Krooninen sairaus

tiivistelmä

Molecular analyysi potilaan kudosnäytteiden on välttämätöntä luonnehtia

in vivo

vaihtelua ihmisen syövissä jotka eivät ole saatavilla solulinjoja tai eläinmalleissa. Tämä koskee erityisesti tutkimuksiin kasvaimen aineenvaihduntaa. Haasteena on kuitenkin monimutkainen seos eri kudostyypeissä kussakin näytteessä, kuten hyvänlaatuinen epiteelin, strooman ja syöpäkudoksessa, joka voi ottaa käyttöön systemaattinen harhat, kun syövän verrattuna normaaliin näytteitä. Tässä tutkimuksessa käytämme yksinkertainen strategia poistaa tällaiset harhat käyttäen otanta jossa keskimääräinen pitoisuus strooman kudos on tasapainossa näytteen ryhmissä. Strategia levitetään eturauhassyöpää potilaan kohortin jossa dataa MR spektroskopia ja geeniekspressiota on kerätty ja integroitu täsmälleen sama kudosnäytteitä. Me paljastaa

in vivo

muutokset syöpään asiaa metaboliareitit jotka muuten piilossa tietojen takia kudosta sekoittavia. Erityisesti alentuneet putreskiinin on liitetty lisääntyneen ilmentymisen

SRM

, kevyemmästä sitraatin katsotaan johtuvan säätelyä geenien edistää rasvahappojen synteesi, ja lisääntynyt sukkinaatti tasolla samaan aikaan alentunut ilmentyminen

SUCLA2

ja

SDHD

. Lisäksi strategiassa korostetaan myös merkittäviä aineenvaihdunnan eroja strooman, epiteelin ja eturauhasen syöpä. Nämä tulokset osoittavat, että merkittävä

in vivo

metabolisen ominaisuudet syöpä voidaan ilmestyy potilastiedot vain, jos heterogeeninen kehosta on asianmukaisesti huomioon analyysissa.

Citation: Tessem MB, Bertilsson H , Angelsen A, Bathen TF, Drabløs F, Rye MB (2016) tasapainoisen kehosta paljastaa New Aineenvaihdunta ja Gene Expression Merkit eturauhassyövässä. PLoS ONE 11 (4): e0153727. doi: 10,1371 /journal.pone.0153727

Editor: Craig N. Robson, Northern Institute for Cancer Research, Yhdistynyt Kuningaskunta

vastaanotettu 26. tammikuuta 2016 Hyväksytty: 01 huhtikuu 2016; Julkaistu: 21 huhtikuu 2016

Copyright: © 2016 Tessem 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.

Data Saatavuus: Microarray data tässä tutkimuksessa käytetyt saatiin Array Express, liittymisen E-MTAB-1041 ja Gene Expression Omnibus, liittyminen GSE8218. Muita asiaankuuluvat tiedot ovat paperi- ja sen tukeminen Information tiedostoja.

Rahoitus: Tämä työ on rahoittanut tutkimusta apurahoja MBR ja MBT päässä -yhteyskomitea välillä Keski Norjan Regional Health Authority (RHA) ja Norja University of Science and Technology (NTNU). Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: tekijät Tämän käsikirjoituksen ovat seuraavat kilpailevia intressejä: Tone Bathen on Academic Editor for PLoS ONE. Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamista ja materiaaleja.

Johdanto

Syöpä on heterogeeninen sairaus, jossa ymmärrys taustalla molekyylitason mekanismit ominaisia ​​kullekin yksittäiselle voisi olla tärkeää tarjota tehokkaita yksilöllisiä ja täsmähoitoihin tai hoidon valitsemiselle. Ihmisen kudosnäytteet tuottaa molekyyli tilannekuvan kasvain todetaan mikä on välttämätöntä luonnehdinta

in vivo

syöpä heterogeenisuus, joka menetetään eläinmalleissa ja solulinjoja [1]. Tämä koskee tutkimuksia kasvaimen aineenvaihdunnan erityisesti [2]. Yhteistä mutta mutkistaa analysoitaessa ihmisen kudosnäytteitä on heterogeeninen sekoitus eri solujen ja kudosten tyyppejä, jotka voivat hämmentää tuloksia molekyylien analyysiin. Tämä riski sekoittuneita koskee paitsi eturauhassyöpä (PCA) kudos, mutta useimmat syövät kudosta tyyppejä.

