PLoS ONE: yleisyys ja kliininen merkitys Genes Vaikuttavat Kromosomi Katkokset peräsuolen syövän
tiivistelmä
Background
Syövän syntymiseen vaikuttavat somaattisten DNA muutokset kuten geeniterapian pistemutaatioita, DNA kopioluvun poikkeamia (CNA) ja rakenteellisia variantteja (SV). Genominlaajuisten analyyseja SV suurissa näytteessä sarjaan hyvin dokumentoitu kliiniset tiedot ovat yhä harvinaisia. Tämän vuoksi vaikutus SV karsinogeenisuutta ja potilaiden hoitotuloksiin edelleen huonosti. Tämän tutkimuksen tavoitteena oli tehdä järjestelmällinen analyysi geenien vaikuttaa CNA-aiheuttava geenivirhe katkoksia peräsuolen syöpä (CRC) ja määrittää kliinistä merkitystä toistuvia breakpoint geenien.
Methods
Ensisijainen CRC näytteitä metastasoivaa tautia sairastavaa potilasta Kairosta ja CAIRO2 kliinisissä tutkimuksissa aiemmin ominaista array-vertaileva genominen hybridisaatio. Nämä tiedot olivat nyt käytettiin määrittämään esiintyvyys CNA-aiheuttava geenivirhe taukoja geenien sisällä yli 352 CRC näytteitä. Lisäksi mutaatio tila yleisesti vaikuttaa
APC
,
TP53
,
KRAS
,
PIK3CA
,
FBXW7
,
Smad4
,
BRAF
ja
sääntelyviranomaisten
geenejä määritettiin 204 CRC näytteissä kohdennetut massiivinen rinnakkaissekvensointijärjestelmät. Kliinistä merkitystä arvioitiin kun kerrostuminen potilaista perustuu geenimutaatioita ja geenien breakpoints jotka havaittiin 3% CRC tapauksista.
Tulokset
Kaikkiaan 748 geenit tunnistettiin, jotka olivat toistuvasti vaikuttaa kromosomaalinen tauot (FDR 0,1).
MACROD2
vaikutti 41%: CRC näytteistä ja toinen 169 geenit osoittivat keskeytyskohtia 3%: ssa tapauksista, mikä osoittaa, että esiintyvyys geeni keskeytyskohtia on verrattavissa esiintyvyys tunnetun geenin pistemutaatioita. Potilas kerrostuminen perustuu geenin raja-arvot ja pistemutaatioiden paljastui yksi CRC alatyypin erittäin huonon ennusteen.
Johtopäätökset
Olemme päätellä, että CNA-aiheuttava geenivirhe taukoja sisällä geenit edustavat erittäin yleisiä ja kliinisesti merkittävää osajoukko SV CRC.
Citation: van den Broek E, Dijkstra MJJ, Krijgsman O, Sie D, Haan JC, Traets JJH, et al. (2015) yleisyys ja kliininen merkitys Genes Vaikuttavat Kromosomi Katkokset peräsuolen syövän. PLoS ONE 10 (9): e0138141. doi: 10,1371 /journal.pone.0138141
Editor: Masaru Katoh, National Cancer Center, JAPAN
vastaanotettu 5 maaliskuuta 2015 Hyväksytty: 25 elokuu 2015; Julkaistu: 16 syyskuu 2015
Copyright: © 2015 van den Broek ym. 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: Array-CGH tiedot on talletettu NCBI: n Gene Expression Omnibus (GEO tulonumero GSE63216; https://www.ncbi.nlm.nih.gov/geo).
Rahoitus: Tämä tutkimus tukee taloudellisesti avustuksia VUmc -Cancer Center Amsterdam (E. van den Broek) sekä Alankomaiden Cancer Society (KWF-2007-3832), ja esiintyi puitteissa Center for Translational molekyylilääketieteen, purkaa projekti (avustus 03O-101) ja hollantilainen peräsuolen syövän Group (DCCG). Nämä rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu, tietojen analysointia, päätös julkaista tai valmistamista käsikirjoituksen.
Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.
