Extracto
anormal de metilación del ADN se conoce como jugando un papel importante en la tumorigénesis. Es útil para distinguir la especificidad de diagnóstico y terapéuticos objetivos para el cáncer basados en las características de los patrones de metilación del ADN a través de los cánceres. el análisis de metilación del ADN de alto rendimiento ofrece la posibilidad de filtrar integralmente la diversidad epigenética a través de diversos tipos de cáncer. Hemos integrado metilación de datos de todo el genoma detectadas en 798 muestras procedentes de siete tipos de cáncer. La agrupación jerárquica reveló la existencia de patrón de metilación específica del cáncer. A continuación, se identificaron 331 genes diferencialmente metilado en todos estos tipos de cáncer, la mayoría de los cuales (266) estuviera específica de metilación diferencial en el cáncer único. Una red correlación metilación del ADN (CMSN) se construyó sobre la base de la correlación entre la metilación estos genes. Se mostró los centros de conexiones en el CMSN se inclinaron a los genes específicos de cáncer en siete tipos de cáncer. Un análisis más detallado de supervivencia utilizando la parte de los genes en el CMSN reveló grupo de alto riesgo y el grupo de bajo riesgo se distingue por siete biomarcadores (
PCDHB15, WBSCR17, IGF1, GYPC, CYGB, actg2
, y
PRRT1
) en el cáncer de mama y ocho biomarcadores (
ZBTB32, OR51B4, CCL8, TMEFF2, SALL3, GPSM1, MAGEA8
, y
SALL1
) en el cáncer de colon, respectivamente. Por fin, una red de interacción proteína-proteína se introdujo para verificar la función biológica de los genes diferencialmente metilado. Se demostró que
MAP3K14, PTN, ACVR1
y
HCK
compartir diferentes metilación del ADN y la expresión génica a través de los cánceres fueron distribución relativamente alto grado en la red PPI. El estudio sugiere que los genes no sólo el cáncer específicos identificados siempre referencia en el tratamiento individual, sino también la relación en todos los cánceres se podría explicar por la metilación del ADN diferencial
Visto:. Zhang C, Zhao H, Li J, Liu H , Wang F, Wei Y, et al. (2015) La identificación de los patrones de metilación específicas entre los diferentes tipos de cáncer. PLoS ONE 10 (3): e0120361. doi: 10.1371 /journal.pone.0120361
Editor Académico: Hiromu Suzuki, Universidad Médica de Sapporo, Japón
Recibido: 2 Octubre, 2014; Aceptado: 20 de enero de 2015; Publicado: 16 Marzo 2015
Derechos de Autor © 2015 Zhang et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Disponibilidad de datos: Todos los datos relevantes están dentro del apoyo de sus archivos de información en papel y
Financiación:. Hubo apoyo de la Fundación Nacional de Ciencias Naturales de China [no. 31371334, 61203262, 61403112, 61402139]. 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:. Yan Zhang está en un editor académico. Esto no altera la adhesión de los autores a todas las políticas de PLoS ONE sobre los datos y compartir materiales.
Antecedentes
La epigenética se refiere a un mecanismo hereditario que afecta a la expresión de genes que es sin cambios en el ADN secuencia [1]. La metilación del ADN es uno de los eventos epigenéticos más importantes en los mamíferos, y sobre todo se refiere a la adición covalente de un grupo metilo (CH
3) en la posición 5 'de la citosina. Una región rica en CpG se llama una isla CpG que siempre se superpone en los promotores de genes y asociados con la regulación negativa de la expresión de genes [2,3]. Se ha revelado que la metilación CpG desempeña un papel importante en los procesos biológicos, incluyendo la impronta, silenciamiento retrotransposon, X desactivación de cromatina, la duplicación del ADN, transcripción, reparación, incluso el desarrollo de cánceres y otras enfermedades complejas [4]. Investigaciones recientes demuestran que el mecanismo de la metilación tiene efectos fuertes dentro de los genes del cáncer [5,6]. Por lo tanto una mayor comprensión de la metilación de CpG en enfermedades complejas será útil para el diagnóstico de la enfermedad, el tratamiento y el pronóstico. Hasta la fecha, hay un número creciente de estudios se centra principalmente en el mecanismo de los procesos epigenéticos, especialmente la metilación CpG [7].
