Extracto
Antecedentes
estudios
pangenómicos de asociación (Glass) y el perfil global de la expresión génica (microarrays) son dos grandes avances tecnológicos que permiten la identificación sin hipótesis de genes candidatos asociados con tumorigénesis. No es claro si existe una coherencia entre los genes candidatos identificados por GWAS (genes GWAS) y las identificadas por el perfil de expresión de genes (genes de microarrays).
Metodología /Principales conclusiones
Utilizamos la base de datos Susceptibilidad marcadores de cáncer genéticos para recuperar polimorfismos de nucleótido único de genes candidatos para el cáncer de próstata. Además, se realizó un meta-análisis de datos de expresión génica en la próstata normal y tejido tumoral de próstata. Se identificaron 13.905 genes que fueron interrogados por tanto Glass y microarrays. Sobre la base de los valores de p de Glass, se seleccionaron 1.649 genes asociados significativamente mayor para la anotación funcional de la base de datos para anotación, y Visualización Integrada Discovery. También se realizó un análisis anotación funcional utilizando el mismo número de la parte superior genes identificados en el meta-análisis de los datos de expresión génica. Encontramos que los genes implicados en la adhesión celular fueron representados entre ambos genes GWAS y microarrays.
Conclusiones /Importancia
Llegamos a la conclusión de que los resultados de estos análisis sugieren que la combinación de datos de microarrays GWAS y sería un enfoque más eficaz que el análisis de conjuntos de datos individuales y puede ayudar a refinar la identificación de genes candidatos y funciones asociadas con el desarrollo de tumores
Visto:. Gorlov IP, Gallick GE, Gorlova OY, Amos C, Logothetis CJ (2009) Cumple GWAS de microarrays: Son los resultados de estudios de asociación de genoma completo y de expresión génica de perfiles de acuerdo? Cáncer de próstata como un ejemplo. PLoS ONE 4 (8): e6511. doi: 10.1371 /journal.pone.0006511
Editor: Eshel Ben-Jacob, la Universidad de Tel Aviv, Israel
Recibido: 11 de mayo de 2009; Aceptado: June 29, 2009; Publicado: 4 Agosto 2009
Derechos de Autor © 2009 Gorlov 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:. Este estudio fue apoyado por el Centro David Koch para la Investigación Aplicada en cáncer genitourinario. Soporte parcial para este estudio ha sido proporcionada por el Instituto Nacional de Salud de Estados Unidos otorga a R01CA121197-01A2 CA y AR055258 subcontrato a OG. 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
la tecnología de microarrays permite la evaluación simultánea de la expresión de prácticamente todos los genes en el genoma. Este enfoque ha sido ampliamente utilizado para identificar genes candidatos asociados con el desarrollo y progresión del cáncer [1] - [3]. Los estudios de asociación de genoma completo (Glass) han surgido recientemente como una herramienta poderosa para identificar polimorfismos genéticos asociados con el riesgo de cáncer [4], [5]. En un GWAS, cientos de miles de polimorfismos de nucleótido único (SNP) se genotipo en un gran número de casos y controles. A diferencia de las frecuencias alélicas o genotípicas entre los casos y controles sugiere una asociación entre el riesgo de cáncer y el SNP y un gen vinculado o región reguladora.
Ya sea que estos dos enfoques producen resultados comparables no ha sido examinada. Recientemente Chen et al. [6] identificado los genes que tienden a ser expresadas diferencialmente en las distintas condiciones experimentales y los estados a partir de datos de expresión de genes de la Expresión Génica Omnibus (GEO). Ellos encontraron que los genes expresados diferencialmente son más propensos a ser detectada como variantes de la enfermedad en los estudios de asociación.
En este estudio, se llevó a cabo un enfoque más directo para vincular los datos GWAS y microarrays. Se realizó anotaciones funcionales de los mejores genes identificados en el cáncer de próstata Glass y el mismo número de los genes candidatos principales identificados en un meta-análisis de los datos de expresión de genes para la próstata normal y tumor de próstata. Los resultados de nuestros análisis indican que estos dos enfoques producen resultados similares en el nivel funcional.
