Extracto
cáncer de ovario
epitelial (EOC) es la neoplasia ginecológica más común. Para identificar los ácidos micro-ribonucleico (miRNAs) perfil de expresión en tejidos de EOC que pueden servir como un biomarcador de diagnóstico novedoso para la detección de EOC, la expresión de 1722 miRNAs de 15 muestras normales de tejido de ovario y 48 muestras de cáncer de ovario fue perfilada mediante el uso de un verdadero cuantitativa reacción en cadena de la polimerasa-tiempo (QRT-PCR). A diez microARN firma (HSA-mir-1271-5p, hsa-miR-574-3p, hsa-miR-182-5p, hsa-miR-183-5p, hsa-miR-96-5p, hsa-miR 15b-5p, hsa-miR-182-3p, hsa-miR-141-5p, hsa-miR-130b-5p, y hsa-miR-135b-3p) se identificó a ser capaz de distinguir los tejidos de cáncer de ovario humano de la normalidad Los tejidos con sensibilidad 97% y 92% de especificidad. Dos grupos de miARN miR183-96-183 (miR-96-5p, y miR-182, miR183) y miR200 (miR-141-5p, miR200a, B, C y miR429) son significativamente reguladas en muestras de tejido de cáncer de ovario en comparación con los de las muestras de tejido normal, lo que sugiere tesis miRNAs pueden estar involucrados en el desarrollo del cáncer de ovario
Visto:. Wang L, Zhu MJ, Ren AM, Wu HF, Han WM, Tan RY, et al. (2014) una firma de diez MicroARN identificados a partir de perfiles de expresión de microARN de un genoma completo en el cáncer epitelial de ovario humano. PLoS ONE 9 (5): e96472. doi: 10.1371 /journal.pone.0096472
Editor: Liang Hu-Qu, Universidad de Sun Yat-sen, China
Recibido: 2 de noviembre de 2013; Aceptado: 8 Abril 2014; Publicado: 9 Mayo 2014
Derechos de Autor © 2014 Wang 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:. Los autores no tienen el apoyo o la financiación para reportar
Conflicto de intereses:. Miao-Jun Zhu, Hong-Fei Wu, Wu-Mei Han, y Ruo-Ying Tan son empleados actuales de Biovue. Ninguno de los autores tiene ningún interés económico. Todos los datos y materiales de este estudio están abiertas para acceder. Esto no altera la adhesión de los autores a PLoS ONE políticas sobre el intercambio de datos y materiales.
Introducción
El cáncer de ovario (CO), uno de los tres tumores malignos ginecológicos, es el séptimo cáncer más común entre las mujeres en todo el mundo [1]. La herencia de los genes de susceptibilidad al cáncer de alta penetrancia como el BRCA1 o BRCA2 mutado y /o mutaciones Lynch asociada al síndrome plantean un mayor riesgo de desarrollar OC [2]. Cáncer ovárico epitelial (EOC) representa aproximadamente el 80-90% de los anticonceptivos orales [3]. EOC es la neoplasia ginecológica más letal en los países occidentales [4]. En los Estados Unidos de América (EE.UU.), EOC causó casi 15.500 muertes en 2012 [5]. Hay sólo unos pocos biomarcadores y terapias eficaces para EOC [6] - [8], y la detección precoz del COE sigue siendo un desafío para los oncólogos. La tasa de supervivencia a 5 años de más del 70% de los pacientes en estadio avanzado de EOC es sólo el 35% [5]. Ningún método de detección eficaz para detectar OC-fase temprana, con una alta especificidad y sensibilidad está disponible actualmente, y el antígeno de cáncer-125 junto con la ecografía transvaginal puede detectar solamente el 30-45% de los pacientes con enfermedad en estadio temprano [9]. Aunque ácido desoxirribonucleico (ADN) biomarcadores de metilación juegan un papel prometedor en la detección de EOC, todavía hay una gran necesidad de identificar biomarcadores potenciales con una alta especificidad y sensibilidad. Las técnicas de análisis también deben ser estandarizados con el fin de mejorar la detección, optimizar el tratamiento, y lograr resultados en los pacientes deseables [10].
