يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة منهجية

تطوير خلاصة وافية لسرطان الخلايا الحرشفية المريئي

1.2K مشاهدة

⸱

DOI:

10.3791/65480

⸱

أبريل 12, 2024

 , 
1Amity Centre of Nanotechnology, Amity University Haryana, 2Amity Stem Cell Institute, Amity Medical School, Amity University Haryana, 3Clinical Biosamples & Research Services (CBRS)

في هذه المقالة

ملخص

يصف هذا البروتوكول أداة مفيدة لتحديد التغيرات الجزيئية المهمة في السرطان ويؤدي إلى تطوير مناهج تشخيصية وعلاجية جديدة لسرطان الخلايا الحرشفية المريئي.

الملخص

يصنف سرطان المريء (EC) على أنه8 أكثر الأورام الخبيثة عدوانية ، ولا يزال علاجه صعبا بسبب نقص المؤشرات الحيوية التي تسهل الكشف المبكر. يتجلى EC في شكلين نسيجيين رئيسيين - السرطان الغدي (EAD) وسرطان الخلايا الحرشفية (ESCC) - كلاهما يظهر اختلافات في الإصابة عبر مجموعات سكانية متميزة جغرافيا. تعمل التقنيات عالية الإنتاجية على تغيير فهم الأمراض ، بما في ذلك السرطان. يتمثل التحدي الكبير الذي يواجه المجتمع العلمي في التعامل مع البيانات المتناثرة في الأدبيات. لمعالجة هذا الأمر ، تم اقتراح خط أنابيب بسيط لتحليل مجموعات بيانات المصفوفات الدقيقة المتاحة للجمهور وجمع الجزيئات المنظمة تفاضليا بين السرطان والظروف العادية. يمكن أن يكون خط الأنابيب بمثابة نهج قياسي لتحليل التعبير الجيني التفاضلي ، وتحديد الجينات التي يتم التعبير عنها بشكل تفاضلي بين السرطان والأنسجة الطبيعية أو بين الأنواع الفرعية المختلفة للسرطان. يتضمن خط الأنابيب عدة خطوات ، بما في ذلك المعالجة المسبقة للبيانات (بما في ذلك مراقبة الجودة وتطبيع بيانات التعبير الجيني الخام لإزالة الاختلافات التقنية بين العينات) ، وتحليل التعبير التفاضلي (تحديد الجينات المعبر عنها بشكل تفاضلي بين مجموعتين أو أكثر من العينات باستخدام الاختبارات الإحصائية مثل اختبارات t، ANOVA ، أو النماذج الخطية) ، والتحليل الوظيفي (باستخدام أدوات المعلوماتية الحيوية لتحديد المسارات والوظائف البيولوجية المخصبة في الجينات المعبر عنها تفاضليا) ، والتحقق من الصحة (بما في ذلك التحقق باستخدام مجموعات بيانات مستقلة أو طرق تجريبية مثل qPCR أو الكيمياء المناعية). باستخدام خط الأنابيب هذا ، يمكن إنشاء مجموعة من الجزيئات المعبر عنها تفاضليا (DEMs) لأي نوع من أنواع السرطان ، بما في ذلك سرطان المريء. يمكن استخدام هذه الخلاصة لتحديد المؤشرات الحيوية المحتملة والأهداف الدوائية للسرطان وتعزيز فهم الآليات الجزيئية الكامنة وراء المرض. بالإضافة إلى ذلك ، سيساعد الفحص الخاص بالسكان لسرطان المريء باستخدام خط الأنابيب هذا في تحديد أهداف دوائية محددة لمجموعات سكانية متميزة ، مما يؤدي إلى علاجات مخصصة للمرض.

المقدمة

من المثير للقلق أن EC هو ثامن أكثر أنواع السرطان شيوعا في جميع أنحاء العالم وسادس سبب رئيسي للوفاة في جميع أنحاء العالم. الصين والهند وإيران لديها معدلات إصابة ووفيات مرتفعة بشكل مثير للقلق. هناك نوعان رئيسيان من السرطان الغدي المريئي (EAC أو EAD) ، وسرطان الخلايا الحرشفية المريئي (ESCC) 1. تعد EAC أكثر شيوعا في العالم الغربي ، في حين أن ESCC أكثر شيوعا في البلدان الشرقية ، وخاصة الصين وإيران2. ترتبط العديد من عوامل الخطر ب EC ، بما في ذلك تعاطي التبغ والكحول والسمنة ومرض الارتجاع المعدي المريئي (GERD). بالإضافة إلى ذلك ، ترتبط العوامل الغذائية مثل نقص الفواكه والخضروات واستهلاك المشروبات الساخنة والأطعمة بمخاطر ESCC في المناطق عالية الخطورة. التشخيص والعلاج المبكر مهمان لتحسين نتائج المرضى الذين يعانون من EC3،4. لذلك ، من المهم زيادة الوعي بعوامل الخطر وعلامات وأعراض EC ، وتشجيع الفحص المنتظم للأفراد المعرضين لمخاطر عالية. علاوة على ذلك ، قد تساعد الجهود المبذولة لمعالجة عوامل الخطر القابلة للتعديل ، مثل تعاطي التبغ والكحول والعادات الغذائية غير الصحية ، في تقليل حدوث EC. يحدث EAD في خلايا الغدد المنتجة للمخاط في الجزء السفلي من المريء ، بالقرب من المعدة. غالبا ما يرتبط بالارتجاع المعدي المريئي ، حيث يعود حمض المعدة ومحتوياته إلى المريء. في المقابل ، ينشأ ESCC من خلايا مسطحة ورقيقة تبطن الجزء العلوي من المريء5. وهو أكثر شيوعا في المناطق التي ينتشر فيها تعاطي التبغ والكحول على نطاق واسع ، مثل الصين وإيران.