Johdanto
syövän syntymiseen vaikuttavat genomista poikkeamia, jotka ajavat kasvain taudin alkamisen ja etenemisen. Onkogeeni aktivointi ja tuumorisuppressorigeeniä inaktivaation voi aiheuttaa useita luokkia somaattisten DNA kromosomipoikkeavuuksien, myös ei-synonyymi (piste) mutaatiota, kromosomi kopioluvun poikkeamia (CNAs) ja rakenteellisia variantteja (SV) [1]. SV edustavat deleetiot, insertiot, inversiot, ja sisäisiä ja niiden välisiä kromosomitranslokaation, jotka kaikki sisältävät kromosomaalisen taukoja [2]. Mielenkiintoista, kun taas pistemutaatioita ja DNA kopioluvun muutoksia on tutkittu laajasti, vaikutukset geenien kanssa kromosomi tauot ovat huonosti ominaista. Kun peräsuolen syöpä (CRC) esimerkkinä, tähän mennessä useissa in-frame -fuusiogeenit on raportoitu myös
VTI1A-TCF7L2
,
NAV2-TCF7L1
ja R-spondin fuusiot
PTPRK-RSPO3
ja
EIF3E-RSPO2
[3-5]. R-spondin fuusioita aktivoida Wnt-signalointireitin ja ovat toisensa poissulkevia kanssa
APC
mutaatioita, mikä osoittaa, että nämä toiselle siirtäminen aiheuttaa voitto-of-function proteiinin muutoksiin. Vaihtoehtoisesti SV voi myös kadota-of-function muutoksia. Esimerkiksi, poistetaan stop-kodonin
EPCAM
geenin johtaa transkription lukea läpi, joka aiheuttaa hypermetylaation ja näin ollen hiljentäminen viereisen virhepariutumista korjaava geeni
MSH2
[6]. Vaikka nämä kiehtova esimerkkejä, perusteellisen tutkimuksen SV CRC on vaikeuttanut puute koko genomin syvä sekvensointi tietoa suuren joukon näytteitä. Niinpä otaksuttu vaikutus SV in (peräsuolen) kasvainten kehittymiseen on luultavasti erittäin aliarvioida.
aiemmin suoritettu korkean resoluution array-vertaileva genominen hybridisaatio (array-CGH) analyysi useita noin 350 ensisijainen CRC näytteitä potilailla, joiden oli kehittänyt etäpesäkkeitä ja osallistui Kairon ja CAIRO2 vaiheen III kliinisissä tutkimuksissa [7-9]. Tässä tutkimuksessa käytimme näitä tietoja määrittämiseen genomiseen kannat kromosomi breakpoints, perustuu oletukseen, että sisäiset kromosomi muutoksia CNA-statuksen selittää mekanismeja, joissa kromosomi taukoja. Vaikka tällainen analyysi ei ole kattava katsaus SV syövän genomin, me arveltu, että tämä analyysi tunnistaa huomattava osajoukko SV riittävällä resoluutio kohdentaa kromosomaalisen taukoja geenin kantoja. Lisäksi olemme odotettavissa, että ei-satunnainen toistuvia tapahtumia keskuudessa CRC näytteitä paljastaisi geenejä, jotka tehostavat kasvainten kehittymiseen. Tässä osoitamme, että tämä lähestymistapa paljastui 748 toistuvia breakpoint geenejä ja osoittaa niiden vaikutusta CRC luokitukseen.
Materiaalit ja menetelmät
Kopioi numero poikkeavuus-aiheuttava geenivirhe murtuessa havaitseminen
Potilaille valitut nykyisessä tutkimuksessa mukana kummassakaan monikeskustutkimuksesta faasin tutkimuksista hollantilaisen peräsuolen syövän Group (DCCG), nimittäin CAIRO (CKTO 2002-07, ClinicalTrials.gov, NCT00312000) ja CAIRO2 (CKTO 2005-02, ClinicalTrials.gov ; NCT00208546). Kaksi satunnaistetussa kliinisessä tutkimuksessa hyväksyttiin valiokunnassa Human-Related Research Arnhem-Nijmegenin ja paikallisten institutionaalisten tarkastuslautakunta. Kirjallisessa tietoinen suostumus tarvitaan kaikille potilaille ennen tutkimuksen alkaessa myös Translaatiotutkimuksen kasvaimen kudokseen. CNA-aiheuttava geenivirhe murtuessa havaitseminen suoritettiin yli 352 CRC näytteitä. Array-CGH tietoihin aikaisemmin saatiin käyttämällä DNA eristettiin formaliinilla kiinnitetyt, parafiiniin upotettuja (FFPE) primaareja kasvaimia ja potilaan vastaaviin normaaleihin kudoksiin paria [9]. 4548 koettimia, jotka oli lisätty rikastamiseksi kattavuuden 238 Cancer Census geenit olivat nyt jätetty kromosomi- murtuessa analyysiä, jättäen 168823 antureista, jotka jakautuivat tasaisesti genomin noin 17KB välein (S1 taulukko). Genominen koetin kannat perustuivat ihmisen genomin NCBI Build36 /hg18. Array-CGH tiedot on talletettu NCBI: n Gene Expression Omnibus (GEO hakunumero GSE63216). DNA kopiomäärä segmenttejä määriteltiin R-paketti ”DNAcopy” (versio 1.36.0) ja olivat rajaavat ensimmäinen ja viimeinen anturi segmentin [10]. Kromosomi-raja-arvot määriteltiin genomista alkuasemia DNA-kopioiden määrä segmenttejä (kuvio 1 B) kanssa, lukuun ottamatta ensimmäistä DNA-segmentin kunkin kromosomin ja raja-arvot kahden kopioluku neutraali alueet on määritelty R-paketin ”CGHcall” (versio 2.17.6) [11]. Havaitsemaan geenit, jotka vaikuttivat CNA-aiheuttava geenivirhe taukoja, raja-arvot kartoitettiin geenien merkinnät perustuvat ihmisen viite genomia hg18 /Ensembl54.