Los cánceres han sido considerados como enfermedades complejas [8]. Hay muchos factores que intervienen en el cáncer como el número de copias alteración, la expresión diferencial, la aberración epigenética y así sucesivamente, entre los que la metilación del ADN anormal se ha descubierto en muchos tipos de cáncer, incluyendo el cáncer de mama, cáncer de pulmón y cáncer colorrectal. La hipermetilación en regiones promotoras inhibe la expresión de genes supresores de tumores. Por otro lado, la hipometilación en regiones promotoras activa la expresión del oncogén. hipometilación Global también desempeña una función importante en el proceso de la carcinogénesis, el aumento de la genómica y la inestabilidad cromosómica [9,10]. Por ejemplo, muchos informes han demostrado que el cáncer de mama es el cáncer más común en las mujeres en todo el mundo y tiene más de seis subtipos significativos descritos por la expresión génica.
BRCA1 /2 ¿Cuáles son los genes más relacionados con el cáncer en cáncer de mama, que implican en la reparación del ADN, la regulación de la activación transcripcional y apoptosis. La hipermetilación de
BRCA1 /2
en regiones promotoras resultados en la inactivación de la función y aumenta el riesgo de cáncer de mama [11,12]. Del mismo modo, la hipermetilación de
AOX1 gratis (aldehído oxidasa 1) y
GSTP1 gratis (glutatión S-transferasa 1) en el cáncer de próstata también se traduzcan en el silencio de la expresión génica [13,14].
LINE-1 gratis (largos períodos de actividad de nucleótidos element-1) es a menudo considerado como un marcador sustituto de la metilación del ADN global y la sobreexpresión de
LINE-1 | inducida por hipometilación en los resultados de los promotores en un pobre pronóstico en el cáncer de pulmón de células no pequeñas [15]
.
Un gran número de genes relacionados con el cáncer han sido reconocidos y muchos genes importantes están asociados con más de un cáncer.
CDH1 gratis (E-cadherina), una molécula de adhesión intercelular en las células epiteliales juega un papel importante en el establecimiento y mantenimiento de las conexiones intercelulares. La hipermetilación de
CDH1
en la carcinogénesis colorrectal reduce la expresión de genes y destruye la función del sistema de adhesión célula-célula [16]. Además, la hipermetilación de
CDH1
también interrumpe la adhesión intercelular en el cáncer gástrico, cáncer de mama y el cáncer de vejiga [17-19].
RASSF1 gratis (RAS asociación de dominio gen de la familia 1) también tiene una alta frecuencia de metilación en las regiones promotoras y actúa como un factor de riesgo en el cáncer de próstata y el cáncer cervical escamoso [20-22]. Por lo tanto, es necesario desarrollar un análisis integrado de todos los tumores de descubrir similitudes de diferentes tipos de cáncer y las características específicas del tumor.
En este estudio, hemos construido un compendio integrado de datos de metilación del ADN a través de siete tipos de cáncer. Los datos se selecciona de entre el proyecto Atlas del Genoma del Cáncer (TCGA), incluyendo más de 12.000 muestras de tumor de unos 20 tipos de tumores, que proporcionaron una oportunidad de encontrar la aberración de genes entre diferentes tipos de cáncer [23]. La comparación de los perfiles de metilación en las diferentes muestras se utilizó para investigar la variación metilación relacionada con el cáncer y la metilación específica del cáncer. Se cuantificó la correlación entre la metilación del promotor del ADN y la expresión de genes para presentar el reconocimiento de una firma relacionada con el cáncer de metilación del ADN. Además, también se demostró la asociación a través de los tipos de cáncer a través de la red de correlación metilación del ADN (CMSN) construido en este estudio. Nos informó además que los genes relacionados con el cáncer de biomarcadores también podrían contribuir con el pronóstico a través del análisis de supervivencia en el cáncer de mama y cáncer de colon.