yksinkertainen malli jakaa ihmisen eturauhasessa kolmeen eri komponentteja; hyvänlaatuinen epiteelin, strooman ja syöpä kudosta. Perustuen Tässä mallissa ero molekyylitason analyysi syövän ja normaalin näytteet olisi mieluiten korostaa eroja hyvänlaatuinen epiteelin ja PCA kudosta. Tällaisissa ero tutkimuksissa, normaali näytteet koostuvat kahdesta kudostyypeistä (hyvänlaatuinen epiteelin ja strooman) samalla PCa näyte koostuu kolmesta kudoksen tyyppiä (hyvänlaatuinen epiteelin, strooman ja PCA), kaikki eri suhteissa. Tämä otetaan järjestelmällisesti näyte bias lisääntynyt strooman sisällön normaaleissa näytteissä, joka hämmentää molekyylin väliset erot epiteelin ja syöpä. Tämä ongelma on yleisesti tunnustettu [3,4]. Kuitenkin perusteellinen arvio koostumuksesta näistä kolmesta kudoksen tyyppiä ei rutiininomaisesti osuus aikana näytteen korjuun, valmistelu ja analysointi PCa kudosnäytteistä. Lisäksi kasvaimen ympäristö tuo muutoksia ympäröivään strooman kudokseen, kutsutaan stromogenic syöpä [5,6], joka edustaa neljäs kudos komponentti eturauhassyöpänäytteissä, mutta ei pidetty tässä tutkimuksessa.

Aiemmin esitetyssä strategioita käsitellä Kudosnäytteen heterogeenisuus on yleisesti käytetty laskennallisten mallien säätämään kunkin näytteen vaikutuksen eri kudosten tyyppejä ero analyysi [7,8]. Tällainen laskennallinen strategiat voivat joko vaatia ennakkotietoja kehosta [9-11], ennalta määriteltyjä geeni allekirjoitukset [12,13], tai olla pelkästään tietojen ajaa [14,15]. Laskennallisia malleja yleensä käsitellä kudosta heterogeenisyys tekemällä säätö alkuperäisiin ilmaisun arvot ennen eriytetyn analyysiä. Tämä lisää riskiä ottaa käyttöön mallin bias, varsinkin kun signaali kustakin kudoksesta komponentti ei ole homogeeninen. Tämä pätee kudosnäytteitä moniin syöpiin, kuten PCa [16-19].

Tässä tutkimuksessa sovelletaan vaihtoehtoista ja yksinkertaisempi lähestymistapa selittää häiriövaikutukset strooman verrattaessa PCa näytteiden normaalissa näytteessä histologisesti ero analyysi. Strategia on rakentaa aineistoja syövän ja normaalin näytteitä, joissa keskimääräinen pitoisuus stroomamääriin on tasapainossa kahden aineistoja. Tarkoituksena on vaimentaa ero signaali johtuu eri stroomamääriin analyysissä, ja korostavat todellinen molekyylitason eroja syövän ja normaalia kudosta. Toisin kuin useimmat laskennallisia menetelmiä käytetään solukon heterogeenisyys säädöt, strategiassa ei suorita korjauksia alkuperäiseen molekyyli ilmaisua arvoja. Kuitenkin patologinen luonnehdinta kehosta (hyvänlaatuinen epiteelin, strooman ja PCA) kaikille näytteille tarvitaan.

Tässä tutkimuksessa tuore eturauhasessa viipaletta kerättiin jälkeen eturauhasen ja kukin kudos ydin näytteen histopatologisesti arvioitiin kehosta ennen analysointia [20]. Sitten kudosta analysoitiin HR-MAS (korkea resoluutio magic angle spinning) MRS (magneettiresonanssispektroskopia) mahdollistaa 23 määrälliset aineenvaihduntatuotteita, jota seuraa geeni ekspressiomittaukset microarray. HR-MAS on rikkomattomat menetelmä, joka sallii geenien ilmentymisen analyysi voidaan suorittaa täsmälleen samalla kudosnäytteen [21]. Tämä integrointi geenin ja metaboliitin data tarjoaa ainutlaatuisen mahdollisuuden tutkia keskeinen molekyyli reittejä PCA.

Tämä tutkimus osoittaa, että vaihtelut strooman kehosta voi olla systemaattinen sekoittuneita tekijä molekyylitason analyysi kun PCa ja normaalin kudosnäytteiden ovat verrattuna. Tämä bias voidaan poistaa tasapainottamalla strooman koostumuksen välillä näytejoukoille. Vasta kun sellaista kudosta harhat kirjataan, integroitu ero muutokset geenien ja aineenvaihduntatuotteiden Keski metaboliareitteihin voidaan samanaikaisesti paljasti.

