Extracto
La expresión aberrante de los genes miARN modula de forma anormal la expresión génica en las células y pueden contribuir a la tumorigénesis en humanos. Este estudio identificó funcionalmente los genes expresados diferencialmente relevantes utilizando los factores de transcripción y análisis de redes miARN-co-regulados para el cáncer gástrico. La red de co-regulación TF-miARN se construyó sobre la base de los datos obtenidos a partir de microarrays de ADNc y los genes miARN perfiles de expresión de los tejidos de cáncer gástrico. La red junto con sus compañeros de genes regulados se analizó utilizando la Base de datos para anotación, y Visualización Integrada Discovery (DAVID) y la base de datos al elemento regulador transcripcional (TRED). Encontramos dieciocho (17 hasta regulada y 1 regulada hacia abajo) los genes expresados diferencialmente que eran co-regulados por factores de transcripción y miRNAs. KEGG vía de análisis reveló que estos genes eran parte de la interacción matriz extracelular del receptor y las rutas de señalización de adhesión focal. Además, los datos de transferencia de Western QRT-PCR y mostraron un aumento en COL1A1 y la disminución de NCAM1 ARNm y los niveles de proteína en tejidos de cáncer gástrico. Por lo tanto, estos datos proporcionan la primera evidencia para ilustrar que la red gen alterado se asoció con la invasión del cáncer gástrico. Se necesitan más estudios con una muestra de gran tamaño y los experimentos más funcionales para confirmar estos datos y contribuir a las estrategias de diagnóstico y tratamiento para el cáncer gástrico
Visto:. Shi Y, Wang J, Xin Z, Z Duan, Wang G , Li F (2015) factores de transcripción y genes regulados-Co-microARN en el cáncer gástrico invasión en
Ex Vivo
. PLoS ONE 10 (4): e0122882. doi: 10.1371 /journal.pone.0122882
Editor Académico: Jian-Jun Zhao, Instituto de Cáncer Dana-Farber, Estados Unidos |
Recibido: 8 de noviembre de 2014; Aceptado: February 24, 2015; Publicado: 10 Abril 2015
Derechos de Autor © 2015 Shi et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License, que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que el autor original y la fuente se acreditan
Disponibilidad de datos: Todos los datos relevantes están dentro del apoyo de sus archivos de información en papel y
Financiación:. Este trabajo fue apoyado por becas de la Fundación Nacional de Ciencias Naturales de China (# 81320108025 y#81472662). También es apoyado en parte por la Fundación Nacional de Ciencias Naturales de China (# 81271897 y#81401712), Jilin clave Laboratorio de Materiales Biomédicos, Fundación del Departamento de Ciencia y Tecnología de la provincia de Jilin (# 20130522013JH y#20140414048GH) y el Programa de Norman Bethune de Jilin Universidad (# 2012219)
Conflicto de intereses:.. los autores han declarado que no existen intereses en competencia
Introducción
el cáncer gástrico es una de las formas más comunes de tumores malignos en el mundo, lo que contribuye a un tercio de las muertes relacionadas con el cáncer en los hombres y un quinto entre las mujeres [1]. Aproximadamente, dos tercios de los casos de cáncer gástrico se producen en los países en desarrollo. En China, la incidencia y la mortalidad relacionada con el cáncer gástrico ocupa el tercer lugar entre las otras formas de tumores malignos [2] y se informó de que el cáncer gástrico se produce con mayor frecuencia en las zonas rurales y con una tendencia de las personas más jóvenes ser afectados por ella en los últimos años [3 ]. Medio ambiente (por ejemplo,
Helicobacter pylori
la infección o el consumo de alimentos ahumados) y los factores genéticos (
E-cadherina
mutación) aumenta la susceptibilidad al cáncer gástrico mediante la inducción de alteraciones en oncogenes /genes supresores de tumores y /o perfil epigenético [4]. La alteración en estos factores críticos resulta en una regulación anormal del crecimiento celular, apoptosis, diferenciación y promoviendo así la carcinogénesis. redes reguladoras de genes múltiples coordinar la transformación de la célula normal a una célula tumoral y la progresión tumoral en coche. Sin embargo, hasta la fecha, aún no se ha definido el conocimiento detallado de las redes reguladoras de genes múltiples subyacentes en la patogénesis del cáncer gástrico. La determinación de la red mecánica molecular detallada asociada con el desarrollo de cáncer gástrico y la progresión podría mejorar la comprensión de la carcinogénesis en los tejidos gástricos, lo que ha facilitado nuevas y eficaces estrategias en la prevención, diagnóstico y tratamiento del cáncer gástrico.
