Extracto
El cáncer de páncreas es la principal causa de muerte por neoplasias malignas sólidas en todo el mundo. En la actualidad, la gemcitabina es el único fármaco aprobado para el tratamiento del cáncer de páncreas. El desarrollo de nuevos fármacos terapéuticos para esta enfermedad es, por lo tanto, una necesidad urgente. El proyecto C-Map ha proporcionado una gran cantidad de datos de expresión génica que se pueden aprovechar para extraer el reposicionamiento de fármacos, un enfoque prometedor para descubrir nuevos fármacos. Típicamente, un medicamento se considera potencialmente útil para el tratamiento de una enfermedad si la diferencia de perfil de expresión génica inducida por fármacos se correlaciona negativamente con los genes expresados diferencialmente en la enfermedad objetivo. Sin embargo, muchos de los fármacos potencialmente útiles (PUD) identificados por el gen correlación perfil de expresión son posibles falsos positivos debido a que, en C-Map, las líneas de células cultivadas a las que se aplica no se derivan de los tejidos enfermos del fármaco. Para resolver este problema, hemos desarrollado un enfoque combinado para la predicción de los fármacos candidatos para el tratamiento de cáncer de páncreas. Que identificó por primera PUD para el cáncer de páncreas mediante el uso de la expresión génica basada en la correlación C-Map analiza. A continuación se aplica un algoritmo (Met-express) para predecir las enzimas clave cáncer de páncreas (KPC) que participan en el metabolismo de cáncer de páncreas. Por último, se seleccionaron los candidatos de los PUD al exigir que sus objetivos sean enzimas KPC o los sustratos /productos de enzimas KPC. El uso de este enfoque combinado, que predijo siete fármacos candidatos para el tratamiento de cáncer de páncreas, tres de los cuales son apoyados por pruebas literatura, y tres fueron validadas experimentalmente son inhibidores de celllines cáncer de páncreas
Visto: Ma. Y, Hu J , Zhang N, Dong X, Li Y, Yang B, et al. (2016) Predicción de fármacos candidatos para el tratamiento del cáncer de páncreas mediante el uso de un enfoque combinado. PLoS ONE 11 (2): e0149896. doi: 10.1371 /journal.pone.0149896
Editor: Aamir Ahmad, Universidad de Alabama Mitchell Instituto del Cáncer del Sur, Estados Unidos |
Recibido: 13 Agosto, 2015; Aceptado: 5 Febrero de 2016; Publicado: 24 Febrero 2016
Derechos de Autor © 2016 Ma 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:. Todo relevante los datos están dentro del apoyo de sus archivos de información en papel y
Financiación:. Este trabajo fue apoyado por el Programa de Cooperación Internacional e Intercambio de Ciencia y Tecnología de la provincia de Shaanxi (Grant No. 2015KW-045, XW), la Ciencia y Programa de Investigación de tecnología de la provincia de Shaanxi (2013K-12.20.10, JH), y la Fundación Nacional de Ciencias Naturales de China [91231116, 31471245, 31071113, WT]. Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Introducción
el cáncer de páncreas es la principal causa de muerte por neoplasias malignas sólidas en todo el mundo [1]. La tasa de supervivencia de cinco años de los pacientes con diagnóstico de cáncer de páncreas es menos de 5% [2]. Este mal pronóstico se puede atribuir a una progresión casi asintomática, la falta de biomarcadores de diagnóstico precoz eficaces, y las limitaciones en las opciones terapéuticas disponibles. Actualmente, gemcitabina es el único fármaco terapéutico aprobado para el tratamiento de cáncer de páncreas, sin embargo, la tasa de respuesta es pobre [1]. El desarrollo de nuevos fármacos terapéuticos para el cáncer de páncreas es, por lo tanto, una necesidad urgente.
Una estrategia común para el desarrollo de fármacos es llevar a cabo el cribado de alto rendimiento frente a un gran conjunto de moléculas, e identificar compuestos de plomo que muestran actividad contra una objetivo dada [3]. Sin embargo, a pesar de que el conjunto de moléculas pequeñas disponibles es muy grande, es todavía incompleta y el mejor compuesto puede no estar incluido. Además, incluso si un compuesto de plomo se identifica a través de cribado de alto rendimiento, que puede no tener éxito para su uso clínico, dada la complejidad del estado de la enfermedad [4].
