Extracto
La identificación de biomarcadores fiables transcriptoma requiere la consideración simultánea de los elementos de regulación y de destino, incluyendo los microARN (miARN), la transcripción factores (TFS), y los genes diana. Un enfoque novedoso que integra el análisis multivariante de supervivencia, la función de selección y visualización de la red reguladora se utilizó para identificar biomarcadores fiables de supervivencia del cáncer de ovario y la recurrencia. perfiles de expresión de miRNAs 799, 17.814 TFS y los genes diana y los registros clínicos de cohorte sobre 272 pacientes con diagnóstico de cáncer de ovario se consideran al mismo tiempo y los resultados fueron validados en un grupo independiente de 146 pacientes. Tres miRNAs (HSA-miR-16, hsa-miR-22 *, y EBV-miR-BHRF1-2 *) se asociaron con la supervivencia del cáncer de ovario y la recurrencia y 27 miRNAs se asociaron con cualquiera de peligro. Dos miRNAs (HSA-miR-521 y miR-HSA-497) fueron de cohorte-dependiente, mientras que 28 eran de cohortes independientes. Este estudio confirmó 19 miRNAs previamente asociados con el cáncer de ovario y identificó dos miRNAs que han sido previamente asociadas con otros tipos de cáncer. En total, la expresión de 838 y 734 genes diana y 12 y ocho TFS se asoció (p-valor ajustado-FDR & lt; 0,05) con la supervivencia del cáncer de ovario y la recurrencia, respectivamente. Análisis funcional de relieve la asociación entre los procesos metabólicos celulares y de nucleótidos y cáncer de ovario. Las conexiones más directas y una mayor centralidad de la miRNAs, TFS y genes diana en la red de supervivencia estudiados sugieren que los enfoques basados en la red de pronosticar o predecir la supervivencia del cáncer de ovario puede ser más eficaz que los de la recurrencia del cáncer de ovario. Este estudio demostró la viabilidad para inferir las redes de genes miARN-TF-diana fiables asociados con la supervivencia y la recurrencia de cáncer de ovario basado en el análisis simultáneo de los perfiles de co-expresión y la consideración de las características clínicas de los pacientes.
Visto : Delfino KR, Rodríguez-Zas SL (2013) Factor de Transcripción-microARN-Gen Objetivo redes asociadas con el cáncer ovárico de la supervivencia y recurrencia. PLoS ONE 8 (3): e58608. doi: 10.1371 /journal.pone.0058608
Editor: Neil R. Smalheiser, Universidad de Illinois en Chicago, Estados Unidos de América
Recibido: 29 Noviembre 2012; Aceptado: 6 Febrero 2013; Publicado: 12 Marzo, 2013
Derechos de Autor © 2013 Delfino, Rodríguez-Zas. 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:. La ayuda del Instituto Nacional del Cáncer (Grant número: 1R03CA143975) a SRZ y KRD, NIH /NIDA (número de concesión: R21DA027548) a SRZ, y NCI /NHGRI TCGA DAC (Número NIH /Proyecto NHGRI: 1988) a SRZ son muy apreciados. Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
el cáncer de ovario, la neoplasia ginecológica más maligna, es la quinta causa principal de muerte por cáncer entre las mujeres. Aproximadamente el 45% de los pacientes con cáncer de ovario sobreviven más de cinco años después del diagnóstico inicial y menos del 20% superan este hito una vez que el cáncer se ha diseminado [1]. Unos perfiles de expresión génica han sido consistentemente relacionado con el cáncer de ovario [2], [3]. Esto puede ser debido a la limitada consideración simultánea de las transcripciones y los reguladores de transcripción asociados con el cáncer de ovario.
Los microARN (miRNA) son pequeñas moléculas, no codificantes de ARN que se unen a secuencias complementarias en las transcripciones de ARNm diana, y por lo tanto , regular la expresión génica en la etapa de post-transcripción. Los factores de transcripción (TFS) son un tipo diferente de regulador. Estas proteínas se unen a secuencias específicas de ADN en la región promotora, la promoción o represora de la transcripción en ARNm, y por lo tanto, regular los genes en una etapa pre-transcripción [4]. TFS y miRNAs pueden regular entre sí y ambos pueden regular la expresión de genes diana. los genes miARN-TF-diana pueden funcionar como onco o supresor de tumores redes, lo que provocó alteraciones globales de los programas genéticos implicados en la proliferación celular, la diferenciación, la apoptosis, y de invasión en el cáncer.
