Extracto
Antecedentes
pancreático adenocarcinoma ductal (PDAC) sigue siendo una causa importante de muerte por cáncer. Los cambios en la apoptosis de señalización en consecuencia el cáncer de páncreas en la resistencia a la quimioterapia y el crecimiento agresivo y metástasis. El objetivo de este estudio fue caracterizar la vía de la apoptosis en el cáncer de páncreas computacionalmente mediante la evaluación de los datos experimentales de tecnologías de alto rendimiento y las bases de datos públicas. Por lo tanto, el análisis de la expresión génica del tejido tumoral pancreática microdissected se llevó a cabo en un modelo de la vía de la apoptosis obtenido por la predicción computacional de la interacción proteína.
Metodología /Principales conclusiones
Apoptosis genes relacionados con la vía se ensamblan a partir de electrónica bases de datos. Para evaluar la expresión de estos genes se construyó un subconjunto virtual a partir de un análisis de todo el genoma a partir de tejido tumoral nativo microdissected. Para obtener un modelo de la vía de la apoptosis, las interacciones de los miembros de la vía de la apoptosis se analizaron utilizando bases de datos públicas y la predicción computacional de las interacciones proteína. datos de expresión génica se llevaron a cabo en el modelo de vía de la apoptosis. 19 genes fueron encontrados expresado diferencialmente y 12 genes tenido un papel fisiopatológico ya conocido en PDAC, tales como survivina /BIRC5, BNIP3 y TNF-R1. Además se validó la expresión diferencial de IL1R2 y de estar /BIRC7 por RT-PCR e inmunohistoquímica. La aplicación de los datos de expresión de genes en el mapa vía de la apoptosis sugirió dos defectos de mayor nivel de la vía a nivel de receptores de muerte celular y dentro de la cascada de señalización intrínseca consistente con referencias sobre la apoptosis en PDAC. Proteína interacción predicción mostró además posibles nuevas interacciones entre los miembros individuales de la vía, lo que demuestra la complejidad de la vía de la apoptosis.
Conclusiones /Importancia
Nuestros datos muestran que mediante la evaluación computacional de un público de datos accesible imagen virtual aceptable de la vía de la apoptosis podría ser dada. Por este enfoque podríamos identificar dos defectos de mayor nivel de la vía de la apoptosis en PDAC. Podríamos además por primera vez identificar IL1R2 posible gen candidato en PDAC
Visto:. Rückert F, G Dawelbait, Invierno C, Hartmann A, Denz A, Ammerpohl O, et al. (2010) El examen de señalar la apoptosis en el cáncer pancreático por Computacional Análisis de Señales de transducción. PLoS ONE 5 (8): e12243. doi: 10.1371 /journal.pone.0012243
Editor Syed A. Aziz, Health Canada, Canada |
Recibido: 25 Junio, 2010; Aceptado: July 20, 2010; Publicado: 19 Agosto 2010
Derechos de Autor © 2010 Rückert y col. 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:. Este estudio fue apoyado por el programa MedDrive38 de la Facultad de medicina de la Universidad Técnica de Dresde y Deutsche Krebshilfe. 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
pancreático adenocarcinoma ductal (PDAC) es el cáncer más común octavo en el mundo occidental [1]. Su mortalidad es casi igual a la tasa de incidencia de 6,3 /100.000 [2]. A pesar de la terapia de modalidad combinada carcinoma de páncreas muestra una respuesta satisfactoria al tratamiento [3]. Recientemente, un análisis genómico amplio de
Jones
et al. podría identificar la apoptosis como una vía de señalización núcleo en el cáncer de páncreas. La vía se modificó genéticamente en la mayoría de las 24 líneas celulares de cáncer de páncreas primarios [4]. Clínicopatológicamente, esta señalización apoptosis defectuosa contribuye a la mala respuesta del tumor a la quimioterapia, la radiación y la inmunoterapia [5] ionizante y afecta a la capacidad de metástasis y tasa de crecimiento del tumor [6], [7]. Por lo tanto, la comprensión de la resistencia a la apoptosis es un requisito previo para la mejora de la terapia del cáncer.
