Abstract

carcinoma músculo da bexiga invasivo é uma doença complexa, multifatorial causada por interrupções e alterações de várias vias moleculares que resultam em fenótipos heterogêneas e evolução da doença variável. Combinando esse conhecimento díspares podem oferecer insights para decifrar processos moleculares relevantes relativas a abordagens terapêuticas direcionadas guiados por assinaturas moleculares que permitam melhorar o perfil de fenótipo. O objetivo do estudo é caracterizar muscular carcinoma da bexiga invasivo em um nível molecular através da incorporação de triagem literatura científica e assinaturas de omics profiling. Ômicas públicos de domínio assinaturas em conjunto com as características moleculares associados a cancro da bexiga invasivo do músculo foram derivadas de mineração literatura para fornecer 286 genes codificadores de proteínas únicas. Estes foram integrados numa rede proteína de interacção para obter um mapa funcional molecular do fenótipo. Este mapa recurso educado em três novas vias de doenças associadas com envolvimento plausível no cancro da bexiga, nomeadamente o Regulamento do citoesqueleto de actina, neurotrofina via de sinalização e endocitose. abordagens de integração sistemática permitem estudar o contexto molecular de características individuais relatados como associados a um fenótipo clínico e poderia ajudar a melhorar a descrição mecanicista molecular da doença

Citation:. Bhat A, Heinzel A, B Mayer, perco P, Mühlberger I, Husi H, et al. Interactome (2015) Proteína de músculo invasivo cancro de bexiga. PLoS ONE 10 (1): e0116404. doi: 10.1371 /journal.pone.0116404

Editor do Academic: Francisco X. real, Centro Nacional de Investigações Oncológicas (CNIO), ESPANHA

Recebido: 15 de maio de 2014; Aceito: 09 de dezembro de 2014; Publicação: 08 de janeiro de 2015

Direitos de autor: © 2015 Bhat 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

Disponibilidade de Dados: Os dados provêm o estudo múltiplos artigos da literatura cujos autores podem ser contactados através dos ids PubMed fornecidas neste manuscrito

Financiamento:. este trabalho foi apoiado por Acções Marie Curie – BCMolMed ao abrigo do contrato de concessão não. FP7-PEOPLE-2012-ITN-EID Sétimo Programa-Quadro da Comunidade Europeia e sob a convenção de subvenção não. 306157. Harald Mischak é o fundador e co-proprietário da mosaiques Diagnostics, que desenvolveram a tecnologia CE-MS para aplicação clínica. Akshay Bhat é um funcionário da mosaiques Diagnostics. Bernd Mayer é o sócio-gerente da emergentec biodevelopment GmbH, Áustria. Paul Perco, Andreas Heinzel e Irmgard Mühlberger são funcionários da emergentec. Nem mosaiques Diagnostics GmbH nem biodevelopment emergentec GmbH estavam envolvidos no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito. As empresas envolvidas só forneceu apoio financeiro sob a forma de salários dos autores e /ou materiais de pesquisa. Os papéis específicos destes autores são articuladas na seção “autor contribuições ‘

Conflito de interesses:. Os autores declararam o seguinte potencial conflito de interesses: Harald Mischak é o fundador e co-proprietário da mosaiques Diagnostics, que desenvolvido a tecnologia CE-MS para aplicação clínica. Akshay. Bhat é um funcionário da mosaiques Diagnostics. Bernd Mayer é o sócio-gerente da emergentec biodevelopment GmbH, Áustria. Paul Perco, Andreas Heinzel e Irmgard Mühlberger são funcionários da emergentec. Estas questões não alteram a adesão dos autores para todas as políticas de PLoS One sobre os dados e materiais de compartilhamento.

