Extracto
Los microARN son una clase de pequeñas moléculas de ARN no codificantes reguladoras que regulan los ARNm post-transcripcional. La evidencia reciente ha demostrado que toda miRNAs objetivo proteínas relacionadas funcionalmente tales como complejos de proteínas y vías biológicas. Sin embargo, la caracterización de la influencia de miRNAs en genes cuya codificada proteínas son parte de complejos de proteínas no ha sido estudiado en el contexto de la enfermedad. Proponemos un marco basado en la entropía para identificar la desregulación de los miARN mediada por proteínas relacionadas funcionalmente durante la progresión del cáncer de próstata. El marco propuesto utiliza verificado experimentalmente las interacciones miARN objetivo, proteínas funcionalmente relacionados y datos de expresión para identificar los complejos de proteínas de los genes miARN-influido en el cáncer de próstata, e identificar los genes que son dysregulated como resultado. El marco construye matrices de correlación entre las proteínas y miRNAs que tienen objetivos en el complejo relacionados funcionalmente, y se evalúan los cambios en la entropía de Shannon de los módulos a través de diferentes etapas de cáncer de próstata. Los resultados revelan que SMAD4 y HDAC complejos que contienen proteínas se ven muy afectados y perturbados por miRNAs, en particular miARN-1 y los genes miARN-16. El uso de las vías biológicas para definir las proteínas relacionadas funcionalmente revela que las vías mediadas por NF-KB- sindecano, RAS, y se dysregulated debido a la regulación mediada por miRNA-16 miARN-1 y. Estos resultados sugieren que los genes miARN-1 y los genes miARN-16 son importantes reguladores maestros de la mediada por la regulación de los genes miARN en el cáncer de próstata. Por otra parte, los resultados revelan que los miRNAs con alta influencia en los complejos de proteínas alteradas son candidatos de biomarcadores de diagnóstico y pronóstico de la progresión del cáncer de próstata. La observación de la regulación de los genes miARN mediada por complejo de proteínas y la regulación de la vía mediada por miRNA, con la verificación experimental parcial de los estudios anteriores, demuestran que nuestro marco es un enfoque prometedor para la identificación de nuevos miRNAs y complejos de proteínas relacionadas con la progresión de la enfermedad.
Visto: Alshalalfa M, D. Bader G, Bismar TA, Alhajj R (2013) coordinar la regulación microRNA mediada de complejos de proteínas en el cáncer de próstata. PLoS ONE 8 (12): e84261. doi: 10.1371 /journal.pone.0084261
Editor: Panayiotis V. Benos, Universidad de Pittsburgh, Estados Unidos de América
Recibido: 6 Mayo 2013; Aceptado: 21 Noviembre 2013; Publicado: 31 de diciembre 2013
Derechos de Autor © 2013 Alshalalfa 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 apoyado por NRNB (Institutos nacionales de Salud, Centro Nacional de Recursos de Investigación número de concesión P41 GM103504). Este trabajo fue financiado por CRSNG de becas para estudiantes de doctorado. 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 próstata (CaP) es la neoplasia maligna más frecuente en hombres y la segunda causa relacionada con el cáncer de muerte en los países occidentales [1]. Recientemente, la evidencia considerable ha demostrado que los ARN en general [1] específicamente miRNAs están implicados en CaP y se asocian con su progresión no codificante [2] - [6]. En particular, los miRNAs circulantes son prometedores biomarcadores de la progresión del CaP [7], [8]. Aunque sólo hay alrededor de 1000 miRNAs [9] en humanos, cada uno sólo 18-22 pb de longitud, más de un centenar de ellos juegan un papel en el cáncer [10], y que ambos actúan como oncogenes y supresores de tumor [11]. Por lo tanto, la caracterización de la función de miRNAs en el CaP es crucial para entender su función y su posible utilidad para fines terapéuticos.
