Extracto
terapia de ablación de andrógenos frágil y robusta es actualmente el tratamiento primario para el cáncer de próstata metastásico. Por desgracia, en casi todos los casos, la ablación de andrógenos falla para detener permanentemente la progresión del cáncer. A medida que se retiran los andrógenos como la testosterona, las células de cáncer de próstata pierden su sensibilidad de andrógenos y comienzan a proliferar sin factores de crecimiento hormonal. En este estudio, hemos construido y analizado un modelo matemático de la integración entre el factor de crecimiento de la hormona de señalización, la activación del receptor de andrógenos, y la expresión de la ciclina D y antígeno prostático específico en células de adenocarcinoma de próstata LNCaP humano. El objetivo del estudio fue investigar los sistemas de señalización, que fueron importantes en la pérdida de la dependencia de andrógenos. El modelo se formuló como un conjunto de ecuaciones diferenciales ordinarias que describen 212 especies y 384 interacciones, incluyendo tanto el ARNm y los niveles de proteína para las especies principales. Un enfoque conjunto fue elegido para limitar los parámetros del modelo y para estimar el impacto de la incertidumbre paramétrica de las predicciones del modelo. Los parámetros del modelo se identificaron utilizando 14 en estado estacionario y dinámicos conjuntos de datos LNCaP tomados de fuentes bibliográficas. Las alteraciones de la tasa de expresión fosfatasa ácida prostática fue suficiente para capturar diferentes niveles de dependencia de andrógenos. Análisis del modelo proporcionó una idea de la importancia de los componentes de red como una función de la dependencia de andrógenos. La importancia de la disponibilidad del receptor de andrógenos y los ejes de señalización MAPK /Akt era independiente del estado de andrógenos. Curiosamente, la disponibilidad del receptor de andrógenos era importante incluso en las células LNCaP independientes de andrógenos. La traducción se hizo cada vez más importante en las células LNCaP andrógeno-independientes. El análisis adicional sugiere una sinergia positiva entre la MAPK y ejes de señalización Akt y la traducción de los marcadores de proliferación clave como la ciclina D en las células independientes de andrógenos. Tomados en conjunto, los resultados apoyan la orientación tanto de la Akt y MAPK vías. Por otra parte, el análisis sugiere que la orientación directa de la maquinaria de traducción, específicamente eIF4E, podría ser eficaz en el cáncer de próstata andrógeno-independiente
Visto:. Tasseff R, S Nayak, Salim S, Kaushik P, N Rizvi, Varner JD (2010) Análisis de las redes moleculares en dependientes de andrógenos y cáncer de próstata independiente Revelado subsistemas frágiles y robusto. PLoS ONE 5 (1): e8864. doi: 10.1371 /journal.pone.0008864
Editor: Kumar Selvarajoo, Universidad de Keio, Japón
Recibido: 8 Septiembre, 2009; Aceptado 22 de diciembre de 2009; Publicado: 28 Enero 2010
Derechos de Autor © 2010 Tasseff et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Financiación:. Los autores agradecer el generoso apoyo financiero de la Oficina de Investigación Naval (# N000140610293) para JDV, el apoyo de SN, y el apoyo financiero de gracia de la RT por un sistemas no lineales Fundación Nacional de Ciencia IGERT Fellowship. Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
el cáncer de próstata es el cáncer más común en hombres y la segunda causa principal de muerte por cáncer en los Estados Unidos [1]. Se ha conocido desde la década de 1940 que los andrógenos, tales como testosterona, son necesarios para el crecimiento del cáncer de próstata [2]. En consecuencia, la ablación de andrógenos, en combinación con la radiación o la quimioterapia tradicional sigue siendo el tratamiento no quirúrgico primario para el cáncer de próstata dependiente de andrógenos. La ablación de andrógenos conduce inicialmente a una disminución del crecimiento del tumor y reduce la secreción de biomarcadores tales como antígeno prostático específico (PSA) [3] - [5]. Sin embargo, en casi todos los casos de ablación de andrógenos falla para detener permanentemente la progresión del cáncer. A medida que se retira la testosterona, el mal funcionamiento de las células de próstata pierden su sensibilidad a andrógenos y comienzan a proliferar sin señales de factores de crecimiento hormonal. Estas células insensibles testosterona pueden conducir a cáncer de próstata independiente de andrógenos (AIPC) [6]. El fenotipo AIPC está estrechamente relacionado con la metástasis y la disminución de la supervivencia. Desafortunadamente, los tratamientos actuales para metastásico AIPC han demostrado modestas ventajas de supervivencia [7]. Por lo tanto, un therepy eficaz para metastásico AIPC representa una necesidad médica insatisfecha y un objetivo ideal para la biología de sistemas.
