Crónica enfermedad > Cáncer > artículos del cáncer > PLOS ONE: disfunciones asociadas con la metilación, MicroARN expresión y la expresión génica en el cáncer de pulmón

PLOS ONE: disfunciones asociadas con la metilación, MicroARN expresión y la expresión génica en el cáncer de pulmón


Extracto

La integración de alto rendimiento de datos obtenidos a partir de los niveles moleculares diferentes es esencial para la comprensión de los mecanismos de las enfermedades complejas como el cáncer. En este estudio, hemos integrado la metilación, los datos de microARN y ARNm a partir de tejidos de cáncer de pulmón y los tejidos pulmonares normales utilizando conjuntos de genes funcionales. Para cada término ontología de genes (GO), se definieron tres conjuntos: el conjunto de metilación, el conjunto de microARN y el conjunto de ARNm. La capacidad discriminatoria de cada conjunto de genes fue representado por el coeficiente de correlación Matthews (MCC), según la evaluación de dejar uno de las cruzadas a cabo la validación (LOOCV). A continuación, el MCC en los conjuntos de metilación, los conjuntos de microARN y los conjuntos de ARNm se clasificaron. Mediante la comparación de las filas de MCC de metilación, micro ARN y ARNm para cada GO plazo, clasificamos el GO establece en seis grupos e identificamos la metilación disfuncional, microARN y ARNm conjuntos de genes en el cáncer de pulmón. Nuestros resultados proporcionan una visión sistemática de las alteraciones funcionales durante la tumorigénesis que pueden ayudar a dilucidar los mecanismos de cáncer de pulmón y conducir a mejores tratamientos para los pacientes

Visto:. Huang T, Jiang M, X Kong, Cai YD ( 2012) las disfunciones asociadas con la metilación, la expresión de microARN y la expresión génica en el cáncer de pulmón. PLoS ONE 7 (8): e43441. doi: 10.1371 /journal.pone.0043441

Editor: Daotai Nie, Escuela de Medicina de la Universidad del Sur de Illinois, Estados Unidos de América

Recibido: 8 de Diciembre, 2011; Aceptado: 23 de julio de 2012; Publicado: 17 Agosto 2012

Copyright: © Huang 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 apoyada por las subvenciones del Programa Nacional de Investigación básica de china (2011CB510102, 2011CB510101, 2011CB910200 y 2010CB912702), la Fundación Nacional de Ciencias Naturales de china (90913009), el Programa de Investigación de la Academia china de Ciencias (KSCX2-EW-R-04) y el Programa de Innovación de la Comisión de Educación Municipal de Shanghai (12ZZ087). 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

cáncer es una enfermedad biología de sistemas [1] que implica la desregulación de múltiples vías a múltiples niveles de [2]. Tecnologías de alto rendimiento, como la secuenciación genómica y transcriptómica, proteómica y metabolómica perfiles, han proporcionado grandes cantidades de datos experimentales. Sin embargo, la biología de sistemas requiere no sólo de las nuevas tecnologías de generación de datos de alto rendimiento "ómicas", sino también los métodos de análisis integradores que puedan arrojar luz sobre los mecanismos potenciales de enfermedades complejas. El cáncer de pulmón es una de las principales causas de muerte por cáncer en todo el mundo [3]. Se conocen actualmente genética, epigenética, transcriptómica, proteómica, metabolómica, y los marcadores de microARN de cáncer de pulmón [4]. Debido a los cambios epigenéticos ocurren temprano durante la tumorigénesis, deben considerarse marcadores de metilación [4]. La proteína es la forma final, funcional de la información genética; Por lo tanto, los marcadores proteómicos son también importantes. Transcriptomic marcadores son fáciles de medir, y los niveles de mRNA se utilizan con frecuencia como un indicador de la abundancia de proteínas [5]. El microARN, como un importante factor regulador, también es un excelente biomarcador de cáncer de pulmón [6], [7]. Ya sea un marcador de metilación, ARNm marcador o marcador de microARN se considera, estos marcadores de la función al afectar las vías o redes biológicas. Las vías funcionales son los puentes comunes entre varios marcadores y la enfermedad

En la actualidad, existen varios estudios sobre la integración de datos multidimensional [8] -. [11]. La mayoría de ellos estaban basados ​​en regresión entre diferentes dimensiones [10] y requieren cada muestra para tener múltiples datos de nivel [11]. Las vías disfuncionales fueron identificados por análisis de enriquecimiento de los genes aberrantes [9].

