Abstract

Droga são altamente eficientes no tratamento sistémico de doenças multigênicas complexas como o câncer, diabetes, artrite e hipertensão. Mais combinações actualmente usadas foram encontradas em formas empíricas, o que limita a velocidade de descoberta de combinações novas e mais eficazes. Por conseguinte, existe uma necessidade substancial para os métodos computacionais rápidos e eficientes. Aqui, nós apresentamos um princípio que é baseada na suposição de que as perturbações geradas por vários agentes farmacêuticos propagam-se através de uma rede de interacção e podem causar amplificação inesperada em alvos não são imediatamente afectados pelas drogas originais. A fim de captar esse fenômeno, nós introduzimos um novo alvo Sobreposição Score (TOS) que é definido por dois agentes farmacêuticos como o número de alvos em conjunto perturbados dividido pelo número de todos os alvos potencialmente afectadas pelos dois agentes. Nós mostramos que esta medida está relacionada com os efeitos conhecidos de combinações de medicamentos benéficos e deletérios retiradas dos bancos de dados DCDB, TTD e Drugs.com. Nós demonstramos a utilidade de TOS, correlacionando o placar para o resultado dos ensaios clínicos recentes avaliando trastuzumab, um agente anticancerígeno eficaz utilizado em combinação com antraciclina e taxane- quimioterapia sistémica baseada em receptor HER2 (erb-B2 receptor tirosina quinase 2) positiva cancro da mama

Citation:. Ligeti B, Pénzváltó Z, Vera R, Gyorffy B, Pongor S (2015) a-rede baseada alvo Sobreposição Pontuação para a caracterização da droga combinações: alta correlação com Clinical cancer resultados do estudo. PLoS ONE 10 (6): e0129267. doi: 10.1371 /journal.pone.0129267

Editor do Academic: Chandra Verma, Bioinformatics Institute, Cingapura

Recebido: 31 Julho, 2014; Aceito: 06 de maio de 2015; Publicação: 05 de junho de 2015

Direitos de autor: © 2015 Ligeti 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: Todos os dados relevantes estão dentro do papel e seus arquivos de suporte de informação

Financiamento:. LB e RV são estudantes de pós-graduação no Doutorado Escola Multidisciplinar de Ciências e Tecnologia da Faculdade de Tecnologia da Informação, e Bionics, Pázmány Péter Universidade Católica, Budapeste, Hungria . BG foi apoiado pela concessão K108655 do Hungarian Fundo de Investigação Científica OTKA

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

Introdução

No passado poucos. décadas, o número de novos medicamentos comercializados caiu muito abaixo das expectativas, apesar dos recursos investidos em crescimento nesta área [1-3]. Muitas vias biológicas têm alças reguladoras ricas que podem ser utilizadas para compensar diferentes perturbações. Na terapia do cancro, fármacos que actuam sobre o HER2 (erb-B2 receptor tirosina-quinase 2) e de EGFR (receptor do factor de crescimento epidérmico) vias demonstraram que este tipo de efeitos de evasão droga. multitarget drogas ou combinações de drogas têm sido propostos como uma estratégia geral para contornar este fenómeno [4, 5] uma das razões sendo que as combinações têm, frequentemente, menor toxicidade e maior sucesso terapêutico [6]. O número de combinações de medicamentos aprovados está a aumentar, embora a maioria deles foram estabelecidas por experiência e intuição [7, 8].

Cerca de um quarto dos doentes com cancro da mama HER2 expressar (receptor do factor de crescimento epidérmico humano -2), um receptor transmembranar da tirosina cinase da família do receptor do factor de crescimento epidérmico (EGFR). Nos doentes positivos para HER2, a administração de trastuzumab, uma terapia anti-HER2 melhorou a sobrevivência sem progressão (PFS) e a sobrevida global (OS) [9]. É também melhorada a sobrevivência como terapia adjuvante combinada com quimioterapia [10] ou em monoterapia, após quimioterapia [11]. Desde 2006, trastuzumab também está aprovado para uso em configurações adjuvante no câncer de mama inicial HER2 positivo. A terapia anti-HER2 é altamente bem sucedido: embora a expressão alta HER2 foi previamente associados com pior sobrevida, os pacientes positivos hoje HER2 têm melhor prognóstico em comparação com as mulheres com doença negativa HER2 [12]