من بين الحالات المختلفة المتعلقة بالمريء ، مريء باريت (BE) ، وهي حالة يتم فيها استبدال بطانة المريء بخلايا غدية ، هي مقدمة معروفة ل EAC6. تجدر الإشارة إلى أن BE يمكن أن يتطور بدون ارتجاع المريء ، لكن وجود ارتجاع المريء يزيد من خطر الإصابة بالارتجاع المعدي المريئي بمقدار 3 إلى 5 أضعاف. بالإضافة إلى ذلك ، يزيد وجود BE من خطر الإصابة ب EAC بمقدار 50-100 ضعف7. علاوة على ذلك ، تم ربط الأطعمة والسوائل الساخنة أو الحارة ب ESCC ، ولكن ليس ب EAC. يعد فهم عوامل الخطر للإصابة بالعدوى الكهربية أمرا مهما للوقاية منها واكتشافها مبكرا. قد تساعد الجهود المبذولة لمعالجة عوامل الخطر القابلة للتعديل ، مثل تعاطي التبغ واستهلاك الكحول والسمنة والعادات الغذائية غير الصحية ، في تقليل حدوث EC. علاوة على ذلك، قد يؤدي الفحص والترصد الروتيني للأفراد المعرضين لمخاطر عالية، مثل المصابين بعسر البلع أو BE، إلى تحسين النتائج من خلال تمكين الكشف المبكر والعلاج.

من المؤكد أن الدراسات التي يحركها omics ، بما في ذلك علم الجينوم ، والنسخ ، والبروتينات ، والميثيلوميكس ، والميرنالوميكس ، والتمثيل الغذائي ، قد ساهمت بشكل كبير في فهمنا ل ECs ، وخاصة ESCC8،9،10،11،12،13. سمحت هذه الدراسات بتحديد المؤشرات الحيوية الجديدة والأهداف العلاجية المحتملة والمسارات الجديدة المشاركة في تطوير وتطور ESCC. ومع ذلك ، فإن البيانات الناتجة عن هذه الدراسات منتشرة في جميع أنحاء الأدبيات ، مما يجعل من الصعب على المجتمع العلمي الوصول إلى هذه المعلومات واستخدامها. لذلك ، من المهم إنشاء مستودع أو قاعدة بيانات تجمع البيانات التي تم الحصول عليها من دراسات عالية أو منخفضة الإنتاجية حول سرطانات معينة. يمكن تبسيط هذه الحزمة وصنعها من خلال تنفيذ بعض المبادئ التوجيهية الأساسية. وتشمل هذه المبادئ التوجيهية اختيار الدراسات ذات الصلة، واستخراج البيانات من هذه الدراسات وتنظيمها، وضمان جودة البيانات واتساقها. وبالإضافة إلى ذلك، ينبغي تحديث الخلاصة بانتظام لتشمل دراسات وبيانات جديدة فور توافرها. يمكن للباحثين استخدام منصة واحدة لاسترداد وتحليل البيانات حول سرطان معين من خلال إنشاء خلاصة وافية أو قاعدة بيانات تجمع البيانات من دراسات مختلفة. سيساعد هذا في تسريع الجهود البحثية ويؤدي في النهاية إلى علاجات أكثر فعالية ونتائج أفضل لمرضى السرطان.

يتضمن تطوير خلاصة السرطان بيانات من كل من الدراسات منخفضة الإنتاجية والإنتاجية العالية. ستكون هذه الخلاصة مصدرا قيما للباحثين الذين يتطلعون إلى تحديد الأهداف التشخيصية أو العلاجية المحتملة للسرطان. تتمثل إحدى طرق بناء هذه المجموعة في مراجعة دراسات المصفوفات الدقيقة المتاحة في مستودعات متاحة للجمهور مثل Gene Expression Omnibus (GEO). يمكن أن توفر دراسات المصفوفات الدقيقة معلومات حول مستويات التعبير الجيني في الخلايا السرطانية ، ويمكن استخدام هذه البيانات لتحديد الجينات المعبر عنها تفاضليا (DEGs) التي قد تلعب دورا في تطور السرطان وتطوره.

ومع ذلك ، تجدر الإشارة إلى أن الدراسات المختلفة ربما استخدمت طرقا مختلفة لتحليل بياناتها ، مما قد يؤدي إلى تحديد DEGs مختلفة. لذلك ، من المهم مراجعة كل دراسة بعناية والنظر في أي تحيز أو قيود محتملة عند تجميع البيانات للخلاصة. بمجرد جمع البيانات في منصة مشتركة ، يمكن للباحثين استخدامها لتحديد الأهداف الجزيئية المحتملة لمزيد من الدراسة. وتشمل هذه فحص التعبير عن جين معين في العينات السريرية أو إجراء دراسات ميكانيكية لفهم كيفية مشاركة جين أو بروتين معين في تطور السرطان وتطوره. بشكل عام ، سيكون إنشاء مجموعة بيانات السرطان مصدرا قيما لباحثي السرطان ويساعد في تحديد أهداف جديدة للتشخيص والتدخلات العلاجية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