Methods

Näytteiden kerääminen, microarray ja HR-MAS analyysi

Näytteet saatiin käyttäen standardoitua korjuun menetellen aikaisemmin kuvattu Bertilsson

et ai

. [20]. Tämä menettely sisältää leikkaaminen ja käsittely jäädytettyjen kudosleikkeiden poistetaan eturauhanen aikana eturauhasen. Kudosnäytteestä ytimet valittiin huolellisesti viipaleet perustuu kliinisiin histopatologia. Lisäksi histopatologiset määrän arviointi syövän, strooman ja hyvänlaatuinen epiteelin suoritettiin kunkin näytteen ennen HR-MAS ja mikrosirujen analyysit (S1 File). Microarray ja HR-MAS protokollia ja analyysi perusteellisesti kuvattu aikaisemmin Bertilsson

et al

. ja Giskeødegård

et al

. vastaavasti [21,22].

täydellinen

aineisto (95 PCa näytteet ja 34 normaalia näytettä) sisälsi microarray ilmaisun mittaukset 16381 geenejä, ja HR MAS metaboliitin pitoisuudet 23 eri aineenvaihduntatuotteita mitattiin täsmälleen samalla kudosnäytteitä. Käyttö ihmisen kudoksen hyväksyttiin alueneuvoston Lääketieteen ja Health Research Ethics hyväksyntää ei 4-2007-1890. Suostumuslomakkeet saatiin kaikista potilaista. Muut eettiset näkökohdat erityiset näytteet tässä tutkimuksessa käytetyt on kuvattu aikaisemmin julkaistu [20-22]. Microarray geeni kokeilu julkaistaan ​​Array Express liittymisen E-MTAB-1041. Metaboliittipitoisuuksien mitataan jokaisesta näytettä annetaan S2 File.

ohjaaminen vaikutuksen strooman kudoksen lajittelemalla alkuperäisen

täydellinen

tiedot,

tasapainoinen

,

epätasapainoinen

ja

stratifioitu

aineistot

tasapainoinen

,

epätasapainoinen

ja

stratifioitu

aineistoja luotiin seuraavasti: syöpä ja normaali näytteet lajiteltiin erikseen niiden määritettiin histopatologisesti sisältö strooman.

tasapainoinen

aineisto luotiin jakamalla lajiteltu syöpä ja normaali näytteet kahdesta puolikkaasta, ja valitsemalla sitten 47 PCa näytteet korkeimman stroman sisältöä (yläosa) ja 17 normaalia näytteiden pienin stroman sisältö ( alaosa) päässä lajiteltu näytteestä luetteloihin. Tämä menettely minimoi ero on keskimäärin strooman sisällön välillä PCa ja normaalin näytteiden

tasapainoinen

aineisto (kuvio 1A). Samoin

epätasapainoinen

aineisto luotiin valitsemalla 48 PCa näytteiden pienin strooman sisältöä ja 17 normaali näytteet korkeimman strooman sisältöä.

epätasapainoinen

aineisto, ero keskimääräisen strooman sisällön välillä syövän ja normaali näytteet maksimoituu (kuvio 1A). Erottaminen näytteet

tasapainoinen

ja

epätasapainoinen

aineistot annetaan S1 File. Luominen

stratifioitu

aineisto samalla tilastollinen voima kuin

tasapainoinen

ja

epätasapainoinen

aineistoja, 50 satunnainen valikoimat 47 syövän ja 17 normaali näytteet vedetään

täydellinen

aineisto.

(A) kumoaa saman tyyppisiä kudoksia PCA ja normaali näytteet,

tasapainoinen

aineisto vertaa keskimäärin 51% syövän 43% hyvänlaatuinen epiteelin ja 8% strooman. Samoin

epätasapainoinen

aineisto vertaa 75% syövän 58% strooman ja 17% hyvänlaatuinen epiteelin, mutta

täydellinen

ja

stratifioitu

aineistot vertaa 63% syövästä 33% strooman ja 30% hyvänlaatuinen epiteelin.

tasapainoinen

,

epätasapainoinen

ja

stratifioitu

aineisto on sama tilastollinen voima. Strategiamme ennustaa, että ilmennetty eri geenit tunnistettu tasapainoinen aineisto joukko tulisi heijastaa muutoksia PCa sijasta eroista kehosta. (B) Histogrammi kudosta prosenttijakaumilla syövän, strooman ja hyvänlaatuinen epiteelin

tasapainoinen

ja

epätasapainoinen

aineistoja. (C) Prosenttiosuus DEGS jaettu

tasapainoinen

ja

epätasapainoinen

aineistoja verrattuna keskimääräinen prosenttiosuus DEGS jaettu 50 satunnainen subsets

