Sumário

Os microRNAs são uma classe de pequenas moléculas de RNA não-codificantes reguladoras que regulam mRNAs pós-transcricional. Evidências recentes mostram que toda miRNAs alvo proteínas funcionalmente relacionados tais como complexos de proteínas e vias biológicas. No entanto, a caracterização da influência de miARNs em genes cuja codificado proteínas são parte de complexos de proteínas não foi estudado no contexto da doença. Propomos uma estrutura baseada em entropia para identificar a desregulação miRNA-mediada de proteínas funcionalmente relacionados durante a progressão do câncer de próstata. O quadro proposto utiliza verificados experimentalmente interações miRNA-alvo, proteínas funcionalmente relacionados e dados de expressão para identificar complexos de proteínas influenciou-miRNA no câncer de próstata, e identificar genes que estão desregulados, como resultado. O quadro construções de matrizes de correlação entre proteínas e miARNs que têm alvos no complexo funcionalmente relacionados, e avalia as mudanças na entropia de Shannon dos módulos em diferentes fases do cancro da próstata. Os resultados revelam que os complexos contendo proteínas SMAD4 e HDAC são altamente afetadas e interrompido por miRNAs, particularmente miRNA-1 e miRNA-16. Usando caminhos biológicos para definir proteínas funcionalmente relacionados revela que as vias de NF-kB-, RAS-e Sindecana mediadas são desregulada devido à regulação miRNA-1 e miRNA-16-mediada. Estes resultados sugerem que miARN-1 e miARN-16 são importantes reguladores mestre de regulação mediada por miARN no cancro da próstata. Além disso, os resultados revelam que miARNs com alta influência sobre os complexos de proteína rompidas são candidatos biomarcador de diagnóstico e prognóstico para a progressão do cancro da próstata. A observação da regulação mediada por miRNA proteína complexa e regulação via miRNA-mediada, com verificação experimental parcial de estudos anteriores, demonstra que o nosso quadro é uma abordagem promissora para a identificação de novos miRNAs e complexos de proteínas relacionadas com a progressão da doença.

Citation: Alshalalfa M, D. Bader G, Bismar TA, Alhajj R (2013) Coordenar Regulamento Mediada por MicroRNA de complexos de proteínas no câncer de próstata. PLoS ONE 8 (12): e84261. doi: 10.1371 /journal.pone.0084261

editor: Panayiotis V. Benos, da Universidade de Pittsburgh, Estados Unidos da América

Recebido: 06 de maio de 2013; Aceito: 21 de novembro de 2013; Publicação: 31 de dezembro de 2013

Direitos de autor: © 2013 Alshalalfa 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 apoiado por NRNB (Institutos Nacionais de Saúde, Centro Nacional de Pesquisa de Recursos número de concessão P41 GM103504). Este trabalho foi financiado pelo NSERC bolsa de estudos para estudantes de doutoramento. Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito

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

Introdução

o câncer de próstata (PCA) é o tumor maligno mais freqüente do sexo masculino ea segunda causa relacionada ao câncer de morte nos países ocidentais [1]. Recentemente, evidências consideráveis ​​de ARN mostrou que, em geral [1] especificamente miARNs estão implicados em APC e estão associados com a sua progressão não codificante [2] – [6]. Em particular, miARNs circulantes são promissores biomarcadores de progressão CaP [7], [8]. Embora existam apenas cerca de 1000 miRNAs [9] no ser humano, cada um só 18-22 pb de comprimento, mais de uma centena deles desempenhar um papel no câncer [10], e eles agem como ambos os oncogenes e supressores de tumor [11]. Assim, a caracterização do papel dos miRNAs no PCA é crucial para entender sua função e possível utilidade para fins terapêuticos.