1. التنظيم اليدوي للجزيئات المنظمة تفاضليا في ESCC

  1. العثور على دراسات ذات إنتاجية منخفضة ذات صلة باستخدام PubMed
    ملاحظة: من المهم فهم الفرق الأساسي بين تقنيات الإنتاجية المنخفضة مقابل تقنيات الإنتاجية العالية. في السابق ، تتم دراسة عدد محدود فقط من العينات ، وعادة ما تستغرق العملية وقتا طويلا ، وعلى النقيض من ذلك ، يكون لاحقا أسرع ويمكن تحليل عدد العينات دفعة واحدة وهو أعلى بكثير من الطرق منخفضة الإنتاجية مثل اللطخة الشمالية ، واللطخة الغربية هي تقنيات منخفضة الإنتاجية ، في حين أن المصفوفة الدقيقة (cDNA) ، والبروتينات الكمية القائمة على LC-MS / MS هي تقنيات عاليةالإنتاجية 14. تعد محركات البحث مثل NCBI-PubMed (انظر جدول المواد) مصدرا جيدا للعثور على الدراسات ذات الصلة بأي سرطان ، حيث إنها مورد متاح للجمهور لعلماء الطب الحيوي للعثور على الأدبيات حول أي أمراض مثل ESCC. للعثور على الدراسات ذات الصلة ، يجب اتباع الخطوات التالية.
    1. انقر فوق محرك بحث Google (انظر جدول المواد) لفتحه. يتم استخدام هذا أيضا من قبل الباحثين ، حيث توجد مجلات غير مفهرسة في PubMed ، ولكنها لا تزال مقالات ذات نوعية جيدة. من الجيد دائما البحث في أكثر من محرك بحث لإبطال احتمالية فقدان أي مقالة مهمة.
    2. حدد شريط البحث في PubMed واستخدم عوامل التشغيل المنطقية (AND ، OR ، NOT). يقوم المشغلون المنطقيون بتحسين الباحثين إلى الكلمات الرئيسية ذات الصلة التي يستخدمها الباحثون للعثور على النتائج.

2. العثور على الدراسات ذات الصلة باستخدام PubMed

  1. اكتب عنوان ويب NCBI (راجع جدول المواد) وانقر لفتحه.
  2. حدد PubMed من قائمة الشريط اليسرى علامة التبويب جميع قواعد البيانات .
  3. اكتب في شريط البحث ، الكلمات الرئيسية ذات الصلة ، والتي ستجلب المقالات ذات الصلة. يجب استخدام الكلمات الرئيسية بالاشتراك مع المشغلين المنطقيين لأنها يمكن أن تساعد في الحصول على المقالات التي ترتبط ارتباطا وثيقا بالسرطان / المرض المعني (على سبيل المثال ، سرطان الخلايا الحرشفية للمريء).

3. العثور على الدراسات ذات الصلة باستخدام التعبير الجيني الشامل (GEO)

ملاحظة: الجامع للتعبير الجيني (GEO) هو مستودع متاح مجانا لتخزين البيانات على المصفوفات الدقيقة للحمض النووي. يعد عدد كبير من البيانات المتاحة في GEO مصدرا جيدا للتنقيب عن البيانات لتحديد الجزيئات المنظمة بشكل تفاضلي بين السرطان / الأمراض مقابل الظروف العادية.

  1. اكتب عنوان ويب GEO (راجع جدول المواد)، وانقر لفتحه.
  2. اكتب سرطان الخلايا الحرشفية المريئي و الإنسان العاقل واضغط على Enter.
    ملاحظة: لعمل خلاصة وافية للجينات المنظمة تفاضليا للسرطان ، من المهم اختيار الدراسات ذات الصلة حيث سيختار الباحثون الجزيئات التي يتم تنظيمها بشكل تفاضلي بين السرطان مقابل الظروف العادية. الجانب الأساسي هو تحديد معايير اختيار الجزيئات بناء على تغيير الطيات. سيشير تغيير الطية إلى ما إذا كان الجين / البروتين قد تم تنظيمه أو تنظيمه بشكل أقل. يمكن أن يؤدي تغيير الطي وقيم قطع القيمة p إلى تغيير معنى البيانات بشكل كبير في تجربة معينة بما في ذلك microarray RNAseq أو دراسات البروتينات15.

4. تحليل المصفوفات الدقيقة باستخدام GEO2R

ملاحظة: أول شيء هو العثور على الدراسات ذات الصلة باستخدام عوامل التشغيل المنطقية (و ، أو ، لا). سيتم استخدامها مع الكلمات الرئيسية "سرطان الخلايا الحرشفية المريئي" أو "ESCC" أو "سرطان الخلايا الحرشفية المريئي". GEO2R (انظر جدول المواد) عبارة عن حزمة لغة R متاحة مجانا ومتكاملة مع GEO ، مما يتيح للمستخدمين تحليل البيانات من دراسات المصفوفات الدقيقة بطريقة سهلة الاستخدام. يتفاعل مع معرفات إدخال GEO ويوفر واجهة لإجراء تحليل معقد قائم على R لتحديد DEGs باستخدام حزم Bioconductor R للنهاية الخلفية. لا تقوم هذه الحزمة بتحويل بيانات GEO فحسب ، بل تقدم أيضا مخرجاتها في شكل جداول .txt ، والتي يمكن تعديلها بشكل أكبر وفقا لاحتياجات المستخدمين16. تقدم حزمة GEO2R الجينات بترتيب ذي دلالة إحصائية بناء على قيمة p ، ولكن يمكن فرز الترتيب بناء على تغيير السجل2 أضعاف. بالإضافة إلى ذلك ، يمكن للمستخدمين عرض ملفات تعريف التعبير الجيني كصور ملف تعريف GEO. على عكس أدوات التحليل الأخرى ، فإن GEO2R مستقل عن سجلات مجموعة البيانات المحددة ويمكنه استجواب البيانات الفعلية المقدمة من قبل المحققين مباشرة. يمكن تحليل أكثر من 90٪ من دراسات GEO باستخدام هذه الطريقة17. يظهر سير عمل GEO2R مع الخطوات المتضمنة في تحليل بيانات المصفوفات الدقيقة باستخدام GEO2R في الشكل 1.

