Extracto
El pronóstico del cáncer colorrectal (CCR) en estadio II y III, los pacientes sigue siendo un desafío debido a la las dificultades para encontrar biomarcadores robustos adecuados para el análisis de muestras clínicas. La mayoría de las firmas de genes publicados de CRC se han generado en los tejidos colorrectales fresco congelado. Debido a la acumulación de tejido congelado no es práctico para la práctica de la patología quirúrgica de rutina, tendrá que ser diseñado para la parafina de tejidos fijados con formol (FFPE) una prueba clínica que mejora las capacidades de pronóstico más allá de la estadificación patológica estándar del cáncer de colon. El NanoString nCounter
® plataforma es una herramienta de análisis de expresión génica desarrollado para su uso con muestras derivadas de FFPE. Hemos diseñado una costumbre nCounter
® conjunto de códigos basados en elementos de varios genes de las firmas que aparecen frescos basados en microarrays de tejido congelado pronóstico para el cáncer de colon, y hemos utilizado esta plataforma para comparar sistemáticamente los datos de expresión de genes de FFPE con matriz de datos de microarrays coincidentes de los tejidos congelados . Nuestros resultados muestran una correlación moderada de la expresión génica entre dos plataformas y descubrimiento de un pequeño subconjunto de los genes como biomarcadores candidatos para el pronóstico del cáncer de colon que son detectables y cuantificables en secciones de tejido FFPE
Visto:. Chen X, MAL Deane, Lewis KB, Li J, Zhu J, Washington MK, et al. (2016) Comparación de Nanostring nCounter
® Los datos sobre las muestras de cáncer de colon y FFPE Affymetrix Microarray de datos en los tejidos congelados coincidentes. PLoS ONE 11 (5): e0153784. doi: 10.1371 /journal.pone.0153784
Editor: Xiaofeng Wang, Cleveland Clinic Lerner Research Institute, Estados Unidos |
Recibido: 12 de febrero de 2016; Aceptado: 4 Abril de 2016; Publicado: 13 de mayo de 2016
Derechos de Autor © 2016 Chen 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
Disponibilidad de datos:. Los datos son disponible en la base de datos de gene Expression omnibus (GEO) (GSE62932)
Financiación:. Esta investigación fue apoyada por los Institutos nacionales de Salud de subvención CA158472 y CA095103 a XC, NGD, KBL, JZ, MKW y RDB. JL recibió apoyo en forma de un salario de Affymetrix. La función específica de este autor se articula en la sección Contribuciones de autor. Estos proveedores de fondos no desempeñaron ningún 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
La identificación de cáncer colorrectal (CCR) de los pacientes que, o bien más o menos probabilidades de beneficiarse de la quimioterapia sistémica adyuvante después de la resección quirúrgica plantea una necesidad insatisfecha importante en la prestación de una atención segura y eficaz. La práctica actual puede dar lugar a la falta de tratamiento de algunos pacientes de alto riesgo en etapa II, y el potencial exceso de tratamiento de bajo riesgo en las fases II y pacientes en estadio III [1]. El obstáculo principal es la falta de biomarcadores diagnósticos definitivos para identificar tipos de cáncer con una alta probabilidad de metástasis y, correspondientemente, los pobres resultados clínicos que tienen más probabilidades de beneficiarse de la quimioterapia sistémica; y por el contrario, para identificar a los pacientes con un riesgo muy bajo (& lt; 10%) que no es probable que obtener un beneficio significativo de la quimioterapia [2-6]. Traducción de perfiles basados en microarrays en el diagnóstico clínico como biomarcadores se complica por el hecho de que la tecnología requerida para reproducir los ha requerido previamente muestras de tejido no fijadas frescos, y hay un hueco entre un cuerpo emergente de la información genómica y la aplicación de diagnóstico. La capacidad de las firmas de expresión génica para predecir la recurrencia y el resultado clínico sostiene firmemente que los fenotipos de alto y bajo riesgo se codifican molecularmente en tumores primarios [7-9]. Sin embargo, un robusto pronóstico firma aplicable en el ámbito clínico aún no se ha desarrollado para el cáncer colorrectal debido a la variación en los métodos y procedimientos para la conservación de muestras quirúrgicas, la variación en la cantidad y calidad del ARN purificado disponibles para el análisis, los problemas de heterogeneidad tumoral y la reproducibilidad y robustez de la plataforma de ensayo. Debido a la recogida de tejidos frescos congelados no es de rutina, se necesita una prueba clínica para mejorar la estadificación del cáncer de colon que ser diseñado para los tejidos incluidos en parafina fijado en formol (FFPE) con el fin de ser ampliamente aplicable.