Materiales y Métodos
metilación del ADN y la expresión de datos
los datos de metilación del ADN se obtuvo del Atlas del Genoma del cáncer (TCGA). Las muestras consistieron en 832 muestras de cáncer y 284 muestras normales recogidas de tejidos normales adyacentes emparejados, incluyendo el carcinoma de mama invasivo (BRCA), adenocarcinoma de colon (EPOC), riñón renal carcinoma de células claras (KIRC), carcinoma de células renales papilar renal (Kirp), adenocarcinoma de pulmón (LUAD), pulmón carcinoma de células escamosas (LUSC), adenocarcinoma de recto (LEA) y sus diferentes muestras en la categoría normal. Los datos se detectó por el Infinium HumanMethylation27 BeadChip que contiene de 27.578 sitios CpG en 14.475 genes. Los datos fueron desde el nivel 2 y el valor β se definió como el nivel de metilación del ADN que se calculó como la radio de la sonda metilada (M /(T + M)) que varía de 0 a 1.
Las sondas con detección "NA "fueron tratados como datos faltantes. Las muestras con más de 150 sondas desaparecidas fueron tratados como datos que faltan y se eliminaron 66 muestras. A continuación, se eliminaron los sitios con datos faltantes. Coeficiente de variación (CV) se utilizó para evaluar el grado discreto de todos los datos. Se mantuvieron los genes con menos de 0,5 CV en más de 80% de las muestras. CV = SD /AVE. CV fue el coeficiente de variación de los sitios que pertenecen el mismo gen en una muestra, SD fue la variación de los sitios, AVE fue el promedio de sitios. Nivel medio de metilación de CpG múltiples en el mismo gen se define como el nivel de metilación del gen.
Los datos se obtuvieron a partir de la expresión de 210 muestras de cáncer y 68 muestras normales (incluyendo diferentes muestras y normales) en TCGA. EPOC y LEER fueron detectados por el AgilentG4502A plataforma incluyendo 17.814 genes. BRCA, KIRC, Kirp, LUAD y LUSC fueron detectados por la plataforma illminaHiseq_RNASeqV2 incluyendo 20,531 genes. La información de la muestra tanto de los datos de metilación del ADN y la expresión de datos se enumeran en la Tabla S1.
Identificación de genes diferenciales
En este estudio, hemos utilizado el paquete de la biblioteca R "samr" basado en t- probar la significación estadística para identificar los genes diferencialmente metiladas (DMGS). DMG se define como falsa tasa de descubrimiento nivel de significación (FDR) inferior a 0,05 y la diferencia de nivel de metilación del ADN de más de 0,15 entre los cánceres y las muestras normales [24]. La versión de la herramienta el paquete se utilizó fue de 4,0. Con el fin de comprender el mecanismo de metilación del ADN en el cáncer, que también se utiliza samr para identificar los genes expresados diferencialmente (DEGs) con tasa de falso descubrimiento (FDR nivel de significación inferior a 0,05).
Construcción de la red de correlación metilación del ADN
La intersección de DMGS y DEGs se utilizaron como los nodos en la construcción de la red de correlación metilación del ADN. A continuación, se calcularon los coeficientes de correlación de los niveles de metilación de genes diferenciales como los bordes, el valor absoluto del coeficiente de correlación de Pearson fue de no menos de 0,7 con un nivel de significación p-valor inferior a 0,05 [25].
La red de se visualizó a través de la Cytoscape (http://www.cytoscape.org/), un software de código abierto para la construcción de redes biológicas. Entonces, red aleatoria se genera a través de permutación de siete etiquetas de cáncer para cada gen para evaluar la fiabilidad de CMSN. Los datos fueron perturbado en un gen de 1000 veces y se calculó el coeficiente de correlación de los datos aleatorios para construir la red al azar.
El análisis de supervivencia de los genes diferencialmente metiladas
El análisis de supervivencia se realizó en base en el índice de pronóstico (PI) para generar el riesgo groups.where x
p era la expresión de los genes de biomarcadores y
β
p
se calculó a través de la regresión de Cox. Con la PI aumentó, los pacientes tendrían un mal pronóstico. Se utilizó la PI para separar las muestras en dos grupos con las mismas muestras para probar si los biomarcadores se asociaron con la etapa de supervivencia.