El papel de los ácidos micro-ribonucleico (miRNAs) en OC ha ganado recientemente la atención, ya que ofrecen nuevas estrategias para la prevención, detección temprana, el diagnóstico y el tratamiento. Juegan un papel importante en los procesos esenciales, tales como la diferenciación celular, el crecimiento y la apoptosis [11], [12]. La expresión aberrante o mutación de miRNAs en los cánceres indican su potencial para actuar como una nueva clase de oncogenes o genes supresores de tumores con base en sus objetivos [13]. Desde miRNAs podrían ser aislados y detectados a partir de tejido y muestras de sangre, miRNAs derivados de la sangre periférica se utilizaron como nuevos biomarcadores de circulación para OC [14]. En mayoría de estudios publicados, la expresión de los genes miARN fue perfilada por miARN microarrays y confirmado por la reacción en cadena de la polimerasa cuantitativa (qPCR).
El presente estudio realizó un genoma en todo el tejido miARN perfiles de expresión mediante la reacción de PCR cuantitativa en tiempo real. Se encontró un perfil de 10 miRNAs de tejido, que puede servir como un biomarcador para el COE y contribuir a una mejor comprensión del mecanismo de la génesis de tumores de ovario y el desarrollo.
Materiales y Métodos
Colección de OC muestras de tejido
normal muestras de tejidos epiteliales de ovario (N muestras) (n = 15) y epiteliales de ovario muestras de tejidos malignos (muestras C) (n = 48) fueron recogidos en el hospital Zhongshan de la Universidad de Fudan, Shanghai, china. Los 48 malignos epiteliales de ovario muestras de tejido (muestras C) incluyeron 41 muestras de carcinoma de ovario epiteliales (muestras CE) y 7 muestras de cáncer de ovario borderline epiteliales de tejido (muestras CB). Las 48 malignos epiteliales muestras de tejido de ovario eran de diferentes tipos de células: 29 seroso, 6 epitelial mixto, 6 endometrioide, 1 adenocarcinoma (especificado no de otra manera), 4 células claras, y 2 carcinomas mucinosos. Todas las muestras de tejidos se congelaron inmediatamente en nitrógeno líquido después de haber sido retirado del cuerpo y se almacena a -80 ° C para almacenamiento a largo plazo. consentimientos informados escritos se obtuvieron de todos los temas, y el protocolo de estudio fue aprobado por el Comité de Ética del Hospital Zhongshan. Los datos demográficos y las características clínicas de los pacientes y los controles normales se enumeran en la Tabla 1.
aislamiento miARN
El ARN total se aisló de & lt; 50 mg de tejido congelado con miRNeasy Mini Kit (
Qiagen, EE.UU.
) según las instrucciones del fabricante. La calidad del ARN aislado se detectó por electroforesis en gel de agarosa, y la cantidad se analizó por un método espectrofotométrico ultravioleta usando Biomate3 (
Thermo Scientific, EE.UU.
). Los ARN totales con bandas nítidas de ARNr 18S y 28S rRNA se consideran no degradado y se utilizan para miARN perfiles.
La adición de colas de poli (A) y la transcripción
El ARN total purificado inversa ( incluidos los pequeños ARN) se diluyó a 125 ng /l con tampón de almacenamiento de ARN 0,1x (Ambion, EE.UU.) que contiene 0,1% de Tween-20 (
Sigma
). miRNAs se han añadido una cola de poli (A) e inversa Transcripted en ADNc usando el kit Sharpvue miARN primera cadena (
Biovue, Shanghai, China
) según las instrucciones en el kit. La concentración de ARN total en la reacción de adición de colas de poli (A) y la transcripción reversa es de 50 ng /l.