En este estudio, se analizan directamente las disfunciones del cáncer de pulmón no microcítico (CPNM) mediante la comparación de los grupos funcionales de la metilación, y microARN ARNm de datos entre los tejidos de cáncer de pulmón y los tejidos pulmonares normales. Cada conjunto funcional corresponde a una ontología de genes (GO) [12] plazo. Se definen tres conjuntos de esta unidad funcional: es el conjunto de metilación, el conjunto de microARN y el conjunto de ARNm. El coeficiente de correlación Matthews (MCC), evaluadas por dejar uno de las cruzadas a cabo la validación (LOOCV), se utiliza para representar la capacidad de discriminación de cada conjunto de genes. Se analizan las filas de MCC de cada conjunto de metilación, conjunto de microARN y el conjunto de ARNm. Seis grupos de conjuntos GO se clasifican, y el 20 de metilación disfuncional, se identifican microARN y ARNm conjuntos de genes en el cáncer de pulmón. Estos conjuntos disfuncionales caracterizan los procesos de la tumorigénesis. Con una caracterización precisa de la tumorigénesis, podemos comprender mejor los mecanismos de cáncer de pulmón y mejorar el diagnóstico precoz, evaluación de la eficiencia del tratamiento y el pronóstico de cáncer de pulmón.

Materiales y Métodos

conjuntos de datos

Hemos descargado los perfiles de metilación de 1.413 genes en 57 pacientes con CPNM y 52 muestras de control [13] a partir de GEO (Expresión génica Omnibus) con el número de acceso GSE16559. Los perfiles de expresión de microARN de 549 microARN en 187 pacientes con CPNM y 188 muestras de control [14] fueron recuperados de GEO con el número de acceso GSE15008. Los perfiles de expresión génica del RNAm de 19.700 genes en 46 pacientes con NSCLC y 45 muestras de control [15] se obtuvieron de GEO con el número de acceso GSE18842.

Dado que los datos de metilación, datos de microARN y ARNm de datos se obtuvieron a partir de diferentes NSCLC estudios, se compararon los datos clínicos de los pacientes de estos tres estudios. Los dos tipos de información clínica que se dieron en por lo menos dos estudios fueron la edad y el grado de diferenciación. La información clínica de estos tres estudios se muestra en la Tabla 1. La edad media de los pacientes del estudio metilación es 68,2 y su desviación estándar es de 11,4; Mientras tanto, la edad media de los pacientes del estudio microARN es 59,9 y la desviación estándar es de 9.8. Las edades de los pacientes en estos dos estudios son similares. Los porcentajes de bienestar, moderada- y pobremente diferenciados pacientes con cáncer en el estudio de microARN y el estudio de ARNm wereand, respectivamente. Las distribuciones de los grados de diferenciación en estos dos estudios fueron muy similares. Sobre la base de la información clínica disponible en pacientes con CPNM, creemos que estos tres conjuntos de datos pueden representar algunas disfunciones comunes de CPNM.

Los genes diana de microARN

definen el destino genes de los microRNAs a ser aquellos que fueron predichas por lo menos tres de los siguientes seis herramientas de software: miRBase [16] (http://microrna.sanger.ac.uk/targets/v5/), TargetScan [17] ( http://www.targetscan.org/), Miranda [18] (http://www.microrna.org/microrna/), TarBase [19] (http://diana.cslab.ece.ntua.gr/tarbase /), mirTarget2 [20] (http://mirdb.org/miRDB/download.html), y PicTar [21] (http://pictar.mdc-berlin.de/). Tabla S1 da la microARN -. Pares de genes diana que se predice por al menos tres herramientas

Los conjuntos de genes GO para la metilación, micro ARN y ARNm

Para cada GO plazo, se definen tres conjuntos de genes para representarla: en primer lugar, el conjunto de genes de metilación, que consiste en los genes que están anotadas, en el plazo GO y para los que el nivel de metilación se ha medido; En segundo lugar, el conjunto de genes microARN, que consta de los microARN que tienen genes diana anotado a este término; y en tercer lugar, el conjunto de genes de ARNm, que se compone de todos los genes anotados a este término.