De acordo com as diretrizes atuais NCCN (. www.nccn.org), trastuzumab é administrado em combinação com apenas quimioterapia adjuvante. regimes preferidos para a quimioterapia com trastuzumab incluem adriamicina, ciclofosfamida, paclitaxel, docetaxel e carboplatina. Numerosos outros agentes também estão incluídos em protocolos utilizados para os pacientes de cancro da mama, incluindo metotrexato, epirrubicina, Fluorouracilo e protocolos que contêm combinações destes (FAC, CAF, CMF, CE, FEC, TAC, etc). Assim, a combinação de vários agentes em protocolos de multi-agente representa a coluna vertebral do estado da arte no tratamento sistémico de cancro da mama positivo para HER2. No entanto, encontrar as combinações mais eficientes destes não é uma tarefa fácil, dada a complexidade do sistema biológico subjacente.

Vários métodos experimentais, mesmo os métodos de alto rendimento [13], têm sido desenvolvidos para medir a eficiência de combinações de drogas , tais como a independência Bliss ou Loewe aditividade [14-16]. Wong et ai. utilizado um algoritmo de busca estocástica [17] enquanto Calzoari e associados empregados algoritmos de decodificação sequenciais para encontrar as melhores combinações [18]. Yang et ai. equações diferenciais usados ​​para encontrar um padrão de perturbação que pode reverter o sistema de estado de doença a um estado normal [19]. Jin e associados empregado um modelo baseado rede de Petri com dados de microarrays, a fim de prever sinergismo de pares de droga [20]. Uma característica comum destes métodos computacionais é que eles exigem um grande número de experiências ou conhecimento profundo dos parâmetros cinéticos das vias mesmo que o espaço de busca é pequena.

Outros estudos utilizaram várias combinações de métodos de extracção de dados integrar os dados farmacológicos e de rede [21, 22]. Li e colegas de trabalho utilizado o conceito de centralidade de rede e semelhança doença de priorizar combinações de drogas [23]. Wu e colaboradores usaram o perfil microarray das drogas individuais para as previsões [21], e outros usaram o conceito de letalidade sintética e os dados de interação disponíveis genes [24, 25]. Apesar das inúmeras tentativas, ainda existem muitos desafios e questões práticas abertas. Em particular, encontrando adequado representações de dados e medidas de similaridade não é um problema trivial por causa da heterogeneidade das fontes de informação. Actualmente não são publicados dados sobre um grande número de combinações de fármacos (seiscentos nas bases de dados DCDB e TTD como de Março de 2013), que se referem a uma variedade de doenças e alvos terapêuticos. É uma questão em aberto se as correlações e tendências extraídas de tais conjuntos de dados heterogêneos pode ser aplicado com sucesso para um problema específico, como o de trastuzumab.

Aqui nós apresentamos um novo princípio que se baseia no pressuposto que as perturbações geradas pelos agentes farmacológicos propagam através de uma rede de interação para outros alvos que constituem o que chamamos de um bairro de propagação. Sobreposições de vários bairros de propagação pode causar sinergias inesperadas em genes alvo que não estão nas imediações das metas originais dos agentes individuais. Introduzimos um novo alvo de sobreposição Pontuação (TOS) que é baseada na sobreposição dos bairros propagação das proteínas alvo. Mostramos que os OT está correlacionada com a eficácia conhecida de efeitos benéficos e nocivos de combinações de medicamentos relatados nas bases de dados DCDB, TTD e Drugs.com. Mostramos também que existe uma correlação entre os TOS e os resultados dos ensaios clínicos recentes, onde trastuzumab foi utilizado em combinação com antraciclina e taxane- quimioterapia sistémica baseada no cancro da mama positivo do receptor HER2.