Introdução

O câncer de bexiga (BC) apresenta-se com uma estimativa de 72,570 novos casos diagnosticados e 15.210 mortes nos Estados Unidos [1] no ano de 2013, o que demonstra claramente a necessidade de um melhor diagnóstico e terapia. O câncer de bexiga é o nono tumor maligno mais freqüente com uma proporção aproximada de 5: 1 em relação ao não-músculo invasivo contra musculares fenótipos invasivos [2]. Principais fatores de confusão são o tabagismo e outras exposições ocupacionais, juntamente com predisposições genéticas, como por exemplo N-acetiltransferase 1 (NAT1), N-acetiltransferase 2 (NAT2) e polimorfismos de glutationa-S-transferase μ1 (GSTM1) [3]. Embora variável para doentes com cancro da bexiga, os sintomas iniciais incluem hematúria e dor no flanco, comumente representada durante os estágios avançados de câncer causados ​​por obstruções ureterais devido à invasão da parede muscular da bexiga ou ureter, juntamente com infecções urinárias recorrentes [4, 5]. A evidência sugere que a transformação maligna da bexiga é multifactorial e uma multiplicidade de genes que estão envolvidos no desenvolvimento de músculo invasiva ou não-invasiva do músculo fenótipo [6, 7]. O principal tipo histológico é o carcinoma de células de transição que ocorre em aproximadamente 90% dos tumores da bexiga diagnosticados (com o restante sendo principalmente escamosas carcinomas e adenocarcinomas), em todas as categorias de papilar não-invasiva (Ta) ou plano (TIS), subepitelial invasiva (T1 ), músculo invasiva (T2-T4) e metastáticos (N +, M +) doenças, todos diferindo em biologia, características de progressão e, consequentemente, a gestão clínica. A maioria dos casos são não-músculo invasivo (Tis, Ta, T1) e 10-15% são tumores músculo-invasivo (T2-T4), com este último associado à recorrência rápida e pior prognóstico baseado em progredir no sentido de formação de metástases.

cistoscopia é o padrão de ouro com uma sensibilidade e especificidade relatada na gama de 62-84% e 43-98%, respectivamente, [8]. Devido à natureza invasiva do processo, mas também para a adição de precisão na detecção, biomarcadores avaliados no sangue ou na urina são considerados como benéficos para suportar avaliação clínica [9]. Isto também é relevante para o prognóstico da doença como biomarcadores medidos no DNA, RNA e /ou níveis de proteína fornecem o potencial para escolher melhor as medidas de vigilância e regimes de tratamento para populações de pacientes específicos relativos travar o desenvolvimento de doença invasiva muscular [10]. O tratamento de carcinoma papilar e de alto grau de não-invasiva do músculo envolve a ressecção transuretral endoscópica de tumores visíveis, seguido de tratamento com a terapia adjuvante instilação intravesical (Mitomicina /epirrubicina ou Bacilo de Calmette-Guerin (BCG)), dependendo do risco estimado para a progressão. Independentemente do tratamento agressivo e vigoroso follow-up, 70% destes tumores se repetem, e 25% dos não-muscular de alto grau cancros invasivos progredir em fenótipos invasivos [2, 11].

A comparação da genética características de tumores músculo-invasivos e não invasivos revelou que os tumores não invasivos sobre-expressa o FGFR3 ou HRAS e produzem formas activadas destes altamente proteínas. Como resultado, as vias /MAPK Ras são supra-regulados em tumores não invasivos [12]. BC músculo-invasiva está associado a alterações de p53, a proteína do retinoblastoma (RB1) e supressores de tumor que controlam os processos do ciclo celular, para além de manifestações elevados no receptor do factor de crescimento epidérmico (EGFR), receptor do factor de crescimento epidérmico humano 2 (HER2 /ErbB2), matriz metalopeptidase 2 (MMP2) e MMP9 e eliminações em p16INK4a e P15Ink4b [3].