La capacidad de discriminación de los conjuntos de genes

Se evaluó la capacidad de discriminar conjuntos de genes mediante la construcción de un modelo de predicción . En primer lugar, el algoritmo de vecinos más próximos (NNA) [5], [22] - [30] se aplicó para construir el modelo de predicción. A continuación, los modelos de predicción se ensayaron usando LOOCV [5], [22] - [31]. Finalmente, el coeficiente de correlación Matthews (MCC) [26], [30] de LOOCV se utilizó como medida de la capacidad de discriminar el conjunto de genes

El NNA [5], [22] - [30]. Es un método de aprendizaje automático ampliamente utilizado. El NNA hace su predicción mediante la comparación de las distancias entre la muestra de consulta y las muestras con clases conocidas, es decir, las muestras de cáncer de pulmón o muestras de control. La muestra de consulta se predice que tienen la misma clase que su vecino más cercano, es decir, la muestra con la clase conocida que tiene la distancia más pequeña. En este análisis, la distancia entre dos muestras y se define como uno menos la similitud coseno entre las dos muestras [5], [23] - [27], [30], [32] - [34] :( 1)

el programa de NNA se puede descargar desde http://pcal.biosino.org/NNA.html.

Durante LOOCV [32], [35], [36], cada muestra en el conjunto de datos de referencia se seleccionará como el montaje de prueba una vez y probado por el modelo de predicción entrenado por el resto de las muestras.

el coeficiente de correlación Matthews (MCC) es una medida equilibrada de rendimiento de predicción que tiene en cuenta la sensibilidad y la especificidad [26], [30]. Se calcula utilizando la siguiente fórmula:. (2) en la que TP, TN, FP y FN son el número de verdaderas muestras de cáncer de pulmón, verdaderas muestras de control, las falsas muestras de cáncer de pulmón y muestras de control falsos, respectivamente

clasificación de los conjuntos de genes en función de su nivel disfuncional: la metilación, micro ARN o ARNm

Después se calculó el MCC de cada conjunto de genes en cada nivel, que clasificó los conjuntos de genes de cada nivel en función de su MCC y comparamos las filas de los tres niveles, metilación, micro ARN y ARNm, en cada conjunto de genes. Con ciertos valores demostrando ser iguales, sus filas fueron reemplazados por sus filas medias. Como un ejemplo de un plazo GO, si su nivel de metilación había cambiado entre el tejido normal y el cáncer, pero sus niveles de mRNA de microARN y no había cambiado, se define como un conjunto de genes GO metilación disfuncional. Del mismo modo, podemos definir otros tipos de conjuntos de genes GO. En total, se definieron seis grupos de conjuntos de genes, uno para cada posible orden de clasificación de la metilación, micro ARN y ARNm.

El flujo de trabajo de la metilación disfuncional, micro ARN y el ARNm de genes análisis

Nuestro estrategia de metilación disfuncional, el análisis micro ARN y ARNm de genes se demuestra en la Figura 1. en primer lugar, para cada GO plazo, que define tres conjuntos: el conjunto de metilación, el conjunto de microARN y el conjunto de ARNm. A continuación, se calculó el MCC de cada conjunto de genes, según lo evaluado por LOOCV. Hemos clasificado los MCC en los conjuntos de metilación, los conjuntos de microARN y los conjuntos de ARNm. A continuación, se compararon las filas de MCC de metilación, micro ARN y ARNm en cada GO plazo y clasificamos el GO establece en seis grupos en base a estas filas. Por último, hemos identificado la metilación disfuncional, microARN y ARNm conjuntos de genes en el cáncer de pulmón

En primer lugar, para cada término ontología de genes (GO), que define tres conjuntos de genes:. Metilación del conjunto, el conjunto de microARN y el ARNm conjunto. A continuación, se calculó el coeficiente de correlación de Matthews (MCC), según la evaluación de dejar uno de las cruzadas a cabo la validación (LOOCV), para cada conjunto de genes. A continuación, se clasificó a la MCC en los conjuntos de metilación, los conjuntos de microARN y los conjuntos de ARNm, y se compararon las filas de MCC de metilación, micro ARN y ARNm para cada término ontología de genes (GO) y clasificamos el GO establece en seis grupos. Por último, hemos identificado la metilación disfuncional, microARN y ARNm conjuntos de genes en el cáncer de pulmón.