El NanoString nCounter
® sistema se ha aplicado para cuantificar la expresión de genes de diversas firmas de genes para varios tipos de tejidos, incluyendo muestras de FFPE [10-13]. Hemos diseñado un encargo nCounter conjunto de códigos para la evaluación cuantitativa de la expresión de genes de 414 elementos. Este ensayo consiste en múltiples firmas genéticas publicadas para el pronóstico del cáncer de colon además de varios elementos de genes candidatos derivados de los estudios en curso en la biología de células madre intestinales y la transición epitelio-mesenquimal (EMT). Para determinar qué elementos de firmas de pronóstico pueden ser traducidos a partir de tejido congelado fresco a FFPE archival derivado muestras de ARN de los pacientes, se comparó sistemáticamente los resultados de expresión para los 414 genes de la plataforma nCounter utilizando tejido derivado de FFPE y desde una plataforma array utilizando microarrays emparejado congelado tejidos.
Materiales y Métodos
diseño de experimentos y de la muestra Descripción
los tejidos humanos utilizados para el análisis de microarrays fueron recogidos y anotados de acuerdo a los protocolos establecidos y aprobados por las Juntas de Revisión Institucional apropiadas (IRB) de la Universidad de Vanderbilt (VUMC). Todos los tejidos fueron recogidos durante el período de tiempo desde 1999-2011. El estadio del tumor fue evaluada por la Comisión Conjunta Americana sobre directrices cáncer. escrito el consentimiento informado se obtuvo de todos los pacientes antes de la inclusión en los estudios. Se obtuvieron las diapositivas de evaluación de calidad para verificar el diagnóstico y la cantidad de material celular para cada muestra. tejidos tumorales humanos identificados-de para inmunohistoquímica se obtuvieron con la aprobación del IRB VUMC. Para los estudios de microarrays, secciones representativas de las muestras de tejidos frescos se congelaron rápidamente en nitrógeno líquido dentro de los 20 minutos de la resección y se almacenan a -80 ° C hasta la etapa de aislamiento de ARN. La mediana (mínimo-máximo) el tiempo de almacenamiento de tejido congelado desde la fecha de la resección de la extracción de RNA son 455 (35-2858) días. El ARN se purificó a partir de secciones de tejido que contienen & gt; 80% del tejido del tumor epitelial usando RNeasy (QIAGEN, Valencia, CA) según las instrucciones del fabricante. Las muestras se hibridó a Affymetrix Human Genome U133 Plus arrays 2,0 GeneChip Expresión, Santa Clara, CA), que incluían aproximadamente 39.000 genes humanos. Las muestras incluyeron cuatro tejidos sanos de control de pacientes, 12 en estadio I, 17 en estadio II, 20 en estadio III y IV etapa 15 tejidos de pacientes de CRC. La información de la muestra detallada, incluyendo datos Suvival se puede encontrar en la Tabla S1.