  1. افتح موقع GEO2R على الويب.
  2. أدخل انضمام GSE باستخدام GEO في مساحة البحث المسماة "انضمام GEO" وانقر فوق الزر تعيين. إنشاء تسميات السرطان ثم طبيعية.
  3. قم بتعيين العينات بناء على النوع عن طريق تعيين السرطان أولا متبوعا بالوضع الطبيعي.
  4. انقر فوق تحليل دون تغيير أي معلمات افتراضية.
  5. انقر فوق قائمة الجينات الكاملة وقم بتنزيل البيانات بتنسيق ملف .tsv. يجب تحويل .tsv إلى .xlsx قبل معالجة البيانات بشكل أكبر.
  6. قم بتحويل تغيير أضعاف السجل2 إلى تغيير أضعاف باستخدام الصيغة [= (2) ^ (Nx) ، حيث N هو موضع الخلية] في برنامج Excel.
  7. علاوة على ذلك ، قم بإخضاع البيانات التي تم الحصول عليها في الخطوة 4.6 للحصول على DEGs من خلال تطبيق معدل اكتشاف خاطئ (FDR) بنسبة 5٪ أو قيمة p معدلة (صفة p-value) <0.05 ، وتغيير أضعاف بمقدار >2.0 ضعف للجينات المنظمة ، وتغيير <0.5 ضعفا للجينات التي تم تنظيمها منخفضا.
    ملاحظة: FDR هو تصحيح يتم تطبيقه على قيم p لحساب الاختبارات المتعددة ، ولا يمكن التعامل مع هذين الاثنين على أنهما مترادفان لبعضهما البعض. يعد تعديل FDR أمرا بالغ الأهمية للتحكم في معدل الاكتشافات الخاطئة عند إجراء عدد كبير من اختبارات الفرضيات.
  8. حدد قائمة الجينات الفريدة مقارنة بالدراسة المنشورة سابقا عن طريق إخضاع DEGs باستخدام أداة مولد Venn Diagram المتاحة مجانا عبر الإنترنت (Pangloss) لإنشاء مخطط Venn لفصل DEGs الشائعة والفريدة (انظر جدول المواد).
  9. علاوة على ذلك ، قم بإخضاع قائمة الجينات الفريدة لتحديد علم الوجود الجيني.
    ملاحظة: يمكن إنشاء وظائف GO المختلفة مثل علم الوجود الجيني: الوظيفة الجزيئية (GO: MF) ، وعلم الوجود الجيني: العمليات البيولوجية (GO: BP) ، وعلم الوجود الجيني: المكون الخلوي (GO: CC) باستخدام إما g: Profiler (انظر جدول المواد) ، أو PANTHER (انظر جدول المواد) ، وكلاهما متاح مجانا عبر الإنترنت. تم إجراء التحليل المستند إلى GO باستخدام g: Profiler.
  10. للحصول على توزيع DEGs في الجينوم على الكروموسومات الفردية ، استخدم ShinyGO (انظر جدول المواد).
  11. الصق قائمة الجينات الفريدة بأكملها التي تم الحصول عليها من GEO2R في علامة تبويب بحث ShinyGO ، وكانت أفضل الأنواع المطابقة المختارة هي Homo sapiens. كان الحد الأقصى ل FDR المستخدم 5٪.
  12. قم بإجراء اختيار DEGs التي تم الحصول عليها من GEO2R لمزيد من دراسة التحقق على مستوى البروتين. تم عرض سير العمل لاستخراج المعلومات الإضافية ولكن الهامة حول DEGs في الشكل 2.

5. العثور على اسم مستعار لجين / بروتين

  1. افتح صفحة HPRD (انظر جدول المواد) ، وانقر فوق الزر استعلام .
  2. أدخل اسم البروتين أو معرف HPRD في علامة تبويب البحث المعنية ، واضغط على زر البحث في الأسفل
    ملاحظة: ستكون هناك صفحة مفتوحة تحتوي على علامة تبويب تسمى "أسماء بديلة" ، انقر فوقها وسيظهر الاسم المستعار لهذا الجين أو البروتين.

6. العثور على رمز الجين الرسمي ل DEGs

  1. للعثور على رمز الجين الرسمي ، افتح لجنة تسميات الجينات HUGO (HGNC) (انظر جدول المواد).
  2. اكتب الاسم الذي تم الحصول عليه في تحليل GEO2R في شريط البحث في صفحة HGNC وانقر على رمز البحث . ستظهر نتائج البحث رمز الجين الرسمي الذي يتطابق معه المصطلح تماما.
  3. انقر فوق هذا الرابط واكتشف "رمز الجين" الرسمي المذكور هناك.

