מאמר שיטה

פיתוח תקציר לקרצינומה של תאי קשקש בוושט

1.1K צפיות

⸱

DOI:

10.3791/65480

⸱

12 באפריל 2024

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

במאמר זה

סיכום

פרוטוקול זה מתאר כלי שימושי לזיהוי שינויים מולקולריים משמעותיים בסרטן ומוביל לפיתוח גישות אבחון וטיפול חדשות לקרצינומה של תאי קשקש בוושט.

תקציר

סרטן הוושט (EC) מדורג במקום ה-8 בממאירות האגרסיביתביותר, והטיפול בו נותר מאתגר בשל היעדר סמנים ביולוגיים המאפשרים גילוי מוקדם. EC מתבטא בשתי צורות היסטולוגיות עיקריות - אדנוקרצינומה (EAD) וקרצינומה של תאי קשקש (ESCC) - שתיהן מציגות שונות בשכיחות על פני אוכלוסיות שונות מבחינה גיאוגרפית. טכנולוגיות בעלות תפוקה גבוהה משנות את ההבנה של מחלות, כולל סרטן. אתגר משמעותי עבור הקהילה המדעית הוא התמודדות עם נתונים מפוזרים בספרות. כדי לטפל בכך, מוצע צינור פשוט לניתוח מערכי נתונים של מיקרו-מערך הזמינים לציבור ואיסוף מולקולות מווסתות באופן דיפרנציאלי בין סרטן לתנאים נורמליים. הצינור יכול לשמש כגישה סטנדרטית לניתוח ביטוי גנים דיפרנציאלי, זיהוי גנים המתבטאים באופן דיפרנציאלי בין סרטן לרקמות נורמליות או בין תת-סוגים שונים של סרטן. הצינור כולל מספר שלבים, כולל עיבוד מקדים של נתונים (הכולל בקרת איכות ונורמליזציה של נתוני ביטוי גנים גולמיים כדי להסיר וריאציות טכניות בין דגימות), ניתוח ביטוי דיפרנציאלי (זיהוי גנים המתבטאים באופן דיפרנציאלי בין שתי קבוצות או יותר של דגימות באמצעות בדיקות סטטיסטיות כגון מבחני tANOVA, או מודלים ליניאריים), ניתוח פונקציונלי (שימוש בכלים ביואינפורמטיים לזיהוי מסלולים ופונקציות ביולוגיות מועשרות בגנים המתבטאים באופן דיפרנציאלי), ואימות (כרוך באימות באמצעות מערכי נתונים עצמאיים או שיטות ניסיוניות כגון qPCR או אימונוהיסטוכימיה)., באמצעות צינור זה, ניתן ליצור אוסף של מולקולות המתבטאות באופן דיפרנציאלי (DEMs) עבור כל סוג של סרטן, כולל סרטן הוושט. ניתן להשתמש באוסף זה כדי לזהות סמנים ביולוגיים פוטנציאליים ומטרות תרופתיות לסרטן ולשפר את ההבנה של המנגנונים המולקולריים העומדים בבסיס המחלה. בנוסף, סריקה ספציפית לאוכלוסייה של סרטן הוושט באמצעות צינור זה תסייע בזיהוי יעדי תרופות ספציפיים לאוכלוסיות שונות, מה שיוביל לטיפולים מותאמים אישית למחלה.

מבוא

מדאיג ש-EC הוא הסרטן השמיני בשכיחותו בעולם וגורם המוות השישי המוביל בעולם. בסין, הודו ואיראן יש שיעורי היארעות ותמותה גבוהים באופן מדאיג. ישנם שני סוגים עיקריים של EC: אדנוקרצינומה של הוושט (EAC או EAD), וקרצינומה של תאי קשקש בוושט (ESCC)1. EAC נפוץ יותר בעולם המערבי, בעוד ESCC נפוץ יותר במדינות המזרח, במיוחד סין ואיראן2. מספר גורמי סיכון קשורים ל-EC, כולל שימוש בטבק ואלכוהול, השמנת יתר ומחלת ריפלוקס קיבתי-ושטי (GERD). בנוסף, גורמים תזונתיים כמו מחסור בפירות וירקות וצריכת משקאות חמים ומזונות קשורים לסיכון ESCC באזורים בסיכון גבוה. אבחון וטיפול מוקדמים חשובים לשיפור התוצאות של חולים עם EC 3,4. לכן, חשוב להעלות את המודעות לגורמי הסיכון, הסימנים והתסמינים של EC, ולעודד בדיקה קבועה של אנשים בסיכון גבוה. יתר על כן, מאמצים לטפל בגורמי סיכון הניתנים לשינוי, כגון שימוש בטבק ואלכוהול והרגלי תזונה לא בריאים, עשויים לסייע בהפחתת שכיחות EC. EAD מתרחש בתאים של בלוטות מייצרות ריר בחלק התחתון של הוושט, ליד הקיבה. זה קשור לעתים קרובות ל- GERD, שבו חומצת הקיבה ותכולתה חוזרים לוושט. לעומת זאת, ESCC נובע מתאים שטוחים ודקים המרפדים את החלק העליון של הוושט5. הוא נפוץ יותר באזורים שבהם השימוש בטבק ואלכוהול נפוץ, כמו סין ואיראן.