Recientemente, la diafonía entre las redes miARN objetivo y las redes de proteínas se ha analizado en varios aspectos [12 ]-[15]. Por ejemplo, los objetivos directos miARN y sus socios en las interacciones proteína-proteína (PPI) redes muestran modularidad significativa [14]. miRNAs tienen efectos específicos en la formación de complejos de proteínas mediante la selección de los componentes específicos del complejo [12], y algunos complejos de proteínas se enriquecen con los objetivos de miRNAs específicos [13]. Se observó una correlación positiva entre la conectividad y el número de proteínas diferentes miRNAs de orientación [15] que indica que los centro de proteínas requieren una mayor regulación de los genes miARN mediada. Además, miRNAs puede regular simultáneamente varias proteínas en el mismo módulo funcional tal como las vías biológicas. Por otra parte, la red PPI características topológicas son útiles en la eliminación de falsos positivos miARN objetivos [16], y en la priorización de miRNAs implicado en el cáncer de próstata [17]. Este proceso es importante para clasificar los miRNAs significativas con un papel potencial en el cáncer de próstata. Tomados en conjunto, existe una clara evidencia de la regulación coordinada de post-transcripcional de los complejos de proteínas y vías por miRNAs. Sin embargo, la influencia reguladora de miRNAs en genes cuyas proteínas codificadas son parte de complejos de proteínas o vías de proteínas que están implicadas en el cáncer no se ha investigado a fondo.
Hasta la fecha, un número de modelos matemáticos han sido desarrollados para inferir módulos miARN-mRNA o redes modulares utilizando la expresión génica y las redes de genes miARN [18], [19]. Por ejemplo, SVD es un marco matemático útil que se ha aplicado en la identificación de los módulos de los genes miARN-ARNm implicados en el cáncer de próstata [20], además de varias áreas de la biología computacional [21] - [23]. SVD es muy útil para los biólogos para analizar los datos de expresión y modelo de todo el genoma, y reducir la dimensionalidad de datos [22]. Dada una matriz, la descomposición en valores singulares (SVD) es de su representación como, cuando es una matriz ortogonal, es una matriz ortogonal, y para la matriz diagonal, los elementos son números no negativos en orden descendente. El poder de la SVD reside en las tres matrices generadas como resultado de la descomposición. Los cuadrados de los valores singulares representan la importancia relativa de la entropía en la matriz. Utilizando este hecho, SVD se utiliza para clasificar los genes sobre la base de la entropía que contribuyan a los datos de expresión de genes [23].
En la era post-genómica, una tarea fundamental en la biología molecular es comprender la regulación de genes en el contexto de las redes biológicas. Dado que las proteínas miARN objetivo, entre otros, que forman parte de los complejos de proteínas y vías de señalización, es importante estudiar la regulación de los genes miARN mediada de complejos de proteínas en la progresión de la enfermedad. Utilizando el contexto de la red de proteínas de los genes miARN objetivos añade otra capa de información a tener en cuenta para la caracterización de los genes miARN función como miARN influencia sobre objetivos se propaga a través de la red de proteínas para afectar a varios componentes de la vía. Varios estudios informaron regulación de las proteínas relacionadas funcionalmente por miRNAs [12] -. [15], pero se sabe poco acerca de cómo los miRNAs regulan coordinadamente complejos de proteínas y vías en el cáncer
En este estudio se propone marco computacional basada en SVD para identificar los módulos complejos miARN-proteína que se dysregulated en el cáncer. módulos complejos miARN-proteínas y los genes miARN-vía se refieren a las proteínas en el complejo de proteínas o de vía y los miRNAs dirigidas a los genes que las codifican. Cada módulo se representa como una matriz donde las filas son miembros de proteínas y columnas están apuntando miRNAs. Cada celda de la matriz representa la correlación entre el perfil de expresión de los genes miARN y el perfil de expresión de la proteína. Anticipamos que los módulos que tienen variación de entropía significativa en sus valores singulares entre las muestras normales y cancerosas se dysregulated funcionalmente. Aplicamos el marco computacional propuesto para caracterizar los complejos verificado experimentalmente proteínas a partir de la base de datos CORUM [24], así como de las vías biológicas seleccionadas de las firmas moleculares de base de datos (MSigDB), y las interacciones de los genes miARN objetivo de identificar los complejos de proteínas de los genes miARN mediada y vías dyregulation .