de alta capacidade tecnologias de plataforma experimentais que vão de sequenciamento genômico a perfis proteômica e metabolômica agora estão sendo usados ​​para a caracterização molecular de fenótipos clínicos [ ,,,0],13-19]. Uma variedade de conjuntos de dados se tornaram disponíveis, por exemplo, in Array Expresso /Gene Expression Omnibus (GEO) para transcriptomics, Proteinpedia Humano para proteômica, ou em plataformas de consolidação de dados grandes, como GeneCards [20]. Em relação à doença de dados omics específicas, fontes gerais valiosas em oncologia incluem TCGA (https://cancergenome.nih.gov/), Oncomine [21], e OMIM [22]. Embora omics profiling forneceu uma abundância de dados, limites técnicos envolvendo incompletude dos catálogos moleculares individuais juntamente com a representação estática de atividade celular limita os insights sobre processos moleculares e suas dinâmicas de interação [23-25]. Apesar destes desafios, perfis baseados omics-tem avançado significativamente a pesquisa de cancro da bexiga, fornecendo a base para uma abordagem de análise integrativa em delinear uma visão mais abrangente dos processos moleculares e vias que caracterizam variações de carcinoma urotelial músculo-invasivo [12].

no nível efetoras, proteínas interagem e cooperativamente formar processos e vias moleculares específicos. interações intermoleculares incluem vários tipos sendo representados como redes (grafos) com características moleculares designadas por nós (vértices), juntamente com suas interações (bordas). Um grande número de recursos via biológica tornou-se disponível, incluindo KEGG [26], a Panther [27], Reactome [28] e amigo [29] descrita no guia de trajecto (https://www.pathguide.org/), exibindo todos bem metabólica -definida humana molecular e vias de sinalização juntamente com percursos específicos da doença (por exemplo, percursos em câncer). características moleculares sendo identificados como associados com câncer de bexiga pode ser interpretado no nível de tais vias, adicionando a uma interpretação funcional de conjuntos de recursos moleculares que caracterizam o fenótipo.

Para adicionar à nossa compreensão do carcinoma da bexiga músculo-invasivo ( CINM), derivamos um modelo de rede específicos do fenótipo (interactome), integrando genómica assinaturas que caracterizam CINM, relatadas na literatura científica e bancos de dados. O nosso procedimento de rastreio incorporada literatura científica e assinaturas de ômicas perfilar, resultando em 1.054 genes codificadores de proteínas a ser associado com MIBC, consolidando a 286 genes no nível interactoma. Os resultados são exibidos derivar um modelo de nível de sistemas para fenotipagem molecular de invasão muscular cancro da bexiga, apresenta-se como múltiplas vias afetadas.

Materiais e Métodos

As fontes de dados para caracterização da fisiopatologia cancro da bexiga

Para consolidar características moleculares associados ao câncer músculo da bexiga invasivo, NCBI PubMed, web of Science, o Google Scholar e os omics repositórios Gene Expression Omnibus (GEO) [30] e ArrayExpress [31] foram consultados. As palavras-chave para a pesquisa bibliográfica incluiu “bexiga ou urotelial ou célula de transição” e “neoplasia ou tumor ou carcinoma” E “músculo” E “Invas * OU agredir * OU progresso * ou inflamação” (versão de banco de dados de abril de 2014). Por construção dessa consulta de pesquisa focado especificamente no músculo invasivo neoplasia da bexiga. Para extracção de genes codificadores de proteínas associadas a estas publicações gene-2-PubMed como fornecidos pelo NCBI foi utilizado [32]. A lista de publicações relevantes à invasão muscular câncer de bexiga foi isolado a partir da lista completa de artigos indexados no PubMed, juntamente com os IDs de genes associados (ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/gene2pubmed.gz) . experimentos de perfis foram ainda pesquisados ​​quanto à adequação do tamanho da amostra (pelo menos 50 amostras incluídas no desenho do estudo), a magnitude da abundância diferencial ( mudança de 2 vezes) e as condições fenotípicas específicas; T1, T2

a /b, T3

a /b, T4

a /b (Fig. 1 e 2). Além disso, apenas os artigos que citam as palavras-chave “molecular” e “biomarcador” foram retidos para derivar a literatura extraído CINM moléculas e caminhos.