(A) Array-CGH DNA kopioida useita profiilin yksi CRC näytettä. X-akseli kuvaa kromosomien 1-22 ja X (numeroitu 23), jossa kromosomi rajat osoitettu pystysuorilla katkoviivoilla. Y-akseli kuvaa log2 määrän suhde kasvaimen DNA
versus
potilaan vastaaviin normaaleihin DNA. Mustat pisteet ovat yksittäisiä array-CGH koetin tietopisteiden. Sininen vaakasuorat viivat edustavat DNA-segmenttejä, ohjeellinen kasvaimen DNA kopiomäärä kromosomipoikkeavuuksien kun poiketaan 0. vihreä nuoli ja baari ilmaisevat kromosomin alueen 6, joka on korostettu kuviossa 1B. (B) Laajentuminen kuvion 1A (vihreä palkki). Vertical siroteltu Punaiset viivat kuvaavat genomista sijainnit CNA-aiheuttava geenivirhe raja-arvot,
i
.
e
. Genomisen tehtävissä, joissa log2 suhteet DNA-segmenttejä muuttua. (C) Frequency käyrä CNA-aiheuttava geenivirhe raja-arvot on q-varren kromosomin 13. X-akseli esittää genomi-asema Mb. Y-akseli kuvaa kromosomaalisen murtuessa taajuudet poikki kohortin 352 CRC näytteitä. Breakpoint taajuudet on merkitty array-CGH koetin-tason (vertikaalinen mustat palkit) ja geenien tasolla (horisontaalinen punaiset palkit). Toistuva breakpoint geenit (FDR 0,1) on nimetty. Vihreä nuoli ja baari osoittavat
PIBF1
kromosomin alueen 13q korostettuna kuvassa 1D. (D) Laajentuminen kuvion 1C (vihreä palkki), joka osoittaa, että
PIBF1
geeni keskeytyskohtia ovat keskittyneet distaalisessa geenin osan. Naapurimaa geenit, jotka eivät satama merkittävää murtuessa uusiutuminen on merkitty sinisellä.
Tilastollinen analyysi kromosomi breakpoint havaitsemisen
omistettu tilastollista merkittävyyttä analyysi varten aikaan geenipohjaisten kromosomi breakpoint analyysi, joka koostuu kolmesta vaiheesta. Ensinnäkin ryhmää kohti-CGH profiili perustason todennäköisyys keskeytyskohdan esiintyy geenin satunnaisesti määritettiin osuus määrä keskeytyskohtia profiilin, geeni pituus geenitekniikan liittyy koetin kattavuus ja määrä geenin liittyvän koettimia käyttämällä logistinen regressio. Toiseksi, testisuure määriteltiin profiilien määrää ainakin yhdellä murtuessa tietyllä geenissä. Sitten
P
-arvo laskettiin pois nolla-jakauma testisuureen. Tämä null-jakauma oli konvoluutio (yli riippumaton profiilit) Bernoullin satunnaismuuttujia kanssa geeneihin ja profiilikohtainen menestys (= keskeytyskohta) todennäköisyys ”. Kolmanneksi, kaikille
P
-arvot ehdokkaan breakpoint geenit moninkertainen testaaminen levitettiin oma Benjamini-Hochberg-tyyppinen FDR korjaus [12]. Tämä korjaus osuus erillisyydestä null-jakeluun. Koetin-pohjainen kromosomi murtuessa tilastollinen analyysi suoritettiin olettaen, että ryhmää kohti-CGH profiili todennäköisyys olla CNA liittyvän murtuessa anturi on sama kaikkialla antureista. Tässä tapauksessa erityinen Benjamini-Hochberg-tyyppinen FDR korjaus vastaa standardin Benjamini-Hochberg FDR korjaus, koska, toisin kuin geenit, kaikki koettimet vastaavat samaa nolla-jakeluun. FDR alle 0,1 katsottiin merkitseväksi.
geenimutaatio analyysi
APC
,
TP53
,
KRAS
,
PIK3CA
,
FBXW7
,
Smad4
,
BRAF
ja
sääntelyviranomaisten
ovat geenejä julkaistun mutaation esiintyvyys CRC noin 3% tai lisää [4]. FFPE DNA-näytteet analysoitiin seuraavan sukupolven sekvensointi käyttäen TruSeq Amplicon Cancer Panel (TSACP; Illumina Inc, San Diego, CA USA). Geenimutaatio tila määritettiin käyttämällä variantti soittaja putki ”Falco” [13]. Lukee rinnastettiin ihmisen viite genomin (NCBI Build37 /hg19) ja variantit annotoituna dbSNP merkinnät (rakentaa 137). Mutaatiot kutsuttiin kun selityksin variantin havaittiin vähintään 20% lukee ja nimettiin kuin synonyymi poikkeavuus.