Materiales y Métodos
miARN-objetivos interacciones y complejos de proteínas
verificado experimentalmente las interacciones miARN objetivo se recuperaron a partir de dos fuentes: MiRecords [25] y miRtarbase [26] . Para los complejos de proteínas, se recuperaron los complejos de CORUM (última consulta: mayo de 2012), que proporciona un recurso de complejos de proteínas anotadas manualmente a partir de organismos de mamíferos [24]. Los complejos de tamaño menor o complejos que no están dirigidos por cualquier miARN fueron removidos, ya que no forman complejos módulos miARN-proteína. complejos permanecieron en el estudio cuando se utiliza el conjunto de interacción miARN-objetivo. Para las vías biológicas, hemos utilizado las vías seleccionadas de las firmas moleculares de base de datos (MSigDB) conjuntos de genes [27] que contienen conjuntos de genes vía canónica (último acceso de agosto de 2012).
miARN y orientar los perfiles de expresión en el cáncer de próstata
ARNm y la expresión de los genes miARN datos se recuperan del Proyecto Oncogenome próstata MSKCC, disponible en la expresión génica Omnibus (GEO número de acceso: GSE21032). Estos datos contienen mRNA y los niveles de expresión de los genes miARN de diferentes muestras. Estos datos que nos referiremos como los datos de Taylor se utiliza para construir los módulos complejos miARN-proteína. También usamos localizados los datos de expresión de genes miARN cáncer de próstata a partir de dos experimentos independientes (GSE23022 [28], NCI-60 [29]) para validar la significación de diagnóstico de los miRNAs encontrado para influir en los complejos de proteínas. El primer conjunto de datos contiene 20 normal y 20 muestras de tumores, y el segundo contiene 6 normal y 6 muestras tumorales. Tres independientes de ARNm de próstata expresión de datos de Arul
et al.
[30], Yu
et al.
[31] y la cohorte sueca de próstata [32] se utilizan. . El Arul
et al
de datos contiene 6 normales, 7 primaria y 6 muestras de metástasis; . Yu
et al
datos de próstata contiene 17 normales, 63 primaria, y 24 de la metástasis; y los datos de próstata sueca contiene 281 muestras de cáncer de próstata con 116 letal y 165 muestras indolentes. Los datos de cohortes suecas se utilizó para validar el valor pronóstico de los complejos de proteínas afectadas. El Yu
et al.
Y el Arul
et al.
Conjuntos de datos se utilizan para validar la importancia diagnóstica de los complejos de proteínas influido. No prostático datos de expresión de los genes miARN el cáncer del NCI-60 [29] y de ARNm de cáncer de mama de datos de expresión de la cohorte de mama sueca [33], que contiene 159 muestras tumorales con los datos clínicos, también se utilizaron para evaluar si los módulos miARN-proteína influido son la próstata específica o que se dysregulated en otros tipos de cáncer también.
Definición de entropía miARN-proteína módulos complejos '
Para cada módulo complejo proteína-miARN, se construye una matriz donde las filas () representan en proteínas el complejo o la vía y las columnas () representan miRNAs que se dirigen a al menos un miembro del complejo. se define como la información mutua [34] entre el perfil de expresión de la proteína y el perfil de expresión de los genes miARN y se calcula como: (1) es la función de densidad de probabilidad conjunta (pdf) de y, y y son las pdfs marginales de y respectivamente . Las funciones de distribución de probabilidad se calcularon utilizando estimaciones de la densidad del núcleo [35], ya que demostró ser superior al histograma en términos de una tasa de error cuadrático mejor promedio de convergencia de la estimación.
