Extracto
Antecedentes
Hasta ahora, los investigadores han encontrado numerosos genes supresores de tumores (ETG) y oncogenes (OCGS) que controlan la proliferación celular y la apoptosis durante el desarrollo del cáncer. Por otra parte, las ETG y OCGS pueden actuar como moduladores de los factores de transcripción (TFS) para influir en la regulación de genes. Una investigación exhaustiva de las ETG, OCGS, TFS, y sus genes diana conjuntas a nivel de red puede proporcionar una comprensión más profunda de la modulación posterior a la traducción de las ETG y OCGS a la regulación de genes TF.
Metodología /Principales conclusiones
En este estudio, hemos desarrollado un novedoso marco computacional para la identificación de genes diana de las ETG y OCGS utilizando TFS como puentes a través de la integración de las interacciones proteína-proteína y los datos de expresión génica. Hemos aplicado este gasoducto para el cáncer de ovario y construyó una red de regulación de tres capas. En la red, la capa superior se compone de moduladores (ETG y OCGS), la capa media incluye TFS, y la capa inferior genes objetivo contenida. Sobre la base de las relaciones de regulación en la red, hemos compilado TSG y perfiles OCG y análisis de agrupamiento realizado. Curiosamente, encontramos ETG y OCGS formado dos ramas distintas. Los genes en la rama TSG fueron significativamente enriquecido en daño y reparación del ADN, la regulación del metabolismo macromolécula, ciclo celular y la apoptosis, mientras que los genes en la rama OCG fueron significativamente enriquecido en la vía de señalización de ErbB. Sorprendentemente, los objetivos específicos mostraron un enriquecimiento funcional invertido en términos de la apoptosis y la vía de señalización de ErbB: los genes diana regulados por OCGS solamente fueron enriquecidos en anti-apoptosis y los genes diana regulados por ETG solamente fueron enriquecidos en la vía de señalización de ErbB
Conclusiones /Importancia
Este estudio proporciona la primera investigación exhaustiva de la interacción de las ETG y OCGS en una red de regulación modulada por TFS. Nuestra aplicación en el cáncer de ovario reveló patrones normativos distintos de las ETG y OCGS, lo que sugiere un mecanismo de regulación competitiva que actúa sobre la apoptosis y la vía de señalización de ErbB a través de sus genes diana específicos
Visto:. Zhao H, J Sun, Zhao Z ( 2012) Patrones reglamentarios diferentes y competitivas de genes supresores de tumores y oncogenes en el cáncer de ovario. PLoS ONE 7 (8): e44175. doi: 10.1371 /journal.pone.0044175
Editor: Szabolcs Semsey, Niels Bohr Institute, Dinamarca
Recibido: 28 de mayo de 2012; Aceptado: July 30, 2012; Publicado: 30 Agosto 2012
Copyright: © Zhao 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 trabajo fue parcialmente apoyado por becas de los Institutos nacionales de Salud (R01LM011177 y la subvención P30CA68485 cáncer VICC Core Center). Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito. Sin financiación externa adicional fue recibida para este estudio
Conflicto de intereses:. Los autores han leído la política de la revista y tienen los siguientes conflictos: Co-autor Zhongming Zhao es un miembro del Consejo Editorial PLOS. Esto no altera la adhesión de los autores a todas las políticas de PLoS ONE sobre los datos y compartir materiales. Excepto lo de arriba, los autores han declarado que no existen intereses en competencia.
Introducción
El cáncer se caracteriza por un crecimiento celular incontrolado, que es causada por las mutaciones genómicas acumulados en genes que normalmente juegan un papel importante en el control de la proliferación celular y la apoptosis [1]. Dos grandes grupos de genes que codifican proteínas influyen en el crecimiento de células de cáncer de maneras opuestas. El primer grupo de genes codifican supresores de tumores, cuya pérdida de función contribuye al desarrollo del cáncer [2]. El segundo grupo de genes son oncogenes, cuya ganancia de función puede desencadenar el desarrollo del cáncer [3]. En adelante, nos abrevia estos dos tipos de genes como ETG y OCGS. Muchos ETG son los "guardianes de la célula", debido a sus papeles críticos en los puntos de control del ciclo celular y la inducción de la apoptosis [2], [4]. Por ejemplo, las ETG conocidos
RB
y
¿Cuáles son TP53 considerado como anti-oncogenes debido a sus efectos sobre las acciones contra los oncogenes conocidos en el crecimiento celular [5]. En una célula normal, OCGS se encuentran en los cromosomas como los proto-oncogenes. Cuando es activado por mutaciones puntuales o otros mecanismos como la amplificación de genes, los proto-oncogenes se pueden convertir en OCGS para estimular la proliferación celular y promover la supervivencia celular al interferir con la apoptosis [3].