Apoptosis, o programa de muerte celular, puede ser activado por diversos mecanismos del extrínseca y la vía intrínseca. Si bien la activación de receptores de muerte celular conduce a la participación de la vía extrínseca, la ruta intrínseca se activa por las mitocondrias durante el estrés celular, tanto que resulta en una activación de caspasas [8].
Hoy en día, la vía de la apoptosis es uno de las vías intracelulares mejor investigadas. Sin embargo, la interpretación de los datos experimentales se ve obstaculizado por la multitud de moléculas y la compleja interacción de la vía de señalización. En este estudio hemos tratado de aproximarse a la vía de la muerte celular en el cáncer de páncreas en un análisis computacional de los datos experimentales de tecnologías highthroughput y bases de datos públicas. Intentamos utilizar la gran cantidad de información para modelar el flujo de información intracelular de la vía de la apoptosis en el cáncer de páncreas. Para una visualización gráfica del diseño del estudio véase la Figura 1.
La aplicación de los datos de expresión génica en un modelo de la vía de la apoptosis obtenidos por las bases de datos de interacción de proteínas y predicción de la interacción de proteínas mostró un patrón consistente de higher- defectos nivel en la vía intrínseca y sobre el nivel de los receptores de muerte celular que potencialmente puede resultar en el fenotipo de resistencia a la apoptosis en el cáncer de páncreas.
resultados
Computacional construcción del mapa de ruta de apoptosis
las interacciones de los 103 genes de la apoptosis asociada de nuestra búsqueda de base de datos se evaluaron inicialmente mediante cribado de bases de datos de interacción proteína-proteína. La búsqueda resultó en 940 interacciones conocidas. Esas interacciones representados experimentalmente demostrado interacciones entre las proteínas definidas. Estos datos se utilizó para construir un mapa de ruta, como se mencionó anteriormente (figura 2).
Los nodos en estos gráficos representan los receptores, ligandos, efectores, quinasas y factores de transcripción, mientras que cada borde describe una relación entre estas especies . En la parte superior de la figura se muestra la inducción de la apoptosis directa (A), mientras que en la parte inferior se representa la modulación de la expresión génica a través de (B). interacciones negros significan que la conocen interacciones de proteínas a partir de bases de datos. Para una mejor vista que no muestres todas las 940 interacciones conocidas, por favor ver S3 Archivo para obtener una lista de todas las interacciones. bordes azules significan que la computacionalmente predijo interacciones de los 103 genes de apoptosis asociada con un alto nivel de evidencia.
En una segunda etapa, tratamos de encontrar interacciones previamente desconocidos entre los 103 genes asociados con la apoptosis. Por lo tanto, tuvimos que asignar familias estructurales para los productos de los genes, porque la mayoría de las estructuras eran desconocidos. La asignación estructural y la clasificación de la familia de los genes de apoptosis asociada dieron como resultado la asignación de 53 genes. La aplicación de la evaluación de conservación interfaz para posibles interacciones entre los productos de esos 53 genes dio lugar a 21 nuevas interacciones (por ejemplos, véase Archivo S2, para datos enteros ver S3 Archivo).
Estas nuevas interacciones representan putativo interacciones que no son todavía experimentalmente demostrado. Todas las nuevas interacciones se llevaron a cabo en el primer plano de la vía de la muerte celular (Figura 2).