Construcción de red de interacción proteína-proteína
Hemos elegido un sistema integrado red PPI como fondo, que se integró en la base de datos de la red de Interacción Biomolecular (BIND), la Biológica general de repositorio para los conjuntos de interacción de datos (BioGrid), la base de datos de Interactuando Proteínas (DIP), la proteína humana base de datos de referencia (HPRD), intacto, la interacción molecular en la base de datos (CECA), la base de datos de PPI de los mamíferos del Centro de Información sobre Munich secuencias de Proteínas (MIPS), PDZBase (una base de datos de PPI PDZ-dominios) y Reactome. El gen construido semilla set fueron SIN_D, DOU_D y TRI_D identificado anteriormente. Fueron mapeados en la red PPI integrado y se extrajo una sub-red. La sub-red se compone de los genes de semillas y los genes que conectan con los genes de semillas en la red PPI integrado. El grado de los nodos de sub-red se define como el número de genes que estaban conectados con genes de semillas. Podría ser utilizado para predecir la importancia de DMGS relacionados con el cáncer identificados.
Resultados
patrones de metilación diferencial a través de los cánceres
Siete datos sobre el cáncer de TCGA se utilizaron en este estudio, incluyendo su perfil de metilación de ADN y el perfil de la expresión génica. Después de preprocesamiento de datos (ver Materiales y Métodos), 832 muestras de cáncer y 284 muestras normales de los siete tipos de cáncer se mantuvieron (Tabla 1). Para la ulterior identificación de DMGS, mantuvimos 7.936 genes cuyo valor metilación del ADN existido en todos los tipos de cáncer (S2 Tabla). Los DMGS para siete tipos de cáncer se identificaron respectivamente a través de samr. Había 509 genes que muestran metilación diferencial en BRCA, 591 genes en EPOC, 130 genes en KIRC, 67 genes en Kirp, 53 genes en LUAD, 508 genes en LUSC y 701 genes en LEER (S3 Tabla). La unión de la DMGS fue 1.318 (Tabla S4). La distribución de los patrones de metilación de DMGS entre los cánceres se observaron basa en bidireccional análisis de agrupación jerárquica (Fig. 1). Las muestras se agruparon en los clados en base a los tipos específicos de muestras biológicas. La EPOC y READ se agruparon juntos, que mostró los patrones de metilación similares entre estos dos tipos de cáncer. La mayor parte de DMGS mostraron alto nivel de metilación en EPOC y READ en comparación con otras muestras de cinco muestras normales y cancerosas, y alrededor del 11% en el DMGS muestran hipermetilación específico en EPOC y leer respectivamente. El resultado fue apoyado que los tumores parecían estar hypermethylated con más frecuencia y no hubo diferencias significativas que podrían distinguir los cánceres de colon y recto en el nivel de metilación [26]. Los resultados similares fueron también mostraron en LUAD y LUSC, Kirp y KIRC. A declarar los resultados observados, se calcularon los coeficientes de correlación que muestran la misma consecuencia que el análisis de agrupamiento jerárquico (Fig. 2). Curiosamente, BRCA fue alta correlación con LUAD y LUSC. Ellos podrían ser causados por la radioterapia del cáncer de mama que se incrementó la tasa de mortalidad de los cánceres de pulmón [27]. Por otra parte, las muestras normales de los cánceres mencionados anteriormente también mostraron patrones de metilación similares. En las otras manos, los cánceres de diferentes organizaciones originales tenían los niveles de metilación del ADN diferencial (Fig. 1). Se sugirió que los patrones de metilación del ADN se asociaron con tejidos y tipos de cáncer.
La letra C representa el cáncer, y N representa normal. El rojo era la hipermetilación, blanco y azul es midmethylation fue hipometilación. Las muestras procedentes de los mismos o similares tejidos fueron agrupando juntos, el resultado de la agrupación fue etiquetado de la parte superior de la figura.