En las últimas décadas, un sustancial número de ETG y OCGS se caracterizaron de acuerdo a sus funciones en la proliferación celular y la apoptosis [2], [3], [4]. Sin embargo, los mecanismos moleculares subyacentes para estas ETG y OCGS para regular los procesos biológicos a nivel de la transcripción aún no están claras, especialmente en los sistemas y niveles celulares. Es bien sabido que los factores de transcripción de unión al ADN (TFS) juegan un papel importante en la regulación transcripcional de un gen [6]. TF actividades están reguladas principalmente por otras moléculas a nivel postraduccional [7]. Anteriormente, los estudios han demostrado que las ETG, como
RB1
y
KL
, puede afectar a la actividad de TFS o factores de crecimiento como sus moduladores después de la traducción [8], [9]. En la tumorigénesis del cáncer, la mayoría de las ETG y OCGS no pertenecen a la categoría de TFS; por lo tanto, que no pueden regular directamente la expresión génica. Por lo tanto, la modulación de TFS a nivel post-translacional puede proporcionar un mecanismo para la ETG y OCGS para regular la expresión génica indirectamente.
El cáncer de ovario (abreviado como OVC en este estudio) es la quinta causa de muerte por cáncer con una prevalencia de 1,4% a 2,5% en las mujeres de los Estados Unidos [10]. La búsqueda de convencer a los genes candidatos en la última década, aunque lejos de ser completa o concluyente, ha proporcionado la base para el análisis sistemático de sus contribuciones genéticas a la OVC [11]. Además, las tecnologías a escala del genoma han generado grandes cantidades de perfiles de expresión génica y otros datos genéticos y genómicos de cientos de muestras OVC [12], [13], [14], [15]. Estos datos genómicos y genéticos de alto rendimiento nos han proporcionado una oportunidad para identificar una red de regulación fundamental que es vital para el desarrollo del cáncer [16], [17]. Por otra parte, la carcinogénesis del ovario implica muchos factores etiológicos específicos como las hormonas y la ovulación [18], lo que pone en cuestión la forma en la red de regulación de genes integra las señales de responder a los estímulos hormonales. Nuestra hipótesis aquí es que una integración sistemática de TFS y sus moduladores potenciales (ETG) y OCGS representa un enfoque eficaz para descubrir una red de regulación de genes en la OVC. Esta red de regulación puede proporcionar el modelo novedosa regulación de la ETG, OCGS y TFS en la expresión génica en los procesos críticos, tales como la tumorigénesis del ciclo celular y el estímulo hormonal.
A continuación, se presenta un enfoque computacional para la construcción de una red de regulación jerárquica de interacciones proteína-proteína (PPI) y los datos de expresión génica utilizando TFS como puentes para vincular importantes moduladores (ETG) y OCGS a sus posibles genes diana. Hemos aplicado este método para construir una red de regulación de tres capas en OVC, en el que la capa superior 29 incluye ETG y 13 OCGS, la capa media 15 incluye TFS, y la capa inferior incluye 65 genes diana conjuntos. Además perfil agrupación reguladora analiza ETG divididas y OCGS en dos ramas distintas. Los ETG eran principalmente implicada en el daño y reparación del ADN, el ciclo celular y la apoptosis, mientras que OCGS se agruparon principalmente juntos en ErbB de señalización de transducción y la respuesta a los estímulos hormonales. Además, los genes diana OCG-específicos fueron enriquecidos en reguladores de la apoptosis negativos, mientras que los genes diana TSG-específicos fueron enriquecidos en ErbB vías de señalización. Estos resultados revelaron un patrón de función distinta de ETG y OCGS, no sólo por sus propias funciones opuestas en el desarrollo del cáncer, sino también por las funciones enriquecidas opuestos de sus genes diana específicos. Hemos, por primera vez, informó de un patrón de regulación competitiva de las ETG y sus objetivos investigados en comparación con OCGS y sus objetivos; informó en este hallazgo, hemos encontrado la ETG, OCGS, junto con sus respectivos objetivos, tienen la tendencia a reaccionar en la oposición a la apoptosis y la vía de señalización de ErbB. debe ampliarse la investigación de este hallazgo.