Recentemente, o cross-talk entre redes miRNA-alvo e redes de proteína foi analisada em vários aspectos [12 ] – [15]. Por exemplo, alvos de miRNA diretos e seus parceiros em interações proteína-proteína (PPI) redes mostrar modularidade significativa [14]. miRNAs têm efeitos específicos sobre a formação de complexos de proteínas, selecionando componentes específicos do complexo [12], e alguns complexos de proteína são enriquecidos com alvos de miRNAs específicos [13]. Observou-se uma correlação positiva entre a conectividade proteína e número de diferentes miRNAs alvo [15] indicando que as proteínas hub exigem mais regulação mediada por miRNA. Além disso, miARN pode simultaneamente regular várias proteínas no mesmo módulo funcional, tais como vias biológicas. Além disso, de rede PPI características topológicas são úteis na filtragem de alvos de miRNA de falsos positivos [16], e na priorização de miRNAs envolvidos no câncer de próstata [17]. Este processo é importante para avaliar os miARNs significativas com um potencial papel no cancro da próstata. Tomados em conjunto, não há evidências claras de regulação pós-transcricional coordenada de complexos de proteínas e percursos por miRNAs. No entanto, a influência reguladora de miARNs em genes cuja proteínas codificadas são parte de complexos de proteínas ou percursos de proteínas que estão implicadas no cancro não foi completamente investigada.

Até à data, um número de modelos matemáticos têm sido desenvolvidos para inferir módulos de miRNA-mRNA ou redes modulares usando a expressão do gene e redes miRNA-de genes [18], [19]. Por exemplo, SVD é uma estrutura matemática útil que tem sido aplicado na identificação de módulos miARN-ARNm implicados no cancro da próstata [20], para além de várias áreas da biologia computacional [21] – [23]. SVD é útil para os biólogos para analisar e dados de expressão modelo de genoma-largas, e reduzir a dimensionalidade dos dados [22]. Dada uma matriz, a decomposição em valores singulares (SVD) da é a sua representação como, se é uma matriz ortogonal, é uma matriz ortogonal, e para a matriz diagonal, elementos são números não negativos em ordem decrescente. O poder de SVD reside nas três matrizes geradas como um resultado da decomposição. Os quadrados dos valores singulares representam o peso relativo da entropia na matriz. Utilizando este fato, SVD é usado para classificar genes com base na entropia que contribuam para os dados de expressão gênica [23].

Na era pós-genômica, uma tarefa crucial na biologia molecular é compreender regulação gênica em no contexto das redes biológicas. Desde proteínas miARN alvo, entre outros, que fazem parte de complexos de proteínas e vias de sinalização, é importante para o estudo da regulação mediada por miARN de complexos de proteínas na progressão da doença. Usando a rede proteica contexto dos alvos de miARN adiciona outra camada de informações a serem consideradas para miARN caracterização função como miARN influência sobre as metas propaga através da rede proteica de afectar vários componentes da via. Vários estudos relataram regulação de proteínas funcionalmente relacionadas por miRNAs [12] -. [15], mas pouco se sabe sobre como miRNAs regulam coordenadamente complexos de proteínas e percursos no câncer

Neste estudo propomos estrutura computacional baseada em SVD para identificar módulos miARN-proteína complexos que são desregulados no cancro. complexos miARN-proteína e miARN-pathway módulos referem-se às proteínas no complexo de proteínas ou via e os miARN alvo os genes de codificá-los. Cada módulo é representado como uma matriz onde as linhas são membros de proteína e colunas são alvo miRNAs. Cada célula na matriz representa a correlação entre o perfil de expressão de miARN e o perfil da expressão da proteína. Prevemos que os módulos que têm variação de entropia significativa em seus valores singulares entre amostras normais e cancerosas são funcionalmente desregulado. Aplicou-se o quadro computacional proposto para caracterizar os complexos verificadas experimentalmente da proteína a partir da base de dados CORUM [24], bem como a partir de percursos biológicos curado de assinaturas moleculares de banco de dados (MSigDB), e interacções miARN alvo para identificar complexos de proteínas mediada por miARN e vias dyregulation .