stratifioitu

aineisto. Prosenttiosuudet yhteisiä geenejä laskennassa käytetään yhä enemmän merkittävin DEGS kussakin aineisto. Satunnaislukuja laskettiin keskimäärin geenien yhteinen kaikkien 1225 mahdolliset vertailuja 50 satunnainen subsets. Saat 200 merkittävimmät DEGS, 20% oli jaettu

tasapainoinen

ja

epätasapainoinen

aineistoja, ja 39% jaettiin vuoden 2000 merkittävin degs. Vastaavat prosentit sekoitti aineisto oli 65% ja 73%. (D) Microarray antureista, joiden p-arvo muuttuu eri kertaluokkaa välillä

tasapainoinen

ja

epätasapainoinen

aineistot huomattavasti suurempi p-arvo muuttuu odotettua sattumalta

stratifioitu

aineisto. Kaikista antureista, 2830 osoitti p-arvo kertainen muutos yli neljä suuruusluokkaa, ja 1460 muuttivat p-arvoja yli kuusi kertaluokkaa välillä

tasapainoinen

ja

epätasapainoinen

aineistoja verrattuna 42 ja 1 koettimia

stratifioitu

aineisto vastaavasti.

Differentially ilmentyvien geenien ja aineenvaihduntatuotteiden

Raaka ilmaisu arvot suodatetaan log2 muuntuvat ja quantile normalisoitu käyttämällä Limma R paketti [23] kuvatulla tavalla Bertilsson

et al

. [21]. Kaikki toiminnot suoritettiin ennen näytteen erotteluja osaksi

tasapainoinen

,

epätasapainoinen

ja

stratifioitu

aineistoja. Ilmentyvät eri geenit kartoitettiin

täydellinen

,

stratifioitu

,

tasapainoinen

ja

epätasapainoinen

aineistot kuvatulla Bertilsson

et al

. [21]. P-arvot korjattiin useita testejä käyttäen Benjamini-Hochberg vääriä löytö korko [24]. Sillä

stratifioitu

aineisto, keskimääräinen p-arvo yli 50 aineistoja käytettiin. P-arvot ilmentyvät eri aineenvaihduntatuotteiden laskettiin

t

.

test

toiminnon R.

t

.

test

toiminto aluksi antaa arviointi, ovatko nämä kaksi näytettä ryhmää näyttää yhtä suuri varianssi, jota käytetään päättää optimaalisen merkitsevyystestillä. Käyttämällä alustava varianssi tasa arviointia, käytimme

t

.

test

funktio yhtä varianssi jos p-arvo ensimmäisessä testissä oli alle 0,05, ja testi varianssi on erisuuruinen toisin.

Validation data

vahvistaa strategian kudoksen tasapainotus, itsenäinen aineisto [11] ladattiin Gene Expression Omnibus (liittymisen GEO ID, GSE8218). Tämä tietojoukko koostui microarray geenien ilmentymisen 65 PCa näytteistä ja 71 normaali näytteitä yhdessä histopatologiselle neljästä eri kudosten osia (

eturauhassyöpä

,

strooman

,

epiteelissä BPH

ja

atrofista rauhasen

). Vertailla kehosta validoinnissa asetettu tärkein aineisto (aineisto käytetty nykyisessä tutkimuksessa), prosenttiosuudet

epiteelissä BPH

ja

atrofinen rauhanen

yhdistettiin yhdeksi vastaava komponentti hyvänlaatuinen epiteelin tärkein aineisto. Aineisto tasapainotus ja tunnistaminen differentiaalisesti ilmentyvien geenien suoritettiin samalla tavalla kuin päädatan. Vertailla samankaltaisuus differentiaalisesti ilmentyvien geenien korostettu

tasapainoinen

ja

epätasapainossa

aineistojen välinen validointi ja tärkeimmät tiedot, kehitimme

Merkitys Ratio (SR) B pisteet lasketaan kunkin geenin: (1) varten

tasapainoinen

aineisto ja (2) varten

epätasapainoinen

aineisto, jossa

p

B

ja

p

S

ovat p-arvo

tasapainoinen

ja

epätasapainoinen

aineistoja, vastaavasti. Lukemat otetaan käyttöön vertaamaan suhteellisia p-arvot kullekin geeniä, ja lasketaan itsenäisesti validoimiseksi ja tärkeimmät tiedot. Geenit ovat sijoittui nousevassa järjestyksessä perustuu SR pistemäärän

tasapainoinen

ja

epätasapainoinen

aineistot sekä validointi ja tärkeimmät tiedot. Suuri määrä yhteisiä geenejä kesken ansiokkaimmille geenien pää- ja validointi tietojen perusteella verrattuna luetteloissa on samanlainen suhteellinen muutoksia p-arvojen välillä

tasapainoinen

ja

epätasapainoinen

aineisto.