PubMed, o Google Scholar e Web da análise da literatura Ciência e omics triagem fonte de dados com foco em transcriptomics. Dos 4263 resumos selecionados 3979 artigos foram excluídos não especificamente focando fenótipo cancro da bexiga músculo-invasivo (fases T2-T4). 188 estudos de 285 artigos foram descartados, uma vez que estes não atender projetos de estudo requerido e mude de 2 vezes na magnitude da abundância diferencial das características identificadas. Esta restrição resultou em 1.279 genes codificadores de proteínas e foi ainda utilizado na análise baseada sistemas de CINM.

A. recursos redundantes foram descartados a partir de genes codificantes de proteína 1279, resultando em 1.054 sobreposição features.The única entre estudos omics individuais e literatura foram calculados. B. Os genes que codificam proteínas 1.054 foram ainda mais reduzidos para 592, descartando enzimas ligadas a metabolitos, bem como símbolos de genes miRNA-alvo, ainda incluídos para derivar o subgráfico CINM induzida descansando em BioGRID, informações de interação proteína intacta e Reactome.

dados de interação e induzida subgráfico

informações de interação de proteínas foi obtido por meio de consulta IntAct [33], BioGRID [34], e Reactome [28] levando a um total de 233,794 interações abrangendo 13.907 genes codificadores de proteínas dentro do interactome humana (bancos de dados na versão de abril de 2014). Mapear as características moleculares CINM associados nesta rede de interação consolidada [13] fornecido um subgrafo induzido específicas do CINM. CINM associado funções não conectado a pelo menos outro recurso foram desconsiderados da análise posterior.

Análise funcional

O Cytoscape plug-ins ClueGO e CluePedia foi utilizado para identificar caminhos que estão sobre-representados em o conjunto de características localizadas no subgrafo induzido [35, 36]. KEGG termos da via serviu como critério de agrupamento usando um teste hypergeometry frente e verso seguido pela correção de Bonferroni (nível de significância de 0,05) para a identificação de vias significativamente afetadas. vias de doenças em geral (como caminhos no cancro, miRNA de no câncer, câncer de bexiga, etc.) foram descartados para obter um conjunto de termos via genéricos [13].

seleção de genes codificadores de proteínas com base na literatura mineira

a partir do conjunto de genes codificadores de proteínas CINM-associados, cada símbolo gene foi avaliada por ser um membro do conjunto de percurso CINM. A evidência de vias identificadas e genes envolvidos na extraídos de MIBC foi avaliada com base no nível de profundidade anotação, definida como o número de estudos individuais identificação de tais genes codificadores de proteínas envolvidas como em MIBC. Especificamente, tal evidência foi obtido a partir de metadados disponível no PubMed. Gene-2-pubmed foi usada para ligar as moléculas contidas no subgrafo induzido a publicações relevantes à invasão muscular câncer de bexiga. A qualidade das publicações obtidos para cada molécula foi avaliado com base na revisão manual. Apenas os trabalhos em que uma ligação directa da molécula para o câncer de bexiga invasão muscular foi comprovada foram retidos. Por via de todo o conjunto, a proporção entre o número de moléculas a ser ligado a pelo menos uma publicação da bexiga urinária neoplasia e o número de características da via foi calculado e utilizado para classificar relevante. Para genes codificadores de proteínas individuais identificados na literatura o número de publicações neoplasia da bexiga urinária ligados foi usado como critério de relevância classificação.

Resultados

Data Mining

Mineração de artigos publicados e omics repositórios levou a uma coleção de 285 referências após a triagem manual (Fig. 1). Este rastreio foi realizado para descartar estudos duplicados recuperados a partir dos repositórios diferentes, bem como artigos não explicitamente com foco em carcinoma da bexiga músculo-invasivo. Todas as características moleculares foram convertidos para o seu símbolo oficial do gene usando o serviço de mapeamento UniProt ID [37]. O conjunto resultante de referências produziu um total de 1.279 proteínas das quais 1.054 eram genes codificadores de proteínas únicos associados com MIBC (S1 Tabela). Para a coleta especificamente proteínas envolvidas no CINM, nós ainda pesquisados ​​estes 285 artigos com as palavras-chave ( “moleculares e biomarcadores”) para recuperar 122 proteínas que tiveram uma tag “biomarcador” mencionados nesses artigos (S2 tabela). Esta restrição ajudou no descarte de artigos gerais que contêm símbolos de genes que não foram associados com o fenótipo do músculo-invasivo. O mesmo conjunto de 285 artigos foi utilizado para coletar todas as vias ligados ao carcinoma da bexiga. Assim, 11 vias relatados na literatura para ser associado com o cancro da bexiga foram obtidas (Tabela S3).