El color rosa se puso de alto coeficiente de correlación, amarillo se puso de coeficiente de correlación media y verde permaneció bajo coeficiente de correlación. BRCA, y LUSC LEER tuvieron la fuerte correlación. Además de esto KIRC y Kirp, EPOC y LEER también tenían el mismo resultado por separado
Por otra parte, se realizó el análisis de la función de enriquecimiento de estos 1.318 DMGS utilizando DAVID (http:. //david.abcc. ncifcrf.gov/) (cuadro S5). Estos genes fueron enriquecidos principalmente en la respuesta de defensa, la respuesta inmune, la señalización célula-célula, la adhesión celular, la muerte celular y así sucesivamente. El cáncer fue considerado como una enfermedad maligna y en relación con el sistema de defensa, la respuesta inmune y muchos otros procesos biológicos que intervienen en el crecimiento celular no regulado [28]. La apoptosis es un proceso biológico básico que podría tener una relación importante con muchas enfermedades, como el cáncer y enfermedades autoinmunes. La apoptosis se regula en los tumores negativamente y la anormalidad de la apoptosis estaba involucrado en tipos de cáncer [29]. Estos procesos biológicos pueden ser desregulados por la metilación anormal de los genes diferenciales, lo que afecta el proceso de cánceres. Además, estos genes estaban asociados con muchas de las vías relacionadas con el cáncer (Fig. 3).
El eje Y en la izquierda y el histograma azul de pie para los números de anotado de KEGG y BP, el eje Y en el derecho y la curva roja representaban el porcentaje de genes anotados en BP y KEGG.
genes expresados diferencialmente regulados negativamente por la metilación del ADN
metilación del ADN en regiones promotoras tenían una función importante de los genes de limpieza. Un número de estudios indica que la expresión génica estaba regulada negativamente por el estado de metilación del ADN [30]. En este estudio, se distinguieron 201 genes de 1.318 DMGS compartiendo relación negativa entre DMGS y DEGs. Se dividieron en 127 genes hypermethylated y 74 genes hypomethylated basados en el valor de la diferencia entre las muestras de cáncer y muestras normales. En la investigación adicional de la función de los genes relacionados negativamente, los genes hypermethylated se enriquecieron principalmente en las vías relacionadas con el cáncer, como el lupus eritematoso sistémico (
CD40
), la interacción del receptor de citoquina-citoquina (
TNFRSF8, CX3CL1 , CD40, IL11RA, ACVR1
), la interacción ligando-receptor Neuroactive (
MCHR2, PPYR1, GRIA2
) y la enfermedad tiroidea autoinmune (
CD40
). Especialmente,
CD40
fue existía en tres vías. CD40 podría generar diferentes señales de crecimiento entre los tejidos normales y tumores. Se demostró ser un gen supresor de tumores y para ser hypermethylated en cáncer de mama (Tabla 2) [31]. Por lo tanto, la metilación de
CD40
apoya la evidencia para la predicción de cáncer de mama e hizo una importante contribución al tratamiento del cáncer de mama. Sin embargo hypomethylated genes no mostraron la clara asociación con las vías relacionadas con el cáncer. Los resultados sugieren que estos genes en el cáncer hypermethylated eran los genes relacionados con el cáncer y podrían ser considerados como los biomarcadores candidatos para el pronóstico de los cánceres.
ADN diferencial de metilación de genes red correlación
con el fin de investigar la relación a través de los cánceres con medio de metilación del ADN, que cuantifica la correlación de DMGS en base a sus patrones de metilación a través de tipos de cáncer. Una red correlación metilación del ADN diferencial (CMSN) se construyó de acuerdo con los coeficientes de correlación de Pearson de los niveles de metilación, que era un grafo no dirigido que muestra la compleja relación de una gran cantidad de genes y siete tipos de cáncer. CMSN consistía en 5.492 bordes y 331 nodos, respectivamente (Fig. 4A). La intersección entre DEGs y DMGS se utilizaron como nodos, por su parte bordes fueron ponderados por los coeficientes de correlación entre la metilación DMGS.
(A) El color se paró para diferentes tipos de cáncer. El tamaño de los nodos de pie para el grado de los genes. La línea se puso de pie para la correlación entre dos genes. (B) Distribución de coeficiente de agrupamiento. eje Y fue la distribución de las redes aleatorias; eje x es el coeficiente de la agrupación. La estrella era el valor se calculó (C) Distribución de grado. (D) los genes Hub y grados. barra azul se puso de pie para el que los cánceres diferencial de los genes localizados en
.
