Krooninen sairaus

tiivistelmä

Background

Satoja geenien kanssa ero DNA: n metylaatio promoottorien on tunnistettu erilaisiin syöpiin. Kuitenkin toistettavuus ero DNA: n metylaatio löytöjä syövän ja suhde DNA: n metylaation ja poikkeavasta geeniekspressiota ei selvitetty systemaattisesti.

Menetelmät /Principal Havainnot

Käyttämällä array tiedot seitsemän eri syövät, ensin arvioida vaikutuksia kokeellisen erissä ero DNA: n metylaatio havaitsemiseen. Toiseksi, meidän verrattuna suunnat DNA: n metylaation havaitut muutokset eri aineistojen saman syöpä. Kolmanneksi, arvioimme välistä yhdenmukaisuutta metylaatio ja geenien ilmentymisen muutoksia. Lopuksi vertasimme DNA metylaatiomuutokset eri syöpiä. Tietyn syövän, suunnat metylaation ja ilmaisun muutoksia havaitaan eri aineistoja ei sisälly mahdollisia erä vaikutukset olivat erittäin tasainen. Eri syöpiä, DNA hypermetylaation oli hyvin korreloi käänteisesti alas-geeniekspression säätelyssä, kun taas hypometylaatio oli vain heikosti korreloi ylössäätöä geenien. Lopulta huomasimme, että geenit yleisesti hypometyloidut eri syövissä suorittaa ensisijaisesti liittyviä toimintoja krooninen tulehdus, kuten ”keratinisaatio- ’,’ kemotaksista” ja ”immuunivasteen”.

Johtopäätökset

Erä vaikutuksia voitaisiin vaikuttaa suuresti löytö DNA: n metylaation biomarkkereita. Tietylle syöpä, sekä ero DNA metylaatio ja geenien ilmentyminen voidaan toistettavasti havaita eri tutkimuksista ilman erän vaikutuksia. Vaikka DNA hypermetylaation merkittävästi liittyy geenin alassäätöä, hypometylaatio vain heikosti korreloi geenin ylössäätöä ja todennäköisesti liittyy krooninen tulehdus.

Citation: Yao C, Li H, Shen X, hän Z, hän L, Guo Z (2012) uusittavuus ja Concordance Differentiaalitietojen DNA metylointi ja Gene Expression in Cancer. PLoS ONE 7 (1): e29686. doi: 10,1371 /journal.pone.0029686

Editor: Abdelilah Aboussekhra, King Faisal Specialist Hospital Research Center, Saudi-Arabia

vastaanotettu: 22 elokuu 2011; Hyväksytty: 01 joulukuu 2011; Julkaistu: 03 tammikuu 2012

Copyright: © 2012 Yao et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoitus: Tämä työ tukivat National Natural Science Foundation of China (myöntää nro: 30370388, 81071646, 91029717, URL: https://www.nsfc.gov.cn/Portal0/default152.htm), Erinomainen Youth Foundation Heilongjiangin maakunnassa (myöntää Ei . JC200808, URL: https://jj.hljkj.cn/qn/) ja Natural Science Foundation of Heilongjiangin maakunnassa Kiinassa (avustus: QC2010012, URL: https://jj.hljkj.cn/zr/). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

metylointi paneelit on käytetty tunnistamaan satoja geenejä ero DNA: n metylaatio niiden promoottorien erilaisten syöpien [1], [2], [3], [4], jäljempänä DM geenejä tarjoaa oivalluksia syövän biologian ja hyödyllisiä biomarkkereita ennustamiseen syövän tuloksia ja huumeiden tavoitteet [5]. Kuitenkin erilaisia ​​biologisia ja tekniset tekijät voivat vaikuttaa löytö biomarkkereita ihmisen syövissä. Erityisesti erän vaikutuksia, joita voitaisiin ottaa käyttöön käyttämällä näytteitä eri kokeellisia erien (kuten näytteen valmistusta eri aikoina, eri protokollia, eri siru paljon tai erilaisia ​​microarray alustoille), voivat tuottaa systemaattista ei-biologisia eroja eri ryhmien näytteiden [6], [7], [8], [9]. Siten haastava tehtävä olennaisen tärkeä biomarkkerina validointi on arvioida toistettavuus DM geenin löytö eri tutkimuksissa tietyn syövän [10], [11], [12]. Tätä ongelmaa ei ole käsitelty tähän asti. Kun DM geenejä toistettavasti tunnistaa tietyn syövän tärkeä tehtävä on määritellä niiden tehtävät syövän kehittymisessä. On yleisesti hyväksytty, että poikkeava promoottori metylaatio on merkittävä syy muuttuneen geeniekspression syöpä [13]. Kuitenkin useat viimeaikaiset tutkimukset ovat riitauttaneet käänteinen korrelaatio metylaatio ja ilmaisun muutokset [14], [15]. Siten suhde muutoksia DNA: n metylaation ja geenien ilmentyminen syövän vielä arvioitava järjestelmällisesti.

