Abstract

Fundo

Até agora, os investigadores encontraram supressores de tumor (ETG) e oncogenes ( OCGs) que controlam a proliferação celular e da apoptose durante o desenvolvimento do cancro. Além disso, ETG e OCGs podem actuar como moduladores de factores de transcrição (TFS) para influenciar a regulação de genes. Uma investigação abrangente de ETG, OCGs, TFs, e seus genes alvo conjuntas a nível de rede pode fornecer uma compreensão mais profunda da modulação pós-tradução de ETG e OCGs a regulação do gene FT.

Metodologia /PRINCIPAIS CONCLUSÕES

neste estudo, desenvolvemos uma estrutura computacional inovador para a identificação de genes alvo de ETG e OCGs usando o TFS como pontes através da integração de interações proteína-proteína e dados de expressão de genes. Nós aplicamos este gasoduto para câncer de ovário e construiu uma rede de regulação de três camadas. Na rede, a camada superior foi composta por moduladores (ETG e OCGs), a camada do meio TFs incluídos, e os genes alvo continham camada inferior. Baseado em relações de regulação da rede, nós compilamos TSG e perfis OCG e análises de agrupamento realizada. Curiosamente, encontramos ETG e OCGs formado dois ramos distintos. Os genes no ramo TSG foram significativamente enriquecida em danos no ADN e reparação, regulação do metabolismo da macromolécula, do ciclo celular e apoptose, enquanto que os genes no ramo OCG foram significativamente enriquecida na via de sinalização de ErbB. Notavelmente, os seus objectivos específicos mostrou um enriquecimento funcional invertida em termos de apoptose e a via de sinalização de ErbB: os genes alvo regulados por OCGs só foram enriquecidas em anti-apoptose e os genes alvo regulados por ETG só foram enriquecidos na via de sinalização de ErbB

Conclusões /Significado

Este estudo fornece a primeira investigação abrangente da interação de ETG e OCGs em uma rede de regulação modulada pela TFS. Nossa aplicação no cancro do ovário revelou padrões regulatórios distintos de ETG e OCGs, sugerindo um mecanismo regulador competitivo agindo sobre a apoptose ea ErbB via de sinalização através de seus genes-alvo específicos

Citation:. Zhao M, Sun J, Zhao Z ( 2012) Patterns reguladoras distintas e competitivas de genes supressores tumorais e oncogenes no câncer de ovário. PLoS ONE 7 (8): e44175. doi: 10.1371 /journal.pone.0044175

editor: Szabolcs Semsey, Niels Bohr Institute, Dinamarca |

Recebido: 28 de maio de 2012; Aceito: 30 de julho de 2012; Publicado: August 30, 2012 |

Direitos de autor: © Zhao 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

Financiamento:. Este trabalho foi parcialmente apoiado por bolsas de Institutos Nacionais de Saúde (R01LM011177 eo P30CA68485 concessão Cancer VICC Centro de núcleo). Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito. Nenhum financiamento externo adicional foi recebida para este estudo

Conflito de interesses:. Os autores leram a política da revista e tem as seguintes conflitos: Co-autor Zhongming Zhao é um membro do Conselho Editorial PLOS. Isto não altera a adesão dos autores para todas as políticas de PLoS One sobre os dados e materiais de compartilhamento. Diferente do anterior, os autores declararam que não existem interesses conflitantes.

Introdução

Cancro é caracterizada pelo crescimento descontrolado de células, que é causada por mutações genômicas acumulados em genes que normalmente desempenham papéis importantes no controlo da proliferação celular e apoptose [1]. Dois grupos principais de genes codificadores de proteínas influenciar o crescimento de células de câncer em sentidos opostos. O primeiro grupo de genes codificam supressores de tumores, cuja perda da função contribui para o desenvolvimento de cancro [2]. O segundo grupo de genes são oncogenes, cuja ganho de função pode desencadear o desenvolvimento do cancro [3]. A partir de agora, nós abreviado estes dois tipos de genes como ETG e OCGs. Muitos ETG são o “guardião da célula” por causa de seus papéis críticos em pontos de controlo do ciclo celular e induzindo a apoptose [2], [4]. Por exemplo, as ETG conhecidos

RB

e

TP53

são considerados como anti-oncogenes por causa de seus efeitos sobre ações contra oncogenes conhecidos no crescimento celular [5]. Em uma célula normal, OCGs estão localizados nos cromossomas como proto-oncogenes. Quando activado por mutações pontuais ou de outros mecanismos tais como a amplificação do gene, proto-oncogenes podem ser convertidos em OCGs para estimular a proliferação celular e promovem a sobrevivência celular pela interferência com a apoptose [3].