No Los procesos para el desarrollo de un nuevo fármaco sólo están muy costoso, pero también consume mucho tiempo. Recientemente, el reposicionamiento de fármacos (es decir, nuevas aplicaciones terapéuticas de los medicamentos existentes) ha proporcionado una vía alternativa prometedora para descubrir nuevos fármacos [5]. La ventaja de utilizar un medicamento existente es evidente; que ha sido ya aprobado, por lo que es potencialmente comercializables en una forma más rápida y rentable sin pasar por la fase I de ensayos clínicos. Se han propuesto numerosos enfoques para el reposicionamiento de drogas [5]. Muchos de estos se basan en un análisis de datos de expresión de genes [6]. La razón de ser de la expresión génica basada en el reposicionamiento de drogas es simple: si dos medicamentos provocan los patrones de expresión de genes similares, entonces podrían tener efectos terapéuticos similares. Siguiendo esta lógica, Cordero
et al
. desarrollado el "proyecto (C-Map) Mapa de Conectividad" mediante la generación de perfiles de expresión de células humanas cultivadas expuestas a miles de diferentes drogas [7]. El proyecto C-Map ha proporcionado una gran cantidad de datos que puede ser extraído para identificar nuevos usos terapéuticos de los fármacos existentes.
En respuesta al tratamiento farmacológico, las células cultivadas pueden sufrir alteraciones significativas en el nivel de transcriptoma. Sin embargo, al mismo tiempo, las células enfermas (por ejemplo, células cancerosas) podrían también tener alteraciones significativas en la expresión de un gran número de genes [8]. Si las alteraciones en patrones de expresión génica inducida por un fármaco se correlacionan negativamente a las alteraciones en los patrones de expresión de genes específicos de cáncer, entonces es probable que el tratamiento con este fármaco tiene el potencial de alterar patrones de expresión génica en las células cancerosas, y por consiguiente el desarrollo de células de cáncer . Este concepto ha sido explorado en numerosos estudios [9,10]. Por ejemplo, Kunkel
et al
. identificado el ácido ursólico, que pueden reducir la atrofia muscular en ayunas inducida, utilizando el enfoque de la correlación de la expresión génica negativo [9]. Sin embargo, este enfoque es limitado en que las células cultivadas en el proyecto C-Map no se derivan de los tejidos enfermos. Por lo tanto, la correlación negativa observada entre las alteraciones específicos de células inducidas por fármacos y enfermedades en la expresión génica puede no ser biológicamente significativos, y los medicamentos identificados pueden ser falsos positivos. Por lo tanto, se necesitan medidas adicionales para seleccionar fármacos candidatos.
Las células cancerosas sufren alteraciones y adaptaciones metabólicas importantes [8]. Por ejemplo, en células de cáncer pancreático, no hay un aumento significativo en la captación de la glucosa que impulsa la proliferación incontrolada de células [11,12]. Los genes de enzimas codificantes que desempeñan papeles importantes en el metabolismo de las células cancerosas son alterados, por lo tanto, los posibles objetivos farmacológicos [8]. En C-Map, se conocen los objetivos de cada fármaco. Si los objetivos son los de cáncer de páncreas (KPC) los principales genes de enzimas codificantes implicadas en el metabolismo celular, y si las alteraciones inducidas por fármacos en los patrones de expresión de genes se correlacionan negativamente con alteraciones en las células de cáncer de páncreas, entonces es muy probable que este medicamento ser de uso terapéutico. Sin embargo, si el objetivo de un fármaco conocido es el gen de una enzima clave, y que los genes de enzimas codificantes son clave en el metabolismo celular de cáncer de páncreas, no se conocen.
Recientemente, hemos desarrollado un algoritmo llamado Met Express para la predicción de genes de enzimas clave de codificación en el metabolismo del cáncer y han aplicado con éxito para este algoritmo de pulmón, el hígado, y cáncer de mama [13]. Este algoritmo implica la integración de una red co-expresión de los genes del cáncer con una red metabólica que consiste en genes de enzimas codificante. Debido a Met-express es un método general, se puede aplicar fácilmente a predecir KPC genes de enzimas de codificación, que luego se pueden utilizar para la selección de fármacos candidatos obtenidos a través de análisis basado expresión de genes. Siguiendo esta estrategia, que predijo siete fármacos candidatos para el tratamiento de cáncer de páncreas. Tres son apoyados por pruebas literatura, mientras que los otros son dignos de estudio adicional.