Pocas asociaciones entre el cáncer de ovario y de miRNAs o TF han sido validados en estudios independientes [2], [3]. Hay varias razones que pueden estar detrás de la limitada comprensión de las redes reguladoras asociadas con el cáncer de ovario. En primer lugar, la mayoría de los estudios asocian el cáncer de ovario a los genes (miRNAs o TFS) de forma individual en lugar de considerar simultáneamente múltiples perfiles. En segundo lugar, aun cuando los estudios analizan varios perfiles genoma simultáneamente, no se utiliza la relación entre los genes diana y miRNAs reguladoras y TFS. En tercer lugar, la mayoría de los estudios no tienen en cuenta factores clínicos o de cohortes dependiente de la hora de caracterizar las asociaciones entre los perfiles de expresión y el cáncer de ovario. Por último, la mayoría de los estudios consideran que la presencia rasgo cualitativo binario o ausencia de cáncer, y no se evalúan mediciones más cuantitativos, como la supervivencia y recurrencia.
Los principales objetivos de este estudio fueron: a) desarrollar un modelo para identificar y caracterizar miRNAs, TFS, y los genes diana asociados con la supervivencia del cáncer de ovario, y b) utilizar esta información para identificar las redes de genes TF-miARN objetivo asociadas con la supervivencia en el cáncer de ovario. Nuestra hipótesis general fue que los biomarcadores fiables de expresión génica de cáncer pueden ser obtenidos a partir de la consideración de todos los componentes en una red de forma simultánea. Un enfoque de la biología de sistemas se utilizó para investigar la asociación simultánea entre múltiples miRNAs, TFS, y los genes diana y la supervivencia del cáncer o la recidiva, lo que representa no genéticos fuentes de paciente a paciente de variación, y se analizaron las redes correspondientes. Los resultados fueron validados en un conjunto de datos independientes. El estudio también identificó enriqueció categorías funcionales y las vías de genes asociados con la supervivencia y la recurrencia del cáncer. La comprensión de las bases moleculares del cáncer de ovario es la clave para el desarrollo de mejores indicadores pronósticos y terapias eficaces. Dada la heterogeneidad de esta enfermedad, las mejoras en la supervivencia a largo plazo podrían lograrse mediante la traducción de ideas recientes en los niveles moleculares y clínicos en las estrategias de tratamiento individuales personalizados.
Materiales y Métodos
Entrenamiento Conjunto de Datos
La información clínica.
La supervivencia, recurrencia, de cohorte, y la información genómica de expresión de 272 pacientes con diagnóstico de cáncer de ovario se obtuvo a partir del Genoma del cáncer Atlas (http://cancergenome.nih.gov/) repositorio (consultado septiembre de 2009) [5]. factores de cohortes analizadas incluyen el tratamiento recibido (sólo quimioterapia, 93%; quimioterapia más otro tratamiento, el 5%, y más tratamiento que la quimioterapia, 2%); terapia preadjuvant (sí, 8% o no, 92%); tratamiento adicional (sólo quimioterapia, 41%; quimioterapia más otro tratamiento, el 14%, y más tratamiento que la quimioterapia, 45%); estadio tumoral (estadio I o II, 4%; fase III, 88%; estadio IV, 8%); el grado del tumor (grado I o II, 4%; los grados distintos de I o II, 96%); enfermedad tumoral residual (sin enfermedad macroscópica, 26%; 1-20 mm, 61%; mayor de 20 mm, 13%); recurrencia (sí, 58% o no, 42%), y la edad al momento del diagnóstico (en años). La terapia Preadjvant se refiere a cualquier tratamiento que el paciente recibió antes de la cirugía y la recogida de muestras. El estadio tumoral se refiere al estadio patológico del tumor en formato AJCC (tumor primario: T; Etapa 1:1A; 1B; 1C; Etapa II: AI; IIB; CII; Etapa III: IIIA; IIIB; IIIC; Etapa IV: IV ). El grado del tumor es el valor numérico utilizado para expresar el grado de anormalidad de las células cancerosas y es una medida de la diferenciación y la agresividad. Tumor enfermedad residual es la medida del nódulo restante más grande. Edad refiere a la edad en años de la persona en el momento del diagnóstico de cáncer de ovario. Estos factores de cohorte se tuvieron en cuenta en el análisis debido a su relación conocida con la supervivencia [6].
perfiles de expresión.