La expresión génica en las células es controlado tanto en la transcripción y los niveles post-transcripcional. Los factores de transcripción (TFS) coordinar la transcripción de genes, mientras que miRNAs regula la expresión génica por la mediación de eventos post-transcripcionales, tales como la degradación del ARNm y la proteína de la traducción [5]. Por lo tanto, cualquier alteración en la función de los genes miARN puede resultar en el desarrollo de cáncer en los seres humanos [6,7]. Los factores de transcripción son proteínas que se unen a secuencias específicas de ADN para controlar la velocidad de transcripción de la información genética del ADN a ARNm [8,9], mientras que miRNAs son un grupo de un pequeño ARN no codificante en las células y la función en el silenciamiento de ARN y post la regulación de la expresión génica -transcriptional [10,11]. La red de regulación de genes TF-miARN determina el perfil de expresión génica en las células en general hasta cierto punto. Por lo tanto, el análisis de las redes TF-miARN de corregulación en los tejidos de cáncer gástrico podría ayudarnos a mejorar nuestra comprensión de cómo los miRNAs TFS y coordinar la regulación de la expresión de genes que contribuyen a la carcinogénesis gástrica [12]. En nuestro estudio anterior, hemos perfilado los genes expresados diferencialmente en ochenta pares de tejidos normales adyacentes de carcinoma gástrico utilizando microarrays de ADNc [13] y encontramos un número de genes con expresión alterada, incluyendo TFS. Con base en la información del elemento regulador de la transcripción de bases de datos (TRED) [14], hemos construido y consolidado una red de regulación TF-gen. En este estudio, hemos perfilado expresados diferencialmente miRNAs en cinco pares de tejidos normales gástricas de carcinoma-adyacente y construyó una red de regulación de los genes miARN-objetivo para el cáncer gástrico mediante la integración de las bases de datos de genes miARN de orientación, incluyendo TargetScan, Miranda, miRDB, y miRWalk [15] . Entonces construyó la red TF-miARN de corregulación usando nuestros datos anteriores y luego realizó GO y KEGG vía de análisis y se realizó PCR en tiempo real y análisis de Western blot para validar estos datos. Por lo tanto, ambos de los métodos y análisis podría proporcionar pistas importantes para futuros estudios sobre las funciones de los genes miARN y TFS en el cáncer gástrico.
Materiales y Métodos
Las muestras de tejido
Un total de 25 pacientes de carcinoma gástrico fueron reclutados para este estudio del primer hospital de la Universidad de Jilin, Changchun, china. cáncer gástrico tejidos y los tejidos que emparejan no cancerosas distantes se resecaron quirúrgicamente y se almacenan en nitrógeno líquido dentro de 10 minutos después de la resección. consentimientos informados escritos se obtuvieron de todos los sujetos y se analizaron los datos de forma anónima. La TNM y la clasificación histológica se realizaron de acuerdo a la Organización Mundial de la Salud (OMS) criterios. Este estudio fue aprobado por el Comité de Ética de la Facultad de Ciencias Médicas Básicas de la Universidad de Jilin.
perfiles de ARNm expresados diferencialmente y micro ARN en tejidos de cáncer gástrico
Los datos de ARNm expresados diferencialmente entre el cáncer gástrico y tejidos normales se llevó a cabo a partir de 80 pacientes y se informó anteriormente [13]. Utilizamos ≥ 2 veces el cambio de perfil de los genes expresados diferencialmente para este estudio.
En este estudio, los miRNAs expresados diferencialmente en 5 pares de los tejidos normales adyacentes de cáncer gástrico (véanse los datos de los pacientes en la Tabla S2) eran perfilado utilizando Affymetrix miARN chips de micromatriz de acuerdo con los protocolos del fabricante. Brevemente, el ARN total a partir de muestras de tejido se aisló utilizando el Trizol (Invitrogen, Carlsbad, CA, EE.UU.) y miARN fue aislado y purificado utilizando el kit de aislamiento mirVana miARN (Ambion, Austin, TX, EE.UU.) y después se sometieron a la matriz de Gene Chip de microARN análisis. Los datos fueron escaneados utilizando Scanner3000 GeneChip con GeneChip Software Operativo (GCOS) y se analizaron.