בין מצבים שונים הקשורים לוושט, הוושט של בארט (BE), מצב שבו רירית הוושט מוחלפת בתאי בלוטה, הוא מבשר ידוע של EAC6. ראוי לציין ש-BE יכול להתפתח ללא GERD, אך נוכחות GERD מגדילה את הסיכון לפתח BE פי 3 עד 5. בנוסף, נוכחות BE מגדילה את הסיכון להתפתחות EAC פי 50-1007. יתר על כן, מזונות ונוזלים חמים או חריפים נקשרו ל-ESCC, אך לא ל-EAC. הבנת גורמי הסיכון ל-EC חשובה למניעתו ולגילויו המוקדם. מאמצים לטפל בגורמי סיכון הניתנים לשינוי, כגון שימוש בטבק, צריכת אלכוהול, השמנת יתר והרגלי תזונה לא בריאים, עשויים לסייע בהפחתת שכיחות EC. יתר על כן, סינון ומעקב שגרתיים עבור אנשים בסיכון גבוה, כגון אלה עם דיספגיה, או BE, עשויים לשפר את התוצאות על ידי מתן אפשרות לגילוי וטיפול מוקדם.

זה בהחלט נכון שמחקרים מונעי אומיקס, כולל גנומיקה, טרנסקריפטומיקה, פרוטאומיקה, מתילומיקס, miRNAomics ומטבולומיקה, תרמו רבות להבנתנו את ECs, במיוחד ESCC 8,9,10,11,12,13. מחקרים אלה אפשרו זיהוי של סמנים ביולוגיים חדשים, מטרות טיפוליות פוטנציאליות ומסלולים חדשים המעורבים בפיתוח והתקדמות של ESCC. עם זאת, הנתונים שנוצרו ממחקרים אלה מפוזרים בספרות, מה שמקשה על הקהילה המדעית לגשת למידע זה ולהשתמש בו. לכן, חשוב ליצור מאגר או מסד נתונים האוסף נתונים המתקבלים ממחקרים בעלי תפוקה גבוהה או נמוכה על סוגי סרטן ספציפיים. ניתן לייעל חבילה כזו ולבצע אותה על ידי יישום כמה הנחיות בסיסיות. הנחיות אלו כוללות בחירת מחקרים רלוונטיים, חילוץ וארגון נתונים ממחקרים אלה והבטחת איכות ועקביות הנתונים. בנוסף, יש לעדכן את התקציר באופן קבוע כדי לכלול מחקרים ונתונים חדשים כאשר הם הופכים לזמינים. חוקרים יכולים להשתמש בפלטפורמה אחת כדי לאחזר ולנתח נתונים על סרטן ספציפי על ידי יצירת תקציר או מסד נתונים המשלב נתונים ממחקרים שונים. זה יעזור להאיץ את מאמצי המחקר ובסופו של דבר יוביל לטיפולים יעילים יותר ולתוצאות טובות יותר עבור חולי סרטן.

פיתוח תקציר הסרטן משלב נתונים ממחקרים בעלי תפוקה נמוכה ותפוקה גבוהה. תקציר זה יהווה משאב רב ערך עבור חוקרים המעוניינים לזהות מטרות אבחנתיות או טיפוליות פוטנציאליות לסרטן. אחת הדרכים לבנות אוסף זה היא על ידי סקירת מחקרי מיקרו-מערך הזמינים במאגרים נגישים לציבור כגון Gene Expression Omnibus (GEO). מחקרי מיקרו-מערך יכולים לספק מידע על רמות ביטוי גנים בתאים סרטניים, וניתן להשתמש בנתונים אלה כדי לזהות גנים המתבטאים באופן דיפרנציאלי (DEGs) שעשויים למלא תפקיד בהתפתחות והתקדמות הסרטן.

עם זאת, יש לציין כי ייתכן שמחקרים שונים השתמשו בשיטות שונות כדי לנתח את הנתונים שלהם, מה שעשוי היה להוביל לזיהוי של DEGs שונים. לכן, חשוב לסקור בקפידה כל מחקר ולשקול כל הטיה או מגבלות פוטנציאליות בעת איגום נתונים למקבץ. ברגע שהנתונים נאספים בפלטפורמה משותפת, החוקרים יכולים להשתמש בהם כדי לזהות מטרות מולקולריות פוטנציאליות למחקר נוסף. אלה כוללים בחינת ביטוי של גן מסוים בדגימות קליניות או ביצוע מחקרים מכניסטיים כדי להבין כיצד גן או חלבון מסוים מעורב בהתפתחות והתקדמות הסרטן. בסך הכל, יצירת מערך נתונים על סרטן תהווה משאב רב ערך עבור חוקרי סרטן ותסייע בזיהוי יעדים חדשים לאבחון והתערבויות טיפוליות.

פרוטוקול

1. אוצרות ידנית של מולקולות מווסתות דיפרנציאלית ב-ESCC

  1. מציאת מחקרים רלוונטיים בעלי תפוקה נמוכה באמצעות PubMed
    הערה: חשוב להבין את ההבדל הבסיסי בין טכניקות תפוקה נמוכה לעומת טכניקות תפוקה גבוהה. בראשון, רק מספר מוגבל של דגימות נחקר, והתהליך בדרך כלל גוזל זמן, לעומת זאת מאוחר יותר מהיר יותר וניתן לנתח את מספר הדגימות במכה אחת שהוא גבוה משמעותית מאשר בשיטות בעלות תפוקה נמוכה כמו Northern blot, וכתם מערבי הן טכניקות בעלות תפוקה נמוכה, בעוד שמיקרו-מערך cDNA, ופרוטאומיקה כמותית מבוססת LC-MS/MS הן טכניקות בעלות תפוקה גבוהה14. מנועי חיפוש כמו NCBI-PubMed (ראה טבלת חומרים) הם מקור טוב למציאת מחקרים רלוונטיים לכל סרטן, מכיוון שהוא משאב זמין לציבור עבור מדענים ביו-רפואיים למצוא ספרות על כל מחלה כמו ESCC. כדי למצוא מחקרים רלוונטיים, יש לבצע את השלבים הבאים.
    1. לחץ על מנוע החיפוש של גוגל (ראה טבלת חומרים) כדי לפתוח אותו. זה משמש גם את החוקרים, מכיוון שישנם כתבי עת שאינם מאונדקסים ב-PubMed, אך הם עדיין מאמרים באיכות טובה. תמיד טוב לחפש ביותר ממנוע חיפוש אחד כדי לבטל את ההסתברות לפספס מאמר חשוב.
    2. בחר בסרגל החיפוש של PubMed והשתמש באופרטורים בוליאניים (AND, OR, NOT). אופרטורים בוליאניים מחדדים את המחפשים למילות מפתח רלוונטיות המשמשות את החוקרים כדי למצוא את התוצאות.