O maior número de características associadas com MIBC resultou de transcriptómica com um total de 716 símbolos de genes. Metabólitos foram mapeados para genes codificadores de proteínas utilizando o banco de dados Metaboloma Humano (HMDB) [38] e desde 329 símbolos de genes. Os miRNAs dos estudos transcriptômica foram mapeados para os seus respectivos genes alvos usando o serviço de miRBase [39, 40]. Além disso, estudos de DNA de metilação desde 77 símbolos de genes, respectivamente. estudos de DNA-mutação relatou 35 símbolos de genes. A análise científica literatura desde 178 genes codificadores de proteínas, dos quais 122 foram posteriormente anotados como indicadores de cancro da bexiga músculo-invasivo. As informações detalhadas sobre todas as características moleculares diferencialmente expressos está disponível nas Tabelas S2 e S4-S8.

Fonte de Dados Sobreposição

No que diz respeito à sobreposição conjunto de recursos, 52 símbolos de genes foram identificados em ambos, mineração literatura e assinaturas omics individuais (S1 tabela). Dos símbolos genéticos únicos 1,054, 716 genes codificadores de proteínas eram de estudos transcriptômica, 13 das quais foram encontrados no nível ADN-metilação, 13 ao nível do ADN a mutação, e 19 sobre o nível do metaboloma (Fig. 2a). Esta sobreposição relativamente fraco sobre o nível de recursos individuais, no entanto, é um achado freqüente na consolidação de dados cross-genómica, em parte decorrente de restrições dos métodos aplicados, e diferentes matrizes de amostras sob investigação em cada caso [41, 42].

Induzida subgráfico

para aumentar evidências no que diz respeito à associação de características moleculares com MIBC incluímos informações proteína de interação como um mecanismo de filtro, ou seja, combinando evidências de análise estatística com dados biológicos (interacção). Para esta análise, o conjunto de recursos molecular foi reduzida de 1.054 genes codificadores de proteínas únicas para 592 símbolos de genes. A redução na lista de proteína foi causada principalmente porque os genes codificadores de proteínas indiretamente interligados a metabolômica e miRNA perfil não foram incorporadas na análise de caminho devido à baixa evidências que ligam aos respectivos alvos e enzimas. Além disso desconsiderando características não mostrando interações com outros membros do conjunto CINM resultou em 286 genes codificadores de proteínas representadas no subgráfico específico do cancro músculo da bexiga invasivo. A lista das 1.054 proteínas iniciais, as 592 proteínas desconsiderando metabolômica de dados e telas de miRNA, ea lista de 286 proteínas que formam interações proteína-proteína na subgráfico CINM está disponível na Tabela S9. Este conjunto de genes codificadores de proteínas com fortes evidências sobre associação com MIBC e mantendo interações com outros tais características foi incluído na análise de caminho (Fig. 2b).

Pathway enriquecimento

KEGG análise enriquecimento pathway do conjunto de recursos de MIBC molecular representada na subgráfico induzida utilizando ClueGO CluePedia e resultou em 15 vias moleculares sendo significativamente afectada no contexto do carcinoma da bexiga invasivo do músculo (Fig. 3, Tabela S3). Em detalhe, 11 destas vias foram previamente identificados na literatura, além de 4 presumivelmente novas vias que resultaram da análise interactome.

Nós em vias denotam laranja identificados como relevantes, tanto na literatura e análise de enriquecimento, os nós azul ilustra vias de relevância de acordo com a análise de enriquecimento. tamanho do nó é proporcional ao número de símbolos de genes codificados em cada termo percurso.

