Abstract

Purpose

Para descobrir novos biomarcadores de prognóstico em carcinomas serosos ovarianos.

Métodos

Uma meta-análise de todos os genes individuais sondas em o TCGA e tem coortes de ovário foi realizada para identificar possíveis biomarcadores usando regressão de Cox como uma variável contínua para a sobrevida global. Genes foram classificados por valor-p utilizando o método de Stouffer e selecionado para significância estatística com uma taxa de descoberta de falsas (FDR). 0,05, utilizando o método Benjamini-Hochberg

Resultados

Doze genes com alta expressão de mRNA foram prognóstico do mau resultado com um FDR 0,05 (AXL, APC, RAB11FIP5, C19orf2, CYBRD1, PINK1, LRRN3, AQP1, DES, XRCC4, EHF, e ASAP3). Vinte genes com baixa expressão de mRNA foram prognóstico do mau resultado com um FDR 0,05 (LRIG1, SLC33A1, NUCB2, POLD3, ESR2, GOLPH3, XBP1, PAXIP1, CYB561, POLA2, CDH1, GMNN, SLC37A4, FAM174B, AGR2, SDR39U1 , MAGT1, GJB1, SDF2L1 e C9orf82).

Conclusão

Uma meta-análise de todos os genes individuais identificados trinta e dois biomarcadores candidatos para o seu possível papel no carcinoma seroso do ovário. Estes genes podem fornecer informações sobre os controladores ou reguladores de câncer de ovário e deve ser avaliada em estudos futuros. Genes com expressão elevada, indicando mau resultado são possíveis alvos terapêuticos com antagonistas ou inibidores conhecidos. Além disso, os genes podem ser combinadas em uma assinatura multi-gene de prognóstico e testada em coortes de ovário

citação:. Willis S, Villalobos VM, Gevaert O, Abramovitz M, Williams C, Sikic BI, et ai. (2016) único gene prognósticos Biomarkers no câncer de ovário: A Meta-Analysis. PLoS ONE 11 (2): e0149183. doi: 10.1371 /journal.pone.0149183

editor: William B. Coleman, University of North Carolina School of Medicine, Estados Unidos

Recebido: 15 de dezembro de 2015; Aceito: 04 de janeiro de 2016; Publicação: 17 de fevereiro de 2016

Direitos de autor: © 2016 Willis et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados

Data Availability:. Dados para a coorte de ovário TCGA está disponível ao público a partir TCGA Portal de dados (https://tcga-data.nci.nih.gov/tcga/). Dados para a Academia Húngara de Ciências Cohort está disponível para download no https://www.kmplot.com

Financiamento:. Este trabalho foi financiado em parte pelo NIH concede R01 CA114037 e NIH R01 CA 184968 (BI Sikic ). Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito

CONFLITO DE INTERESSES:.. Os autores declararam que não existem interesses conflitantes

Introdução

o câncer de ovário é a quinta maior causa de mortes relacionadas ao câncer com uma estimativa de 22.000 novos casos por ano e 15.000 mortes nos Estados Unidos [1]. A partir de 1950-2008, a taxa de mortalidade do cancro do ovário, de 10 por 100.000 mulheres manteve-se inalterada, indicando a necessidade de identificar novas e novas terapias para esta doença. Padrão de tratamento para o câncer de ovário em estágio avançado é extensa cirurgia debulking seguida por quimioterapia [2-4]. Um fator significativo na taxa de mortalidade elevada é a falta de sintomas específicos da doença, resultando em diagnósticos em estágio final, onde a taxa de cura para o diagnóstico em estágio inicial é de 90% [5,6]. Identificação de biomarcadores à base de soro e de imagem para detectar o câncer de ovário em estágio inicial para o rastreio de rotina é uma estratégia potencial para melhorar a sobrevida global (OS) [7].

Vários grupos identificaram as assinaturas grandes multi-genes que eram prognóstico do resultado em amostras de tumores de ovário molecularmente perfilados [8-21]. Procurou-se identificar de um único gene biomarcadores de prognóstico usando meta-análise de dados de expressão de mRNA publicamente disponíveis a partir de coortes ovarianos com interações gene-droga conhecida que poderia ser potencialmente utilizados para indicar estratégias de tratamento alternativos.