AIPC se caracteriza por la acción de andrógenos en ausencia de estimulación de andrógenos. En el núcleo de la acción androgénica es la regulación del receptor de andrógenos (AR) por las hormonas como la testosterona. AR es un receptor de hormonas esteroideas citosólica que pertenece a la superfamilia de ligandos de factores de transcripción activados. Otros miembros de esta familia incluyen vitamina A /D, el estrógeno, la progesterona y receptores de hormonas tiroideas [8], [9]. En las células epiteliales de la próstata sanos, los andrógenos AR activan y conducir un programa de expresión génica AR-dependiente. andrógenos sexuales tales como testosterona normalmente circulan en la sangre, unido a las proteínas tales como la hormona sexual globulina de unión a proteínas (SHBG). La testosterona libre entra en las células de la próstata, donde la enzima 5-reductasa convierte en dihidrotestosterona activado (DHT) [10]. Tanto la testosterona y DHT citosólico pueden unirse AR, sin embargo DHT tiene una mayor afinidad por AR. La unión de DHT a AR promueve la activación AR citosólica y la translocación de AR activada al núcleo. AR nuclear impulsa la expresión de los genes diana, incluyendo PSA mediante la unión a elementos promotores AR-sensible [11], [12]. Debido a su dependencia de ligando, se esperaría que la activación de la expresión del gen AR y AR-impulsado a estar ausentes sin estimulación hormonal. Sin embargo, a menudo AIPC tiene mayor expresión de PSA y el aumento de la proliferación celular en comparación con su contraparte dependiente de andrógenos incluso sin estimulación [13], [14].
aumento de la secreción proliferación y PSA de AIPC en ausencia de andrógenos sugiere una el fracaso en la regulación de la activación del receptor de andrógenos. Feldman y Feldman revisaron varios posibles vías de regulación AR quizá responsables de la acción de los andrógenos en ausencia de estimulación de la hormona [15]. Una hipótesis, se hace referencia como la vía de hipersensibilidad, sugiere que AR puede ser más sensible a los andrógenos en AIPC. Esto permitiría que la activación de AR y la expresión de genes impulsado por el AR en niveles mucho más bajos de las señales de testosterona extracelulares. Otra hipótesis, se hace referencia como la vía promiscua, sugiere que AR puede ser activado por antagonistas no de andrógenos. Una tercera hipótesis, explorado aquí, sugiere que AR puede ser activada por otras vías, por ejemplo, la proteína quinasa activada por mitógeno (MAPK) en cascada. Varios estudios apoyan esta hipótesis diafonía, a veces referido como la vía fuera de la ley. Culig
et al.
Mostró en DU-145 células tumorales prostáticas humano que, por ejemplo, factores de crecimiento, IGF-I, KGF, y EGF podrían impulsar la activación de AR sin andrógenos [16]. Nazaret y Weigel mostraron en las células de próstata humano PC-3 que la AR también puede ser activado por el activador de la proteína quinasa A, forskolina en ausencia de andrógenos [17]. Otros estudios han sugerido una relación entre la activación inducida Her2 de la cascada MAPK y la activación primaria AR [18]. Por ejemplo, la sobreexpresión de Her2 se correlacionó positivamente con la disminución de la sensibilidad a la ablación de andrógenos, el aumento de la expresión de PSA dependiente, aumento de la activación AR, AR aumento de la masa tumoral y se acorta la latencia de tumor [14], [18] - [20]. Por lo tanto, se esperaría que los reguladores de la activación de HER2, por ejemplo, las diferentes formas de la glicoproteína 100 kDa fosfatasa ácida prostática (PACp), podrían ser factores importantes en la dependencia de andrógenos y el grado del tumor [21] - [26]. PACp intracelular (cPAcP), cuya expresión es sensible AR, regula a la baja Her2 por desfosforilación. En el otro tenía, secretada PACp (sPAcP) promueve la activación modesta Her2 por un mecanismo desconocido [26].