Para los estudios NCounter, archivada FFPE muestras tumorales emparejados a los tejidos congelados anteriormente descritos han sido identificados y procesados por la instalación de Conversión de Patología y Imaging Core Vanderbilt. Los tejidos se fijaron en paraformaldehído al 4%, embebidos en parafina y se almacenan a temperatura ambiente hasta la extracción de ARN. La mediana (mínimo-máximo) el tiempo de almacenamiento de tejidos FFPE partir de la fecha de la resección de la extracción de RNA son 1021 (364-3483) días. La primera 20μm del tejido se descartó antes de cortar secciones para la extracción de RNA. Las secciones de tejido se montaron en portaobjetos de vidrio no cargados y uno de la sección de diapositivas de tejido se tiñeron con H & amp; E para el control de calidad de cada bloque de tejido. El ARN se purificó a partir de secciones de tejido de espesor 5μm que contienen más de 80% de tumor usando alta Kit FFPE RNA Micro Pure (Roche) de acuerdo con las instrucciones del fabricante. se requiere un mínimo de 4 secciones por muestra. La hibridación de ARNm, la detección y el escaneo se siguió el protocolo y realizada por NanoString Technologies.
nCounter el desarrollo conjunto de códigos
Hemos diseñado una costumbre nCounter
® ensayo (NanoString Technologies, Seattle, WA) para la evaluación cuantitativa de la expresión de 414 elementos de genes. Este ensayo multiplexado puede detectar la expresión de hasta 800 transcripciones a muy bajas concentraciones de ARNm (0.1fM /1 copia por célula) [14], incluso en las muestras de ARN que se degradan significativamente, siempre que más de 20% de la muestra tiene fragmentos de ARN de más de 300 pares de bases [13]. La Tabla 1 enumera todas las firmas de genes implicados en el conjunto de códigos nCounter. Se incluyeron elementos de genes de nuestra firma de 34 genes [9], así como elementos de firmas publicados [7, 8, 15-24] en el ensayo nCounter, seleccionando aquellos que fueron representados en ≥ 2 firmas. Cincuenta genes candidatos adicionales de interés relacionados con la EMT y el estudio del comportamiento metastásico en células de cáncer (por ejemplo, E-cadherina, Smad4, ZEB1, Snail, Slug, Twist, beta-catenina, etc.), también se añadieron al ensayo. La lista completa con los símbolos de genes y las fuentes de los 414 genes se puede encontrar en los cuadros S2 y S3.
Bioinformática y análisis de datos estadísticos
los datos de microarrays de Affymetrix se normalizaron mediante la MultiChip de promedio (RMA) algoritmo robusto como se implementa en el paquete Bioconductor
Affy
[25]. Los efectos lotes fueron ajustados por el enfoque de combate disponibles en el paquete Bioconductor
SVA
[26]. NanoString nCounter control de calidad de los datos y la normalización se realizaron utilizando el paquete de R
NanoStringNorm
[27]. Para las comparaciones de grupo, prueba t en el
se utilizó Limma
paquete de Bioconductor para identificar sonda fija expresados diferencialmente entre el tumor y los tejidos normales en ambas plataformas de Affymetrix y NCounter [28]. Para el análisis de supervivencia, se aplicó el riesgo proporcional de Cox para probar la asociación con los resultados de supervivencia global para cada gen candidato utilizando el paquete R
supervivencia.
