Extracto
expresión diferencial de genes han llevado a la identificación de varios biomarcadores de la enfermedad. Sin embargo, las alteraciones oncogénicas en las regiones de codificación puede modificar las funciones de los genes sin afectar a sus propios perfiles de expresión. Por otra parte, las modificaciones post-traduccionales pueden modificar la actividad de la proteína codificada, sin alterar los niveles de expresión del gen de codificación, pero la obtención de las variaciones de los niveles de expresión de los genes regulados. Estas consideraciones motivan el estudio del cableado de redes de genes co-expresada como consecuencia de las alteraciones antes mencionadas con el fin de complementar el contenido informativo de la expresión diferencial. Se analizaron 339 mRNAomes de cinco tipos de cáncer distintos para encontrar los genes individuales que presentaron patrones de co-expresión fuertemente diferenciadas entre los fenotipos normales y tumorales. Nuestro análisis de los genes diferencialmente conectadas indica la pérdida de conectividad como un rasgo común topológica de redes de cáncer, y revela nuevos genes de cáncer candidato. Por otra parte, nuestro enfoque integrado que combina la expresión diferencial junto con la conectividad diferencial mejora el análisis clásico de la vía de enriquecimiento que proporciona nuevos conocimientos sobre los biosistemas de genes putativos del cáncer aún no plenamente investigado
Visto:. Anglani R, Creanza TM, Liuzzi VC , Piepoli A, Panza A, Andriulli A, et al. (2014) La pérdida de conectividad en redes de cáncer co-expresión. PLoS ONE 9 (1): e87075. doi: 10.1371 /journal.pone.0087075
Editor: Filippo Castiglione, Consejo Nacional de Investigación de Italia (CNR), Italia |
Recibido: 11 Septiembre, 2013; Aceptado: 18 de diciembre de 2013; Publicado: 28 Enero 2014
Derechos de Autor © 2014 Anglani 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 Regione Puglia PO FESR 2007--2013 Progetto BISIMANE (Cod. n. 44), Progetto FIRB RBAP11B2SX, Progetto di Ricerca Finalizzata 2009 RF /2009 hasta 1.471.624. 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
en los últimos años, la investigación del cáncer ha experimentado notables avances proporcionados por nuevos enfoques de la biología de sistemas tras el desarrollo de tecnologías de alto rendimiento, junto a nuevas técnicas estadísticas [1], [2]. Uno de los métodos más utilizados para el estudio de patrones genéticos en tejidos de cáncer es el perfil de expresión génica a través de RNAseq o el análisis de microarrays que proporciona mediciones de los niveles de ARNm de todo el paisaje genético en una muestra biológica dada. En general, los tejidos enfermos se comparan con los controles normales con el fin de identificar grupos de genes cuyos niveles de expresión son significativamente diferentes en las dos condiciones de fenotipo y por lo tanto asociada a la enfermedad [3], [4]. Esta población de genes, que se define como expresados diferencialmente (DE), se considera por lo general de biomarcadores candidatos para el inicio y la progresión de la patología y ha sido ampliamente estudiado por la identificación de las vías relacionadas con la enfermedad [5], [6].