Construcción de TF-gen, miARN-focalización de genes, y TF-miARN redes de corregulación
Sobre la base de los GeneChip Human exón 1,0 ST datos de microarrays (Affymetrix, CA, USA), que construyen la red TF-gen mediante la integración de los perfiles de expresión de genes y la base de datos elemento regulador transcripcional (TRED). Se establecieron las interacciones reguladoras entre los microARN y sus genes diana sobre la base de información de TargetScan, Miranda, miRDB y base de datos miRWalk. Las redes de co-reguladores TF-miARN se construyeron mediante la superposición de estas dos secciones. También se identificaron los genes que HUB-co-regulados por TFS y miRNAs. Las redes se construyeron utilizando el software Cytoscape (Instituto de Biología de Sistemas, EE.UU., http://www.cytoscape.org).
anotaciones funcionales de los genes seleccionados
Herramientas de línea de análisis, tales como base de datos para anotación, y Visualización integrada Discovery (DAVID) y Kyoto Enciclopedia de genes y genomas (KEGG) se aplicaron a explorar la vía funcional asociada a los genes expresados diferencialmente. Significativamente enriquecido KEGG vías con p & lt; 0.01 Se identificaron y analizaron más.
RT-PCR cuantitativa (QRT-PCR)
Para detectar el nivel de ARNm, se utilizó 5 mg muestras de ARN total de cada muestra para transcribir inversamente en ADNc con el primera hebra de cDNA Synthesis Kit (Takara, Dalian, china) y luego amplificado utilizando qPCR para la expresión de COL1A1, y mRNA NCAM1 con SYBR Premezcla Ex Taq (Takara) en Applied Biosystems 7300 Fast real-Time PCR System de acuerdo con las instrucciones del fabricante. La expresión relativa de los niveles de mRNA se normalizó a ß-actina mRNA por el método comparativo Ct (2
-ΔΔCt, Ct = Ct
target-Ct
β-actina, ΔΔCt = Ct
tumor? Ct
normal). Todos los cebadores se diseñaron con el Primer Premier 6 Software, secuencias de cebadores para la amplificación fueron listadas en la Tabla 1. Los datos de QRT-PCR se analizaron con GraphPad Prism versión 5.0, las diferencias entre los grupos fueron evaluados estadísticamente mediante muestras de una cola la prueba t de Student con p valor & lt; 0,05 consideraron significativas muestras de tejido
la extracción de proteínas y Western Blot
de 1 mm
3 de tamaño se molieron en nitrógeno líquido y se homogeneizaron en una lisis celular. tampón (Beyotime, Pekín, china) a 4 ° C durante 20 minutos. La concentración de proteína en las muestras se determinó usando un Kit de ensayo de proteínas BCA (Bio-Rad, Hercules, CA, EE.UU.) y las muestras de proteínas se separaron por electroforesis en dodecilsulfato de sodio-gel de poliacrilamida (SDS-PAGE) utilizando gel de 10% y después se transfirió a una membrana de PVDF (0,45 m; Bio-Rad, Hercules, CA, EE.UU.) durante 2 h. Las membranas se incubaron con un anticuerpo de conejo anti-colágeno I (Novus Productos Biológicos, Littleton, CO, EE.UU.) a una dilución de 1: 1000, un anti-NCAM1 /anticuerpo CD56 de ratón (Novus Biologicals) a una dilución de 1: 400 , o un conejo anti-β-actina de anticuerpos (Proteintech, Chicago IL, EE.UU.) a una dilución de 1: 2000 a 4 ° C durante la noche y, posteriormente, después de lavar con basado en Tris solución salina-Tween 20 (TBST), las membranas se incubaron con una IgG de cabra anti-conejo (Beyotime) o de cabra anti-IgG de ratón (Proteintech) a una dilución de 1: 2000 durante 2 h. Las señales de la proteína fueron detectados por autorradiografía, mediante el uso de reactivos de quimioluminiscencia mejorada (Beyotime, Pekín, China), seguido por la exposición a las radiografías. La densidad de la banda de proteína se cuantificó usando un sistema de gel de imagen (Tañón, Shanghai, China) y se normalizaron a los niveles de ß-actina que se utilizaron como controles de carga.
