκίνος του πνεύμονα (NSCLC) είναι η πιο κοινή μορφή καρκίνου του πνεύμονα και βρίσκεται συχνά με την ενεργοποίηση μεταλλάξεων στο

KRAS

ογκογονιδίου η οποία προκαλεί τα κύτταρα του όγκου να είναι επιθετική και ανθεκτικά στη χημειοθεραπεία [3] – [5]. Σε μια πρόσφατη μελέτη, Kalari et al. [6] εκτελείται μεταγραφικό σε επίπεδο αλληλουχίας του NSCLC και εντοπίζονται διαφορικά εκφρασμένων γονιδίων, εναλλακτική ισομορφές ματίσματος και παραλλαγές μοναδικού νουκλεοτιδίου (SNV) για όγκους με και χωρίς

KRAS

μεταλλάξεις. Μια ανάλυση του δικτύου έγινε με τα γονίδια που δείχνουν διαφορική έκφραση (374 γονίδια), εναλλακτικό μάτισμα (259 γονίδια) και SNV που σχετίζονται με αλλαγές (65 γονίδια) που είναι διαφορικά υπάρχουν σε ομάδες όγκου πνεύμονα με και χωρίς

KRAS

μεταλλάξεις . Ολοκληρωμένη ανάλυση της οδού προσδιορίζονται NFκB, μονοπάτια ERK1 /2 και AKT ως τις πιο σημαντικές οδούς διαφορικά απελευθερωθεί στο

KRAS

άγριου τύπου, σε σύγκριση με το

KRAS

μεταλλαγμένα δείγματα.

απλή παραλλαγή νουκλεοτιδίου (SNV) είναι μια αλλαγή νουκλεοτιδίου σε μία μόνο θέση βάσης που εμφανίζεται σε χαμηλή συχνότητα (που αναφέρεται επίσης ως μια σπάνια παραλλαγή). SNVs παρατηρείται σε καρκινικά κύτταρα είναι κυρίως σωματικά παραλλαγές και πολύ λίγοι είναι οι παραλλαγές βλαστικής σειράς. μελέτες συσχέτισης γονιδιώματος-ευρεία (GWAS) αναφέρουν ότι SNVs εμφανίζονται κυρίως σε περιοχές μη-κωδικοποίησης σε σύγκριση με την κωδικοποίηση (εξονικούς) περιοχές των RNAs [7]. Στο παρελθόν, πάντως, οι περισσότερες μελέτες έχουν επικεντρωθεί στην επίδραση της SNVs στις κωδικοποιητικές περιοχές (γνωστή ως cSNVs ή nsSNVs) [8] και όχι από την επίδραση του SNVs στο κανονιστικό μη κωδικοποιητικού DNA ή μη-κωδικοποίησης RNA (rSNV) . Στην περίπτωση των NSCLC, Kalari et al. [6] εντόπισε συνολικά 73.717 μοναδικές SNVs παρόντες μέσα και γύρω από (+/- 5 kb) γονίδια REFSEQ. Από αυτούς, οι 23.987 ήταν cSNVs και τις επιπτώσεις τους στις περιοχές κωδικοποίησης έχουν προηγουμένως προβλεφθεί (βλέπε [6] για περισσότερες λεπτομέρειες). Τα αποτελέσματα της rSNVs που βρίσκονται σε αμετάφραστες περιοχές (UTRs) των γονιδίων που κωδικοποιούν πρωτεΐνες, ωστόσο, πρέπει να αναλυθούν.

Είναι γνωστό ότι UTRs παίζουν κρίσιμο ρόλο στην μετα-μεταγραφική ρύθμιση, συμπεριλαμβανομένων mRNA σταθερότητα [ ,,,0],9], οι μεταφορές [10], ο εντοπισμός [11], [12], μεταγραφική ενεργοποίηση [13] και την καταστολή [14], [15]. Αυτές οι λειτουργικές ρυθμίσεις πραγματοποιούνται από

cis-ρυθμιστικών

στοιχεία που υπάρχουν στο 5 ‘και 3’ UTRs. Αξίζει να σημειωθεί ότι, μερικά από τα

cis-ρυθμιστικών

τα στοιχεία δομημένο, π.χ., σίδηρο στοιχείο απόκρισης (IRE), εσωτερική θέση ριβοσωμάτων εισόδου (IRES) και η σειρά εισαγωγής σεληνοκυστεΐνης (SECIS). Η πρωτογενής δομή του

cis-ρυθμιστικών

στοιχεία είναι επίσης σημαντική για την δέσμευση του

trans-δράσης

πρωτεΐνες RNA δέσμευσης ή άλλα μη-κωδικοποίησης RNAs. Για παράδειγμα, microRNAs (miRNAs) είναι μικρά μη-κωδικοποίησης RNAs (περίπου 22 nt) που δένονται σε περιοχές στόχους ως επί το πλείστον υπάρχει στο 3 ‘UTRs. Αυτή η αλληλεπίδραση έχει σαν αποτέλεσμα είτε τη διάσπαση των mRNA στόχου ή καταστολή της μετάφρασης τους. Αρκετές μελέτες έχουν αναφέρει ότι miRNA μεσολάβηση γονιδιακής ρύθμισης παίζει σημαντικό ρόλο σε καρκινικά κύτταρα και τέτοια ρύθμιση έχει θεωρηθεί ως ένας πιθανός στόχος φαρμάκου (βλέπε ανασκόπηση [16]). Όλα αυτά τα στοιχεία υποστηρίζει τόσο ακολουθία και δομικά μοτίβα των UTRs είναι σημαντικό για τον έλεγχο της γονιδιακής έκφρασης.