A rede na Fig. 3 representa cada via como nó individual, enquanto as arestas entre as vias denotar uma aproximação da interacção biológica entre os caminhos com base na função de sobreposição cruzada via. Este mapa via permitiu avaliar o contexto funcional dos 122 candidatos de proteína extraído-literatura no contexto do CINM.

Fig. 3 descreve termos pathway enriquecidas utilizando o subgráfico induzida específicos de MIBC. Categorizar os termos da via em caminhos conhecidos e novos de acordo com a literatura, obtivemos 11 vias que foram relatados na literatura, adesão ou seja Focal consistindo de genes 40 codificantes de proteína, via de sinalização MAPK com 26, a interação do receptor de ECM e do ciclo celular com 17 recursos cada um, p53 com 16, junção apertado e junção aderentes com 15 recursos cada, migração de leucócitos transendotelial com 12, via de sinalização de VEGF com 11, ea junção Gap contendo 10 genes codificadores de proteínas (ver S3 Tabela). O romance conjunto de vias que foram enriquecidos na análise contida 4 termos via dos quais 3 vias estavam descansando em associação significativa com o fenótipo cancro da bexiga músculo-invasivo, nomeadamente o Regulamento do citoesqueleto de actina segurando 18 genes codificantes de proteína, Endocytosis com 16 e neurotrofina sinalização com 13 (Tabela 1). A maior sobreposição de símbolos gene foi encontrado entre a regulação da via citoesqueleto de actina e sinapse serotoninérgica contendo Araf, HRAS, RAF1 e MAPK1, neurotrofina via de sinalização e regulação da via citoesqueleto de actina, contendo MAPK1, RAF1 e HRAS. A sobreposição de símbolos de genes entre endocitose e regulação da via citoesqueleto de actina foi FGFR3, EGFR e HRAS, enquanto aqueles entre neurotrofina via de sinalização e serotoninérgica sinapse foram HRAS, RAF1 e MAPK1. A menos sobreposição de símbolos de genes entre as vias foi visto pela neurotrofina via de sinalização e endocitose, apenas a partilha HRAS. Posteriormente, não houve sobreposição gene que codifica a proteína para a endocitose e sinapse serotoninérgica.

Foi realizada uma análise de enriquecimento via adicional que envolveu um conjunto alternativo de símbolos de genes. A partir do conjunto completo de genes codificadores de proteínas (707 moléculas excluindo metabólito e miRNA alvejado símbolos de genes), nós restrito aos membros estando presente em mais de um tipo de estudo (por exemplo ERBB2 foi encontrado em proteômica, mRNA e mineração literatura). Esta restrição resultou em 72 símbolos de genes, novamente transmitido com a via análise de enriquecimento. FIG. 4 detalhes pathway termos enriquecidas usando este conjunto reduzido de genes codificadores de proteínas. Sete termos da via foram enriquecidos nesta análise. Categorizar estes termos Caminho na conhecida da literatura e novas vias, 5 termos da via foram relatados na literatura e 2 vias eram novos achados. Os termos 5 caminho previamente conhecidos incluídos adesão focal, ciclo celular, e via de sinalização de p53, a interacção-receptor de ECM, e erbB (S10 Tabela). Em relação aos 2 novos caminhos que foram enriquecidas a partir desta análise, os termos da via foram T via de sinalização do receptor de células e sinalização de GnRH. A Tabela 2 detalha todas as vias com seus símbolos de genes sobrepostos que foram recuperados a partir desta análise. Em relação aos percursos com evidências da literatura o enriquecimento descansando sobre os símbolos de genes 72 teve uma sobreposição completa com os 15 termos de vias recuperadas usando o subgrafo induzido CINM conjunto de recursos. Os 2 vias não mostram uma sobreposição foram as novas vias que descansam no segundo gene definir nomeadamente T sinalização do receptor celular e GnRH sinalização (. 4, S3 e S10 Tabelas FIG).