Materiales y Métodos
Gene Colección y curación de ETG, OCGS y TFS en OVC
Para recoger exhaustivamente los genes relacionados con la OVC, que analiza y comisariada catorce fuentes de datos, incluyendo la base de datos de mutación del cáncer de catálogos de mutaciones somáticas en el cáncer (COSMIC, versión 55) [19], herencia mendeliana en el hombre (OMIM, octubre de 2011) [20], base de datos de asociación genética (GAD , octubre de 2011) [21], la base de datos del Censo funcional de Human gene cáncer (F-CENSO, octubre de 2011) [22], la base de datos en línea del dragón para la Exploración de cáncer de Ovario genes (DDOC, octubre de 2011) [23 ], una revisión exhaustiva de expertos sobre los genes relacionados con la OVC de Nature Reviews Cancer [11], la base de datos de la literatura Generif [24], estudios de asociación de genoma completo publicados [25], [26], [27], y seis listas de genes candidatos producida por las plataformas genómicas a gran escala sobre la OVC de Atlas del Genoma del cáncer (TCGA) [12]. Los detalles de la colección de genes en cada fuente de datos se describen en el texto S1, y algunos enfoques de recogida y anotaciones de genes también se han aplicado con éxito en otras enfermedades gen candidato para el establecimiento de prioridades [28], [29], [30]. Finalmente, 1257 no redundante genes relacionados OVC fueron curadas para el análisis de seguimiento (Tabla S1).
manualmente curada ETG y OCGS de comentarios clásicos de la OVC y el cáncer en general [2], [4], [ ,,,0],11], [31] y se extrae TFS humanos conocidos a partir de la base de datos TRANSFAC profesional (Release 2011.4) [32]. Entre 1257 genes OVC, se asignaron 100 reguladores únicas, incluyendo 35 ETG, 15, y 50 OCGS TF genes.
Red análisis topológico y la extracción de una subred Centrado por ETG, OCGS y TFS de Interactome humano
Hemos descargado los datos no dirigida interacción proteína-proteína humana (PPI) de la plataforma de interacción de proteínas Análisis de redes (PINA) (junio de 2011) [33]. En PINA, los datos incluyen la libre interacción, interacciones predecirse mediante métodos computacionales, y las interacciones entre las proteínas humanas y las proteínas de otras especies. En nuestra cartera, sólo se utilizaron los IBP humanos no redundantes con soportes experimentales después quitamos predicho PPI y la libre interacción, así como los IBP intervienen proteínas de otras especies. Este proceso genera una red PPI humana con 11.654 nodos (proteínas) y 72.630 enlaces (IBP).
Para construir una subred centrado por ETG, OCGS y TFS y tener una visión general de las propiedades de la red topológica de estos genes OVC , en primer lugar todos los mapas de los genes relacionados con la red PPI humana. A modo de comparación, hemos compilado cinco listas de genes para realizar análisis topológico de la red. El primer conjunto de datos incluye 467 genes conocidos de cáncer de la lista de genes del cáncer de Sanger Censo [34], entre las que 378 genes fueron asignadas a la red PPI humana. A continuación, hemos dividido nuestros genes recogidos 1257 OVC en cuatro grupos: ETG conocidos, OCGS conocidos, TFS y el resto de genes OVC comunes. En total, 33 ETG, 14, 50 OCGS TF genes y 905 genes OVC comunes fueron asignadas a la red PPI. A continuación, se calcularon tres medidas topológicas básicas para las cinco listas de genes. Estas medidas incluyen grado, centralidad de intermediación, y la proximidad central utilizando el software Cytoscape [35]. El grado mide las conexiones de cada proteína en la red PPI humana [36]. La centralidad de intermediación representa la frecuencia con que una proteína se localiza en todos los caminos más cortos entre otras dos proteínas [36]. Grado central, también llamada distancia de la ruta más corta, indica los pasos más cortos para llegar a un nodo a otro [36]. Para comparar estas propiedades topológicas entre las cinco listas de genes, se realizó de dos colas de Kolmogorov-Smirnov (KS) pruebas realizadas en el paquete R 2.13.2 [37].