Resultados

2.1. TOS: Um Alvo Sobreposição Pontuação baseada em rede para combinações de drogas

moléculas de fármaco atingirem os seus efeitos terapêuticos, agindo sobre alvos específicos no organismo e ativando ou inibindo as funções de seus alvos. efeitos de drogas naturalmente não terminam aqui, pois alvos de drogas são membros de grandes redes de interação através da qual a perturbação pode propagar. Por exemplo, por inibição da acção de uma única molécula, tal como BRAF (B-Raf do proto-oncogene, a serina /treonina-quinase), o todo RAF /MEK /ERK (Raf-1 proto-oncogene, a serina /treonina quinase, mitogen- activada proteína quinase-quinase 1, proteína quinase activada por mitogénio 1) via vai ser sintonizado para baixo, e como consequência, vias colaterais incluindo PI3K (fosfatidilinositol-4,5-bifosfato-3-cinase) e RALA (oncogene viral de leucemia de símio v-ral homólogo A (ras relacionadas)) também serão afetados. Em outras palavras, uma droga agindo em um único alvo será concomitantemente perturbar um grupo de alvos ligados que denominar aqui como ambiente de rede (Fig 1). Nossa hipótese é que duas (ou mais) de drogas pode ter um efeito combinado inesperado se seus bairros de perturbação se sobrepõem. A fim de captar esta propriedade, nós definimos uma pontuação de sobreposição Target (TOS) para duas drogas como o número de alvos atingidos em conjunto, dividido pelo número de alvos afetados. Esta simples definição tem algumas consequências plausíveis: i) TOS tem um valor entre zero e 1,0, valores mais altos indicando efeitos conjuntos mais fortes. ii) Em consequência matemática, uma droga vai dar TOS = 1,0 com ele mesmo. Fazemos notar que, apesar de uma combinação de dois fármacos idênticos não ocorre na prática clínica, pode causar um desvio estatístico na comparação de modo que têm de ser removidos dos conjuntos de dados utilizados na comparação estatística (ver Métodos para detalhes). iii) O conceito de TOS pode ser generalizado para mais do que duas drogas que interagem. Naturalmente, temos de decidir com antecedência se, em um extremo, queremos considerar genes perturbado por mais de um agente em uma combinação de drogas apenas, ou, no outro extremo, consideramos apenas os genes que são perturbados por todos eles . Aqui usamos a primeira definição (para uma descrição detalhada, consulte Dados e Métodos). iv) O conceito de TOS não inclui qualquer suposição sobre a natureza benéfica ou prejudicial do efeito do medicamento combinado. Este é um ponto importante, pois “interação medicamentosa” em farmacologia denotam efeito negativo, prejudicial enquanto o termo “combinações de drogas” geralmente se referem a efeitos benéficos, ou seja terapeuticamente úteis combinados. Em princípio TOS podem ser correlacionados com tanto como nós, de fato, mostram no próximo capítulo. v) Finalmente, a definição de TOS é diferente de vários outros conceitos relacionados com as medidas tradicionais de interacções medicamentosas (antagonismo, agonismo, etc.) que se referem principalmente a efeitos de drogas sobre a actividade de um alvo, tal como um receptor. Em contraste, TOS depende do número de alvos, e não no momento considerar a magnitude (nem a natureza positiva ou negativa) do efeito.

Os efeitos de duas drogas (Drug1, Drug2) alcançar seu iminente alvos primeiros (setas) e os efeitos, então, propagadas para seus bairros de rede (sub-redes) indicados em vermelho e verde, respectivamente. Alvos na sobreposição são afetados por ambas as drogas, e supomos que as drogas que afetam uma série de objectivos comuns irão influenciar os efeitos de cada um. A sobreposição é quantificado como a proporção de metas atingidas em conjunto, nos alvos afetados (em conjunto termos de teoria: intercepção dividido pela união)

2.2.. TOS está correlacionada com a força de ambas as combinações de medicamentos benéficos e deletérios