-PCR en tiempo real
El miARN ADNc sintetizado se mezcla con Sharpvue 2x universal qPCR Master Mix (
Biovue, Shanghai, china
) y agua libre de nucleasa. La v1.0 384 pocillos Sharpvue humano miARN Primer Matriz-A-E (
Biovue, Shanghai, China
) se utilizó, y la PCR en tiempo real se realizó según las instrucciones en el Kit Sharpvue miARN qPCR. Cada muestra fue detectado por 1757 cebadores miARN incluyendo 35 controles en cinco placas de 384 pocillos. Cada placa contiene tres controles endógenos (HSA-7SL-scARN, HSA-RNU6B y HSA-RNU48) por duplicado y un control sin molde. miRNAs niveles de expresión se cuantificaron utilizando ABI 7900HT Fast sistema de PCR en tiempo real (
Applied Biosystems, EE.UU.)
. La reacción de PCR en tiempo real se incubó a 95 ° C durante 2 minutos, seguido de 3 ciclos de 96 ° C durante 5 segundos y 60 ° C durante 1 minuto, 37 ciclos de 96 ° C durante 5 segundos y 60 ° C durante 30 segundo, y el funcionamiento de fusión curva en el extremo. EVA-colorante verde y colorante Rox se utilizaron como reportero y de referencia, respectivamente. Los detalles de la detección de los genes miARN se muestran en la Figura S1 S1 en el archivo.
El análisis estadístico
El análisis de datos se realizó mediante R y Bioconductor paquetes. De los 1722 ensayos de miARN y 2 ensayos de control endógenos (hsa-RNU6B y hsa-RNU48), 1696 miRNAs tenían valor Ct por debajo de Ct = 32 (umbral de detección) entre al menos 10% de las detectadas 63 muestras. Los 28 ensayos restantes se eliminaron del análisis adicional. Con el fin de eliminar las diferencias en la entrada de ARN de la muestra, se utilizó el método de cuantiles-Median para procesar las mediciones Ct primas [15]. Las muestras que mostraron diferencias significativas en los perfiles (diferencia media absoluta, Bioconductor paquete "arrayQualityMetrics") fueron considerados como valores atípicos y fueron retirados de análisis de aguas abajo. Este procedimiento elimina tres tejidos OC (dos muestras de tejidos epiteliales y carcinoma una muestra de tejido borderline cáncer epitelial de ovario) y una muestra de tejido de ovario epitelial normal.
análisis de expresión diferencial se realizó sobre las 59 muestras restantes utilizando la prueba t ( R paquete "limma"). miRNAs que producen tasa de falso descubrimiento (FDR) -adjusted p-valores por debajo de 0,1 y doble cambio por encima del 2 fueron llamados expresados diferencialmente.
Con el fin de desarrollar un algoritmo de predicción para el diagnóstico OC de una población de muestras que contiene 39 epitelial de ovario tejidos de carcinoma junto con 6 tejidos epiteliales de cáncer de ovario borderline y 14 tejidos ováricos epiteliales normales, tres métodos de clasificación se probaron: máquinas de vectores soporte (SVM, paquete Bioconductor "e1071"), K-vecinos más cercanos (paquete Bioconductor "clase"), y en diagonal El análisis discriminante lineal (Bioconductor paquete "sfsmisc"). El rendimiento de los algoritmos se evaluó inicialmente mediante procedimiento de validación cruzada de dejar uno de salida para un número diferente de marcadores de predicción. Para cada conjunto de muestras de entrenamiento, miRNAs fueron clasificados en función de su prueba t p-valor generado al comparar los tejidos de cáncer contra los tejidos normales. La parte superior miRNAs n (donde n se permite un rango de entre 2 y 50) se utilizaron para construir un modelo de predicción basado en la información de muestras de entrenamiento y se aplicó a la muestra de ensayo restante. la clase de predicción y la probabilidad se registraron para cada algoritmo de muestra y clasificación. La estabilidad de las listas de predicción de genes miARN utilizados con muestras de entrenamiento se evaluó por el porcentaje de solapamiento de la parte superior n miRNAs de estas listas. Debido al número limitado de muestras disponibles para este estudio, el miARN común de estas listas fueron elegidos como la lista final de los predictores (marcadores seleccionados). Se determinaron diferencias significativas mediante la prueba t de Student y consideraron significativas si el valor de P & lt; 0,05. En el análisis, la sensibilidad se define como el porcentaje de cáncer de los tejidos que están correctamente identificados como que tiene esta condición, mientras que la especificidad se define como el porcentaje de los tejidos normales que están correctamente identificados como normal.