Materiales y Métodos
Varios cáncer de próstata Glass se llevaron a cabo recientemente, y una serie de genes candidatos fueron identificados ( Tabla 1) [7] - [10]. Aunque sólo unos pocos SNPs con el nivel de todo el genoma de significación, 10
-7, fueron identificados en estos estudios, un número de SNPs fueron significativas en el nivel de las pruebas individuales, pero no significativa después de la corrección de múltiples ensayos. Tales SNPs probabilidades indican enriquecimiento con SNPs causales que no alcanzan el nivel de todo el genoma importancia debido a su pequeño tamaño del efecto o de baja frecuencia de los alelos [11].
Los datos GWAS para este análisis fueron recuperados de la base de datos del cáncer Marcadores genéticos de susceptibilidad (CGEMS), http://cgems.cancer.gov/about/executive_summary.asp. Se utilizó la base de datos Oncomine http://www.oncomine.org/main/index.jsp para llevar a cabo un meta-análisis del número de estudios que comparan la expresión génica en tejido de próstata normal con la del tejido del tumor de próstata localizado [12]. La lista completa de los estudios utilizados en el meta-análisis se puede encontrar en los materiales complementarios (Tabla S1). Se utilizó una extensión del método de Stouffer [13] para el meta-análisis. Este enfoque se basa en la estimación de la desviación normal estándar,
Z
, y es similar al enfoque propuesto recientemente por Ochsner et al. [14]. El meta-análisis identificó una serie de genes expresados diferencialmente entre la próstata normal y tumor de próstata.
Resultados
Como una primera validación de nuestra hipótesis de que Glass y microarrays tienden a identificar los mismos genes, utilizado un meta-análisis de los datos de expresión de genes Oncomine para evaluar la expresión de los genes identificados-GWAS (Tabla 1). Se encontró que todos menos tres (
HNF1B, EHBP1
, y
LMTK2
) de los genes son expresados diferencialmente entre la próstata normal y tumoral. Por lo tanto, 10 de 13 (77%) de los genes GWAS son expresados diferencialmente en la transición de la próstata normal a cáncer de próstata que es más alta que se puede esperar para detectar entre elegidas al azar 13 genes -1.1 (χ
2 = 20,9, df = 1, p. & lt; 0,0001)
el cáncer de próstata datos GWAS de CGEMS Fase 1A y 1B fase, se utilizaron en el análisis. Hemos limitado nuestro análisis a los SNPs de genes asociados a hacer GWAS y microarrays resultados comparables. Seguimos a la designación de los SNPs CGEMS genes asociados. Se identificaron un total 63,831 SNPs genes asociados pertenecientes a 16.550 genes únicos. Para cada gen, se utilizó un SNP con el valor más pequeño P para caracterizar una asociación. Si un determinado SNP se asoció con múltiples genes, todas esas asociaciones se incluyeron en el análisis. Porque en muchos casos los alias en lugar de los nombres oficiales de genes se utilizaron en los GWAS, que vinculó varios identificadores de genes con los nombres y EntrezIDs oficial de genes utilizando la última versión de la base de datos de genes NCBI (Accessed January 17, 2009). La superposición de los únicos genes GWAS y microarrays demostró que 13.905 genes fueron evaluados tanto en GWAS y análisis de microarrays. La lista de los genes con los valores GWAS y microarrays P correspondiente se muestra en la Tabla S1.
Para evaluar si el análisis de microarrays GWAS y tienden a identificar conjuntos de genes similares evaluamos una correlación entre los valores de -log (P) basado en los datos GWAS y valores -log (P) en base al análisis de la expresión génica. Encontramos un pequeño pero significativo (debido al gran tamaño de muestra) correlación positiva entre GWAS y -log microarrays (P) s (Figura 1)
Negro línea muestra la curva de regresión lineal, línea roja -. Media móvil calculado utilizando una ventana deslizante de 100 puntos. coeficiente de correlación de rangos de Spearman orden:. r = 0,043, N = 13905, p = 0,0000001
La base de datos para anotación, y Visualización Integrada Discovery (DAVID) [15] fue utilizado para la anotación funcional de GWAS y microarrays de genes. Hemos seleccionado los genes con valores de p GWAS ≤0.01. Se identificaron un total de 1.649 genes. Se utilizó exactamente el mismo número de la parte superior genes identificados en el meta-análisis de los datos de expresión génica. Para controlar los posibles sesgos en la selección de genes, se utilizó la lista de 13.905 genes como fondo. tablas de anotación funcional se utilizaron para recuperar una anotación de cobertura extendida que incluye más de 40 categorías de anotación [15]. Un diagrama funcional para la parte superior genes GWAS se puede encontrar en la Tabla S2. Muchos teléfonos categorías relacionadas con la adhesión se encuentran entre las principales categorías de anotación. La agrupación de los términos de anotaciones funcionales resume todos los tipos de la descripción funcional utilizada por DAVID, la identificación de la adhesión celular como el grupo superior, seguido de la membrana plasmática y la fibronectina.