7. إيجاد موضع الجينات ل DEGs

  1. افتح صفحة الجينات من خلال زيارة الرابط على NCBI.
  2. اكتب رمز الجين الرسمي للجين وانقر على بحث.
  3. في النتيجة ، تحقق بعناية من الجين والكائن الحي الذي ينتمي إليه. بمجرد التأكد من المطابقة الصحيحة ، انقر فوق الرابط وتابع ذلك.
    ملاحظة: باختصار ، تحت عنوان "السياق الجيني" سيكون هناك موقع هو في الواقع موضع الجينات.

8. العثور على معلومات حول DEGs على OMIM Pagegene locus of the DEGs

  1. افتح صفحة OMIM (انظر جدول المواد).
  2. أدخل الاسم أو رمز الجين لمعلومات الجينات وخاصة "النمط الجيني الظاهري".
  3. انقر فوق زر البحث وستظهر النتائج للجين محل الاهتمام. توفر الشاشة معلومات حول "العلاقة بين الجين والنمط الظاهري".

9. إيجاد توطين البروتين والمجال والفكرة والطبيعة الإفرازية للبروتين المشفر بواسطة الجين

  1. افتح صفحة HPRD (انظر جدول المواد).
  2. بمجرد الفتح ، أدخل اسم البروتين أو معطر HPRD في علامة تبويب البحث المعنية واضغط على زر البحث في الأسفل.
  3. ستكون هناك صفحة مفتوحة تحتوي على علامة تبويب تسمى "ملخص". انتقل إلى أسفل الصفحة وتحقق من علامة تبويب الترجمة لمعرفة الترجمة "الثانوية" الأساسية والبديلة.
    ملاحظة: في نفس الصفحة ، يوجد أسفل "التوترين" علامة تبويب "المجالات والزخارف" حيث يتم سرد المجالات والزخارف الخاصة بالبروتين محل الاهتمام (إن وجدت). مرة أخرى في نفس الصفحة ، بجوار علامة التبويب "المجالات والزخارف" ، توجد علامة تبويب "تعبير" مع علامة تبويب فرعية "موقع التعبير". يمكن اعتبار أي بروتين تم الإبلاغ عن التخلص منه في أي سائل بيولوجي "إفرازا" بطبيعته. إذا تم الإبلاغ عن البروتين ذي الأهمية في أي من السوائل البيولوجية مثل البلازما والمصل والسائل المنوي والدموع الإضافية ، فسيتم إدراجه هناك.

10. اختيار الكرز للبروتين للتحقق من صحته ، ومزيد من التقييم لتشخيص أو تشخيص الورم الخبيث المعني

ملاحظة: بمجرد تحديد الجزيئات الفريدة ، فإن التحدي الأكبر هو كيفية التحقق من صحتها. عادة ، توفر دراسة المصفوفات الدقيقة تعبيرا على مستويات mRNA ، ولكن لتشخيص المرض أو التشخيص ، فإن قراءة مستويات البروتين أمر بالغ الأهمية. لنفس الشيء ، يجب فحص العينات المشتقة من المرضى أو المرضى أو خطوط الخلايا من نفس السرطان لمعرفة ما إذا كان الجزيء قد تم التعبير عنه بالفعل هناك وما إذا كان قادرا على التمييز بين السرطان مقابل الطبيعي ، أو التشخيص الجيد مقابل السيئ ، أو التمييز بين المراحل المبكرة إلى المتأخرة من الأمراض. للتحقق من صحة الجزيء المرشح ، تعد اللطخة الغربية ، وفحوصات الممتز المناعي المرتبطة بالإنزيم ، مثل ELISA ، أو الترسيب المناعي ، أو الكيمياء المناعية ، أو الكيمياء المناعية ، أو الفحص تقنيات مفيدة18،19،20. في الوقت نفسه ، تتطلب كل هذه المقايسات أجساما مضادة للكشف عن المستضد الموجود في العينات. الأجسام المضادة هي عناصر مكلفة ، لذلك من الأفضل دائما اختيار الأجسام المضادة بناء على النقاط التالية:

  1. تحقق مما إذا كان الجسم المضاد قد أبلغ بالفعل عن أي أوراق بحثية منشورة مسبقا في أورام خبيثة أخرى.
  2. إذا لم يكن الأمر كذلك ، فتحقق من شركة مزود الأجسام المضادة ومعرفة ما إذا كانوا يقدمون ورقة بيانات مع صورة للبقعة ، أو كيمياء الخلايا المناعية ، أو الكيمياء المناعية.
    ملاحظة: إذا كان المرء يرغب في إجراء الكيمياء المناعية ، ولكن الجسم المضاد متاح لمقايسة ELISA فقط ، فقد يكون هذا خطرا لاستخدام الجسم المضاد خاصة إذا كان الجزيء المستهدف عبارة عن جزيء يحمل مجال الغشاء ولكن ليس ببتيد الإشارة. أيضا ، إذا كان الجسم المضاد أحادي النسيلة أو متعدد النسيلة ، فمن الأفضل تفضيل الجسم المضاد أحادي النسيلة.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

على سبيل المثال ، تم استخدام GSE161533 الانضمام إلى GEO لدراسة الجينات المستكشفة تفاضليا في ESCC. تم عرض النتائج التمثيلية للتحليل في الشكل 3. يولد GEO2R مؤامرة بركانية مفيدة لتحديد الأحداث التي تختلف اختلافا كبيرا بين مجموعتين من الأشخاص التجريبيين. تقدم مؤامرة البركان التوزيع الجيني الكلي مع -log10 الأهمية المحولة (p-value) على المحور y ، وتغييرات الطي (مع تغيير الطية المحولة في السجل2 ) على المحور x (الشكل 3 أ) ، وهو مفيد لتصور ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