X es la matriz de información mutua entre todos los miRNAs y todos los genes en el módulo complejo. Ya que creemos que cuando un miARN objetivo un gen en el complejo (basado en la interacción de los genes miARN-objetivo), puede tener un efecto indirecto sobre los otros miembros del complejo. Así, la matriz X no distingue entre un miARN que se dirigen a un gen en el complejo o no. La matriz X se basa en la idea de que si un miARN objetivo un gen en el complejo, que tiene influencia en todo el complejo. La influencia de miRNAs en cada complejo proteína o vía se calcula por la descomposición mediante descomposición en valores singulares (SVD) [23] en matrices y calcular la entropía de la matriz mediante la suma de los cuadrados de los valores singulares de la matriz. es el número de proteínas en el complejo de proteínas, y es el número de miRNAs de orientación. La importancia relativa normalizada de del valor singular en se calcula como (2) y la entropía de Shannon de los datos, representados por, se calcula como:
(3) ¿Dónde está el valor singular, L es. Aquí podemos anticipar que miRNA-proteína módulos complejos que tienen diferencia significativa en la entropía de los valores singulares de entre las muestras normales y cancerosas son funcionalmente dysregulated. La entropía de los valores singulares representa la desregulación de los módulos complejos miRNA-proteína. La Figura 1 proporciona una breve descripción del marco propuesto. La primera etapa es la construcción de los módulos de la proteína miRNA- calculando la MI entre toda la expresión de las proteínas en el complejo y la expresión de los genes miARN focalización ellos. Para cada etapa del cáncer (normal vs cáncer de próstata primario) se definen los módulos de miARN-proteína. En segundo lugar, nos encontramos con los valores singulares de cada matriz y calcular la entropía como la suma normalizada de los cuadrados de los valores singulares. Finalmente, encontramos los módulos con diferencia significativa entre los módulos que representan la etapa normal y la etapa del cáncer.
complejos de proteínas y miRNAs se integran para construir módulos (X) de los datos de expresión de genes miARN gen y. Los módulos representan la información mutua entre la expresión de miRNAs y proteína en el módulo. SVD se aplica para descomponer la matriz módulos 'y la entropía de Shannon se calcula para cada módulo en normal y cáncer. El último paso es encontrar módulos con una diferencia significativa entre la entropía normal y cáncer.
La identificación de los complejos de proteínas y vías miARN-coordinada en la progresión del cáncer de próstata
Uso de datos de expresión génica para el normal y muestras de cáncer, que encontramos y, respectivamente, para cada módulo. Se utilizó la diferencia entre los dos valores, para evaluar la influencia del módulo de miRNAs. Para evaluar la importancia del valor influencia, permutada al azar complejos de proteínas y las vías con el mismo tamaño que el complejo de veces de interés, y encontramos para ambas muestras normales y cancerosas. se calculó para las permutaciones aleatorias, y un valor de p se calculó para cada complejo y vías con la observada frente a la distribución de los valores generados a partir de las permutaciones aleatorias. El valor representa la influencia de los miRNAs 'en los complejos de proteínas o vías en la progresión del cáncer de próstata; cuanto mayor sea la, más influido en el complejo de la proteína es. P-valores se corrigieron utilizando la corrección de Bonferroni. Los módulos que se dysregulated significativamente por miRNAs en la progresión del cáncer de próstata se caracterizan, además, tanto funcional como clínicamente.
La identificación de aguas abajo miARN-mRNA interacciones influencias por los complejos de proteínas desreguladas
A continuación pregunta si hay miARN aguas abajo interacciones -target influenciados por los complejos de proteínas afectadas. Hemos definido abajo genes como los que dependen (correlación condicionada a la proteína de la desregulación del complejo). Para identificar estas interacciones condicionales, se utilizó la información mutua condicional entre miRNAs y sus objetivos validada experimentalmente determinado de la expresión de las proteínas componentes influenciados del complejo.
Dado complejo de proteínas y sus componentes,. Se calculó la información mutua condicional entre cada uno de los genes miARN () y destino () par dado la expresión de la proteína, como se describe en :( 4) (5)
Nos encontramos entonces p-valor [36] para cada interacción () da una proteína por permutación de el perfil de expresión de veces de proteínas. Para encontrar el valor de p para cada uno, p-valor complejo, se convirtieron los valores de p individuales, para poner a prueba las estadísticas utilizando el método de los pescadores.