tulokset ja keskustelu

tasapainotus sisällön strooman kudoksen kun ihmisen PCa kudosnäytteitä verrataan näytteitä normaalista eturauhasen kudosta

näytteitä alkuperäisestä

täydellinen

aineisto esitetään kolme eri järjestetty subsets,

tasapainoinen

,

strooman

ja

stratifioitu

perustuva ero keskimääräisen strooman sisällön välillä PCa ja histopatologisesti normaalia näytettä (kuvio 1A, menetelmät).

tasapainoinen

aineisto suunniteltiin keskimääräinen strooman pitoisuus mahdollisimman sama kuin välillä PCa ja normaalin näytteistä (37% vs. 45%). Tämä oli korostaa molekyyli- muunnokset syövän ja normaalia kudosta, ilman hämmentävä vaikutus johtuu eri stroomamääriin. Sen sijaan

epätasapainoinen

aineisto luotiin maksimoitu ero on keskimäärin stroman pitoisuus (14% vs. 72% PCA ja normaali näytteet vastaavasti) korostaa molekyyli- vaihtelut havaittiin, kun määrää strooman ei lasketa .

stratifioitu

aineisto luotiin samalla kudoksen ominaisuudet kuin

täydellinen

aineisto, mutta pienemmällä määrä näytteitä, jotta suora vertailu p-arvot

tasapainottavat

ja

epätasapainoinen

aineistoja.

stratifioitu

aineisto oli väli- ero on keskimäärin stroman pitoisuus (26% vs. 59% PCA ja normaali näytteet vastaavasti), joka edustaa kehon koostumuksesta näytteissä tavallisesta potilaan kohortin. Ei ollut merkitsevää eroa keskimääräisissä Gleason välillä PCA näytteet

tasapainoinen

,

epätasapainoinen

ja

stratifioitu

aineistoja (7,17, 7,27 ja 7,22 vastaavasti). Yksinkertaistaa tulosten tulkinta, oletamme, että molekyyli signaaleja yhtä suuret määrät saman kudostyypin PCA ja normaalissa näytteet kumoavat toisensa on ero analyysi. Tämä analyysi ei ota huomioon muutokset terveiden strooman ja stromogenic syöpä. Kuitenkin se toimii hyvin lähellä tutkia sekoittavia signaaleja stroomasta johtuen eri keskimääräistä kudoksen koostumuksia syövän ja normaali näytteitä. Jos poistamme osuudet yhtä suuria määriä kudosta, analyysi

täydellinen

ja

stratifioitu

aineistoja vertaa molekyyli signaali 63% syövän kudoksen PCA näytteistä 33% strooman ja 30% hyvänlaatuinen epiteelin normaaliin näytteissä, mikä merkitsee lähes täydellinen sekoittavia välillä strooman ja hyvänlaatuinen epiteelin. Tässä asettaminen on mahdotonta päätellä, onko havaittu ilmentyvät eri geenit (DEGS) ja aineenvaihduntatuotteiden johtuvat muutoksista välillä PCa ja normaalia kudosta, tai koska eri stroomamääriin PCA ja normaalissa näytteessä ryhmiä. Sen sijaan havaitut DEGS ja aineenvaihduntatuotteiden välittömästi johtuvat molekyylitason muutoksia syövän ja normaalin kudoksen

tasapainoinen

aineisto sekä syövän ja strooman kudoksen

epätasapainoinen

aineisto. Differentiaalisignaalit näissä kahdessa aineisto vertailua siten esiin geenejä ja aineenvaihduntatuotteiden sekä niiden väliset suhteet, jotka ovat muuten piilotettu

täydellinen

ja

stratifioitu

aineistoja.

Kaksi perusteita on käytetty jakaa näytteitä välillä

tasapainoinen

ja

epätasapainoinen

aineistot: i) keskimääräinen prosenttiosuus stroomamääriin pitäisi olla mahdollisimman sama kuin syövän ja normaalin näytteitä, ja ii) kukin aineisto tulisi sisältää monia näytteitä kuin mahdollista varmistaa mahdollisimman tilastollinen voima. Parantaa analysointia entisestään, kolmas kriteeri voidaan ottaa käyttöön, jolla varmistetaan, että yksittäiset näytteet kussakin aineisto ovat homogeeninen suhteessa prosenttiosuus strooman. Tätä kriteeriä, teoriassa vähentää ilmaisu arvo varianssi kunkin ryhmän sisällä parantaa ero tilastoihin. Koska rajallinen määrä käytettävissä näytteiden samankaltainen kehosta, pääteltiin, että valinta sisältäen myös kolmas kriteeri vaarantaisi tilastollinen voima analyysin. Kuitenkin kaksi ensimmäistä kriteerit osoittautunut riittää esiin tärkeitä eroja

tasapainoinen

ja

epätasapainoinen

aineistoja.