Cancer Genome Atlas (TCGA) tietokanta [16] säädetään satoja metylaation profiileja eri syöpätyyppeihin. Tietylle syöpä, näytteet usein kerätty eri laboratorioissa ja käsitellä eri kokeellisia erissä johtuen käytännön komplikaatioita, kuten tekniikan rajoitus. Tässä asiakirjassa, joka perustuu metylointi profiilit yhdeksän syöpien kerättyjen TCGA tietokantaan [16], osoitimme, että väärin yhdistää tietoa eri kokeellisia erien poimia DM geenejä voi olla harhaanjohtava. Kun jätetään aineistoja mahdollisten erän vaikutuksia, osoitimme, että muutos metylaation valtioiden (hypermetylaation tai hypometylaatio) DM geenien syöpänäytteissä verrattuna normaaliin näytteitä voidaan erittäin toistettavasti havaita eri aineistoja tietyn syövän. Samanlainen suuntaus havaittiin ilmentymisen muutoksia geenien syöpien perustuu aineistoja saatavilla Gene Expression Omnibus tietokantaan [17]. Sitten, joka perustuu toistettavissa DM ja DE geenit kunkin syöpätyypin, huomasimme, että promoottori hypermetylaation on erittäin korreloi käänteisesti geenin alas-ilmentymistä, kun taas hypometylaatio vain heikosti korreloi ajan geenien ilmentymistä suuret ilme muuttuu. Vihdoinkin olemme havainneet, että hypometyloidut geenit pääasiassa häiritä toimintoja, jotka liittyvät suoraan krooninen tulehdus, kuten ”kemotaksiksen” ja ”immuunivasteen” toimintoja.

Materiaalit ja menetelmät

Tietolähteet

ilmaisu ja metylointi aineistot on kuvattu taulukossa 1 ja taulukossa 2 ladata GEO [17] ja TCGA [16] tietokantoihin, vastaavasti. Raaka geeniekspressioprofiilit normalisoitiin käyttäen vankka multi-array-analyysi (RMA) algoritmia [18]. Käytimme tason 2 tiedot määritellyn TCGA tietokantaan, joka tarjoaa U (metyloitumaton) ja M (metyloitu) arvot kullekin koetin. Beta-arvot koettimet laskettu M /(U + M + 100), [19]. Koetin tunnukset kartoitettiin Gene tunnukset kanssa merkintä taulukon kullekin alustalle.

Analyysi erän vaikutusten

Erää vaikutukset voitaisiin tuottaa näytteitä eri kokeellisia erissä tai kokoelma keskuksissa TCGA tietokantaan [16]. Sillä metylointi tietoja TCGA, me lasketaan F-tilasto testata korrelaatiota antureista ”metylaatiotasoilla (Beta-arvot) ja niiden kokeellista erissä tai kokoelma laboratorioissa.

P

arvot säätää Bonferronin-Hochberg menettelyn vääriä löytö määrä (FDR) 0,05 [20] ja merkittävä koettimet pidetään herkkinä erän vaikutuksia [9]. Arvioida vaikutuksia kokeellisen erissä DM geenin havaitseminen, vertasimme myös DM geenejä valittu aineistoja vaarantamatta kasvain näytteet eri erissä ja tietyn ryhmän normaalien näytteiden erästä tiettyä syöpätyypin.

valinta DM geenit ja DE geenit

kunkin aineisto, valitsimme DM geenien t-testi [19] ja käytti Benjamini-Hochberg menettely hallita FDR tietyllä tasolla [20]. DM geenit suurempia keinoja metylaatiotasoilla syövän näytteissä kuin normaalissa näytteet määriteltiin hypermetyloitunut geenejä; muuten, DM geenejä määriteltiin hypometyloidut geenejä.