Materiales y Métodos
Recolección y procesamiento de los conjuntos de datos de cáncer de páncreas
Se aplicaron los siguientes criterios al seleccionar la expresión de genes pancreáticos conjuntos de datos de la base de datos NCBI GEO [14]. Se realizaron búsquedas en la base de datos GEO con las palabras clave: "El cáncer pancreático humano". Requerimos las muestras en un conjunto de datos de expresión génica de páncreas sean de tejidos normales y cancerosas, en lugar de a partir de tejidos no tumorales, como las células mononucleares de sangre periférica y la saliva. Adicionalmente, se requería el número de muestras de cáncer nomal y ser comparables entre sí, y el tamaño de la muestra del conjunto de datos de expresión génica ser superior a 30. Con estos criterios, se obtuvieron tres conjuntos de datos de expresión génica de páncreas (véase la Tabla 1 para los números de acceso y GEO descripciones). Cualquier dos de los tres conjuntos de datos tienen más de 90% de los genes comunes.
El paquete de R para limma [15] se utilizó para normalizar los perfiles de expresión génica en estos conjuntos de datos. log2 transformación de los valores de expresión se aplica si el valor de la mediana de expresión en el conjunto de datos original era mayor de 16. Los genes con demasiados valores de expresión nulos fueron retirados. Para inspeccionar si los tres conjuntos de datos de páncreas eran demasiado similares entre sí, se calculó un coeficiente de correlación de Pearson (PCC) para cada par de los tres conjuntos de datos utilizando el perfil de expresión de los genes comunes. Los CCP para GDS4336 y GDS4103, GDS4336 y GDS4102, GDS4103 y GDS4102 fueron 0,702, 0,734, y 0,908, respectivamente. Por lo tanto, los genes en estos tres conjuntos de datos correlacionados, pero no había niveles de expresión muy similares, por lo que es apropiado para usarlos en este estudio. Por último, se utilizó limma para identificar los genes que son expresados diferencialmente (DE) entre el cáncer y las muestras normales [15]. Un gen se identificó DE si su valor p ajustado (FDR) fue inferior a 0,01 y el pliegue del cambio era mayor que 2.
Colección de C-Map perfiles de rango gen
perfiles de rango de genes fueron descargados de la base de datos C-Map [7]. Un perfil de clasificación de genes corresponde a un perfil de expresión diferencial de genes clasificados para una línea celular cultivada en respuesta al tratamiento con fármacos, con los más arriba y genes clasificados bajo y más alto, respectivamente hacia abajo-regulada. En total, se obtuvieron 6.100 listas de genes clasificados, que corresponde al tratamiento de cinco líneas de células humanas cultivadas con 1.309 drogas.
Determinación de la correlación entre De genes en un conjunto de datos de cáncer de páncreas y el gen clasificados inducida por fármacos listas en C-Map
El procedimiento descrito en el Cordero
et al
. [7] fue seguido para calcular las correlaciones entre el cáncer de páncreas dE genes y las listas de genes inducidos por fármacos clasificados de C- Mapa. En pocas palabras, para una lista espesa gen inducido por fármacos y la lista de genes DE a partir de un conjunto de datos de expresión génica contra el cáncer de páncreas, se aplicó el test de Kolmogorov-Smirnov [16] para determinar si estas dos listas se correlacionaron negativamente, es decir, la regulados arriba genes en el cáncer de páncreas se redujeron regulado en las células tratadas con el fármaco cultivadas (situados cerca de la parte inferior de la lista espesa inducida por fármacos), y viceversa. El valor p de la prueba de Kolmogorov-Smirnov se ajustó por FDR [17]), y el umbral de significación para el p-valor ajustado se fijó en 0,1.