Tärkeä piirre

tasapainoinen

ja

epätasapainoinen

aineistoja on, että ne epäsuorasti myös arvioida ero hyvänlaatuinen epiteelin ja strooman kudosta. Geenit ja aineenvaihduntatuotteiden näyttämällä ero muutos vain

epätasapainoinen

aineisto, eikä

tasapainoinen

aineisto, eivät ole merkkiaineita PCa muutosta. Nämä pikemminkin merkkiaineiden strooman että muutokset

täydellinen

ja

stratifioitu

aineistoja vain eroista johtuen määrä strooman kudosta. Lisäksi geenit ja aineenvaihduntatuotteita, jotka osoittavat samankaltaisia ​​muutoksia sekä

tasapainoinen

ja

epätasapainoinen

aineisto ovat markkereita PCA joka ei vaikuta läsnäolo strooman. Lopuksi, geenejä ja aineenvaihduntatuotteiden näyttämällä ero muuttuu vain

tasapainoinen

datajoukko, mutta ei

epätasapainoinen

aineisto, edustavat merkkiaineita PCA jotka sekoitti läsnäolo strooman. Nämä arvioinnit ovat tärkeitä, kun erottamalla havaittujen muutosten liittyvät suoraan PCa siirtymistä johtuvia muutoksia vain puolueellinen stroomamääriin kudosta. Tällaiset tulkinnat suoritetaan myöhemmässä analyysissä.

Balanced

ja

epätasapainoinen

aineistot näyttää eri malleja geenien ilmentymisen maailmanlaajuisesti

Huomattavat geenien ilmentyminen malleja havaittiin verrattaessa DEGS välillä

tasapainoinen

ja

epätasapainoinen

aineistoja. Paljon alhaisempi DEGS oli jaettu

tasapainoinen

ja

epätasapainoinen

aineistoja verrattuna prosenttiosuus DEGS odotetaan toteutuvan sattumalta (kuvio 1 B), jossa odotettu prosenttiosuus arvioitiin keskimääräisenä yhteisten geenien välillä 50 satunnainen subsets

stratifioitu

aineisto. Se, että

tasapainoinen

ja

epätasapainoinen

aineistot kaapata merkittäviä biologisia eroja, jotka eivät todennäköisesti noudatettava sattumalta vahvistettiin suuri määrä Geenikoettimia joiden p-arvo muuttuu useita kertaluokkia suuruusluokkaa välillä

tasapainoinen

ja

epätasapainoinen

aineistoja verrattuna

stratifioitu

aineisto (kuvio 1 C). Kaikki kolme aineistot Näytetyt odotettavissa ylös ja downregulation seitsemän hyvin validoitu geenejä PCA (kuva C S3 File). Lopuksi havaitut erot näiden aineistot ovat eroihin määrän strooman kudosta. Levitetty strategia kudoksen tasapainottaminen on tuoda esiin nämä erot.

tasapainoinen

aineisto korostetaan aineenvaihduntatuotteiden liittyvät PCa muutokseen

tasapainoinen

aineisto 17 23 aineenvaihduntatuotteiden mitattuna HR-MAS havaittiin näyttää merkittäviä muutoksia pitoisuudet välillä PCa ja normaalin kudoksen (kuvio 2). Tämä on huomattavasti enemmän verrattuna 8 merkittävät aineenvaihduntatuotteet tunnistettu

stratifioitu

ja 13 yksilöityjen

täydellinen

aineisto. Tämä osoittaa suurta sekoittavat peräisin strooman kudoksesta näissä aineistoja, joita erityisesti sovelletaan yhdeksän aineenvaihduntatuotteita putreskiiniä, spermiini, glysiini, glutamiini, alaniini, valiini, sukkinaatti, isoleusiini ja sitraatti, jotka olivat merkittäviä

tasapainottavat

mutta ei

stratifioitu

aineisto. Nämä yhdeksän aineenvaihduntatuotteet ovat siten muutoksia, jotka ovat ominaisia ​​PCA mutta on vaikea havaita johtuen sekoittava epätasapainoinen stroomamääriin kudosta. Tunnistaminen sitraattia toimii proof-of-periaate levitetyn analyysi strategian puuttumisen vuoksi sitraatin strooman ja vähentää havaitun PCa kudoksessa [22,25]. Lisäksi muutokset aineenvaihduntatuotteiden sukkinaatti, valiini ja glysiini eivät olleet havaittavissa