Differentially ilmaistuna (DE) geenit valittiin käyttämällä SAM (merkitys analyysi microarray) algoritmin [21]. Geenit asetetulla P-arvot alle 0,05 määriteltiin ilmentyvät eri (DE) geenejä.

toistettavuus analyysi DM geenien ja DE geenit

Tämän jälkeen arvioimme toistettavuus DM geenin havaitseminen analysoimalla päällekkäisyys luettelot DM geenien valitaan kahden aineistoja jokaiselle syöpään. Jos k geenit ovat yhteisiä listan 1 pituus L

1 ja listan 2 pituus L

2, niin POG (prosenttiosuus päällekkäisten geenien) pisteet luettelosta 1 (tai luettelon 2) luetteloon 2 (tai lista 1) on POG

12 = k /L

1 (tai POG

21 = k /L

2). Seuraavaksi arvioimme johdonmukaisuuden metylaation suuntiin (hypermetylaation tai hypometylaatio) K geenien yhteinen luettelot 1 ja 2 poikki kaksi aineistot. Sama analyysi suoritettiin luetteloihin DE geenien valitaan kahden ilmaisun aineistot kullekin syöpään.

Concordance välillä DNA metylaatio ja geenien ilmentymisen muutoksia

Jos ilmaus hypermetyloitunut (tai hypometyloidut) geeni merkitsevästi alassäädetty (tai säädelty), me pidetään metylaatio muutos yhtenäisiltä muutokseen geenien ilmentyminen. Me määritelty viskositeettiluku oli vuosina DNA hypermetylaation ja geeni alassäätöä prosenttiosuutena alas geenien joukossa hypermetyloitunut geenien erilainen ekspressio.

P

arvo laskettiin hypergeometrisen malli [10], [11], [12]. Samoin viskositeettiluku oli vuosina DNA hypometylaatio ja geeni ylössäätöä määriteltiin prosentteina up-geenien joukossa hypometyloidut geenien erilainen ekspressio.

Function rikastamista DM geenien

käyttäminen Elim ohjelmisto, havaitsimme Gene ontologia (GO) ehdot rikastettua DM geenejä [22].

P

arvot säätää Bonferronin-Hochberg menettely, jonka FDR 0,05 [20].

Tulokset

Erä vaikutuksia DM geenin havaitseminen

ensin arvioitiin vaikutuksia kokeellisen erissä Metylointilaitteistoon tasolla kunkin koetin kasvain näytteet kahdesta erästä erikseen yhdeksän syöpien kerätyn TCGA tietokannassa (katso taulukko 1) käyttäen F-tilasto, jossa on väärä löytö korko ( FDR) 0,05 [20] (ks

Methods

). Kuten on esitetty kuviossa. 1a, noin 30% antureista, olivat keskimäärin huomattavasti alttiita erän vaikutuksia yhdeksän syöpätyyppeihin kun näytteet olivat peräisin eri laboratorioista ja eri erissä. Ja noin 20% koettimet olivat vielä huomattavasti herkkiä kun rajoitettu näytteitä samassa laboratoriossa mutta kohdellaan eri erissä (Fig. 1b). Kuitenkin vain noin 7,7% koettimet olivat huomattavasti herkkiä, kun näytteet ovat peräisin samasta erissä (Fig. 1 c). Erityisesti, kuten on esitetty kuviossa. 1d, kasvain näytteet kahdesta erästä (erä 9 ja erä 12) munasarjojen serous kystadenokarsinooma voitaisiin ryhmittyneet yhteen täydellisesti mukaan erän jonka hierarkkinen klusterointialgoritmi Eukleideen etäisyydet Beta arvojen näytteiden välillä.

( a) eri erissä ja eri laboratorioiden (B) samassa laboratoriossa mutta eri erissä; (C) samassa erässä, mutta eri laboratorioissa; (D) Hierarkkinen klusterointi kasvain näytteet munasarjojen vakavien kystadenokarsinooma erän 9 ja erä 12. syövän tyyppi merkitty x-akselia kuvaaja a, b tai c, rasiakuvaajan y-akseli kuvaa prosenttiosuutta antureista merkitsevästi alttiita eri erän olosuhteissa. Prosenttiosuus otetaan arvo välillä 0 (ei altis koetin) ja 1 (100% altis antureista). Jokainen laatikko ulottuu alasaranan (määritelty 25. prosenttipiste) ja yläsaranan (75. prosenttipiste) ja mediaani on esitetty viiva ruutuun.