En este estudio, con el fin de hacer una comparación directa entre Affymetrix HGU133plus 2 y NCounter datos de expresión génica, se encontraron por primera vez los mejor adaptados-sondas de microarrays de Affymetrix sondas a NanoString NCounter. Con este fin, hemos utilizado símbolo de genes o la transcripción de identificación para enlazar NanoString nCounter identificaciones y Affymetrix sonda identificadores. Si el gen sólo tenía una sonda única, entonces tenemos que utiliza la sonda ID como el partido por NanoString. De lo contrario, si el gen tenía múltiples sondas, a continuación, elegimos el uno con la mayor puntuación de alineamiento de Smith-Waterman, que se calculó por el algoritmo de Smith-Waterman para identificar las regiones homólogas entre las secuencias mediante la búsqueda de alineamientos locales óptimas, entre NanoString nCounter y Affymetrix sonda secuencias como el partido por nCounter [29]. están disponibles en la Expresión Génica Omnibus (GEO) de bases de datos (GSE62932). Tanto los datos de microarrays y NCounter
Resultados
Los valores de calidad del ARN extraído
Números de ARN de Integridad (RIN) fueron obtenido usando un instrumento Agilent Bioanalyzer para ambas muestras de ARN derivado congelados y FFPE. El software del instrumento genera una puntuación RIN basado en la totalidad de su electroferograma. valores RIN oscilan desde 1 hasta 10, siendo 1 el ARN totalmente degradado y 10 es de alta calidad de ARN (intacto). Para los estudios de microarrays, un corte de RIN se utilizó = 7,0. valores RIN variaron de 7-10, con una mediana de 8,5 y la media de 8,4. Para los estudios de Ncounter, los valores oscilaron RIN 0-8, con una mediana de 2,4 y la media de 2,5. Además, para ser aceptable para el análisis para nCounter, ≥20% de la muestra de ARN tuvo que contener fragmentos de al menos 300 pares de bases de longitud. Los detalles de los resultados se incluyeron en la Tabla S4.
de datos de calidad de datos de microarrays y nCounter
Después de pre-procesamiento y normalización, log2 transformado a partir de 414 genes tanto de microarrays y nCounter se compararon. Las distribuciones de intensidad de señal para todas las muestras se muestran con gráficos de caja en la figura S1. Para dibujar la distribución de la expresión de genes, cada uno de los 414 genes estuvo representada por el valor de la mediana de 68 muestras. Fig 1 compara genes distribuciones de expresión basados en nCounter y microarrays. datos Ncounter mostraron una distribución bimodal que es probablemente debido a la degradación del ARN en muestras de FFPE. En más detalle, hemos encontrado que un 70% de los genes tenían valores de expresión normalizada la mediana en el rango de 5-10 unidad arbitraria en ambas plataformas. En contraste, alrededor del 15% de los genes mostró valores muy bajos de expresión normalizados (≤ 5 unidades arbitrarias) en la plataforma nCounter mientras que sólo el 8% de los genes realizó como mal en la plataforma de microarrays. Por el contrario, sólo el 14% de los genes mostró sólida expresión valores medios de expresión (& gt; 10 unidades arbitrarias) en la plataforma nCounter mientras más cerca de un 23% de los genes dio señales de sólidos sobre la plataforma de microarrays. En resumen, la cantidad de datos utilizables logra utilizando la plataforma nCounter era baja en comparación con la alcanzada en la plataforma de microarrays.
La frecuencia de las sondas de genes (414 elementos en total) se grafica contra la mediana de los valores de expresión normalizada en todo el x eje y.
para examinar la reproducibilidad de la plataforma nCounter, se seleccionaron seis muestras FFPE para generar dos repeticiones más técnicos para cada muestra. S2 figura muestra los diagramas de dispersión de los recuentos de log2-transformado entre todos los pares de réplicas. El coeficiente de correlación promedio es de 0,983, lo que indica que la plataforma nCounter es reproducible.
muestra y correlaciones entre genes y nCounter microarrays
Para cada par de muestras FFPE cuantificado por nCounter y muestra congelada fresca cuantificaron por microarrays, la correlación de Pearson se calculó en base normalizados, log2 transformado los valores de expresión génica de los 414 genes. La correlación media fue de 0,501 con un intervalo de 95% bootstrap de confianza (0,412, 0,589), y el mínimo y el máximo de correlación eran 0,337 y 0,591 respectivamente. El mapa de calor en la figura 2 muestra todas las correlaciones por pares entre FFPE muestras congeladas y frescas. El análisis basado en la correlación de Spearman mostró resultados similares, lo que sugiere el patrón de correlación entre las muestras no se vio afectada por diferentes procedimientos de normalización ya los métodos de normalización no cambian la clasificación de genes dentro de cada muestra.