Resultados y Discusión

Los conjuntos de genes GO de metilación, micro ARN y ARNm

Tenemos una referencia cruzada de los tres conjuntos de datos que midieron la metilación, micro ARN y ARNm de tejidos de cáncer de pulmón y los tejidos de control con GO y encontraron 4.381 conjuntos de genes que tienen GO metilación, datos de microARN y ARNm. Los tres tipos de conjuntos de genes para estos 4.381 GO términos fueron compilados de la siguiente manera: el conjunto de metilación para cada GO plazo consiste en los genes que había metilación de datos y fueron anotados a este término, el conjunto de microARN se compone de los microARN que tenían genes diana anotada a este término, y el conjunto de ARNm se compone de todos los genes que fueron anotados a este término. Los 4.381 conjuntos GO de ARNm, microARN y la metilación se pueden encontrar en conjunto de datos S1, S2 y del conjunto de datos Conjunto de datos S3, respectivamente.

La capacidad de discriminación de la metilación, microARN mRNA y conjuntos de genes

midió la capacidad del gen establece para discriminar entre el cáncer y el tejido normal usando el coeficiente de correlación Matthews (MCC) del modelo de predicción NNA evaluadas por LOOCV. Se comparó la MCC de la metilación, micro ARN y ARNm. La Figura 2 muestra las distribuciones de MCC de la metilación, microARN y de ARNm de conjuntos de genes. La media de los MCC del ARNm, microARN y metilación conjuntos de genes son 0,897, 0,702 y 0,561, respectivamente. El uno de lado mayor de la prueba t de p-valor para el mRNA y microRNA fija es inferior a 2.2e-16. El uno de lado mayor de la prueba t p-valor para el microARN y conjuntos de metilación es también menos de 2.2e-16. Estos resultados indican que el MCC de los conjuntos de ARNm es significativamente mayor que el MCC de los conjuntos de microARN, que son, a su vez, significativamente mayor que el MCC de los conjuntos de metilación.

La media MCC del ARNm, microARN y la metilación de genes conjuntos fueron 0,897, 0,702 y 0,561, respectivamente. El MCC de los conjuntos de mRNA fueron significativamente mayores que los MCC de la microARN establece con una prueba t p-valor unilateral de menos de 2.2e-16, y los MCC de los conjuntos de microARN eran, a su vez, significativamente mayor que los MCC de la metilación establece con una prueba t p-valor unilateral de menos de 2.2e-16.

las barras verdes indican las muestras tumorales y las barras azules indican las muestras normales. Las muestras tumorales y normales se diferencian claramente por los genes de alta frecuencia.

Los nodos verdes denotan microRNAs de alta frecuencia. Los nodos rojos denotan genes de alta frecuencia en ambos conjuntos de metilación y disfuncionales de ARNm. Los nodos amarillos indican los genes de alta frecuencia en sólo conjuntos de ARNm disfuncionales. No existe un gen específico en alta frecuencia de metilación conjuntos disfuncionales. Los nodos blancos indican los genes no son de alta frecuencia. Los bordes negros muestran las interacciones de la vía KEGG "hsa05223 de células no pequeñas de cáncer de pulmón". Los bordes verdes muestran la regulación por microRNAs de alta frecuencia en sus genes diana

Clasificación de los conjuntos de genes en función de su nivel disfuncional:. Metilación, micro ARN o ARNm

Mediante la comparación de las filas de MCC los conjuntos de genes en la metilación, micro ARN o el nivel de ARNm, se definieron seis grupos de conjuntos de genes. Hay 960 conjuntos de genes en los que la metilación del rango & lt; Rango & lt microARN; Rango de ARNm; 638 conjuntos de genes en los que la metilación del rango & lt; Rango de ARNm & lt; Rango de microARN; 721 conjuntos de genes en los que el rango de microARN & lt; Rango & lt metilación; Rango de ARNm; 684 conjuntos de genes en los que el rango de microARN & lt; Rango de ARNm & lt; Rango de metilación; 584 conjuntos de genes en los que el rango de ARNm & lt; Rango & lt metilación; Rango de microARN; y 794 conjuntos de genes en los que el rango de ARNm & lt; Rango & lt microARN; Rango de metilación. Tabla S2 muestra la metilación, grupos disfunción microARN y mRNA de los 4.381 conjuntos de genes GO.