Resultados
El objetivo de este estudio fue determinar qué componentes de señalización eran importantes en la IA frente a las células LNCaP AD. Con este objetivo, hemos construido y analizado un modelo matemático mecanicista de la respuesta de andrógenos de tres diferentes adenocarcinoma de próstata LNCaP sub-líneas. Se investigó la activación fuera de la ley MAPK dependiente de la AR en las células LNCaP AD (C-33), de gama media (C-51) y AI (C-81) [13], [27]. Nuestro modelo de red incluye: la hormona nuclear y la activación del receptor del factor de crecimiento transmembrana; actividad transcripcional a través del subsistema MAPK [28] - [30], junto con la activación fuera de la ley de AR a través de MAPK [15], [18]; PI3K /AKT TOR iniciación de la traducción mediada /[31], [32]; la regulación de la transcripción y traducción de PSA, la ciclina D y PACp expresión [14], [20]; y la regulación de la actividad de Her2 por PACp [26] (Fig. 1). La red descrito 212 especies y 384 interacciones (Tabla S1). Transcripción y traducción se modelaron usando reacciones elementales basados en la literatura (material complementario). La expresión constitutiva y regulada de PSA, la ciclina D y las dos formas de PACp fueron considerados en el modelo. El
nivel total Red de todas las demás proteínas modelo fue constante. Tenemos el modelo las interacciones moleculares que utilizan los procesos cinéticos de acción de masas dentro de una ecuación diferencial ordinaria marco (ODE). ODEs son un método común de modelar vías biológicas y se han utilizado para modelar una variedad de procesos de transducción de señales [29], [33] - [41]. la cinética de acción de masas también se han utilizado ampliamente, por ejemplo, para modelar tirosina quinasa del receptor de señalización [41], coagulación de la sangre [39], las redes de dolor [40] o Toll like receptor de señalización [42], [43]. También han sido un componente clave en el éxito de los enfoques de perturbación de respuesta que han demostrado que las reglas lineales simples a menudo gobiernan el comportamiento de respuesta de las redes biológicas [44]. El ODE modelo determinista fue capturado y única población promedio de comportamiento. Mientras que supusimos homogeneidad espacial, diferenciamos entre citosólicas y procesos de membrana localizada. Se utilizó una cinética de acción de masas para describir la velocidad de cada interacción molecular. Por lo tanto, los parámetros del modelo 384 cinéticos fueron principalmente asociación, disociación o constantes de velocidad catalítica. Con una excepción, se estimaron los parámetros del modelo y validaron utilizando datos de entrenamiento LNCaP tomados de fuentes de la literatura (Tabla S2). Sin embargo, no fuimos capaces de estimar los parámetros del modelo único. En su lugar, se estimó una familia o
conjunto Red de parámetros que fue consistente con los datos de entrenamiento. El conjunto nos permitió estimar la incertidumbre asociada con el modelo de los muchos parámetros mal caracterizado. Se analizó el conjunto de modelo para comprender mejor qué características arquitectónicas fueron importantes en andrógeno dependiente frente a las células de la independencia.
La arquitectura modelo fue formulado mediante la agregación de módulos moleculares en una sola red (ver inserto para los detalles de alto nivel). El modelo describe el factor de crecimiento y la hormona inducida por la expresión de la ciclina D, PSA y las dos formas de PACp. La lista completa de las interacciones moleculares que componen el modelo (junto con los valores de los parámetros cinéticos) se dan en la Tabla S1.
Estimación de la Ensemble de próstata Modelo Parámetros
modelos de transducción de señal a menudo exhiben comportamiento complejo [45] - [48]. A menudo no es posible identificar los parámetros del modelo, incluso con datos de entrenamiento extensos [49]. Por lo tanto, a pesar de las normas de identificación [50] y la integración de la identificación del modelo con diseño experimental [51], la estimación de parámetros sigue siendo un reto. En este estudio, un
conjunto de Red de los parámetros del modelo plausibles se estimó a partir de AI y AD LNCaP sub-clones. Ensemble enfoques han abordado con éxito la incertidumbre en la biología de sistemas y otros campos como la predicción del tiempo [40], [52] - [55]. Su valor central es la capacidad de limitar las predicciones del modelo a pesar de la incertidumbre. Por ejemplo, Sethna y colaboradores demostraron en un modelo de señalización que las predicciones eran posibles usando conjuntos pesar de la información incompleta de parámetros del factor de crecimiento (a veces sólo estimaciones del orden de magnitud) [46]. Ellos mostraron además que los conjuntos modelo predictivo fueron el uso de diversos modelos matemáticos [56]
.