Para a avaliação que escolhemos um teste de classificação simples, ou seja, nós comparamos o valor TOS calculado para pares de droga conhecidos com o TOS ou pares de drogas escolhidas aleatoriamente e calculados um valor de AUC para o meio de análise ROC classificação [26], tal como descrito nos métodos (secção 4.5). Note-se que as interacções fortes são esperados para se obter os valores de AUC perto de 1,0, enquanto se espera os valores de AUC para os pares seleccionados aleatoriamente para ser em torno de AUC ~ 0,5. No presente estudo foi utilizada a rede de interação STRING /PONTO ea primeira pergunta que fizemos foi ou não o sistema de avaliação cumpre estes critérios fundamentais, Para este efeito, foi utilizado o banco de dados de medicamentos aprovados pela FDA [27] e gerou possível binário combinações. interações trivial (drogas que actuam sobre os mesmos pares de alvo e de drogas com estruturas químicas idênticas ou quase idênticas), bem como os pares de drogas conhecidas por ter efeitos positivos ou negativos foram omitidos da análise que deixou 733542 pares. Este conjunto foi avaliada como descrito nos métodos (secção 4.5). Esta avaliação deu um valor de AUC de 0,48 (Figura 2, à esquerda) que é muito próximo do valor aleatório de 0,5 Esta constatação mostra assim que, dado o algoritmo TOS aplicada à rede de cordas /STICTH, os pares de drogas aprovadas pela FDA escolhidos aleatoriamente de facto comportar-se como aleatórios. Temos de mencionar que os pares de medicamento seleccionado aleatoriamente pode ter contido casos em que a interacção não foi descoberto ainda. Uma questão relacionada é a de fármacos com alvos idênticos. Estes devem, por definição, dar um valor TOS de 1,00, e encontramos 271 tais pares de drogas. Além disso, drogas que têm perto de estruturas químicas idênticas são susceptíveis de afectar metas semelhantes. Encontramos 179 tais pares de drogas, mas apenas 8 deles eram comuns com o subconjunto anterior. A comparação mostra que ambos os subconjuntos dar altos valores TOS que estatisticamente irá influenciar na comparação se incluído tanto no positivo ou no conjunto de dados negativo de medicamentos não interagem. Assim, para a avaliação estatística descrito abaixo, deixado de fora desses pares de drogas de ambos os conjuntos de dados.

O desempenho ranking foi medido através da análise ROC, como descrito no Dados e métodos. O desvio padrão dos valores de AUC (não mostrado) estão entre 0,0001 e 0,006 para os diferentes conjuntos de dados. Note-se que as tendências dos grupos de combinação de drogas são os mesmos entre as drogas relacionadas ao câncer relacionadas ao câncer e não. Além disso, combinações de drogas com metas idênticas ou com estruturas químicas semelhantes dar pontuações TOS elevados. Estas combinações foram deixados de fora das estatísticas dos outros grupos para que eles não influenciam os valores da AUC dos outros grupos.

Em seguida, quisemos testar se ou não TOS pode ajudar a identificar a droga pares que estão empiricamente conhecidos por terem um efeito benéfico ou prejudicial. Em farmacologia, dois medicamentos são chamados de “interagir” se a sua administração conjunta tem um efeito prejudicial [28]. pares de drogas listados no https://drugs.com são classificados em três grupos de acordo com a gravidade dos efeitos negativos, como major, moderado e menor. Na selecção consideramos pares de droga só relacionadas com o cancro, ou seja, aqueles em que um dos agentes foi ou foi proposto para ser utilizado no tratamento de cancro que resultou em 10323 fortemente, 92958 moderadamente e 17193 fracamente interagindo drogas a partir da base de dados, denotado como conjuntos A, B e C, respectivamente (Tabela 1). Os resultados mostram que os pares de drogas que interagem mostram os valores da AUC notavelmente mais elevados do que os pares de drogas seleccionadas aleatoriamente, sendo que estes valores qualitativamente seguir a força da interacção (Figura 2). Ou seja, fortemente interagindo pares de drogas mostram os valores da AUC substancialmente mais elevados do que os moderadamente interagindo etc.