Edellä esitetyt tulokset osoittivat, että integroimalla kasvain näytteitä eri eristä havaitsemiseksi DM geenejä voi olla harhaanjohtava. Itse asiassa, seurauksena erän vaikutusten muutos metylaation valtioiden DM geenien syöpänäytteissä verrattuna normaaliin näytteitä voisi olla erittäin epäjohdonmukainen verrattaessa kasvain näytteet eri erissä saman ryhmän kanssa terveillä (ks. 2) . Esimerkiksi kun verrataan kasvain näytteet erästä 9 ja erän 15 munasarjojen serous kystadenokarsinooma kanssa samaan normaalia näytettä (erä 27), tässä järjestyksessä, johdonmukaisuutta muutoksen metylaation valtioiden yhteisen DM geenit oli vain 23,5%. Siksi suurin osa havaittu ero metylaatio oli poikki erissä sijaan poikki biologisia ryhmiä, mikä johtaa erittäin toistettavuus tuloksia.

Kunkin syövän tyypistä merkitty x-akseli, rasiakuvaajan y-akseli kuvaa johdonmukaisuus pisteet määritellään suhteessa DM geenien johdonmukainen metyloinnin valtioiden kesken kaikilla päällekkäisillä DM geeni yleisesti havaittiin molemmat kaksi ryhmää (katso ”menetelmät-osiossa). Johdonmukaisuus pisteet otetaan arvo välillä 0 (ei johdonmukaista valtiot) 1 (100% johdonmukainen valtiota). Jokainen laatikko ulottuu alasaranan (määritelty 25. prosenttipiste) ja yläsaranan (75. prosenttipiste) ja mediaani on esitetty viiva ruutuun.

toistettavuus DM geenin havaitseminen

Jotta mahdollisten erän vaikutukset ja bias joka voitaisiin toteuttaa eri-ikäisten potilaiden, me vain analysoineet profiilit viiden syöpätyyppien joista kummankin parin sovitettuja kasvain ja normaali näytteet samoilta potilaista keräämät sama laboratorio ja mitataan samalla kokeellisen erän oli saatavilla (katso taulukko 2). Kunkin syöpä, käytimme kaksi suurinta erässä itsenäisiksi aineistot ja havaita DM geenien t-testi FDR 0,05 [20]. Sitten arvioimme johdonmukaisuutta kaksi luetteloa DM geenien havaittiin erillään kaksi aineistot (erät) laskemalla prosenttiosuus päällekkäisten geenien (POG) välillä kaksi luetteloa DM geenien [10] (ks

Methods

). Kunkin syöpä, useimmat DM geenien lyhyempi luetteloon sisällytettiin pidempään luetteloon, kuten heijastuu POG

12 tulokset esitetään taulukossa 3. Yli 99% DM geenien havaittiin molemmissa aineistot olivat yhdenmukaisia muutos metylaation todetaan yli kaksi aineistot. Esimerkiksi 3778 ja 3966 DM geenejä erikseen tunnistettu kaksi aineistot (K78 ja K100, vastaavasti) munuaisten munuaisten selkeä cell carcinoma (munuaissyöpä), n limityksellä 3443 geenejä. Silmiinpistävän, kaikki 3443 geenien oli sama muutos metylaation maasta eri puolilla kaksi aineistot, huomattavasti enemmän kuin sattumalta odotettua (Bernoulli malli

P

2,2 x 10

-16).

suuri osa DM geenien havaittiin yhdessä aineisto ei ole määrätty olevan merkittäviä toinen aineisto kullekin syövän, kuten heijastuu POG

21 tulokset esitetään taulukossa 3. kuitenkin meidän analyysi osoitti, että useimmat DM geenejä, jotka olivat yksinomaan havaittu yhdessä aineisto osoitti myös sama muutos metylaation valtioiden toisessa aineisto saman syöpä, paljastaen että tehokas biologisten signaalien näiden DM geenien olemassa myös muissa aineisto. Esimerkiksi munuaissyöpä, 514 (98,2%) ja 523 geenien havaittiin olevan merkittäviä pelkästään suurempi aineisto (K100) oli sama muutos metylaation valtioiden pienempi aineisto (K78), mikä oli erittäin epätodennäköistä tapahtua mahdollisuus (Bernoulli

P

2,2 x 10

-16). Siten suhteellisen alhainen POG

21 tulokset saattaisivat alennetun tilastotehoa havaitsemiseksi DM geenien pienempi aineisto yhdistettynä tiukkaa FDR ohjaus [10], [23].

analysoitiin myös itsenäinen aineisto paksusuolen syövän saatavilla GEO tietokannasta [17]. With FDR 0,05, 2601 ja 4001 DM geenejä tunnistettiin C22 aineisto (maasta TCGA) ja C44 aineisto (GEO), tässä järjestyksessä. Nämä kaksi luetteloa DM geenien jaetun 2421 geenejä, joista 2419 (99,9%) oli sama muutos metylaation maasta eri puolilla kaksi aineistot (Bernoulli malli