Los conjuntos de genes disfuncionales en el cáncer de pulmón

Hemos clasificado los conjuntos de genes disfuncionales en el cáncer de pulmón basado en la resumió MCC filas de metilación, micro ARN y ARNm. Se analizaron los 20 mejores conjuntos de genes disfuncionales en el cáncer de pulmón que se muestran en la Tabla S3. Estos 20 conjuntos de genes disfuncionales en el cáncer de pulmón son GO: 0048585 (regulación negativa de la respuesta a los estímulos), GO: 0007517 (desarrollo de los órganos del músculo), GO: 0048514 (recipiente de la morfogénesis de la sangre), GO: 0051146 (diferenciación de las células del músculo estriado), GO : 0001525 (angiogénesis), GO: 0045595 (regulación de la diferenciación celular), GO: 0007162 (regulación negativa de la adhesión celular), GO: 0060191 (regulación de la actividad lipasa), GO: 0006275 (regulación de la replicación del ADN), GO: 0061061 (desarrollo muscular estructura), GO: 0022008 (neurogénesis), GO: 0008543 (de crecimiento de fibroblastos vía de señalización del receptor del factor), GO: 0035107 (apéndice morfogénesis), GO: 0035108 (miembro morfogénesis), GO: 0001568 (desarrollo de los vasos sanguíneos), GO: 0005576 (región extracelular), GO: 0050793 (regulación de los procesos de desarrollo), GO: 0010648 (regulación negativa de la comunicación celular), GO: 0023057 (regulación negativa de la señalización), y GO: 0019216 (regulación de los procesos metabólicos de lípidos) . Muchos de estos términos GO se ha informado de que se asocia con el cáncer de pulmón. Analizamos varios conjuntos GO como ejemplos

GO:. 0.045.595 (regulación de la diferenciación celular, el puesto 6
º) y GO:. 0.050.793 (regulación de los procesos de desarrollo, el puesto 17
º)

Los procesos de desarrollo y diferenciación celular están regulados por una serie de genes similares en los tejidos normales. Por lo tanto, los cambios en estos genes están frecuentemente asociados con la carcinogénesis. Naveen Babbar et al. informó de que TNF puede activar NFkB señalización en las células de NSCLC [37], lo que resulta en una disminución de crecimiento celular y aumento de la apoptosis [37]. Un papel para miembros de la familia FGF /FGFR también se ha indicado en el cáncer de pulmón. Por ejemplo, la amplificación frecuente de FGFR1 fue identificado en el cáncer de pulmón de células escamosas humano [38]. Además, las mutaciones somáticas en varios de estos genes fueron identificados en los carcinomas de pulmón, incluyendo FGFR1, FGFR2, y FGF2 /10 [39] - [42]. Por lo general, los genes supresores de tumores, tales como p53, CDKN2A /B, y STK11, son downregulated, y oncogenes (tales como KRAS y ErbB2 /4) están regulados por incremento en cáncer de pulmón [40]. MicroARNs están involucrados en el cáncer de pulmón debido a los cambios epigenéticos que ocurren en las células cancerosas. La baja expresión de miR-200 y miR-205 se asocia con la transición epitelio-mesenquimal (EMT) y el vástago-células similares a las propiedades de las células cancerosas y promueve la invasión y la translocación [43] - [45]. La expresión forzada de miR-29 miembros de la familia en las células de cáncer de pulmón puede restaurar los patrones normales de metilación del ADN, inducir la re-expresión de los genes supresores de tumores metilación silenciada, como FHIT y WWOX, e inhibir la tumorigenicidad [46].