Los niveles de expresión de 799 miRNAs se midieron utilizando el Agilent 8 × 15 K humana plataforma de microARN (Agilent Technologies, http://www.genomics.agilent.com/). Los niveles de expresión de TFS y 17.814 genes diana se midieron utilizando la expresión de genes humanos G4502A_07 plataforma de Agilent Custom génica. El transcriptoma de datos está disponible en (https://tcga-data.nci.nih.gov/tcga/dataAccessMatrix.htm). Las mediciones de expresión se normalizaron cuantil (sonda de nivel), se derrumbó en el miARN, TF o gen, y log
2 transformado siguiendo los procedimientos disponibles en la colmena (http://stagbeetle.animal.uiuc.edu/Beehive) [7 ] y se ha descrito previamente en [8] - [10]
modelo y selección de perfiles
se estudiaron dos variables de respuesta cáncer de ovario: 1) el tiempo de supervivencia desde el diagnóstico hasta la muerte (meses desde el diagnóstico hasta. muerte); y 2) tiempo de recurrencia desde el diagnóstico hasta la recidiva (meses desde el diagnóstico hasta la recidiva). La información sobre las comorbilidades o causa de la muerte no estaba disponible, por lo tanto la primera variable describe la probabilidad dependiente del tiempo de la muerte, condicionada a un cáncer de ovario antes de diagnóstico, independientemente de la causa de la muerte o de la comorbilidad. Un modelo predictivo de cáncer de ovario que a la vez considera todos los miRNAs y la información de cohortes se utilizó para identificar general (o cohorte independiente) y personalizar (o cohortes) dependiente de biomarcadores. Este modelo se sobrepuso a limitaciones de los estudios anteriores que ignoraron la asociación simultánea analizando sólo los miARN uno a la vez o haciendo caso omiso de las posibles relaciones de cohortes.
Una tubería de la identificación de biomarcadores se llevó a cabo con base en el análisis multivariante de supervivencia de Cox y las estrategias de selección de características complementarias [8], [9], [11]. El modelo de riesgo proporcional de Cox asume un modelo paramétrico para probar la asociación entre las covariables y la razón de riesgo (HR) del evento. Después de la transformación, el peligro (probabilidad instantánea) de evento (muerte o recurrencia) fue modelada con una combinación lineal de un riesgo de referencia y covariables explicativas incluyendo todas las variables de cohortes, los perfiles de expresión de todas las variables del genoma (miRNAs, objetivos TFS, o gen ), y la interacción entre ellos [12]. Se utilizaron las estrategias de selección por pasos hacia adelante y para identificar los perfiles de expresión asociados con la supervivencia o la recurrencia debido a las ventajas complementarias de estas estrategias. Los perfiles se mantuvieron en el modelo de predicción de riesgo después de la consideración de otros biomarcadores en valor de p & lt; 0,1. Los perfiles significativos del modelo paso a paso hacia adelante y anterior se incluyeron en un modelo que fue sometido a una selección por pasos. Este paso permite la identificación de asociaciones amplias o generales entre los perfiles y los riesgos de cáncer de ovario que se pueden utilizar como biomarcadores de pronóstico de población. El p-valor umbral relajados permitió la detección de perfiles que pueden tener asociaciones débiles entre grandes conjuntos de perfiles y asociaciones más fuertes como el conjunto se ha racionalizado. En el segundo paso, la interacción entre los perfiles seleccionados y los indicadores de cohorte se calculan utilizando el enfoque progresivo. Este paso permite la identificación de asociaciones de cohortes dependiente entre los perfiles y el peligro de muerte por cáncer de ovario o de recurrencia que se puede utilizar como biomarcadores predictivos individualizados. En el tercer paso, todos los perfiles de las interacciones seleccionadas se combinaron y simplificarse aún más utilizando el método por etapas. La asociación entre los riesgos de cáncer de ovario y los factores de cohortes y los perfiles de expresión se visualizó mediante el trazado de la probabilidad de supervivencia prevista a partir del modelo de Cox contra el tiempo.