Materiais e Métodos

miRNA-alvos interações e complexos de proteína

interações miRNA-alvo verificados experimentalmente foram recuperados a partir de duas fontes: MiRecords [25] e miRtarbase [26] . Para complexos de proteína, nós recuperados complexos de CORUM (último acesso em maio de 2012), que fornece um recurso de complexos de proteínas anotados manualmente a partir de organismos mamíferos [24]. Complexos de tamanho inferior ou complexos não segmentada por qualquer miARN foram removidos uma vez que não formam complexos módulos miARN-proteína. complexos permaneceram no estudo quando se utiliza o conjunto de interações miRNA-alvo. Para vias biológicas, usamos curadoria vias de assinaturas moleculares de banco de dados conjuntos (MSigDB) Gene [27] que contêm conjuntos de genes via canônicos (último acesso de agosto de 2012).

miRNA e alvo perfis de expressão no câncer de próstata

mRNA e expressão miRNA dados foram recuperados a partir da próstata Projeto Oncogenome MSKCC, disponível no Gene Expression Omnibus (GEO número de acesso: GSE21032). Este contém dados de mRNA e de miARN níveis de expressão de amostras emparelhadas. Estes dados que nós referimos como os dados Taylor é usada para construir os módulos complexos miRNA-proteína. Nós também utilizamos dados de expressão de câncer de próstata miRNA localizadas a partir de dois experimentos independentes (GSE23022 [28], NCI-60 [29]) para validar o significado diagnóstico dos miRNAs encontrados para influenciar complexos de proteínas. O primeiro conjunto de dados contém 20 normais e 20 amostras de tumor, e este último contém 6 normal e 6 amostras tumorais. Três conjuntos de dados independentes de expressão de mRNA de próstata de Arul

et al.

[30], Yu

et al.

[31] e da coorte de próstata Sueco [32] são usados. . O Arul

et al

dados contém 6 normal, 7 primário e 6 amostras de metástase; . Dados da próstata do Yu

et al

contém 17 normal, 63 primário, e 24 metástases; e os dados de próstata sueco contém 281 amostras de câncer de próstata com 116 letal e 165 amostras indolentes. Os dados de coorte sueca foi usado para validar o valor prognóstico de complexos de proteínas afetadas. O Yu

et al.

Eo Arul

et al.

Conjuntos de dados são usadas para validar o significado diagnóstico dos complexos de proteína influenciaram. dados de expressão de miARN não cancro da próstata a partir de-60 NCI [29] e de ARNm de cancro da mama de dados de expressão de coorte da mama sueco [33], contendo 159 amostras tumorais com dados clínicos, também foram usadas para avaliar se os módulos de miARN-proteína estão influenciados próstata específico ou que estão desregulados em outros tipos de câncer também.

Definir entropia miRNA-proteína ‘módulos complexos

Para cada módulo complexo miRNA-proteína, construímos uma matriz onde as linhas () representam proteínas o complexo ou o caminho e colunas () representam miRNAs que têm como alvo pelo menos um membro do complexo. é definido como a informação mútua [34] entre o perfil de expressão de proteínas e o perfil de expressão de miARN e é calculada como: (1) é a função de densidade de probabilidade conjunta (PDF) de e e e são os pdfs marginais de e, respectivamente, . As funções de distribuição de probabilidades foram estimadas usando estimativas de densidade de kernel [35], uma vez que mostrou-se superior ao histograma em termos de uma melhor taxa média de erro de quadrado de convergência da estimativa.