GO: 0022008 (neurogénesis, clasificados 11
º)

Varios genes anotados a este GO plazo se asocian con acantha y metástasis cerebrales;. por ejemplo, no se encontraron mutaciones en la activación del receptor del factor de crecimiento epidérmico (EGFR) en muchos pacientes de cáncer de pulmón [47]. cáncer de pulmón humano cuenta con extensas alteraciones de la expresión de microARN que pueden desregular los genes relacionados con el cáncer; por ejemplo, hsa-miR-125a-5p silenciar Rock1 no regulada, la metilación de miR-34b causó c-Met-expresión, y miR-200c fue silenciado por metilación y regulados a la baja TCF8 y E-cadherina, que dio lugar a la invasión del cáncer y el deterioro [48] - [50]. La desmetilación y la mutación de genes (ErbB2, KRAS) también pueden causar la carcinogénesis [51], [52]. La metilación del promotor de la proteína asociada a la muerte quinasa (DAPK) y la unión de opioides adhesión proteína /célula molécula-como gen (OPCML) se ha encontrado tanto en el adenocarcinoma y el carcinoma de células escamosas [53], [54].

GO: 0005576 (región extracelular, el puesto 16
º)

epitelial mesenquimal transición (EMT) es el principal proceso necesario para la invasión tumoral y la translocación.. Las mutaciones en TIMP3, LAMA /B /C, TMEFF2, CDH13 y otros genes están involucrados en el deterioro cáncer de pulmón [55]. IL-8 puede iniciar una vía de señalización de las vías respiratorias epiteliales, y la desregulación de este gen puede causar cáncer de pulmón relacionado con el tabaco [56]. Cinco microARN (miR-HSA-155, hsa-miR-17-3p, hsa-let-7a-2, hsa-miR-145 y miR-HSA-21) se observa que son expresados ​​de manera diferente en los tejidos de cáncer de pulmón en comparación con el correspondiente tejidos pulmonares cancerosos. Entre estos microRNAs, let-7a puede regular la actividad de RAS [57]. la activación de la calicreína humana epigenética 13 (KLK13) mejora la malignidad de adenocarcinoma de pulmón mediante la promoción de la expresión de la N-cadherina y la degradación de laminina [58]. Recientemente, se informó de MMP1 estar asociado con cáncer de pulmón. El polimorfismo -16071G-2G de MMP1 resultados en transcripcional sobre regulación [58]. X Xiang et al. informó de que la expresión estable de miR-155 reduce significativamente la agresividad de difusión de células tumorales mediante la prevención de la EMT de las células tumorales in vivo [59]. Por otra parte, el miR-155 suprime directamente la expresión del factor de transcripción TCF4, que es un importante regulador de la EMT [59].

Los genes de alta frecuencia y microRNAs en los mejores conjuntos de genes disfuncionales

Se calculó la frecuencia de los genes o microRNAs en los 300 conjuntos de genes disfuncionales. Los genes en cualquiera de los dos conjuntos de genes metilación mRNA o con una frecuencia mayor que 50 se definieron como genes de alta frecuencia. Del mismo modo, los microARN de alta frecuencia se definieron como microARN que tienen mayor frecuencia de 50 en los 300 conjuntos de genes disfuncionales. Los genes y microARN de alta frecuencia se dan en la Tabla S4.

Hemos probado la capacidad discriminatoria de estos genes de alta frecuencia en un conjunto de datos independientes que incluye 58 muestras de cáncer de pulmón y 58 muestras normales adyacentes. El conjunto de datos independientes ha sido descargado de GEO con el número de acceso GSE32863. Se encontró que los genes de alta frecuencia pueden diferenciar perfectamente los tejidos de cáncer de pulmón a partir de tejidos normales adyacentes. El MCC predicción era 1, lo que significa que todas las muestras se clasificaron correctamente en su grupo actual, tumor o normal. El mapa de calor de los genes de alta frecuencia y las muestras de tumor /normal se muestra en la Figura 3. Las muestras tumorales y normales se diferencian claramente por los genes de alta frecuencia.

Nos hizo una prueba hipergeométrica [5], [24 ], [25], [32], [36] para investigar si los genes de alta frecuencia se solapan significativamente con la vía KEGG "hsa05223 de células no pequeñas de cáncer de pulmón". El valor de la prueba p hipergeométrica era una muy significativa 1.61E-26. Este resultado sugiere que muchos genes de mayor frecuencia se conocen los genes "hsa05223 cáncer no microcítico de pulmón de células".

