Un flujo de trabajo de integración de datos para identificar combinaciones de fármacos dirigidas a interacciones letales sintéticas

Una interacción letal sintética entre dos genes ocurre cuando una sola caída de cualquiera de ellos no afecta a la viabilidad celular, pero la caída de ambos socios letales sintéticos conduce a la pérdida de viabilidad celular o muerte celular. La combinación de conjuntos de datos heterogéneos puede conducir a la identificación de interacciones letales sintéticas que pueden ser atacadas por combinaciones de fármacos en enfermedades como el cáncer, con el objetivo de detener la proliferación celular. El concepto de letalidad sintética es de interés para cualquier enfermedad en la que la proliferación celular sea un problema.

En cuanto al cáncer, las interacciones de genes letales sintéticos ya se están atacando en tumores mutados en BRCA mediante el uso de inhibidores de PARP. Esfuerzos como el nuestro podrían ampliar el uso del concepto para otras interacciones génicas y entidades oncancerígenas. En nuestro laboratorio, hemos probado combinaciones de fármacos predichas computacionalmente dirigidas a interacciones letales sintéticas en el contexto del cáncer de mama.

Comience por recuperar datos de BioGRID. Utilice el navegador web para descargar el último archivo de interacción BioGRID en formato tab2. Filtre las columnas para conservar solo las relevantes para los pasos de análisis posteriores.

A continuación, filtre la letalidad sintética y las interacciones genéticas negativas. Utilice la información de la columna Sistema experimental para restringir el conjunto de datos a las entradas con un valor de letalidad genética o sintética negativa. Identificar las especies para las que se notificaron interacciones letales sintéticas determinando el número de identificadores de impuestos de socios de interacción letal sintética, lo que proporcionará una estimación del número de estas interacciones disponibles por organismo.

Para recuperar ortólogos humanos para organismos modelo relevantes de Ensembl BioMart, seleccione el conjunto de datos de organismos modelo respectivo, haga clic en Atributos y seleccione Nombre de gen. A continuación, haga clic en Conjunto de datos y seleccione Genes humanos. De nuevo, haga clic en Atributos y seleccione Nombre del gen.

A continuación, haga clic en Resultados. Compruebe Solo los resultados únicos y haga clic en Go.Automatize the retrieval process y envíe la consulta directamente a BioMart RESTful access para recuperar los pares de genes ortólogos. Si recupera los datos manualmente a través de la interfaz web de Ensembl BioMart, cambie el nombre y observe que la línea de encabezado se agregó automáticamente.

Para recuperar los genes humanos ortólogos para otros organismos modelo, reemplace el valor del atributo name del primer elemento del conjunto de datos por el nombre del conjunto de datos Ensembl respectivo. A continuación, descarte cualquier entrada para genes sin homólogos, recopile todas las asignaciones homólogas en un solo archivo y agregue asignaciones ficticias para genes humanos. Además, agregue entradas artificiales para genes humanos.

Prepare el archivo synlet para la unión posterior agregando para cada socio de interacción una nueva columna que contiene la combinación de identificación fiscal y símbolo de gen. Una las interacciones letales sintéticas basadas en la identificación fiscal del organismo y el símbolo del gen con los pares ortólogos recuperados. Recupere los pares de objetivos de drogas de DrugBank de la sección de Descargas, creando primero una cuenta si es necesario.

Restrinja el archivo objetivo de drogas de DrugBank a las columnas relevantes. Solo conserve las entradas para las entidades moleculares humanas. A continuación, extraiga las columnas relevantes y filtre los datos por especies humanas.

Dado que el nombre del medicamento y la información de destino del medicamento se proporcionan en dos archivos CSV separados, la información de los dos archivos debe combinarse. Para ello, primero se deben normalizar las entradas del nombre del medicamento. Luego normalice el archivo objetivo de la droga para tener una línea por droga.

Continúe con el archivo de vocabulario de DrugBank y extraiga las columnas relevantes. Dado que el nombre de la droga y la información de destino de la droga se proporcionan en dos archivos CSV separados, combine la información de los dos archivos utilizando el id.join común de DrugBank ID.Join el conjunto de datos de interacción letal sintética con el archivo de nombre de la droga objetivo generado en el paso anterior utilizando las columnas de símbolos de genes, asegurándose de agregar nombres de drogas para ambos socios de cada interacción letal sintética. Finalmente, recupere información sobre ensayos clínicos de ClinicalTrials.gov.

Para facilitar el acceso, utilice la base de datos relacional proporcionada por la Iniciativa de Transformación de Ensayos Clínicos, creando primero una cuenta si es necesario. Disuelva los fármacos propuestos en disolventes apropiados, como DMSO o PBS, en al menos cuatro concentraciones diferentes. Agregue los fármacos a las células de cáncer de mama humano sembradas en una placa de 96 pozos e incubarlos durante la cantidad de tiempo deseada para determinar los valores de concentración inhibitoria.

Utilice un ensayo de viabilidad o apoptosis de elección para determinar la viabilidad celular con varias combinaciones y concentraciones de fármacos, comenzando con el IC50 previamente establecido. Entonces, determinar los efectos citotóxicos sinérgicos de las combinaciones de fármacos mediante el cálculo de su índice combinatorio. Este método fue utilizado para identificar combinaciones de la droga que apuntaban interacciones mortales sintéticas en cáncer ovárico.

Se encontró que 21 fármacos únicos contribuyeron a 84 combinaciones de fármacos identificadas dirigidas a un conjunto de 39 interactores letales sintéticos. El mismo flujo de trabajo se utilizó para identificar 243 combinaciones de fármacos prometedoras dirigidas a 166 pares de genes letales sintéticos en el contexto del cáncer de mama. Las combinaciones selectas fueron probadas para su impacto en viabilidad y apoptosis de la célula en dos variedades de células del cáncer de seno.

Los resultados del análisis de viabilidad para el celecoxib, el ácido zoledronic, y la combinación de ácido zoledronic y de celecoxib en variedades de células del cáncer de seno SK-BR-3 demostraron que cuando están combinados las drogas tenían un efecto sinérgico significativo sobre viabilidad de la célula. La coloración de Annexin V y 7-AAD de las células SK-BR-3 trató con las dos drogas por sí mismos y combinada mostró que el porcentaje de últimas células apoptotic y necróticas fue aumentado después del tratamiento con la combinación de la droga. Al intentar este protocolo, tómese el tiempo necesario para identificar los nombres de medicamentos de DrugBank correspondientes para todos los medicamentos e intervenciones recuperados de los ensayos clínicos.

La inclusión de datos adicionales como los perfiles de expresión génica o el grado de anotación en la literatura científica de interactores letales sintéticos para la enfermedad en estudio puede utilizarse además para priorizar las interacciones letales sintéticas. Debido a la creciente cantidad de datos biomédicos disponibles, unir fuerzas con los biólogos computacionales es una interacción beneficiosa que conduce a nuevas hipótesis que se probarán en el laboratorio. Cuando trabaje con agentes citostáticos, asegúrese de seguir las pautas locales relacionadas con el equipo de seguridad de laboratorio y el manejo de reactivos peligrosos.

En cualquier momento, evite el contacto directo y asegúrese de recopilar información sobre la sustancia utilizada antes de comenzar el experimento.