P

2,2 x 10

-16). Muista 1582 geenejä, jotka olivat merkittäviä suurissa C44 aineisto mutta ei pienempi C22 aineisto, 1502 (94,9%) oli sama muutos metylaation valtioiden pienempi aineisto, huomattavasti enemmän kuin sattumalta odotettua (Bernoulli malli

P

2,2 x 10

-16). Korkea johdonmukaisuus muutoksen metylaation valtioiden varten DM geenien eri aineistoja samasta syövän osoitti, että DM geenejä syövän voitaisiin toistettavasti havaita korkean suoritustehon metylaatio data.

toistettavuus DE geenin havaitseminen

TCGA tiedot ovat myös ongelmallisia ekspressiotietojen koska vain yksi normaalissa näytteessä mitattiin ilmaisun kunkin syöpää, mikä tekee vertailun kasvain ja normaali näytteitä epäluotettavia. Siksi valitsimme ekspressiotietojen täsmäävän syövän tyyppi GEO tietokannasta [17]. Yhdeksän syövät analysoitu edellä, pystyimme löytämään kaksi geeniekspression aineistoja kolme syöpiin (katso taulukko 2). Jokaista näistä kolmesta syöpien, käyttämällä SAM [21] kanssa FDR 0,01, valitsimme kaksi luetteloa erilaisesti ilmaistuna (DE) geenejä kahdesta aineistoja ja totesi, että suurin osa DE geenien lyhyempi luetteloon sisällytettiin pidemmässä luettelossa kuten heijastuu POG

12 tulokset esitetään taulukossa 4. lisäksi yli 94,5%: n DE geenien havaittiin molemmat aineistot kullekin syövän olivat yhdenmukaisia ​​asetuksessa suuntaan (ylös tai alas) poikki kaksi aineistot , mikä oli erittäin epätodennäköistä, sattumalta (taulukko 4, Bernoulli malli

P

2,2 x 10

-16). Lisäksi suurin osa DE geenien ainoastaan ​​havaita yhdessä aineisto osoitti saman asetuksen suuntiin toisessa aineisto saman syöpä, paljastaen että tehokas biologisten signaalien näistä DE geenien olemassa myöhemmin aineisto. Esimerkiksi paksusuolensyöpä, 6056 (94,5%) ja 6420 geenien havaittiin olevan merkittäviä pelkästään suurempi aineisto (C64) osoitti saman asetuksen suuntaan pienempi aineisto (C23), joka on erittäin epätodennäköistä sattumalta ( Bernoulli malli

P

2,2 x 10

-16).

edellä analyysit perustuvat tietoihin normalisoitu RMA-algoritmia, joka olettaa, että suurin osa geenien ei differentiaalisesti ilmaistu sairauden [24]. Suoritimme samat analyysit käyttämällä vähiten variantti set (LVS) algoritmi [25], joka perustuu vähemmän tämän oletuksen, ja tulokset olivat samanlaiset.

Concordance välillä ero metylaatio ja differentiaalikaavojen

edellä esitetyt tulokset osoittivat, että metylaatio ja ilmaisun muutokset voidaan toistettavasti havaita eri aineistoja tietylle syöpään. Erityisesti vaikka ilmaisua microarray tietoja eri lähteistä, eikä TCGA tiedot itse, erittäin johdonmukaisuutta ilmaisun muutoksen kahdella eri aineistoja samasta syöpää määritellyt geenisäätelyn suunnat olivat toistettavia ja luotettavia tietyntyyppistä syöpä. Sen vuoksi, joka perustuu toistettavissa DM ja DE-geenien samasta syöpätyypistä, tutkimme vaikutus geenin promoottorin metylaation geenien ilmentymisen. Lyhyesti, jos hypermetyloitunut (tai hypometyloidut) geeni saapuvat metylaatio data oli huomattavasti alassäädetty (tai ylös-säännelty) lausekkeen data, me katsotaan, että sen DNA: n metylaatio oli yhtäpitävä sen ilme muutos. Konkordanssi nopeus mitattiin prosenttiosuus hypermetyloitunut (tai hypometyloidut) geenejä yhtäpitäviä geenin alassäätöä (tai ylös-asetus).