a pesar de que los estudios de expresión diferencial se han aplicado ampliamente y con éxito en muchos enfoques, presentan graves deficiencias en la investigación de patologías complejas. Un ejemplo importante es representado por la carcinogénesis, que es un proceso de múltiples etapas que implica la acumulación gradual de mutaciones genéticas, que puede ocurrir indistintamente en sitios reguladores o de codificación de genes. Como cuestión de hecho, las alteraciones región codificante y las modificaciones post-traduccionales (por ejemplo, fosforilación, acilación, metilación, etc.) puede modificar la actividad de la proteína sin afectar el nivel de expresión de genes, pero la alteración del patrón de interacción con otros genes. [7 ]. Por ejemplo, las mutaciones sin sentido y sin sentido en los sitios que codifican las regiones de unión a proteínas podrían interrumpir varias interacciones proteína-proteína fundamentales sin modificar los niveles de expresión. Un caso bien conocido de este tipo de cambios en el cáncer implica la poliposis adenomatosa coli (APC), que es el gen mutado más común en el cáncer colorrectal [8], [9]. La mutación APC más frecuente conduce a una proteína truncada que carece de los sitios de unión para algunas proteínas que interactúan [10]. Por lo tanto, un análisis basado únicamente en los estudios de expresión diferencial podría ser ineficaz para el resaltado de algunos conductores genéticos clave en las lesiones neoplásicas. Por otro lado, otro inconveniente crucial del análisis de la expresión diferencial consiste en el hecho de que los genes son tratados individualmente, de modo que las interacciones no se tienen en cuenta. De hecho, es ampliamente aceptado que la comprensión de los mecanismos que subyacen a la evolución de los trastornos genéticos como el cáncer debe tener en cuenta la contribución de las interacciones entre los genes [11]. Además, es esencial investigar la forma en que estas interacciones cambian en el fenotipo de la enfermedad, con respecto a la condición de tipo salvaje [12] - [14], ya que está bien establecido que no todos los genes son activos en ambos estados. Por ejemplo, [15] mostró que, en respuesta a diversas perturbaciones los patrones de interacción de factores de transcripción pueden ser alterados causando un cableado de la red.
En el marco de perfiles de expresión génica, el estudio de correlaciones estadísticamente significativas entre pares de genes pueden revelar putativo interacciones, dependencias o actividades coordinadas de los genes en un estado biológico dado. En particular, las redes basadas en la expresión génica correlaciones por pares pueden representar genes reglamentos directos y también incluyen genes que están conectados indirectamente a través de las vías de regulación [16]. Además, puesto que la transcripción es el resultado de un proceso complejo de múltiples niveles, una red correlación inferido tiene en cuenta no sólo la transcripción interacciones de los factores de ADN, sino también los factores que regulan bioquímicamente los sistemas. Por lo tanto, es posible adivinar que las modificaciones de las interacciones entre los genes en diferentes condiciones experimentales reflejarán en diversas salidas de patrones de correlación. En esta imagen, los últimos enfoques centrados en la identificación de los cambios en las estructuras de genes co-expresión (cuantificados por correlaciones por pares) entre los tejidos sanos y enfermos a la finalidad de ofrecer un mejor conocimiento de los mecanismos de regulación alterados y de indicar los genes críticos conductor trastorno [7 ]. En particular, los análisis de red diferencial co-expresión se han aplicado ampliamente y han demostrado evidencias importantes para la investigación de las redes de genes del cáncer [17] -. [19] y la identificación de genes mutados, pero no expresados diferencialmente [20]
la idea que subyace en el presente estudio es que las modificaciones de la conectividad en las redes de genes biológicos están asociados a los cambios fenotípicos importantes. Una evidencia alentadora se informa en [15], donde los autores encontraron que la conectividad de la regulación de genes en
Saccharomyces cerevisiae
sufre alteraciones dramáticas durante los procesos celulares. De hecho, demostraron que muchos factores de transcripción presentes sólo un pequeño número de interacciones retenidas a través de las diferentes condiciones, mientras que las conexiones restantes son activos sólo en condiciones específicas del sistema.
En el presente estudio, nos muestran que la la conectividad de red puede cambiar sensiblemente en los tejidos neoplásicos. Como medida de la conectividad de un gen se utilizó el grado porque es un observable fundamental en la teoría de grafos y tiene una clara interpretación biológica [15]. En particular, se estudiaron los cambios de interacción de genes que surgen en tejidos de cáncer con respecto a los controles sanos mediante la comparación de las redes específicas co-expresión inferidos. Para este objetivo, se investigó en los nodos individuales que presentan una estructura de conexión fuertemente modificado entre dos fenotipos biológicos. pruebas de permutación al azar no paramétricas fueron adoptadas con el fin de poner de relieve los genes que tienen variaciones de grado asociado a la patología y no debido a la casualidad.