Para evaluar la importancia de las propiedades de red de OVC cada TSG, OCG y TF en la red PPI humana, que aplican un enfoque nuevo muestreo empírico. Aquí, tomamos la lista de genes ETG como ejemplo. En primer lugar, a los 33 ETG asignadas a la red PPI humana, se seleccionaron al azar 33 nodos de cualquiera de los 1257 genes de la OVC en la red PPI humana y se calcularon las tres propiedades topológicas (grado, intermediación y cercanía). Hemos repetido este proceso de aleatorización 10.000 veces. A continuación, se contó el número de juegos al azar seleccionados de nodo (N) cuyo grado medio, intermediación o la cercanía fueron más altos que el grado medio, intermediación y cercanía observado, respectivamente. Por último, se calculó su empírica
P-
valor utilizando el N /10000 para los tres tipos de propiedades topológicas, respectivamente. Se aplicaron métodos similares a OCGS 14, 50 y 97 TFS genes reguladores (33 ETG, 14 y 50 OCGS TF genes). El resumen a
P-
valores se enumeran en la Tabla S6.
Además de estos análisis topológicos, se extrajeron 2024 interactores directos de los 97 genes reguladores (33 ETG, 14 y 50 OCGS TF genes) de la red PPI humana para formar una subred que abarca de 2121 genes para su posterior análisis.
Construcción de una red de regulación jerárquica basada en perfiles de expresión génica de TCGA
Recientemente, investigadores del TCGA examinó la expresión de genes de 489 de alto grado serosas muestras OVC utilizando plataformas de microarrays de expresión génica de tres (Affymetrix exón 1,0 matriz, Agilent 244 K entera gama de expresión del genoma, y Affymetrix serie HT-HG-U133A) [12]. A continuación, se normalizaron y estima la expresión para cada muestra y el gen en cada plataforma separado. Después de restar el valor medio a través de muestras para el mismo gen, que dividen el valor de expresión por la desviación estándar a través de muestras y obtuvieron puntajes relativos de expresión génica. Por último, los datos relativos de expresión de tres plataformas se integraron en una sola, conjunto de datos unificada de 11.864 genes utilizando un modelo de factor de análisis sin efectos lotes [12], [38]. Los datos de expresión génica finales descargados desde el sitio web TCGA se formatea como una matriz, que es una fila para cada gen y una columna para cada una de las muestras (https://tcga-data.nci.nih.gov/docs/publications/ov_2011 /).
Entre los 2121 genes en la subred centrado por OVC ETG, OVC OCGS y OVC TFS, 352 genes (29 ETG, 13, 36 OCGS TF genes, y 274 genes que interactúan) superpuesto el gen 11.864 los perfiles de expresión de TCGA. A continuación, se utilizó el software de Mindy (Modulador Inferencia por Dinámica de las Redes) para predecir la relación normativa entre ETG, OCGS y TFS. Mindy se utilizó para identificar moduladores de TFS con los perfiles de expresión a nivel de post-translacional sobre la base de información mutua condicional [39]. Mindy requiere cuatro entradas, incluyendo una matriz de la expresión génica, un TF de interés, una lista de los posibles genes moduladores, y una lista de objetivos potenciales TF. Por lo tanto, una matriz de expresión con 352 genes en cada fila y 489 muestras OVC en cada columna se recogió como la primera entrada para el software Mindy. Los TF de interés fueron los 36 TF genes de nuestro subred extraído. Los moduladores potenciales contenían 29 y 13 ETG OCGS. Los restantes 274 genes que interactúan en nuestra subred fueron considerados como posibles objetivos TF.