Nas últimas décadas, um substancial número de ETG e OCGs foram caracterizados de acordo com as suas funções na proliferação celular e apoptose [2], [3], [4]. No entanto, os mecanismos moleculares subjacentes a essas ETG e OCGs para regular os processos biológicos a nível da transcrição ainda não são claros, especialmente para os sistemas e níveis celulares. é bem conhecido que os factores de transcrição de ligação a DNA (TFS) desempenham papéis importantes na regulação da transcrição de um gene de [6]. atividades TF são regulados principalmente por outras moléculas em nível de pós-translacional [7]. Anteriormente, os estudos mostraram que ETG, tal como o

RB1 ​​

e

KL

, pode afectar a actividade de TF ou factores de crescimento como os seus moduladores pós-traducionais [8], [9]. Na tumorigênese do câncer, a maioria dos ETG e OCGs não pertencem à categoria de TFs; Assim, eles não podem regular directamente a expressão do gene. Portanto, modulando FT no nível de pós-translacional pode fornecer um mecanismo para ETG e OCGs para regular a expressão do gene indiretamente.

O câncer de ovário (abreviado como OVC neste estudo) é a quinta maior causa de mortalidade relacionada ao câncer com uma prevalência de 1,4% para 2,5% em mulheres nos Estados Unidos [10]. A busca de convencer genes candidatos na última década, embora longe de ser completa ou conclusivo, forneceu a base para análises sistemáticas de suas contribuições genéticas para OVC [11]. Além disso, tecnologias de escala genoma têm gerado grandes quantidades de perfis de expressão gênica e outros dados genéticos e genômicos de centenas de amostras OVC [12], [13], [14], [15]. Estes dados genômicos genética e alto rendimento nos forneceu uma oportunidade para identificar uma rede de regulamentação fundamental que é vital para o desenvolvimento de câncer [16], [17]. Além disso, a carcinogénese do ovário envolve muitos fatores etiológicos específicos, tais como hormônios e ovulação [18], o que põe em causa a forma como a rede de transcrição integra sinais de responder a estímulos hormonais. Nossa hipótese aqui foi que a integração sistemática do TFS e seus moduladores potenciais (ETG e OCGs) fornece uma abordagem eficiente para descobrir uma rede de transcrição em OVC. Esta rede reguladora pode fornecer o novo modelo de regulação ETG, OCGs e TFs na expressão de genes em processos tumorigênese críticos, tais como ciclo celular e estímulo hormonal.

Aqui, nós apresentamos uma abordagem computacional para a construção de uma rede de regulamentação hierárquico de interacções proteína-proteína (IBP) e os dados de expressão de genes usando o TFS como pontes de ligação importantes moduladores (ETG e OCGs) para os seus genes-alvo potenciais. Aplicou-se esta abordagem para a construção de uma rede de regulação de três camadas em COV, em que a camada superior 29 incluído ETG e 13 OCGs, a camada do meio 15 TFs incluídos, e a camada inferior 65 incluídos genes alvo comuns. Além disso agrupamento perfil reguladora analisa ETG divididas e OCGs em dois ramos distintos. As ETG eram principalmente envolvidos em danos e reparação do ADN, ciclo celular e apoptose, enquanto OCGs foram principalmente agrupadas em erbB transdução e resposta a estímulos hormonais. Além disso, os genes-alvo específicos-OCG foram enriquecidas em reguladores da apoptose negativos, enquanto que os genes-alvo específicos TSG-se enriquecido em vias de sinalização ErbB. Estes resultados revelaram um padrão função distinta da ETG e OCGs, não só por suas próprias funções opostas no desenvolvimento do câncer, mas também pelas funções enriquecidas opostos de seus genes-alvo específicos. Temos, pela primeira vez, relatou um padrão de regulação competitiva dos ETG e seus alvos investigado em comparação com OCGs e suas metas; neste relataram a descoberta, encontramos a ETG, OCGS, juntamente com os respectivos objectivos, têm a tendência de reagir em oposição sobre a apoptose ea via de sinalização ErbB. Outras investigações deste achado é justificada.