Resultados de la GeneChip
Hemos construido un subconjunto virtual para identificar los cambios de expresión génica de los 93 genes de apoptosis de los cuales se podría obtener un identificador. Para evaluar el desempeño de este enfoque se compararon los resultados para el gen de apoptosis conjunto con todo el genoma y el análisis subarreglo virtual. De los 23 conjuntos de sonda identificados con el análisis subarreglo virtual sólo 18 fueron detectados en todo el análisis del genoma. La media de expresión intensidades de los probesets detectados sólo por análisis subarreglo era 125 en comparación con 346 para los conjuntos de sonda detectados con ambos métodos, lo que indica que el análisis subarreglo virtual fue más sensible. Los 23 probesets representados 19 genes expresados diferencialmente (Figura 3). De éstos, 11 genes se sobreexpresa y 8 fueron underexpressed en PDAC comparación con las células ductales normales microdissected. Entre la década de los genes, 12 ya fueron reportados por otros grupos en PDAC (Tabla 1).
Mapa de calor de 19 PDAC microdissected (marcado en rojo), 13 muestras de células de los conductos normales microdissected (marcado en verde), y 13 líneas establecidas de células tumorales pancreáticas (marcada magenta) con el 93 diferencial de genes y una matriz de distancia euclidiana. Las células estromales normales sirvieron como control de calidad interno (marcado en azul).
Verificación de la expresión diferencial
Se seleccionaron dos genes, estar /BIRC7 y IL1R2, para su validación por cuantitativos RT-PCR y /o inmunohistoquímica. Se confirmó una regulación al alza significativa en las células PDAC o IL1R2 (
p
= 0,035) y de estar /BIRC7 (
p
= 0,01) (Figura 4 A, B). Paralelamente a RT-PCR en 16 muestras de pacientes con PDAC y 16 tejidos pancreáticos normales se tiñeron de estar /BIRC7. 89% de las células PDAC se dio positivo por estar /BIRC7, en contraste con sólo 62% de la de las células ductales normales (
p
= 0,001). PDAC tejido mostró también la tinción más intensa que el tejido normal, y los resultados fueron estadísticamente significativas (
p Hotel & lt; 0,001). (Figura 4 C, D)
Las gráficas muestran los resultados de la RT-PCR cuantitativa en el tejido normal del páncreas y de páncreas adenocarcinoma de estar /BIRC7 (t-test con p = 0,01) (a) y IL1R2 (t-test con p = 0,035) (B). La tinción inmunohistoquímica para estar /BIRC7 en el páncreas benigna y adenocarcinoma invasivo. carcinoma de páncreas (flecha) que muestra tinción citoplásmica intensa (aumento original x100) (C). epitelio ductal benigna muestra una tinción más débil notable (flecha) (aumento original × 40) (D). * Indica que el valor de p. & Lt; 0,05
Discusión
El cáncer de páncreas es una neoplasia maligna con muy mal pronóstico y una mejora significativa en la terapia en los últimos 30 años [1]. Recientemente, un análisis genómico amplia apoptosis identificado como una vía de señalización núcleo en el cáncer de páncreas [4].
La vía de la apoptosis es una de las vías intracelulares mejor investigadas. Sin embargo, la vía comprende una multitud de moléculas de señalización y muestra interacciones complejas. Esto deja a los resultados de estudios experimentales difíciles de interpretar. En este estudio hemos tratado de aproximarse a la vía de la muerte celular en el cáncer de páncreas en un análisis computacional de los datos experimentales de tecnologías de alto rendimiento y con la evaluación de las bases de datos públicas. Con la ayuda de estas tecnologías tratamos de comprender mejor la gran cantidad de información y para hacer declaraciones acerca de las perturbaciones en el flujo de información en la vía de la apoptosis en el cáncer de páncreas. Nuestros resultados se compararon con las publicaciones anteriores sobre la apoptosis en el cáncer de páncreas.
103 genes de la apoptosis asociada se identificaron por búsqueda de base de datos. Para evaluar las interacciones entre los genes identificados apoptosis asociada que evaluamos bases de datos y las interacciones proteína predecir computacionalmente. La vía de la apoptosis hecho de que es una de las vías más conocidas se refleja en la gran cantidad de interacciones de proteínas probadas experimentales en bases de datos públicas. Nuestro enfoque produjo 940 interacciones y pudimos identificar más de 21 interacciones previamente desconocidos computacionalmente mediante la predicción basada en la estructura basada en la secuencia y de las interacciones proteína. Especialmente MCL-1, CASP 3, TRADD, 4 de septiembre de FIA, la calma y TRAF 6 mostraron ramificaciones en la cascada de señalización previamente desconocido. Aunque no podríamos experimentalmente a prueba de esas interacciones, esto es una evidencia de la complejidad del flujo de información dentro de esta vía. Mediante el establecimiento de los receptores de muerte celular como punto de partida para la vía de señalización se construyó un modelo de la vía de visualizar las interacciones.