Los 420 parámetros desconocidos del modelo (384 constantes cinéticas y 36 distintos de cero condiciones iniciales) se estimaron usando 14 series cronológicas y estacionario conjuntos de formación estatales tomadas de las fuentes de la literatura (Tabla S2). El procedimiento de identificación de parámetros utiliza una estrategia del paseo aleatorio de máxima verosimilitud con una restricción de correlación para identificar una familia diversa de juegos de parámetros probables (Fig. 2C). Generamos 3210 conjuntos de parámetros posibles y se seleccionaron 107 de ellas para su inclusión en el conjunto final. La selección se hizo para minimizar la correlación entre los posibles conjuntos (materiales y métodos). La mayoría de los parámetros tenía un coeficiente de variación (CV) de más de 100%. Por lo tanto, aunque el modelo cualitativamente recapitula los datos de entrenamiento, muchos de los parámetros estaban mal constreñidos (Fig. 2B). Sin embargo, los parámetros que intervienen con funciones clave, tales como la ciclina D y la expresión de PSA fueron relativamente bien limitadas (CV50%). La baja desviación de estos parámetros podría atribuirse a la abundancia de datos de entrenamiento D PSA /ciclina. Alternativamente, se puede sugerir que estos mecanismos tenían un gran impacto en el comportamiento del modelo. Una estructura de red única describe tanto dependientes de andrógenos (AD) y los datos de entrenamiento independientes de andrógenos (AI) con sólo dos cambios de parámetros experimentalmente justificados. Los parámetros que controlan la tasa de expresión de PACp celular (cPAcP) y PACp secretada (sPAcP) se redujeron en un factor de 0,01 y 0,5, respectivamente, para los C-81 y C-51 líneas celulares en comparación con C-33 (Fig. 2A). Los factores de escala de expresión PACp fueron elegidos para corresponder con los coeficientes de expresión PACp en estado estacionario medidos para las diferentes líneas celulares [57]. Los parámetros cinéticos y distintos de cero condiciones iniciales para la C-33 se dan en la Tabla S1 y S3 cuadro, respectivamente
A:. Nivel de PSA en estado estacionario como una función de la expresión cPAcP y sPAcP. Los círculos representan los valores que se utilizan para modelar los C-51 y C-81 clones LNCaP. Todos los valores son relativos a C-33. B: coeficiente de variación (CV; desviación estándar de un parámetro con respecto a su valor medio) para el conjunto de parámetros utilizados en este estudio. Una pequeña CV sugirió un parámetro estaba fuertemente limitada por los datos de entrenamiento utilizados para la identificación del modelo. Los parámetros con los tres independientes más pequeños se enumeran. C: estrategia de identificación de parámetros. Múltiples trayectorias de Monte-Carlo se utilizaron para explorar el espacio de parámetros al azar. Se utilizó el error de simulación y la correlación entre los conjuntos de parámetros para generar la familia de conjuntos de parámetros utilizados en el estudio de simulación.
El Ensemble de AI /AD LNCaP Modelos recapitulado andrógenos de acción y la actividad de la proscrita Pathway
AR puede ser activado por tanto dependientes de hormonas y vías independientes. En este estudio, hemos considerado tanto la hormona tradicional dependiente y la activación de MAPK mediada por AR. Se seleccionaron datos de entrenamiento fija para restringir cada modo de activación de AR y el programa de la expresión génica AR-driven posterior. Los datos de Lee
et al.