Se analizaron CMSN para demostrar la fiabilidad de nuestra red por dos estructuras topológicas por separado, incluyendo coeficiente de agrupamiento y media de grado. En primer lugar, los datos perturbados en cada genes y calculados los coeficientes de correlación (p & lt; = 0,01) y un promedio de grado (1000 veces). Por último, comparamos coeficientes de la agrupación (0.54) y promedio de grado (33,18) en CMSN a las redes aleatorias (Fig. 4B C). El resultado mostró que nuestra red era más correlacionada y significativa de las redes aleatorias. Por otra parte, los genes del cubo eran una clase de genes con alto grado y jugaron un papel importante como funciones reguladoras clave en la red de la enfermedad. El grado fue de 1 a 127 y los genes con los mejores 10 grados se define como cubos (Fig. 4D). Los genes de cubo incluyen ADCYAP1, ZNF454, ZBTB32, SST, PCDHB15, WBSCR17, OR51B4, CCL8, CRISPLD2, NALCN, IGF1, TMEFF2, HYLS1 y GYPC. A partir del resultado, se encontró que los genes importantes se distribuyeron principalmente en BRCA y EPOC, que se muestra fuerte correlación entre los dos tipos de cáncer [32].
Tal como se muestra en la Fig. 4A, siete colores se utiliza para distinguir los nodos que los cánceres que pertenecían. Había 72 genes que muestran metilación específica en BRCA, 81 en EPOC, 36 en KIRC, 7 en Kirp, 3 en LUAD, 48 en LUSC y 19 en READ en la red. Los nodos de la red se clasifican principalmente en tres categorías, incluyendo el triple diferencial (TRI_D, 5 genes), doble diferencial (DOU_D, 60 genes) y la única diferencia (SIN_D, 266 genes). Por ejemplo,
SLIT2 Red de TRI_D fue anormal en BRCA, EPOC y READ, que mostró relación negativa entre la metilación del ADN y la expresión génica.
SLIT2
fue generalmente considerado como un gen supresor de tumores y silenciado tanto en el cáncer colorrectal y cáncer de mama, cuyo silencio fue causado por la hipermetilación de sus regiones promotoras y pérdida alélica [33,34]. Gen
efemp1
como miembro de la familia fibulin también fue anormal en BRCA, EPOC y leer. Este gen estaba relacionado con la angiogénesis y se describió como elemento clave de la progresión del cáncer. La baja regulación de la que era debido a la hipermetilación del promotor. Por otra parte, la disminución de expresión de
efemp1
parecía que se relaciona estrechamente con la mala libre de enfermedad y la supervivencia global [35,36]. Además, aunque
CHODL
no se muestra en función de los estudios anteriores, encontramos que el gen también era aberrante del nivel de metilación del ADN en BRCA, EPOC y leer y muestra la regulación negativa entre la metilación del ADN y la expresión génica. Se sugirió que había una fuerte relación entre los genes BRCA, CABLE y leer. En conjunto DOU_D, hubo 31 genes que estaban diferencial en la EPOC y leer. Este fenómeno implica la correlación entre la EPOC y leer, que era consistente con el resultado de la agrupación jerárquica. Alrededor de 80% de genes eran parte de SIN_D, se presentan ampliamente entre los cánceres específicos. En particular, muchos genes relacionados con el cáncer, incluyendo
CDH5, BVES, CX3CL1, FGFR1, IGF1
y
CD40
se identificaron en SIN_D. El resultado sugiere que los genes que hemos identificado tenían una alta asociación con el cáncer y jugaron un papel importante en el proceso biológico y en el desarrollo de cánceres.
El análisis de supervivencia para los genes específicos de cáncer Análisis FODA
La supervivencia de BRCA y la EPOC se realizaron para evaluar la posible función de biomarcadores candidatos, incluyendo todos los genes TRI_D, la parte superior 10 con un alto grado de SIN_D y DOU_D genes, respectivamente (Tabla 3). Se seleccionaron 502 muestras de BRCA y 151 muestras de EPOC que fueron descargados de TCGA para el análisis de supervivencia. Las muestras se dividieron en dos grupos a través de la mediana de PI (índice de pronóstico, valores altos de pie de alto riesgo y bajos valores sinónimo de riesgos bajos) y se usó la puntuación de riesgo mediana como punto de corte. Encontramos SIN_D podría separar grupo de alto riesgo y el grupo de bajo riesgo más significativa que DOU_D o TRI_D (Fig. 5). Además, los pacientes con puntuaciones más altas tenían el tiempo de supervivencia más corta. Además, se utilizó siete genes en BRCA y ocho genes en EPOC que son expresados diferencialmente pero no metilados diferencialmente respectivamente, para llevar a cabo el análisis de supervivencia como controles. Los resultados de SIN_D en BRCA (p = 0,036) y EPOC (p = 0,022) fueron más significativos que sus resultados de control (p = 0.981 en BRCA y p = 0,602 en EPOC) (Fig. 5 G, H). Este resultado sugiere que la combinación entre la metilación del ADN y la expresión podría hacer una mejor contribución al pronóstico que la única expresión.