Nós também testamos pares de drogas que são conhecidos por ter um efeito benéfico quando administrado em conjunto. Em farmacologia, o termo “droga” refere-se combinações de fármacos que são administrados em conjunto, porque eles têm um efeito terapêutico benéfico empiricamente conhecido. Tais combinações de fármacos terapeuticamente úteis são incluídos na base de dados combinação de drogas (DCDB) [29], bem como no Banco de Dados de TTD Therapeutic Target [30], juntamente com o mecanismo específico da sua interacção. Usando os mesmos critérios de seleção, nós 293 combinações (conjunto de dados D, Tabela 1). Os resultados na Figura 2, à direita mostram que combinações de medicamentos terapêuticos produzir valores de AUC substancialmente diferentes das combinações aleatórias.

Em seguida, realizou as mesmas comparações de medicamentos contra o câncer relacionados. Neste caso, os conjuntos de dados foram, naturalmente, menor, encontramos fortemente 817, 5700 e 241 moderadamente drogas que interagem fracamente a partir da base de dados, e denotado como conjuntos de E, F e G, respectivamente (Tabela 1). O conjunto de combinações benéficas incluiu 33 combinações especificamente sugeridas para o cancro (conjunto de dados H, Tabela 1). Os resultados apresentados na Figura 2B mostram as mesmas tendências gerais como pode ser visto, no caso de todas as combinações de fármacos (Fig 2A). Nomeadamente, i) as interacções conhecidas são substancialmente diferentes das combinações de fármacos não-interagindo; ii) os valores da AUC de, interações prejudiciais menores, moderadas e fortes seguir a ordem correta ou seja, o mais forte as interações mais elevados os valores da AUC; e iii) os valores de combinações terapêuticas benéficas, também é substancialmente diferente da média e o valor de AUC de 0,91 em combinações relacionadas com o cancro pode ser considerado especialmente convincente. iv) Em ambos os painéis da figura 2, as interacções benéficos apresentam valores mais elevados de AUC. Nós não temos nenhuma explicação pronta para este fenômeno, porém especula-se que um dos motivos pode ser que combinações terapêuticas geralmente são otimizados através de cuidadosos estudos clínicos.

2.3. TOS vs. GO e códigos ATC

Desde TOS é conceitualmente diferente de outras medidas utilizadas para caracterizar as interações medicamentosas, pode-se esperar que os parâmetros adicionais usados ​​com sucesso em outros estudos pode aumentar seu poder de classificação. A forma mais óbvia de impulsionar o desempenho de um classificador é incluir mais e mais relevante conhecimento sobre os fármacos. Estudos anteriores sugerem que a integração de semelhança doença [23] ou informação terapêutica, tais como similaridade ATC código baseado [22, 31, 32], bem como similaridade alvo, tais como notas GO poderia ser útil também [22, 25]. Para testar essas possibilidades, nós combinamos TOS com ir ou ATC métricas de similaridade baseada usando regressão logística [33], um método padrão em estudos de aprendizagem de máquina, como descrito nos métodos. Os resultados na Fig 3 mostram que a inclusão de novos parâmetros não se alterou substancialmente o panorama.

Os títulos curtos TOS, TOS + ATC, TOS + GO ou TOS + GO + ATC referir a combinação usada. As curvas representam a distribuição do valor AUC (como uma função de densidade de probabilidade), obtido através de uma abordagem de estimativa de densidade kernel (KDE). Os dados foram obtidos por um procedimento de validação cruzada cinco vezes descrito em Methods (secção 4.5). Note-se que as distribuições são bastante semelhante ao TOS valores (superior esquerdo), que indica que TOS captura eficazmente o fenómeno combinação de drogas.

O fato de que o poder ranking de TOS não foi substancialmente melhorada quando outros parâmetros foram adicionados mostra que TOS em si capta uma propriedade que está bem correlacionada com a força da interação empiricamente conhecida de várias combinações de drogas.

2.4. TOS mostra correlação com o resultado dos ensaios clínicos

Em um ensaio clínico (também chamado de “estudo de intervenção”), os pacientes recebem intervenções específicas de acordo com um protocolo bem definido [34]. No nosso caso, os dados experimentais foram coletados de https://clinicaltrials.gov e consistiu em estudos nos quais combinações incluídas trastuzumab ou como um parceiro de interacção ou como base para comparação e foram utilizados apenas essas pontuações clínicas que foram recolhidos de acordo com RECIST [ ,,,0],35]. A lista das drogas testadas em ensaios clínicos incluíram bevacizumab, capecitabina, carboplatina, ciclofosfamida, docetaxel, doxorrubicina, epirrubicina, fluorouracilo, gemcitabina, ixabepilona, ​​lapatinib, oxaliplatina, paclitaxel, pertuzumab, sunitinib. Todos os dados de resposta clínicas estão listadas na Tabela S1.