, Se utilizó para limitar la relación entre la expresión de PSA y la activación de AR en AI y células de AD [14]. Activado AR fue modelada como tanto un activador transcripcional de la expresión de PSA [58] y un represor transcripcional de expresión PACp [20]. El modelo recapitula las características cualitativas de la expresión de PSA a nivel de proteínas de C-81 y C-33 (Fig. 3B). Además, el basal y aumento del nivel de ARNm de PSA después de sobreexpresión de Her2 en C-33 fue también bien descritos (Fig. 4). El ARNm de datos de PSA fue tomado de un estudio independiente LNCaP [18]. Los C-33 simulaciones recapitulan la expresión observada menor PSA (4 veces) en comparación a C-81 en ausencia de andrógenos (Fig. 3B, el punto inicial). Después de la estimulación DHT (10 nM en t = 1 hora) la expresión de PSA aumentó para ambos clones. Sin embargo, el aumento fue más significativo para la C-33 (Fig. 3B). El estudio de Meng
et al.
Se utilizó para limitar la relación entre la activación de AR y PACp expresión [20]. La adición de DHT a las células C-33 disminución de la expresión PACp y el aumento de la fosforilación de Her2 (Fig 3A).
A:. Phosphoralation Her2 (círculos) y de expresión cPAcP (cuadrados) para las células C-33 después de la adición de DHT. Los datos experimentales reproducidas a partir de Meng
et al.
[20]. B: expresión de PSA tras la adición de DHT a C-33 (círculos) clones LNCaP C-81 (cuadrados) y. Los datos experimentales reproducidas a partir de Lee
et al.
[14]. La región sombreada en cada parcela denota una desviación estándar centrada sobre la media del conjunto (línea).
sobreexpresión de Her2 se modeló como un aumento del 50% en la tasa de expresión de Her2. Barras indican el nivel medio del ARNm de PSA sobre el conjunto de parámetros, mientras que las barras de error indican una desviación estándar del conjunto. Se adaptó los datos ARNm de PSA experimental (dibujado de nuevo) a partir de [18].
El modelo recapitula la retroalimentación positiva entre la activación de MAPK inducida Her2 y acción de los andrógenos. Varios estudios han demostrado que MAPK puede activar AR en ausencia de estimulación de la hormona. Activado transcripcionalmente AR-regula la expresión cPAcP que a su vez aumenta la activación de Her2. Tanto la dimerización de Her2, junto con la vía tradicional factor de crecimiento EGFR puede activar MAPK, que conduce a un bucle de retroalimentación positiva. Sin embargo, la activación de MAPK inducida por el factor de crecimiento típico es transitoria mientras regulada de-Her2 activación de MAPK inducida es persistente. El módulo de MAPK en el modelo descrito dos vías de activación. factor de crecimiento de la activación de MAPK dependiente se ve limitada por las mediciones dinámicas de los niveles de fosforilados ERK (ERKpp) después de la estimulación de EGFR con 8 nM EGF (Fig. 5D). Los datos ERKpp EGF inducida fue tomada a partir de células HeLa [30]. Sin embargo, esperamos transitoria EGF inducida por la activación de MAPK en las células LNCaP será cualitativamente similares a HeLa dada la naturaleza conservada de la señalización mitogénica. Estamos obligados Her2 inducida por la activación de MAPK utilizando ciclina D datos de expresión de proteínas en C-33 y C-81 células sin expresión de andrógenos siguientes PACp (Fig. 5C). la expresión de ciclina D se acopló a ERK a través de las ETS y la transcripción AP1 factores, los cuales activan la expresión de ciclina D [59]. Her2 activación de MAPK inducida condujo a una señal ETSP persistente en comparación con la activación ETS después de la activación del EGFR MAPK inducida (Fig. 5D, recuadro). Nominalmente, C-33 células tienen menor expresión de ciclina D en comparación con C-81 (Fig. 5C, carril 1 y 4). La diferencia en la expresión de ciclina D entre C-33 y las células C-81 fue cualitativamente consistente con C-81 aumento de la proliferación [13]. Mientras que la expresión de cPAcP en C-81 redujo los niveles de ciclina D (Fig. 5C, carril 2), la expresión sPAcP resultó en ningún cambio (Fig. 5C, carril 3). Además, el modelo
predijo
un aumento dependiente de la dosis en los niveles de C-33 de ciclina D 24 horas después de la adición de DHT (Fig. 6A). Aunque el aumento de la ciclina D sólo es notable en respuesta a altos niveles de DHT (10 ó 100 nM) la predicción es cualitativamente consistente con los datos experimentales
no
ha incluido en los cálculos del conjunto [60].
a: Efecto de HER2 y la sobreexpresión de MEK en LNCaP C-33 los niveles de PSA de estado estacionario. La inhibición de la MEK bloquea el efecto de la sobreexpresión de HER2. Los datos experimentales adaptados de Lee
et al.