Para reducir los falsos positivos de las relaciones TF-diana inferidas por Mindy, que predijo más TF-pares de destino que utilizan PARTIDO ™ con una puntuación de núcleo 1,00 y una matriz de puntuación de 0,95 [32], [40]. Tomemos el ejemplo de HMGA2 TF: Mindy predijo 29 y 13 ETG OCGS para regular 106 y 79 genes diana a través de la modulación de HMGA2, respectivamente. Hemos previsto más de 82 genes diana de los 1257 genes relacionados con el uso de la concordancia OVC ™. Después de comparar el 82 predijo genes diana para HMGA2, sólo el 18 y el 13 genes únicos fueron co-regulados por las ETG 29 y 13 OCGS, respectivamente. Por último, las regulaciones TF-diana superpuestas forman la red de salida que contiene 29 ETG, 13, 15 OCGS TF genes y los genes diana de 65 conjuntos. En la red de regulación, 3 ETG, 3, y 4 OCGS TF genes también se infiere como genes diana para otros TFS. Por lo tanto, 112 genes únicos se integraron en la red. Además, los 4 genes conocidos TF
FOXM1
,
MSX1
,
PPARg
y
STAT5A
, fueron asignados como genes diana de nuestra red, como que no regulan los genes en esta red de regulación. La visualización de la red definitiva de 112 genes se realizó utilizando el software Cytoscape [35].
Construcción y agrupamiento de TF y perfiles de genes diana de las ETG y OCGS
Para analizar los genes diana aguas abajo de las ETG y OCGS, se construyó un perfil de destino para cada TSG o OCG mediante el examen de los genes diana como presentes o ausentes en relación con nuestra red de regulación jerárquica. Para una ETG o OCG dado, si existe una relación entre el regulador TSG /OCG y un gen diana, el valor asignado para el gen diana del TSG /OCG sería uno; de lo contrario, se le asigna un valor de cero. Así, para un TSG /OCG dado, un perfil de destino incluye una cadena con 65 entradas con 0 o 1. El mismo procedimiento se aplicó para construir un perfil de TF para cada TSG o OCG con 15 entradas de 0 y 1. Para investigar el regulador los patrones de las ETG y OCGS, análisis de conglomerados jerárquicos no se llevaron a cabo tanto en el perfil del gen diana y el perfil del TF con el paquete R 2.13.2 [37].
la construcción de subredes reguladoras sobre la apoptosis, ciclo celular, la hormona de estimulación y Reproducción
para obtener una comprensión adicional de módulos funcionales específicos en nuestra red de regulación, nos centramos en cuatro procesos biológicos, que incluyen la apoptosis, ciclo celular, la respuesta de la hormona, y la reproducción, ya que se han notificado a desempeñar un papel importante en la OVC y también fueron enriquecidos en nuestra red de regulación [41], [42], [43]. Hemos recopilado cuatro listas funcionales plazo sobre la apoptosis, ciclo celular, la respuesta de la hormona, y la reproducción utilizando Gene Ontología (GO), Kyoto Enciclopedia de genes y genomas (KEGG) y los términos de anotación SwissProt de la herramienta en línea DAVID [44]. Por último, sobre la base de los términos funcionales curada, se recogieron 51 (apoptosis), 47 (ciclo celular), 21 (respuesta de la hormona), y 16 (reproducción) OVC genes en nuestra red de regulación jerárquica.
Por lo anterior cuatro conjuntos de genes recogidos, la mayoría de ellos podría ser asignada a las capas superior e inferior en nuestra red de regulación jerárquica. Para extraer la subred para cada proceso, primero mapeado los genes recogidos a la capa inferior, a continuación, se encuentran los TF (capa media) que unía a estos genes diana, y finalmente reclutado las ETG y OCGS (capa superior) con enlaces relacionados con los procesos a estos TFS. Utilizando este proceso, se obtuvieron cuatro subredes.
Análisis estadísticos para Enriquecido GO términos funcionales y las vías biológicas
Para evaluar la función de los conjuntos de genes interesantes, llevamos a cabo pruebas de enriquecimiento funcionales utilizando la herramienta en línea DAVID [44]. Se seleccionaron los términos de GO o vías con un ajustado
P
-valor inferior a 0,05 según los cálculos de la prueba hipergeométrica seguido por el método de Benjamini-Hochberg [45], el cual fue implementado en la herramienta de DAVID.