La prueba de asociación entre el miARN, TF, un gen o de cohortes marcadores de pronóstico y la HR entre los grupos de cohortes y los límites del intervalo de confianza del 95% siguen una distribución Chi-cuadrado. razón de riesgo estimaciones & gt; 1 (& lt; 1) indican un aumento en el riesgo (disminución del peligro) o disminución de la probabilidad de supervivencia (aumento de la probabilidad de supervivencia) por unidad de aumento en el nivel de la expresión génica. Un descubrimiento tasa de falsos (FDR) -adjusted P & lt; 0,05 y | HR /unidad de expresión | & Gt; se utilizaron 1,15 umbrales para identificar los factores moleculares asociados con la supervivencia del cáncer de ovario o la repetición. El análisis se llevó a cabo utilizando PROC PHREG en SAS [13].
El modelo de Cox de riesgos proporcionales asume todo el período estudiado. Este supuesto se puede expresar como funciones de supervivencia paralelas a través de los niveles de los perfiles de expresión o variables de cohorte en el modelo. Esta hipótesis se puso a prueba para los dos peligros considerados, y no había indicios de desviación importante de la hipótesis. Además, la visualización de la supervivencia y residuos no sugirió desviación de los supuestos del modelo. No había ninguna indicación de desviación importante de la suposición de riesgos proporcionales, también confirmado por la superposición de miRNAs, TFS, y genes entre los indicadores de supervivencia. Los biomarcadores identificados en este estudio se realizaron búsquedas en contra del cáncer de ovario y cáncer de la literatura sobre la base de conjuntos de datos independientes.
enriquecimiento funcional y miRNA-TF-gen diana Redes
El conocidos y previstos relaciones entre miRNAs, TFS, y de destino genes se obtuvieron de los recursos MIR @ NT @ N (http://maia.uni.lu/mironton.php, [14]). Sólo la relación entre los factores de transcripción, los miRNAs y gen diana con el apoyo de una asignación de Score & gt; 0,85 que corresponde a una media del valor P & lt; 1 × 10
-3 y 90% de las relaciones con los valores de p & lt; 1 × 10
-2 fueron considerados. El enriquecimiento de ontología de genes (GO, http://www.geneontology.org/) [15] funciones moleculares y procesos biológicos y KEGG (http://www.genome.jp/kegg/) [16], [17] se estudió vías entre los genes diana asociados con la supervivencia y la recurrencia de ovario. Se evaluaron dos análisis funcionales. La primera consistió en el análisis funcional en la prueba exacta de Fisher (dos colas) implementado en DAVID v6.7 (http://david.abcc.ncifcrf.gov/) [18] fue utilizado para identificar las categorías funcionales enriquecidos entre todos los genes diana asociados (FDR ajustado por valor de P & lt; 0,05) con la supervivencia o la recurrencia [8], [9]. Categorías que tenían al menos 5 genes y son importantes en valor P & lt ajustado-FDR; 0,1 se consideraron enriquecido. Este análisis ofrece una comprensión básica de las categorías asociadas con el cáncer de ovario.
El segundo análisis funcional consistió en un análisis conjunto de enriquecimiento [19] de todos los genes diana sin importar el nivel de significación de la asociación con la supervivencia del cáncer de ovario o reaparición. Este análisis considera la asociación entre la supervivencia o la repetición y la expresión génica a través de la clasificación de los genes diana por la magnitud, signo, y el error estándar de la estimación en la escala subyacente o ingrese
e (HR). estimaciones positivas corresponden a los CR & gt; 1 y por lo tanto la supervivencia menor o mayor riesgo de recurrencia. Por el contrario, las estimaciones negativas corresponden a los CR & lt; 1 y la supervivencia de este modo mayor o menor riesgo de recurrencia. Se utilizó el análisis conjunto de enriquecimiento implementado en Babelomics v4.3 (http://babelomics.bioinfo.cipf.es/) [19] para aplicar una prueba que identifica la segmentación de las distribuciones asimétricas de categorías funcionales entre los genes clasificados de negativo a positivo log
e (HR) estima para la supervivencia de cáncer de ovario o recurrencia. 0,05 fueron considerados y que tienen al menos 75 genes enriquecido; Categorías significativos en el valor de p & lt ajustado-FDR. El umbral menos estrictas utilizado para de Fisher de enriquecimiento de análisis en relación con el análisis conjunto de enriquecimiento fue motivado por el mayor número de genes diana analizados en el segundo análisis en relación con el primer análisis. Los genes asociados con riesgo de cáncer de ovario también se realizaron búsquedas en la base de datos del dragón de los genes del cáncer de ovario (http://apps.sanbi.ac.za/ddoc/) [20]. Las redes de TFS, miRNAs, y los genes diana significativamente asociados con la supervivencia del cáncer de ovario o de recurrencia (valor de p & lt; 0,01) fueron representados utilizando Cytoscape (http://www.cytoscape.org/) [21], un software de código abierto plataforma para la visualización de redes y que incluye atributos. La distribución y la conectividad de los TF, miRNAs, y los genes diana dentro de sub-redes y la red global se caracterizaron.