-express Met procedimiento
detallada procedimientos de Met-express se describen en nuestra publicación anterior [13]. En pocas palabras, una red de co-expresión de los genes del cáncer se construyó primero un conjunto de datos para la expresión de genes de cáncer siguiendo el procedimiento descrito anteriormente [18]. A continuación, cada red se dividió en módulos de genes co-expresión mediante el uso de Qcut [18]. Una curva de eficacia se trazan para cada módulo de genes utilizando el valor de la mediana de la expresión génica en cada muestra para clasificar el cáncer en comparación con las muestras normales, y el área bajo la curva de eficacia diagnóstica para determinar el cáncer especificidad del módulo gen. Una red metabólica de la enzima de codificación de 860 genes se construyó como en [13]. Sus relaciones se establecen en base a reacciones enzimáticas, es decir, si el producto de una reacción metabólica catalizada por una enzima dada era el sustrato de otra reacción catalizada por una segunda enzima, entonces existe un vínculo entre los dos genes de enzimas codificante. Finalmente, Met-Express incorpora tanto la información sobre el cáncer de la especificidad de un módulo de co-expresión, y el enriquecimiento del grado de enlaces metabólicas de un gen dentro del módulo, para asignar una puntuación de importancia para cada gen de la enzima de codificación. Los genes con una puntuación de importancia por encima de la mediana se prevé que sean los principales genes de enzimas codificantes. Met-express se aplicó a pulmón, mama y cánceres de hígado, y sus predicciones fueron validados con la literatura y experimentar pruebas [13]. A continuación, se aplicó Met-express para predecir los genes de enzimas clave de codificación en cada uno de los tres conjuntos de datos de cáncer de páncreas.
enriquecimiento de análisis funcionales
Se obtuvo el archivo [19] anotación GO, el 23 nov, 2014. Las anotaciones de la vía eran de MSigDB [20]. enriquecimiento funcional se realizó mediante el test de Fisher con R. El valor de p fue ajustado por el FDR y el umbral de significación se fijó en 0,1.
Cultivo de células y ensayo de MTT
"líneas celulares de cáncer de páncreas humanos (PANC-1, BxPC-3) se obtuvieron de ATCC (American Type Culture Collection, Manassas, VA) y se mantuvo como se sugiere ATCC. El medio de cultivo celular contenía FBS 10% y 1% de penicilina /estreptomicina. Los efectos de los compuestos de ensayo sobre la viabilidad celular se determinaron utilizando el MTT (3- (4,5) -dimethylthiahiazo (-z-y1) -3,5-di-phenytetrazoliumromide) de ensayo. Brevemente, las células exponenciales se expusieron a tripsina (Amresco, 0457) para disociar las células adherentes, y se diluyeron a 1 a 10 × 104 /suspensión células mL. La suspensión de células se cultivó en placas de 96 pocillos a 1 x 104 células por pocillo en 37 ° C con dióxido de carbono al 5% durante 24 hr. Las células se trataron luego con el compuesto de biotina, finasterida y progesterona o vehículo DMSO como control para 48hr a la concentración correspondiente, 1 × 10-5, 10-4, 10-3, 10-2, 10-1 y 1 mg /ml, con tres repeticiones en cada concentración. Después de que los 20 l de solución de MTT (5 mg /ml; AMRESCO Inc, 0793-1G) se añadió a cada pocillo y se incubó durante 4 horas a 37 ° C para reaccionar con células activas que forman cristales de formazán. Después de retirar el sobrenadante, los cristales de formazán se disolvieron en 150 l de DMSO y la absorbancia (DO) a 570 nm se registró usando el lector de microplacas (Rayto, Rt2100c). La inhibición de drogas en las células se calcula entonces como: 1 –(OD
compound−OD
blank)/(OD
DMSO−OD
blank).
Results
Identification de fármacos cuyos genes inducidos rango listas en C-Map correlación negativa con De genes en el cáncer de páncreas
La base de datos C-Map ofrece miles de listas de genes clasificados para las líneas celulares cultivadas en respuesta a los tratamientos farmacológicos. En cada lista, los genes se ordenan de acuerdo a sus valores de ED entre las líneas celulares tratados con control de drogas y. Arriba y genes regulados se clasifican en la parte superior e inferior de la lista, respectivamente. Una vez que una lista de genes DE en un conjunto de datos de cáncer de páncreas se ha identificado, la correlación entre los genes DE y cada una de las listas de rango de genes inducidos por fármacos (Fig 1A) se puede calcular. Si la correlación es negativa y estadísticamente significativa, entonces es probable que este fármaco tiene el potencial de invertir el patrón de expresión génica de las células de cáncer de páncreas, y por lo tanto puede ser útil para el tratamiento de esta enfermedad.
A. Flujo de trabajo. B. Diagrama de Venn de los PUD identificadas para cada uno de los tres conjuntos de datos de cáncer de páncreas.