Primeiro vamos analisar a dependência estatística entre os resultados clínicos e os valores TOS calculados para os regimes de medicamentos utilizados para o tratamento. Vários regimes incluiu mais de dois agentes, tais como trastuzumab e três drogas adicionais, A, B e coeficiente de correlação de C. Spearman foi utilizado para quantificar a dependência estatística entre os TOS marcar e os desfechos clínicos. A Tabela 2 mostra que a pontuação TOS mostra correlação significativa com a resposta global (OR) (r = 0,64; p = 0,0028) -Fig 4. Além disso, a taxa de sobrevida global (OSR) e Benefício Clínico Confirmado (CCB) correlacionam bem com TOS r = 0,87; p = 0,017 e r = 0,84; p = 0,0021).

As pontuações previstos são no X eixos, o resultado clínico, resposta global (para a definição de medidas de resultados ver a RECIST [35]) estão nas y eixos. Cada ponto de dados corresponde a uma combinação de componentes múltiplos. A pontuação TOS generalizada de combinações de múltiplos componentes foi calculada como descrito no Dados e métodos.

Em conclusão, os dados sugerem que existe uma correlação significativa entre as pontuações TOS e os resultados dos ensaios clínicos .

Discussão

a pontuação TOS é baseado na expectativa intuitiva que as drogas perturbando bairros sobrepostas dentro de uma rede de genes irá combinar os seus efeitos tanto no positivo ou no sentido negativo, e que a força do efeito combinado é proporcional à razão de alvos atingidos em conjunto dentro de todos os alvos atingidos. A medida TOS irá detectar a sobreposição, mas uma alta TOS não dirá se as variações são causadas por positiva ou por sinergias negativas. Nossos testes mostraram que TOS está em um constante boa correlação com ambos, e que essa correlação não poderia ser substancialmente reforçado através da inclusão de GO e termos ATC.

Uma vantagem especial de TOS é a capacidade de classificar combinações medicamentosas potenciais, assim, para além da melhor combinação também pode mostrar como as outras combinações possíveis realizar em uma comparação relativa. Os exemplos na Tabela 3 lista os casos onde o trastuzumab foi combinado com um fármaco citotóxico (combinação binária), ou era parte de um regime de maior consistindo de mais fármacos que foram estudados em ensaios clínicos. Os resultados ilustram a nossa mensagem para o trastuzumab: pontuação mais alta do ranking foram obtidos por meio de combinações contendo docetaxel. Além disso, o agente único mais potente para ser administrado com trastuzumab foi também docetaxel. Alguns agentes alcançado contagens baixas (ciclofosfamida, oxaliplatina, carboplatina, ixabepilona) quando aplicado em conjunto com trastuzumab. Mas, curiosamente, alguns destes como ciclofosfamida e epirubicina alcançaram pontuações muito mais altas quando aplicado em esquemas complexos que fundamentam a natureza complexa da resposta terapêutica. Neste contexto, vale a pena notar que, aparentemente, ainda não pode estimar se TOS pode ajudar a prever a sobrevida livre de progressão, que é um a medida mais importante dos resultados clínicos.

Quanto maior a pontuação, mais forte do interação.