Hemos encontrado que una pérdida de conectividad en redes de cáncer con respecto a las normales es un campo común rasgo entre los diferentes tipos de cáncer. A continuación, se encontró que un estudio de la conectividad diferencial puede indicar genes relacionados con el tumor no reveladas por análisis de expresión diferencial. Por último, mostramos cómo la integración de la expresión diferencial con conectividad diferencial puede mejorar el análisis de enriquecimiento clásico revelar vías asociadas a rasgos distintivos de cáncer y proporcionar conocimientos sobre nuevos sistemas de biomarcadores putativos.
Resultados
Se analizó la expresión niveles de 339 mRNAomes humanos, incluyendo muestras de tejidos normales y neoplásicos relacionados con cinco conjuntos de datos de expresión génica de neoplasias distintas de GEO y ArrayExpress: colorrectal, de pulmón, gástrico, de páncreas y cuello uterino. Todas las muestras se perfilan con tecnologías de Affymetrix y se procesan con la expresión Affymetrix software de la consola (ver Material y Métodos).
La pérdida de conectividad en redes de cáncer
Se investigaron las propiedades topológicas de las redes de co-expresión en las condiciones sanas y enfermas en términos de conectividad gen o grado (ver material y Métodos). Inferimos las redes normales y el cáncer de co-expresión basados en coeficientes de correlación de Spearman: dos genes estaban conectados por un borde si el coeficiente de correlación entre sus perfiles de expresión no era nula al nivel de significación del 5% con un Benjamini-Hochberg [21] falsa tasa de descubrimiento (FDR), por debajo del 20% (véase la figura 1 y material y Métodos).
condición saludable de la izquierda y el tejido afectado por la enfermedad de la derecha. enlaces verdes se mantienen sin cambios en los dos fenotipos. conexiones rojas son la pérdida de la salud de la red cáncer. Blu bordes son nuevas conexiones en el tejido canceroso.
Como era de esperar, la topología de las redes de genes inferidos resultó ser desviado de un modelo al azar (ver Figuras 2A-E y Material y Métodos) desde sus distribuciones de grado resultaron diferentes a las de los grafos aleatorios correspondientes con el mismo grado medio y el mismo número de nodos (, Kolmogorov-Smirnov). Por otra parte, el cáncer y las redes normales se caracterizan por nodos con grados muy variables, desde los genes con unas pocas conexiones a 'hubs' con miles de enlaces (Figura 2A-F).
(AE) funciones de distribución acumulativa de la grado de genes. (F) Boxplots de los grados de genes para los cinco tejidos en las dos condiciones. El color rojo se refiere al fenotipo de cáncer. El color azul se refiere al fenotipo normal. El grado medio en el cáncer es menor que en condiciones normales
Por otro lado, la comparación entre las redes normales y cancerosas sacó un rasgo notable común a los diversos tipos de tumores:. Redes de genes co-expresión de los tejidos neoplásicos presentan una conectividad reducida con respecto a la condición sana (véase la Figura 2F). De hecho, una prueba de Kolmogorov-Smirnov mostró que todas las redes de cáncer se caracterizan por un grado gen que se estocásticamente disminuyó con respecto a los gráficos normales correspondientes ().
conectividad diferencial de genes y su interacción con la expresión diferencial
los cambios significativos de la conectividad de red en el cáncer de indicar que los genes con conexiones fuertemente alterados pueden tener un papel en la biología del cáncer y motivar a un estudio sobre una medida de puntuación basado en la conectividad para la identificación de los conductores de cáncer putativos. Para este objetivo, para cada gen, se evaluó la conectividad diferencial (DC) como la diferencia de grados de genes en las dos condiciones fenotípicas y se evaluó su significación estadística con un p-valor y una tasa de falso descubrimiento. Por otra parte, se estudió el rendimiento de esta medida y su mérito relativo con respecto a la expresión diferencial (DE) en términos de valor-p y FDR (ver Material y Métodos).