X é a matriz de informação mútua entre todos os miARNs e todos os genes no módulo complexo. Uma vez que acreditamos que, quando um miARN alvo um gene no complexo (com base na interacção miARN-alvo), pode ter um efeito indirecto sobre os outros membros do complexo. Assim, a matriz X não distingue entre um miARN alvo um gene que no complexo ou não. A matriz X é baseado na noção de que se um miARN alvo um gene no complexo, que tem influência sobre todo o complexo. A influência de miARNs em cada complexo de proteína ou via é calculada por decomposição usando Singular Value Decomposition (SVD) [23] no interior de matrizes e calcular a entropia da matriz pela soma dos quadrados dos valores singulares da matriz. é o número de proteínas no complexo de proteína, e é o número de miARN alvo. A importância relativa normalizada do valor singular é calculado como (2) e a entropia de Shannon dos dados, representados por, é calculada como:

(3) Onde está o valor singular, L é. Aqui nós antecipamos que miRNA-proteína módulos complexos que têm diferença significativa na entropia dos valores singulares de entre as amostras normais e cancerosas são funcionalmente desregulado. A entropia dos valores singulares representa a desregulação dos módulos complexos miARN-proteína. A Figura 1 fornece uma breve descrição do quadro proposto. O primeiro passo é a construção dos módulos de proteína miRNA- através do cálculo da MI entre todos a expressão das proteínas no complexo e a expressão da miARN orientando-as. Para cada estágio do câncer (normal vs câncer de próstata primário) que definem os módulos de miRNA-proteína. Em segundo lugar, encontramos os valores singulares de cada matriz e calcular a entropia como a soma normalizada dos quadrados dos valores singulares. Finalmente, encontramos os módulos com diferença significativa entre os módulos que representam o estágio normal eo estágio do câncer.

complexos de proteínas e miRNAs são integrados para a construção de módulos (X) do gene e dados de expressão de miRNA. Os módulos de representar a informação mútua entre a expressão da proteína e miARNs no módulo. SVD é aplicado para se decompor matriz ‘módulos e Shannon entropia é calculado para cada módulo normal e câncer. O último passo é encontrar módulos com diferença significativa entre entropia normal e câncer.

Identificar miRNA-coordenada complexos de proteínas e percursos na próstata progressão do cancro

Usando dados de expressão de gene para normal e amostras de câncer, encontramos e, respectivamente, para cada módulo. Utilizou-se a diferença entre os dois valores,, para avaliar a influência do módulo por miARNs. Para avaliar o significado do valor de influência, que permutadas aleatoriamente complexos de proteínas e vias com o mesmo tamanho que o complexo de vezes de interesse, e encontrada para ambas as amostras normais e de cancro. foi calculado para as permutações aleatórios, e um valor de p foi calculada para cada complexo e vias com a observada contra a distribuição dos valores gerados a partir dos permutações aleatórias. O valor representa a influência dos miRNAs em complexos de proteínas ou caminhos na progressão do câncer de próstata; quanto maior for a, o mais influenciado o complexo de proteína é. P-valores foram corrigidos usando a correção de Bonferroni. Os módulos que são significativamente desregulados por miRNAs na progressão do cancro da próstata foram caracterizados ainda mais funcional e clinicamente.

Identificar a jusante miRNA-RNAm interações influências por complexos de proteínas desreguladas

A seguir, perguntou se existem miRNA jusante interações -target influenciados pelos complexos de proteínas afetadas. Definimos genes a jusante como aqueles que são dependentes (correlação condicional na proteína desregulação complexa). Para identificar tais interações condicionais, usamos informação mútua condicional entre miRNAs e seus alvos experimentalmente validados dada a expressão das proteínas componentes influenciaram do complexo.

Dada complexo de proteínas e seus componentes,. Calculou-se a informação mútua condicional entre cada miRNA () e par-alvo () dada a expressão da proteína, como descrito em [36] 🙁 4) (5)

Então, nós encontramos p-valor para cada interação () dada uma proteína por permutando o perfil de vezes de proteína expressão. Para encontrar o valor-p para cada um, valor-p complexa, convertemos os valores de p individuais, para testar as estatísticas usando o método de Fishers.