Resultados
Complejos de proteínas y vías biológicas que son influyó en el cáncer de próstata como resultado de coordinar la regulación de los genes miARN se identifican y funcionalmente más caracterizado.
módulos complejos de proteínas de los genes miARN-influenciada
primer lugar, analizó la influencia de miRNAs en los complejos de proteínas en la progresión del cáncer de próstata . Hemos construido módulos de la proteína miARN mediante la integración de los datos de expresión, interacciones miARN objetivo, y complejos de proteínas (CORUM) como se describe en la sección de métodos, y luego identificaron el cambio de entropía de cada módulo en diferentes estados de la próstata (normal vs cáncer). La Tabla 1 muestra la lista completa de los complejos de proteínas más importantes influenciados por la regulación de los genes miARN en el cáncer de próstata () utilizando los determinados experimentalmente interacciones miARN objetivo (). corrección de Bonferroni se utiliza para la corrección de múltiples ensayos. En total, los complejos se predicen para ser influenciado por miRNAs. Los resultados revelan que los complejos que contienen SMAD4 se ven afectadas de manera significativa en la progresión del cáncer de próstata, y que el complejo SMAD6-HOXC8 es el complejo más influenciado de manera significativa. Este complejo tiene un papel en la represión transcripcional mediante la inhibición de las interacciones entre Smad1 y HOXC8. Las siguientes dos importantes complejos contienen SMAD4, esquí, y SMAD3. Otro conjunto de complejos de influencia miARN contiene Sin3A, HDAC, y ARID4B; estos complejos actúan como represores transcripcionales de genes de respuesta MYC y antagonizar la actividad oncogénica MYC, y juegan un papel en deacytelation histona, que es importante en el control de la expresión génica. Varios otros complejos que contienen RBL1 y ARID4B, que tiene una secuencia similar a RBL1, se ven afectadas de manera significativa. La mayoría de los complejos prevé que sea influenciada por miRNAs son de tamaño inferior a 5. Dos complejos; a saber, complejo LINC (Corum ID: 5589) y complejo de SAP (Corum ID: 591) se prevé que sean influenciados por miRNAs. Curiosamente, sólo el gen RBL1 en LINC complejo y ARID4B en el complejo de SAP están directamente dirigidos por miRNAs, lo que sugiere que la alteración de una proteína de múltiples miRNAs podría llevar a una alteración de la proteína compleja. complejo de SAP se compone de la unión de histonas y proteínas desacetilación de histonas que sugiere un papel clave de los cambios epigenéticos en la progresión de la próstata. Una lista de los complejos de proteínas más importantes y sus dirigidos miRNAs se muestra en la Tabla S1. La visualización del mapa de calor de los módulos complejos (proteínas y miRNAs) revelan que en conjunto pueden definir patrón de expresión para el cáncer primario y cáncer metastásico (Figura S1 y S2 S1 en el archivo).
Análisis funcional de miRNA- complejos de proteínas influido
se realizó el análisis funcional de los complejos de proteínas de los genes miARN-influenciado por el análisis de los procesos biológicos que están involucrados. se realizó el análisis funcional de los componentes de los complejos en la Tabla 1, utilizando la herramienta en línea DAVID [37 ] disponible en (http://david.abcc.ncifcrf.gov/) (84 proteínas se caracterizan funcionalmente). Benjamini corrección de múltiples ensayos se aplicó para el análisis significativo enriquecimiento. Análisis funcional demostró que los componentes de los complejos se enriquecen con tres principales términos biológicos, la fosforilación (p =), regulación de la transcripción (p =) y acetilación de (p =). Las proteínas en los complejos se enriquecen en Dwarfin (p =), (p =) dominios homólogo de MAD (p =), SMAD (p =) y la proteína tirosina quinasa. Las proteínas se enriquecen en la vía de señalización de TGF-B (p =), las vías en el cáncer (p =), cáncer de próstata (p =), y otros tipos de cáncer específicos (Figura 2). El análisis de la función molecular de las proteínas de apoyo que los componentes de los complejos influenciados 'están involucrados en la regulación de la transcripción (p =), SMAD de unión (p =), la actividad quinasa de proteínas (p =) y la unión al ADN (p =). A continuación analizaron las vías de los genes miARN objetivos en los complejos en el fondo de todos los objetivos miARN validados. Utilizamos DAVID para encontrar los términos enriquecidos en los genes miARN objetivos en la proteína 82 en el fondo de los objetivos miARN validados. Encontramos los complejos enriquecidos en las vías en el cáncer (p =), el cáncer de próstata (p =) y el cáncer de vejiga (p =).