Η εμφάνιση της γενετικής ποικιλομορφίας (ες) σε UTRs θα μπορούσαν δυνητικά να επηρεάσουν σειρά τους ή /και τις διαρθρωτικές μοτίβα και έτσι να οδηγήσει σε αλλαγές στον κανονισμό μετα-μεταγραφικό [17] – [20]. Για παράδειγμα, ένας SNP σε μια ιστοσελίδα ας-7 miRNA στόχου (miRTS) στο 3 ‘UTR του

KRAS

έχει προσδιοριστεί να επηρεάσουν την δέσμευση του ας-7 miRNAs. Αυτό έχει ως αποτέλεσμα την υπερέκφραση του

KRAS

, που οδηγεί στην αύξηση του κινδύνου NSCLC [21]. Επιπλέον, πρόσφατες μελέτες αναφέρουν ότι η γενετική παραλλαγή μπορεί πιθανώς να δημιουργήσει, αλλαγή ή να καταστρέψει miRNA στόχους θέσεις, η οποία καταλήγει σε κακή ρύθμιση του στόχου mRNA [22], [23]. Αξίζει να σημειωθεί ότι αυτό έχει ταυτοποιηθεί σε κύτταρα όγκου όπως επίσης [24]. Επιπλέον, ένας καρκίνος καθοδηγείται μετάλλαξη παρούσα σε μια IRES στο ανθρώπινο

p53

mRNA μεταβάλλει τη δομή του στοιχείου IRES, το οποίο αναστέλλει τη σύνδεση του ενός trans-δρώσες παράγοντα απαραίτητη για τη μετάφραση [25]. Η πρόσφατη αριθμός των web servers και βάσεις δεδομένων που αναπτύχθηκε για την αντιμετώπιση παραλλαγές επηρεάζουν miRTSs αποδεικνύει επίσης την αυξανόμενη σημασία της περιοχής στόχου παραλλαγές [22], [26] – [28].

Στην παρούσα μελέτη, προβλέπουν την πιθανές επιπτώσεις των 29.290 SNVs που σχετίζονται με NSCLC που βρίσκονται στις περιοχές UTR του mRNA. Η τοπική επίδραση του SNVs στη δευτερογενή δομή της UTRs προβλέπεται χρησιμοποιώντας RNAsnp [29] και την επίδραση της SNVs επί miRTSs στο UTR προβλέπεται χρησιμοποιώντας TargetScan [30] και Miranda [31], οι οποίες φαίνεται να είναι μεταξύ των πιο αξιόπιστο miRNA μέθοδοι πρόβλεψης στόχου [32]. Τα πειραματικά προσδιορίζονται χάρτες miRNA-mRNA, χρησιμοποιώντας Argonaute (πριν) cross-linking ανοσοκατακρήμνιση σε συνδυασμό με αλληλούχιση υψηλής απόδοσης (CLIP-Seq), χρησιμοποιούνται για την περαιτέρω μείωση των ψευδώς θετικών προβλέψεων της miRTSs [33].

υλικά και Μέθοδοι

πηγές δεδομένων

Οι SNVs προσδιορίζονται μέσω RNA-αλληλουχία των 15 πρωτοπαθών όγκων αδενοκαρκίνωμα του πνεύμονα (8 με

KRAS

μετάλλαξη και 7 χωρίς να

KRAS

μετάλλαξη) εκχυλίστηκαν από Kalari et al. [6]. Θα πρέπει να σημειωθεί ότι η προηγούμενη μελέτη [6] δεν είχαν δεδομένα RNA αλληλουχίας σε φυσιολογικά κύτταρα και έτσι δεν ήταν δυνατό να διαχωριστούν SNVs που προέρχεται από την βλαστικής σειράς ή σωματικής μετάλλαξης. Έτσι, το σύνολο των δεδομένων που λαμβάνονται, 29.290 UTR SNVs στο 6462 κωδικοποίησης γονιδίων, που προέρχονται τόσο από μικρόβιο-line και σωματικές παραλλαγές που εκφράστηκαν σε όγκους αδενοκαρκίνωμα του πνεύμονα. Με βάση την επικάλυψη των εν λόγω SNVs με την dbSNP (135 build), θα μπορούσαμε να υπολογίζουμε ότι το 40% των 29.290 SNVs είναι βλαστικής σειράς παραλλαγές. Για εκείνες τις SNVs που συμπίπτουν με τις καταχωρήσεις dbSNP, εξάγαμε επίσης την SNPs σε σύνδεση dis-ισορροπία με τη χρήση του εξυπηρετητή SNAP [34] (έκδοση 2.2? Με τις προεπιλεγμένες παραμέτρους: r

2≥0.8, το όριο απόστασης 500 kb, δεδομένων SNP που 1000 Γονιδιώματα πιλοτικά 1, και ο πίνακας του πληθυσμού CEU).

REFSEQ mRNA ακολουθίες που αντιστοιχούν στα 6462 γονίδια (hg19 Build) είχαν κατεβάσει από το πρόγραμμα περιήγησης στο γονιδίωμα UCSC (https://genome.ucsc.edu) [35 ]. Για τα γονίδια με πολλαπλές μεταγραφές, θεωρήθηκαν όλες οι ισομορφές. Με χαρτογράφηση των 29.290 SNVs σε αυτές τις αλληλουχίες REFSEQ mRNA, πήραμε 3646 σε 5 ‘UTRs, 25.627 σε 3’ UTRs και 17 σε αμφότερα τα 5 ‘και 3’ UTR επικαλυπτόμενων μεταγραφές. Αυτές SNVs υποβλήθηκαν περαιτέρω σε ολοκληρωμένο αγωγό μας (Σχήμα 1) για να προβλέψει την επίδρασή τους επί RNA δευτερογενή δομή και θέσεις στόχους miRNA, η οποία περιγράφεται στα ακόλουθα τμήματα.