Validación del conjunto de datos
Las asociaciones entre los perfiles de expresión y la supervivencia del cáncer de ovario o recurrencia identificados en base a los valores de P y caracterizado sobre la base de estimaciones de recursos humanos fueron validados en un conjunto de datos independiente de 146 pacientes obtenidos desde el repositorio TCGA. Se consideraron dos indicadores de la fiabilidad de los perfiles de predicción de la validación independiente. En primer lugar, el error cuadrático medio (MSE) se utilizó como medida de la falta de adecuación de los perfiles de cohortes independientes y de expresión dependiente de predecir con exactitud el momento de la muerte o recurrencia en los entrenamiento y validación conjuntos de datos. En segundo lugar, la validación adicional de la asociación perfil detectado fue adquirida en el estudio de la correlación de las estimaciones (log
e (HR)) correspondiente a cada perfil de entrenamiento y validación entre los conjuntos de datos. Se calcularon las correlaciones de Pearson y Spearman de las asociaciones de perfil con la muerte y la recurrencia entre la formación y la validación de los conjuntos de datos.
Resultados y Discusión
La Tabla 1 resume el número y la distribución de los individuos estudiados en los diferentes de las covariables de cohortes consideradas en la formación y la validación de conjuntos de datos. La edad media al diagnóstico fue de 60,2 años y 59,6 años para las de entrenamiento y validación conjuntos de datos, respectivamente. Estos fueron consistentes con el Instituto Nacional del Cáncer informa que la edad media de diagnóstico para el cáncer del ovario (de 2004-2008) fue de 63 años de edad y la edad promedio de muerte fue de 71 años de edad [22]. El rango de edad al momento del diagnóstico fue de 57 años (edades de 27 a 84 años) y 52 años (edades de 37 a 89 años) para la formación y la validación de los conjuntos de datos, respectivamente. La mediana del tiempo de supervivencia y recurrencia para el conjunto de entrenamiento fue de 2,4 años y 47,4 meses y para el conjunto de validación eran 3,3 años y 58 años 7 meses, respectivamente. Los coeficientes de correlación de Pearson y Spearman entre ambos eventos (a la edad y en la recurrencia) fueron 0,72 y 0,77 (valor de P & lt; 0,0001), respectivamente, en el conjunto de datos de entrenamiento y 0,69 y 0,68 (valor de P & lt; 0,0001), respectivamente en el conjunto de datos de validación. Estas estadísticas estaban de acuerdo con las tasas previamente documentadas de supervivencia de cáncer de ovario: 1 año: 77.5%, 2 Año: 64% durante 3 años: 54,4%, 5 años: 43,9%, 8 Año: 37,8%, 10 años: 36,4% [ ,,,0],22]. La mediana de supervivencia para los pacientes fue de 25,7 meses para los pacientes de tratamiento temprano y 27,1 meses para los pacientes en un grupo de tratamiento retrasado [22].
La distribución de las observaciones por nivel variable de cohorte en los conjuntos de entrenamiento y validación era consistente (Tabla 1). La representación de tratamiento, la terapia preadjuvant, el tratamiento adicional, el estadio tumoral, grado tumoral, enfermedad residual del tumor, y la recurrencia fue comparable entre los conjuntos de datos. Ninguno de los 15 sitios de origen de la muestra dominado la representación, ya sea en la formación o conjunto de validación.