El análisis estadístico
LIMMA ( se realizó modelos lineales para datos de microarrays) análisis basado identificar los miRNAs expresados diferencialmente con un punto de corte el valor de por lo menos 2 veces los cambios (FC) con p & lt; 0,05 y FDR & lt; 0.05. el software SPSS 21.0 (SPSS, Chicago, IL, EE.UU.) se utilizó para realizar curvas características de funcionamiento del receptor (ROC) y el análisis de regresión logística. La sensibilidad, especificidad y el área bajo la curva (AUC) se calcularon utilizando el software estadístico Med-Calc y el valor de p & lt; 0,05 fue considerado estadísticamente significativo. los datos de transferencia Western se analizaron por GraphPad Prism versión 5.0 (San Diego, CA, EE.UU.) y la diferencia entre el tumor y los tejidos normales fueron evaluadas por la prueba t de una cola de Student y un valor de p & lt; 0,05 fue considerado estadísticamente significativo.
Resultados
TF-gen regulador de red y la expresión diferencial de miRNAs en el cáncer gástrico
red de regulación TF-gen como se muestra en la figura 1 se construyó en base a los datos obtenidos de un estudio anterior [13] en los genes expresados diferencialmente (≥ 2 veces) a partir de 80 pares de tejidos de cáncer gástrico. En concreto, cinco factores de transcripción MYB, MYBL2, ETV4, LEF1 y TFAP2A se regularon hacia arriba y formaron las redes de regulación TF-gen con 41 genes, de los cuales 38 fueron reguladas y 3 se redujeron reguladas en tejidos de cáncer gástrico (S1 Mesa). Por otra parte, perfilamos miARN expresión usando vectores Affymetrix microARN en cinco pares de los tejidos normales correspondientes cáncer gástrico (características clinicopatológicas de los pacientes como se muestra en la Tabla S2). Un total de 93 miRNAs se expresan diferencialmente en los tejidos de cáncer gástrico (P & lt; 0,05), de los cuales 27 miRNAs fueron reguladas, mientras que 66 se redujeron regulado (Figura 2 y Tabla S3). Entre estos miRNAs expresados diferencialmente, varios de ellos han sido reportados en estudios previos, tales como miRlet-7, miR409, miR-28-5p, miR-625, etc. [16-19]. Posteriormente, las bases de datos TargetScan, Miranda, miRDB, y miRWalk fueron minadas para predecir los genes diana de estos miRNAs expresados diferencialmente.
La red se construyó sobre la base de datos de análisis de cDNA microarrays para identificar los genes expresados differnetially en el cáncer gástrico. Los círculos rojos están regulados los genes, mientras que los círculos verdes son reguladas por los genes y los triángulos amarillos representan factores de transcripción (TFS). La dirección de la flecha es desde el origen al destino.
Cada fila representa un miARN y cada columna representa una muestra. La columna "C" representa cáncer de los tejidos y la columna "N" representa los tejidos normales. El mapa de calor con rojo indica hasta reguladas y verde para miRNAs reguladas por.
red TF-miARN la regulación de los genes expresados diferencialmente en el cáncer gástrico
Sobre la base de los conjuntos de datos a partir de cDNA y miARN microarrays como se ha mencionado anteriormente, hemos construido una red aberrante TF-miARN que regula la expresión de genes en el cáncer gástrico (Figura 3 y Tabla S4). expresión particularmente, estas redes TF-miARN aberrantes regulados de 18 genes (
COL1A1
,
COL1A2
,
COL5A2
,
COL11A1
,
DSG3
,
ACHE
,
SERPINE1
,
SERPINB2
,
CXCL5
,
MMP1
,
PLAU
,
SPP1
,
GJB2
,
CLDN2
,
CDKN2A
,
CENPF
,
MAD2L1
, y
NCAM1
), la mayoría de los cuales (17 de 18) fueron reguladas en tejidos de cáncer gástrico (Fig 4).
Los círculos rojos están regulados los genes, mientras que los círculos verdes son reguladas por los genes y los cuadrados amarillos representan miRNAs. Las líneas con bordes en "T" en la red representan efecto inhibidor de miRNAs en los genes diana.