Η

Ένας κατάλογος που σχετίζεται με καρκίνο γονίδια αποκτήθηκε από την κοσμική [36] και Qiagen /SABioSciences [37]. Αυτή η λίστα περιλαμβάνει 1347 από τα 6462 γονίδια που εξετάζονται στην παρούσα ανάλυση. Για να βρείτε τον εμπλουτισμό των γονιδίων που φέρουν αναστάτωση SNVs, οι οποίες έχουν επίδραση στην δευτερογενή δομή ή /και miRTSs, στον καρκίνο, πραγματοποιήσαμε exact test μια μονόπλευρη Fisher. Αυτό υπολογίστηκε από έναν πίνακα 2 × 2 έκτακτης (n = 6.462) με τον αριθμό των γονιδίων που μεταφέρουν /δεν μεταφέρουν διασπαστική SNVs από τη μια πλευρά και τον αριθμό του καρκίνου που σχετίζεται με /άλλα γονίδια από την άλλη πλευρά. Ομοίως, ο εμπλουτισμός για διασπαστική SNVs στον καρκίνο που σχετίζεται με γονίδια υπολογίστηκε χαρακτηρίζοντας το συνολικό αριθμό των SNVs (n = 29.290) σε διασπαστική /SNVs μη-διασπαστική αφενός, και εκείνων που είναι και δεν είναι παρούσα σε καρκινο-συναφές γονίδια από την άλλη.

Μια σειρά από πειραματικά επαληθεύονται παραδείγματα των SNPs με επιπτώσεις στους τόπους που στόχο miRNA έχει εξαχθεί από τη βιβλιογραφία (βλέπε πίνακα S1). Αυτά τα 19 SNPs (επηρεάζουν 25 αλληλεπιδράσεις miRNA-mRNA) έχουν χρησιμοποιηθεί για τον έλεγχο των κριτηρίων φιλτραρίσματος που χρησιμοποιείται στο τμήμα miRNA του αγωγού μας.

Πρόβλεψη του αποτελέσματος SNVs »για δευτερογενούς δομής του RNA

Η επίδραση της SNVs για δευτερογενούς δομής του RNA είχε προβλεφθεί χρησιμοποιώντας RNAsnp (έκδοση 1.1) [29]. Οι αλληλουχίες mRNA άγριου τύπου και των SNVs δόθηκαν ως είσοδος μαζί με προεπιλεγμένες παραμέτρους του RNAsnp. Για κάθε SNV, RNAsnp θεωρείται ένα παράθυρο +/- 200 nts γύρω από τη θέση SNV για τη δημιουργία του φυσικού τύπου (WT) και μεταλλάκτη (ΜΤ) υποαλληλουχίες και υπολογίζονται αντίστοιχες μήτρες πιθανότητα ζευγών βάσεων τους και. Στη συνέχεια, η διαφορά μεταξύ της πιθανότητας ζευγών βάσεων του άγριου τύπου και μεταλλαγμένων δομή μετρήθηκε χρησιμοποιώντας Ευκλείδεια απόσταση (d) και τον συντελεστή συσχέτισης Pearson (r) για όλες τις τοπικές περιοχές εντός της υποαλληλουχία. Για λόγους πληρότητας, θα συνοψίσω αυτά τα δύο μέτρα ως εξής. Η πρώτη υπολογίζει τη διαφορά μεταξύ των δύο πινάκων απευθείας από την (1), όπου είναι η πιθανότητα των βάσεων

i

και

ι

να αντιστοιχιστεί. Το δεύτερο μέτρο χρησιμοποιεί τις πιθανότητες ζεύγος θέση-σοφός. Για μια τοπική περιοχή, ο φορέας περιέχει τα στοιχεία. Στη συνέχεια, η διαφορά μεταξύ των δύο φορέων και μετριέται από (2)

Τέλος, μια τοπική περιοχή προβλεφθεί με μέγιστη Ευκλείδεια απόσταση (d

max) ή το ελάχιστο συντελεστή συσχέτισης Pearson (r

min) και η αντίστοιχη τιμή p αναφέρεται στη συνέχεια. Σας απασχολούν τα δύο μέτρα ανεξάρτητα, καθώς οι δύο μέτρα κρατήστε τα αντίστοιχα δυνατά και αδύνατα σημεία τους (βλέπε [29] για λεπτομέρειες). Δημιουργήσαμε δύο λίστες (το καθένα με ρ & lt? 0,1) των υποψηφίων, d

max και r

min, και το καθένα από αυτά υποβάλλεται σε μία πολλαπλών δοκιμή διόρθωση με τη χρήση της διαδικασίας Benjamini-Hochberg [38], η οποία περιορίζει το ποσοστό εσφαλμένης ανακάλυψη να είναι τίποτα περισσότερο από ένα επιλεγμένο όριο (συνήθως 10%).

για να αναλύσει κατά πόσο το RNAsnp προβλεπόμενη τοπική περιοχή είναι δομικά συντηρημένη, χρησιμοποιήσαμε τους σχολιασμούς των συντηρημένων RNA προβλέψεις δευτεροταγούς δομής από την IN-μας αγωγού σπίτι [39], το οποίο κάνει χρήση μιας σειράς εργαλείων, συμπεριλαμβανομένων CMfinder [40] και RNAz [41] προγράμματα.