Para evaluar la importancia funcional de los 112 genes en nuestra subred final, se seleccionaron al azar 112 genes de los genes 1257 OVC y comparar su corregido
P-
distribución de valor. En total, se realizó la asignación al azar diez veces y anotaron cada lista de genes utilizando DAVID. Sobre la base de la Benjamini-Hochberg ajustado
P-
valor, se compararon los
P-
distribución de valor para nuestros 112 genes y diez listas de genes seleccionados al azar (Figura S6).
Resultados
Descripción general de la Computacional Pipeline para construir una red de regulación jerárquica
Como se muestra en la Figura 1, nuestra línea comenzó con una recopilación de los genes candidatos, ETG, OCGS, y TFS durante un cierto cáncer, como el cáncer de ovario. A continuación, se extrajo una subred centrado con estas ETG conocidos, OCGS, TFS, y sus interactores directas de la red PPI humana. A continuación, los perfiles de expresión génica para los genes implicados en la subred se introducen en Mindy inferir ETG y OCGS como moduladores post-traduccionales de TFS. La salida de Mindy fue una red de regulación que compone la capa superior con moduladores (ETG y OCGS), la capa media con TFS, y la capa inferior con genes diana conjuntos de las dos capas superiores. Para reducir aún más los falsos positivos de las relaciones TF-diana inferidas de Mindy, requerimos que los pares TF-objetivo previsto también fueron confirmados por la TF-diana herramienta de Predicción de resultados ™. El resultado final de este oleoducto fue una red de regulación combinatoria de las ETG, OCGS, sus moduladores de TFS, y que regulan los genes diana. Hemos aplicado este cálculo de tuberías a nuestros comisariados 1257 genes candidatos OVC y, por último, construyó una red de regulación de tres capas que incluía 29 ETG, 13, 15 OCGS TF genes, y 65 conjuntos de genes diana.
Esta figura muestra la ETG y construcción de la red de regulación OCG y la identificación de las vías descendentes críticos moduladas por la ETG y OCGS. Nuestra cartera incluye cuatro pasos principales. 1) Recolección de cáncer de ovario (OVC) relacionadas con los genes, los supresores de tumores (ETG), oncogenes (OCGS), y los factores de transcripción (TFS) a partir de bases de datos públicas y la literatura. 2) La extracción de subredes se centraron en la OVC ETG, OCGS, y TFS de interacción proteína-proteína (PPI) de datos. 3) La integración de los datos de expresión a escala del genoma de construir una red de regulación jerárquica con ETG relacionados con la OVC, OCGS, TFS y los genes diana. 4) Análisis de las vías descendentes y subredes con genes regulados para investigar la interacción de las ETG y OCGS en los procesos biológicos específicos. Modulador Inferencia por Dinámica de las Redes (Mindy) es una herramienta de software que se utiliza para la identificación de moduladores después de la traducción de TFS a base de perfiles de expresión. La interacción de proteínas Análisis de Redes (PINA) es una plataforma para la construcción de la red de interacción de proteínas.
ETG, OCGS y TFS en OVC muestran una alta conectividad, betweenness y cercanía centralidad en la red PPI humana
sobre la base de la comparación de las tres propiedades topológicas (grado, centralidad de intermediación, y la proximidad central) para cinco listas de genes relacionados con el cáncer, ganamos los primeros conocimientos sobre la arquitectura de los genes relacionados con la OVC en los IBP humanos (véase Materiales y Métodos) . Figura S1 muestra el grado de distribución de los cinco conjuntos de datos y todas las proteínas en la red PPI humana. El grado medio de los 97 genes (OVC ETG, OCGS y TFS) fue 56.12, que fue significativamente mayor que la de los genes del censo gen del cáncer (35.33, prueba de Kolmogorov-Smirnov (KS test),
P
-valor = 3,36 × 10
-2) o la de la OVC 905 genes comunes (21,83, prueba de KS
P
-valor = 7,12 × 10
-8). Para evaluar la importancia de las propiedades topológicas calculados, se aplicó un enfoque nuevo muestreo empírica para calcular empíricos
P-
valores para cada propiedades (Tabla S6). Excepto el
P-
valor de centralidad de intermediación de TFS (0,08), todo el resto de
P-
valores fueron de menos de 0,01. Estos empírica
P-valores
sugirió que las características de la red observados fueron poco probable generado por casualidad. Otras pruebas KS mostraron que las centralidades intermediación y cercanía de los 97 genes fueron significativamente más altos que los genes de la genética de cáncer de censo y los 905 genes comunes (OVC
P-valores
& lt; 0,05, Tabla S2). Nuestra comparación entre 97 genes (OVC ETG, OCGS, y TFS) y otros genes del cáncer implicado que estos 97 genes tenían mayores conexiones locales y caminos más cortos a otras proteínas. Dado su alto grado, intermediación y cercanía centralidades, una subred con sus interactores directos podría ser suficiente para caracterizar las propiedades reguladoras de los 97 genes.