A partir de la base de datos C-Map, se obtuvieron 6.100 listas de genes clasificados, lo que corresponde al tratamiento de cinco líneas de células humanas cultivadas con 1.309 medicamentos. También se recogieron tres pancreáticos de expresión génica de datos, y se identificaron los genes respectivos DE en cada conjunto de datos. Entonces calculó la correlación entre los genes DE en cada conjunto de datos y cada una de las listas de rango de genes inducidos por las drogas. Se utilizaron estas correlaciones para identificar todos los medicamentos cuya inducida gen rango listas mostró una correlación negativa estadísticamente significativa con los genes DE (ajustado P & lt; 0,1). Debido a que cada fármaco puede haber sido utilizado para el tratamiento de varias líneas de células, un medicamento se considera ser potencialmente útiles en el cáncer de páncreas si las listas de rango génica inducida en más de la mitad de las células cultivadas mostraron una correlación negativa significativa con los genes DE de que el cáncer conjunto de datos. En total, se encontraron 359 drogas a ser significativo a al menos uno de los conjuntos de datos de cáncer de páncreas. Fuera de estas drogas, 139 y 13 fueron significativas a por lo menos dos y los tres conjuntos de datos de cáncer de páncreas, respectivamente (Fig 1B). Ambos números fueron significativas en comparación con el caso en el que se seleccionaron al azar el mismo número de medicamentos significativa a un conjunto de datos de cáncer de páncreas, y luego inspeccionados cuántos de ellos fueron significativas para dos o los tres conjuntos de datos significativas (aleatorización se repite 1000 veces, y ambos los valores de p & lt; 0,001). Las 126 medicamentos que fueron significativas en al menos dos conjuntos de datos de cáncer de páncreas se consideran medicamentos potencialmente útiles (PUD) para el tratamiento de cáncer de páncreas.
Aplicación de Met-express para predecir genes de enzimas de codificación de clave en células de cáncer pancreático
las líneas celulares humanas en cultivo tratados con medicamentos en la base de datos de C-Map no se derivaron de los tejidos pancreáticos. En consecuencia, era difícil de interpretar el mecanismo de las correlaciones negativas entre las listas de genes de rango inducidas por fármacos y de los genes DE en los cánceres de páncreas. Por lo tanto, muchos PUD pueden ser falsos positivos. Para solucionar este problema, hemos aplicado [13] para predecir los genes de enzimas de codificación de Met-express KPC. Nuestra razón es que, si el objetivo de un PUD es una enzima CPK, entonces las posibilidades de que este fármaco podría alterar los perfiles de expresión génica de cáncer de páncreas se incrementan significativamente. Además, si un PUD es el sustrato o producto de una reacción enzimática catalizada por una enzima KPC, a continuación, se aumentaron también las posibilidades de que sería perturbar el metabolismo de cáncer. En consecuencia, los PUD con cualquiera de las dos propiedades anteriores se consideran fármacos candidatos para el tratamiento de cáncer de páncreas.
Met-express se aplicó a cada uno de los tres conjuntos de datos de cáncer de páncreas. Un total de 33 genes que codifican enzimas clave predichos en los tres conjuntos de datos se consideraron enzimas KPC (Fig 2A, S1 Tabla). Antes de utilizar estas enzimas KPC para seleccionar fármacos candidatos de los PUD, se validó las predicciones de ambos análisis funcional de enriquecimiento y revisiones bibliográficas. Los 33 enzimas KPC se enriquecieron con 66 términos de proceso biológico GO y 11 vías MSigDB. La parte superior enriquecida vías MSigDB estaban relacionados con rutas de biosíntesis de O-glicanos, mientras que los términos de GO enriquecido superiores fueron las funciones relacionadas con estímulos xenobióticos, la beta-oxidación de los ácidos grasos, los procesos metabólicos de la droga, y más (Figura 2B, S2 Tabla).
A. diagrama de Venn para los genes de la enzima de codificación de clave predichos para cada uno de los tres conjuntos de datos de cáncer de páncreas. B. Las vías enriquecidos y los procesos biológicos de las enzimas KPC previstos en los tres conjuntos de datos de cáncer.
La expresión anormal de glicoproteínas en la superficie de las células cancerosas se ha comunicado [21]. Se propusieron El aumento de expresión de las enzimas en los procesos biológicos relacionados con el glicano que promueve el desprendimiento celular y la invasión, y las enzimas en esas vías de ser nuevas dianas para el tratamiento del cáncer [22]. Además, la glucólisis aeróbica con frecuencia se activa en las células tumorales pancreáticas [23]. La reducción de la actividad de enzimas implicadas en el metabolismo de xenobióticos está asociado con la susceptibilidad del páncreas para la carcinogénesis [24]. Varios factores de riesgo, como la diabetes y los alimentos ricos en grasa, también están relacionados con el cáncer de páncreas [25,26]. Estos informes de la literatura demuestran que las enzimas KPC predichos están fuertemente relacionados con el desarrollo de cáncer de páncreas.