Camino de Enriquecimiento Mapa de complejos de proteínas dyregulated. Se extrajeron los miembros de proteínas de los complejos de proteínas desreguladas y encontramos vías enriquecidos utilizando DAVID línea tool.To visualizar un mapa de las vías de enriquecimiento, se utilizó Enriquecimiento Mapa Cytoscape plugin de [47] para visualizar las vías enriquecidos. Los nodos en esta figura representa las vías enriquecidos, los enlaces entre los nodos representan la fracción de solapamiento entre ellas. Cuanto más oscuro es el nodo más enriquecido la vía es, y cuanto más gruesa es el vínculo, el más significativo es el solapamiento.
Caracterización de la relación entre el tamaño del complejo y el complejo de entropía
los p.values entropía de los complejos de proteínas variaron entre 0,8 a. Una de las preguntas que hicimos es si los valores de la entropía son impulsados por el tamaño compleja. Hemos encontrado que los complejos de tamaño 2, 3 y 7 tienen el valor de p más significativo, y los complejos de tamaño superior a 10 no son muy significativas (Figura 3). Hay diferentes interpretaciones biológicas para esta observación. Una de ellas es que los complejos más pequeños son más fácilmente atacados por miRNAs; sin embargo, cuando una proteína de un complejo más grande, el complejo puede todavía ser funcionales pero con menos eficiencia. Otra observación interesante es que no existe una correlación entre el tamaño del complejo de proteína y el número de miRNAs dirigidos a la proteína en el complejo (Tabla 1).
Uso de la interacción de los genes miARN-objetivo experimental para evaluar la importancia de la desregulación de los genes miARN mediada de complejos de proteínas, se analizó la relación entre el tamaño del complejo y el Valor PD generada por nuestra framework.We encontrado que los complejos f tamaño 2, 3 y 7 tienen el valor de p más significativo, y los complejos de tamaño inferior a 10 no son muy significativas.
módulos vía canónica miARN-influenciada
Para encontrar la influencia de miRNAs en las vías, hemos demostrado la aplicabilidad de las directrices sobre las vías de proteínas seleccionadas de gen MSigDB conjunto de bases de datos. Nos preguntamos cómo el tamaño de los módulos de la proteína puede afectar el valor de entropía de la influencia de los genes miARN. Utilizamos interacciones miARN objetivo de encontrar la influencia de los genes miARN en las vías. La Tabla 2 muestra las vías de MSigDB que son significativamente influenciado por miRNAs en el CP; Los resultados revelan que las vías de señalización mediadas Syndecan-RAS y están altamente influenciados por miRNAs. Las proteínas adaptadoras que implican ruta mediada por NF-kB y MyD88 TRAF6, que están involucrados en el Toll-like receptor de IL-1 y la señalización del receptor vías, también está influenciada por miRNAs. el mantenimiento de la cromatina y la transcripción mediada por ARN-polimerasa también se ven influidas por miRNAs en el cáncer de próstata. A partir de las interacciones miARN objetivo, hemos encontrado 54 miRNAs que se dirigen a las vías significativas; 24 de ellos se dirigen a más de un miembro de la vía. miARN-1, miARN-7b, y los genes miARN-16 se encontraron para apuntar más de 5 miembros diferentes de la misma vía, lo que sugiere que estas tres miRNAs son los principales reguladores de cáncer de próstata.
miRNAs proteína que influye complejos tienen un papel en el cáncer de próstata progresión
a continuación, investigaron el papel funcional de miRNAs que se dirigen a los complejos de proteínas. Sólo 66 miRNAs estaban presentes en los datos de expresión génica Taylor. Hemos generado una lista de miRNAs de una búsqueda exhaustiva de la literatura de miRNAs implicados en el cáncer de próstata. 45% de los 66 miRNAs son en común con el 65 miARN (p =) que tienen un papel funcional validada experimentalmente en la progresión del cáncer de próstata, como miR-1, miR-106b, miR-221, miR-222, miR-96 , y miR-182. (Ver Tabla S2).