Materiais e Métodos

Collection Gene e Conservação dos ETG, OCGs e TFs na OVC

Para a coleta de forma abrangente os genes relacionados com a OVC, nós analisados ​​e curadoria catorze fontes de dados, incluindo o banco de dados de mutação câncer Catálogo do Somatic mutações em câncer (COSMIC, versão 55) [19], on-line Mendelian Inheritance in Man (OMIM, de outubro de 2011) [20], Genetic Association database (GAD , outubro de 2011) [21], o banco de dados do Censo funcional do Gene Humano do Câncer (F-CENSO, outubro de 2011) [22], o banco de Dados do dragão on-line para Exploração de câncer de ovário Genes (Ddoc, outubro de 2011) [23 ], uma revisão abrangente especialista em genes relacionados com OVC de Nature Reviews Cancer [11], o banco de dados de literatura Generif [24], estudo de associação genômica ampla publicados [25], [26], [27], e seis listas de genes candidatos produzido por plataformas genômicas em grande escala sobre OVC de The Cancer Genome Atlas (TCGA) [12]. Os detalhes para a recolha de gene em cada fonte de dados são descritos em textos S1, e algumas abordagens de coleta de gene e anotações também foram aplicadas com sucesso em outras doenças para a priorização gene candidato [28], [29], [30]. Finalmente, 1257 genes relacionados OVC não redundantes foram curada de análise de seguimento (Tabela S1).

Nós ETG e OCGs de comentários clássicos curadoria manualmente em COV e cancro geral [2], [4], [ ,,,0],11], [31] e extraída TFs humanas conhecidas do banco de dados profissional TRANSFAC (liberação de 2011,4) [32]. Entre 1257 genes OVC, 100 reguladores exclusivos foram atribuídos, incluindo 35 ETG, 15 OCGs, e 50 TF genes.

Rede análises topológicas e extração de uma sub-rede centrada por ETG, OCGs e TFs de interactome Humano

Nós baixado dados undirected interação proteína-proteína humana (PPI) a partir da plataforma de interação de proteínas Network Analysis (PINA) (junho de 2011) [33]. Em PINA, os dados incluídos auto-interações, previu interações por métodos computacionais, e as interações entre proteínas humanas e proteínas de outras espécies. Em nosso pipeline, temos apenas utilizou os PPIs humanos não redundantes com suportes experimentais após a remoção previu PPI e auto-interações, bem como PPIs envolvendo proteínas de outras espécies. Este processo gerou uma rede PPI humana com 11.654 nodos (proteínas) e 72,630 ligações (IBP).

Para construir uma sub-rede centrada por ETG, OCGs e TFs e ter uma visão geral para as propriedades de rede topológicos destes genes OVC , primeiro mapeou todos os genes relacionados com a rede PPI humana. Para efeito de comparação, nós compilamos cinco listas de genes para realizar análises topológicas da rede. O primeiro conjunto de dados incluiu 467 genes do cancro conhecidos da lista Cancer Sanger Gene Census [34], entre os quais 378 genes foram mapeados para a rede PPI humana. Em seguida, dividimos nossas recolhidos 1257 genes OVC em quatro grupos: ETG conhecidos, OCGs conhecidos, TFS e os restantes genes OVC comuns. No total, 33 ETG, 14 OCGs, 50 TF genes e 905 genes OVC comuns foram mapeados para a rede PPI. Em seguida, foram calculados três medidas topológicas básicas para as listas de genes cinco. Estas medidas incluíram grau, centralidade betweenness e centralidade proximidade usando o software Cytoscape [35]. O grau mede as ligações de cada proteína na rede PPI humana [36]. A centralidade betweenness representa a frequência com que uma proteína localiza em todos os caminhos mais curtos entre duas outras proteínas [36]. centralidade proximidade, também chamado de distância do caminho mais curto, indica os passos mais curtos para um nó para chegar a outro [36]. Para comparar estas propriedades topológicas entre as listas de genes cinco, foi realizada de duas caudas de Kolmogorov-Smirnov (KS) testes implementados no pacote de R 2.13.2 [37].