El "+" sinónimo de las muestras de censura. El eje X y el eje Y de pie, respectivamente, para el tiempo de observación (meses) y el porcentaje de personas de supervivencia. curvas rojas y verdes eran grupo de alto riesgo y el grupo de bajo riesgo. Los biomarcadores estaban en la parte superior de cada imagen. Índice de concordancia (CI) y el valor p se encontraban en los recuadros de abajo a la izquierda.
genes diferencialmente metilado en proteína-proteína interacción red
redes de interacción proteína-proteína podría ser más preciso para describir las relaciones entre los elementos complejos y más visible para mostrar las construcciones de estos elementos. Con el fin de explorar la significación de DMGS que estaban relacionados con el cáncer, PPI sub-red fue construida por la red PPI publicada. Había una gran cantidad de bases de datos que almacenan las interacciones de los genes, incluyendo la base de datos Biomolecular Interaction red (BIND), el Depósito biológico generalizado para los conjuntos de interacción de datos (BioGrid), la base de datos de Interactuando Proteínas (DIP), la base de datos de referencia de proteínas Humanos (HPRD ), intacto, la base de datos moleculares en la interacción (CECA), la base de datos de PPI de los mamíferos del Centro de Información sobre Munich secuencias de Proteínas (MIPS), PDZBase (una base de datos de PPI PDZ-dominios) y Reactome [37-45]. Debido a que muchos factores experimentales podrían influir en el resultado de la red PPI, lo que llevó a las interacciones repetibles en red PPI, hemos integrado una red PPI de alta confianza en función de las bases de datos antes mencionados como nuestra red de fondo [46]. La red que hemos construido se compone de 80,980 bordes y 13.361 nodos. Por lo tanto, hemos mapeado SIN_Ds DOU_Ds y TRI_Ds como genes de semillas en la red PPI. Las interacciones entre ellos los genes de semillas se recuperaron 2.272 correspondiente a los bordes y 1.892 nodos como una sub-red (Fig. 6). De acuerdo con la sub-red, había cuatro genes como centros de clasificación en los 10 primeros grados, incluyendo
MAP3K14, PTN, ACVR1
, y
HCK
, y estaban todos los genes de semillas. Los resultados sugieren que DMGS podrían desempeñar un papel importante en la carcinogénesis. Por ejemplo,
MAP3K14 gratis (activada por mitógenos proteína quinasa quinasa quinasa 14) hypermethylated en LUSC la vía regulada la actividad de NF-kB y tomó parte en una NF-KB-señalización para inducir a los receptores de la necrosis tumoral /nervio -crecimiento del factor (TNF /NGF), la familia [47]. Además, basado en la interacción entre los genes de la sub-red, se identificaron 127 genes que estaban grados más de tres, como los nuevos genes relacionados con el cáncer. El análisis funcional de enriquecimiento de estos 127 genes utilizando DAVID mostró que muchos procesos y vías biológicas asociadas al cáncer fueron significativas (S6 Tabla), tales como "regulación de la muerte celular programada", "regulación de la apoptosis", "regulación positiva de la muerte celular programada "," regulación positiva de la transcripción "y así sucesivamente. A partir del resultado nos dimos cuenta de que los procesos biológicos (BP) se han centrado en la regulación de la apoptosis, la muerte celular programada y la regulación de la transcripción. A causa de las investigaciones anteriores, estos procesos biológicos estaban relacionados con el cáncer [48,49]. Así, los genes predichos basados en la red PPI y los genes anormales podrían estar involucrados en los procesos de cánceres como biomarcadores potenciales.