Mesmo que a correlação de TOS com dados de combinação de drogas é promissor, a sua eventual utilização em ambientes preditivos tem limitações importantes. Em primeiro lugar, TOS depende dos dados de interação proteína-proteína (ou gene-gene) disponíveis nas bases de dados. Embora esses dados estão a acumular a um ritmo crescente, as interações em falta a partir dos conjuntos de dados atuais podem levar a previsões erradas. Uma propriedade importante da pontuação TOS é que ele não pode por si só distinguir entre os efeitos positivos e negativos. Assim, um alto valor TOS pode significar tanto um, efeito sinérgico positivo ou, um efeito negativo interação medicamentosa prejudicial. Quando houver mais informações disponíveis sobre a direção, força e tipo (como inibição, activiation, encadernação, etc.) das interações entre os alvos de drogas, algumas das limitações acima serão gradualmente eliminados. Também podemos citar que completa ou parcialmente objectivos idênticos, por definição, levam a elevados valores de TOS. Enquanto os primeiros são trivial, o segundo pode ser vale a pena avaliar. A distinção não é construído dentro da própria pontuação TOS, mas estes casos podem ser identificados por simples cálculos.

Além disso, existe uma diferença conceptual entre TDS e muitos dos outros conceitos de interacções medicamentosas. Ou seja, TOS não limita interacções medicamentosas ou perturbações de alvos de drogas idênticas ou vias afetadas. Em vez disso, TOS captura um efeito multitarget, e achamos que é por isso que a direção do efeito combinado (isto é benéfico vs. deletéria). não podem ser facilmente capturados pela medida. Aqui uma nota sobre os efeitos “benéficos” versus “prejudiciais” é talvez no lugar. Nomeadamente, muitos dos actuais, drogas terapeuticamente úteis, incluindo agentes imunossupressores ou anti-cancro são eficazes porque eles são tóxicos para uma população restrita de células. No contexto de uma rede única bioquímica, tais efeitos seriam considerados como prejudiciais, mesmo que no sentido terapêutico que são benéficos para o organismo inteiro. Nós pensamos que é a tarefa de estudos experimentais para decidir se deve ou não uma combinação com a excelente pontuação TOS é terapeuticamente útil.

Em resumo, neste artigo apresentamos o Índice Sobreposição Target, um novo método computacional para a caracterização de interações medicamentosas , com base nos bairros de propagação em redes interacton proteína-proteína. A pontuação baseia-se na hipótese de que as drogas que partilham um grande número de proteínas perturbados terá um efeito combinado que pode valer a pena estudar pelo método experimental. O ranking das combinações candidato mostrou boa correlação com estudos clínicos, por isso esperamos que esta abordagem pode contribuir no futuro para a concepção de combinações de medicamentos terapeuticamente úteis.

Dados e métodos

conjuntos 4.1 Dados

os dados de interação proteína-proteína foram tomadas a partir da base de dados String [36] (https://string.embl.de/, recuperado em 28

th agosto de 2012). Os dados relacionados com o fármaco (alvos de drogas, sinônimos, aliases, códigos ATC) foram retirados do drugbank [27] através da JBioWH [37] (https://code.google.com/p/jbiowh/, recuperado em 12

de setembro de 2012), ponto [38] (https://stitch.embl.de/, recuperado em 4

de setembro de 2012) e TTD [30] (https://bidd.nus.edu. sg /grupo /TTD /ttd.asp, recuperado em 23

th julho de 2012) bancos de dados. Os dados de interacção medicamentosa foram retirados de https://drugs.com/(recuperado em 11

de Novembro de 2013). Os dados da combinação de drogas foram tomadas a partir da DCDB [29] (https://www.cls.zju.edu.cn/dcdb/, 4

de Março de 2012), e TTD [30] (http: //bidd.nus.edu.sg/group/TTD/ttd.asp~~number=plural, recuperado em 23

th julho de 2012) bancos de dados.

a partir do banco de dados STRING a associação proteína-proteína humana e suas pontuações de confiança combinados foram usados. A partir do banco de dados PONTO apenas as associações de drogas em proteínas foram consideradas que teve i) evidência experimental ou ii) comprovação de banco de dados com pelo menos 0.800 confiança, ea confiança global foi de pelo menos 0,900. Moléculas tais como Na

+, Ca

2 +, ATP, etc, que teve mais de 45 alvos foram exluced do conjunto de dados. Todos os algoritmos de filtragem foram implented em MATLAB R2014a.