Uso de las enzimas KPC predichos para seleccionar candidatos a fármacos para el tratamiento de cáncer de páncreas
El uso de las enzimas KPC predicción identificó a través de Met-express, hemos considerado un PUD como un fármaco candidato para el cáncer de páncreas si: 1) uno de sus objetivos era una enzima CPK predicho, o 2) que era o bien el sustrato o producto de la reacción enzimática catalizada por una enzima CPK predicho . Los objetivos de cada PUD, y los compuestos correspondientes a cada PUD, se obtuvieron de la base de datos DrugBank [27]. Cuatro PUDs se encontraron cuyos objetivos eran la enzima KPC predicho, y tres se encontraron que eran el sustrato o producto de las reacciones enzimáticas catalizadas por seis enzimas KPC (Tabla 2). Estos siete PUDs fueron considerados como fármacos candidatos para el tratamiento de cáncer de páncreas
Nocodazol (DrugBank ID: DB08313). No se ha utilizado para tratar el cáncer de páncreas, pero fue uno de los fármacos candidatos cuyos objetivos incluyen predicho enzimas KPC . Es un agente antineoplásico que interfiere con la polimerización de los microtúbulos [28]. Nocodazol ha informado de que tiene algunos efectos reversibles que se ocupan de la resistencia a múltiples fármacos en células de cáncer de páncreas [29]. Además, como uno de los agentes de alteración huso mitótico, Nocodazol conduce a una detención mitótica y defectos de la mayoría de los cánceres de páncreas con aneuploidía causados por la inestabilidad cromosómica [30,31]. Según DrugBank, Nocodazol sólo tiene un objetivo que es una enzima KPC predicho, la prostaglandina D sintasa hematopoyética (hPGDS) (Fig 3A). HPGDS es un miembro de la familia de glutatión-S-transferasa de clase sigma, que cataliza la conversión de PGH2 a PGD2. Esta enzima está implicada en la ruta integrada cáncer de páncreas (Biosystem ID: 711360)
Los ejemplos de fármacos seleccionados son los siguientes:. A. nocodazole; B. tretinoína y retinoato.
La tretinoína y ácido araquidónico son dos ejemplos de fármacos candidatos que son sustratos o productos de las enzimas KPC predichos. Tretinoína (DrugBank ID: DB00755), también llamado retinoato, es un sustrato de las reacciones enzimáticas catalizadas por tres enzimas KPC: CYP2C18, CYP3A7, CYP3A5 y (Fig 3B). El ácido araquidónico (DrugBank ID: DB04557) es el sustrato para dos enzimas KPC, CYP2C9 y CYP2C18, y también el producto de una enzima CPK, CYP2J2. Curiosamente, las cinco enzimas KPC relacionados con DB00755 y DB04557 están involucrados en el metabolismo del ácido linoleico y oxidaciones biológicas (Figura 3B).
La tretinoína es la forma de ácido carboxílico de la vitamina A y se ha utilizado para el tratamiento del acné vulgaris y queratosis pilar. Recientemente, Guo
et al
. mostraron que el tratamiento de la línea celular de cáncer pancreático humano, PANC-1, con tretinoína podría dosis-dependiente inhibir el crecimiento de estas células [32]. Esto sugiere que los efectos antitumorales de la tretinoína se asociaron con la detención de fase G2 /M. Otros investigadores han informado de que el ácido araquidónico puede reducido sinificantly la tasa de crecimiento de algunas líneas celulares de cáncer de páncreas, tales como PANC-1, MIA PaCa-2 y CFPAC [33].