2. מציאת מחקרים רלוונטיים באמצעות PubMed

  1. הקלד כתובת אינטרנט של NCBI (ראה טבלת חומרים) ולחץ כדי לפתוח אותה.
  2. בחר PubMed מתפריט הסרגל השמאלי הכרטיסייה כל מסדי הנתונים .
  3. הקלד בשורת החיפוש את מילות המפתח הרלוונטיות, שיביאו את המאמרים הרלוונטיים. יש להשתמש במילות המפתח בשילוב עם האופרטורים הבוליאניים מכיוון שאלו יכולים לעזור בקבלת המאמרים הקשורים קשר הדוק לסרטן / מחלה המדוברת (למשל, קרצינומה של תאי קשקש בוושט).

3. מציאת מחקרים רלוונטיים באמצעות אומניבוס ביטוי גנים (GEO)

הערה: אומניבוס ביטוי גנים (GEO) הוא מאגר זמין בחינם לאחסון נתונים במיקרו-מערכי DNA. שפע הנתונים הזמינים ב-GEO הוא משאב טוב לכריית נתונים לזיהוי מולקולות מווסתות באופן דיפרנציאלי בין סרטן/מחלות לעומת תנאים רגילים.

  1. הקלד כתובת אינטרנט GEO (ראה טבלת חומרים) ולחץ כדי לפתוח אותה.
  2. הקלד קרצינומה של תאי קשקש בוושט והומו ספיינס ולחץ על Enter.
    הערה: ליצירת תקציר של גנים מווסתים דיפרנציאלית לסרטן, חשוב לבחור את המחקרים הרלוונטיים מהם החוקרים יבחרו את המולקולות המווסתות באופן דיפרנציאלי בין סרטן לתנאים רגילים . ההיבט העיקרי הוא קביעת הקריטריונים לבחירת מולקולות על סמך שינוי קיפול. שינוי הקיפול יציין אם גן/חלבון מווסת או מווסת. שינוי הקיפול וערכי החיתוך של ערך p יכולים לשנות באופן משמעותי את משמעות הנתונים בניסוי נתון, כולל מיקרו-מערך RNAseq, או מחקרי פרוטאומיקה15.

4. ניתוח מיקרו-מערך באמצעות GEO2R

הערה: הדבר הראשון הוא למצוא מחקרים רלוונטיים באמצעות אופרטורים בוליאניים (AND, OR, NOT). אלה ישמשו בשילוב עם מילות המפתח 'קרצינומה של תאי קשקש בוושט', 'ESCC' או 'קרצינומה של תאי קשקש בוושט'. GEO2R (ראה טבלת חומרים) היא חבילת שפת R זמינה בחינם המשולבת עם GEO, ומאפשרת למשתמשים לנתח נתונים ממחקרי מיקרו-מערך בצורה ידידותית למשתמש. הוא מקיים אינטראקציה עם מזהי כניסה GEO ומספק ממשק לביצוע ניתוח מורכב מבוסס R לזיהוי DEGs באמצעות חבילות Bioconductor R עבור הקצה האחורי. חבילה זו לא רק הופכת את נתוני ה-GEO אלא גם מציגה את הפלט שלהם בצורה של טבלאות .txt, הניתנות לשינוי נוסף בהתאם לצרכי המשתמשים16. חבילת GEO2R מציגה גנים בסדר של מובהקות סטטיסטית המבוסס על ערך p, אך ניתן למיין את הסדר על סמך שינוי פי2. בנוסף, משתמשים יכולים להציג פרופילי ביטוי גנים כתמונות פרופיל GEO. בניגוד לכלי ניתוח אחרים, GEO2R אינו תלוי ברשומות מערכי נתונים נבחרים ויכול לחקור נתונים בפועל שהוגשו על ידי החוקרים ישירות. ניתן לנתח יותר מ-90% ממחקרי GEO בשיטה זו17. זרימת העבודה של GEO2R עם שלבים הכרוכים בניתוח נתוני מיקרו-מערך באמצעות GEO2R מוצגת באיור 1.