El eje X representa el muestras frescas congeladas y el eje y representa acertaron muestras FFPE.
Para cada uno de 414 genes, la correlación de Pearson se calculó también entre dos tipos de tejidos. Hemos trazado el histograma de los coeficientes de correlación de genes a gota en la figura 3. La media de correlación de los 414 genes fue 0,315, con un intervalo de confianza del 95% de arranque (0,248, 0,385), y el mínimo y el máximo de correlación eran 0,784 -0,250 y respectivamente. En cuanto a la correlación gen representa la concordancia de los valores de la expresión de genes a partir de dos plataformas de expresión entre dos tipo de tejido compatible. Debido al diseño de la sonda única de nCounter, algunos genes no coinciden bien entre dos plataformas, que pueden haber contribuido a las correlaciones débiles o negativos. Es razonable observar este nivel moderado de concordancia porque las variaciones en la expresión de los genes eran de dos plataformas diferentes y tipos de tejidos. El nivel medio de la concordancia entre los genes también dio lugar al patrón ambigua entre las muestras congeladas y frescas FFPE que se muestran en la Figura 2.
eje X representa la correlación de Pearson de cada uno de los 414 genes entre las muestras frescas congeladas y muestras FFPE e y eje y representa la frecuencia.
Comparación de la expresión de genes entre nCounter y microarrays
Después de pre-procesamiento y normalización, para detectar los genes expresados diferencialmente entre 64 tumor y 4 muestras normales en nCounter o microarrays plataformas separado, se utilizó la prueba t regularizado como se aplica en el
Bioconductor paquete
LIMMA
. Usando nominal p-valor de 0,05 como el punto de corte, 76 genes fueron identificados como genes expresados diferencialmente de manera significativa en ambas plataformas. Entre los 76 genes, 40 y 26 genes sobreexpresados fueron regulados a la baja y en muestras de cáncer. Hubo 30 y 60 genes importantes descubiertos en una sola plataforma de microarrays y nCounter respectivamente, y 248 genes no fueron significativas por cualquiera de las plataformas. Las listas completas de pruebas de coeficiente de genes incluyendo, p-valor nominal y la tasa de falso descubrimiento se pueden encontrar en las Tablas S5 y S6 para nCounter y microarrays, respectivamente. La figura 4 muestra la comparación de log 2 veces el cambio en el tumor de intensidad de la señal normal entre nCounter y microarrays para cada uno de 414 genes que fueron seleccionados para el conjunto de códigos nCounter. Los puntos rojos, verdes y azules representan 76, 90 y 248 genes expresados diferencialmente de manera significativa en ambos, o bien, y ni plataformas respectivamente. Si utilizamos FDR 0,1 como punto de corte, hubo 48, 72 y 294 genes expresados diferencialmente de manera significativa en ambos, ya sea, y ni plataformas, respectivamente.
log2 veces el cambio en el tumor de intensidad de la señal normal para 414 genes que comparan los resultados de nCounter (eje x) y microarrays (eje y). Los puntos rojos, verdes y azules representan 76, 90 y 248 genes expresados diferencialmente de manera significativa en ambos, ya sea, y ni plataformas, respectivamente.