La expresión de genes de los genes de la apoptosis asociada se realizó usando un subconjunto virtual en un conjunto de microdissected tejido de conductos pancreáticos normales y PDAC. La comparación de los datos de la submatriz con el análisis del genoma completo reveló considerablemente más conjuntos de sonda para ser diferencialmente expresado utilizando el enfoque subarreglo virtual. Curiosamente los conjuntos de sonda no identificados por el análisis de todo el genoma muestran bajos valores de expresión, lo que demuestra que la construcción de un subconjunto virtual podría resultar en una mayor sensibilidad para la detección en el extremo inferior de las intensidades de expresión de genes. Esto es principalmente debido al menor número de conjuntos de sonda probado, reduciendo el posible ruido de fluctuación durante el análisis. Análisis
La expresión de genes mostraron 19 genes expresados diferencialmente. De éstos, 11 genes se sobreexpresa y 8 fueron underexpressed en PDAC comparación con las células ductales normales microdissected. Entre la década de los genes, 12 ya fueron reportados por otros grupos en PDAC.
survivina, livin, MCL-1, y DcR3 se upregulated y mostraron muy buena de acuerdo con los informes anteriores (véase S1 Archivo). TNF-R1, BNIP3, y la caspasa 9 se downregulated, esos genes también mostraron una buena conformidad a los estudios anteriores (véase S1 File).
Sin embargo, XIAP, un miembro de la familia IAP de las proteínas se downregulated en nuestro análisis contrariamente a los estudios anteriores. Esta discrepancia podría ser debido a la heterogeneidad del tumor, una faceta fundamental de todos los tumores sólidos [9]. También podría deberse a las diferencias en el diseño de los estudios, porque la mayoría de los estudios anteriores sobre XIAP utilizan líneas celulares de carcinoma de páncreas, mientras que hemos utilizado microdisecado tejido tumoral nativo.
Sin embargo, nuestros datos arrojaron resultado interesante, ya que encontrado dos principales focos de desregulaciones dentro de la vía de la muerte celular.
Uno de los principales focos fue a nivel de los receptores celulares. En general, parece que hay una regulación a la baja de los receptores de muerte celular, y una regulación positiva de los receptores señuelo. La regulación a la baja de los receptores de muerte celular TNRF-1 y la regulación al alza del receptor Fas-señuelo DcR3 en nuestros datos ya se informó anteriormente [10]. Esta desregulación está destinado a ayudar a que el tumor evadir el sistema inmune, debido a la disminución de la sensibilidad hacia los ligandos de apoptosis [11], [12].
Otro receptor señuelo, IL1R2, fue elegido para una validación adicional, debido a la regulación positiva de este receptor no se había informado anteriormente. Por medio de RT-PCR cuantitativa podríamos por primera vez validar una regulación al alza de IL1R2 en el cáncer de páncreas. IL1, se conoce el ligando de IL1R2 para ser secretada por las células de cáncer de páncreas [13]. Tiene funciones fisiológicas importantes en la inflamación y la proliferación pero también puede desencadenar la apoptosis a través de la activación de IRAK y MyD88 [14], [15], [16]. Mientras que el microambiente podría beneficiarse de la angiogénico y las propiedades proliferativas de IL1, el señuelo del receptor podría proteger los cánceres de páncreas de la apoptosis inducida por la respuesta inmune [17].