Resultados

complexos de proteínas e vias biológicas que são influenciado no câncer de próstata como resultado de coordenar a regulação miRNA são identificados e mais funcionalmente caracterizados.

módulos complexos de proteínas influenciou-miRNA

em primeiro lugar, analisaram a influência de miRNAs em complexos de proteína na progressão do cancro da próstata . Foram construídos módulos de proteína miRNA, integrando dados de expressão, interações miRNA-alvo, e complexos de proteína (Corum), conforme descrito na secção de métodos e, em seguida identificou a mudança de entropia de cada módulo em estado de próstata diferentes (normal vs. câncer). A Tabela 1 apresenta a lista completa dos complexos de proteína mais significativos influenciados pela regulação miARN no cancro da próstata () usando a () interacções miARN alvo determinados experimentalmente. correção de Bonferroni é usado para a correção de vários testes. No total, os complexos são previstos para ser influenciado por miARNs. Os resultados revelam que os complexos contendo SMAD4 são significativamente afectadas na progressão do cancro da próstata, e que o complexo SMAD6-HoxC8 é o complexo mais significativamente influenciada. Este complexo desempenha um papel na repressão transcricional através da inibição da interacção entre Smad1 e HoxC8. Os próximos dois complexos importantes contêm SMAD4, SKI e Smad3. Outro conjunto de complexos de miRNA-influenciados conter sin3a, HDAC, e ARID4B; estes complexos actuar como repressores da transcrição em genes responsivos myc e antagonizar a actividade oncogénica MYC, e que desempenham um papel na deacytelation histona, que é importante no controlo da expressão do gene. Vários outros complexos contendo RBL1 e ARID4B, que tem uma sequência semelhante à RBL1, são significativamente afectadas. A maioria dos complexos previsto para ser influenciado por miARNs são de tamanho inferior a 5. Os dois complexos; ou seja, complexo LINC (Corum ID: 5589) e complexo SAP (Corum ID: 591) estão previstas para ser influenciada por miRNAs. Curiosamente, apenas gene RBL1 no complexo de PT e ARID4B no complexo de SAP são directamente objecto de miARN, sugerindo que a ruptura de uma proteína por vários miARN pode conduzir a perturbações do complexo de proteína. complexo SAP é composto de ligação de proteínas histonas e histona desacetilação sugerindo um papel-chave das mudanças epigenéticas na progressão da próstata. Uma lista dos complexos proteicos mais importantes e as suas miARN alvo é mostrado na Tabela S1. Visualizando o mapa de calor dos módulos complexos (proteína e miRNAs) revelam que eles podem juntos definem padrão de expressão para o cancro primário e metastático (Figura S1 e S2 em S1 Arquivo).

Análise funcional de miRNA- complexos de proteína influenciaram

Foram realizadas análises funcionais sobre os complexos de proteínas influenciou-miRNA, analisando os processos biológicos que estão envolvidos. Foi realizada análise funcional dos componentes dos complexos na Tabela 1 utilizando a ferramenta online DAVID [37 ] disponível em (https://david.abcc.ncifcrf.gov/) (84 proteínas foram funcionalmente caracterizados). Benjamini de vários testes de correção foi aplicada para análise de enriquecimento significativo. Análise funcional demonstrou que os componentes dos complexos são enriquecidos com três principais termos biológicos, fosforilação (p =), a regulação da transcrição (p =) e acetilação (p =). As proteínas nos complexos são enriquecidos em Dwarfin (p =), MAD homólogo (p =), SMAD (p =) e de proteína tirosina quinase (p = domínios). As proteínas são enriquecidos na via de sinalização de TGF-B (P =), em vias de cancro (p =), cancro da próstata (p =), e outros cancros específicos (Figura 2). Analisando a função molecular das proteínas suportado que os componentes dos complexos influenciados estão envolvidos na regulação da transcrição (p =), ligação SMAD (p =), a actividade da proteína quinase (p =) e de ligação ao ADN (p =). Em seguida, analisamos os caminhos dos alvos miRNA nos complexos no fundo de todos os alvos miRNA validados. Usamos DAVID para encontrar os termos enriquecido nos alvos miRNA na proteína 82 no fundo dos alvos miRNA validados. Encontramos os complexos enriquecidas em vias de câncer (p =), o câncer de próstata (p =) e cancro da bexiga (p =).