También hay algunos compuestos similares a los PUD que se han utilizado o reportados para el tratamiento del cáncer de páncreas. Por ejemplo, la vincristina y la demecolcina son compuestos similares a Nocodazol, que actúan sobre microtubulesand interferir con el ciclo celular [34,35]. Vincristina, junto con regímenes de combinación basada en 5-fluorouracilo, han demostrado ser eficaces en la extensión de la supervivencia de cáncer de páncreas pacientes en comparación con ningún tratamiento de quimioterapia [36]. Demecolcinearrests la mitosis temprana en ambas líneas celulares pancreactic células PANC-1 y BxPC-3 [37]. Además, el retinol (vitamina A) y ergocalciferol (vitamina D
2) son compuestos similares con tretinoína, que se han sugerido que la ingesta de vitamina D, retinol y otro suplemento multivitamínico puede reducir el riesgo de cáncer de páncreas [38].
para validar los PUD identificados en líneas celulares de cáncer, logramos buscar datos de respuesta de drogas en alguna base de datos con las células cancerosas. El Instituto Nacional del Cáncer de Estados Unidos 60 líneas celulares de cáncer humano (NCI-60) que se puede acceder por CellMiner [39] (http://discover.nci.nih.gov/cellminer)includes 60 líneas celulares de cáncer representan nueve cánceres humanos: de mama , sistema nervioso central, colon, riñón, leucemia, pulmón, melanoma, ovario y próstata, con los datos rápidos permitidos de las transcripciones de 22.379 genes y 360 microARN, junto con los informes de actividades de 20,503 compuestos químicos, incluyendo 102 medicamentos aprobados por la Food and Drug Administración (FDA) [40]. No hubo datos sobre líneas celulares de cáncer de páncreas en NCI-60, por lo que es imposible inspeccionar directamente los datos de respuesta a los medicamentos de nuestros PUD previstos en las líneas celulares de cáncer de páncreas. Sin embargo, los datos sensibles de drogas de los PUD en otras líneas celulares de cáncer de NCI-60 podrían indirectamente nos ayudan a inferir su posible utilidad en las líneas celulares de cáncer de páncreas.
Entre siete PUD hemos identificado, tres de ellos pueden ser que se encuentra en los patrones de drogas Zscore NCI-60, incluyendo Nocodazol (NSC#238159), progesterona (NSC#9704) y tretinoína (NSC#122758). Se ha informado de que los compuestos actividad -log
10GI50 (50% los niveles de inhibición del crecimiento) más grande que 6 se consideran activos [41]. Para un máximo de 60 líneas celulares de cáncer, logramos consultar si nuestros PUD es activa a ellos. El uso de la herramienta de análisis CellMiner NCI-60, se realizaron búsquedas en los patrones de actividad del fármaco a través de 60 líneas celulares y se encontró que para Nocodazol y tretinoína, que tienen 55 y 2 líneas de células cuya actividad es mayor de 6, respectivamente. La actividad más importante para la Progesterona es de 5.94. Esto ha indicado que los tres se encuentran en los PUD NCI-60 también tienen efectos de inhibición a otras células cancerosas sean más o menos.
validación experimental para la predicción de drogas
Además de Nocodazol, tretinoína y ácido araquidónico con publicación se seleccionaron biotina, Finasteride y progesterona para su posterior validación experimental: pruebas, tres de los otros cuatro PUD. Se realizó el ensayo de MTT en las líneas celulares de cáncer de páncreas PANC-1 y BxPC-3 para estimar la viabilidad de células de cáncer tratados con los fármacos. En comparación con PANC-1, BxPC-3 se cultivó a partir de un paciente con tumor de etapa posterior que murió 6 meses después. Como tanto desde el conducto pancreático, PANC-1 tiende a mostrar un menor número de características ductales que BxPC-3 [42]. Para la migración celular, PANC-1 es mejor que BxPC-3. Mientras BxPC-3 mostró un alto potencial angiogénico, y PANC-1 mostró resultados variables [42].
Resultados (Fig 4, S3 Tabla) mostraron que cuando la concentración se aumentó a 0,1 mg /ml, tres de los dos fármacos, la finasterida y progesterona, tienen efectos de inhibición de células de cáncer evidentes en PANC-1, mientras que los efectos inversos para la biotina. En cuanto a la línea de células de cáncer avanzado BxPC-3, la letalidad de los tres fármacos se hizo severa con la incereasing concentración, similar para Finasteride y progesterona, y más débil para la biotina. BxPC-3 mostró una mayor sensibilidad a los tratamientos farmacológicos que PANC-1, lo que indica que estos fármacos pueden tener una mayor influencia en thetumor angiogénesis.
A. línea de células de páncreas PANC-1. línea de células B. pancreático BxPC-3. Coordenadas X e Y denotan concetration y la inhibición de la tasa de los tres fármacos, biotina, Finasteride y progesterona. segmentos de líneas cortas en los puntos denotan la variación de tres repeticiones.