Se encontró que el segundo foco importante de las desregulaciones en el nivel de proteínas reguladoras posmitocondriales, los inhibidores de proteínas de apoptosis (IAP). Este grupo de proteínas inhibe la función de las caspasas y la apoptosome y por lo tanto interfiere tanto con la extrínseca y la vía intrínseca. Los IAP ya son conocidos por su importante papel en la carcinogénesis de otras entidades tumorales y también PDAC [18], [19]. En nuestro estudio, encontramos una regulación al alza de survivina /BIRC5 y de estar /BIRC7 en el tumor de tejido microdissected y pudimos validar la desregulación de estar /BIRC7 por RT-PCR cuantitativa y IHC.
Las desregulaciones en el grupo de IAPs podría tener una alta relevancia clínica, debido a que la vía intrínseca normalmente media el efecto citotóxico de la irradiación y muchos agentes quimioterapéuticos [20], [21].
el análisis computacional de la vía de la apoptosis en PDAC generado de esta manera una buena de acuerdo con los resultados de nuestras referencias experimentales previos sobre la apoptosis en el cáncer de páncreas. Utilizando los datos existentes primas de tecnologías de alto rendimiento, se podría reproducir en parte, los datos experimentales. Estos datos se puso en el contexto de la señalización de apoptosis intracelular complejo por análisis de la interacción computacional. Aunque una gran cantidad de información puede ser evaluada rápido y descriptivo por nuestro enfoque, es económicamente difícil de demostrar experimentalmente los resultados. Esto debe ser considerado una desventaja importante de nuestro enfoque
En Conclusión., El presente estudio muestra que mediante la evaluación computacional de los datos de análisis de expresión génica y bases de datos públicas una imagen virtual aceptable de la vía de la apoptosis podría ser dada. La comparación de nuestros datos en publicaciones anteriores prestados buen acuerdo. Por este enfoque podríamos identificar defectos en el nivel de los receptores de muerte celular y el inhibidor de proteínas de apoptosis, lo que podría subyacer el fenotipo de resistencia a la apoptosis distinto en PDAC. Podríamos además por primera vez identificar IL1R2 posible gen candidato.
Materiales y Métodos
Interacción predicción de la apoptosis vía
miembros
La vía de la apoptosis genes relacionados fueron ensambladas a partir de bases de datos electrónicas, tales como el
Kyoto Enciclopedia de genes y genomas gratis (www.genome.ad.jp/kegg),
gene Base de datos del Centro Nacional de Información sobre Biotecnología gratis (www.ncbi .nlm.nih.gov) y
GeneMAPP gratis (www.genmapp.org). Palabras clave para la búsqueda fueron "apoptosis", "muerte celular", "vía de la muerte celular", "receptores de muerte celular" (ver S1 Archivo).
Para evaluar las interacciones de las proteínas de la apoptosis asociada inicialmente con las bases de datos consultadas conocidas las interacciones proteína-proteína, tales como el NetPro (www.molecularconnections.com), SCOPPI (www.scoppi.org) y HPRD (www.hprd.org).
Para encontrar nuevas interacciones que hemos utilizado dos métodos diferentes. En primer lugar, se utilizó la predicción basado en la estructura de las interacciones proteína (véase S2 Archivo). La mayoría de los 103 genes asociados con la apoptosis eran de estructura desconocida. Inicialmente se utilizó la base de datos genómica Threading (GTD) como método de reconocimiento veces para asignar familias estructurales a los productos de los genes [22]. Dominios de proteínas se definen por la Clasificación Estructural de Proteínas, SCOP. Dos dominios se consideran interactuar si hay al menos 5 pares de residuos dentro de 5 Å, de acuerdo a las definiciones de la interfaz [23]. Sólo se consideraron de dominio-asignaciones con cierta confianza y alta por GTD. Para predecir las interacciones potenciales de dos dominios dado que luego se usa SCOPPI [24]. Esta base de datos proporciona dominio de dominio interacciones evidentes, que sirvieron como plantillas estructurales para nuestros dominios asignados originales. Dos proteínas se consideran interactuar si cada uno contiene un dominio en el que hay una evidencia estructural para un dominio de interacción de dominio de este tipo según SCOPPI. Las interacciones potenciales se evaluaron mediante análisis de la conservación de la interfaz. Información de los residuos en la interfaz se obtuvo de nuevo desde la base de datos SCOPPI. La secuencia de la proteína original fue alineado en contra de la secuencia molde SCOPPI, una conservación de más de 30% de los residuos de la interfaz se asumió que era suficiente para compartir la misma pareja de interacción.