منذ إشراك تقنيات OMICS عالية الإنتاجية في بيولوجيا السرطان ، زاد معدل توليد البيانات بشكل كبير. هذا يشكل تحديا للباحثين ، خاصة أولئك الذين ليس لديهم طبيعة بارعة في الكمبيوتر. للتغلب على مر السنين ، توصل علماء المعلوماتية الحيوية إلى فكرة تطوير قاعدة بيانات لتوفير البيانات بطريقة منظمة. ولد هذا استجابة إيجابية من الباحثين ، وخاصة أولئك الذين لا يهتمون بالتكنولوجيا. علاوة على ذلك ، فإن بيانات OMICS المتناثرة هنا وهناك في الأدبيات لا تفيد أي شخص. لذلك ، للاستفادة الصحيحة من ذلك ، كانت هناك ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

المؤلفون ليس لديهم ما يكشفون عنه.

شكر وتقدير

حصلت MKK على منحة زمالة TARE (منحة # TAR / 2018/001054) (منحة # 5/13/55/2020 / NCD-III) من مجلس أبحاث العلوم والهندسة (SERB) ، وقسم العلوم والتكنولوجيا ، والمجلس الهندي للبحوث الطبية (ICMR) ، حكومة الهند ، نيودلهي ، على التوالي.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
NCBI-PUBMEDNCBIبالإشارة إلى القسم 1. مطلوب للبحث في الأدبيات
جهاز كمبيوتر محمول / ماك بوك أو كمبيوتر شخصي مزود بمرفق إنترنت ومتصفح ويب.
ز:البنية التحتية لملف التعريفELIXIRhttps://biit.cs.ut.ee/gprofiler/gostبالإشارة إلى القسم 4.10. مطلوب لإثراء GO: MF ، GO: BP ، و GO: CC
التعبير الجيني الشاملNCBIhttps://www.ncbi.nlm.nih.gov/geo/بالإشارة إلى القسم 3.1. مطلوب للبحث في قاعدة بيانات دراسة المصفوفات
الدقيقة GEO2RNCBIhttps://www.ncbi.nlm.nih.gov/geo/geo2r/بالإشارة إلى القسم 3.2. مطلوب لتحليل البيانات باستخدام أداة GEO2R
Googlehttps://www.google.comبالإشارة إلى القسم 1.1. مطلوب للبحث في الأدبيات
HGNCHGNC هي لجنة تابعة لمنظمة الجينوم البشري (HUGO)https://www.genenames.orgبالإشارة إلى القسم 6.1 المطلوب لمعرفة رمز الجين الرسمي ل DEGs & nbsp ؛
HPRDللمعلوماتية الحيوية ، Bangluru  ؛ http://hprd.orgبالإشارة إلى القسم 5.1 المطلوب للحصول على معلومات حول بنية البروتين   ؛
OMIM  جامعة جونز هوبكنز ، بالتيمورhttp://www.omim.org/entryبالإشارة إلى القسم 8.1 المطلوب لمعرفة معرف OMIM لجين معين / برنامج DEG
Panglossالذي طوره كريس سيدلhttp://www.pangloss.com/seidel/Protocols/venn.cgiبالإشارة إلى القسم 4.9. مطلوب لإنشاء مخطط فين
PANTHERThomas في جامعة جنوب كاليفورنياhttp://www.pantherdb.org/geneListAnalysis.doبالإشارة إلى القسم 4.10. مطلوب لإثراء GO: MF ، GO: BP ، و GO: CC
ShinyGO   ؛جامعة ولاية ساوث داكوتاhttp://bioinformatics.sdstate.edu/goبالإشارة إلى القسم 4.10. مطلوب لتخصيص DEGs على الكروموسومات
https://ncbi.nlm.nih.gov/pubmed معهد مختبر