En la Figura 4, destacamos los genes de alta frecuencia que descubrimos en la vía KEGG "hsa05223 no microcítico de pulmón de células cáncer". Muchos de los genes del cubo de la vía KEGG "hsa05223 cáncer no microcítico de pulmón de células" eran los genes disfuncionales de alta frecuencia, como KRAS, EGFR, erbB2, CDKN2A y RB1. Y los genes de alta frecuencia del cubo tienden a ser disfuncional tanto en la metilación y los niveles de ARNm. Se sabe que KRAS puede iniciar la tumorigénesis al afectar el progenitor endodérmico [60]. Las alteraciones del número de copias del gen KRAS están fuertemente asociados con los resultados clínicos de los pacientes con cáncer de pulmón [61]. EGFR es un receptor de la familia del factor de crecimiento epidérmico. La unión de EGFR a un ligando induce la proliferación celular [62]. mutaciones de EGFR son muy comunes en el cáncer de pulmón [63] y se asocian con el pronóstico de NSCLC [64]. Pueden alterar las cascadas de señalización de NSCLC [65]. ErbB2 está mutado en 4% de NSCLC [66] y sus polimorfismos a aumentar el riesgo de cáncer de pulmón [67]. La metilación de CDKN2A se produce con más frecuencia en los tejidos de NSCLC que en los tejidos no tumorales [68]. CDKN2A está implicado en la p16 /pRb /ciclina D1-vía [69]. RB1 puede regular la proliferación celular, la diferenciación y la apoptosis en NSCLC humano [70]. En los pacientes con CPNM avanzado, la frecuencia de pérdida de Rb es alta [71].

En la Figura 4, hay algunos microRNAs de alta frecuencia, como hsa-miR-495, miR-HSA-96, tiene el miR- -106a, tiene-miR-137, tiene-miR-372, miR-HSA-183, hsa-miR-182, miR-HSA-203, hsa-miR-15a, hsa-miR-15b y hsa-miR-7 . hsa-miR-495 regula dos genes disfuncionales de alta frecuencia, y STK4 PRKCB. Se informó que el miR-495 está regulada positivamente en KRAS-positivo NSCLC [72]. hsa-miR-96 está regulado por disminución en NSCLC [73]. tiene-miR-106a está relacionado con la supervivencia de los pacientes de cáncer de pulmón [56]. Los pacientes con alta expresión de miR-tiene-106a tienden a tener un peor pronóstico [56]. tiene-miR-137 y miR-tiene-372 son a la vez aumentada en NSCLC y sus niveles de expresión están asociados con la supervivencia y la recaída en pacientes con NSCLC [74]. tiene-miR-183 es ​​un inhibidor potencial de la metástasis del cáncer de pulmón y puede regular la migración y la invasión de genes [75]. hsa-miR-183 y miR-HSA-182 fueron reportados como los microRNAs expresadas diferencialmente entre los tejidos de cáncer de pulmón con los tejidos normales adyacentes [76]. hsa-miR-203 es aumentada en tejidos de cáncer de pulmón [56]. hsa-miR-15a es frecuentemente eliminado o reducido regulado en NSCLC [77] y su expresión se correlaciona inversamente con la expresión de ciclina D1 [77]. hsa-miR-15 b se expresa diferencialmente en el factor de necrosis tumoral (TNF) -relacionado células ligando inductor de apoptosis (TRAIL) resistentes NSCLC [73]. hsa-miR-7 está regulado por disminución en el cáncer de pulmón y que puede regular el receptor del factor de crecimiento epidérmico señalización [78].

Las ventajas y limitaciones de nuestros métodos

La obtención de una comprensión sistemática de un cambio patológico un problema esencial en estudios médicos y farmacéuticos. Tumorigénesis implica alteraciones en muchas proteínas, moléculas y vías. Eventualmente, sin embargo, todos estos cambios hacen que el cáncer a través de efectos funcionales. En este estudio, hemos utilizado GO para describir las funciones biológicas y las funciones estratificó en tres niveles: la metilación, micro ARN y ARNm. En cada nivel, se calculó y calificada como la capacidad discriminante del conjunto funcional de este nivel que se mide por el MCC correcta clasificación de cáncer y tejidos normales. Para cada conjunto funcional, se comparó el grado de MCC de cada nivel, y posteriormente se agruparon los grupos funcionales en seis patrones basado en las relaciones de las filas de MCC de los diferentes niveles. Algunos conjuntos funcionales pueden funcionar en el nivel de metilación; otros pueden funcionar en el nivel micro ARN. Tomando los tres niveles en consideración, que clasificó los conjuntos funcionales basados ​​en sus filas generales en los tres niveles. La clasificación general de los conjuntos funcionales parece razonable y es consistente con varios estudios publicados.