Las correlaciones entre lo observado y predicho el tiempo de muerte y fueron de aproximadamente 0.60 tiempo hasta la recidiva. Se observaron correlaciones más altas (0,8 de media) cuando sólo se consideraron los tiempos hasta el evento más bajos debido a que más observaciones estaban disponibles y más se pueden obtener predicciones precisas. La predicción de los intervalos más largos de tiempo hasta el evento se asocia con una mayor incertidumbre debido a un menor número de observaciones dentro de niveles variables de cohortes, y por lo tanto las correlaciones más bajas entre entrenamiento y validación conjuntos de datos. La correlación moderada entre el evento de tiempo de dos análisis sugiere que las diferencias en la magnitud y dirección de los efectos genómicos y ambientales en la supervivencia del cáncer de ovario y la recurrencia.
miARN biomarcadores de cáncer de ovario de supervivencia y recurrencia
Tablas 2 y 3 de la lista de los 16 y 14 miRNAs al mismo tiempo asociados con la supervivencia del cáncer de ovario y la recurrencia detectada por el método de selección de características de tres pasos y el apoyo a las referencias bibliográficas. La gran mayoría de los miRNAs asociados con la supervivencia detectado en este estudio han sido reportados por otros estudios. Este nivel de validación reafirma la validez del enfoque adoptado y de los resultados presentados. De los 16 miRNAs asociados con la supervivencia, 12 miRNAs se han asociado previamente con cáncer de ovario (HSA-miR-144, hsa-miR-16, hsa-miR-182 *, hsa-miR-521, hsa-miR-18b *, hsa-miR-19a *, hsa-miR-22 *, hsa-miR-381, hsa-miR-485-3p, hsa-miR-509-3-5p, hsa-miR-148a, y hsa-miR-106b ) y uno de los genes miARN se ha asociado con el cáncer de cuello de útero (HSA-mir-329; [23] La revisión de la literatura apoyo a estos resultados se resumen en la Tabla 2.
de los miRNAs previamente asociados. con cáncer de ovario, las tendencias de los 12 miARN fueron consistentes con los reportados en estudios previos. HSA-mir-144 (HR = 1,30), hsa-miR-16 (HR = 2,07), hsa-miR-182 * (HR = 2.35), hsa-miR-18b * (HR = 1,95), hsa-miR-19a * (HR = 1,75), y hsa-miR-106b (HR = 1,57) fueron sobreexpresados en los 3 subtipos histológicos de tumores ováricos relativos a cultivos primarios de ovario humano normales del epitelio superficial [24]. la coherencia entre las tendencias de la detectados y reportados previamente apoya aún más la estrategia de detección de biomarcadores presentado.
HSA-mir-182 fue también hasta reguladas en el carcinoma de ovario en la Etapa III /IV carcinoma epitelial de ovario en comparación con tejido normal [25] y se ha asociado con un mayor riesgo de muerte en pacientes con glioblastoma multiforme que reciben quimioterapia más radiación y específico tratamiento [8]. La región que contiene HSA-miR-182 se amplificó en el 28,9% del cáncer epitelial de ovario, lo que implica una función de tipo oncogén, y posiblemente apunta a genes forkhead cuadro O1, O3 caja forkhead (
FoxO1
;
FOXO3
) que están involucrados en la promoción de la diferenciación y la inhibición crecido (supresores de tumores, (25)). Hsa-miR-18b * y hsa-miR-16 se encontraron distinguir robusta tumores de cáncer de ovario a partir de tejido normal y fueron significativamente hasta reguladas en el cáncer de ovario [26]. Hsa-miR-16 (HR = 2,07) ha demostrado ser hasta reguladas en el carcinoma de ovario seroso en comparación con tejidos ováricos normales, así como hasta reguladas en estadio III /IV de cáncer de ovario en comparación con el tejido normal del ovario [25], [27 ]. Hsa-miR-22 (HR = 0,25) estaba bajo-expresó en 3 subtipos histológicos de tumores ováricos normales relativos a las culturas primarias de ovario humano epitelio superficial [24]. Hsa-miR-22 también se -regulated en estadio III /IV epitelial de ovario en comparación con el carcinoma normal y hasta reguladas en primaria frente a carcinomas recurrentes papilares serosos de ovario [25]. Hsa-miR-148a (HR = 0,78) se había reducido regulado en líneas celulares de cáncer de ovario y puede estar implicado en la carcinogénesis del cáncer de ovario a través de la desregulación de la proliferación celular [28]. Hsa-miR-509-3-5p (HR = 0,69) fue sobreexpresada en el cáncer de ovario en estadio I en relación con la etapa III de cáncer de ovario con un valor de p = 0,017 y la tapa de cambio = 4,01 [29]. Ambos, hsa-miR-521 y miR-HSA-381 estaban sobreexpresados en platino resistente frente a cáncer de ovario platino sensible [30], [31].