[14]. B: Efecto de la inhibición de HER2 y MEK en LNCaP C-33 los niveles de PSA de estado estacionario. La inhibición de cualquiera de los dos bloques de MEK altos niveles de PSA AIPC o HER2. Los datos experimentales adaptados de Lee
et al.
[14]. C: Efecto de isoformas PACp en los niveles de ciclina D en estado estacionario LNCaP. Los datos experimentales adaptados de Lingappa y compañeros de trabajo (Prosetta Corporation, datos no publicados). D: la activación transitoria de ERK vía de señalización dependiente de EGF ligando (8 nM EGF en t = 60) en células HeLa. Los datos de HeLa se reproduce a partir de [30]. Recuadro: ETS fosforilados simulado (ETSP) los niveles posteriores a la adición de 8 nM EGF en presencia y ausencia de Her2. la activación de HER2 conduce una señal MAPK sostenido que a su vez la activación sostenida ETS. La región sombreada indica una desviación estándar centrada sobre la media del conjunto (línea).
Una de predicción por conjuntos de expresión de ciclina D después de la adición de DHT a 1 hora a C-33 clones. El conjunto predijo un aumento dependiente de la dosis de la ciclina D a las 24 horas después de la adición DHT. Los datos experimentales se adaptó de Barnes-Ellerbe
et al.
[60]. B efecto de una caída en la expresión de PSA AR predicha después de la adición de andrógenos a 1 hora a C-33 de tipo salvaje y C-33 AR clones knock-down. El conjunto predijo una disminución aproximada del 50% en andrógenos estimula la expresión de PSA debido a la AR knock-down de 72 horas después del tratamiento. Los datos experimentales se informó por Eder
et al.
[61]. La barra de error indica una desviación estándar centrada alrededor de la media del conjunto.
Para restringir aún más la relación entre MAPK, Her2 y la activación de AR, se utilizó el estudio de Lee perturbación Her2
et al.
[14] en los cálculos del conjunto. Debido a que las magnitudes de perturbación no se informaron, que supone el 50% de todos los cambios. Siempre que sea posible, esta suposición se validó mediante el análisis de las correspondientes transferencias de Western utilizando el paquete de software de GelEval (v1.22, la rana de la danza del software). La magnitud de perturbación 50% fue de aproximadamente consistentes con las manchas publicados. Un aumento de 50% en Her2 condujo a un aumento de aproximadamente 50% en la expresión de PSA en C-33 sin andrógeno (Fig. 5A, carriles 1 y 3). Si bien una disminución de 50% en Her2 en C-81 condujo a una disminución similar en la secreción de PSA (Fig. 5B, carriles 1 y 2). Además interrupción de Her2 bloqueado eficazmente la expresión de PSA en C-81 sin andrógeno (Fig. 5B, carril 3). Una reducción del 50% de MEK, una de las tres proteínas quinasas primarias de MAPK, resultó en la expresión de PSA reducido en C-81 (Fig. 5B, carril 4). Mientras que un aumento de 50% de MEK en C-33 incrementó la expresión de PSA por 5 veces (Fig. 5A, carril 2). La combinación de la inhibición de MEK y la activación de HER2 (aumento del 50% en Her2 y una disminución de 50% en MEK) disminución de la expresión de PSA en C-33 (Fig. 5A, carril 4). Por otra parte, el modelo
predijo
un aumento en la C-33 niveles de PSA de 72 horas después de una adición de 2 nM del andrógeno testosterona. Las simulaciones realizadas con 10% de la condición inicial AR predijeron una disminución aproximada del 50% de la testosterona estimuló PSA (Fig. 6B). Los reducidos niveles de PSA son consistentes con los reportados datos experimentales sobre AR antisentido knock-downs en células LNCaP dependientes de andrógenos [61]. Estos datos fue
No
ha incluido en los cálculos del conjunto. En conjunto, el modelo replicado características cualitativas de la relación entre MAPK, la activación de AR y la acción de andrógenos. Además, el acuerdo cualitativo entre el modelo y experimentos para PSA y ciclina D expresión sugería que los modelos de transcripción y traducción del subsistema estaban operando correctamente.