Materiais e Métodos

Meta-Analysis

extração de dados foi realizada de acordo com os itens de relatório preferido para revisões sistemáticas e meta-análises (PRISMA) orientação (S1 arquivo) [22]. O protocolo utilizado para realizar esta meta-análise não foi registrado antes dado que estamos usando dados tal como publicado e uma análise de regressão Cox como uma variável contínua, sem quaisquer cortes pré-determinados. Utilizou-se análise de regressão Cox para determinar o valor-p Wald de teste para cada sonda Affymetrix como uma variável contínua, onde a expressão do mRNA é representado como um z-score. O modelo de riscos proporcionais de Cox foi utilizado para calcular as taxas de risco (HR) para OS e seus intervalos de confiança de 95% (IC) para cada sonda. O p-valor para cada sonda única de cada coorte foi combinado usando o método de Stouffer para combinar os resultados de duas coortes de ovário independentes. O valor p resultante para cada sonda em coortes combinados foi utilizado para classificar as sondas de prognóstico. Sondas com uma taxa de descoberta de falsas (FDR) 0,05, utilizando o método Benjamini-Hochberg foram selecionados como sendo estatisticamente significativo. Para a análise de regressão de Cox e sobrevivência de Kaplan-Meier figuras, foi utilizado o módulo de sobrevivência Biojava3-BioJava [23]. O módulo Biojava3-sobrevivência é uma porta direta do código de Cox de regressão C no pacote de R sobrevida [24,25].

Meta-Analysis coortes

O TCGA ovário HG-U133A coorte baixado em 21 de maio de 2015, do Instituto Broad Portal FireBrowse dados (www.firebrowse.org). Esta coorte TCGA foi usado como a coorte de descoberta consiste em 470 amostras com 249 eventos para OS. Os eventos do sistema operacional foram determinados a partir dos metadados “vital_status” e a hora do evento /censor era o tempo máximo de “days_to_last_followup” e “days_to_death” fornecido em OV.clin.merged.picked.txt. metadados adicionais foi incorporada a partir OV.clin.merged.txt. A coorte de ovário TCGA consiste em estágio III e 15% fase IV pacientes com carcinoma seroso 77%.

Em seguida, uma coleção de conjuntos de dados de ovário foi baixado em 06 de dezembro de 2013 no site da kmplot.com consistindo de 1.287 amostras [26] e foi utilizado como o segundo coorte na meta-análise. A coorte de ovário usado para análise de resultados na kmplot web site é uma coleção de coortes publicados perfilados na plataforma Affymetrix onde os arquivos CEL matérias estavam disponíveis para MAS5 normalização como uma coorte combinada e identificação da amostra original. O TEM coorte do ovário (TEM = Academia de Ciências da Hungria) inclui a coorte do ovário TCGA e essas amostras foram removidas para estabelecer uma coorte independente. Além disso, o HAS coorte ovário contém um elevado número de fase I e fase II amostras que foram removidos para coincidir com o elevado número de amostras de fase III e IV fase na coorte de ovário TCGA. O independente resultante tem ovário coorte de validação consistiu de 313 amostras com 167 eventos para OS (91% estágio III e 9% estágio IV). Os metadados para TEM coorte de validação ovário indica 188 carcinoma seroso, 6 endometrial e 121 amostras indefinidos. O TEM coorte ovário inclui amostras de sete coortes independentes GSE14764, GSE15622, GSE19829, GSE3149, GSE9891, GSE18520 e GSE26712. O TEM metadados de ovário é limitada e não indica a idade do paciente ou outras métricas de coorte padrão.

O TCGA ovário Cohort e tem Cohort são bem conhecidos coortes publicamente disponíveis que podem ser baixados pelos pesquisadores para meta-análise. Os co-autores têm nenhuma afiliação com as coortes do ovário e nenhuma alteração foi feita para valores de expressão de mRNA utilizados na meta-análise.