Resultados
hallazgos clínicos y patológicos
las características clínicas de los 45 pacientes con OC y 14 controles normales utilizados en nuestro estudio se resumen en la Tabla 1. las edades de los pacientes con OC osciló entre 20 y 81 años (mediana, 57 años), mientras que los controles normales oscilaron entre 21 y 75 años (mediana, 56). Todas estas muestras fueron diagnosticados por patología y tenía descripción macroscópica. Por el 2012 de tejido blando OC Orientación del National Comprehensive Cancer Network, los diferentes grados de diferenciación tumoral de pacientes en este estudio incluyen las siguientes: 8 casos con grado I (16,7%), 11 casos con grado II (23%), 18 casos con grado III (37,5%), y 11 casos con indeterminada (23%); y las etapas tumorales fueron 14 casos con estadio I (29,2%), 5 casos con estadio II (10,4%), 27 casos con estadio III (56,3%), y 2 casos con cáncer en etapa IV (4,2%).
miARN expresión comparación
con el fin de eliminar las diferencias en los insumos de ARN utilizados para perfilar las 63 muestras de tejido ovárico en este estudio, se utilizó el método de cuantiles-la mediana [16] para procesar las mediciones crudo Ct. En general, se analizaron los datos de 59 muestras de tejido ovárico para la expresión de los genes miARN.
Para investigar la capacidad de identificar una expresión de la firma miARN OC de muestras de tejidos, miARN perfiles de expresión de 59 muestras de ARN de tejido ovárico recogidos de 39 muestras de tejido epitelial, cáncer de muestras de tejido de cáncer de ovario borderline 6 epiteliales, y 14 muestras de tejidos normales epiteliales de ovario se analizaron mediante los ensayos de 1696 miARN detectados (Ct & lt; 32) en al menos 10% de las muestras en este estudio. Las 45 tejidos OC fueron comparados con los 14 tejidos ováricos normales usando la prueba t. Se han encontrado 305 miRNAs tener valor-p-FDR ajustado por debajo de 0,1 y doble cambio por encima de 2. Un resumen de estos resultados se presentan en la Figura 1. miRNAs expresados diferencialmente abarcaron una amplia gama de valores de Ct y doblar cambios.
a) La trama de ensayos miARN utilizados para perfilar muestras comparadas: cambio veces (eje y) contra CT mediciones normalizadas. B) volcán parcela de los p-valores resultantes de la prueba t (eje y) entre los grupos C y N. 305 miRNAs muestran los valores de p ajustados-FDR y por debajo de 0,1 veces el cambio por encima de 2 (en rojo). C) La agrupación jerárquica (pvclust paquete R) de los 45 tejidos de cáncer de ovario y 14 tejidos normales ovario a partir de las 50 mejores ensayos miARN más variables. Para cada grupo en la agrupación jerárquica, cantidades llaman
p-valores
(aproximadamente imparcial
p-valor
(rojo) y Bootstrap probabilidad p-valor (verde)) se calculan a través de arranque de escala múltiple remuestreo.
P-valor
de un cluster es un valor entre 0 y 1, que indica la potencia de la agrupación es apoyada por los datos. D) 17% de la variación observada en las mediciones de Ct de los 50 ensayos de miARN más variables en todas las muestras se puede explicar por el estado de la patología de la muestra (C o N). El resto de covariables consideradas aquí (fuente = fuente del hospital, la supervivencia, la histología del tumor, estadio FIGO, el grado del tumor, la recaída, y la etapa) explican el 24% de la varianza.