Pathway Enriquecimento Mapa de complexos de proteínas dyregulated. Foram extraídos os membros de proteínas dos complexos de proteínas desreguladas e encontrou caminhos enriquecidos usando DAVID on-line tool.To visualizar mapa de enriquecimento de vias, usamos Enriquecimento Mapa Cytoscape plug-in [47] para visualizar as vias enriquecidos. Nós nesta figura representa vias enriquecidos, as ligações entre os nós representam a fração de sobreposição entre eles. Quanto mais escuro o nó mais enriquecida da via é, e quanto mais espessa no link, o mais significativo é a sobreposição.

caracterizam a relação entre o tamanho complexa e a entropia complexo

os p.values ​​entropia dos complexos de proteínas variou entre 0,8 a. Uma das perguntas que fizemos é se os valores de entropia são movidos pelo tamanho complexa. Verificou-se que complexos de tamanho 2, 3 e 7 têm o pValue mais significativa, e complexos de tamanho maior do que 10 não são muito significativa (Figura 3). Existem diferentes interpretações biológicas para essa observação. Uma delas é que os complexos menores são mais facilmente alvo de miRNAs; No entanto, quando uma proteína de um complexo maior, o complexo pode ainda ser funcional, mas com menor eficiência. Uma outra observação interessante é que não há nenhuma correlação entre o tamanho do complexo de proteína e o número de miARN alvo a proteína no complexo (Tabela 1).

Usando o experimental interacção miARN alvo para avaliar a significância de desregulação mediada por miARN de complexos de proteínas, analisou-se a relação entre o tamanho e o complexo p.value gerado pelo nosso framework.We descobriu que os complexos de f tamanho 2, 3 e 7 têm o pValue mais significativa, e complexos de tamanho inferior a 10 não são muito significativas.

módulos via canonical influenciado-miRNA

Para encontrar a influência de miRNAs nas vias, que demonstraram a aplicabilidade do enquadramento sobre as vias de proteína curadoria do gene MSigDB banco de dados set. Nós perguntou como o tamanho dos módulos de proteína pode afectar o valor da entropia da influência miARN. Usamos interações miRNA-alvo para encontrar a influência miRNA nas vias. A Tabela 2 mostra as vias de MSigDB que são significativamente influenciadas pela miARNs em APC; resultados revelam que as vias de sinalização sindecam mediadas e RAS são altamente influenciados por miRNAs. As proteínas adaptadoras envolvendo NF-kB via mediada MyD88 e TRAF6, que estão envolvidos no receptor de tipo Toll e IL-1 do receptor de vias de sinalização, também é influenciado por miARNs. manutenção da cromatina e de ARN-polimerase de transcrição mediada também são influenciados por miARNs em cancro da próstata. A partir das interações miRNA-alvo, encontramos 54 miRNAs que têm como alvo as vias significativas; 24 deles como alvo mais de um membro da via. miRNA-1, miRNA-7b, e miRNA-16 foram encontrados para atingir mais de 5 diferentes membros da mesma via, o que sugere que estas três miRNAs são reguladores chave do câncer de próstata.

miRNAs proteína que influencia complexos têm um papel na progressão do câncer de próstata

em seguida, investigou o papel funcional dos miRNAs que têm como alvo os complexos de proteínas. Somente 66 miARNs estavam presentes nos dados de expressão de gene de Taylor. Geramos uma lista de miRNAs a partir de uma pesquisa aprofundada literatura para miRNAs envolvidos no câncer de próstata. 45% dos 66 miARNs estão em comum com o 65 miARN (p =) que têm um papel funcional validada experimentalmente na progressão do cancro da próstata, tais como o miR-1, miR-106b, o miR-221, o miR-222, miR-96 , e miR-182. (Ver Tabela S2).