Nos fuimos más a través de los efectos del fármaco sobre otros tipos de cáncer y encontramos que la progesterona (aprobado por la FDA) es responsable de la implantación del embrión, el mantenimiento del embarazo, y el desarrollo de tejido mamario para la producción de leche, que es secretada por el cuerpo lúteo y la placenta. Se informó hasbeen como un factor protector para los cánceres de ovario y endometrio con poco conocida del mecanismo [43]. En la base de datos patrón drogas NCI-60 (http://discover.nci.nih.gov/cellminer/), progesterona es particularmente sensible a la línea celular de cáncer de pulmón LC: EKVX, línea celular de leucemia LE: RPMI_8226, por células de cáncer de mama línea de BR: HS578T, de 5,94, 5,49 y 5,48 como compuestos actividad -log10GI50, respectivamente
en general, la evidencia en la literatura y el experimento sugiere que al menos cinco de nuestros fármacos candidatos predichos (Nocodazol, tretinoína, araquidónico. ácido, progesterona, Finasteride) son susceptibles de ser utilizadas para el tratamiento de cáncer de páncreas, mientras que los dos fármacos restantes son dignos de estudio adicional.
Discusión
En el presente estudio, se describe el desarrollo de un enfoque combinado nuevo para la predicción de los fármacos candidatos para el tratamiento de cáncer de páncreas. En contraste con los anteriores enfoques de reposicionamiento de drogas que se centraron en la explotación de las correlaciones entre la expresión génica y las listas de rango de genes inducidos por drogas en C-Map, y los genes DE bajo condiciones de enfermedad para predecir los PUD, nuestro enfoque identificado PUD para el cáncer de páncreas a través tanto de la correlación de la expresión génica análisis y una medida adicional para la selección de fármacos candidatos de la lista de los PUD. Este método de selección de este último utiliza un algoritmo desarrollado recientemente, Met-express, para predecir los genes de enzimas KPC-codificación y luego utiliza los enzimas KPC para la selección de fármacos candidatos. El enfoque combinado identificó siete fármacos candidatos para el tratamiento de cáncer de páncreas, entre los cuales tres fueron apoyados por pruebas literatura y otros dos fueron apoyados por el experimento. Esto apoya la utilidad de este método para la identificación de fármacos candidatos para el tratamiento de cáncer de páncreas
.
El uso de enzimas KPC predijo por Met-Express es un componente clave de nuestro enfoque. De acuerdo con el diseño de algoritmos de Met-express, los genes de enzimas codificantes clave predichos deberían compartir las siguientes dos propiedades: 1) su expresión es significativamente hacia arriba o hacia abajo-regulada en las células cancerosas, y 2) que se coexpresan con una significativa mayor número de genes de enzimas de codificación que han compartido enlaces metabólicas. Por lo tanto, la alteración de la expresión de los genes de enzimas clave de codificación es probable impacto en el metabolismo celular de cáncer. Mientras tanto, la alteración de las concentraciones de los sustratos o productos de las reacciones metabólicas catalizadas por los genes de la enzima clave de codificación es probable tener efectos similares. De hecho, Met-express predice los genes de enzimas clave de codificación como potenciales dianas terapéuticas del cáncer, y sus sustratos /productos como compuestos de fármacos potenciales. En el estudio actual, porque se conocen los objetivos PUD, es posible combinar los dos tipos de predicciones (enzimas KPC y PUD) para seleccionar fármacos candidatos para el tratamiento de cáncer de páncreas. Además, este enfoque ofrece la oportunidad de formular la hipótesis del mecanismo molecular por el cual los fármacos candidatos seleccionados pueden trabajar contra el cáncer de páncreas, ya sea por la orientación una enzima KPC o al interferir con las reacciones enzimáticas esenciales en las células cancerosas.
Aunque tradicional enfoques de detección pueden identificar los PUD, la comprensión de sus mecanismos sigue siendo un reto. La falta de esta información puede retrasar la comercialización de los PUD, destacando la ventaja de utilizar nuestro enfoque combinado. Además, como método general, nuestro enfoque combinado se puede aplicar fácilmente a otros tipos de cáncer y otras enfermedades complejas, mejorando nuestra capacidad para identificar fármacos candidatos.
Apoyo a la Información sobre Table S1. Los genes de la enzima de codificación de clave predichos para cada uno de los tres conjuntos de datos de cáncer de páncreas
doi: 10.1371. /Journal.pone.0149896.s001
(XLSX)
S2 Tabla.