Η πρόβλεψη της επίδρασης SNVs »στις θέσεις στόχους microRNA

για κάθε SNV στο σύνολο δεδομένων, μία υποαλληλουχία 30 nts εκατέρωθεν της θέσης SNV ανακτήθηκε. Περαιτέρω, όλες οι ανθρώπινες αλληλουχίες 2042 ώριμο miRNA από miRBase (V19) [42] χρησιμοποιήθηκαν για τη σάρωση για πιθανές θέσεις στόχους σε άγριου τύπου και μεταλλαγμένων (με SNV) υποαλληλουχίες. Ως πρώτο βήμα, TargetScan (έκδοση 6.0) [30] χρησιμοποιήθηκε για τον προσδιορισμό ζεύγη SNVs και miRNAs για τους οποίους ο τύπος της αντιστοίχισης σπόρου διαφέρει μεταξύ άγριου τύπου και μεταλλαγμένων ή είναι παρόν μόνο σε οποιοδήποτε από αυτά. Τα διάφορα είδη σπόρων που χρησιμοποιούνται από TargetScan είναι 7mer-1a, 7mer-M8, και 8-μερούς-1a (σε αυξανόμενη δύναμη), όπου «1α» αναφέρεται σε ένα αδενοσίνης στα miRTS 3 ‘προς τον αγώνα σπόρου (δηλ, απέναντι από το πρώτο νουκλεοτίδιο του miRNA) και «-m8» αναφέρεται σε ένα Watson-Crick ταιριαστό νουκλεοτίδιο στη θέση 8. στη συνέχεια, η ενέργεια αλληλεπίδρασης αυτών των ζευγών υπολογίστηκε χρησιμοποιώντας Miranda (έκδοση 3.3a) [31]. Ως μια αλλαγή αγώνα σπόρων απαιτείται ήδη από τη διήθηση TargetScan, οι παράμετροι για Miranda τέθηκαν όχι να σταθμίσει την περιοχή σπόρου είναι πολύ υψηλή ( «-scale 2» αντί του default 4) και με χαλαρή αποκοπές (σκορ 45, της ενέργειας -5 kcal /mol), προκειμένου να συλλάβει περιπτώσεις όπου μπορεί να αντισταθμιστεί μια φτωχή αγώνα σπόρου. Να χαρακτηρίσει μια αλληλεπίδραση όπως εργασίας που αργότερα εφαρμόσει μια πιο συντηρητική ενέργεια όριο των -11 kcal /mol με βάση την προηγούμενη μελέτη μας [43]. Για κάθε ζεύγος miRNA και 61mer, μόνο ο ισχυρότερος θέση σύνδεσης (χαμηλότερη) που διαφέρει μεταξύ αλληλουχία WT και SNV διατηρείται. Υποθετική αλληλεπιδράσεις έχουν ταξινομηθεί ως

που δημιουργήθηκε

,

καταστράφηκαν

ή

μεταβληθεί

με τη μετάλλαξη βασίζεται σε προβλέψεις Miranda. Η

δημιουργήσουν

σετ περιέχει θέσεις στόχους που επάγονται από τον SNV, δηλαδή, έχουν ενεργειακή αλληλεπίδραση του -11 kcal /mol ή μικρότερη στην παραλλαγή SNV, ενώ καμία αλληλεπίδραση προβλέπεται στην άγριου τύπου (είτε λόγω σκοράρει ή κατώτατο όριο της ενέργειας). Ομοίως, μια απώλεια του site στόχου θα πρέπει να καταγράφονται στο

καταστρέψουν

σύνολο, αν η αλληλεπίδραση προβλέπεται για τον άγριου τύπου αλλά όχι με την SNV. Τέλος, η

μεταβάλλουν

σετ περιέχει υποθετικό αλληλεπιδράσεις που έχουν προβλεφθεί με ένα δεσμευτικό ενέργεια το πολύ -11 kcal /mol για τουλάχιστον μία παραλλαγή. Γι ‘αυτούς, η διαφορά που παρατηρείται ενέργεια για τη σύνδεση του miRNA πριν και μετά την εισαγωγή SNV μετρήθηκε ως log-αναλογία τους

LR

= LD (/), για το & lt? 0. Η

LR

είναι 0 αν δεν υπάρχει αλλαγή στον τομέα της ενέργειας? αρνητική, αν η άγριου τύπου έχει την ισχυρότερη αλληλεπίδραση (χαμηλότερη ενέργεια), θετική διαφορετικά. Λαμβάνοντας υπόψη το μέγεθος του συνόλου δεδομένων, έχουμε επικεντρωθεί στις (κορυφή) οι υποψήφιοι των οποίων η απόλυτη

LR

τιμή είναι πάνω από το μέσο όρο (μ) της απόλυτης

LR

τιμές από όλα τα ζεύγη κατατάσσονται ως alter. Η αποτελεσματικότητα αυτού του ορίου διαφέρει σαφώς με τα στοιχεία, αλλά θα διατηρούν πάντα την κορυφή των υποψηφίων με την υψηλότερη σχετική ενέργεια διαφορά. Ακόμα κι αν δεν θα πρέπει να θεωρηθεί ως ένα σταθερό cut-off, μπορούμε να εφαρμόζεται σε σειρά μας γνωστά παραδείγματα, όπου 14 από τους 23 αλληλεπιδράσεων υπερβαίνει την αξία που εφαρμόζεται εδώ (βλέπε πίνακα S1). Οι τιμές κατωφλίου με βάση την κατανομή των αλλαγών MFE έχουν χρησιμοποιηθεί με παρόμοιο τρόπο πριν [24].

Για να μειωθεί ψευδώς θετικών προβλέψεων, οι θέσεις στόχοι miRNA προβλέπεται για τον άγριου τύπου (

καταστρέψουν

ή

αλλάξει

) ήταν διασταυρώθηκαν με τα πειραματικά προσδιορίζονται χάρτες αλληλεπίδρασης microRNA-στόχο. Τα στοιχεία αυτά, που προέρχονται μέσα από πριν CLIP-Seq, είχε κατεβάσει από starbase [44]. Μόνο SNVs που βρίσκονται μέσα αυστηρές πριν CLIP-Seq συστάδες κορυφή με ένα βιολογικό περιπλοκότητα (BC) από τουλάχιστον δύο διατηρήθηκαν. Αυτό το φίλτρο δεν μπορεί να χρησιμοποιηθεί για τις αλληλεπιδράσεις από το

δημιουργήσουν

σύνολο, όπως CLIP-Seq δεδομένων είναι διαθέσιμα για τον άγριου τύπου μόνο. ​​

Τέλος, το σύνολο των miRNAs φιλτράρεται για εκείνους που εκφράζονται στο αναπνευστικό σύστημα (πνεύμονα και την τραχεία) σύμφωνα με χάρτη του σώματος του miRNA [45]. Η επισκόπηση της ανάλυσης miRNA περιγράφεται στο Σχήμα 2.

Το διάγραμμα ροής δείχνει τα διάφορα στάδια της πρόβλεψης και της διήθησης, με τον αριθμό των μεμονωμένων SNVs, miRNAs, και τα ζεύγη αυτά σε κάθε στάδιο.