Genes
anotación funcional de la parte superior expresados diferencialmente identificados citoesqueleto, adhesión focal, matriz extracelular, y la adhesión celular como los términos de anotación superiores (Tabla S3). La agrupación de los términos de anotación funcional demostró citoesqueleto, citoesqueleto de actina, matriz extracelular, y la adhesión celular entre los grupos principales identificados. La Figura 2 muestra los resultados de la agrupación de los términos funcionales por DAVID basadas en el análisis de la parte superior GWAS y genes expresados diferencialmente (véase también la Tabla S4). En ambas listas, la mayoría de los principales grupos funcionales derivados de los datos de microarrays y GWAS están directa o indirectamente relacionadas con la adhesión celular.
grupos funcionales relacionadas con la adhesión celular se muestran en azul. La información detallada sobre la composición de los grupos se puede encontrar en la Tabla S4.
A continuación buscó una superposición entre la parte superior GWAS 1.649 y los 1.649 principales genes expresados diferencialmente. Se identificaron 248 genes que aparecen en ambas listas (ver material complementario para la lista de los genes). Este número es mayor de lo que cabría esperar por azar. Si nos muestra al azar 1.649 genes de entre los 13.905 genes, el número esperado de los genes que se encuentran en dos muestras independientes sería (1.649 /13.905) 2 * 1,649 = 23,2. La anotación funcional de estos 248 genes identificados citoesqueleto, la adhesión focal, y la actina vinculante como las principales categorías funcionales. agrupación funcional de los genes identificados migración celular, la motilidad celular, citoesqueleto, y la adhesión celular como los mejores racimos.
Discusión
GWAS y análisis de microarrays ambos permiten la identificación de genes candidatos imparcial y vías asociadas con el desarrollo del cáncer. Estos dos enfoques tienen cada uno ventajas y desventajas. Al combinar los datos de varios estudios de expresión, los análisis de expresiones de genes tienen el poder estadístico para detectar incluso pequeñas diferencias en la expresión génica entre los tejidos normales y tumorales. Por otro lado, porque los genes en el genoma humano están involucradas en múltiples interacciones, la modulación de la expresión de un único gen puede producir un "efecto dominó" en múltiples objetivos de abajo, lo que hace difícil causal separada y los cambios inducidos en la expresión génica. Esto es poco probable que sea un problema en Glass. Glass, sin embargo, a menudo son estadísticamente suficiente para detectar SNPs con efecto pequeño tamaño.
Cuando se compararon los genes candidatos para el cáncer de próstata identificado por GWAS con los identificados por microarrays, hemos observado una correlación positiva significativa entre la GWAS y microarrays log (P) s. La correlación era pequeña, con el coeficiente de correlación de rangos de Pearson de ser sólo 0,04, pero se espera correlación positiva entre dos filas para ser accionado por un número relativamente pequeño de genes causales. No todos los genes causales serán detectados por GWAS. Incluso si el gen está ligado mecánicamente a la tumorigénesis de próstata, que puede ser detectado por GWAS sólo si se lleva variantes genéticas que modulan su función. Por otra parte, se espera que los genes identificados por el análisis de microarrays para ser una mezcla de genes causales y los genes que son expresados diferencialmente debido al efecto de ondulación de los genes causales. Esto sugiere que sólo una fracción de los genes importantes en ambos análisis son genes causales.