La evaluación de las asociaciones dependientes de factores clínica entre miRNAs y de ovario supervivencia del cáncer de ofrecer una visión de biomarcadores generales y condición específica. De los 16 miRNAs asociados con la supervivencia del cáncer de ovario, 15 exhibieron generales (asociaciones clínicamente independientes) con la supervivencia, por su parte hsa-miR-521 tenían un tumor de grado asociación dependiente con la supervivencia. El riesgo de muerte por cáncer de ovario se incrementó 2.10 por unidad de aumento en el nivel de hsa-miR-521 en pacientes que tienen tumores de grado I o II y disminución de 0.55 por unidad de aumento en el miARN en pacientes que tienen tumores de más alto nivel. La trama de supervivencia en la Figura 1 muestra la asociación entre la probabilidad de supervivencia del cáncer de ovario y la interacción entre los genes miARN expresión y el grado tumoral. Menor expresión de HSA-miR-521 se asoció con la probabilidad más baja y más alta de supervivencia en presencia de alta (Resto) y baja (I y II), los tumores de grado, respectivamente.
Al igual que en el hallazgos para la supervivencia, la mayoría de los miRNAs asociados con la recurrencia han sido previamente asociado con el cáncer de ovario, reafirmando así la fiabilidad del método de selección de características implementadas. Entre los 14 miRNAs asociados con la recurrencia en el cáncer de ovario (Tabla 3), 9 han sido previamente vinculado al cáncer de ovario (HSA-miR-146a, hsa-miR-15b, hsa-miR-16, hsa-miR-206, HSA miR-214 *, hsa-miR-22 *, hsa-miR-223, miR-HSA-497, y hsa-miR-96), y uno tenía una asociación previa con tumores primarios de pulmón emparejados (HSA-miR-369- 3p). La tabla 3 resume la revisión de la literatura apoyo a las asociaciones detectadas
.
Las tendencias del 9 miARN previamente relacionados con el cáncer de ovario y también se encuentran en este estudio fueron consistentes con reportado previamente. Hsa-miR-146a (HR = 0,62) estaba bajo-expresados en los subtipos histológicos de tumores ováricos normales relativos a las culturas primarias de ovario humano epitelio superficial [24]. Hsa-miR-206 (HR = 0,59) se había reducido regulado en líneas celulares de cáncer de ovario en comparación con lo normal [32]. Hsa-miR-22 (HR = 0,24) fue sobre-expresado en el cáncer de ovario recurrente contra el cáncer de ovario primario [33]. Este miARN también se había reducido regulado en el carcinoma de ovario en etapa temprana versus etapa tardía; las reguladas en estadio III /IV epitelial de ovario en comparación con el carcinoma de lo normal; y hasta reguladas en primaria frente a carcinomas recurrentes papilares serosos de ovario [25]. Hsa-miR-497 (en este estudio HR Chemo = 0,84; Chemo_Other = 0,53; Otros = 0,17) se había reducido regulado en la línea celular de cáncer de ovario en comparación con las líneas de células de ovario normales [34], [35]. Hsa-miR-16 (HR = 2,76) hasta reguladas en el carcinoma de ovario seroso de ovario en comparación con los tejidos normales, así como hasta reguladas en estadio III /IV de cáncer de ovario en comparación con tejido ovárico normal, así [25] - [27]. Hsa-miR-214 (HR = 2,03) fue subtipos histológicos sobre-expresado tumorales de ovario en relación con las culturas primarias normales de ovario humano epitelio superficial [24]. En un estudio de cáncer de ovario epitelial, hsa-miR-214 se expresa de forma diferente en los pacientes con recurrencia en comparación con aquellos sin recurrencia en tanto la formación y el conjunto de validación. muestras de tejido tumoral de los que tienen recurrencia fueron reguladas en comparación con aquellos sin recurrencia en el cáncer epitelial de ovario [36]. expresión de HSA-miR-214 se asoció con tumores de alto grado y de la etapa tardía, fue hasta reguladas en los tejidos tumorales de cáncer de ovario, y tiene un papel potencial en la recurrencia [25]. Hsa-miR-214 también fue encontrado para desempeñar un papel en el cáncer de ovario por la orientación PTEN [2].
hsa-miR-223 (HR = 1,69) fue sobreexpresada en los 3 subtipos histológicos de tumores ováricos relativos a cultivos primarios humanos normales ováricos epiteliales de la superficie [24]. Hsa-miR-223 se sobreexpresa en el cáncer de ovario recurrente contra el cáncer de ovario primario [33]. Hsa-miR-223 fue hasta reguladas en la muestra de tejido tumoral de los que tienen recurrencia en comparación con aquellos sin recurrencia en el cáncer epitelial de ovario [36]. Hsa-miR-96 (HR = 1,22) fue sobreexpresada en líneas celulares de cáncer de ovario en comparación con las líneas de células de ovario normales [24], [26], [34], [37]. Hsa-miR-369-3p (HR = 1,52), asociada con la recurrencia del cáncer de ovario en este estudio, fue igualmente hasta reguladas en los tumores primarios de pulmón pareadas [38].