Από το PhenomiR [46] βάση δεδομένων, μπορούμε ανακτηθεί πληροφορίες σχετικά με miRNAs που έχουν βρεθεί να είναι ανάντη ή προς τα κάτω ρύθμιση στον καρκίνο του πνεύμονα. Αυτό το σετ περιλαμβάνει 264 μεμονωμένα miRNA προσχωρήσεις στελέχους-βρόχου, 3 εκ των οποίων είναι «νεκρό εγγραφές». Τα υπόλοιπα 261 στελέχους-βρόχους να δημιουργήσει 430 ώριμα προϊόντα miRNA, που αναφερόμαστε ως

πνεύμονα σχετίζονται με τον καρκίνο miRNAs

. Σε αυτό το σύνολο δεδομένων, 27 miRNAs είναι συγκεκριμένες για NSCLC [47] τύπου σύμφωνα με miRNA χάρτη του σώματος [45]. Η τελευταία σύνολο δεδομένων αναφέρεται ως

NSCLC που σχετίζονται με miRNAs

.

Ingenuity Pathways Ανάλυση

Interactome δίκτυα των υποψηφίων γονιδίων κατασκευάστηκαν χρησιμοποιώντας Ingenuity Διαδρομή Ανάλυση (ΜΠΒ), το λογισμικό (Ingenuity ® Συστήματα, www.ingenuity.com? χτίσει έκδοση: 220.217? έκδοση περιεχόμενο: 16.542.223). γενιά του δικτύου βασίζεται στην «Παγκόσμια Μοριακής Δίκτυο» στο IPA, η οποία περιλαμβάνει ένα εκτεταμένο, το χέρι επιμέλεια σύνολο των σχέσεων γονίδιο γονίδιο με βάση τα ευρήματα από την επιστημονική βιβλιογραφία. Τα γονίδια ενδιαφέροντος (υποψήφιοι που τίθεται από αγωγό μας και χρησιμοποιείται ως πρώτη ύλη για IPA) που είναι επίσης παρούσα σε αυτό το παγκόσμιο δίκτυο είναι τα λεγόμενα γονίδια εστίαση. Εξαιρετικά διασυνδεδεμένα γονίδια εστίαση είναι τα σημεία εκκίνησης για την παραγωγή του δικτύου. Πρόσθετες γονίδια μη εστίαση από το Παγκόσμιο Δίκτυο Μοριακής θα μπορούσαν να χρησιμοποιηθούν ως γονίδια συνδετήρα μεταξύ μικρά δίκτυα. Τα δίκτυα παραταθεί μέχρι ένα κατά προσέγγιση μέγεθος των 35 γονιδίων, η οποία θεωρείται η βέλτιστη για την απεικόνιση και ερμηνεία (για λεπτομέρειες βλέπε [48]). Η τιμή p υπολογίζεται για κάθε δίκτυο αντιπροσωπεύει την πιθανότητα να βρείτε το ίδιο (ή μεγαλύτερο) αριθμό γονιδίων εστίασης σε μια τυχαία επιλεγμένη ομάδα γονιδίων από το παγκόσμιο δίκτυο. Υπολογίζεται από το δικαίωμα-ουρά Fisher Exact Test με μόρια (μη) εστίαση στη μία πλευρά και μόρια (όχι) στο δίκτυο, από την άλλη πλευρά του πίνακα έκτακτης 2 × 2. Αυτή μετατρέπεται σε μια βαθμολογία η οποία είναι ο αρνητικός λογάριθμος της p-value. Επιπλέον, ΙΡΑ χρησιμοποιήθηκε για τον προσδιορισμό των κορυφή ασθένειες και διαταραχές, μοριακής και κυτταρικής λειτουργίες, και κανονικών μονοπατιών που σχετίζονται με τα γονίδια στις υποψήφιες σειρές μας (τα λεγόμενα «γονίδια εστίαση»). Η p-τιμή για μια δεδομένη (ασθένεια, λειτουργία ή οδός) σχολιασμό περιγράφει την πιθανότητα ότι η σχέση μεταξύ του σετ γονιδίων εισόδου και το σχολιασμό οφείλεται σε τυχαία πιθανότητα. Αυτό είναι επίσης βασίζεται σε μια ακριβή δοκιμή δεξιά ουρά του Fisher, όπως ορίζεται παραπάνω.

Αποτελέσματα

Επίδραση των SNVs στη δευτερεύουσα δομή RNA

Οι διαρθρωτικές επιπτώσεις των 29.290 UTR SNVs ήταν προβλεπόμενη χρήση RNAsnp (v1.1). Τόσο η Ευκλείδεια απόσταση (d

max) και Pearson συντελεστής συσχέτισης (r

min) μέτρα RNAsnp (τρόπος 1) ήταν ανεξάρτητα χρησιμοποιηθεί για να προβλεφθεί το αποτέλεσμα των SNVs στην δευτερογενή δομή των τοπικών RNA. Η κατανομή των ρ-τιμές που υπολογίζονται για το 29290 UTR SNVs φαίνεται στο Σχήμα S1 Α. Σε επίπεδο σημαντικότητας 0.1 (που επιλέγονται από προηγούμενη μελέτη μας [29]), 3237 και 3062 SNVs προβλέφθηκαν, αντίστοιχα, με d

max και r

min μέτρων. Περαιτέρω, η προσαρμογή για πολλαπλές συγκρίσεις (χρησιμοποιώντας διαδικασία Benjamini-Hochberg [38]), υπό την προϋπόθεση 3204 και 1813 SNVs αντίστοιχες με d

max και r

min μέτρα. Μετά την σύντηξη αυτών των δύο λίστες, πήραμε 3561 μοναδικές SNVs σε 2411 γονίδια.