Publicado dados de ensaios clínicos sobre trastuzumab foram coletados do banco de dados ClinicalTrials (www.clinicaltrials.gov) usando a palavra “trastuzumab” em combinação de pares com todos os 43 agentes quimioterápicos aprovados para cancro da mama (amsacrina, azacitidina, bleomicina, cabazitaxel, capecitabina, carboplatina, carmustina, clorambucilo, cladribina, ciclofosfamida, citarabina, dacarbazina, daunorubicina, daunorubicina (lipossómica), docetaxel, doxorrubicina, epirrubicina, estramustina, etoposido, fludarabina, fluorouracilo, gemcitabina . idarrubicina, Ifosfamida, irinotecano, ixabepilone, lomustina, mercaptopurina, metotrexato, mitomicina-C, mitoxantrona, nelarabina, oxaliplatina, paclitaxel, pemetrexed, pentostatina, temozolomida, teniposido, tioguanina, topotecano, vinblastina, vincristina, vinorelbina) no dia 1 de Janeiro 2013. ClinicalTrials.gov é desenvolvido pelo Instituto Nacional de Saúde dos EUA e contém informações resumidas sobre estudos clínicos conduzidos em todo o mundo. Apenas 18 agentes foram estudados em associação com trastuzumab em 81 tentativas. Os resultados foram diminuiu para ensaios em que foi estudado o efeito da terapia combinada (n = 43). Para ensaios em que trastuzumab foi estudado em combinação com mais do que um agente, estes duplicados foram incluídos apenas uma vez. foram utilizados apenas o recorderd dados de acordo com os Critérios de Avaliação de Resposta em tumores Critérios Sólidos (RECIST) [35]. S1 tabela contém os ensaios com dados clínicos. resposta clínica geral (taxa) (OR) foi calculada a partir da percentagem de pacientes com uma resposta completa (CR) e a resposta parcial (RP) (OR = CR + PR) [35]. O benefício clínico Confirmado (CCB) foi calculado a partir CR, PR e doença estável (CCB = CR + PR + SD) [35]. Finalmente a sobrevivência progressão mediana livre (PFS) e os dados da mediana de sobrevida global (OS) foram adicionadas em meses.

4.2. A sobreposição Alvo Pontuação

Nós definir um quantitativo alvo Sobreposição Pontuação para duas drogas como a relação das metas atingidas em conjunto, nos alvos afetados (Fig 1, acima). O modelo subjacente é que os efeitos de drogas são perturbações locais em uma rede de interação gene /proteína e que a perturbação pode se propagar ao longo da rede [39]. A fim de trazer esta hipótese em uma forma testável, precisamos escolher i) um método para modelar a perturbação de genes dentro de uma rede; ii) uma medida quantitativa para caracterizar e comparar os bairros de genes sobrepostos; e iii) as redes em que para calcular as perturbações.

As perturbações em redes de interação são frequentemente descritos por modelos de difusão (TOS) que uma perturbação para espalhar ao longo das bordas de uma rede é semelhante a difusão física [40]. Estes modelos foram usados ​​com sucesso para uma tarefa análoga, o chamado problema de priorização gene [41-44] (ver Métodos para detalhes).

Definimos vizinhança da rede como o conjunto de genes que são significativamente perturbados por um droga. Isto foi determinado pela simulação de Monte Carlo, repetindo o processo de difusão 10.000 vezes e determinar os nós (genes), cuja actividade alterada a um nível de significância escolhido (por exemplo, P 0,05) (ver Métodos para detalhes). Como medida numérica para a interacção medicamentosa definimos o Índice Sobreposição Target (TOS) como o coeficiente de Jaccard (medida de similaridade entre as séries), calculado entre os bairros significativamente afetados por um par de drogas. TOS é 1,00 para um par de drogas que afectam os mesmos alvos e 0,00 para os agentes que não afetam significativamente qualquer alvo em comum. Desempenho de TOS (ou qualquer outra medida combinação) pode ser caracterizada pela sua classificação de desempenho que pode ser determinado por um ROC /análise de cálculo AUC padrão (ver Métodos) [26].

Para testar os métodos que utilizaram a STRING, um dos maiores bancos de dados de interação de proteínas disponíveis [45].