täydellinen

aineisto, vaikka suurempi tilastollinen voima verrattuna

tasapainoinen

asetettu. Ei metaboliitteja olivat spesifisiä

epätasapainoinen

aineisto, mahdollisesti poikkeus tauriinin kanssa rajatapaus merkitystä (p = 0,053). Muita tyypillisiä aineenvaihduntatuote biomarkkereita PCA kuten glukoosi, laktaatti ja kolme koliini sisältävä aineenvaihduntatuotteiden [22,26] havaittiin kaikissa aineistoja, mikä osoittaa vakautta biomarkkereina riippumatta kehosta.

Positiivinen -log10 (p- arvo) osoittavat lisääntynyt keskittyminen ja negatiivinen -log10 (p-arvo) osoittavat keskittymiskyvyn heikkeneminen PCA.

stratifioitu

,

tasapainoinen

ja

epätasapainoinen

aineistoja kaikilla on sama tilastollinen voima.

integrointi metaboliitin ja geeniekspression data kartoitetaan muutoksia geeneissä mukana PCa aineenvaihduntaan

Ennakoimme suorittamalla differentiaalikaavojen analyysejä aineisto tasapainoisesti sisällöstä strooman kudosten välillä PCa ja normaalin näytteet tuodaan esiin geenejä ja aineenvaihduntatuotteiden suoraan asiaan PCA muutoksia. Lisäksi samanaikainen geeni ja metaboliitin tiedot mitataan täsmälleen samalla näytteet helpotettaisiin näiden tietoja yksittäisistä metaboliatiet. Tässä tutkimuksessa keskityttiin polkuja TCA syklin polyamiinin synteesin ja rasvahappojen synteesi, sekä DEGS liittyviä aineenvaihduntatuotteita putreskiinia, sitraatti ja sukkinaattia, koska nämä reitit olivat nimenomaan korostettu

tasapainoinen

aineisto. Differentiaalikaavojen esitetään kannalta p-arvot. Vastaavat muutokset suhteessa geenin listalla ja taita muutos on esitetty kuvissa A ja B S3 File ja S4 File.

Alennettu putreskiiniä tasoilla liittyy lisääntynyt ilmentyminen

SRM

polyamiini reitin .

tuotannon kasvua polyamiinien on tärkeää syövän etenemisen edistämällä solujen kasvua, hajottavia ympäröivään kudokseen ja vähenevä anti-kasvain immuuni toiminnot [27]. Polyamiini reitti (kuvio 3A),

ODC1

muuntaa ornitiini putreskiini, joka edelleen muutetaan spermidiiniä SRM. Spermidiinin muutetaan sitten spermiinipääryhmän by

SMS

, kaikki eteenpäin reaktion.

SRM

ja

SMS

avustavat

AMD1

Muuntoprosessissa, kun taas

SAT1

ja

SMOX

vastaavat jatkojalostustuotteisiin kohtalo spermidiinin ja spermiinin [28]. Aiemmat tutkimukset ovat raportoineet, että geenit polyamiini koulutusjakson ovat yläreguloituja syöpä [29,30]. Lihavien säätelyä polyamiinin geenit virtauksen lisäämiseksi kaikki polyamiinien, mutta ei välttämättä muuta suhteelliset tasot yksittäisten metaboliitteja.

tasapainoinen

aineisto, havaitsemme huomattavan määrän vähentämisestä aineenvaihduntatuotteen putreskiiniä. Tämä vähennys on sama erityinen säätelyä

SRM

geeni (kuvio 4A). Mekanistisesti, säätelyä

SRM

kuluttaa putreskiini tuotantoon spermidiiniä, ja ilman putreskiini korvaaminen päässä ornitihine sää- telyllä

ODC1

pitoisuus putreskiinin olisi vähennettävä. Tämä on juuri sitä, mitä on havaita MR aineenvaihdunnan mittaukset. Säätelyä SRM ilman yhtäpitävät säätelyä muiden geenien polyamiini reitin havaitaan vain

tasapainoinen

aineisto, kun taas yleinen säätelyä polyamiini geenien on ominaisuus havaittiin enimmäkseen

epätasapainoinen

aineisto. Soveltamalla epäsuora suhde

tasapainoinen

ja

epätasapainoinen

aineisto, tämä yleinen säätelyä todennäköisimmin eroista johtuvien hyvänlaatuinen epiteelin ja strooman ja säätelyä SRM ja yhdenmukaisia ​​putreskiiniä lasku johtuu Eturauhassyövän muutosta. Mielenkiintoista on, että