المراجع

  1. Zeng, H., et al. Esophageal cancer statistics in China, 2011: Estimates based on 177 cancer registries. Thorac Cancer. 7 (2), 232-237 (2016).
  2. Zhang, H., Jin, G., Shen, H. Epidemiologic differences in esophageal cancer between Asian and Western populations. Chin J Cancer. 31 (6), 281-286 (2012).
  3. Chen, C., et al. Consumption of hot beverages and foods and the risk of esophageal cancer: a meta-analysis of observational studies. BMC Cancer. 15, 449(2005).
  4. Yousefi, M., et al. Esophageal cancer in the world: incidence, mortality and risk factors. Biomedical Research and Therapy. 5 (7), 2504-2517 (2018).
  5. Jemal, A., Center, M. M., DeSantis, C., Ward, E. M. Global patterns of cancer incidence and mortality rates and trends. Cancer Epidemiol Biomarkers Prev. 19 (8), 1893-1907 (2010).
  6. Kambhampati, S., Tieu, A. H., Luber, B., Wang, H., Meltzer, S. J. Risk factors for progression of barrett's esophagus to high grade dysplasia and esophageal adenocarcinoma. Sci Rep. 10 (1), 4899(2020).
  7. Schuchert, M. J., Luketich, J. D. Management of Barrett's esophagus. Oncology (Williston Park). 21 (11), 1382-1389 (2007).
  8. Kashyap, M. K., et al. Genomewide mRNA profiling of esophageal squamous cell carcinoma for identification of cancer biomarkers. Cancer Biol Ther. 8 (1), 36-46 (2009).
  9. Kashyap, M. K., et al. Overexpression of periostin and lumican in esophageal squamous cell carcinoma. Cancers (Basel). 2 (1), 133-142 (2010).
  10. Zhu, Z. J., et al. Untargeted metabolomics analysis of esophageal squamous cell carcinoma discovers dysregulated metabolic pathways and potential diagnostic biomarkers. J Cancer. 11 (13), 3944-3954 (2020).
  11. Wang, H., et al. DNA methylation markers in esophageal cancer: an emerging tool for cancer surveillance and treatment. Am J Cancer Res. 11 (11), 5644-5658 (2021).
  12. Wu, B. L., et al. MiRNA profile in esophageal squamous cell carcinoma: downregulation of miR-143 and miR-145. World J Gastroenterol. 17 (1), 79-88 (2011).
  13. Meng, X. R., Lu, P., Mei, J. Z., Liu, G. J., Fan, Q. X. Expression analysis of miRNA and target mRNAs in esophageal cancer. Braz J Med Biol Res. 47 (9), 811-817 (2014).
  14. Churko, J. M., Mantalas, G. L., Snyder, M. P., Wu, J. C. Overview of high throughput sequencing technologies to elucidate molecular pathways in cardiovascular diseases. Circ Res. 112 (12), 1613-1623 (2013).
  15. Dalman, D. A., Nimishakavi, G., Duan, Z. H. Fold change and p-value cutoffs significantly alter microarray interpretations. BMC Bioinformatics. 13, 11(2012).
  16. Gentleman, R. C., et al. Bioconductor: open software development for computational biology and bioinformatics. Genome Biol. 5 (10), 80(2004).
  17. Barrett, T., et al. NCBI GEO: archive for high-throughput functional genomic data. Nucleic Acids Res. 37, D885-D890 (2009).
  18. Kume, H., et al. Discovery of colorectal cancer biomarker candidates by membrane proteomic analysis and subsequent verification using selected reaction monitoring (SRM) and tissue microarray (TMA) analysis. Mol Cell Proteomics. 13 (6), 1471-1484 (2014).
  19. Jin, G., Wong, S. T. C. Chapter 3 - Proteomics-Based Theranostics. , (2014).
  20. Del Campo, M., et al. Facilitating the validation of novel protein biomarkers for dementia: an optimal workflow for the development of sandwich immunoassays. Front Neurol. 6, 202(2015).
  21. McDermaid, A., Monier, B., Zhao, J., Liu, B., Ma, Q. Interpretation of differential gene expression results of RNA-seq data: review and integration. Brief Bioinform. 20 (6), 2044-2054 (2019).
  22. McInnes, L., Healy, J., Saul, N., Großberger, L. UMAP: Uniform Manifold Approximation and Projection. Journal of Open Source Software. 3 (29), 861(2018).
  23. Xu, G., et al. Upregulated expression of MMP family genes is associated with poor survival in patients with esophageal squamous cell carcinoma via regulation of proliferation and epithelial-mesenchymal transition. Oncol Rep. 44 (1), 29-42 (2020).
  24. Chen, Y. K., et al. Plasma matrix metalloproteinase 1 improves the detection and survival prediction of esophageal squamous cell carcinoma. Sci Rep. 6, 30057(2016).
  25. Han, F., Zhang, S., Zhang, L., Hao, Q. The overexpression and predictive significance of MMP-12 in esophageal squamous cell carcinoma. Pathol Res Pract. 213 (12), 1519-1522 (2017).
  26. Kita, Y., et al. Expression of osteopontin in oesophageal squamous cell carcinoma. Br J Cancer. 95 (5), 634-638 (2006).
  27. Chen, F. F., Zhang, S. R., Peng, H., Chen, Y. Z., Cui, X. B. Integrative genomics analysis of hub genes and their relationship with prognosis and signaling pathways in esophageal squamous cell carcinoma. Mol Med Rep. 20 (4), 3649-3660 (2019).
  28. Tong, T., et al. Overexpression of Aurora-A contributes to malignant development of human esophageal squamous cell carcinoma. Clin Cancer Res. 10 (21), 7304-7310 (2004).
  29. Du, R., et al. Bioinformatics and experimental validation of an AURKA/TPX2 axis as a potential target in esophageal squamous cell carcinoma. Oncol Rep. 49 (6), 116(2023).
  30. Zhang, H. J., et al. Overexpression of cyclin-dependent kinase 1 in esophageal squamous cell carcinoma and its clinical significance. FEBS Open Bio. 11 (11), 3126-3141 (2021).