Comparación de los genes miARN expresión entre los diferentes tipos EOC de muestras de tejido
la expresión de miRNA de las 59 muestras de tejido que se compararon incluyó 45 muestras que componen el grupo C [incluyendo 39 muestras de tejido de cáncer de ovario epitelial (grupo CE) y muestras de tejido limítrofe cáncer de ovario epitelial 6 (CB grupo)] y 14 epiteliales normales de muestras de tejido de ovario (grupo N).
La agrupación jerárquica de los miRNAs se muestra por los valores p ajustados-FDR y por debajo de 0,1 veces el cambio por encima de 2 (punto rojo). Las comparaciones de 335 miRNAs expresados diferencialmente en los grupos de CE y N se muestran en la Figura S2 S1 en el archivo. En contraste, no se observaron miRNAs candidatos cuando el grupo CB se comparó con el grupo N (Figura S3 en el archivo S1) y cuando el grupo CE se comparó con el grupo CB (Figura S4 en el archivo S1). El reducido número de tejidos de cáncer límite disponible para este estudio podría limitar el poder en la detección de cambios significativos y explicar la falta de cambios observados en estas comparaciones.
selección de biomarcadores
La exactitud de los tres métodos probados para diferente número de marcadores de predicción que oscilan entre 2 y 50 se muestra en la Figura 2. Predicción precisión fue relativamente similar entre los métodos utilizados, y un mejor rendimiento para los modelos de clasificación se basa en el reducido número de marcadores de genes miARN (Figura 2A). Estabilidad (eje y) medida como porcentaje de superposición entre las listas de marcadores de genes miARN utilizados para la clasificación (59 en este análisis, una para cada muestra utilizada para la prueba) se presenta en la Figura 2B como una función del número de marcadores utilizado (eje x ). Como era de esperar, la superposición entre las listas seleccionadas de predictores miARN aumentó a aproximadamente el 90% cuando la predicción se basa en 11 o más marcadores, lo que sugiere un efecto reducido en el paso marcador de selección a partir de muestras individuales.
Produjo
A) Tasa de error por diferentes algoritmos de clasificación en función del número de marcadores de predicción utilizados. licencia de un procedimiento de salida de validación cruzada se utilizó para estimar las tasas de error resultante. B) Porcentaje de superposición de predictor miARN elegido entre los diferentes conjuntos de entrenamiento de las muestras utilizadas. C) Dejar fuera de una validación cruzada resultados: cada probabilidad clase de muestra (eje y) se calcula sobre la base de SVM modelo aprendido de todas las otras muestras. Los tejidos de cáncer (negro, rojo normales) están representados por la probabilidad de clasificación de ser cáncer. D) curva ROC basado en los resultados de la validación cruzada de dejar uno-a cabo utilizando el método SVM.
detección de miRNA y pruebas entre el cáncer de ovario y grupos normales
Los 10 miRNAs comunes en toda la listas de marcadores utilizados para las predicciones basadas en 11 miRNAs fueron seleccionados como lista definitiva de biomarcadores para el diagnóstico OC. Algunas características de estos miRNAs, incluyendo factor de cambio entre el cáncer y tejidos normales, junto con los valores de p de la prueba t y p-valores ajustados-FDR, se presentan en la Tabla 2. Los 10 miRNAs incluyen miR-1271-5p y miR-574 -3P, que tenía la expresión significativamente menor (valores de p se presentan en la Tabla 2) niveles en el (grupo C) grupo de cáncer de ovario que en el grupo normal. Por el contrario, otros miRNAs como miR-182-5p, miR-183-5p, miR-96-5p, miR-15b-5p, miR-182-3p, miR-141-5p, miR-130b-5p, y miR-135b-3p tenía un nivel de expresión significativamente mayor en el grupo de ovario muestra de tejido de cáncer (grupo C) que en el grupo normal (valores de p se presentan en la Tabla 2).