Los nodos de pie para el gen y colores representaban los genes diferenciales de tipos de cáncer. El gen gris era que los biomarcadores pronosticado.
Por otra parte, algunas investigaciones mostraron que muchas vías asociadas con el cáncer de KEGG fueron significativas [50,51]. Nuestro análisis mostró que los biomarcadores potenciales obtenidos en este estudio fueron enriquecidos en 11 vías relacionadas con el cáncer, y la vía más importante fue "vías en el cáncer (hsa05200)" en la que hubo 33 genes anotados (FDR = 2.44E-15). Esta vía incluye una gran cantidad de vías que estaban relacionados con el cáncer tales como vía de señalización Wnt, vía de señalización de MAPK, vía de señalización de Vega y así sucesivamente [52,53]. Además, nuestros biomarcadores también fueron anotados en muchas otras rutas relacionadas con el cáncer, por ejemplo, "ErbB vía de señalización", "quimiocina vía de señalización", "citotoxicidad mediada por células asesinas naturales" y "adhesión focal" [54-56]. El resultado de la anotación indicó que los biomarcadores potenciales participaron en muchos progresos de los cánceres, y actuaron como un importante papel en el cáncer.
Discusión
metilación aberrante del ADN en regiones promotoras de genes se asocian generalmente con cáncer . Por ejemplo, metilación aberrante del ADN de
SIRT1
se observa con frecuencia en diferentes tipos de cáncer y jugó un papel importante en la carcinogénesis [57]. inactivación epigenética de
ST6GAL1
está indicado un papel supresor de tumores en la vejiga carcinogénesis [58]. Además,
ST6GAL1
también se asocian con el cáncer de mama. De acuerdo con los ejemplos anteriores, las características de la metilación del ADN se reflejan específica por cáncer y el intercambio de cáncer. Es probable que varios tipos de cáncer se colocan de origen a partir de los mismos tejidos, lo que resulta en los mismos patrones de metilación del ADN. Por ejemplo, existe un estudio que muestra que los cánceres de colon y recto son difíciles de distinguir por el nivel de metilación del ADN [26]. Por lo tanto, es útil para analizar la relación entre los diferentes tipos de cáncer a través de la integración de la metilación del ADN a partir de todo el genoma.
En este estudio, el resultado de la agrupación jerárquica y de correlación de Pearson demostraron que el nivel de metilación del ADN de diferentes tipos de cáncer fueron influenciados por los orígenes anatómicos, por otra parte el nivel de metilación del ADN tenía firmas de metilación del ADN estables en mismos tipos de cáncer, que es coincidente con los estudios previos [26]. Y los DMGS se enriquecieron principalmente en la respuesta de defensa, la respuesta inmune, la señalización célula-célula, la adhesión celular y la muerte celular y otros KEGG vías relacionadas con el cáncer por análisis de función de anotación, lo que sugiere que el daño de estos procesos biológicos activar la proliferación de células cancerosas y inhibir la protección de las personas [59-64]. Además, los genes hipermetilados se enriquecieron principalmente en múltiples KEGG vías relacionadas con el cáncer en comparación con los genes hypomethylated, y este hallazgo compatibles estudio previo de la hipermetilación focal en la tumorigenicidad [65].
En CMSN, las características topológicas indicaron que la CMSN siguió la característica de red biológica en comparación con la red aleatoria y DMGS podrían tener las funciones similares debido a la calidad de los papeles similares en Caners [66]. El enriquecimiento de los genes BRCA y pivotes en EPOC apoyó que el riesgo de cáncer de colon puede ser aumentada a causa de los pacientes con la historia de los cánceres de mama en la sugerencia anterior [32]. Con el fin de estimar la importancia de SIN_D, DOU_D y TRI_D, se realizó un análisis de supervivencia utilizando BRCA y EPOC. Se encontró que los genes específicos de cáncer podrían compartir la función en los cánceres más influyente. El resultado demostró además la posible función de los genes de cubo en CMSN y la importancia del análisis integrado entre la metilación del ADN y la expresión génica.
Además, el resultado en la red PPI indica la exactitud de nuestra predicción y la posible función de la nuevos genes relacionados con el cáncer en el cáncer.