Para avaliar a importância das propriedades de rede de cada OVC TSG, OCG e TF na rede PPI humana, foi aplicada uma abordagem re-amostragem empírica. Aqui, vamos dar a lista gene TSG como um exemplo. Em primeiro lugar, para as 33 ETG mapeados para a rede PPI humana, foram selecionados aleatoriamente 33 nós de qualquer um dos 1257 genes OVC na rede PPI humana e calculou as três propriedades topológicas (grau, intermediação e proximidade). Nós repetimos este processo de randomização 10.000 vezes. Em seguida, temos o número de conjuntos aleatórios selecionados de nós (N) cuja média grau, intermediação ou de proximidade foram maiores do que o observado médio grau, intermediação e proximidade, respectivamente. Por fim, calculamos sua empírica

P-

valor usando o N /10000 para os três tipos de propriedades topológicas, respectivamente. Nós aplicamos abordagens semelhantes a 14 OCGs, 50 TFs e 97 genes reguladores (33 ETG, 14 OCGs e 50 TF genes). O resumidos

P-

valores foram listadas na Tabela S6.

Além de essas análises topológicas, extraímos 2024 interagentes diretos dos 97 genes reguladores (33 ETG, 14 OCGs e 50 TF genes) a partir da rede PPI humana para formar uma sub-rede que compreende de 2121 genes para análise posterior.

Construção de uma rede de regulação hierárquica com base em perfis de expressão gênica de TCGA

recentemente, investigadores TCGA analisou a expressão do gene da 489 amostras de alto grau serosa OVC que utilizam plataformas de três expressão gênica microarrays (Affymetrix Exon 1,0 matriz, Agilent 244 K matriz expressão do genoma inteiro, e matriz HT-HG-U133A Affymetrix) [12]. Em seguida, eles normalizada e estimado a expressão para cada amostra e o gene em cada plataforma separada. Depois de subtrair o valor médio entre as amostras para o mesmo gene, que divide o valor da expressão pelo desvio padrão entre amostras e obtiveram pontuações de expressão de genes relativos. Por último, os dados de expressão relativa de três plataformas foram integrados em um único, conjunto de dados unificado de 11,864 genes utilizando um modelo de fator de análise sem efeitos lote [12], [38]. Os dados finais de expressão gênica baixado do site da TCGA é formatado como uma matriz, que é uma linha para cada gene e uma coluna para cada uma das amostras (https://tcga-data.nci.nih.gov/docs/publications/ov_2011 /).

Entre os 2121 genes na sub-rede centrada por OVC ETG, OVC OCGs e OVC TFs, 352 genes (29 ETG, 13 OCGs, 36 TF genes, e 274 genes que interagem) se sobrepôs ao gene 11.864 perfis de expressão de TCGA. Em seguida, utilizou-se o software Mindy (modulador Inference pela Network Dynamics) para prever a relação regulamentar entre ETG, OCGs e TFs. MIndy foi utilizada para identificar moduladores de TFs com perfis de expressão ao nível pós-translacional com base na informação mútua condicional [39]. Mindy requer quatro entradas, incluindo uma matriz de expressão gênica, a TF de interesse, uma lista de genes potenciais moduladores, e uma lista de potenciais alvos TF. Portanto, uma matriz de expressão de genes com 352 em cada linha e 489 amostras OCV em cada coluna foi recolhido como a primeira entrada para o software MIndy. O TFs de interesse foram os 36 TF genes do nosso sub-rede extraído. Os moduladores potenciais continha 29 e 13 ETG OCGs. Os restantes 274 interagindo genes em nosso sub-rede foram considerados como potenciais alvos TF.