la clasificación de rendimiento de la 10 miRNAs seleccionado para el algoritmo SVM después de que el uso de la licencia-un-out procedimiento de validación cruzada se presenta en la Figura 3. Desde la lista de miARN elegido utilizar todas las muestras, el rendimiento que aquí se presenta puede ser una sobreestimación de la verdadera. Esto se reflejó en la mejora de la precisión de la predicción de rendimiento cuando paso de selección marcador era independiente en el conjunto de pruebas de las muestras (Figura 3). La precisión observada fue del 86%, mientras que la precisión observada para los marcadores seleccionados fue del 96%. La sensibilidad en la detección de OC basado en marcadores seleccionados fue del 97%, mientras que la especificidad fue del 92%, con un área bajo la curva (AUC) del receptor resultante de funcionamiento característico (ROC) de 0,978. No se observaron diferencias significativas en los principales factores clínicos recogidos de las muestras analizadas en este estudio (Figura 3D)
A) las probabilidades de predicción (cáncer de ovario) para cada muestra utilizada en este estudio (C = Cáncer;. N = Normal). B) curva ROC. C) Error de Predicción a través de diferentes grupos de tejidos: tejido normal (N), carcinomas epiteliales de tejidos (CE) y los tejidos borderline (CB). D) error de predicción dentro de los grupos de grado tumoral [Aumento de error en las muestras de grado más bajo (pero no significativo)].
Discusión
Con el fin de encontrar los perfiles específicos de miRNAs derivadas de tejido de EOC, un estudio comparativo se llevó a cabo utilizando una plataforma de array QRT-PCR entre 45 muestras epiteliales las células del tejido de pacientes con EOC y 14 células epiteliales muestras de tejido normal de los controles sanos. El estudio reveló que el 10 desregulada miARN firma entre las que hsa-miR-1271-5p y hsa-miR-574-3p se redujeron reguladas; y hsa-miR-182-5p, hsa-miR-183-5p, hsa-miR-96-5p, hsa-miR-182-3p, hsa-miR-141-5p, hsa-miR-15b-5p, HSA -miR-130b-5p, y hsa-miR-135b-3p se sobreexpresa en los tejidos de cáncer de ovario. Estos hallazgos podrían distinguir con eficacia los tejidos OC de los tejidos normales de ovario, lo que implica la presencia de miRNAs específicos en EOC. La firma 10-miARN identificado en el estudio puede contribuir a una mejor comprensión del mecanismo de la tumorigénesis EOC y desarrollo y también ayudar en el diagnóstico de EOC
sistema de expresión de miRNA utilizado en el estudio poseía las siguientes ventajas significativas.: (1) la mayor colección de ensayos validados (1722 miRNAs humanos en miRBase v 20.0), (2) una de la zona de detección más grande (hasta 6 órdenes de magnitud), (3) la detección más sensible (abajo a una sola copia número), (4) la más alta especificidad (& lt; 3% de reactividad cruzada entre los 8 miembros de la familia let-7). Tres diferentes métodos de clasificación se utilizan con un procedimiento de validación cruzada de dejar uno de salida para minimizar los errores. A lo mejor de nuestro conocimiento, este es el mayor escala de miRNAs (1722) estudio del perfil de expresión llevó a cabo usando QRT-PCR hasta ahora.
Hemos analizado la descomposición de la varianza de las muestras de cáncer y el tejido normal y mostró el resultado en la figura 1D. Hemos reconocido que no existe una correlación con la fuente de hospital, la supervivencia, la histología del tumor, el estadio de la enfermedad, el grado del tumor e incluso la recaída, excepto las muestras (muestras de tejido normal en comparación con muestras de tejidos malignos). Más importante aún, los 10 miRNAs discriminadas el grupo EOC de grupo normal con alta sensibilidad y especificidad, lo que sugiere su valor potencial para la detección temprana de OC. Indicaron que la clasificación del grupo C del grupo N se podría esperar que tenga sensibilidad de 97% y 92% de especificidad.