En segundo lugar, hemos utilizado una predicción basada en la secuencia de las interacciones proteína (ver S2 archivo). Por lo tanto, se utilizó el NetPro, un experto curada y base de datos con anotaciones que contiene alrededor de 100.000 interacciones proteína-proteína, para la predicción de la interacción de nuestras proteínas en cuestión. Usando esta información ortólogos y la onda expansiva se realizaron búsquedas de interacciones homólogas (& gt; 80% de identidad de secuencia) para una pareja determinada proteína. Nosotros sólo proporcionamos nuevas interacciones que no fueron confirmados antes con NetPro o HPRD [25], [26]. Para construir nuestra hoja de ruta, nos propusimos los receptores de muerte celular como punto de partida de la cascada de señalización. proteínas que interactúan se definieron como las proteínas de señalización corriente abajo. Las proteínas que se conocen ligandos de receptores de muerte celular se muestran como las proteínas extracelulares.
expresión génica análisis
Para la construcción de los datos subarreglo virtuales establece E-MEXP-950 y E-MEXP- 1121 se utilizó [27], [28].
identificadores Affymetrix sonda conjunto se obtuvieron de Ensembl lo que resulta en 189 identificadores probeset para 93 genes. Para 10 genes se pudo obtener ningún identificador (ver S1 Archivo). El CEL archivos obtenido del software de Affymetrix MAS 5,0 se utilizaron para su posterior análisis. El CEL archivos fueron cargados en dChip2006 (http://www.dchip.org), entonces normalizado, y los valores de expresión se calcularon utilizando el modelo PM /MM. Los valores de expresión de los 189 probesets se exportaron y exploraron adicionalmente usando SAM (http://www-stat.stanford.edu/~tibs/sam/) y Excel (Microsoft, Redmond, WA). Anotamos los genes expresados diferencialmente como si cumplían los siguientes criterios: a veces el cambio & gt; 2 y un valor de q & lt; 5%. mapas de calor se generaron utilizando dChip.
transcripción inversa reacción de polimerasa (RT-PCR) se utilizó
1 ng de cDNA para un ensayo TaqMan (Applied Biosystems, Weiterstadt, Alemania). Los genes se amplificaron con un Master Mix TaqMan Universal de PCR de acuerdo con las instrucciones del fabricante, con un ABI PRISM 5700 Sequence Detection System utilizando el gen cebador y sondas específico. La expresión génica se cuantificó mediante el comparativo CT-Método, la normalización de los valores Ct a un gen de mantenimiento (β-actina) y el cálculo de los valores relativos de expresión usando los siguientes cebadores: RT-PCR: BIRC7 /Salón: ACT GAC CAG CCC TGA TTC C y CTC CAG GGA AAA CCC ACT TT; Actina: AAG CCA CCC CAC TTC TCT CTA A y AAT GCT TCC ATC ACC CCT GTG T; IL1R2:. ATC AGC TTC TCT GGG GTC AA y GGT AGG CGC TCT CTA TGT GG [29]
La inmunohistoquímica
Para la inmunohistoquímica, se construyó un microarray tisular (TMA) que contiene 16 muestras PDAC. De esta TMA se prepararon 5 micras secciones usando portaobjetos silanizados (Menzel Gläser, Braunschweig, Alemania). Inmunohistoquímica para estar /BIRC7 se realizó utilizando el método de estreptavidina-biotina-peroxidasa tal como se describe anteriormente y la recuperación de antígeno se llevó a cabo en un horno microondas (250 W durante 30 minutos en una solución de pH de citrato 6,0) [30], [31]. El anticuerpo primario utilizado fue un anticuerpo monoclonal de ratón contra la proteína /BIRC7 de Livin (# 40958, Active Motif, Rixensart, Bélgica). mucosa de colon normal y de carcinoma colorrectal se utilizaron como control positivo. Como muestras de control negativo se incubaron sin el anticuerpo primario. Después, los portaobjetos se contratiñeron con hematoxilina brevemente. Manchado y células ductales PDAC o células sin teñir se contaron y se generó la relación. La intensidad de la tinción se evaluó semi-cuantitativamente por un patólogo (AH) sin el conocimiento de la histopatológico y los datos moleculares en 3 grados (negativos, moderados y fuertes).