Network Based ositus
NBS käytettiin klusterin CRC näytteitä, vaikka myös tietoa geenistä breakpoint ja geenin mutaatio molekyylivuorovaikutusten [14]. Perustaso kliinis ominaisuudet CRC näytteistä (n = 203, katso S5 taulukko) olivat samankaltaisia kuin sarjan analysoitiin Haan et al. [9].
Smad4
geeni hankittiin sekä raja-arvot ja mutaatioita, jotka yhdistettiin varten NBS analyysiä. Verkon leviämistä vaiheessa ennalta STRING ihmisen proteiini vuorovaikutusverkosto käytettiin mukana toimitettu NBS jakeluun. NBS parametrit asetettiin oletusarvot paitsi
k
joka asetettiin 4. Käytä näyte-samankaltaisuus matriisi NBS, näytteet jaettiin CRC alatyyppeihin keskimääräisellä sidoksen hierarkkinen klusterointi. CRC potilasta ryhmittyneet neljään CRC alatyyppeihin ja OS hinnat visualisoitiin Kaplan-Meier käyrät ja vastaava
P
-arvot laskettiin log-rank testaus.
CRC alatyypin liittyvien geenien
NBS ei tarjoa verkko-geenin poikkeavuus tulokset vakiona tuotos. Siksi määrittää, mitä geenejä merkittävästi liittyy tiettyyn CRC alatyyppi, verkko-pohjainen geeni poikkeavuus tulokset kunkin geenin näytettä kohden uutetaan seuraavasti. Ensinnäkin, jokaiselle NBS iterointia
i
of yhteensä
n
toistojen (n = 1000) tulo matriisit
V
i
olivat rekonstruoitu kerroin matriiseista
W
i
ja
H
i
että saatiin aikana ei-negatiivinen matriisi factorization menettely:
matriisit,
V
i
, edustavat käyttämät tiedot NBS määrittämiseen näytteen klustereiden jokaisen iteraation. Keskiarvotettu vektori verkko-geenin poikkeavuus tulokset,
R
s
oli nyt saatiin jokaisesta näytteestä
s
keskiarvoistamalla yli tulo matriisit
V
i
kaikilla
n
toistojen:
Täällä
V
on
on rivin
V
s
joka vastaa näyte
s
iteraatiossa
i
.
C
s
on normalisointi tekijä, määritellään iteraatioiden jossa näyte
s
valittiin klusterointi. Huomaa, että jos näyte ei valittu kokosi kaikki
V
on
arvot asetetaan nollaksi. Mann-Whitney U-testejä tehtiin yli keskimäärin verkko-geeni-aberraation tulokset testata, jos spesifisen geenin osaltaan muodostumista CRC-alatyypin. Jokaista geeniä näistä
R
s
tulokset ryhmiteltiin CRC alatyypin määrittämiseksi
P
-arvoja, joka osoittaa, onko geeni vaikutti merkittävästi muodostumista tietyn CRC-alatyypin.
Multi-Dendrix
tietojen syöttö Multi-Dendrix analyysi oli sama kuin syötetyn datan käytetään NBS-analyysi, paitsi geenit, jotka oli sama raja-arvot, jotka olivat nyt ryhmitelty ”altaat” (S8 taulukko). Multi-Dendrix parametrit asetettiin k7t7s11 [15].
Tulokset
Detection toistuvien breakpoint geenien
kromosomaalinen CNA tilan 352 ensisijainen kehittyneiden CRC näytteet määritettiin käyttämällä 180K Agilent paneelit, jotka kattavat genomin, jonka keskimääräinen koettimen välinen etäisyys on noin 17kB, kuten aiemmin on kuvattu [9]. Sen jälkeen DNA kopiomäärä segmentointi, genominen sijainnit muutoksia DNA kopiomäärä tila oli nyt käytetään arvioitaessa asemaa CNA-aiheuttava geenivirhe raja-arvot (kuvio 1A ja 1B). Tilastollinen arviointi tuotti 1605 genomista murtuessa paikat, joissa on toistuminen useita CRC näytteistä (FDR 0,1; S1 taulukko), mikä osoittaa, että kanta CNA liittyvien taukoja usein ei-satunnainen. Kun ryhmittely breakpoints geeni vaikuttaa, yhteensä 748 toistuvien breakpoint geenit tunnistettiin (FDR 0,1; S2 taulukko). Genomin jakelu ja esiintyvyyden kromosomi keskeytyskohdat klo q-varren kromosomin 13 on kuviossa 1C ja kaikkien muiden kromosomien S1 Fig.