Un análisis de FDR como una función de los valores de p para ambas medidas diferenciales mostró que para los valores de p de menos de 0,01, hubo una proporción de falsos descubrimientos debajo de 22% para DC y 10% para dE (Figuras 3A-e). Esto significa que, para ambas medidas, el número de las características diferenciales resultantes es significativamente mayor del que se esperaría por casualidad, aunque el FDR de DC es mayor que el FDR de DE para cada uno los valores de p.
Red color representa los genes expresados diferencialmente (DE). El color azul representa los genes diferencialmente conectadas (DC).
A medida que una nueva investigación, se analizó la interacción entre la pérdida de la conectividad y los p-valores de expresión diferencial y de conexión diferencial. Se encontró que cuanto más pequeño es el valor p de la CC mayor es el número de conexiones perdidas para todos los conjuntos de datos (, correlación de Spearman, ver Figuras 4A-E). Este resultado confirma la hipótesis de que corresponde más probable que una pérdida de enlaces de normal a tejidos de cáncer de una conexión diferencial significativa. De forma análoga, se encontró una correlación positiva entre el aumento de grado y el valor p de la expresión diferencial de cada enfermedad con la excepción del cáncer de colon para los que existe una correlación negativa (Figura 4F). Esto indica que los genes expresados diferencialmente se más probable caracterizan por un grado reducido en el cáncer, excepto en el caso de colon para los que los genes expresados diferencialmente tienden a adquirir conexiones en el tejido tumoral (Figuras 4A-F)
.
( AE) (panel superior) conectividad diferencial de genes p-valor en función de la relación de grado. (Panel inferior) la expresión diferencial de genes p-valor en función de la relación de grado. Cada punto representa un gen y la línea de tendencia es la recta de mínimos cuadrados. (F) Las correlaciones entre el valor p de la expresión diferencial y la ganancia de las conexiones. P-valores en las barras se refieren a pruebas haga cola para las correlaciones positivas, y las pruebas de cola a la izquierda para las correlaciones negativas. (G) Las correlaciones entre los valores de p de expresión diferencial y los valores de p de conexión diferencial.
aspectos más destacados de conectividad diferencial genes del cáncer conocidos
Con el fin de investigar si la conectividad diferencial puede dedo hacia tumoral genes específicos de análisis y supera a la expresión diferencial, se recogieron las listas de genes conocidos del cáncer de la literatura y las bases de datos curada a ensayar para el enriquecimiento. Por lo tanto, la elección de un umbral de significación dada para los valores de p de DC y DE resultó ser necesario. En consecuencia, para cada conjunto de datos de cáncer, construimos dos listas de recogida de los genes que tienen expresión diferencial significativa y conectividad al mismo nivel de 0,05, respectivamente (véase el cuadro S1).
El estudio sobre el conjunto de datos de cáncer colorrectal resultó en 1870 genes diferencialmente conectadas y 6792 genes expresados diferencialmente en una serie de 17400 genes ensayados. Las poblaciones resultaron ser distinto con (Figura 4G). La lista de genes DC está enriquecido en los genes supresores de tumores y oncogenes comúnmente asociados con el cáncer colorrectal como se informa en el trabajo de [22] (,) donde es el tamaño de la lista de genes conocidos de cáncer, es el número de genes de DC en la lista y es exacta p-valor de la prueba de Fisher. La adopción de un nivel más estricto de 0.005, los genes de DC también se enriquecen en los genes del cáncer conocidos de gen del cáncer de censo [23] (,, prueba exacta de Fisher), en la lista de genes del cáncer KEGG Enfermedades H00020 colorrectal [24] (,) y en el genes mutados en cánceres colorrectales como se informó en el trabajo de la madera
et al.
[25] (,). Por el contrario, los genes expresados diferencialmente resultó no enriquecidos en las conocidas listas de genes del cáncer colorrectal antes mencionados: en [22] (,), gen del cáncer de censo [23] (,), en la lista de genes del cáncer KEGG Enfermedades H00020 colorrectal [24] ( ,) y en [25] (,).