Hemos encontrado que la parte superior GWAS y diferencialmente expresados candidatos fueron enriquecidos en los genes de adhesión celular. Si tenemos en cuenta todos los genes de adhesión celular conocidos en el genoma, los genes sólo 74 o el 10% de ellos estaban entre los mejores genes expresados diferencialmente. Si la vía de la adhesión celular se asocia con la tumorigénesis de próstata, se puede esperar que otros genes de adhesión celular, aquellas que no llegan a los 1.649 genes top-también tenderán a ser significativamente asociado positivamente. Se encontró que el valor de p derivados de GWAS promedio de los genes de adhesión celular que no pudo llegar a la cima 1649 fue menor que el valor promedio de los genes GWAS (prueba t = 2,9, df = 13.902, P = 0,001). Se obtuvo un resultado similar para los valores de p derivados del análisis de la expresión génica: la puntuación Z absoluta fue mayor entre los genes de adhesión celular (con exclusión de los que entre los 1649 principales genes) que fue la puntuación media de Z (prueba t = 1,81, df = 17811, P = 0,07 en la prueba de dos colas y P = 0,03 en la prueba de una cola). Esto sugiere que la función de adhesión celular como un todo está asociada con la tumorigénesis de próstata
.
Tanto GWAS y genes de microarrays forman grupos funcionales relacionadas con diferentes aspectos de la adhesión celular, incluida la propia adhesión celular, unión celular, glucoproteínas de la matriz extracelular, fibronectina , citoesqueleto de actina y la motilidad celular. Varios otros grupos también muestran una asociación mecánica con la adhesión celular. Por ejemplo, la absorción de cadherina de la superficie celular por endocitosis regula el nivel de las cadherinas libres en la superficie celular y por lo tanto la adhesión celular [16]. Además, las proteínas con dedos de cinc con el dominio LIM son importantes para la adhesión focal y la adhesión celular a la fibronectina [17], [18]. La modulación de la función de la adhesión celular no parece estar limitado a cualquier tipo de adhesión específica, sino que incluye las cadherinas, integrinas y selectinas así como moléculas de adhesión asociadas con las uniones estrechas.
Los resultados de varios estudios sugieren que el participación del sistema de adhesión celular en el desarrollo del cáncer de próstata. Las cadherinas juegan un papel en la regulación de la proliferación de células tumorales a través de las ciclinas y las quinasas dependientes de ciclina [19]. Las integrinas están implicadas en diferentes aspectos de la tumorigénesis de próstata, incluyendo la proliferación celular, la motilidad celular y la apoptosis [20] - [22]. La modulación de la adhesión celular puede desempeñar un papel importante en la transición epitelio-mesenquimal que se cree que es un paso clave en la transformación maligna [23] - [25]. También los resultados de una serie de estudios suggestd una implicación de la adhesión celular en la angiogénesis [26] - [28]
genes identificados-GWAS se considera que son genes de susceptibilidad al cáncer que están asociados principalmente con la iniciación del tumor.. Creemos, sin embargo, que los genes identificados por los GWAS también son susceptibles de incluir genes importantes para la progresión tumoral. De hecho, la detección de tumor suele ser sintomática: el tumor tiene que llegar a un cierto tamaño para ser detectados. Esto sugiere que los genes implicados en la progresión tumoral estarán entre genes candidatos detectados-GWAS. Por lo tanto, los GWAS y análisis de expresión de genes pueden tener como objetivo esencialmente el mismo conjunto de genes, que proporciona la base teórica para el análisis conjunto de los datos de microarrays GWAS y
.
En resumen, nuestro análisis encontró una considerable superposición entre los genes de cáncer de próstata identificados por GWAS y los identificados por mundial de perfiles de la expresión génica. Se identificaron la adhesión celular como una función biológica asociada con la tumorigénesis de próstata. Los resultados de este estudio también indican que la combinación de datos GWAS y microarrays podría ser un enfoque más eficaz que el uso de sólo el análisis de los conjuntos de datos individuales, y puede ayudar a refinar la identificación de genes candidatos y /o funciones que participan en el desarrollo de tumores.
Apoyo a la Información sobre Table S1.
doi: 10.1371 /journal.pone.0006511.s001 gratis (0.83 MB PDF) sobre Table S2.
doi: 10.1371 /journal.pone.0006511.s002 gratis (XLS 0.07 MB)
cuadro S3.
doi: 10.1371 /journal.pone.0006511.s003 gratis (XLS 0.33 MB) sobre Table S4.
doi: 10.1371 /journal.pone.0006511.s004 gratis (0.33 MB XLS)