Geeni korkeimmalla esiintyvyys kromosomi breakpoints oli
MACROD2
, joka vaikutti 40,9% CRC näytteistä. Toinen 169 toistuva murtuessa geenit vaikutti 3% kehittyneiden CRC näytteiden samankaltainen mutaatio taajuudet yhteisesti vaikuttaa onkogeenien ja tuumorisuppressorigeeneille (kuvio 2).
Gene murtuessa taajuuksilla (punaiset palkit) perustuivat analyysiin 352 CRC näytteiden ja geenimutaatiotesti taajuuksilla (siniset palkit) analyysiin 204 näytettä. Geenit merkitty ”*” osoittaa altaan geenejä, jotka jakavat anturi (t) liittyy kromosomi breakpoints:
PCMTD2 *
allas myös
LINC00266-1; PARK2 *
myös
PACRG
;
ZNF337 *
myös
NCOR1P1
,
FAM182A
,
FAM182B
,
FRG1B
,
MIR663A
,
MLLT10P1
;
CD99 *
myös
XG
;
PARP8 *
myös
EMB
.
kliininen merkitys toistuvien breakpoint geenien
Toistuva murtuessa geenit voivat edustaa genomialuetta jotka ovat alttiita kromosomi taukoja,
i
.
e
. epiphenomenon liittyy CNAs. Vaihtoehtoisesti toistuvat breakpoint geenit voivat ajaa syöpä ja tehdään positiivisen valinnan aikana tuumorigeneesiprosessin ja vaikuttavat tätä kliiniseen tulokseen kuten potilaiden kokonaiselinaika (OS). Siksi jokaisen toistuvia breakpoint geenien havaittiin, OS on alaryhmässä, jossa kyseisen geenin breakpoint verrattiin potilaiden alaryhmässä ilman että keskeytyskohta. Mikään yksittäinen toistuva murtuessa geenit oli merkitsevästi yhteydessä OS (log-rank
P
-arvot seurasi Bonferroni korjausta useille testaus, tuloksia ei ole esitetty).
Syöpään liittyvät biologiset prosessit ovat monimutkaisia ja ohjaa yhteisiä toimia useiden geenien. Siksi teimme yhdistetty analyysi 170 yleisimpiä ( 3%) toistuva keskeytyskohta yllä kuvatuista geeneistä ja geenin mutaatio aseman keskeisten syövän geenien. Käyttämällä DNA eristettiin formaliinilla kiinnitetyt, parafiiniin upotettuja arkistointia kudosta, mutaation asema
TP53
,
APC
,
KRAS
,
PIK3CA
,
FBXW7
,
Smad4
,
BRAF
ja
sääntelyviranomaisten
määritettiin kohdennetulla seuraavan sukupolven sekvensointi, joka onnistui varten 204 CRC näytteistä (kuvio 2, S3 ja S4 taulukot). Yhtenä tapauksessa puuttui raja-arvot ja mutaatioita valitulle geenit, 203 tapaukset olivat valmiit auttamaan sekä geenin breakpoint ja geenin mutaatio tietojen syötteenä Network Based ositus (NBS) [14]. NBS levitettiin levittää harva geeni breakpoint ja geenimutaatio tapahtumia esimääritettyä proteiini vuorovaikutusverkosto STRING seurasi klusterointi potilaiden kohdalla CRC alatyyppeihin perustuen vaikutusalaan aliverkot [14]. Tämä analyysi paljasti neljä CRC alatyyppiä (kuvio 3A ja S6 taulukko). Lähtötilanteen kliinis Potilaat olivat hyvin vertailukelpoisia koko neljän CRC alatyyppiä (toispuoleisesti Fisherin tarkka testi, S5 taulukko). OS analyysi osoitti merkittäviä eroja näiden alatyyppejä (log-rank
P
= 0,001; Kuva 3B), jossa CRC alatyypin 3, jossa on merkittävästi huonompi OS kuin muut kolme CRC alatyyppeihin (HR = 2,17; log-rank
P
= 0,0002; kuvio 3C), jossa on 218 päivää ero kokonaiselinajan mediaani.