Επιπλέον, υπολογίσαμε την απόσταση μεταξύ της θέσης αυτών των 3561 SNVs και την προβλεπόμενη τοπική περιοχή όπου εντοπίστηκε η μέγιστη δομική αλλαγή (Σχήμα S1B) . Αυτό δείχνει ότι η πλειοψηφία των SNVs προκαλέσει διαρθρωτικές αλλαγές μέσα και γύρω από τη θέση SNV. Επιπλέον, η κατανομή μήκους της προβλεπόμενης τοπική περιοχή δείχνει ότι η πλειοψηφία των SNVs έχουν επιπτώσεις στην τοπική περιοχή του μεγέθους 50 έως 100 nts, ωστόσο, ορισμένα SNVs (n = 47) έχουν επίδραση σε παγκόσμια δομή όπου το μέγεθος της προβλεπόμενης τοπική περιοχή υπερβαίνει τα 300 νουκλεοτίδια (Σχήμα S1c). Επιπλέον, ελέγξαμε κατά πόσο αυτές οι διασπαστικές SNVs εμπλουτισμένη σε GC ή AU πλούσιες περιοχές, όπως οι ακολουθίες με τέτοια μεροληπτική περιεχόμενο νουκλεοτιδίων έχει αποδειχθεί πιο ευαίσθητο στις διαρθρωτικές αλλαγές που προκαλούνται από μεταλλάξεις [49]. Για κάθε SNV υπολογίσαμε το περιεχόμενο GC του πλευρικές περιοχές του (όπως προηγουμένως χρησιμοποιώντας 200 NTS ανάντη και κατάντη), βλέπε Υλικά και Μέθοδοι. Αυτό έδειξε ότι τόσο τα σετ δεδομένων SNVs και οι διασπαστικές SNVs είναι ιδιαίτερα εμπλουτισμένο σε περιοχές με περιεχόμενο GC που κυμαίνονται από 40 έως 60 τοις εκατό (βλέπε Εικόνα S2), η οποία θα πρέπει, επομένως, να γίνουν λιγότερο ευαίσθητα στις διακυμάνσεις. Επιπλέον, διαπιστώσαμε ότι δεν υπήρχαν σημαντικές διαφορές μεταξύ των κατανομών περιεχόμενο GC του αποδιοργανωτική SNVs και τα σετ δεδομένων SNVs (βλέπε Εικόνα S2 με Kolmogorov-Smirnov).

Είναι γνωστό ότι οι UTRs των mRNAs λιμάνι εξελικτικά συντηρημένη ρυθμιστικά στοιχεία ([50] – [52], δείτε τα σχόλια και [53], [54]). Έτσι, διασταυρώθηκαν για την επικάλυψη μεταξύ του διαταράσσεται τοπική περιοχή που προβλέπεται από RNAsnp και συντηρημένο RNA δευτερογενείς δομές προβλεφθεί χρησιμοποιώντας μας αγωγού στο σπίτι [39] (βλέπε Υλικά και Μέθοδοι ενότητες για λεπτομέρειες). Είναι ενδιαφέρον ότι, η τοπική περιοχή που προβλέπεται για 472 SNVs (τιμή-ρ & lt? 0,1) συμπίπτουν με τις προβλεπόμενες συντηρημένα RNA δευτεροταγείς δομές. Αυτά τα 472 SNVs αντιστοιχούν σε 408 γονίδια? εκ των οποίων 111 SNVs αντιστοιχούν σε 98 γονίδια που εμπλέκονται στον καρκίνο που σχετίζεται με πορείες (βλέπε Αρχείο S1.xlsx)

Με βάση την τιμή-p, οι ανωτέρω 111 SNVs περαιτέρω ταξινομούνται σε δύο ομάδες: 28. ως υψηλής εμπιστοσύνης για την οποία τόσο d

max και r

p-value λεπτό & lt? 0,05 (Πίνακας 1), και το άλλο 83 ως μεσαίου εμπιστοσύνης (είτε δ

max ή r

min p τιμή-& lt? 0.1) (βλέπε αρχείου S2.xlsx). Προβλέπουμε ότι οι SNV που προκαλείται από τις διαρθρωτικές αλλαγές στις περιοχές UTR θα μπορούσαν ενδεχομένως να επηρεάσουν τη σταθερότητα του mRNA ή να διακόψει τη λειτουργία των ρυθμιστικών στοιχείων που υπάρχουν στα UTRs. Για παράδειγμα, η A2304C SNV (Πίνακας 1) που υπάρχει στο 3 ‘UTR του

MAPK14

mRNA δείχνει μια σημαντική δομική αλλαγή (τιμή-ρ: 0.0076) στην τοπική δευτερεύουσα δομή RNA το οποίο είναι δομικά συντηρημένη σύμφωνα τόσο CMfinder και RNAz προβλέψεις από μας αγωγών in-house [39]. Αυτή η δομική διατήρηση δείχνει ότι η περιοχή είναι υπό εξελικτική πίεση για να διατηρηθεί η δομή η οποία είναι πιθανό να έχουν κάποια λειτουργική σημασία. Η πρωτεΐνη που κωδικοποιείται από

MAPK14

γονίδιο είναι ένα μέλος της οικογένειας κινάσης ΜΑΡ, η οποία είναι γνωστό ότι εμπλέκεται σε πολλές οδούς που σχετίζονται με την κυτταρική διαίρεση, ωρίμανση και διαφοροποίηση (που επισκοπείται στο [55]). Επίσης, έχει προβλεφθεί να είναι ένας από τους βασικούς παίκτες στην interactome καρκίνο του πνεύμονα [6]. Έτσι, η μεταβολή στην έκφραση γονιδίων του

MAPK14

σε μετα-μεταγραφικό επίπεδο, λόγω της SNV που προκαλείται από τις διαρθρωτικές αλλαγές θα μπορούσαν δυνητικά να επηρεάσουν τα MAKP14 που σχετίζονται με μονοπάτια σηματοδότησης.