Para reduzir os falsos positivos de relacionamentos TF-alvo inferidas por Mindy, nós ainda previu pares TF-alvo usando JOGO ™ com uma pontuação núcleo do 1,00 e uma pontuação matriz de 0,95 [32], [40]. Tomemos o exemplo de TF HMGA2: Mindy previu 29 ETG e 13 OCGs para regular 106 e 79 genes-alvo através de modulação HMGA2, respectivamente. Nós previmos mais 82 genes alvo dos 1257 genes relacionados com OVC usando JOGO ™. Depois de comparar a 82 previu genes-alvo para HMGA2, apenas 18 e 13 genes únicos foram co-regulada pelos 29 ETG e 13 OCGs, respectivamente. Finalmente, a sobreposição regulamentos TF-alvo formada a rede de saída contendo 29 ETG, 13 OCGs, 15 TF genes e 65 genes alvo conjuntas. Na rede reguladora, ETG 3, 3, e 4 OCGs TF genes também foram inferidos como genes-alvo para TFs outros. Portanto, 112 genes únicos foram integrados na rede. Além disso, os 4 genes TF conhecidos

FOXM1

,

MSX1

,

PPARG

e

STAT5A

, foram designados como genes alvo em nossa rede, como eles não regulam quaisquer genes desta rede regulamentar. A visualização da rede final dos 112 genes foi realizada utilizando o software Cytoscape [35].

Construção e agrupamento de TF e gene alvo Perfis de ETG e OCGs

Para analisar os genes alvo a jusante de ETG e OCGs, construímos um perfil de destino para cada TSG ou OCG examinando genes-alvo como estando presentes ou ausentes, como relacionado à nossa rede de regulação hierárquica. Para um dado TSG OCG ou, se existe uma relação entre o regulador TSG /OCG e um gene alvo, o valor atribuído para o gene alvo de GST /OCG seria um; caso contrário, seria atribuído um valor igual a zero. Assim, para um determinado TSG /OCG, um perfil-alvo inclui uma cadeia com 65 entradas com 0 ou 1. O mesmo procedimento foi aplicado para a construção de um perfil de TF para cada TSG ou OCG com 15 entradas de 0 e 1. Para investigar a regulamentar padrões de ETG e OCGs, análises hierárquicas de cluster foram realizadas tanto no perfil gene alvo e perfil TF usando pacote de R 2.13.2 [37].

Construindo sub-redes reguladoras na apoptose, ciclo celular, Hormona de Estimulação e Reprodução

para obter uma melhor compreensão dos módulos funcionais específicos no nosso rede de regulação, que se concentrou em quatro processos biológicos, que incluíram a apoptose, ciclo celular, resposta a hormona, e de reprodução, uma vez que foi relatado que desempenham papéis importantes em COV e também foram enriquecidos em nossa rede de regulamentação [41], [42], [43]. Nós compilou quatro listas funcionais prazo sobre a apoptose, ciclo celular, a resposta hormonal, e reprodução utilizando Gene Ontology (GO), Enciclopédia Kyoto de genes e genomas (KEGG) e SwissProt termos de anotação da ferramenta online DAVID [44]. Finalmente, com base nos termos funcionais curadoria, foram coletadas 51 (apoptose), 47 (ciclo celular), 21 (resposta hormonal), e 16 (reprodução) genes OVC em nossa rede de regulamentação hierárquico.

Pelo exposto quatro conjuntos de genes obtidos, a maior parte deles pode ser mapeada para as camadas superior e inferior em nossa rede reguladora hierárquica. Para extrair a sub-rede para cada processo, nós mapeado pela primeira vez os genes recolhidos para a camada inferior, em seguida, encontrou o TFs (camada média) que ligava a estes genes-alvo e, finalmente, recrutou os ETG e OCGs (camada superior) com links relacionados a processos a estes TFs. Utilizando este processo, obteve-se quatro sub-redes.

testes estatísticos para Enriquecido GO termos funcionais e vias biológicas

Para avaliar a função dos conjuntos de genes interessantes, realizamos testes de enriquecimento funcionais usando a ferramenta on-line DAVID [44]. Foram selecionados os termos GO ou caminhos com uma ajustada

P

-valor inferior a 0,05, conforme calculado pelo teste hypergeometric seguido pelo método Benjamini-Hochberg [45], que foi implementado na ferramenta DAVID.