  31. Ma, S., et al. Identification of PTK6, via RNA sequencing analysis, as a suppressor of esophageal squamous cell carcinoma. Gastroenterology. 143 (3), 675-686 (2012).
  32. Chen, Y. F., et al. Downregulated expression of PTK6 is correlated with poor survival in esophageal squamous cell carcinoma. Med Oncol. 31 (12), 317(2014).
  33. Tao, Y., et al. Identification of distinct gene expression profiles between esophageal squamous cell carcinoma and adjacent normal epithelial tissues. Tohoku J Exp Med. 226 (4), 301-311 (2012).
  34. Kashyap, M. K., et al. Evaluation of protein expression pattern of stanniocalcin 2, insulin-like growth factor-binding protein 7, inhibin beta A and four and a half LIM domains 1 in esophageal squamous cell carcinoma. Cancer Biomark. 12 (1), 1-9 (2013).
  35. Wei, X., Zhang, H. Four and a half LIM domains protein 1 can be as a double-edged sword in cancer progression. Cancer Biol Med. 17 (2), 270-281 (2020).
  36. Pawar, H., et al. Downregulation of cornulin in esophageal squamous cell carcinoma. Acta Histochem. 115 (2), 89-99 (2013).
  37. Hao, Y., et al. Gene expression profiling reveals stromal genes expressed in common between Barrett's esophagus and adenocarcinoma. Gastroenterology. 131 (3), 925-933 (2006).
  38. Rhodes, D. R., et al. ONCOMINE: a cancer microarray database and integrated data-mining platform. Neoplasia. 6 (1), 1-6 (2004).
  39. Tungekar, A., et al. ESCC ATLAS: A population wide compendium of biomarkers for Esophageal Squamous Cell Carcinoma. Sci Rep. 8 (1), 12715(2018).
  40. Thomas, J. K., et al. Pancreatic cancer database: an integrative resource for pancreatic cancer. Cancer Biol Ther. 15 (8), 963-967 (2014).
  41. Essack, M., et al. DDEC: Dragon database of genes implicated in esophageal cancer. BMC Cancer. 9, 219(2009).
  42. Sharma, L., Kashyap, M. K., Sharma, D. Non-alcoholic Fatty Liver Disease (NAFLD): A systematic review and meta-analysis from an omics perspective. Gene Expression. 22 (2), 79-91 (2023).
  43. Mamber, S. W., Gurel, V., Rhodes, R. G., McMichael, J. Effects of Streptolysin O on extracellular matrix gene expression in normal human epidermal keratinocytes. Dose Response. 9 (4), 554-578 (2011).
  44. Pang, S., et al. Differential expression of long non-coding RNA and mRNA in children with Henoch-Schönlein purpura nephritis. Exp Ther Med. 17 (1), 621-632 (2019).
  45. Tan, P. K., et al. Evaluation of gene expression measurements from commercial microarray platforms. Nucleic Acids Res. 31 (19), 5676-5684 (2003).
  46. Rodriguez-Esteban, R., Jiang, X. Differential gene expression in disease: a comparison between high-throughput studies and the literature. BMC Med Genomics. 10 (1), 59(2017).
  47. Maglott, D., Ostell, J., Pruitt, K. D., Tatusova, T. Entrez Gene: gene-centered information at NCBI. Nucleic Acids Res. 3535, D26-D31 (2007).
  48. Gray, K. A., Yates, B., Seal, R. L., Wright, M. W., Bruford, E. A. Genenames.org: the HGNC resources in 2015. Nucleic Acids Res. 43, Database issue D1079-D1085 (2015).
  49. McKusick, V. A. Mendelian Inheritance in Man and its online version, OMIM. Am J Hum Genet. 80 (4), 588-604 (2007).
  50. Keshava Prasad, T. S., et al. Human Protein Reference Database--2009 update. Nucleic Acids Res. 37, Database issue D767-D772 (2009).
  51. Peri, S., et al. Human protein reference database as a discovery resource for proteomics. Nucleic Acids Res. 32, Database issue D497-D501 (2004).
  52. Hubbard, T., et al. The Ensembl genome database project. Nucleic Acids Res. 30 (1), 38-41 (2002).
  53. Kanehisa, M., Goto, S. KEGG: kyoto encyclopedia of genes and genomes. Nucleic Acids Res. 28 (1), 27-30 (2000).
  54. Pico, A. R., et al. WikiPathways: pathway editing for the people. PLoS Biol. 6 (7), 184(2008).
  55. Ashburner, M., et al. Gene ontology: tool for the unification of biology. The Gene Ontology Consortium. Nat Genet. 25 (1), 25-29 (2000).
  56. Griffiths-Jones, S., Grocock, R. J., van Dongen, S., Bateman, A., Enright, A. J. miRBase: microRNA sequences, targets and gene nomenclature. Nucleic Acids Res. 34, Database issue D140-D144 (2006).
  57. MacDonald, J. R., Ziman, R., Yuen, R. K., Feuk, L., Scherer, S. W. The Database of Genomic Variants: a curated collection of structural variation in the human genome. Nucleic Acids Res. 42, Database issue D986-D992 (2014).
  58. Amaral, M. L., Erikson, G. A., Shokhirev, M. N. BART: bioinformatics array research tool. BMC Bioinformatics. 19 (296), 2018(2018).
  59. Wiese, L., Wiese, I., Lietz, K. Software quality assessment of a web application for biomedical data analysis. 25th International Database Engineering & Applications Symposium. , 84-93 (2021).
  60. Davis, S., Meltzer, P. S. GEOquery: a bridge between the Gene Expression Omnibus (GEO) and BioConductor. Bioinformatics. 23 (14), 1846-1847 (2007).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

استكشف المزيد من المقالات

التعبير الجيني التفاضليتحليل المصفوفات الدقيقةمسار المعلوماتية الحيويةالجينات ذات التعبير التفاضليتحديد المؤشرات الحيويةتحليل المسارات الوظيفيةالفحص الخاص بمجموعات سكانية محددةالمؤشرات الحيوية للسرطانتقنيات الإنتاجية العالية
تطوير خلاصة وافية لسرطان الخلايا الحرشفية المريئي
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.