  1. פתח את אתר GEO2R.
  2. הזן את ההצטרפות ל-GSE באמצעות ה-GEO במרחב החיפוש שכותרתו "הצטרפות GEO" ולחץ על הכפתור הגדר. ליצור תוויות סרטן ואז נורמלי.
  3. הקצה דגימות על סמך סוג על ידי הקצאת סרטן ראשון ואחריו נורמלי.
  4. לחץ על נתח מבלי לשנות פרמטרי ברירת מחדל.
  5. לחץ על רשימת הגנים המלאה והורד נתונים בפורמט קובץ .tsv. יש להמיר את .tsv ל-.xlsx לפני עיבוד הנתונים.
  6. המר את שינוי קיפולהיומן 2 לשינוי קיפול באמצעות הנוסחה [=(2)^(Nx), כאשר N הוא מיקום התא] באקסל.
  7. בנוסף, הכניסו את הנתונים שהתקבלו בשלב 4.6 כדי לקבל את ה-DEGs על ידי החלת שיעור גילוי שגוי (FDR) של 5% או ערך p מותאם (ערך p) <0.05, ושינוי קיפול של פי >2.0 עבור גנים מווסתים, ושינוי של פי <0.5 עבור גנים מווסתים.
    הערה: FDR הוא תיקון שהוחל על ערכי p כדי להסביר בדיקות מרובות, ולא ניתן להתייחס לשני אלה כמילים נרדפות זה לזה. התאמת FDR היא חיונית כדי לשלוט בשיעור התגליות השגויות בעת ביצוע מספר רב של בדיקות השערות.
  8. זהה את רשימת הגנים הייחודית בהשוואה למחקר שפורסם בעבר על ידי הכפפת ה-DEGs באמצעות כלי מחולל דיאגרמת ון מקוון זמין בחינם (Pangloss) כדי ליצור את דיאגרמת Venn להפרדה של DEGs נפוצים וייחודיים (ראה טבלת חומרים).
  9. יתר על כן, הכפיף את רשימת הגנים הייחודית לזיהוי אונטולוגיה של הגנים.
    הערה: ניתן ליצור פונקציות GO שונות כגון אונטולוגיה של גנים: תפקוד מולקולרי (GO: MF), אונטולוגיה של גנים: תהליכים ביולוגיים (GO: BP) ואונטולוגיה של גנים: רכיב סלולרי (GO: CC) ניתן ליצור באמצעות g: Profiler (ראה טבלת חומרים), או PANTHER (ראה טבלת חומרים), שניהם תוכנית מקוונת זמינה בחינם. הניתוח מבוסס GO נעשה באמצעות g: Profiler.
  10. להשגת התפלגות DEGs בגנום על כרומוזומים בודדים, השתמש ב-ShinyGO (ראה טבלת חומרים).
  11. הדביקו את כל רשימת הגנים הייחודית שהתקבלה מ-GEO2R בלשונית החיפוש של ShinyGO, והמין התואם הטוב ביותר שנבחר היה הומו ספיינס. סף ה-FDR ששימש היה 5%.
  12. בצע את בחירת ה-DEGs המתקבלים מ-GEO2R למחקר אימות נוסף ברמת החלבון. זרימת העבודה לחילוץ המידע הנוסף אך החיוני על ה-DEGs הוצגה באיור 2.

5. מציאת כינוי לגן/חלבון

  1. פתח את דף HPRD (ראה טבלת חומרים), ולחץ על כפתור השאילתה .
  2. הזן את שם החלבון או מזהה HPRD בלשונית החיפוש המתאימה, לחץ על כפתור החיפוש בתחתית
    הערה: יהיה דף פתוח עם כרטיסייה שכותרתה "שמות חלופיים", לחץ עליו ויופיע כינוי לגן או לחלבון זה.

6. מציאת סמל גן רשמי עבור ה-DEGs

  1. כדי למצוא את סמל הגן הרשמי, פתחו את ועדת המינוח הגנטי של HUGO (HGNC) (ראו טבלת חומרים).
  2. הקלד את השם שהתקבל בניתוח GEO2R בשורת החיפוש של דף HGNC ולחץ על סמל החיפוש . תוצאות החיפוש יראו לאיזה סמל גן רשמי, המונח תואם בדיוק.
  3. לחץ על הקישור הזה וגלה את "סמל הגן" הרשמי שהוזכר שם.

7. מציאת מיקום הגן של ה-DEGs

  1. פתח את דף הגן על ידי ביקור בקישור ב-NCBI.
  2. הקלד את סמל הגן הרשמי של הגן ולחץ על חיפוש.
  3. בתוצאה, בדוק היטב את הגן ואת האורגניזם שאליו הוא שייך. לאחר שווידאתם את ההתאמה הנכונה, לחצו על הקישור והמשיכו הלאה.
    הערה: לסיכום, תחת הכותרת "הקשר גנומי" יהיה מיקום שהוא למעשה מיקום גן.

8. מציאת מידע על DEGs במיקום OMIM Pagegene של ה-DEGs

  1. פתח את דף OMIM (ראה טבלת חומרים).
  2. הזן את השם או סמל הגן של מידע הגן, במיוחד "גן-פנוטיפ".
  3. לחץ על כפתור החיפוש והתוצאות יופיעו עבור הגן המעניין. התצוגה מספקת מידע על "יחסי גן-פנוטיפ".

9. מציאת לוקליזציה, תחום ומוטיב של חלבון, ואופי ההפרשה של החלבון המקודד על ידי הגן

  1. פתח את דף HPRD (ראה טבלת חומרים).
  2. לאחר הפתיחה, הזן את שם החלבון או מזהה HPRD בלשונית החיפוש המתאימה ולחץ על כפתור החיפוש בתחתית.
  3. יהיה דף פתוח עם כרטיסייה שכותרתה "סיכום". עבור עד הסוף בדף ובדוק את לשונית הלוקליזציה כדי לדעת את הלוקליזציה ה"משנית" הראשית והחלופית.
    הערה: באותו עמוד, מתחת ל"לוקליזציה" יש כרטיסייה "דומיינים ומוטיבים" שבה רשומים דומיינים ומוטיבים לחלבון המעניין (אם קיימים). שוב באותו עמוד, בסמוך לכרטיסייה "דומיינים ומוטיבים" יש כרטיסייה "ביטוי" עם לשונית משנה "אתר ביטוי". כל חלבון שדווח כי הוא מוטבע בנוזל ביולוגי כלשהו יכול להיחשב כ"מפריש" בטבע. אם דווח על חלבון מעניין בנוזל ביולוגי כלשהו כגון פלזמה, סרום, זרע, דמעות נוספות, הוא יופיע שם.