Nós em laranja denotam vias identificadas como relevantes na literatura e análise de enriquecimento; nós em azul representam as vias de relevância de acordo com a análise de enriquecimento. O tamanho de cada escalas de tamanho nó com o número de símbolos de genes codificados em cada termo percurso.

Discussão

Compreender a fisiopatologia molecular do carcinoma da bexiga músculo-invasivo e revelando a rede de vias envolvidas na invasão do músculo pode levar a uma terapia direccionada. Além disso, dirigindo vias reguladas por dis específicas ligadas à doença progressiva mantém a promessa de apoio a uma melhor avaliação de risco, baseado em biomarcador seguido de intervenção clínica estratificada [2]. plataformas de rastreio de alto rendimento têm proporcionado uma riqueza de informações para descrever o estado molecular refletindo um fenótipo clínico, incluindo carcinoma da bexiga [43, 44]. Experimentos baseados no perfil de expressão utilizando microarrays, e técnicas de fracionamento acoplada à espectrometria de massa utilizando tecidos e urina como matriz da amostra têm apoiado descoberta baseada em caminho molecular em neoplasias invasivas do músculo da bexiga [12, 45]. O presente estudo pretendeu caracterizar os músculos carcinoma da bexiga invasivo através da incorporação de triagem literatura científica e assinaturas de omics Profiling ainda vinculado em um contexto de interacção, resultando em um conjunto de 286 genes codificadores de proteínas. Tal análise sobre o nível de redes e caminhos foi escolhido com a expectativa de que miscellaneously encontrados características fenotípicas consolidar em um nível caminho, sob a suposição de que eles estão funcionalmente ligadas e afetam coletivamente o fenótipo da doença.

DNA de alta capacidade: sequenciamento pode render dados errados [46]. MS proteômica com base experimentos geram enormes conjuntos de dados que precisam ser cuidadosamente avaliados [47].

bancos de dados via biológica desempenham um papel essencial na anotar genes codificadores de proteínas resultantes de abordagens de criação de perfil de alto rendimento. Há aproximadamente 547 recursos de banco de dados via disponíveis como listados no guia de trajecto (https://www.pathguide.org/). Ainda que existem vários recursos de banco de dados via bem curadores e confiáveis ​​como também descrito pelo nosso grupo [48], foram tomadas esforços significativos para expandir a cobertura via biológica para além de qualquer fonte de dados via única. Este é frequentemente levada a cabo através da integração de diferentes fontes, a fim de construir modelos da via de integração de alta qualidade sem sacrificar a qualidade dos dados. No entanto, a integração de dados biológicos a partir de fontes heterogêneas tem sido desafiador devido à variabilidade no nível sintático e semântico. variabilidade sintático é devido à heterogeneidade do recurso molecular e formatos de dados da via, os esquemas de representação e de métodos de recuperação. variabilidade semântica é devido a nomes via incompatíveis, sinalizando representações de eventos e identificadores moleculares. Por exemplo, diferentes bases de dados via pode optar por fornecer informações sobre as modificações pós-tradução, interagindo proteínas dentro de um complexo, ou localização celular. Daí todas essas limitações têm inibido o crescimento de modelos de vias de integração de alta qualidade [49-51].

Outra questão que surge quando com o objetivo de integrar dados de diferentes plataformas omics é que os resultados conflitantes podem ser obtidos. Por exemplo, em alguns tumores invasivos musculares apresentadas em [52], análise transcriptómica provou que o nível de ARNm de EGFR é regulado para cima, enquanto que a análise proteomic não mostraram expressão diferencial ao nível da proteína. Uma explicação para esta discrepância pode ser regulação de translação.

Em KEGG, biológico categorização via está actualmente disponível para diversos processos celulares chave humanos [13]. recursos específicos do CINM de mapeamento (corrigidos no nível do subgrafo induzido utilizando informações de interação proteína) para KEGG e análise de enriquecimento realizando um total de 15 vias (4 romance e 11 citados em estudos publicados). 68 de 122 candidatos de proteína extraído-literatura de relevância em câncer de bexiga músculo-invasivo foram identificados como membros das vias identificadas. Isto permitiu a classificação de forma abrangente as vias que permitem a pré-selecção de termos que estão sendo discutidos individualmente, no contexto específico do CINM.