Los círculos en la línea central son los genes que co-regulados por TFS y miRNAs, con rojo para genes regulados y verde para reguladas por los genes. cuadrados amarillos representan miRNAs y los triángulos amarillos representan TFS.
Análisis funcional de estos 18 genes utilizando hub-DAVID (la base de datos para anotación, y Visualización Integrada Discovery) [20] mostró que había dos considerablemente enriquecido KEGG vías, la vía de la interacción de ECM-receptor y la vía de la adhesión focal. Cinco genes (
COL1A1
,
COL1A2
,
COL5A2
,
COL11A1
, y
SPP1
) fueron alterados significativamente más y eran todos los involucrados en la interacción ECM-receptor y ruta de adhesión focal (Tabla 2). El análisis de la red de co-regulación mostró que estos 18 de cubo genes tenían una distribución diferente grado de nodo, mientras que
COL1A1
y
NCAM1
mostró el más alto grado de distribución (Fig 5).
Estos 18 genes diana se co-regulados por tanto de TFS y miRNAs con su grado de nodo correspondiente. El eje X muestra el grado de un nodo, mientras que el eje Y muestra el número de nodo para cada grado en la red.
Asociación de
COL1A1
y
NCAM1
expresiones con el estado clínico-
asumieron que los genes con distribuciones de grado superior pueden desempeñar un papel importante en la red de regulación. Por lo tanto, asociados expresión de estos genes con características clinicopatológicas de pacientes con cáncer gástrico. La característica de funcionamiento del receptor (ROC) análisis de la curva mostró que la expresión de
COL1A1
y
NCAM1
podría ser posibles discriminadores entre el cáncer y los tejidos normales correspondientes con las AUC (área bajo la curva = 0,806) para
COL1A1 Opiniones y 0,677 para
NCAM1
. La combinación de
COL1A1
y
NCAM1
expresión proporcionan una mejor condición de diferenciación con AUC = 0,829, sensibilidad = 70,7% y una especificidad = 84,0% que la del individuo
COL1A1 o
NCAM1
expresión (figura 6 y Tabla 3)
C & amp;. n indica la combinación de
COL1A1
y
NCAM1
Además, se validó los datos de microarrays utilizando QRT-PCR y Western blot en otros 20 pares de cáncer gástrico y los tejidos normales adyacentes (información de los pacientes que figuran en la Tabla S2). El COL1A1 y expresión NCAM1 ARNm mostraron 3,10 ± 1,08 veces sobre regulación y 0,37 ± 0,02 veces baja regulación en los tejidos tumorales en comparación con los normales (p & lt; 0,01), mientras que los datos de Western blot mostraron una clara diferencia entre la densidad relativa de proteínas de COL1A1 en tejidos de cáncer (0,92 ± 0,02) frente a los tejidos adyacentes normales (0,29 ± 0,01; p & lt; 0,01), mientras que la expresión de NCAM1 en tejidos de cáncer (0,11 ± 0,002) frente a los normales (0,85 ± 0,05) (p & lt; 0,01 , Fig 7). Por lo tanto, la sobre regulación de COL1A1 y la baja regulación de la expresión NCAM1 no sólo podía distinguir entre el cáncer y tejidos normales, sino también dividir a los pacientes con cáncer en etapas diferentes de tumores. El nivel de expresión de COL1A1 fue mayor en los tumores musculares y serosa invadido, mientras que la expresión NCAM1 tiende a estar asociado negativamente con la invasión tumoral (Figura 8).
A y B expresión, Detección de COL1A1 y NCAM1 mRNA en gástrica cáncer vs. tejidos normales usando PCR y QRT-PCR. Los niveles de COL1A1, NCAM1 ARNm fueron 3.10 ± 1.08 pliega sobre regulación y 0,37 ± 0,02 pliegues regulación a la baja en los tejidos tumorales, respectivamente, en comparación con los de los normales. * P & lt; 0,01. C y D, el análisis de transferencia Western de la proteína COL1A1. Los tejidos tumorales expresan un mayor nivel de proteína de COL1A1 en comparación con los normales (p & lt; 0,01). E y F, Western blot de proteínas NCAM1. Los tejidos tumorales expresan menor nivel de proteína NCAM1 en comparación con los normales (p & lt; 0,01). N, tejidos normales; C, cáncer de los tejidos.