(A) Co-klusterointi matriisin CRC näytteiden tuottaman NBS analyysi. Matriisi värin voimakkuus edustaa samankaltaisuus pisteet. Väripalkkia päällä osoittaa potilasryhmät, jotka liittyvät neljään CRC alatyyppiä (k = 4) määritettynä hierarkkinen klusterointi jälkeen NBS analyysi. (B) Kaplan-Meier kuvaaja kokonaiselinaikaa (päivinä) CRC alatyypin 1 (n = 80 potilasta), alatyypin 2 (n = 45 potilasta), alatyypin 3 (n = 27 potilasta) ja alatyyppi 4 (n = 51 potilasta ). On merkittäviä eroja OS yksi neljästä CRC alatyyppiä (log-rank
P
= 0,001), jossa köyhimpien OS alatyyppi 3 CRC potilaalla. (C) Kaplan-Meier kuvaaja OS CRC alatyypin 3 potilasta
vs.
potilasta muissa CRC alatyyppeihin, joka esittää riskisuhde (HR) 2,17 ja mediaani on 392 päivää
versus
610 päivää, vastaavasti (log-rank
P
= 0,0002).
Kun selvittää tarkemmin verkkojen liittyvät tähän CRC luokittelu, suurin osa edistää geenien osoittautui toistuva keskeytyskohta geenejä täydennetty joitakin yleisesti mutatoidun CRC onkogeenit ja tuumorisuppressorigeenit (S7 taulukko). Yksilötasolla geeni tasolle tunnistettuihin CRC alatyypin liittyvien geenien, huono ennustetekijöiden CRC alatyypin 3 oli
.
o
. rikastettu geenien pistemutaatioiden
BRAF
(kaksipuolinen Fisherin tarkka testi:
P
0,0001) ja
FBXW7
(
P
= 0,01 ), ja geenien keskeytyskohtia
WWOX
(
P
0,0001),
FHIT
(
P
0,0001), ja
PIBF1
(
P
= 0,03). Koska mutaatiot
BRAF
liittyvät usein mikrosatelliitti instable (MSI) kasvaimia [16], tutkimme jakelu MSI näytteiden kaikkien neljän CRC alatyyppiä. Mielenkiintoista, kahdeksan kymmenestä MSI näytteistä tässä ryhmässä 203 CRC olivat alatyypin 3 (kaksipuolinen Fisherin tarkka testi:
P
0,0001; S5 taulukko). Yhdessä nämä tulokset osoittavat, että CNA-liittyvien toistuvien murtuessa geenit ovat kliinisesti merkittäviä, sillä ne edistävät CRC luokitteluun alatyyppejä kanssa ennusteen arvioinnissa.
biologinen merkitys on toistuvia breakpoint geenien
Jotta voitaisiin edelleen tutkia, toistuva breakpoint geenit voivat kuljettaa CRC kehittämiseen, Multi-Dendrix algoritmia sovellettiin tunnistaa onkogeeniset polkuja tai geeni moduulien kahden kriteerin perusteella, nimittäin: 1) tapahtumien kuluessa moduuli täytyy toisensa poissulkevia, ja 2) näistä tapahtumista kattavat lähes kaikki syöpänäytteissä tutkittu [15]. Lähtötiedot tähän analyysiin oli samanlainen kuin NBS,
i
.
e
. geenin mutaatio aseman kahdeksan yleisesti vaikuttaa CRC geenien ja murtuessa tilan 170 yleisimpiä ( 3%) toistuva keskeytyskohta geenejä 203 CRC näytteistä. Tämä analyysi paljasti neljä erillistä geeniä moduulia, kolme moduulia, jotka sisältävät sekä geenimutaatioita ja geenin raja-arvot ja yksi moduuli on kokonaan koostuu toistuvista breakpoint geenien (kuvio 4). Vahvin molemminpuolisen poissulkemisen välillä havaittiin
TP53
mutaatioita ja
PIBF1
breakpoints, geeni, jonka raja-arvot olivat yleisintä CRC-alatyypin 3, joka osoitti köyhimpien ennustetta. Genominen sijainti
PIBF1
q-varren kromosomin 13 korostetaan kuviossa 1D, joka kuvaa rikastumista geenin breakpoints distaalisessa osa tätä geeniä. Lisäksi myös
MACROD2
,
PPP1R12B
,
AKAP13
,
ERGIC1
,
PTPRT
,
SLC22A5
HIST1H1A
,
ASNS
, ja
ROCK1
murtuessa geenit olivat edustettuina yhdessä geenin moduulit, ja osaltaan CRC alatyypin luokittelu (kuvio 4 ja S7 taulukko). Nämä tiedot merkitsevät sitä, että useita toistuvia murtuessa geenejä tärkeä biologinen rooli CRC kehittämisessä.
Solmut käsittävät sekä geenin breakpoints (punainen ääriviivat) ja geenimutaatioita (sininen ääriviivat). Reunat (harmaat viivat) liittää geenejä, jotka keskenään yksinomaan vaikuttaa. Paksuus harmaita viivoja ja vastaava määrä heijastaa luotettavuutta pisteet. Vahvin molemminpuolisen poissulkemisen on havaittu
PIBF1
ja
TP53
. Genes merkitty ”*” osoittaa altaan geenejä, jotka jakavat koetin (t), joka liittyy kromosomi-raja-arvot:
ZNF337 *
allas sisältää myös
NCOR1P1
,
FAM182A
FAM182B
,
FRG1B
,
MIR663A
,
MLLT10P1
;
ZNF519 *
myös
ANKRD20A5P
,
ANKRD30B
.