El estudio de las interacciones entre los genes miARN expresión y factores de cohortes apoyaron la identificación de biomarcadores individualizados. Se identificaron las asociaciones generales entre miRNAs y recurrencia independientemente de los factores de cohortes durante 13 miARN. Se identificó una asociación entre el tratamiento dependiente del riesgo o peligro de recurrencia y hsa-miR-497. El riesgo de recurrencia del cáncer de ovario disminuye al aumentar el nivel de miRNA en pacientes para los tres tratamientos (quimioterapia, Chemo_Other, Otros), y el riesgo era más bajo (0,17) para los individuos que recibieron el otro tratamiento. La Figura 2 muestra la asociación entre la probabilidad de interacción no recurrencia entre el nivel de hsa-miR-497 y el tratamiento. La probabilidad de no repetición era claramente inferior en los pacientes con bajos niveles de miARN que reciben tratamiento Chem, sin embargo no fue diferente entre los pacientes que reciben quimioterapia o quimioterapia y otros tratamientos cuando los niveles de miRNA eran altas.
Transcripción factores y genes diana asociado con la supervivencia y recurrencia
En total, la expresión de 838 y 734 genes diana y 12 y ocho TFS se asocia (FDR-ajustados valor P & lt; 0,05) con la supervivencia del cáncer de ovario y la recurrencia , respectivamente. La TFS asociados con la supervivencia del cáncer de ovario y la recurrencia y el apoyo a revisión de la literatura se enumeran en las Tablas 4 y 5, respectivamente.
Los cuatro TFS asociados significativamente con la supervivencia del cáncer de ovario y la recurrencia (crecimiento temprano 1 respuesta (
EGR1
), crecimiento inicial de respuesta (
EGR2
), osteosarcoma murino FBJ homólogo oncogén viral (
FOS
), y el factor de crecimiento transformante beta 1 (
TGFB1
), exhibido tendencias consistentes con estudios previos.
EGR1 gratis (HR = 1,15 para la supervivencia y recurrencia) tiene un papel clave en la carcinogénesis y la recurrencia del cáncer, y exhibe una mayor expresión en tejidos de cáncer gástrico en relación con mucosa normal [39]. la asociación positiva entre el
EGR2
y el peligro al descubierto en este estudio (HR = 1,17 para la supervivencia y recurrencia) se confirmó con informes de que este TF juega un papel clave en la ruta apoptótica inducida por PTEN . Además, los estudios sugieren que este TF puede ser una molécula diana prometedora para la terapia génica para el tratamiento de una variedad de tipos de cáncer [40].
FOS
expresión (HR = 1,15; 1,13 para la muerte y recurrencia en este estudio, respectivamente) se ha asociado con el cáncer de ovario, y es un predictor molecular de recurrencia y la supervivencia en los carcinomas epiteliales de ovario [41].
TGFB1 gratis (HR = 0,46; 0,56 para la muerte y recurrencia en este estudio, respectivamente) se ha relacionado con el cáncer de ovario [42] - [44], y puede desempeñar un papel importante en la biología del cáncer de ovario con efectos potenciales sobre el crecimiento tumoral y la angiogénesis [45]
los factores de transcripción asociados con la supervivencia
Ocho TFS se asocian únicamente con el peligro de muerte por cáncer de ovario:.. ciclos de salida locomotora circadiano kaput (
RELOJ
), receptor de estrógeno 2 (
ESR2
), v-ets virus de la eritroblastosis E26 oncogén homólogo 2 (
ETS2
), histona deacetilasa 3 (
HDAC3
), homeobox A1 (
HOXA1
), v-myc mielocitomatosis homólogo oncogén viral (
mYC
), subfamilia de receptores nucleares 5, grupo A, miembro 1 (
NR5A1
), y