Valor prognóstico de módulos complexos miRNA-proteína

Nesta seção, caracterizam o valor prognóstico (recorrência do câncer e tempo para a morte) dos módulos complexos miRNA-proteína. Em primeiro lugar, obtida a expressão das proteínas de 84, que fazem parte dos complexos 42 da Tabela 1, a partir de ambos os dados da próstata suecas Taylor e. Também a expressão extraída miARN dos 85 miARNs que têm como alvo as 84 proteínas a partir dos dados da próstata Taylor. Inicialmente, agrupado a proteína e amostras de miRNA em dois grupos usando k-means clustering, e, em seguida, usar o teste logrank e regressão COX-perigo para avaliar o significado clínico da separação. O objectivo aqui é o de mostrar que os membros do complexo de proteína podem estratificar pacientes clinicamente em grupos distintos. Infelizmente, os resultados não foram significativos; aglomerando os pacientes com base nos 85 miARNs em dois conjuntos deram a partir dos dados de miARN Taylor. Por outro lado, as proteínas agrupamento 84 em dois grupos com base nos dados de mRNA Taylor deu, e com base nos dados suecos. Para extrair biomarcadores prognósticos mais precisos destas listas, foi realizada análise de regressão COX-perigo uni e proteínas, em seguida, selecionados com p-valor significativo. O conjunto de 84 proteínas foi reduzida para 23 proteínas e miRNA conjunto foi reduzida para 21 miRNAs (Tabela 3). Em seguida, realizada agrupamento com base na expressão de proteínas e miARNs no conjunto reduzido e caracterizado o seu significado clínico. Para as proteínas de 23, o conjunto agrupado de pacientes nos dados Taylor são separadas de forma significativa (p = 0,005) (Figura 4A). Como controlo negativo, foram selecionados aleatoriamente 23 proteínas 1000 vezes e repetiu o teste de clustering e logrank, alcançando uma média de p = 0,26. Além disso agrupar as amostras em três conjuntos demonstrado separação mais significativa entre de alto risco e pacientes de baixo risco (p = 0,00088) (Figura S3 no arquivo S1). Para testar ainda mais o valor prognóstico dos 23 genes no conjunto de dados sueca (dados independentes que não foi utilizado para identificar complexos de proteínas influenciou-miRNA), usamos os seus valores de expressão a partir dos dados suecos e amostras agrupadas em dois grupos que não eram significativamente separados (p = 0,5). No entanto, quando agrupado amostras na sueca entre os 23 proteínas em três grupos, encontramos separação significativa em baixo risco, risco intermediário e pacientes de alto risco (Figura 4B). Pacientes de alto risco são significativamente separado de pacientes de baixo risco (p = 0,008) em comparação com a média de 1000 permutações aleatórias das amostras (p = 0,63).

A. As amostras foram agrupados em dois grupos com base na expressão das proteínas de 23 a partir dos dados de mRNA Taylor e, em seguida, Logrank teste foi aplicado para avaliar a significância de separação (P = 0,005). B. Amostras da coorte da próstata sueca foram agrupadas em três grupos usando a expressão das proteínas de 23. As resultaram três grupos são significativamente separadas que mostra o poder prognóstico das 23 proteínas (baixo risco vs. alto risco (p = 0,008), de baixo risco vs. risco intermediário (p = 0,16), alto risco vs. risco intermediário (p = 0,02)). C. As amostras da coorte da mama sueca foram agrupados em dois grupos com base na expressão das proteínas de 23. Os dois grupos têm distinta associação específica de morte (p = 0,004). D.Samples da coorte da mama sueca foram agrupados em dois grupos com base na expressão das proteínas de 23. Os dois grupos têm perfil de recorrência do câncer distinta (p = 0,008).