Η

Ως ένα άλλο παράδειγμα, το γονίδιο

GPX3

είναι υπεύθυνο για την κωδικοποίηση της γλουταθειόνης υπεροξειδάσης στο πλάσμα, ένα αντιοξειδωτικό ένζυμο που περιέχει σεληνοκυστεΐνης σε ενεργό θέση του και καταλύει την αναγωγή του υπεροξειδίου του υδρογόνου. Η σεληνοκυστεΐνης αμινοξύ κωδικοποιείται από το κωδικόνιο UGA, η οποία λειτουργεί κανονικά ως κωδικόνιο stop. Στο

GPX3

mRNA, ο αναπληρωτής αναγνώριση ενός UGA κωδικόνιο, όπως ένα κωδικόνιο σεληνοκυστεΐνης διαμεσολαβείται από τον

cis-δράσης

ρυθμιστικό στοιχείο, ακολουθία εισαγωγής selenocysteine ​​(SECIS), που υπάρχουν στο 3 ‘ UTR και άλλα

trans

-δράσης συν-παράγοντες [56]. Το SNV U1552G (Πίνακας 1) που βρίσκεται στο 3 ‘UTR του

GPX3

mRNA είχε προβλεφθεί να προκαλεί σημαντικές δομικές αποτέλεσμα (τιμή-ρ: 0.0474) στην τοπική περιοχή η οποία περιέχει το ρυθμιστικό στοιχείο SECIS. Το Σχήμα 3 δείχνει τις πιθανότητες ζευγών βάσεων που αντιστοιχεί στην τοπική περιοχή (NM_002084: 1544 έως 1692) του αγρίου τύπου και μεταλλαγμένων mRNA. Μπορεί να φανεί ότι ο άγριου τύπου έχει μεγαλύτερες πιθανότητες ζεύγος βάσεων για το σχηματισμό της σταθερής δομής μίσχου-βρόχου του SECIS (επισημαίνεται με ένα κύκλο στο σχήμα 3), ενώ στην μεταλλαγμένη μορφή που διασπάται λόγω της SNV, η οποία βρίσκεται έξω από την περιοχή SECIS. Προηγούμενη μελέτη έχει δείξει ότι η χαρακτηριστική δομή στελέχους-βρόχου του SECIS είναι απαραίτητη για την αποτελεσματικότητα της UGA σημειώνοντας

in vivo

και

in vitro

[56]. Με βάση αυτό, εμείς εικάζουν ότι η SNV U1552G που προκαλείται από τις διαρθρωτικές αλλαγές στο στοιχείο SECIS μπορεί να επηρεάσει την αποτελεσματικότητα της UGA εκ νέου κωδικοποίηση.

Το οικόπεδο dot από RNAsnp web server [67] δείχνει τις πιθανότητες ζευγών βάσεων αντιστοιχεί στην τοπική περιοχή προβλέψει με σημαντική διαφορά (

d

max

p-value: 0,0474) μεταξύ του άγριου τύπου και των μεταλλαγμένων. Το άνω τρίγωνο αντιπροσωπεύει τις πιθανότητες βάση ζεύγος για τον άγριο τύπο (πράσινο) και το κατώτερο τρίγωνο για το μεταλλαγμένο (κόκκινο). Στις πλευρές, η ελάχιστη ελεύθερη ενέργεια (MFE) δομή του άγριου τύπου και μεταλλάγματα απεικονίζονται σε επίπεδη γραφική παράσταση. Η περιοχή SECIS επισημαίνεται με μπλε κύκλο και η θέση SNV υποδεικνύεται με το βέλος σήμα.

Η

Επιπλέον, λαμβάνοντας υπόψη τόσο το σύνολο της υψηλής εμπιστοσύνης και SNVs μεσαίου εμπιστοσύνη, βρήκαμε ότι τα γονίδια (n = 15) που απαριθμούνται στον πίνακα 2 λιμένα περισσότερες από μία διασπαστική SNV στην προβλεπόμενη συντηρημένη δομική περιοχή του mRNA. Για παράδειγμα, το γονίδιο

ID2

κωδικοποιεί αναστολέα πρωτεΐνης δέσμευσης DNA ID-2, το οποίο είναι ένας κρίσιμος παράγοντας για τον πολλαπλασιασμό των κυττάρων και τη διαφοροποίηση στην κανονική ανάπτυξη των σπονδυλωτών. Η υπερέκφραση της πρωτεΐνης ID-2 παρατηρείται συχνά σε διάφορους ανθρώπινους όγκους, συμπεριλαμβανομένου NSCLC [57]. Στην ακολουθία mRNA της

ID 2

γονίδιο, δύο SNVs βρίσκεται στην περιοχή 5 ‘UTR ήταν ανεξάρτητα προβλέπεται να προκαλέσει σημαντική τοπική διαρθρωτική αλλαγή στην διατηρημένη περιοχή. Προηγούμενες μελέτες έχουν δείξει ότι η SNP ή μετάλλαξη που προκαλείται από δομικές αλλαγές στις «UTRs 5 μπορεί να οδηγήσει σε ανεξέλεγκτη μετάφραση ή υπερέκφραση των αντίστοιχων πρωτεϊνών [58], [59]. Προβλέπουμε ότι οι δύο SNVs που προκαλούν σημαντική αλλαγή στη δομή διατηρημένη περιοχή θα μπορούσε να επηρεάσει την απόδοση της μετάφρασης του

ID 2

mRNA.

Η

Από τις 472 διασπαστική SNVs που λαμβάνεται από τη δευτερογενή δομή ανάλυση (πριν τεμνόμενων με τα σχετίζονται με τον καρκίνο γονίδια), 199 επικάλυψη με SNPs από dbSNP (build 135). Από αυτά τα 199 SNVs, 17 βρίσκονται σε σύνδεση dis-ισορροπία (LD) με άλλους SNPs που βρίσκονται εγγύς (+/- 200 nts) προς την θέση SNV. Αυτά τα 17 ζεύγη δοκιμάστηκαν με RNAsnp να ελέγξετε εάν το SNP στο LD με (διασπαστική) SNV είναι μια δομή σταθεροποίησης απλότυπος [60]. Από αυτά τα 17 ζευγάρια, οι πέντε αναμένεται να προκαλέσει σημαντικές διαρθρωτικές αλλαγές, οι οποίες θα μπορούσαν να είναι δυνατή απλοτύπων δομή σταθεροποίησης? ενώ τα άλλα 12 ζεύγη έδειξαν σημαντικές διαρθρωτικές αλλαγές (βλέπε S3.xls File).