Una red de regulación de genes específicos OVC modulada por las ETG y OCGS
A partir de los 97 genes, hemos integrado los IBP, los perfiles de expresión génica, y los datos de predicción TF-objetivo de los softwares y Mindy Match ™ (ver Materiales y Métodos). Una red de regulación de tres capas final fue construido de manera que incluye 112 genes únicos (ETG 29, 13, 15 OCGS TF genes y los genes diana de 65 conjuntos) y 353 enlaces (Figura 2A y la Tabla S3). Los análisis de enriquecimiento funcionales mostraron que los 112 genes fueron enriquecidos en numerosas categorías funcionales relacionados con la carcinogénesis (Tabla S4). Las categorías funcionales más enriquecidos estaban relacionados con la progresión de la OVC, tales como "regulación de la apoptosis" (ajustado
P
-valor = 4,84 × 10
-24), "la regulación del ciclo celular" (ajustado
P
-valor = 8,10 × 10
-20), "respuesta a la hormona de estímulo" (ajustado
P
-valor = 5,31 × 10
-10), y "organismo multicelular reproducción "(ajustado
P
-valor = 1,06 × 10
-4). Para evaluar los resultados de los análisis funcionales de los 112 genes, se seleccionaron al azar diez listas de genes con 112 genes de los genes 1257 OVC. Como se muestra en la Figura S6, la mayor parte de corregirse
P-
valores de términos funcionales anotados para nuestros 112 genes fueron menos de 0,01, lo que es claramente diferente de las diez listas de genes seleccionados al azar (prueba de Kolmogorov-Smirnov,
P-
valores & lt; 0,05). Estas funciones altamente enriquecidos relacionados con la carcinogénesis-demostraron que nuestra red de regulación estaba estrechamente relacionada con el desarrollo de la OVC y podría ser útil para identificar los módulos básicos carcinogénesis.
red jerárquica de cáncer de ovario (OVC) relacionados con los genes supresores de tumores (A) integrados (ETG), oncogenes (OCGS), y los factores de transcripción (TFS). Los nodos en rojo (círculo) representan ETG relacionados con la OVC, nodos en amarillo (triángulo) representan OCGS relacionados con la OVC, nodos en verde (octógono) representan TFS relacionados con la OVC, y los nodos en azul (VEE) representan genes diana. Los enlaces en color naranja representan las regulaciones de las ETG o OCGS a sus TFS de modulación. Las líneas de flechas verdes representan los reglamentos de la TFS a sus genes diana. (B) en Parcela de grado y grado de salida de los 15 TFS en la red de regulación de tres capas. En grados se define como el número de nodos que enlazan inmediatamente a y regulan el nodo de interés y grado de salida se define como el número de nodos que enlazan inmediatamente a y son regulados por el nodo de interés. (C) Una subred con tres circuitos de retroalimentación centradas por ETS1. El esquema de color y forma de los nodos y enlaces son los mismos que los de (A).
Como se muestra en la Figura 2B, los TF 'en grados a partir de las ETG y OCGS tenía una alta correlación con su fuera grados a sus genes diana (coeficiente de correlación de Pearson = 0,74,
P
-valor = 1,60 × 10
-3). Aquí, en grados se define como el número de TSG /nodos OCG que enlazan inmediatamente a y regulan el nodo de TF, y fuera de grado se define como el número de nodos gen diana que enlazan inmediatamente a y son regulados por el nodo de TF. Por ejemplo, el grado de entrada y salida grados de ETS1 TF fueron 34 y 14, respectivamente; es decir, que se modula por los 23 ETG y 11 OCGS mientras regulado 14 genes diana aguas abajo. Además, los 14 genes diana de ETS1 fueron enriquecidos en "proteína tirosina quinasa", basada en la anotación GO (ajustado
P-valores
= 2.15 × 10
-3). En general, nuestros resultados sugieren que TFS con más entradas en nuestra red de regulación podría regular más genes diana.