La firma 10-miARN identificado en el estudio mostraron una diferenciación importante entre el COE de los controles normales. Entre estos miRNAs, miR-96, miR-182 y miR-183 se agrupan en un locus del cromosoma 7 [17] y miR-141-5p pertenece a la familia de miR-200, que se agrupan en los cromosomas 12. No simplemente miR-141, que, además, que otros miembros (200a /b /c) de la familia miR200 también se sobreexpresa en EOC en comparación con la normal (Tabla 3). Tanto los dos grupos de genes miARN son bien conocidas agrupaciones miARN oncogénicos que se ha informado ampliamente para incluir en la génesis tumoral en muchos tipos de tumores [18] - [20]. Los miembros de la familia miR-200 se reportaron para apuntar ZEB1 y ZEB2, ZEB factores de transcripción son represores cruciales de la señalización de BMP, y Peart et al informaron de que la señalización de BMP controla el potencial maligno de la ascitis derivados epiteliales esferoides de cáncer de ovario humano a través de AKT quinasa de activación [ ,,,0],21]. Se informó de los miembros (miR200b y miR429) de la familia miR200 que se asociaron significativamente con la recidiva del cáncer de ovario y la supervivencia global [18]. Por clúster miR183-96-182, Xu informó que sobreexpresa el miR-182 y miR-96 focalización caja de cabeza tenedor O3 juega un papel importante en el efecto pro-proliferación de la leptina en las células de cáncer de ovario [22]. miR-182 se informó de que regula directa y negativamente un importante supresor de tumores, la muerte celular programada 4 (PDCD4) en OC [23]. miR-183 se confirma que tiene efectos reguladores negativos sobre la expresión Tiam1, lo que contribuye a la invasiva, migratorio, y las propiedades de viabilidad de células OC [24]. Un estudio reciente de la secuenciación de pequeños ARN de p21 isogénica + /+ y p21 - /- las células demostró que los varios grupos de genes miARN, MIR-200b-200a-429, miR-200c-141 y miR-183-96-182 se redujeron regulado p21 en las células deficientes, si la adición de antagonizar miRNAs racimo miR-200 y miR-183-96-182 p21 en las células + /+, aumentó la invasión y eleva los niveles de
VIM
,
ZEB1
y
SLUG
ARNm, que son objetivos comunes de miR-183 y miR-96. El estudio encontró además que las formas de p21 de un complejo con ZEB1 en el promotor de clúster miR-183-96-182 para inhibir la represión transcripcional de este cluster por ZEB1 lo que sugiere un bucle de retroalimentación recíproca [25]. Algunos estudios han encontrado que los miembros de la familia miR-200 fueron reguladas en la línea celular de cáncer epitelial de ovario seroso, así como en el suero de pacientes con cáncer epitelial de ovario seroso [26], [27].
estos resultados sugieren que los racimos de la miR-183-96-182 y miR200 juegan un papel muy importante en EOC y se pueden usar como posibles biomarcadores de diagnóstico para la detección de EOC, así como tener un potencial terapéutico para la supresión de la proliferación de cáncer de ovario y la invasión .
El modelo SVM se utilizó adicionalmente con perfiles de datos generados a partir de muestras de células epiteliales como datos de entrenamiento para probar muestras de tejido borderline cáncer epitelial de ovario. Seis de los 7 muestras OC fueron predichas como OC, lo que indica que la firma identificado también podría ser útil para detectar OC de muestras de tejido borderline (datos no mostrados). Sin embargo, esto puede necesitar un mayor tamaño de muestra para su confirmación. Sin embargo, no hay miRNAs significativos podrían separar CB del grupo N, o CB del grupo de la CE. Esto podría atribuirse a la potencia reducida en la detección de diferencias entre 39 muestras de cáncer de ovario epiteliales (CE) y 6 muestras de cáncer de ovario epiteliales límite de tejido (CB). Se necesitan más estudios con mayor número de pacientes para confirmar esta explicación.