Επίδραση των SNVs στις περιοχές-στόχους microRNA

Η διαλογή όλων των ανθρωπίνων ώριμη miRNAs έναντι όλων των προσδιορισθέντων SNVs με συνοδευτικά αποδόσεις ακολουθία 2 × 59810180 δυνατούς συνδυασμούς. Το αρχικό στάδιο TargetScan είναι μια συντηρητική φίλτρο και μειώνει το σύνολο των ζευγών SNV-miRNA σε 0,2% αυτής. Στη συνέχεια εφαρμόζουμε Miranda ως δεύτερη μέθοδος πρόβλεψης στόχο, που ακολουθείται από ένα σύνολο φίλτρων. Η κατανομή των

LR

τιμές στο

αλλάξει

σύνολο παρουσιάζεται στο σχήμα S3, μόνο περιπτώσεις με σχετικές μεταβολές μεγαλύτερες από τις περιγράφονται αποκοπεί θεωρούνται (βλέπε Υλικά και Μέθοδοι). Το Σχήμα 2 δείχνει τα διάφορα βήματα με μεμονωμένες μετρήσεις του υποθετικές θέσεις αλληλεπίδρασης σε κάθε στάδιο. Αυτό μας δίνει 490 SNVs σε 447 γονίδια αναμένεται να επηρεάσει 707 αλληλεπιδράσεις με 344 miRNAs (βλ αρχείου S4.xlsx). Μετά από διασταύρωση με γνωστά γονίδια που σχετίζονται με τον καρκίνο (τελικό στάδιο στον αγωγό, Σχήμα 1), βρίσκουμε 124 SNVs και 148 miRNAs να εμπλέκονται σε αλληλεπιδράσεις 186 που διαφέρουν με τη μετάλλαξη. Αυτές SNVs που επάγουν υποτιθέμενο miRTS αλλαγές μπορούν να ταξινομηθούν περαιτέρω σε εκείνα ενίσχυση της αλληλεπίδρασης με το μεταλλαγμένο (80) ή άγριου τύπου (52) παραλλαγή.

Πίνακας 3 παραθέτει όλα τα γονίδια τα οποία περιέχουν περισσότερα από ένα miRTS προβλέπεται να είναι άλλαξε μεταξύ του άγριου τύπου και SNV. Αυτό περιλαμβάνει παραδείγματα όπου η ίδια SNV αλλάζει την περιοχή-στόχο για διαφορετικές ώριμη miRNAs από την ίδια οικογένεια, αλλά και παραδείγματα όπου διαφορετικές SNVs στο γονίδιο προκαλεί ένα κέρδος ή την απώλεια ενός miRTS. Ομοίως, όλα τα miRNAs με περισσότερα από δύο αλλαγμένο θέσεις στόχους που παρουσιάζονται στον Πίνακα 4. απαριθμεί τα μέλη της οικογένειας miR-29 τα οποία έχουν προηγουμένως αναφερθεί ότι δρουν ως καταστολείς όγκων καθώς και ογκογονίδια (βλέπε [61] για μία επισκόπηση).

Η

Από τις 148 miRNAs (υπεύθυνος για 186 υποθετικό αλληλεπιδράσεις) σε τελικό υποψήφιο σύνολο μας, 89 είναι

καρκίνο του πνεύμονα που σχετίζεται με miRNAs

(σε 117 αλληλεπιδράσεις) (αναφέρεται στο S4.xlsx αρχείου). Πίνακας 5 απαριθμεί όλες τις 14 πιθανές θέσεις-στόχους σε τελικό υποψήφιο σύνολο μας, που περιλαμβάνουν

NSCLC που σχετίζονται με miRNAs

. Συγκεκριμένα, ο κατάλογος περιλαμβάνει τέσσερα miRNAs με περισσότερους από έναν προβλεπόμενο στόχο αλλάξει. Για miR-184 το site ένα στόχο έχει δημιουργηθεί, ενώ ένα άλλο έχει αποδυναμωθεί κατά την εισαγωγή της μετάλλαξης. Επιπλέον, miR-30a, d, και e προβλέπεται να στοχεύσετε το 3 ‘UTR του

SUZ12

γονίδιο. Ωστόσο, οι προβλεπόμενες αλληλεπιδράσεις είναι πιθανόν να είναι λειτουργικό στον άγριου τύπου και χάνεται στο εξαιτίας SNV μεταβολές που προκαλούνται στην περιοχή σπόρο μεταλλαγμένο. SUZ12 έχει προηγουμένως δειχθεί να απευθύνονται άμεσα miR-200b και η αναστολή αυτού του miRNA αυξάνει το σχηματισμό των καρκινικών βλαστοκυττάρων (ΚΕΠ) [62], οι οποίες συμβάλλουν στην επιθετικότητα του όγκου. Η απώλεια του miR-30 ρύθμιση από (έναν από) τα τρία γειτονικά SNVs στο σπόρο της θέσης στόχου θα μπορούσε να έχει παρόμοια επίδραση στον NSCLC.

Η

Επιπλέον, για 48 SNVs βρέθηκαν οι προβλεπόμενες miRTSs πρέπει να βρίσκεται μέσα στην τοπική περιοχή όπου μια σημαντική δευτερεύουσα δομική αλλαγή είχε προβλεφθεί από RNAsnp. Από αυτές, 15 SNVs βρίσκονταν στα καρκινο-συναφές γονίδια (βλέπε πίνακα 6). Με βάση τις προηγούμενες μελέτες [63], [64], θα εικάζουν ότι οι SNV που προκαλείται miRTS αλλάζουν μαζί με τις δευτερεύουσες δομικές αλλαγές μέσα και γύρω από τις miRTS μπορεί ενδεχομένως να επηρεάσει την δέσμευση της προβλεπόμενης miRNA.

Η