Para el conjunto de datos de cáncer de pulmón, las listas de genes que están conectados diferencialmente expresados y entre los tejidos pulmonares normales y cancerosas incluidos 2749 y 7125 genes, respectivamente (en una número de 12157 genes ensayados). A pesar de que se encontró una correlación positiva () entre los valores de p de la expresión diferencial y los valores de p de conectividad diferencial (Figura 4G), algunas excepciones notables, es decir diferencialmente conectado, pero los genes no se expresan, dio como resultado asociado a la patología crítica. Por ejemplo, el
EGFR
gen, resultó ser DC (), pero no DE (), es un importante oncogén mutado con frecuencia y una diana terapéutica para el adenocarcinoma de pulmón [26], [27]. Por otra parte, la lista de genes DC está enriquecido en los genes que albergan alteraciones (mutaciones, amplificaciones y /o fusiones) que participan en el desarrollo del cáncer de pulmón de células no pequeñas como se informa en el trabajo de [28] (,,). La lista de estos genes del cáncer resultó ser no sobre-representados en la lista de los genes expresados diferencialmente (,).
Nuestro análisis sobre el conjunto de datos gástrica cáncer provocado DC 3016 y 11108 DE genes (el día una serie de genes ensayados 19520) con las dos listas significativamente distintas (véase la figura 4G). Encontramos como diferencialmente conectada la Smads regulados por el receptor (R-Smads) para el TGF-beta (
SMAD2
y
SMAD3
) y para la vía de señalización de BMP (
Smad1 Opiniones y
Smad5
) y el mediador común-Smad (
SMAD4
). Estos genes, con la única excepción de
Smad5
, no son expresados diferencialmente (ver Tabla S1). Por otra parte, se encontró que las listas de genes con se enriquecen en los genes que comparten un
TCF3
sitio de unión a motivos (E47_01,,) y en los genes que comparten un
SMAD4
motivo del sitio de unión a (SMAD4_Q6,,) [29]. Observamos que se sabe que el TGF - Smads activado inhiben la expresión de proteínas de identificación, que a su vez inhiben la unión de factores de transcripción bHLH como E12 y E47 [30] ADN [31]. En consecuencia, el análisis de la conectividad diferencial sugiere alteraciones de las actividades de señalización mencionados en los tejidos de cáncer gástrico.
El estudio sobre el conjunto de datos de cáncer de páncreas dado lugar a 12434 genes diferencialmente conectadas y 14726 genes expresados diferencialmente sobre un total de 19520 genes en el chip. Debido al gran solapamiento entre los dos grupos (Figura 4G), no es sorprendente que ambos grupos se enriquecen para los genes comúnmente expresados diferencialmente en adenocarcinoma ductal pancreático resultantes del estudio meta-análisis realizado en cuatro conjuntos de datos diferentes en [32] . Por otra parte, los tres genes (
KRAS
,
TP53
,
STK11
) asociada al cáncer de páncreas OMIM 260350 Entrada [33] No se encontró tanto diferencialmente expresados diferencialmente conectado y con la mismo. Sin embargo, con un nivel de significación más conservadora de 0.005, la lista de genes del cáncer del gen del cáncer de censo [23] fue encontrado para ser enriquecido significativamente en los genes de DC (,,) pero no en los genes DE (,).
por último, el análisis conjunto de datos en el cáncer cervical reveló 2302 y 6186 DC dE genes (en un número de genes ensayados 12507) con las dos poblaciones es significativamente distinto con (Figura 4G). Un análisis de los genes de enriquecimiento de DC y DE se realizó en la lista proporcionada por el trabajo de [34] hecha de genes comúnmente alteradas junto con las que se encuentran mutados por su estudio secuenciación del exoma de endometrio y cáncer de ovario. Este estudio fue motivado por la idea de explotar los datos de ADN recogidas de pruebas de Papanicolau a fin de revelar las mutaciones somáticas que implican el tejido cervical después de haber sido arrojado del cáncer de endometrio o de ovario. Este grupo de genes dado lugar enriquecido de 6 genes de CC durante un total de 15 (, prueba exacta de Fisher), mientras que incluyó 8 DE genes (, prueba exacta de Fisher) produciendo un solapamiento significativo sólo en el primer caso.