10. קטיף דובדבן לחלבון לצורך אימות, והערכה נוספת לאבחון או פרוגנוזה של הממאירות המעניינת

הערה: לאחר זיהוי מולקולות ייחודיות, האתגר הגדול ביותר הוא כיצד לאמת אותן. בדרך כלל, מחקר מיקרו-מערך מספק ביטוי ברמות ה-mRNA, אך לאבחון מחלה או פרוגנוזה, קריאת רמות החלבון היא קריטית. לשם כך, יש לסנן דגימות או קווי תאים של אותו סרטן של חולים או חולים כדי לדעת אם המולקולה אכן באה לידי ביטוי שם ואם היא מסוגלת להבחין בין סרטן לנורמלי, או פרוגנוזה טובה לעומת רעה, או להבדיל בין שלבים מוקדמים למאוחרים של המחלה. כדי לאמת את המולקולה המועמדת, כתם מערבי, בדיקות אימונוסורבנט מקושרות לאנזים, כלומר, ELISA, משקעים חיסוניים, אימונוהיסטוכימיה, אימונוציטוכימיה או בדיקה הן טכניקות שימושיות 18,19,20. יחד עם זאת, כל הבדיקות הללו דורשות נוגדנים כדי לזהות את האנטיגן הקיים בדגימות. נוגדנים הם פריטים יקרים, ולכן תמיד עדיף לבחור נוגדנים על סמך הנקודות הבאות:

  1. בדוק אם הנוגדן כבר דיווח על מאמרי מחקר שפורסמו בעבר בגידולים ממאירות אחרים.
  2. אם לא, בדוק את חברת ספקית הנוגדנים ובדוק אם הם מספקים גיליון נתונים עם תמונה של הכתם, או אימונוציטוכימיה, או אימונוהיסטוכימיה.
    הערה: אם רוצים לעשות אימונוהיסטוכימיה, אך הנוגדן זמין לבדיקת ELISA בלבד, זה עשוי להיות סיכון להשתמש בנוגדן, במיוחד אם מולקולת המטרה היא מולקולה הנושאת תחום טרנסממברני אך לא פפטיד האות. כמו כן, אם הנוגדן הוא חד שבטי או רב שבטי, עדיף להעדיף נוגדן חד שבטי.

תוצאות

כדוגמה, GSE161533 הצטרפות ל-GEO שימש לחקר גנים שנחקרו באופן דיפרנציאלי ב-ESCC. התוצאות המייצגות של הניתוח הוצגו באיור 3. GEO2R מייצר תרשים הר געש שימושי לזיהוי אירועים השונים באופן משמעותי בין שתי קבוצות של נבדקים בניסוי. תרשים הר געש מציג את התפלגות הגנים הכוללת עם מובהקות טרנספורמציה של -log 10 (ערך p) על ציר ה-y, ושינויי קיפול (עם שינוי קיפול log2) על ציר ה-x (איור 3A), והוא שימושי להמחשת הגנים המתבטאים באופן דיפרנציאלי. גנים מודגשים באים לידי ביטוי באופן דיפרנציאלי באופן דיפרנציאלי בברירת מחדל של 0.05 (כחול = מווסת למטה, אדום = מווסת מוגבר).

תרשים הפרש ממוצע (MD) מציג שינוי פי2 לעומת ערכי ביטוי ממוצעים של log2 והוא שימושי להמחשת הגנים המתבטאים באופן דיפרנציאלי. ב-MD-plot, הגנים שבהם log2 מתקפל משתנה על ציר ה-y, וביטוי הערך הממוצע של הלוג על ציר ה-x (איור 3B). הגנים המודגשים באים לידי ביטוי באופן דיפרנציאלי באופן דיפרנציאלי בברירת מחדל של 0.05 (כחול = מווסת למטה, אדום = מווסת מוגבר). עלילות הר געש נתקלות באותן בעיות כמו עלילות MA במונחים של הצגת מידע משני טיפולים בלבד בבת אחת21.

יתר על כן, נעשה שימוש בקירוב והקרנה של סעפת אחידה (UMAP)22 כדי להעריך את הקשר בין ESCC לדגימות רגילות (איור 3C). למרות שרוב הדגימות היו בקטגוריות המתאימות, נמצאו שתי דגימות ESCC בדגימות הרגילות.

GEO2R הציג תרשים צפיפות ביטוי אינטראקטיבי דו-ממדי (איור 3D), שהדגים ביעילות את צפיפות הביטוי במערך הנתונים. תרשים זה שימושי לקביעה אם יש צורך בנורמליזציה עבור DEGs. בתרשים זה, ציר ה-y מציין צפיפות, בעוד שציר ה-x מציין עוצמה הן עבור ESCC (צבע ירוק) והן עבור נורמלי (צבע סגול).

התפלגות הערכים על פני דגימות שונות כולל ESCC ונורמלי הוצגה בתרשים התיבה. התפלגויות אלו נותנות רמז אם הדגימות אכן מתאימות לניתוח ביטוי דיפרנציאלי. הערכים החציוניים מצביעים בבירור על כך שהנתונים מנורמלים וניתנים להשוואה צולבת (איור 3E).

הגנים המזוהים מסוננים על סמך p < 0.05 וקריטריונים של שינוי קיפול. הגנים ללא שינוי (עם שינוי קיפול בין <2.0->0.50) הוסרו מהניתוח. יתר על כן, בהשוואה למחקר שפורסם בעבר, הגנים הנפוצים שנמצאו הם רק 514, אך המספר הייחודי של הגנים שהתקבלו הוא 1193. חשוב לציין כי זיהוי גנים ייחודיים באמצעות GEO2R יכול לעזור לא רק להפחית את היתירות אלא גם להעשיר את התקציר.