Algunas diferencias importantes en los miRNAs también se observaron para una separación de muestras epiteliales de cáncer de ovario (sin las muestras de tejido borderline cáncer de ovario epitelial) a partir de muestras normales. Los siete miRNAs disregulados incluyendo hsa-miR-182-5p, hsa-miR-183-5p, hsa-miR-96-5p, hsa-miR-1271-5p, hsa-miR-182-3p, hsa-miR-1468 -5p, y hsa-miR-135b-3p (Tabla S1 en el archivo S1) fueron confirmados por el ABC de la curva ROC (AUC = 0,965) con un 97% de sensibilidad y especificidad del 85% (Figura S5 en archivo S1). 6 de estos 7 miRNAs (HSA-mir-182-5p, hsa-miR-183-5p, hsa-miR-96-5p, hsa-miR-1271-5p, hsa-miR-182-3p y HSA miR-135b-3p) se encuentran en la firma 10-miRNAs. Los 10 perfiles de miARN únicas distinguen muestras de tejido tumoral de ovario epiteliales incluyendo muestras de tejido de cáncer de ovario epiteliales y epiteliales de ovario cáncer ligado muestras de tejido línea de muestras de tejidos ováricos epiteliales normales con una sensibilidad del 97% y 92% de especificidad. El perfil de expresión de los genes miARN 7 firma también fue capaz de clasificar las muestras de tejido de cáncer de ovario epitelial de ovario y tejidos epiteliales normales. Estos hallazgos pueden proporcionar una base para futuros estudios sobre el valor clínico de miRNAs tumorales en la predicción de la eficacia terapéutica, manteniendo la vigilancia, y la previsión de pronóstico y ayudar a una mejor comprensión del mecanismo de la génesis de tumores de ovario epitelial y el desarrollo.
Apoyo a la Información
archivo S1.
Imágenes de apoyo de información. Figura S1, Vista general del diseño experimental. Figura S2, la comparación entre el (grupo CE) tejido epitelial de ovario carcinomas y el tejido normal (grupo N). A) MA parcela de ensayos usados para perfilar muestras comparadas. parcela B) Volcán de los p-valores resultantes de la prueba t entre los grupos N y CE. 335 miRNAs muestra los valores de p ajustados (FDR) por debajo de 0,1 y por encima de los factores de cambio 2 (en rojo). C) La agrupación jerárquica de los grupos N CE y sobre la base de los 50 mejores ensayos miARN más variables. Figura S3, la comparación entre el tejido (grupo CB) borderline de ovario y el tejido normal (grupo N). A) MA parcela de ensayos usados para perfilar muestras comparadas. parcela B) Volcán de los p-valores resultantes de la prueba t entre el OC y los grupos N. Sin miARN muestra los valores de p ajustados (FDR) por debajo de 0.1 y los factores de cambio por encima de 2 (en rojo). C) La agrupación jerárquica de grupo CB y N sobre la base de los 50 mejores ensayos miARN más variables. Figura S4, Comparación entre el tejido epitelial de ovario carcinomas (grupo CE) y el tejido de ovario borderline (grupo CB). A) MA parcela de ensayos usados para perfilar muestras comparadas. parcela B) Volcán de los p-valores resultantes de la prueba t entre grupos CE y CB. No hay valores de p miRNAs programas ajustados (FDR) por debajo de 0,1 y los factores de cambio por encima de 2 (en rojo). C) La agrupación jerárquica de grupos de CE y CB basado en los 50 mejores ensayos miARN más variables. Figura S5, Siete seleccionados miRNAs que comparan grupo de CE con el grupo normal. A) la probabilidad de predicción de SVM, 53 muestras con un error = 3 (0,06 & gt; 0,05). B) El área bajo la curva (AUC = 0,965) estimación para el panel de microARN en el grupo de CE desde el grupo normal
doi:. 10.1371 /journal.pone.0096472.s001 gratis (DOC)