Un flux de travail d’intégration de données pour identifier les combinaisons de médicaments ciblant les interactions létales synthétiques

Une interaction létale synthétique entre deux gènes se produit lorsqu’un seul knockdown de l’un ou l’autre n’affecte pas la viabilité cellulaire, mais que le knockdown des deux partenaires létaux synthétiques entraîne une perte de viabilité cellulaire ou la mort cellulaire. La combinaison d’ensembles de données hétérogènes peut conduire à l’identification d’interactions létales synthétiques qui peuvent être ciblées par des combinaisons de médicaments dans des maladies telles que le cancer, dans le but d’arrêter la prolifération cellulaire. Le concept de létalité synthétique est d’intérêt pour toute maladie dans laquelle la prolifération cellulaire est un problème.

En ce qui concerne le cancer, les interactions génétiques létales synthétiques sont déjà ciblées dans les tumeurs mutées par BRCA en utilisant des inhibiteurs de PARP. Des efforts comme le nôtre pourraient élargir l’utilisation du concept pour d’autres interactions génétiques et entités cancéreuses. Dans notre laboratoire, nous avons testé des combinaisons de médicaments prédites par calcul ciblant les interactions létales synthétiques dans le contexte du cancer du sein.

Commencez par récupérer les données de BioGRID. Utilisez le navigateur Web pour télécharger le dernier fichier d’interaction BioGRID au format tab2. Filtrez les colonnes pour ne conserver que celles pertinentes pour les étapes d’analyse suivantes.

Ensuite, filtrez la létalité synthétique et les interactions génétiques négatives. Utilisez les informations de la colonne Système expérimental pour limiter le jeu de données aux entrées ayant une valeur de létalité génétique ou synthétique négative. Identifier les espèces pour lesquelles des interactions létales synthétiques ont été signalées en déterminant le nombre d’ID fiscaux des partenaires d’interaction létale synthétique, ce qui fournira une estimation du nombre de ces interactions disponibles par organisme.

Pour récupérer des orthologues humains pour les organismes modèles pertinents à partir d’Ensembl BioMart, sélectionnez le jeu de données d’organismes modèles respectif, cliquez sur Attributs, puis sélectionnez Nom du gène. Cliquez ensuite sur Ensemble de données et sélectionnez Gènes humains. Encore une fois, cliquez sur Attributs, puis sélectionnez Nom du gène.

Cliquez ensuite sur Résultats. Cochez Résultats uniques uniquement, puis cliquez sur Go.Automatisez le processus de récupération et envoyez la requête directement à BioMart RESTful access pour récupérer les paires de gènes orthologues. Si vous récupérez les données manuellement via l’interface Web Ensembl BioMart, renommez et notez que la ligne d’en-tête a été automatiquement ajoutée.

Afin de récupérer les gènes humains orthologues pour d’autres organismes modèles, remplacez la valeur de l’attribut name du premier élément du jeu de données par le nom du jeu de données Ensembl respectif. Ensuite, jetez toutes les entrées pour les gènes sans homologues, collectez toutes les cartographies homologues dans un seul fichier et ajoutez des cartographies factices pour les gènes humains. En outre, ajoutez des entrées artificielles pour les gènes humains.

Préparez le fichier synlet pour la jointure ultérieure en ajoutant pour chaque partenaire d’interaction une nouvelle colonne contenant la combinaison de l’ID de taxe et du symbole de gène. Joignez les interactions létales synthétiques basées sur l’ID de taxe de l’organisme et le symbole du gène avec les paires orthologues récupérées. Récupérez les paires de cibles de médicaments de DrugBank à partir de la section Téléchargements, en créant d’abord un compte si nécessaire.

Limitez le fichier cible de médicaments DrugBank aux colonnes pertinentes. Ne conservez les entrées que pour les entités moléculaires humaines. Ensuite, extrayez les colonnes pertinentes et filtrez les données pour les espèces humaines.