Discusión
En el estudio actual, los datos de los microarrays de ADNc y los genes miARN se utilizó para construir la red de factores de transcripción de los genes miARN-corregulación en cada cáncer gástrico e identificó 18 genes de cubo que son regulados por factores de transcripción y miRNAs. Estos genes pertenecen a la interacción matriz extracelular del receptor y la señalización de adhesión vías focales. Además, la expresión de
COL1A1
y
NCAM1
se confirmó en tejidos de cáncer gástrico y se asociaron con la invasión del cáncer gástrico; Sin embargo, aún se desconoce la cual miARN (s) regular su expresión en el cáncer gástrico.
Factores de transcripción MYB, MYBL2, ETV4, LEF1, TFAP2A fueron reguladas en tejidos de cáncer gástrico. En efecto, las proteínas de la familia MYB están ampliamente distribuidos en los organismos eucariotas y expresison del factor MYB-transcripción es crítico para el crecimiento tumoral y la carcinogénesis mamaria [21] [22], mientras que MYBL2 (B-MYB) es un factor de transcripción oncogénico involucrados en el ciclo celular , G2 /M progresión [23]. Como miembro de
ETS
genes oncogénicos, ETV4 protien ha sido reportado para promover la metástasis del cáncer en modelos de ratones [24] y se asocia con un mal pronóstico en adenocarcinoma gástrico [25]. La familia TCF /LEF es una pequeña familia de factores de unión al ADN y LEF1 actúa principalmente como un activador con un papel en la inhibición de la apoptosis de las células [26]. TFAP2A es un factor de transcripción que regula principalmente el crecimiento celular y la diferenciación. En el carcinoma nasofaríngeo, el crecimiento de células tumorales TFAP2A regulado y supervivencia a través de la vía de señalización VEGF /PEDF mediada por HIF-1α, lo que sugiere que TFAP2A podría ser un biomarcador potencial para el tratamiento de carcinoma nasofaríngeo [27]. Además, en la red de co-regulación de los genes miARN-TF, se identificaron 18 genes de cubo que son regulados por tanto TFS y miRNAs. El análisis funcional de estos 18 genes destacó dos vías importantes KEGG, la matriz extracelular (ECM) de los receptores de la vía la interacción y la ruta de adhesión focal. Estudios recientes demostraron que los receptores de ECM (integrinas) de señalización mediada son un grupo importante de las señales que contribuyen a la supervivencia celular y proporciona una ventaja de supervivencia a diversos tipos de células del cáncer [28]. ECM también puede regular la proliferación celular, la diferenciación, la muerte y la carcinogénesis [29]. A medida que los vínculos estructurales entre ECM y citoesqueleto de actina, adhesiones focales sirve como sitios para la transducción de señales desde el ECM al compartimiento intracelular [30]. Nuestros datos actuales muestran que los cinco genes (
COL1A1
,
COL1A2
,
COL5A2
,
COL11A1
, y
SPP1
) co-regulados por tanto TFS y miRNAs participó en la interacción de los receptores de ECM y las vías de adhesión focal. estudio anterior mostró sobreexpresión de
SPP1 gratis (secretada fosfoproteína 1) en los cánceres gástricos y su asociación con la progresión del cáncer [31]. Los genes
COL1A1
,
COL1A2
,
COL5A2
, y
COL11A1
pertenecen a la familia de proteínas de colágeno, componentes estructurales importantes de ECM. Sobre regulación de colágenos es crucial para promover el crecimiento del tumor como el colágeno catabolizada por metaloproteinasas de la matriz (MMPs) revela los sitios de unión ocultos que promueven la angiogénesis y más tumor invasión. Un estudio previo mostró que la expresión de COL1A1 y COL1A2 fue elevado en las células del endotelio colorrectales malignas [32], lo que sugiere que estas dos proteínas desempeñan un papel en la angiogénesis y la formación de desmoplasia durante el desarrollo del cáncer de colon [33]. Por otra parte, la expresión de
COL5A2
y
COL11A1
se asoció con la carcinogénesis colorrectal [34] muestra que
COL5A2
fue co-expresada con
Hoteles en COL11A1 colorrectal muestras de tumores, pero no en los epitelios colon normal; Sin embargo, aún se desconoce la cual miARN (s) a regular su expresión en el cáncer gástrico. La profundidad de la invasión del cáncer es un factor importante en la predicción de la supervivencia y la planificación del tratamiento. El colágeno es uno de los componentes importantes en el microambiente tumoral, los resultados experimentales de hibridación sustractiva y microarrays indicaron una variedad de genes de colágeno que se expresan anormalmente en los tejidos tumorales, tales como COL1A1 que codifica colágeno tipo 1 [35].