Quando analisamos funcionalmente os termos enriquecidos nas 23 proteínas, descobrimos que eles são enriquecidos em várias vias câncer, como ciclo celular (p =), via a TGF-beta (p =), leucemia mielóide crónica (p =), e sinalização de Notch (p =). Além disso, os genes foram enriquecidos na regulação da transcrição processo biológico (p =).

Para testar o valor prognóstico das 23 proteínas para outros tipos de câncer, foram utilizados dados da mama da coorte de mama sueco. Agrupar as amostras em dois conjuntos utilizando as 23 proteínas revela associação significativa com a morte específica por câncer e recorrência do câncer (Figuras 4C-D). Nós também utilizamos ferramenta online GOBO [38] (https://co.bmc.lu.se/gobo) para associar a expressão das proteínas com sobrevida livre de metástases à distância através de mais de 1200 amostras com diferentes genótipos. As 23 proteínas são encontradas para ser associado com a metástase do cancro da mama entre todas as amostras (p = 0,0076) (Figura S4A no ficheiro S1). Os resultados também revelam que as 23 proteínas são mais estreitamente associados com metástases no ER-positivo (p = 0,00057) (Figura S4B em S1 Arquivo) eo cancro da mama LN-negativos (Figura S4C em S1 Arquivo) subtipos (p = 0,004) .

Para caracterizar o valor prognóstico dos 21 influenciando miRNAs, extraímos seus dados de expressão a partir dos dados Taylor miRNA e agrupados as amostras em dois grupos. Os 21 miRNAs abrigar valor prognóstico significativo como eles levam a separação significativa entre os dois resultou conjuntos de pacientes (p = 0,00004, 1000 conjuntos aleatórios deu p = 0,11) (Figura S5 em S1 Arquivo). Quando as amostras foram agrupadas em três grupos através do 21 miRNAs, separação muito significativa entre o baixo risco e de amostras de alto risco (p = 0,00021, 1000 conjuntos aleatórios deu p = 0,28) (Figura S6 em S1 Arquivo) é encontrado. O poder prognóstico dos 21 miRNAs foi comparado com 94 Miras diferencialmente expressos entre o tumor e normal nos dados de Taylor, e 50 miRNAs diferencialmente expressos entre o câncer de próstata agressivo e câncer não-agressivo. Os 94 miRNAs têm um logrank p = 0,019 e os 50 miRNAs têm logrank p = 0,00046. Este resultado sugere que miRNAs que influenciam complexos de proteína são biomarcadores prognósticos significativos.

Em resumo, os resultados revelam que miRNAs que coordenadamente regulam complexos de proteína são valiosos biomarcadores de prognóstico. Além disso, complexos de proteínas desregulados por miRNAs são biomarcadores de prognóstico que são candidatos como alvos terapêuticos para o tratamento do câncer de próstata.

Validando o poder diagnóstico dos complexos de proteína influenciaram e miRNAs sobre independente

dados expressão

Para caracterizar o papel de diagnóstico dos complexos de proteínas e de miARN influenciado-miARNs de segmentação, que validada a sua capacidade para distinguir amostras de tumor a partir de amostras que não de tumor utilizando ARNm de miARN independente e conjuntos de dados de expressão. Uma máquina de vetores de suporte linear com validação cruzada 10 vezes foi usado para prever com precisão o rótulo classe de pacientes (Normal, primária ou metástase). O classificador SVM leva dados de pacientes através das proteínas miRNA-influenciados expressão e visa prever a classe dos pacientes, utilizando os dados de expressão. Aqui validação cruzada é utilizado para avaliar o desempenho do modelo, devido à falta de amostras independentes adicionais. Os resultados (Tabela 4) revelam que o SVM, utilizando o nível de expressão das proteínas em complexos proteína-influenciado miARN, primária separada com êxito a partir de amostras normais (85%) e metástase a partir de amostras de partida (100%) no Arul

et ai.

dados. As proteínas também classificadas amostras primárias e normais (80%) e metástases vs. câncer primário (83%) no Yu

et al.

Dados.