Valor pronóstico de módulos complejos de proteína-miARN
En esta sección se caracteriza el valor pronóstico (recurrencia del cáncer y el momento de la muerte) de los módulos complejos miARN-proteína. En primer lugar, recuperaron la expresión de las 84 proteínas, que son parte de los 42 complejos de la Tabla 1, tanto de la de los datos de próstata suecas Taylor y. También se extrajo la expresión de miRNA de los 85 miRNAs que se dirigen a las 84 proteínas a partir de los datos de próstata Taylor. Inicialmente que agrupan las proteínas y genes miARN muestras en dos grupos utilizando k-means clustering, y luego usamos la prueba de rango logarítmico y la regresión de la COX-peligro para evaluar la significación clínica de la separación. El objetivo aquí es mostrar que los miembros del complejo de proteínas puede estratificar a los pacientes en grupos clínicamente distintas. Desafortunadamente, los resultados no fueron significativos; la agrupación de los pacientes a partir de los 85 miRNAs en dos conjuntos dio a partir de los datos de Taylor miARN. Por otra parte, la agrupación de las 84 proteínas en dos grupos basados en los datos de Taylor de ARNm dio, y en base a los datos de Suecia. Para extraer biomarcadores pronósticos más precisos de estas listas, se realizó un análisis de regresión de Cox univariante de peligros y de las proteínas seleccionadas a continuación, con un peso significativo p-valor. El conjunto de 84 proteínas se redujo a 23 proteínas y el conjunto de miARN se redujo a 21 miRNAs (Tabla 3). A continuación realizó el agrupamiento basado en la expresión de las proteínas y los miRNAs en el conjunto reducido y caracterizaron su importancia clínica. Para los 23 proteínas, el conjunto agrupado de los pacientes en los datos de Taylor se separan de forma significativa (p = 0,005) (Figura 4A). Como control negativo, se seleccionaron al azar 23 proteínas 1000 veces y repetimos la prueba de la agrupación y de rango logarítmico, logrando un promedio de p = 0,26. agrupar aún más las muestras en tres conjuntos demostraron una separación más significativa entre los de alto riesgo y pacientes de bajo riesgo (p = 0,00088) (Figura S3 en Archivo S1). A fin de probar el valor pronóstico de los 23 genes en el conjunto de datos de Suecia (datos independientes que no se utilizó para identificar los complejos de proteínas de los genes miARN-influida), hemos utilizado sus valores de expresión de los datos de Suecia, y las muestras agrupadas en dos grupos que no fueron significativamente separado (p = 0,5). Sin embargo, cuando las muestras que agrupan en el sueco a través de las 23 proteínas en tres grupos, encontramos una separación significativa en bajo riesgo, riesgo intermedio y los pacientes de alto riesgo (Figura 4B). Los pacientes de alto riesgo se separan significativamente de los pacientes de bajo riesgo (p = 0,008) en comparación con el promedio de 1000 permutaciones aleatorias de las muestras (p = 0,63).
A. Las muestras se agrupan en dos grupos basados en la expresión de las 23 proteínas de los datos de Taylor de ARNm y luego se aplicó la prueba de rango logarítmico para evaluar la significación de separación (p = 0,005). B. Las muestras de la cohorte de próstata sueco se agruparon en tres grupos usando la expresión de las 23 proteínas. Los resultado tres grupos se separan de manera significativa que muestra el poder pronóstico de las 23 proteínas (bajo riesgo vs. alto riesgo (p = 0,008), de bajo riesgo vs. riesgo intermedio (p = 0,16), de alto riesgo frente a riesgo intermedio (p = 0,02)). C. Las muestras de la cohorte de mama sueco se agruparon en dos grupos basados en la expresión de las 23 proteínas. Los dos grupos tienen asociación específica distinta de la muerte (p = 0,004). D.Samples de la cohorte de mama sueco se agruparon en dos grupos basados en la expresión de las 23 proteínas. Los dos grupos tienen el perfil de recurrencia del cáncer de distinta (p = 0,008).