COL1A1
se ha identificado a asociar con la invasión y la metástasis del cáncer gástrico [33]. Nuestros datos actuales confirman que la expresión de COL1A1 fue significativamente elevado en los tejidos de cáncer gástrico y se asocia con la progresión del tumor. Por otra parte, nuestro estudio también mostró que la expresión de la proteína NCAM1 se asoció negativamente con la invasión del cáncer gástrico. NCAM es una proteína de membrana multifuncional implicada en la diferenciación celular, la migración, el crecimiento de la sinapsis neuronal, y los patrones especiales de las conexiones sinápticas. Un estudio informó de que la expresión NCAM1 se asoció con el crecimiento invasivo de glioma [36]. Después de la inoculación de las células estrelladas de glioma transfectadas en el cerebro de ratas, Edvardsen
et al
., Informó de que la invasividad de las células tumorales reduce, lo que indica que el nivel de expresión NCAM1 estaba asociada negativamente con la invasividad del tumor [37]. Aunque la pérdida de expresión NCAM1 en el cáncer gástrico no se ha informado antes, nuestros datos actuales sobre la asociación inversa con la invasión del cáncer gástrico es consistente con estudios previos de los gliomas [37]. Se requieren estudios adicionales para confirmar el estado de la expresión de COL1A1 y proteínas NCAM1 como potenciales biomarcadores para el diagnóstico precoz y la predicción de la progresión del cáncer gástrico.
La construcción de la red de co-regulación TF-miARN es una herramienta útil en la identificación reguladores de críticos y sus genes diana en los cánceres humanos. Sin embargo, nuestro estudio actual es sólo un esfuerzo de prueba de principio y futuros estudios con un mayor número de pacientes son necesarios para confirmar los hallazgos actuales. Se debe ir seguida de estudios sobre el mecanismo para favorecer la comprensión sobre el papel de las moléculas clave y vías genéticas en el cáncer gástrico.
Apoyo a la Información sobre Table S1. Resumen de las interacciones de regulación de la red TF-gen
doi:. 10.1371 /journal.pone.0122882.s001 gratis (XLSX)
Tabla S2. Características de los pacientes (25 pares de cáncer gástrico y los tejidos normales adyacentes para el microarray miRNA (n = 5) y transferencia Western (n = 20) y análisis RT-qPCR (n = 20) de análisis)
doi:. 10.1371 /revista .pone.0122882.s002 gratis (DOC) sobre Table S3. . Resumen de 93 miRNAs expresados diferencialmente en los tejidos de cáncer gástrico en comparación con los tejidos normales distantes
los niveles de expresión génica en tejidos de cáncer gástrico en comparación con los tejidos normales eran distantes al menos 2 veces diferente con un valor de p. & Lt; 0,05
doi: 10.1371 /journal.pone.0122882.s003 gratis (XLS) sobre Table S4. . Las interacciones de los miRNAs y sus genes regulados en red de regulación TF-gen MyBestPlay Todos regulación se deriva de la base de datos elemento regulador transcripcional (TRED)
doi:. 10.1371 /journal.pone.0122882.s004 gratis (XLSX )
Reconocimientos
Este trabajo fue apoyado en parte por subvenciones de la Fundación Nacional de Ciencias Naturales de China (# 81320108025 y#81472662), la Fundación Nacional de Ciencias Naturales de China (# 81271897 y#81401712) , Jilin clave Laboratorio de Materiales Biomédicos, Fundación de la provincia de Jilin Ciencia y Tecnología Departamento (# 20130522013JH y#20140414048GH), y el Programa de Bethune Norman, de la Universidad de Jilin (# 2012219). Agradecemos también al Medjaden Bioscience Limited (Hong Kong, China) para la edición y corrección de este manuscrito.