En esta red, todas las señales reguladoras de las ETG y OCGS fueron pasados a la capa media (poblado por TFS) y luego transferido a la capa inferior con los genes diana. Sin embargo, 10 de los 65 genes diana también pertenecen a las ETG, OCGS o TF genes de nuestra red. Los 10 genes con múltiples funciones formaron seis bucles de regulación entre TFS y /ETG OCGS. Los lazos fueron E2F3 ↔ CHEK2, ETS1 ↔ EGFR, erbB2 ↔ ETS1, ETS1 ↔ SPARC, HMGA2 ↔ MYC, y HNF1B ↔ MYC (cuadro S5). Por ejemplo, ETS1 formado de tres bucles de retroalimentación con los genes que codifican EGFR, erbB2, y SPARC. Entre los tres genes, EGFR y erbB2 pertenecen a la familia de receptores del factor de crecimiento epidérmico (EGFR) (Figura 2C). Se reclutaron más interactores directos de ETS1 relacionados con los tres ciclos de retroalimentación para formar una subred. Hubo un total de 17 genes en la subred específica para ETS1, que se enriquece con la "regulación de la proliferación celular" GO términos procedimientos no biológicos (ajustado
P
-valor = 1,94 × 10
-8) y "regulación del ciclo celular" (ajustado
P
-valor = 9,77 × 10
-6). Estos análisis indican que ETS1 podría desempeñar un papel importante en la proliferación celular a través de sus interacciones con la familia EGFR, lo cual es consistente con los resultados de estudios previos de células de cáncer humano [46].
ETG y OCGS estaban involucrados en diferentes los procesos biológicos en OVC
para identificar aún más los procesos biológicos específicos en los que las ETG y OCGS Participar, se realizó un análisis funcional de enriquecimiento para las ETG y OCGS forma independiente. Los resultados indicaron que ETG y OCGS estaban involucrados en diferentes procesos biológicos durante la carcinogénesis de OVC (Tabla 1). Las 29 ETG estaban involucrados principalmente en el ciclo celular, la respuesta de daño del ADN, la regulación positiva de la apoptosis, y el proceso metabólico macromolécula regulando negativamente, mientras que 13 OCGS eran principalmente implicados en las vías, tales como ErbB y la respuesta al estímulo de la hormona de señalización, y, frente a los resultados TSG, la regulación negativa de la apoptosis. Entre los 112 genes en nuestra red, 46 genes fueron asignadas a la "vía en el cáncer" KEGG (ETG 13, 9, 8 OCGS TF genes y los genes diana 16) (Figura S3). El mapa mostraba la mayor parte de las ETG y OCGS regulados importantes procesos de carcinogénesis. La mayoría de los procesos como ETG ciclo celular, reparación del ADN y la apoptosis rodeado; OCGS tendía a interactuar con la entrada de señalización, mientras que los genes y los genes diana TF menudo dispersos por todo el mapa para conectar las ETG y OCGS.
Los estudios anteriores han demostrado que las ETG están involucrados en la tumorigénesis porque sus productos son por lo general involucrados en punto de control del ciclo celular, apoptosis, o la reparación de daños del ADN [2], y OCGS codifican remodeladores de la cromatina, factores de crecimiento y receptores, transductores de señal y reguladores de la apoptosis [3]. Nuestros resultados de los análisis funcionales de la OVC ETG y OCGS fueron consistentes con sus funciones habituales en la tumorigénesis. Vale la pena señalar que nuestros análisis indicó que los OCGS tenían un papel importante en el proceso de "señales hormonales respuesta", lo cual es importante para acelerar la proliferación de células durante el desarrollo OVC, incluyendo gonadotropinas, estrógenos, andrógenos, progesterona y la insulina [18].