contorno una observación importante. Aunque, se encontró que los valores de p para la conexión diferencial se correlacionan negativamente con los de la expresión diferencial solamente para los de colon, gástrico y conjuntos de datos de cuello uterino, el significado general de los 5 ensayos independientes sugirió que los valores de p de DC y DE están relacionadas a través de un negativo significativo correlación (véase la figura 4G). En conclusión, los genes de DC y DE se pueden comportar como poblaciones distintas y nuestro análisis bioinformática apoya la idea de que los genes implicados en el cáncer que no cambian su expresión se pueden destacar por un análisis de conectividad diferencial. En consecuencia, se puede adivinar que los genes son los genes de DC que albergan mutaciones que alteran las interacciones entre los productos de los genes sin afectar sus niveles de expresión.
Conectividad
diferencial sugiere nuevos biomarcadores de cáncer basados en la red
Nuestro estudio también puede iluminar a los genes cuyas funciones específicas del cáncer puede ser adivinado por la literatura o que aún son materia de debate y además puede motivar a los experimentos funcionales sobre la implicación de estos genes en la patogénesis de la enfermedad. A partir de nuestro análisis del conjunto de datos de cáncer gástrico, el inhibidor de la tirosina quinasa de Bruton (
IBTK
) dio como resultado que el gen con la pérdida más grande de conectividad () (ver Tabla S3). Como cuestión de hecho, la proteína codificada por
IBTK
regula a la baja la actividad quinasa de
BTK
el cual a su vez es un regulador negativo de Wnt-beta-catenina señalización [35]. Por otro lado, la
IBTK
proteína regula negativamente la activación del factor-kappa-B-impulsada nuclear (
NF-kB
) la transcripción. Ya que es bien sabido que
NF-kB Opiniones y vías de señalización Wnt /catenina se activan en la mayoría de los cánceres gástricos [36], [37], es posible adivinar una implicación de
IBTK
en la evolución del tumor.
en el caso del cáncer de colon, el segundo gen mejor clasificado por la pérdida de conectividad con (véase la Tabla S3) es el receptor de aril hidrocarburos (
Ahr
) que en el estudio de [38] resultó tener un papel crucial en la supresión de la carcinogénesis intestinal por la degradación proteasomal de-catenina, que interactúa con la canónica
APC
dependiente de la vía. Por otra parte, el sexto mejor clasificado de genes `` elimina en la poliposis 1 '' (
DIP1
) se ha encontrado que tienen un papel de supresor de tumor en la carcinogénesis de colon [39].
Otro ejemplo proviene del conjunto de datos de cáncer de pulmón en el que el gen
TNFSF11
mostró la mayor pérdida de conectividad (véase la Tabla S3). Estudios previos han sugerido que esta proteína puede regular la apoptosis de las células la activación de la quinasa anti-apoptótica
AKT /PKB
a través de un complejo de señalización que implica la quinasa Src y el factor asociado al receptor del factor de necrosis tumoral (
TRAF
) 6 (ver EntrezGene Resumen:.. [40] por otra parte, el
SRC
y
son conocidos TRAF6
proteínas estar involucrado en varios aspectos de la tumorigénesis en humanos de pulmón [41], [42] la el trabajo de [8] confirma la participación de
TNFSF11
en la migración de células tumorales de pulmón humano. de hecho, el gen
TNFSF11
contribuye a la metástasis tumoral actuando a través de
MEK /ERK
, que a su vez activa
NFKB
, lo que resulta en la activación de
ICAM1
.
como observación final, nuestro análisis del conjunto de datos de tumores de pulmón seleccionado como la segunda gen mejor clasificado para la pérdida de enzima iniciador de conectividad de O-glicosilación N-acetilgalactosaminiltransferasa-14 (
GALNT14
). [50] mostró que
GALNT14
puede ser un biomarcador predictivo de la terapia basada en dulanermin en NSCLC porque encontraron que la sensibilidad a dulanermin (una proteína que induce la apoptosis en las células tumorales) fue fuertemente correlacionada con la sobreexpresión de
GALNT14
. También encontraron un vínculo funcional entre los receptores de la muerte de O-glicosilación y la señalización apoptótica que muestra que la inhibición farmacológica tanto de la glicosilación y la enzima caída a través de pequeños RNAs de interferencia de orientación
GALNT14
reduce dulanermin apoptosis inducida [45].