רשימה חלקית של DEGs הוזכרה בטבלה 1, בעוד שרשימה מלאה של DEGs מסופקת בקובץ משלים 1. חלק מהגנים המווסתים שייכים למטריצה החוץ-תאית, כגון MMP1 8,23,24, MMP1223,25, SPP1 8,26, POSTN9 ו-VCAN 8,27. בין הגנים האחרים המפורטים בטבלה 1 כוללים CMPK2,A URKA28,29, CHEK127 ו-CDK130 מווסתים ו-EMP127, PTK631,32, GPX327, DPT33, FHL1 34,35 ו-CRNN 8,36 מווסתים ב-ESCC בהשוואה לאפיתל רגיל. POSTN (פריוסטין) עבר רגולציה ב-ESCC ודווח גם במקרה של אדנוקרצינומה בוושט. מחקר קודם על ESCC דיווח כי ביטוי חלבון POSTN נצפה לא רק באזור הסטרומה אלא גם בתאי הגידול, מה שמרמז על כך שיש אינטראקציה בין גידול למיקרו-סביבה9. פריוסטין הוא חלבון המופרש בעיקר על ידי תאים מזנכימליים וממלא תפקיד מכריע בוויסות, הידבקות והתמיינות של אוסטאובלסטים, כמו גם בתיקון פצעים. בנוסף, פריוסטין היה מעורב בהתקדמות הגידול ובגרורות בסוגי סרטן שונים, כולל ESCC. מחקרים הראו כי פריוסטין מעורב במעבר אפיתל למזנכימלי (EMT) בסרטן ובאנגיוגנזה של גידולים, ומקדם נדידת תאים, תנועתיות, הידבקות וצמיחת תאים גרורתיים של גידולים. בוושט ע"ש בארט, מצב טרום סרטני של הוושט, יש ויסות משמעותי של POSTN, הגן המקודד לפריוסטין, בהשוואה לרקמת הוושט הרגילה37. בדלקת הוושט האאוזינופילית, מחלה דלקתית של הוושט, הן רמות ה-mRNA של פריוסטין והן רמות ביטוי החלבון מווסתות בהשוואה לאפיתל הוושט הרגיל. באופן דומה, ב-ESCC, POSTN נמצא מווסת פי 11 בניתוח ביטוי גנים9. ממצאים אלה מצביעים על כך ש-POSTN עשוי לשמש כסמן ביולוגי פוטנציאלי ל-ESCC ולסוגי סרטן אחרים. יתר על כן, הרמות המוגברות של POSTN בסרום מדווחות בחולות סרטן שד באלכסון עם גרורות בעצמות, מה שמשקף כי ניתן לחקור את POSTN גם כסמן ביולוגי גרורתי פוטנציאלי בסרום של חולות ESCC. בסך הכל, נראה כי POSTN ממלא תפקידים חשובים בהתקדמות הגידול ועשויות להיות לו השלכות קליניות פוטנציאליות על אבחון סרטן, פרוגנוזה וטיפול.

ההתפלגות הכרומוזומלית של DEGs על כרומוזומים בודדים מראה שמספר הגנים המקסימלי היה מכרומוזומים 1-6 ו-X (איור 4). ניתוח המסלולים המבוסס על ShinyGO הראה שמספר מסלולים מכריעים צצים בעת ניתוח DEGs. חלק מאלה היו מסלול איתות IL-17, עיכול וספיגה של חלבונים, אינטראקציה עם קולטן ECM, מסלול איתות TNF, מסלול איתות קולטן דמוי טול, מסלול איתות כימוקין, אינטראקציה של קולטן ציטוקין-ציטוקינים, מחלת כבד אלכוהולית, מיקרו-רנ"א בסרטן, חוסר ויסות שעתוק בסרטן, מחזור התא ומסלול איתות קולטן דמוי NONO ב-ESCC. יתר על כן, העשרת מונחי GO ב-DEGs נעשתה על ידי שימוש בניתוח g: Profiler. מונחי GO שונים עבור תפקוד מולקולרי (GO: MF), רכיבים תאיים (GO: CC) ותהליכים ביולוגיים (GO: BP) הועשרו (איור 5). רשימת מונחי ה-GO הללו מסופקת בטבלה 2.

figure-results-1
איור 1: ייצוג סכמטי לעיבוד המחקרים על קרצינומה של תאי קשקש בוושט הזמינה באומניבוס ביטוי גנים באמצעות תוכנית GEO2R. שלבים שונים המעורבים בזיהוי גנים מווסתים דיפרנציאלית (DEGs) או מולקולות מווסתות דיפרנציאלית (DEMs) הוצגו בסכימה, כולל קריטריוני בחירה עבור ה-DEGs בהתבסס על שינוי הקיפול >פי 2.0 ו-p <-0.05 עבור מווסת מוגבר, ו-<0.5 וערך p <0.05 עבור מווסת כלפי מטה. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

figure-results-2
איור 2: ייצוג סכמטי למציאת מידע נוסף על גנים מווסתים דיפרנציאלית בקרצינומה של תאי קשקש בוושט הזמינים באמצעות משאבים אחרים הזמינים לציבור. בנוסף, מידע DEGs הוא חיוני בהחלטה על DEGs שיש לבחור לצורך אימות והערכה נוספים בסביבה הקלינית. מידע כגון מיצוי כינוי, סמל גן רשמי, מיקום כרומוזום/מיקום גן, OMIM, תחום/מוטיב, אופי ההפרשה של החלבון וזמינות נוגדן מתאים לאימות ברמות חלבון ניתן לקבל ממקורות מקוונים שונים. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