El análisis estadístico
Para el análisis estadístico se utilizó la prueba t y el chi-cuadrado prueba de "SPSS 13.0" para Windows.
Búsqueda bibliográfica
para evaluar mejor los cambios en la expresión génica se ve en nuestros datos, hemos realizado una amplia literatura buscar en los defectos moleculares de la apoptosis en el cáncer de páncreas. Palabras clave eran el nombre del gen o de la proteína junto con el término "carcinoma pancreático", "cáncer de páncreas", "cáncer de páncreas" o "adenocarcinoma ductal pancreático". Se incluyeron estudios sobre el nivel del genoma, la expresión génica y los estudios de proteínas /funcionales en el tejido del tumor y /o líneas celulares. Las publicaciones comprendidas búsqueda bibliográfica hasta noviembre de 2009. Véase también el archivo S1.
Información de Apoyo
archivo S1.
datos de nuestra búsqueda exhaustiva en la literatura para el papel de los genes asociados con la apoptosis en el cáncer de páncreas. La tabla muestra todos los genes, los cuales fueron considerados en nuestro estudio. Tenga en cuenta que para la mayoría de los estudios sobre el nivel de ADN, lo que significa que los estudios mutacionales, no se hizo ninguna declaración relativa a la expresión cuantitativa. Se incluyeron estudios sobre el nivel del genoma, la expresión génica y los estudios de proteínas /funcionales en el tejido del tumor y /o líneas celulares. La búsqueda bibliográfica publicaciones comprendido hasta diciembre de 2009. (- /- = menor /expresión ligeramente menos que en el tejido normal; +/- = expresión en función de la muestra /línea celular, sin declaración general posible; 0 = no hay diferencia de expresión de tejido normal /función normal de la proteína en los estudios experimentales; ++ /+ = superior /ligeramente más alta expresión que en el tejido normal; = no declaración cuantitativa en este estudio)
doi:? 10.1371 /journal.pone.0012243.s001. gratis (1.49 MB DOC)
archivo S2.
Características de nuestra predicción de interacción de proteínas (A). Ejemplos de modelos estructurales de tres posibles nuevas interacciones en la vía de la muerte celular (secuencia de más de 30% de identidad y de interfaz). La alineación estructural entre la plantilla y la interacción de estructuras de proteínas es & lt; 2 Angstrom. 1 = Arts-Apollon; 2 = p16-ERK; 3 = p16-JNK (B)
doi:. 10.1371 /journal.pone.0012243.s002 gratis (2.16 MB PPT)
Archivo S3. Interacciones proteína
de nuestra búsqueda de base de datos y el análisis de predicción de la interacción. Hoja de una muestra que ya conoce las interacciones de nuestra búsqueda de la base de datos. Hoja de dos shows interacciones putativas, propuesta por nuestro modelo de predicción de la interacción
doi:. 10.1371 /journal.pone.0012243.s003 gratis (XLS 0.09 MB)
Reconocimientos
Este estudio fue apoyado por el programa MedDrive38 de la Facultad de medicina de la Universidad Técnica de Dresde y Deutsche Krebshilfe. Nos gustaría agradecer a Beatriz Jahnke para soporte técnico.