Asociación de nCounter y microarrays de genes de expresión con el resultado de supervivencia
también examinó la asociación de la expresión génica con los resultados de supervivencia global de 64 pacientes utilizando un modelo de riesgo proporcional de Cox. El uso de un p-valor nominal de 0,05 como umbral, había 6 genes asociados significativamente incluyendo PPL, CCND1, EXT2, s100a11, USP9X, y PHLDA1 por ambas plataformas, 25 genes significativos por nCounter, y 24 genes importantes por microarrays. PPL, CCND1, s100a11, y PHLDA1 se asociaron con riesgo de alto, y EXT2 y USP9X se asociaron con un mejor pronóstico. La mayoría de los genes (359 genes) no se asociaron significativamente con los resultados de supervivencia global por cualquiera de las plataformas debido al tamaño de la muestra relativamente pequeña. Las listas completas de pruebas de coeficiente de genes incluyendo, p-valor nominal y la tasa de falso descubrimiento o este análisis de datos de supervivencia están en S7 y S8 Las mesas de nCounter y microarrays, respectivamente. La figura 5 muestra los coeficientes de riesgo de registro para los resultados de supervivencia global de los 414 genes comparación entre nCounter y datos de microarrays, con los puntos rojos, verdes y azules que indican los genes 6, 49 y 359 tienen asociación significativa la supervivencia en los dos, uno y ni plataformas . Para los seis genes identificados por ambas plataformas, estudios anteriores mostraron que CCND1 y S100A1can pueden utilizar como biomarcadores para el pronóstico del cáncer de colon [30, 31], y la inhibición de USP9X pueden aumentar la sensibilidad de las células tumorales a algunos agentes quimioterapéuticos [32, 33] .
Registro razón de riesgo de tumor para la intensidad de señal normal de 414 genes en comparación con los resultados de supervivencia global compararon los resultados de nCounter (eje x) y microarrays (eje y). Los puntos rojos, verdes y azules representan el 6, 49 y 359 genes asociados significativamente con los resultados de supervivencia en tanto, tampoco, y ni plataformas, respectivamente.
Discusión
La calidad de la transcripción del mRNA la cuantificación en muestras FFPE es crucial para la investigación traslacional del cáncer. En este estudio, las comparaciones se basan en las mediciones de la plataforma de nCounter NanoString utilizando muestras derivadas de FFPE y Genoma Humano U133 Plus 2.0 Expression Arrays GeneChip de Affymetrix en pacientes emparejados tejido fresco congelado. Idealmente, la cuantificación del mRNA usando la misma plataforma de FFPE emparejado y tejidos congelados haría una comparación más directa. Sin embargo, con el fin de determinar si firmas genéticas desarrolladas utilizando tejidos frescos congelados son aplicables a muestras clínicas, las comparaciones entre las dos plataformas usando coincidir, pero diferencialmente tejidos archivados, se requiere.
El mRNA de perfiles basados en el uso de nCounter FFPE técnicos repeticiones mostraron una alta reproducibilidad de la plataforma similar a la del estudio anterior [10]. Sin embargo, los coeficientes de correlación promedio fueron de 0,501 y 0,315 para las correlaciones de muestras relacionadas FFPE /fresco congelado y las correlaciones de genes coincidentes, respectivamente. Estos resultados indican correlaciones moderadas entre nCounter (FFPE) y microarrays (fresco congelado) de datos.
Para las comparaciones de tumor y el grupo normal, 166 de los 414 genes fueron identificados los genes expresados diferencialmente como significativamente por cualquiera de las plataformas y la de estos 166 genes, 76 genes (46%) se expresaron concordantemente entre las dos plataformas. La demostración de una asociación con los resultados de supervivencia es más desafiante, sólo 11% de genes (6 genes) entre los genes asociados significativamente (55 genes) por cualquiera de las plataformas fueron concordantes.
Hay múltiples factores que pueden afectar a los resultados experimentales. La plataforma nCounter, por su propia naturaleza, representa una estructura de encargo de elementos de genes candidatos como biomarcador, por tanto, la selección de genes en un conjunto de códigos nCounter inherentemente límites
in silico
comparaciones con otros estudios publicados. El grado de degradación del ARN es otra cuestión difícil frente del transcriptoma de perfiles de las estrategias que utilizan las muestras derivadas de FFPE. Por ejemplo, un estudio reciente sobre el carcinoma hepatocelular demostró que las mediciones transcrito de ARNm lograr utilizando el sistema nCounter para muestras FFPE seccionadas archivados en comparación con los tejidos FFPE mal recién cortadas [11]. Este problema se refiere tanto al problema de la variación en la preparación de la muestra y de la cuestión de la heterogeneidad inherente tumor se refleja en las diferencias moleculares medibles entre secciones de tejido adyacentes. En este estudio, NanoString tecnologías proporcionan el diseño de la sonda única basada en la frecuencia de transcripción de nuestro panel de genes, pero utilizando el diseño de la sonda múltiple podría ser una estrategia para mejorar la calidad de los datos nCounter.