figure-results-3
איור 3: התפלגות המחקר עם הצטרפות GEO GSE161533 באמצעות תוכנית GEO2R לזיהוי DEGs בין ESCC לעומת נורמלי. נעשה שימוש בתוכנית GEO2R עם פרמטרי ברירת מחדל המולידים (A) עלילת הר געש המייצגת את התפלגות הגנים עם משמעות טרנספורמציה של -log10 (p-value) על ציר ה-y, ושינויי קיפול (עם שינוי קיפול log2 שהשתנה) על ציר ה-x, (B) עלילת MD המציגה שינוי קיפולlog 2 לעומת ערכי ביטוי log2 ממוצעים להמחשת גנים המתבטאים באופן דיפרנציאלי, (C) UMAP (קירוב והקרנה של סעפת אחידה) מציג את ההפרדה של דגימות על סמך סוגיהן, (D) עלילת צפיפות ביטוי משלימה כאשר היא בודקת את הנורמליזציה של הנתונים לפני ניתוח ביטוי דיפרנציאלי, (E) עלילת תיבה המציגה ערכים ממורכזים בחציון על פני הדגימות כדי לציין שהנורמליזציה של הנתונים ניתנת להשוואה צולבת. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

figure-results-4
איור 4: התפלגות DEGs על מיקומים כרומוזומליים שונים באמצעות כלי ההעשרה ShinyGO. (A) גנים ייחודיים זוהו על ידי יצירת דיאגרמת Venn להשוואה בין מחקרים נוכחיים לעומת מחקרים שפורסמו בעבר. (B) התפלגות DEGs על הכרומוזומים השונים בגנום. (C) העשרת מסלול עבור DEGs באמצעות ניתוח העשרה מבוסס ShinyGO. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

figure-results-5
איור 5: מנהטן מתכננת להמחיש את העשרת המונחים של GO של גני מטרה באמצעות g: Profiler. הגנים המתבטאים באופן דיפרנציאלי נותחו על ידי g: Profiler וההעשרה במונחי GO (MF: פונקציה מולקולרית; BP: תהליך ביולוגי; CC: רכיב תאי) ומסלולי KEGG על פני מסלולי Reactome (REAC), מסלולי WiKi (WP), גורם שעתוק (TF) ובסיס יעד microRNA (MIRNA) תוארו באופן גרפי בתרשים מנהטן שבו ציר ה-x הוא המונחים הפונקציונליים של GO הצבועים לפי קטגוריה. כל נקודה צבעונית מייצגת מונח GO. ציר ה-y מציג את ערכי ה-log10p המותאמים. מונחי ה-GO המובהקים סטטיסטית עבור ESCC מוצגים על ציר ה-x. MF: פונקציה מולקולרית; BP: תהליך ביולוגי; CC: רכיב סלולרי; מירנה: מיקרו-רנ"א; ה.פ.: פנוטיפ אנושי. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

טבלה 1: רשימה חלקית של גנים המתבטאים באופן דיפרנציאלי ב-ESCC. אנא לחץ כאן להורדת טבלה זו.

טבלה 2: העשרת מונחי GO ב-ESCC באמצעות g: Profiler. אנא לחץ כאן להורדת טבלה זו.

קובץ משלים 1: רשימה מלאה של גנים המתבטאים באופן דיפרנציאלי ב-ESCC. אנא לחץ כאן להורדת קובץ זה.

דיון

מאז המעורבות של טכניקות OMICS בעלות תפוקה גבוהה בביולוגיה של הסרטן, קצב יצירת הנתונים גדל משמעותית. זה מציב אתגר לחוקרים, במיוחד לאלה שאין להם אופי מתמצא במחשבים. כדי להתגבר על השנים ביואינפורמטיקאים מעלים את הרעיון לפתח מסד נתונים שיספק נתונים בצורה מסודרת. זה יצר תגובה חיובית מצד חוקרים, במיוחד אלה שאינם מתעניינים בטכנולוגיה. יתר על כן, נתוני OMICS מפוזרים פה ושם בספרות אינם מועילים לאף אחד. לכן, כדי לעשות שימוש נכון בזה תמיד היה צורך בפלטפורמה משותפת שבה חוקרים בעלי תחומי עניין מיוחדים יכולים לגשת לנתונים. ישנם מספר מסדי נתונים על סוגי סרטן שונים, כולל ONCOMINE38, ESCC ATLAS39, מסד נתונים של סרטן הלבלב (PCD) 40 ו-DDEC41.

הרעיון של גנים המתבטאים באופן דיפרנציאלי (DEGs) עולה מניתוח נתוני ריצוף RNA, כאשר מזוהים גנים שיש להם שינויים משמעותיים ברמות הביטוי על פני שני מצבים או יותר (כגון סרטן לעומת נורמלי, או טיפול לעומת ביקורת ). פותחו מספר כלים לקביעת DEGs, המבצעים בדיקות סטטיסטיות המבוססות על כימות של הגנים המבוטאים המוערכים מהניתוחים החישוביים של קריאות RNA-seq גולמיות או יחסי עוצמה שנוצרו בין הגשושית לרצף המטרה בקבוצת הסרטן לעומת הקבוצה הנורמלית. כלים אלה מספקים מידע הקשור לרמת הביטוי ולגודל ההבדל הזוגי עבור כל גן. ניתוחי ביטוי גנים דיפרנציאלי (DGE) שימושיים להבנת המנגנונים הגנטיים התורמים להבדלים פנוטיפיים באורגניזמים. ניתוחי DGE יושמו כדי לחקור מגוון תהליכים ביולוגיים, כולל זיהוי מקור הגידול ו/או ניתוח מיקרוביום. על ידי זיהוי DEGs, ניתוח זה יכול לספק תובנה לגבי הגורמים הגנטיים הבסיסיים התורמים לתהליכים ביולוגיים אלה המעורבים בגידול ESCC21.

שיטת הכלי GEO2R, הזמינה לציבור והיא השיטה המועדפת ביותר מכיוון שרוב המחקרים הקיימים בספרות נותחו באמצעות אלגוריתמים שונים, מה שהוביל להבדלים עצומים בניתוח הנתונים; לכן, כדי להימנע מהבדלים אלה, נעשה שימוש בפלטפורמה ידידותית למשתמש זו מכיוון שהיא חינמית וקלה לשימוש. זה מאפשר השוואות בין מצבים כמו 'סרטן לעומת נורמלי' או 'טיפול לעומת היעדר טיפול'.