Estamos focados em expandir nosso conhecimento sobre o músculo neoplasia urotelial invasivo afetados em nível molecular por forma abrangente mapeamento de conjuntos de dados moleculares disponíveis para caminhos para construir uma rede interactome utilizando fontes de dados de domínio público. Ao diferenciar os caminhos com base em percursos descritos anteriormente e novos queridos obtivemos 11 módulos que eram conhecidos no contexto de cancro da bexiga músculo-invasão e 4 novas vias. No que diz respeito à bexiga urothelial vias de carcinoma músculo-invasivo previamente conhecidos, a nossa análise recuperadas vias, tais como MAPK via de sinalização, ErbB via de sinalização, vias do ciclo celular e VEGF via de sinalização, portanto, confirmando a abordagem de nível de sistemas para o determinado fenótipo [3 , 12, 53, 54].

por outro lado, os resultados interactome também recuperadas vias significativas composto de vias de sinalização, citoesqueleto remodelação caminhos e junções neuromusculares. Três vias moleculares foram altamente significativas a partir da análise, ou seja, regulação do citoesqueleto de actina, neurotrofina via de sinalização e endocitose.

As neurotrofinas são uma classe de proteínas estreitamente relacionados que controlam a função, sobrevivência e desenvolvimento dos neurônios e têm o potencial para ativar quinase (Trk) família tropomyosin-relacionado de receptores e para baixo regular fator de necrose tumoral superfamília (p75NTR) através do qual PI3K /Akt, Ras /Raf /MAP quinase, NF-kappa B e Jun quinase vias de sinalização são acionados. Trk-receptores e ligandos da neurotrofina foram identificados como a progressão do tumor de início, e a via de sinalização neurotrofinas-Trk tem sido relatada como um alvo para intervenção terapêutica em cancro da próstata refractário a hormonas (HRPC) e em astrocitomas humanos, e, potencialmente, poderiam desempenhar um papel em carcinoma urotelial [55-58]. vias endocítica representam aberrações múltiplas em neoplasmas humanos por ser firmemente e bi-direccionalmente ligado a vias de sinalização que podem indicar transformações malignas de tumores. Um dos seus reguladores, DAB2, também tem sido relatado para ser proeminente em fases avançadas de cancros uroteliais, em que uma diminuição da expressão de a molécula pode ser observado em fases metastáticas, e tem sido associada com altas probabilidades de recorrência e bexiga mortalidade carcinoma [59 -61]. A desregulação da proteínas ligadas à actina, ou seja, p38p, ATF3 e Rho família de GTPases pequenas que estão envolvidas na remodelação do citoesqueleto, faz com que a motilidade celular aberrante que conduz aos fenótipos músculo-invasivas e metastáticas do cancro [62-65]. Nossa análise destaca o papel da via remodelação do citoesqueleto que contém integrinas, as caderinas e proteínas de adesão. As respectivas vias moleculares discutido acima novos caminhos abertos para uma investigação mais aprofundada do carcinoma músculo-invasivo urotelial. Uma via enriquecido que não mostraram qualquer relação direta com o câncer de bexiga foi sinapse serotoninérgica que continha 12 moléculas de proteína (S3 tabela).

Os bioinformática abordagem aqui relatado envolveu a integração disponíveis conjuntos de dados de domínio público no contexto do músculo-bexiga carcinoma invasivo em uma rede de interação, e mais de mapeamento-los a fontes via biológica para revelar 15 vias como sendo afetados na doença progressiva. Onze destas vias foram discutidos anteriormente no contexto de MIBC. Deve-se levar em conta que, embora o uso de tais técnicas computacionais para integrar assinaturas moleculares a partir de recursos variados, algumas questões técnicas sobre o uso do identificador global adequado precisa ser considerado. uma.