Histórico de FFPE tejido tumoral conservado sigue siendo el más origen de la muestra de tejido disponible para el desarrollo a gran escala y la validación de las firmas de genes pronósticos y predictivos para el cáncer de colon. Identificación de los subgrupos de los tejidos tumorales de archivo producir muestras de ARN más altos de calidad de perfiles de expresión es un método para mejorar el desarrollo de biomarcadores a partir de estas muestras. Las mejoras en la tecnología, tales como nuevos protocolos FFPE de extracción de ARN, ARN de amplificación nuevos métodos de etiquetado y FFPE y flujos de trabajo de procesamiento de datos modificados también pueden ayudar a los problemas de la degradación del ARN paso lateral y mejorar la calidad de los datos del transcriptoma de ARN-Seq o microarrays [34- 36]. En el presente estudio, hemos demostrado que la firma genética desarrollada en los datos de microarrays de expresión génica utilizando muestras frescas congeladas puede no ser directamente aplicable a los datos NCounter basados en muestras FFPE. Sin embargo, hemos demostrado que un pequeño subconjunto de genes tenía patrones de expresión estables en las plataformas Ncounter y de microarrays, e independiente de si los lisados se obtuvieron a partir de muestras congeladas o FFPE derivados frescas. Los estudios de seguimiento en estos genes pueden ayudar a conducir a clínicamente más biomarcadores útiles para el cáncer de colon.
Apoyo a la Información
S1 Fig. Las distribuciones de la intensidad de señal de 68 muestras (parcelas cajas individuales) por nCounter y microarrays
doi: 10.1371. /Journal.pone.0153784.s001 gratis (PDF)
S2 Fig. Diagrama de dispersión de los recuentos normalizados a partir de 414 elementos de genes individuales utilizando una muestra dividida entre seis FFPE conserva extracciones de tumores (técnica repeticiones ciego) en la plataforma nCounter
doi:. 10.1371 /journal.pone.0153784.s002 gratis (PDF)
Tabla S1. La información clínica de 68 muestras
doi:. 10.1371 /journal.pone.0153784.s003 gratis (CSV)
S2 tabla. La lista completa con los símbolos de genes y las fuentes de los 414 genes para nCounter conjunto de códigos
doi:. 10.1371 /journal.pone.0153784.s004 gratis (CSV)
S3 Tabla. La lista de ID de sonda Affymetrix emparejados de los 414 genes para nCounter conjunto de códigos
doi:. 10.1371 /journal.pone.0153784.s005 gratis (CSV) sobre Table S4. La extracción de RNA RIN valora
doi: 10.1371 /journal.pone.0153784.s006 gratis (CSV)
S5 tabla. Los resultados de las pruebas de genes expresados diferencialmente para nCounter
doi:. 10.1371 /journal.pone.0153784.s007 gratis (CSV)
S6 tabla. Los resultados de las pruebas de genes expresados diferencialmente para microarrays
doi:. 10.1371 /journal.pone.0153784.s008 gratis (CSV) sobre Table S7. Los resultados de las pruebas de asociación con los resultados de supervivencia para nCounter
doi:. 10.1371 /journal.pone.0153784.s009 gratis (CSV) sobre Table S8. Los resultados de las pruebas de asociación con los resultados de supervivencia para los microarrays
doi:. 10.1371 /journal.pone.0153784.s010 gratis (CSV)