Todavía hay varias limitaciones a esta investigación. En primer lugar, la metilación, microARN y ARNm de datos para el cáncer de pulmón y los tejidos normales se obtienen a partir de diferentes estudios, que pueden afectar a los resultados. Lo ideal sería que todos los datos se derivan del mismo estudio. Para superar parcialmente este problema, se utilizó el rango MCC, en lugar de la propia MCC, al comparar entre los diferentes niveles. En segundo lugar, los vínculos entre los microARN y sus genes diana se basan en predicciones. Debido a la baja proporción de pares de microARN y genes diana confirmado experimentalmente, se utilizaron los pares microARN y genes diana que se predijeron por al menos tres predictores meta-gen microARN popular. En tercer lugar, no se analizaron todos los conjuntos funcionales. La metilación, micro ARN y ARNm de datos que utilizamos fueron generados con la tecnología de microarrays. Ciertos genes o microRNAs no se midieron, especialmente con respecto a el estado de metilación de genes. Con el desarrollo de la tecnología de secuenciación y la tecnología de captura de secuencia, número de genes puede medirse el aumento, que nos permite analizar conjuntos más funcionales y obtener una visión más completa de la tumorigénesis.

En general, nuestros métodos proporcionan un medio de llevar a cabo "multi-ómicas" análisis conjunto disfuncional, lo que podría ser útil en el estudio de enfermedades complejas. Nuestros resultados dan una visión sistemática de la tumorigénesis que pueden arrojar luz sobre el diagnóstico y pronóstico del cáncer de pulmón.

Apoyo a la Información
conjunto de datos S1. Empresas El conjuntos de 4.381 ontología de genes (GO) de ARNm. Cada línea describe un conjunto de genes. El primer campo contiene la ontología de genes (GO) Nombre plazo, el segundo campo contiene el número de ARNm en el conjunto, y la lista de los campos restantes los ARNm en el conjunto
doi:. 10.1371 /journal.pone.0043441.s001 gratis (TXT)
conjunto de datos S2. Empresas El conjuntos de 4.381 ontología de genes (GO) de microARN. Cada línea describe un conjunto de microARN. El primer campo contiene la ontología de genes (GO) Nombre plazo, el segundo campo contiene el número de microRNAs en el conjunto, y la lista de los campos restantes los microRNAs en el conjunto
doi:. 10.1371 /journal.pone.0043441.s002 gratis (TXT)
conjunto de datos S3. Francia El 4.381 ontología de genes (GO) juegos de metilación. Cada línea describe un conjunto de genes. El primer campo contiene la ontología de genes (GO) Nombre plazo, el segundo campo contiene el número de genes en el conjunto, y la lista de los campos restantes de los genes en el conjunto
doi:. 10.1371 /journal.pone.0043441.s003 gratis (TXT)
Tabla S1. Francia El microARN - pares de genes diana que se predijeron por al menos tres herramientas.
doi: 10.1371 /journal.pone.0043441.s004 gratis (XLSX)
Tabla S2. Francia El metilación, microARN y grupos de ARNm para la disfunción de los conjuntos de genes 4.381 ontología de genes (GO).
doi: 10.1371 /journal.pone.0043441.s005 gratis (XLSX) sobre Table S3. Empresas El 20 mejores conjuntos de genes disfuncionales en el cáncer de pulmón.
doi: 10.1371 /journal.pone.0043441.s006 gratis (PDF) sobre Table S4. Empresas El genes de alta frecuencia y microRNAs.
doi: 10.1371 /journal.pone.0043441.s007 gratis (XLSX)

Enfermedades de sentido común

Enfermedad del corazón | Enfermedades artículos | Enfermedad pulmonar | las preguntas más frecuentes de salud | Salud mental | Diabetes | El sentido común de la Salud | Enfermedades comunes | senior Health | Primeros auxilios
Derechos de autor © Crónica enfermedad[www.enfermedad.cc]