Análisis de sensibilidad y robustez Revealed subsistemas clave de AI y células de AD
análisis de sensibilidad identificado interacciones importantes en C-33, C-51 y C-81 células (Fig. 7 y la Tabla S4). Se calculó general Estado coeficientes de sensibilidad (OSSCs) para los tres clones LNCaP sobre el conjunto de parámetros (materiales y métodos). Los valores fueron OSSC-ordenaron clasificados en función de su magnitud absoluta. La disociación de AR de proteínas de choque térmico (HSP), componentes de la Akt señalización eje y MAPK activación eran importantes (top 2% de las interacciones sensibles) independientemente del estado de andrógenos. Secuestrado AR no pudo ser activada por andrógenos o MAPK. Por lo tanto, el aumento de AR-HSP disociación promovió una mayor activación de AR y la expresión génica AR-conducido. Varios componentes de la cascada de MAPK también fueron importantes incluyendo la unión a Ras GAP y Raf, y la desfosforilación de ERK. La sensibilidad de MAPK no fue inesperado. ERK fue crítico para prohibir la activación de AR. Por otra parte, la activación de ERK fue modelado como Ras dependiente. También encontramos la señalización Akt eje de tener componentes dentro del 2% de las interacciones sensibles, independientemente del estado de andrógenos. Por ejemplo, la formación de PIP3, un primer paso en el eje de señalización de PI3K /Akt regulada por PTEN, se encontró que era altamente sensible en todos los clones. Más allá de la parte superior del 2% de las interacciones sensibles, se identificaron mecanismos comunes adicionales. Estas interacciones AR incluidos con la DHT, el reclutamiento de moléculas adaptadoras de Her2, la activación de ERK por MEKpp y la regulación adicional de la formación PIP3 por PTEN
A:. La comparación del parámetro medio de OSSC clasifica para la C-33 y C -81 modelos LNCaP. Grandes filas indican fragilidad. Puntos a la izquierda de la línea 45 son más importantes en la C-33, mientras se desplaza hacia la derecha muestran cada vez más importancia en C-81. Los puntos son organizados por la función biológica. B: Comparación del parámetro medio de OSSC clasifica para los mecanismos de traducción (incluida la función de señalización Akt en la iniciación de la traducción) en C-33, C-81 en comparación con los clones LNCaP. Las barras de error indican una desviación estándar centrada alrededor del valor de la media del conjunto. C: El mecanismo de final en la transcripción PSA se vuelve cada vez más robusto w.r.t la agresividad del cáncer, como se indica por una reducción significativa en la media OSSC Rank. D: El mecanismo de final en traducción PSA (terminación de la traducción) fue cada vez más frágil w.r.t la agresividad del cáncer, como se indica por un aumento significativo en el rango medio OSSC. Los resultados indican un cambio en el cuello de la botella para la generación de PSA de la transcripción de la traducción como células de cáncer de próstata pierden su dependencia de andrógenos. La parte superior e inferior de cada cuadro indican el percentil 25 y 75 de la fila OSSC sobre el conjunto de parámetros. La línea central representa el valor medio. Los bigotes muestran las observaciones más lejanas y cruces negras indican los valores atípicos.