Estos hallazgos indican que un análisis de conectividad diferencial es capaz de detectar los genes del cáncer conocidos y también para sugerir nuevos candidatos de biomarcadores (algunos potencialmente druggable) proporcionar nuevas hipótesis para los experimentos funcionales específicos.
conectividad
diferencial es complementario al diferencial expresión para revelar vías relacionadas con cáncer
motivado por las nuevas evidencias en los apartados anteriores, se puede suponer que una vía de análisis de conjuntos de genes predefinidos que considera tanto los cambios en la expresión génica y alteraciones en la conectividad puede mejorar la caracterización molecular de mecanismos de la enfermedad. Por esta razón, primero se centra en el estudio clásico de enriquecimiento de la realización de una vía de análisis basada en Set-aleatoria (ver Material y Métodos) para la identificación de las vías de genes relacionados funcionalmente enriquecido para la expresión diferencial [46]. En consecuencia, hemos investigado las vías que resultaron desregulados de un análisis combinado de enriquecimiento de genes que son expresados diferencialmente o bien diferencialmente conectado (DEC) (véase la Ec. 5 en Material y Métodos). Nuestros análisis de las listas de genes probados
a priori
perteneciente a las colecciones vía canónica (C2-CP) de la Base de datos de la firma Molecular (MSigDB) [5], que recoge las vías de 1452 de la Reactome, KEGG, Biocarta y otras bases de datos. El comportamiento de la FDR como una función del enriquecimiento valor de p fue estudiado por separado en DE y DEC casos (véanse las figuras 5A-E). Para todos los tipos de cáncer (excepto para el caso de páncreas), la comparación de los FDR en las dos métricas mostró que los valores DE fueron siempre mayores que los correspondientes DEC y el segundo resultado de menos de 15% a un nivel de significancia inferior a 0,01. Por otra parte, para los conjuntos de datos de pulmón y de colon, las curvas de FDR resultaron bien separados, por ejemplo, teniendo en cuenta la medida de la conectividad diferencial produjo una reducción de 91% del valor de FDR para un valor de p de 0,003. Como consecuencia, especuló que las vías de señalización implicadas en la biología del tumor están desreguladas en la expresión génica y se caracterizan por la alteración de genes que afectan a las interacciones no necesariamente los patrones de expresión. Una validación biológica de esta hipótesis requiere la evaluación de la eficiencia relativa de la medida de DEC en la identificación de las vías subyacentes a los mecanismos generales y los rasgos específicos de tejido de neoplasias.
(AE) Benjamini-Hochberg Falso Discovery Rate (FDR) como una función del valor de p. El color rojo se refiere a las vías enriquecida de genes expresados diferencialmente (DE). color de Blu se refiere a las vías enriquecida de genes expresados diferencialmente o diferencialmente conectados unos (DEC). vías (F) de Reactome sistema inmunológico. los valores de p meta-análisis de enriquecimiento a través de los tejidos para `` Sistema Inmune Reactome '', su primer y segundo sub-vías. El histograma en el recuadro muestra los valores de p de enriquecimiento específicos de tejido de `` Sistema Inmune Reactome ''. (G-H) Análisis Conjunto básico vía de enriquecimiento. Los números de las vías principales comunes que se encuentran tan significativa en el nivel 0,01 (G) y en los puestos de alta clasificación (H) se muestran en las barras. En el recuadro se informa el valor p asociado al mérito relativo de medida con DEC con respecto al documento DE obtenido por una permutación de prueba.