Arvioimme välistä yhdenmukaisuutta ero metylaatio ja ilmaisun kahdella tasolla. Ensin arvioitiin välistä yhdenmukaisuutta ero metylaatio ja ero geenien ilmentymistä. Kuten taulukossa 5, 91,6%, 86,6% ja 88,2% hypermetyloitunut geenien alassäädetty paksusuolen, munuaisten ja keuhkojen syövät, vastaavasti, mikä osoittaa, että hypermetylaation merkittävästi korreloi alas-säätely geenien (hypergeometrisen testi

P

1,0 × 10

-5 kaikkien kolmen syövät). Esimerkiksi paksusuolen syöpä, 98 107 hypermetyloitunut geenit alassäädetty syöpänäytteissä verrattuna normaaleilla verrokeilla (hypergeometrisen testi

P

= 7,8 × 10

-9). Sitten olemme keskittyneet välistä yhdenmukaisuutta metylaatio suurella metyloinnin Tasonvaihtelut ja ilmaisun suurella kertainen muutos (FC) välillä kasvain ja normaali näytteitä. Kun olemme keskittyneet DM geenejä, joissa on vähintään 0,15 Δβ (ero keskiarvon metylaatiotasoilla välillä kasvain ja normaali näytettä), viskositeettiluku nousivat 96,1%, 96,2% ja 91,3% paksusuolen, munuaisten ja keuhkosyövässä, vastaavasti. Vastaavasti kun keskityimme toistettavissa DE geenejä, joilla on vähintään 2-kertainen muutos (FC), viskositeettiluku hinnat Kolmen syövät olivat kaikki yli 90%. Kuitenkin suhde hypometylaatio geenien ja ylös-geenin ilmentymisen säätelyyn on melko vaikeasti. Konkordanssi hinnat olivat 50,3%, 39,4% ja 62,5% paksusuolen, munuaisten ja keuhkosyövässä, vastaavasti. Keuhkosyöpään Pelkän hypometylaatio osoitti merkittävää käänteinen korrelaatio geenin ylössäätöä (hypergeometrisen testi

P

= 4,2 × 10

-6). Kun olemme keskittyneet DM geenejä, joissa on vähintään 0,15 tai 0,3 Δβ, The hypometylaatio korreloi merkitsevästi ylös-geenin ilmentymisen säätelyyn vain keuhkosyöpään. Kun tutkimme DE geenejä, joilla on vähintään 2-kertainen muutos, viskositeettiluku nousivat 58,5% ja 61,7% paksusuolen ja munuaisten syövät, vastaavasti, ja siitä tuli merkittävä (hypergeometrisen testi

P

= 2,7 × 10

-7 ja 5,4 × 10

-4, vastaavasti). Erityisesti viskositeettiluku hinnat olivat noin 60%, vaikka FC cut-off kolmen syöpiä. Nämä tulokset viittaavat siihen, että hypometylaatio voi osittain vaikuttaa ylössäätöä geeniekspression suuret kertaiseksi muutoksia.

funktiot hypermetyloitunut geenien ja hypometyloidut geenit

käyttäminen Elim ohjelmisto FDR 0,05 [22 ] havaitsimme GO termejä merkittävästi rikastettu hypermetyloitunut geenien toistuvasti tunnistettu kaksi aineistot kullekin syöpään. Paksusuolen syöpä, löysimme 58 merkittäviä termejä, jotka liittyvät perustutkimukseen biologisten prosessien kuten transkriptio, soluadheesiota ja signalointi (Täydentävä taulukko S1 yksityiskohtaiset ehdot). Sillä munuaissyöpä, löysimme 14 merkittäviä termejä, joista 11 sisällytettiin merkittävä ehdot paksusuolensyöpä, mikä viittaa siihen, että hypermetyloitunut geenit näissä kahdessa syövissä yleensä mukana samankaltaisia ​​toimintoja. Ei kuitenkaan ole merkittäviä GO termi todettiin keuhkosyöpä kanssa FDR 0,05. Vertaamalla Top 10 väleissä pienin

P

arvoa kolmelle syöpiä, huomasimme, että 4 termejä yhteinen paksusuolen ja munuaisten syövät, eikä syöpä yhteinen termi keuhkosyöpään. Nämä tulokset osoittivat, että hypermetylaation malli keuhkosyöpä voi olla erilaiset kuin paksusuolen ja munuaisten syövistä.