SRM

on hiljattain ehdotettu lääkeaine kohteena polyamiinin väylän malli B-solu-lymfoomat [31]. Lisäksi merkittävä lasku spermiinipääryhmän tasolla (p = 0,047) on myös havaittu, mikä sopii merkittävää voimistumista

SAT1

ja

SMOX

ilman merkittävää säätelyä

SMS

. Kuitenkin tämä suhde on hienovaraisempaa. Merkittävä ero spermiinipääryhmän pitoisuuksina oli aiemmin raportoitu erottaa aggressiivinen (Gleason grade ≥7) useammalta veltto tyyppisiä PCa kudoksen (Gleason grade = 6) [22]. Kuitenkin tässä vertailussa sekoittavat stroomamääriin on vähäisempää, koska ainoastaan ​​syövän näytteitä verrataan.

(A) polyamiini kautta. (B) TCA cycle, rasvahappojen synteesi ja glutamiini kulutuksen. Geenit ylös- ja vaimentua

tasapainoinen

aineisto on korostettu punaisella ja sinisellä vastaavasti. Gene nimet: ODC1: ornitiinidekarboksylaasi 1, SRM: spermidiiniä syntaasi, SMS: spermiini syntaasi, AMD1: adenosyylimetioniinidekarboksylaasi- 1, SAT1: spermidiinia /spermiini N1-liasetyylitransferaasi 1, SMOX: spermiini oksidaasi, ACO1 /2: aconitase 1/2, CS : sitraattisyntaasin, ACLY: ATP sitraattilyaasin, ACACA /B: asetyyli-CoA karboksylaasi alpha /beta, FASN: rasvahappo nopaliinisyntaasin, SUCLA2: sukkinaatti-CoA-ligaasin ADP muodostavia beeta-alayksikön, SUCLG1 /2: sukkinaatti-CoA-ligaasin beeta-alayksikön , SDHA /B /C /D: sukkinaattidehydrogenaasi monimutkainen alayksikköä A /B /C /D.

(A) Top:

SRM

ja putreskiiniä polyamiini kautta. Keskellä:

SUCLA2

ja

SDHD

ja sukkinaatin TCA sykli. Pohja: Sitraatti rasvahappojen synteesiin. Positiivinen -log10 (p-arvo) osoittaa säätelyä ja negatiivinen -log10 (p-arvo) osoittaa downregulation. Metaboliitit näkyy vasemmalla puolella ovat osajoukko metaboliittien kuviossa 2 (B) Validointi merkittäviä geenien PCa verrattuna normaaliin näytteitä suhteessa polyamiinin polku, sukkinaatin TCA aikana ja rasvahappojen synteesi riippumattomalla aineisto. (C) Keskimääräinen kudoksen koostumusten

tasapainoinen

,

epätasapainoinen

ja

täydellinen /stratifioitu

aineistoja päässä validointitutkimusta. Histogrammi kudosjakaumat on esitetty kuvassa D S3 tiedosto. (D) määrä jaetun geenien joukossa N ensimmäinen geenit lajiteltu merkitystä suhde pisteitä, kun eri aineistoja verrataan. Geenit vastakkaiset muutokset (3

tasapainoinen

ja 116

epäsymmetrinen

aineistot) poistettiin analyysiä. Numero yhteinen geenit ovat paljon korkeammat, kun

tasapainoinen

ja

epäsymmetrinen

aineistoja verrataan keskenään, kuin silloin, kun

tasapainoinen

verrataan

epätasapainoinen

aineistoja. Tämä osoittaa, että validointi ja verrokkitutkimuksia näyttää erittäin yhtäpitävät sijoitusta geenien sekä

tasapainoinen

ja

epätasapainoinen

aineistoja.

Alennettu sitraatin tasoilla liittyy lisääntynyt rasvahappojen synteesi.

kohonnut merkittävästi sitraatin normaaleissa näytteissä oli havaittavissa vain

tasapainoinen

aineisto.

täydellinen

aineisto, jossa tilastollinen teho kaksinkertaistetaan, sitraatti tasot eivät saavuttaneet tilastollista merkittävyyttä syövän ja normaalin näytteitä. Sitraatti on yleensä muunnetaan isositraattia by

ACO1

ja

ACO2

vuonna TCA cycle (kuvio 3B), joka on edullinen tila energiantuotannon useimmissa soluissa.