En el marco del fenotipo general del cáncer, como un ejemplo específico, validamos las dos métricas en la identificación del sistema inmune Reactome, que está relacionado con una de las características más importantes de cáncer [46]. Se realizó un meta-análisis de la DE y DEC enriquecimiento de la combinación de los p-valores asociados a los diferentes tejidos (prueba de probabilidad combinada de Fisher). Curiosamente, el meta-análisis de p-valor asociado a diciembre del sistema inmune () resultó ser mucho menor que el correspondiente valor DE (), que está por encima del nivel de significación de 0,01 (Figura 5F). Se señala que si se considera el análisis de enriquecimiento específico de tejido, los valores de p diciembre de enriquecimiento siempre resultan más pequeños que los correspondientes valores de ED. Por otra parte, el análisis de la vía clásica no es capaz de indicar, por cualquier órgano, el sistema inmune Reactome como significativa a nivel de 0,05 o bien (consulte la Figura 5F).
Por otro lado, la capacidad de detectar rasgos de cáncer de órganos específicos se puso a prueba en su caso `` conjuntos básicos '' que recogen los sistemas de distintivos específicos de tumores conocidos (ver material y Métodos). En particular, se investigó si analysis Dec enriquecimiento supera a la DE enfoque clásico en la priorización de las vías en el conjunto básico.
Se estudiaron por separado las actuaciones de DE y DEC medidas para identificar importantes como las vías conjunto básico cáncer. En particular, para cada medida, se evaluó la importancia del número de vías centrales de conjunto que tiene un (Figura 5G) utilizando la prueba exacta de Fisher. Por lo tanto, tomamos nota de que la explotación de los genes DEC permite revelar mejor cáncer de las vías conocidas. De hecho, el enriquecimiento de diciembre supera el análisis DE tanto en términos de número de vías significativas y los valores de p para colon, pulmón y cuello del útero. La diferencia entre las actuaciones DEC y DE se evaluó mediante un ensayo de permutación al azar. En particular, se compararon los números ponderados de las vías conjunto básico significativos resultantes de los dos análisis (ver Materiales y Métodos). Aunque hay una fuerte evidencia de la mérito relativo de análisis diciembre sólo en colon y pulmón junto con una ligera indicación de cuello uterino, vemos que considerar genes DEC en el análisis de enriquecimiento vía presenta globalmente más señales asociadas a la patología, ya que el significado general es (véase el recuadro en la Figura 5G).
Además, se cuantificó la cantidad de la clasificación de la vía obtenidos con las dos métricas difieren de un orden aleatorio en la identificación de las vías de cáncer (Figura 5H). Con este fin, para cada medida, que clasificó las vías en términos de los valores de p de enriquecimiento y contó el número de vías de núcleo-set presentes en las primeras posiciones de alta clasificación en las listas (ver Tabla S2). Por ejemplo, en el cáncer colorrectal, en los primeros 104 posiciones encontramos 11 vías básicas de conjunto enriquecido de genes DE () frente a 18 vías enriquecida de genes DEC (). Curiosamente, se observa que el análisis de enriquecimiento de diciembre siempre supera a la medida de DE con la excepción de los casos gástricas y pancreáticas, para lo cual las dos métricas son igualmente eficientes en la identificación de las vías conjunto de conectores. De hecho, el enfoque de diciembre en el puesto global en posiciones más altas vías relacionadas con el cáncer que el clásico análisis de enriquecimiento DE según lo confirmado por los valores de p de la prueba de Fisher probabilidad combinada mostrar (DE; DEC)
Por último, señalamos que para. caso páncreas, el conjunto básico de cáncer es inesperadamente bajo-representados entre las dos vías de DE y DEC (Figura 5G-H). Como cuestión de hecho, en lugar de las vías comúnmente asociados con el cáncer de páncreas, el análisis diciembre encuentra más alterado esas vías (véase la Tabla S2) que implica la interacción ligando-receptor neuroactivo y la transducción olfativa junto con su superfamilia de la rodopsina-como G en proteínas receptores acoplados (GPCR).