Étant donné que les renseignements sur le nom du médicament et la cible du médicament sont fournis dans deux fichiers CSV distincts, les renseignements des deux dossiers doivent être fusionnés. Pour ce faire, les entrées du nom du médicament doivent d’abord être normalisées. Ensuite, normalisez le fichier cible du médicament pour avoir une ligne par médicament.

Continuez avec le fichier de vocabulaire DrugBank et extrayez les colonnes pertinentes. Étant donné que le nom du médicament et les informations sur la cible du médicament sont fournies dans deux fichiers CSV distincts, fusionnez les informations des deux fichiers à l’aide de l’ID DrugBank commun.Joignez l’ensemble de données d’interaction létale synthétique avec le fichier de noms de médicaments cibles généré à l’étape précédente à l’aide des colonnes de symboles génétiques, en vous assurant d’ajouter des noms de médicaments pour les deux partenaires de chaque interaction létale synthétique. Enfin, récupérez des informations sur les essais cliniques auprès de ClinicalTrials.gov.

Pour faciliter l’accès, utilisez la base de données relationnelle fournie par l’Initiative de transformation des essais cliniques, en créant d’abord un compte si nécessaire. Dissoudre les médicaments proposés dans des solvants appropriés, comme le DMSO ou le PBS, à au moins quatre concentrations différentes. Ajoutez les médicaments aux cellules du cancer du sein humaines ensemencées dans une plaque de 96 puits et incuber pendant le temps souhaité pour déterminer les valeurs de concentration inhibitrices.

Utilisez un test de viabilité ou d’apoptose de choix pour déterminer la viabilité cellulaire avec diverses combinaisons et concentrations de médicaments, en commençant par la CI50 précédemment établie. Ensuite, déterminez les effets cytotoxiques synergiques des combinaisons de médicaments en calculant leur indice combinatoire. Cette méthode a été utilisée pour identifier les combinaisons de médicaments ciblant les interactions létales synthétiques dans le cancer de l’ovaire.

Il a été constaté que 21 médicaments uniques ont contribué à 84 combinaisons de médicaments identifiées ciblant un ensemble de 39 interacteurs létaux synthétiques. Le même flux de travail a été utilisé pour identifier 243 combinaisons de médicaments prometteuses ciblant 166 paires de gènes létaux synthétiques dans le contexte du cancer du sein. Des combinaisons choisies ont été testées pour leur impact sur la viabilité cellulaire et l’apoptose dans deux lignées cellulaires de cancer du sein.

Les résultats de l’essai de viabilité pour le célécoxib, l’acide zolédronique et la combinaison de l’acide zolédronique et du célécoxib dans les lignées cellulaires du cancer du sein SK-BR-3 ont démontré que, lorsqu’ils étaient combinés, les médicaments avaient un effet synergique significatif sur la viabilité cellulaire. La souillure d’Annexine V et de 7-AAD des cellules SK-BR-3 traitées avec les deux drogues par elles-mêmes et combinées a prouvé que le pourcentage de cellules apoptotic et nécrotiques en retard a été augmenté après traitement avec la combinaison de drogue. Lorsque vous tentez ce protocole, prenez le temps nécessaire pour identifier les noms de médicaments DrugBank correspondants pour tous les médicaments et interventions récupérés des essais cliniques.

L’inclusion de données supplémentaires telles que les profils d’expression génique ou le degré d’annotation dans la littérature scientifique des interacteurs létaux synthétiques pour la maladie à l’étude peut également être utilisée pour prioriser les interactions létales synthétiques. En raison de la quantité croissante de données biomédicales disponibles, unir ses forces avec des biologistes informaticiens est une interaction bénéfique menant à de nouvelles hypothèses à tester en laboratoire. Lorsque vous travaillez avec des agents cytostatiques, assurez-vous de suivre vos directives locales concernant l’équipement de sécurité de laboratoire et la manipulation des réactifs dangereux.

À tout moment, évitez tout contact direct et assurez-vous de recueillir des informations sur la substance utilisée avant de commencer l’expérience.