Keskustelu
Molecular karakterisointi somaattisen DNA poikkeavuuksien on hyödyllistä strategia tukea ennusteen ja hoidon ennustaminen yksittäisille potilaille. Vaikka analyysi ei-synonyymejä pistemutaatioiden yleisesti muuntunut syövän geenien ja määrittäminen kromosomi CNAs on tullut standardi käytäntö karakterisoimiseksi kasvain näytteissä, laajamittainen genominlaajuisia yksityiskohtainen analyysi SV on vielä lapsenkengissä. Me täällä osoittaneet, että CNA profiilien avulla tunnistaa geenejä, joiden toiminta voi vaikuttaa CNA-aiheuttava geenivirhe taukoja. Kaikkiaan 748 toistuvat murtuessa geenit tunnistettiin perustuu analyysiin suuren sarjan (n = 352) korkean resoluution array-CGH näytteitä primaarikasvainten potilaiden, jotka osallistuivat kahteen faasin III kliinisissä tutkimuksissa metastaattisessa CRC. Lisäksi niiden runsaus myös esiintyvyys toistuvien breakpoint geenien oli suhteellisen korkea, 170 geenien sairastumatta kromosomi taukoja yli 3% syöpätapauksista. Sinänsä esiintyvyys geenien vaikuttaa CNA-aiheuttava geenivirhe taukoja on verrattavissa esiintyvyys pistemutaatiot hyvin tunnettuja ja yleisesti vaikuttaa CRC onkogeenien ja tuumorisuppressorigeeneille (kuvio 2).
Yksi tärkeimmistä kysymykset pyrittiin puuttumaan onko kromosomi tauot sisällä geenit ovat vain epiphenomenon liittyy kromosomi epävakautta tai toistuvat murtuessa geenit edustavat syövän kuljettajien biologisten ja kliinistä merkitystä. Vaikka yksikään yksittäinen toistuva murtuessa geenit osoittivat merkittäviä vaikutuksia OS, etenemisen 170 yleisin murtuessa geenit yhdessä kahdeksan yleisesti mutatoitunut geenejä päälle ennalta määritetyn verkko saa luokitella CRC neljään alatyyppeihin NBS. Yksi CRC alatyypeistä, CRC alatyyppiä 3, oli merkittävästi huonompi ennuste kuin muut (kuvio 3), mikä osoittaa, että kliinisesti selvä alatyyppejä voitiin tunnistaa. Monimuuttuja-analyysissä (tuloksia ei esitetty) tekijät ”WHO suorituskykyluokan”, ”LDH randomoinnin ’,’ ennen adjuvanttihoito”, ”kasvain vaiheessa primäärikasvain”, ”määrä vaikuttaa elimet” ja ”MSI tila” oli säilytetty. Koska genomiset mutaatiot ovat syy kasvaimien synnyn ja sanella kasvain käyttäytymiseen, on hyvin mahdollista, että fenotyypin tekijöitä, jotka lopulta ovat seurausta taustalla biologian, peittää ennustetekijöitä vaikutus genomisen CRC alatyyppejä. Tällainen riippuvuus välillä kliinis ennustetekijöitä parametrien ja CRC alatyypeistä tässä kuvatulla siis ei kumota univariate ennusteen arvioinnissa tämän luokittelun.
CRC alatyypin 3 osoittautui rikastaa kasvaimista
BRAF
mutaatioita (33% tapauksista
vs.
5% muissa CRC näytteitä; S7 taulukko) ja MSI kasvaimet (30% tapauksista
verrattuna
1% muissa CRC näytteistä).
BRAF
on mutatoitunut paljon korkeammilla taajuuksilla MSI kasvainten kuin kromosomi instable kasvaimia, ja sisällä MSI kasvainten,
BRAF
mutaatio tiedetään liittyvän huonoon ennusteeseen [16]. Vaikka MSI kasvaimet ovat suhteellisen hyvä ennuste alkuvaiheen tauti, ne myös liittyvät nimenomaisesti huonon ennusteen metastaattisessa CRC [17]. MSI kasvaimet usein harvemmin CNA poikkeamia kuin kasvaimia, jotka ovat microsatellite stabiileja (MSS) ja siten vähemmän CNA-aiheuttava geenivirhe raja-arvot kuin MSS kasvaimia. Tämä viittaa siihen, että MSI kasvaimet voivat tulla ryhmittyneet yhteen erilliseen CRC alatyyppi riippumatta (muutokset) funktiona toistuvia breakpoint geenejä. Tämän päättelyä, voisi ennustaa, että huonon ennusteen CRC alatyypin 3 puuttuu toistuva murtuessa geenien lisääntynyt mutaatio taajuuksia verrattuna muihin CRC alatyyppeihin. Kuitenkin meidän tiedot osoittivat muuten (S7 taulukko), joilla on merkittävää rikastumista breakpoint taajuuksien CRC alatyypin 3
verrattuna
toinen CRC näytteet
WWOX
(33%
versus
5%),
FHIT
(59%
vs.