FDR 0,05, löysimme 14, 29 ja 2 GO termejä rikastettu hypometyloidut geenejä paksusuolen, munuaisten ja keuhkosyövässä, vastaavasti (Supplemental taulukko S2). Useimmat näistä merkittävistä ehdoista liittyivät immuunivasteen. Vertailu luettelot top 10 väleissä pienin

P

arvoa kolmelle syöpiä osoitti, että ne jaettu kolmeen ehdoin: ”keratinisaatio-”, ”puolustus vastaus bakteerin”, ja ”solun puolustusmekanismit vastausta”. Olemme lisäksi testanneet toimintaa hypometyloidut geenien Lung okasolusyöpä ja Maha adenokarsinooma tiedot. Nämä geenit myös rikastuneet ”keratinization” ja ”puolustus vastaus bakteerin” (Supplemental taulukko S3). Erityisesti in’keratinization ”, olemme huomanneet, että 12 KAP geenejä, jotka koodaavat keratiinin liittyvien proteiinien (taulukko 6) olivat hypometyloidut kaikissa viidessä syöpiä. Erityisesti nämä 12 KAP geenit sisällytettiin myös 16 KAP geenien havaittiin olevan voimakas ero hypometylaatio virtsarakon syöpä [26]. Nämä todisteet yhdessä viittaavat siihen, että KAP geenit voitaisiin käyttää biomarkkereina useita syöpiä. Lopuksi vertailu kaksi kolmesta syöpien paljasti, että DM geenejä havaittiin ainoastaan ​​tietyn syövän olivat todennäköisemmin hypermetyloitunut kuin DM geenien havaittiin kaksi syövissä (khiin neliö testi

P

0,001 vertailemista varten osuudet hypermetyloitunut geenejä). Esimerkiksi 635 (43,5%) on 1411 DM geenien havaittiin paksusuolen syöpä, mutta ei keuhkosyöpä oli hypermetyloitunut, kun taas vain 42 (16,5%) ja 254 DM geenien havaittiin molemmissa syöpiä hypermetyloitunut. Toisaalta, 168 189 DM geenit jaetaan kolmeen syöpiä hypometyloidut ja rikastuneet ”keratinisaatio- ’,’ kemotaksista”, ja ”immuunivaste” toiminnot (ks

Keskustelu

).

keskustelu

havaitseminen poikkeava DNA: n metylaation syövän voi tuottaa tärkeitä biomarkkereita ennustamiseen syövän tuloksia ja huumeiden tavoitteet. Kuitenkin sudenkuopat kokeessa malleja ja viallinen tietoanalyysit, kuten epäasianmukaisesti integrointi eriä TCGA tietojen voi tuottaa epäluotettavia biomarkkerit [9]. Erityisesti useimmat tutkimukset käyttäen TCGA tiedot, mukaan lukien monet julkaistaan ​​korkean profiilin lehdissä [16], [27], [28], [29], ei pidetä mahdollisia erän vaikutuksia, mikä todennäköisesti aiheuttaa harhaanjohtavia tuloksia liittyvä kanssa erissä sijaan biologiset vaikutukset. Esimerkiksi, Houtan et ai. [27] integroidun glioblastoma kasvainnäytteestä useista eristä ja tunnistettu selvä osajoukko näytteitä näyttämään yhdenmukaistetun hypermetylaation, mikä saattaa ovat korreloineet niiden kokeellista erissä samalla tietoihin esitetty klusterointi kartan kuvassa. 1d. Siksi ehdotimme, että johtopäätökset perustuvat integroidun näytteet tulee arvioida uudelleen tarkastelemalla mahdollisia erän vaikutuksia. Tuloksemme viittaavat vahvasti siihen, että kokeilu olisi suunniteltava välttämään erän vaikutus yhtä jakamalla mahdollinen kokeellinen korvikkeita biologisten ryhmien ja käyttämällä riittävästi näytteitä kustakin ryhmästä [9].

Tuloksemme osoittivat, että DM geenejä havaittu eri tietoaineistoja samasta syövän, lukuun ottamatta erän vaikutukset olivat yhdenmukaisia ​​metylaation kautta aineistoja, samanlainen havainto, että DE geenit havaita eri microarray tutkimusten johdonmukainen ylös tai alas ekspressiokuviota [10], [30], [31] . Siten signaalit metylaation valtioiden DM geenien syöpää voidaan luotettavasti havaita metylaatio taulukot. Erityisesti 36 47 hypermetylaation geenit paksusuolensyöpä dokumentoitu Methycancer tietokantaan [32] todettiin DM geenien meidän paksusuolen syöpään liittyvät tiedot, joista 34 oli myös hypermetyloitunut (Täydentävä taulukko S4). Toistettavan metylaatio biomarkkereita eri kohorttia potilaat voivat antaa arvokasta tietoa löytää prognostisia biomarkkereita ja huumeiden tavoitteet syöpiä.