Análise de Enriquecimento

análise de enriquecimento de Gene-anotação foi realizada utilizando DAVID ferramentas usando configurações padrão [27]

resultados

os resultados da meta-análise de genes estatisticamente significativas com um FDR. 0,05 em que a alta expressão indica mau resultado pode ser encontrada na Tabela 1, e em que a baixa expressão indica mau resultado pode ser encontrada na Tabela 2. no total, cada uma das sondas de 17.169 Affymetrix foram utilizados para determinar um valor de p de prognóstico usando análise de regressão de Cox. Os valores de p para cada sonda em dois grupos independentes foram combinados usando o método de Stouffer e as sondas classificado. Os 17.169 sondas foram usadas para determinar a FDR em que as sondas com um FDR 0,05 foram considerados estatisticamente significativos. No total, 32 sondas teve um FDR 0,05, onde 12 tiveram alta expressão indicando mau resultado e 20 teve baixa expressão indicando mau resultado. Genes com expressão elevada, indicando mau resultado são possíveis alvos terapêuticos com antagonistas ou inibidores conhecidos.

(25-75)% é a diferença na expressão dos 25

th e 75

th expressão percentual em uma escala logarítmica. O valor de p Stouffer foi utilizado como a métrica de classificação combinando os valores de p de cada coorte.

(25-75)% é a diferença na expressão da 25

th e 75

expressão percentil em uma escala logarítmica. O valor-p Stouffer foi a métrica ranking de combinar os valores de p de cada coorte.

A lista completa de sondas e p-valores resultantes são fornecidos no suplementar. Para as sondas com um FDR , 05 todas as direções de RH estavam de acordo nas duas coortes de apoio adicional que as sondas individuais foram biomarcadores válidos com o mínimo de falsos positivos. A expectativa é que um biomarcador válido teria uma HR prognóstico consistente em que a alta expressão em ambos os coortes denotaria mau resultado. Se um corte estatisticamente significativa para p-valor foi usada .001, sem uma correção de FDR, que resultou em um adicional de 105 sondas, onde 8 (7,6%) das sondas não tinham contrato de RH nas duas coortes e seria considerados falsos positivos. Utilizando um valor de p 0,01 identificado um adicional de 432 sondas 70, onde (16%) das sondas não têm acordo RH. Usando um corte FDR de . .05 Estabelecida uma lista de 32 sondas que foram informada dos resultados

análise de enriquecimento Gene dos 20 genes em que a baixa expressão indica mau prognóstico foram associados com retículo endoplasmático com um Benjamin correção p -valor 0,05. Para os 12 genes em que a alta expressão indica mau prognóstico nenhuma associação estatisticamente significativa.

Discussão

O uso de meta-análise dos dados existentes no cohots câncer de ovário publicamente disponíveis possa produzir genes que devem ser investigados mais de perto e que pode eventualmente levar a novos tratamentos para pacientes com câncer ovariano que têm sido lentos. A quimioterapia é usado atualmente como o padrão de cuidados em conjunto com debulking cirurgia em pacientes com câncer ovariano avançado [2-4]. A adição de terapia-alvo em combinação com a quimioterapia pode melhorar SO, no entanto, a identificação destes tipos de drogas permanece elusiva. Os genes que são sobre-expressos em tumores do ovário não são apenas os biomarcadores potenciais de prognóstico, mas pode também ser alvos terapêuticos se esses genes correlacionam-se com um mau resultado. Por outro lado, os genes sobre-expressos que estão associados com um bom resultado pode ser involuntariamente alvo de tratamentos de câncer padrão ou fora do alvo efeitos de drogas que os pacientes podem estar tomando para outros problemas de saúde. Foi realizada uma meta-análise de dados de expressão de mRNA a partir de duas coortes de ovário e utilizou diversas ferramentas estatísticas para identificar 12 superexpresso (Tabela 1) e 20 sub-expressos (Tabela 2) genes que se correlacionaram com um mau resultado.

neste estudo, a sobre-expressão de 12 genes e subexpressão de 20 genes foram associados com um mau resultado. Assim, a nossa meta-análise foi implicado genes que podem estar prognóstico, bem como potenciais alvos terapêuticos para exercer no tratamento do cancro do ovário. A capacidade de gerar listas de um único gene de coortes ovarianos publicados também poderia levar a uma compreensão mais completa do que genes contribuem para o processo tumorigénico câncer de ovário. O uso de bioinformática, portanto, em conjunto com a análise de bases de dados clínicos e literatura serão obrigados a abater estas listas de genes, a fim de se concentrar em os mais potencialmente relevantes.

Informações de Apoio

S1 Arquivo. PRISMA Checklist

doi:. 10.1371 /journal.pone.0149183.s001

(DOC)