13%), ja
PIBF1
(15%
verrattuna
3%). Nämä tiedot korostavat, että toistuvat murtuessa geenit vaikuttavat merkittävästi kliinisesti merkittävää CRC luokitus.
Kuten tiedot tukevat kliinistä merkitystä toistuvia breakpoint geenien, on odotettavissa, että kromosomi taukoja sisällä nämä geenit jotenkin aiheuttaa positiivisen valinnan syöpäsolujen ja stimuloida kasvainten kehittymiseen. Toiminnallinen analyysi toistuvien breakpoint geenien ymmärtää niiden biologiset vaikutukset ollutkaan nykyisen tutkimuksen. Kuitenkin monet näistä rooli tuumorigeneesissä on kuvattu kirjallisuudessa.
WWOX
ja
FHIT
on jo kauan tiedetty asumaan yhteiseen hauras sivustoja ja on osoitettu toimivan vaimentimet kasvaimen kehitystä geeni hiiressä malleja [18]. Lisäksi
WWOX
yliekspression on osoitettu edistävän immuunivasteen gliooma malli [19], kun taas
FHIT
säätelee positiivisesti MHC-luokan I molekyylien syöpäsoluihin [20]. Nämä tiedot viittaavat siihen, että lakkaa toimimasta
WWOX
ja
FHIT
apua paeta immuunitutkimusohjelmasta. Samoin, progesteroni immunomodulatorinen sitova tekijä
PIBF1
tunnistettiin erittyy tekijä, joka voi estää raskauden menetyksen vaimentaa immuunivastetta. Ottaen huomioon, että
PIBF1
breakpoints oli todettu pääasiassa distaalisessa osassa geenin (kuvio 1 D) on houkuttelevaa spekuloida, että
PIBF1
geeni breakpoints häiritä sen tumalokalisaatiosignaalin, joihin se tulee erittyvä proteiini anti-kasvain immuuni-tukahduttamalla ominaisuuksia [21]. MSI kasvainten arvellaan herättää kasvaimen vastaisen immuunivasteen, joka estää metastaattinen leviäminen, mutta kun kiertää nämä kasvaimet tulla hyvin aggressiivisia [16]. Tässä suhteessa on kiinnostavaa huomata, että keskeytyskohta geenit, jotka vaikuttivat eniten luokitukseen huonon ennusteen CRC alatyypin 3,
i
.
e
.
WWOX
,
FHIT
, ja
PIBF1
, kaikki ovat sekaantuneet moduloivan immuunivasteita.
MACROD2
oli kaikkein vallalla toistuva murtuessa geeni meidän kohortin vaikuttavat 41% CRC tapauksista. Tämä geeni oli myös yksi kaikkein useimmin havaittu uudelleen järjestetyssä geenien kautta polttoväli poisto muissa tutkimuksissa [3,22].
MACROD2
pystyy hydrolysoimaan endogeenisen mono-ADP-ribosyyli ryhmien reversiibeli translaation jälkeisen modifikaation osa, tavoitteesta proteiinit, kuten
GSK3b
. Tämä palauttaa funktio
GSK3b
, joka on keskeinen estäjä Wnt-signalointireitin. Näin ollen ei ole toiminnallinen
MACROD2
voi vähentää kinaasiaktiivisuutta
GSK3b
ja edistää näin Wnt signalointia [23-25]. Lisäksi
MACROD2
voi olla rooli moduloivan toimintaa histoniproteiineista ja rekrytoidaan tapauksessa DNA-vaurioiden vasteen [23,25].
lähemmin käsitellä biologista merkitystä toistuvien breakpoint geenejä yritimme rakentaa moduuleja oletettujen syövän ajo geenejä, Multi-Dendrix. Yhtäältä, tämä analyysi voi paljastaa kasvaimia synnyttävän reittejä etsimällä toisiaan poissulkevia geenimutaation malleja, jotka kattavat lähes kaikki CRC näytteitä. Toisaalta, jos näennäisesti homogeenisen ryhmän kasvainten koostuu erillisistä kasvain alatyyppejä, molemminpuolisen poissulkemisen geenien välillä voi myös heijastaa läsnäolon (aiemmin tunnistamattomia) syöpä alatyyppeihin. Vahvin molemminpuolisen poissulkemisen välillä havaittiin
TP53
mutaatioita ja
PIBF1
breakpoints (kuvio 4).