Para avaliar a significância funcional dos 112 genes em nosso sub-rede final, foram selecionados aleatoriamente 112 genes a partir de 1257 genes OVC e comparar a sua

P-

distribuição corrigida valor. No total, foi realizada a randomização dez vezes e anotado cada lista gene usando DAVID. Com base na Benjamini-Hochberg ajustado

P-

valor, comparamos a

P-

distribuição de valor para os nossos 112 genes e dez listas de genes selecionados aleatoriamente (Figura S6).

Resultados

Visão geral do Computacional Pipeline para construir uma rede de regulação hierárquica

Conforme mostrado na Figura 1, o nosso gasoduto começou com uma compilação de genes candidatos, ETG, OCGs e TFs para um determinado câncer, como o câncer de ovário. Em seguida, extraímos uma sub-rede centrada com estas ETG conhecidos, OCGs, TFs e seus interagentes diretos a partir da rede PPI humana. Então, os perfis de expressão de genes para os genes envolvidos na sub-rede foram introduzidos em MIndy inferir ETG e OCGs como moduladores pós-translacionais do TFS. A saída de Mindy era uma rede reguladora que compreendia a camada superior com moduladores (ETG e OCGs), a camada do meio com o TFS, e a camada inferior com genes alvo conjunta das duas camadas superiores. Para reduzir ainda mais os falsos positivos de relacionamentos TF-alvo inferidas a partir de Mindy, que exigia que os pares de TF-alvo previstos também foram confirmados pela TF-alvo ferramenta de previsão JOGO ™. O resultado final deste oleoduto foi uma rede de regulação combinatória de ETG, OCGs, seus moduladores TFs e regulam genes alvo. Nós aplicamos este gasoduto computacional para nossos 1257 genes curadoria candidatos OVC e, por fim, construiu uma rede de regulação de três camadas, que incluiu 29 ETG, 13 OCGs, 15 TF genes, e 65 genes alvo conjuntas.

Esta figura mostra o TSG e construção da rede de regulamentação OCG e identificação das vias a jusante críticos modulados por ETG e OCGs. Nosso pipeline envolve quatro etapas principais. 1) Coleta de câncer de ovário (OVC) genes relacionados com, supressores de tumor (ETG), oncogenes (OCGs), e fatores de transcrição (TFS) a partir de bases de dados públicas e literatura. 2) Extração de sub-redes centradas em OVC ETG, OCGs e TFs de interação proteína-proteína () dados de PPI. 3) Integração de dados de expressão de escala genoma para construir uma rede de regulação hierárquica com ETG relacionadas com OVC, OCGs, TFs e genes-alvo. 4) Análise de vias a jusante e sub-redes com genes regulados para investigar a interação de ETG e OCGs em processos biológicos específicos. Modulador Inference pela Network Dynamics (MIndy) é uma ferramenta de software utilizado para a identificação de moduladores de pós-translacionais de TFs com base em perfis de expressão. Interação proteína Análise de Redes (PINA) é uma plataforma para a construção da rede de interação de proteínas.

ETG, OCGs e TFs em OVC Mostrar alta conectividade, intermediação e de proximidade centralidade na rede PPI Humano

com base na comparação dos três propriedades topológicas (grau, de centralidade betweenness e centralidade proximidade) para cinco listas de genes relacionados ao câncer, que ganhou os primeiros insights sobre a arquitetura dos genes relacionados com OVC em PPIs humanos (ver Materiais e Métodos) . Figura S1 mostra o grau de distribuição dos cinco conjuntos de dados e todas as proteínas na rede PPI humana. O grau médio dos 97 genes (OCV ETG, OCGs e TFS) era 56,12, o que foi significativamente mais elevado do que o dos genes do gene do cancro censo (35.33, teste de Kolmogorov-Smirnov (KS teste),

P

-valor = 3,36 × 10

-2) ou de 905 OVC genes comuns (21.83, teste KS

P

-valor = 7,12 × 10

-8). Para avaliar a importância das propriedades topológicas calculados, aplicamos uma abordagem re-amostragem empírica para calcular empíricos