Cuando analizamos los términos funcionalmente enriquecido en los 23 proteínas, se encontró que se enriquecen en varias rutas de cáncer, tales como ciclo celular (p =), TGF-beta (p =), leucemia mieloide crónica (p =), y la señalización de Notch (p =). Además, los genes fueron enriquecidos en proceso biológico regulación de la transcripción (p =).
Para probar el valor pronóstico de las 23 proteínas para otros tipos de cáncer, se utilizaron los datos del seno de la cohorte de mama sueca. La agrupación de las muestras en dos juegos usando las 23 proteínas revela una asociación significativa con la muerte específica por cáncer y la recurrencia del cáncer (Figuras 4C-D). También utilizamos GOBOS herramienta en línea [38] (http://co.bmc.lu.se/gobo) para asociar la expresión de las proteínas con metástasis distante supervivencia libre a través de más de 1200 muestras con diferentes genotipos. Las 23 proteínas se encuentran para ser asociado con la metástasis del cáncer de mama en todas las muestras (p = 0,0076) (Figura S4A en File S1). Los resultados también revelan que las 23 proteínas están más estrechamente asociados con la metástasis en el ER-positivo (p = 0,00057) (Figura S4B en S1 de archivos) y el cáncer de mama LN-negativos (p = 0,004) (Figura S4C en S1 Archivo) subtipos .
Para caracterizar el valor pronóstico de los 21 miRNAs que influye, se extrajeron sus datos de expresión de los datos de Taylor miARN y agrupado las muestras en dos grupos. Las 21 miRNAs albergan un valor pronóstico significativo, ya que llevan a la separación significativa entre los dos grupos de pacientes dio como resultado (p = 0,00004, 1000 juegos de azar dio p = 0,11) (Figura S5 en S1 Archivo). Cuando las muestras se agruparon en tres grupos a través de los 21 miRNAs, separación muy significativa entre el bajo riesgo y las muestras de alto riesgo (p = 0,00021, 1000 juegos de azar dio p = 0,28) (Figura S6 en S1 de archivos) se encuentra. El poder pronóstico de los 21 miRNAs se comparó con 94 MIRAS expresados diferencialmente entre tumor y normal en los datos de Taylor, y 50 miRNAs expresados diferencialmente entre el cáncer de próstata y el cáncer agresivo no agresivo. Las 94 miRNAs tener un rango logarítmico p = 0,019 y los 50 miRNAs tienen rango logarítmico p = 0,00046. Este resultado sugiere que los miRNAs que influyen en los complejos de proteínas son biomarcadores pronósticos significativos.
En resumen, los resultados revelan que los miRNAs que regulan coordinadamente complejos de proteínas son valiosos biomarcadores pronósticos. Además, los complejos de proteínas disregulados por miRNAs son biomarcadores pronósticos que son candidatos como dianas terapéuticas para el tratamiento del cáncer de próstata.
Validación del poder de diagnóstico de los complejos de proteínas y miRNAs influido en los datos de expresión independiente
Para caracterizar el papel diagnóstico de los complejos de proteínas de los genes miARN-influenciada y miRNAs de orientación, se validó su capacidad para distinguir muestras tumorales de muestras no tumorales utilizando ARNm independiente y conjuntos de datos de expresión de genes miARN. Una máquina de vectores de soporte lineal con la validación cruzada de 10 veces se utilizó para predecir con precisión la etiqueta de la clase de los pacientes (normal, primaria o metástasis). El clasificador SVM toma los datos de expresión de los pacientes a través de las proteínas de influencia miARN y su objetivo es predecir la clase de los pacientes que utilizan los datos de expresión. Aquí la validación cruzada se usa para evaluar el rendimiento del modelo debido a la falta de muestras independientes adicionales. Resultados (Tabla 4) revelan que la SVM, usando el nivel de expresión de las proteínas en los complejos de proteínas de los genes miARN-influenciado, primario separado con éxito a partir de muestras normales (85%) y la metástasis de muestras primarias (100%) en el Arul
et al.
datos. Las proteínas también clasifican las muestras primarias y normales (80%) y la metástasis vs. cáncer primario (83%) en el Yu
et al.
Datos.