interacciones de traducciones se hicieron más frágil mientras que la transcripción se hizo más robusta con el aumento de la independencia de andrógenos. Her2 la activación automática e interacciones Her2 cPAcP también eran cada vez más importante a medida que aumenta la independencia de andrógenos. La diferencia en la importancia de las interacciones en la IA en comparación con los clones AD LNCaP fue estimada por los cambios en la clasificación de sensibilidad (Tabla S5) de computación. Además de considerar la C-33 y C-81, se analizaron un tercer clon, C-51, que fue moderadamente dependientes de andrógenos. Había 117 cambios estadísticamente significativos (52 más y 65 menos sensible) entre los C-81 y C-33 clones. Sin embargo, sólo 14 turnos eran más grandes que un estándar por encima de la media de desplazamiento. De los 14 grandes desplazamientos, el 50% de PSA y la traducción PACp involucrados, mientras que el resto se asocia con Her2 y cPAcP. Por el contrario, la transcripción PSA se hizo más robusta con el aumento de la independencia de andrógenos. Del mismo modo, al comparar C-33 a C-51, la traducción de PSA y la actividad de Her2 se hicieron más sensibles con el aumento de la independencia de andrógenos. Inspección de la importancia de la etapa final en la transcripción y la traducción PSA entre los modelos individuales en el conjunto mostró un alejamiento de la transcripción (Fig. 7C) hacia la traducción (Fig. 7D) a través de la población de los modelos. La creciente importancia de la traducción no se limitó a PSA, a pesar de PSA fue el ejemplo más significativo. A nivel mundial, 16 de las 52 interacciones que eran más sensibles en C-81 traducción involucrados, mientras que sólo 4 de los 52 implicados transcripción. No hay mecanismos de traducción se hizo más robusto en comparación C-81 a C-33. De manera similar a PSA, la traducción de otras proteínas clave como cPAcP se hizo más sensible en la C-81, C-33 frente. De los cambios estadísticamente significativas, 7/9 de las interacciones de traducción cPAcP eran más sensibles en C-81. Además, ambos mecanismos para la fosforilación de 4E-BP1 por TOR quinasa, un paso clave en la iniciación de la traducción que libera eIF4E, también fueron más importancia en la C-81. En su conjunto, el análisis de sensibilidad sugiere que la fragilidad del subsistema de traslación directamente correlacionada con la independencia de andrógenos.
Para cuantificar los efectos de las especies clave perturbadores en C-81 clones preformamos análisis de robustez en cuatro marcadores de proteínas funcionales. Las condiciones iniciales de siete especies de proteínas clave fueron alterados por un factor de 10, 0.1 o 0 para knock-in, knock-down o ronda perturbaciones, respectivamente. A continuación, calcula el efecto de estas perturbaciones en los niveles de ciclina D y la expresión de PSA junto con los niveles de activación de ERK y AR. Perturbación de Raf, MEK o ERK tuvo efectos similares en los marcadores funcionales con ERK siendo el más notable (Fig. 8, carriles 1, 2 y 3). Trivialmente, perturbaciones ERK directamente efectúan niveles de activación de ERK. Sin embargo, más importante aún, las perturbaciones ERK efectúan en gran medida los niveles de ciclina D expresión. ERK knock-ins de aproximadamente el doble de ciclina D mientras ERK knock-out reducen ciclina D a menos de un tercio de los niveles de tipo salvaje. Los marcadores funcionales fueron robustos a las perturbaciones en AKT y de la TOR con diferentes efectos sobre la actividad de ERK y ligeros descensos en los niveles de expresión sobre AKT o TOR knock-out (Fig. 8, las calles 4 y 5). Además, el factor de iniciación de la traducción eIF4E demostró un comportamiento reactivo limitante en la expresión de tanto la ciclina D y PSA, mientras que las perturbaciones en 4E-BP1 tuvieron poco efecto (Fig 8, carriles 6 y 7). Sin embargo, los resultados 4E-BP1 podría ser un artefacto de artificialmente altos niveles de fondo de eIF4E como hay mediciones eIF4E directos se incluyeron en los datos de entrenamiento. simulaciones knock-in de eIF4E demostraron un aumento de 8,7 y 5,2 veces en la ciclina D y la expresión de PSA. Reducción de eIF4E resultó en una pérdida del 89% de expresión y, llenos simulaciones knock-out predijo una pérdida completa de la ciclina D y PSA.
El nivel de expresión de siete proteínas clave fue alterado por un factor de 10,. 1 o 0 (knock-in, knock-down o knock-out) y los coeficientes de robustez (área bajo la curva para la perturbada frente a la simulación de tipo salvaje) se calcularon para los niveles de ciclina D y la expresión de PSA junto con los niveles de activación de ERK y AR. Las simulaciones se realizaron para C-81, con la perturbación se indica, para aproximar el estado estable y se añadió 10 nM de DHT durante 72 horas. se reportan los valores de la media del conjunto.
Las vías de MAPK y Akt Sinérgicamente Activado expresión de ciclina D
Los sistemas complejos compuestos por subsistemas relacionados entre sí puede mostrar propiedades emergentes que no se explican por los subsistemas individuales solos [62]. En la biología del cáncer, es común hablar de las vías de transducción de señales como si se aislaron. En realidad, estos componentes son muy interconectados y pueden interactuar en una variedad de maneras a veces conducen a un comportamiento impredecible.