Toisaalta, huomasimme, että tietty syöpä, monet DM geenejä havaittiin yhdessä aineisto ei voi olla merkitystä toisessa aineisto johtuu riittämättömän tehon havaitsemiseksi DM geenien pieniä otoksia yhdistettynä tiukat FDR ohjaus [10], [30], [33]. Vähentäminen voima voi johtaa valinnan merkittävin geenien biomarkkereita syövän olevan erittäin epästabiili eri tutkimuksissa [34]. Arvioidaan toistettavuus merkittävin DM geenejä löydetty eri tutkimuksista tietyn syövän, voisimme ottaa huomioon toiminnallisen suhteen eikä pelkästään laskemalla päällekkäisyyksiä [11], [35].

toiminto DM geenejä, meidän tulokset osoittivat hypermetylaatiota geenin promoottorit oli merkittävästi sidoksissa alas-geenin ilmentymisen säätelyyn syövän ja vaikuttaa biologisten perusprosessien, kuten signalointi ja solujen kasvua, samanlainen kuin mitä on havaittu ihmisen ikääntymistä [36]. Sen sijaan hypometylaatio oli vain heikosti korreloi geenin ylössäätöä, mikä osoittaa, että muut tekijät, kuten geeni elin hypermetylaation [37] ja kopioi vahvistus [38] voivat edistää enemmän up-geenin ilmentymisen säätelyyn. Huomasimme, että hypometyloidut geenit eri syöpiä olivat samanlaisia ​​tehtäviä, jotka liittyvät suoraan krooninen tulehdus, kuten ”kemotaksista” ja ”immuunivasteen”. Kemokiineillä tärkeitä rooleja säätelyssä tulehdus edistymistä [39], ja immuunijärjestelmän puute voi johtaa krooniseen tulehdukseen [39]. Tämä krooninen tulehdus voi aiheuttaa maailmanlaajuisia hypometylaatio, jotka voivat aiheuttaa kromosomien epävakautta ja lisäävät mutaatioita genomin ja sitten lisätä syöpäriskiä [40].

Lisäksi tuloksemme osoittivat, että DM geenejä havaittu tietyntyyppistä syöpä oli todennäköisemmin hypermetyloitunut kuin DM geenien havaittiin useita syöpiä. Kuitenkin määritellään syöpää tyyppikohtaisia ​​biomarkkerit on vaikeaa, koska eri tutkimuksissa tietyn syövän usein löytää eri DM geenejä. Käyttämällä kudosspesifisiä geenejä talteen Xiong et ai. [41], olemme huomanneet, että geenit ilmentyy tietyssä kudoksessa rikastettu geenien differentiaalisesti metyloidaan vastaava syövän tyyppi (hypergeometrisen testi

P

0,001 kaikkien kolmen syövät), mutta nämä DM geenejä ei osoita mieluummin kohti hypermetylaation tai hypometylaatio. Ottaen huomioon, että tarkkuus ”kudosspesifinen” geenejä voimakkaasti riippuvainen ilmentymistason vastaavien transkriptio [42], se saattaa olla luotettavampi määritellä ”kudosspesifiset” geenejä niiden metylaation [43]. Tulevaisuudessa työssä aiomme tutkia syöpään tyyppikohtaista DM geenejä ottamalla huomioon vastakkaiseen metylaatio suuntiin DM geenien havaittiin eri syöpätyyppejä.

tukeminen Information

Taulukko S1.

GO termejä merkittävästi rikastettu hypermetylaation geenien erikseen Colon, Munuainen ja keuhkosyövässä.

doi: 10,1371 /journal.pone.0029686.s001

(XLS) B Taulukko S2.

GO termejä merkittävästi rikastettu hypometylaatio geenien erikseen Colon, Munuainen ja keuhkosyövässä.

doi: 10,1371 /journal.pone.0029686.s002

(XLS) B Taulukko S3.

GO termejä merkittävästi rikastettu hypometylaatio geenien erikseen Lung okasolusyöpä ja Maha adenokarsinooman.

doi: 10,1371 /journal.pone.0029686.s003

(XLS) B Taulukko S4.

Metylointi ja ilmaisun muutoksia geenien MethyCancer tietokantaan.

doi: 10,1371 /journal.pone.0029686.s004

(XLS) B

Kiitokset

Kiitämme Jinfeng Zou ja Guini Hong varten hyödyllisiä disscussions, ja TCGA konsortio tarjota aineistoja.