P-

valores para cada propriedades (Tabela S6). Exceto o

P-

valor de centralidade betweenness de TFS (0,08), todos os restantes

P-

valores foram inferiores a 0,01. Estes empírica

P

-Valores sugeriu que os recursos de rede observados foram improvável gerado por acaso. outros testes KS mostrou que os intermediação e proximidade centralidades dos 97 genes foram significativamente mais elevados do que aqueles genes do gene Census câncer e os 905 genes comuns OVC (

P

-Valores 0,05, Tabela S2). Nossa comparação entre 97 genes (OVC ETG, OCGs, e TFS) e outros genes do cancro implícito que esses 97 genes tiveram maior conexões locais e caminhos mais curtos para outras proteínas. Dado o seu elevado grau, intermediação e centralidades proximidade, uma sub-rede com seus interagentes diretos pode ser suficiente para caracterizar as propriedades reguladoras dos 97 genes.

Um Regulatory Rede gene específico-OVC modulada por ETG e OCGs

a partir dos 97 genes, que integrou os PPIs, perfis de expressão genética, e os dados de previsão de TF-alvo dos softwares Mindy e MATCH ™ (ver Materiais e Métodos). A rede de regulação de três camadas final foi construído, que incluiu 112 genes únicos (29 ETG, 13 OCGs, 15 TF genes e 65 genes alvo conjuntas) e 353 ligações (Figura 2A e Tabela S3). análises de enriquecimento funcionais mostraram que os 112 genes foram enriquecidos em numerosas categorias funcionais relacionados com a carcinogênese (Tabela S4). As categorias funcionais mais enriquecidos foram relacionados à progressão OVC, como “regulação da apoptose” (ajustado

P

-valor = 4,84 × 10

-24), “regulação do ciclo celular” (ajustado

P

-valor = 8,10 × 10

-20), “resposta ao hormônio estímulo” (ajustado

P

-valor = 5,31 × 10

-10), e “organismo multicelular reprodução “(ajustado

P

-valor = 1,06 × 10

-4). Para avaliar os resultados das análises funcionais dos 112 genes, foram selecionados aleatoriamente dez listas de genes com 112 genes de 1257 genes OVC. Como mostrado na Figura S6, a maior parte corrigido

P-

valores de termos funcionais anotados para as nossas 112 genes foram menos do que 0,01, o qual é distintamente diferente a partir das listas de genes seleccionados aleatoriamente dez (teste de Kolmogorov-Smirnov,

P-

valores 0,05). Estas funções relacionadas à carcinogênese altamente enriquecido demonstrado que a nossa rede de regulação foi estreitamente relacionado com o desenvolvimento OVC e pode ser útil para identificar módulos cancerogenesis centrais.

rede hierárquica de câncer de ovário (OVC) relacionado genes supressores tumorais (A) Integrados (ETG), oncogenes (OCGs), e fatores de transcrição (TFS). Os nós no vermelho (círculo) representam ETG relacionadas com OVC, nós em amarelo (triângulo) representam OCGs relacionadas com OVC, nós em verde (octagon) representam TFs relacionadas com OVC, e nós em azul (vee) representam genes alvo. Os links de laranja representam os regulamentos das ETG ou OCGs aos seus TFs modulação. As linhas de setas verdes representam os regulamentos dos TFS para os seus genes-alvo. (B) Lote de em graus e para fora dos graus 15 TFs na rede de regulação de três camadas. Em graus é definido como o número de nós que apontam para imediatamente e regulam o nó de interesse, e para fora graus é definido como o número de nós que apontam para imediatamente e são regulamentados pelo nó de interesse. (C) A sub-rede com três loops de feedback centrada por ETS1. O esquema de cor e forma de nós e links são os mesmos que aqueles no (A).

Conforme mostrado na Figura 2B, o FT ‘in-graus de ETG e OCGs teve uma alta correlação com a sua out-graus para seus genes-alvo (coeficiente de correlação de Pearson = 0,74,

P

-valor = 1,60 × 10

-3). Aqui, em graus é definido como o número de ETG /nós OCG que apontam imediatamente para e regulam o nó TF, e fora graus é definido como o número de nós gene alvo que apontam imediatamente para e são regulados pelo nó TF. Por exemplo, o grau em e fora grau de TF ETS1 foram de 34 e 14, respectivamente; isto é, que foi modulado pelas 23 e 11 ETG OCGs enquanto regulada 14 genes alvo a jusante. Além disso, os 14 genes alvo de ETS1 foram enriquecidos em “proteína tirosina quinase” com base em GO anotação (ajustado

P

-Valores = 2.15 × 10

-3). No geral, nossos resultados sugerem que TFs com mais entradas em nossa rede reguladora poderia regular mais genes alvo.

Nesta rede, todos os sinais de regulação de ETG e OCGs foram passados ​​para a camada média (povoada por TFS) e, em seguida, transferido para a camada de fundo com genes alvo. No entanto, 10 dos genes-alvo 65 também pertencem a ETG, OCGs ou genes TF em nossa rede. Os 10 genes com múltiplas funções formado seis voltas regulamentares entre TFs e ETG /OCGs. Os laços foram E2F3 ↔ CHEK2, ETS1 ↔ EGFR, ETS1 ↔ ERBB2, ETS1 ↔ SPARC, HMGA2 ↔ MYC e HNF1B ↔ MYC (Tabela S5). Por exemplo, ETS1 formado de três loops de feedback com genes que codificam EGFR, ErbB2 e SPARC. Entre os três genes, EGFR e ERBB2 pertencem à família dos receptores do factor de crescimento epidérmico (EGFR) (Figura 2C). Nós ainda recrutou interagentes diretos de ETS1 relacionadas com os três loops de feedback para formar uma sub-rede. Havia um total de 17 genes na sub-rede específica para ETS1, que foram enriquecidos com a “regulação da proliferação celular” GO termos processos biológicos (ajustado

P

-valor = 1,94 × 10

-8) e “regulação do ciclo celular” (ajustado

P

-valor = 9,77 × 10

-6). Estas análises indicam que ETS1 pode desempenhar um papel importante na proliferação celular através das suas interacções com a família EGFR, o que é consistente com os resultados de estudos anteriores de células cancerosas humanas [46].

ETG e OCGs foram envolvidos em diferentes processos biológicos em OVC

para identificar melhor os processos biológicos específicos em que ETG e OCGs participar Foram realizadas análises de enriquecimento funcional para ETG e OCGs de forma independente. Os resultados indicaram que ETG e OCGs foram envolvidas em diversos processos biológicos durante a carcinogénese do OCV (Tabela 1). Os 29 ETG estavam principalmente envolvidos no ciclo celular, resposta a danos no ADN, a regulação positiva de apoptose, e o processo metabólico macromolécula regulando negativamente, enquanto que 13 OCGs eram principalmente envolvidos nas vias de sinalização, tais como ErbB e resposta a hormona de estímulo, e, do lado oposto ao os resultados ETG, regulação negativa da apoptose. Entre os 112 genes em nossa rede, 46 genes foram mapeados para o “caminho no câncer” KEGG (13 ETG, 9 OCGs, 8 TF genes e 16 genes-alvo) (Figura S3). O mapa mostra a maioria dos ETG e OCGs regulados processos de carcinogênese importantes. A maioria dos ETG rodeado processos como ciclo celular, reparo do DNA e apoptose; OCGs tendem a interagir com a entrada de sinalização, enquanto genes TF e genes-alvo, muitas vezes espalhados por todo o mapa para se conectar ETG e OCGs.

Estudos anteriores demonstraram que ETG estão envolvidos na tumorigênese porque seus produtos são geralmente envolvida na barreira do ciclo celular, apoptose, ou a reparação do ADN danificado [2], e OCGs codificar remodelers cromatina, factores de crescimento e receptores, transdutores de sinal, e reguladores de apoptose [3]. Nossos resultados de análises funcionais de OVC ETG e OCGs foram consistentes com suas funções comuns na tumorigênese. Vale a pena notar que as nossas análises indicaram que os OCGs teve papéis importantes no processo de “sinais hormonais resposta”, o que é importante para acelerar a proliferação de células durante o desenvolvimento OVC, incluindo gonadotrofinas, estrógenos, andrógenos, progesterona e insulina [18].