במקרה זה, ESCC נבחר מכיוון שמדובר בסרטן מתפתח של מערכת העיכול (GI) בהודו ובסין. אנו בוחרים בהצטרפות GEO GSE161533 לניתוח באמצעות GEO2R כדי לזהות DEGs בין ESCC לעומת רגיל. המחקר נבחר מכיוון שהוא לא כלל חולי ESCC שקיבלו בעבר טיפולי כימותרפיה או הקרנות. עדיף להשתמש בדגימות זוגיות אם זמינות (ESCC ונורמלי סמוך מאותו מטופל) לכל ניתוח. הסיבה לכך היא שהגנום של ESCC ורקמות נורמליות מאותו מטופל צפוי להיות דומה מאוד מכיוון שהם מגיעים מאותו רקע גנטי ומכיוון שהרקמות נמצאות באותה סביבה. שימוש בדגימות זוגיות עוזר למנוע הטיה בניתוח שעלולה להיות מוצגת אם היית משווה ESCC ורקמות נורמליות ממטופלים שונים עם רקע גנטי שונה. שימוש בדגימות זוגיות מאפשר זיהוי מדויק יותר של ההבדלים בביטוי הגנים בין ESCC לרקמות נורמליות באותו מטופל, מה שיכול לעזור לשפר את הספציפיות של התוצאות. גישה זו משמשת לעתים קרובות במחקרי ביטוי גנים כדי לשלוט בשונות האישית ולשפר את הכוח האנליטי.

לקחנו את כל נתוני הדגימה מהנבדקים המעורבים במחקר והשתמשנו בפלטפורמת GEO2R כדי לנתח את נתוני ביטוי הגנים. ראשית, הקצנו דגימות סרטן, ואחריהם דגימות רגילות. לאחר הקצאת דגימות אלה, פרמטרי ברירת המחדל הזמינים במסד הנתונים של GEO2R שימשו לזיהוי דגימות סרטן או טיפול ודגימות רגילות או ביקורת. כדי להבדיל בין דגימות סרטן לדגימות נורמליות, נקבע סף ערך p מותאם (שם P Val) של פחות מ-0.05 וסף שינוי קיפול של >2.0 עבור גנים מווסתים, וסף ערך p מותאם (adj. P Val) של פחות מ-0.05 פחות וסף שינוי קיפול של <0.5 עבור גנים מווסתים. ספים אלה שימשו בדרך כלל במחקרי ביטוי גנים לזיהוי גנים המתבטאים באופן דיפרנציאלי בין סרטן לנורמלי. חשוב לציין כי בחירת הסף למשמעות יכולה להשפיע על מספר וזהות הגנים המזוהים כבאים לידי ביטוי דיפרנציאלי. בנוסף, חשוב להעריך בקפידה את הרלוונטיות הביולוגית של הגנים שזוהו ולבצע מחקרי אימות נוספים כדי לאשר את התוצאות.

בספרות, הייתה מגמה של דיווח רק על גנים עם שינוי של לפחות פי 2 עבור גנים מווסתים, ושינוי של פי <0.5 עבור גנים מווסתים, במיוחד במחקרי מיקרו-מערך ופרוטאומיקה42. במחקרים קודמים, שינוי קיפול של פי >1.5 נחשב כשינוי מווסת ופי <0.67 עבור גנים מווסתים43,44, אך מגמות הספרות בעשור האחרון מראות בבירור כי שינוי קיפול גבוה יותר מועדף בעיקר מכיוון שכאשר מבוצעים ניסויי תיקוף על מועמדים בעלי ערך קיפול נמוך הם חלשים או שלא נמצא מתאם בין mRNA לנתוני רמות החלבון45. יש צד אפל לבחירה בשינוי קיפול גבוה יותר הוא שלפעמים אתה מפספס כמה מולקולות שרלוונטיות ביולוגית למחלה או לסרטן, אבל פשוט הושמטו בגלל החתך המועדף להיכנס לרשימת ה-DEGs/DEMs. יתר על כן, הספרות מוטה לדיווח כי DEGs מעדיפים במיוחד מולקולות מווסתות או ביטוי יתר על פני מולקולות חסרות. יתר על כן, אם ביטוי המולקולות תואם את אותם דפוסים של ויסות או ביטוי יתר במחקרים מרובים, ללא קשר אם הם מיועדים לאותו סרטן או מחלה, זוהי גישה מועדפת בקרב מדענים. בנוסף, יתר על כן, אם אותו דפוס של ביטוי יתר נצפה במחלות מרובות ומדווח בספרות, הוא שוב מקובל בקהילה המדעית.

יתר על כן, הדמיון בין המחלות תלוי בשימוש בנתוני מיקרו-מערך או בספרות לצורך ההשוואה. לבסוף, תיאורים מוגדרים באופן רופף של גדלי ביטוי דיפרנציאלי בספרות מציגים רק מתאם מוגבל עם נתוני שינוי קיפול מיקרו-מערך46.

יתר על כן, תקציר יכול לספק מידע נוסף ממאגרי מידע כגון NCBI Entrez gene47, HGNC48, OMIM49, HPRD50,51, Ensemble52, KEGG53, WikiPathways54, GO55, miRBase56 ו-DGV57. בזמן השימוש ב-GEO2R, הערכה של UMAP מראה כיצד דגימות קשורות. בניתוח הנוכחי, שתי דגימות ESCC מאוכלסות בדגימות רגילות המצביעות על כך שיש טעות דגימה או שדגימות ה-ESCC הטרוגניות מספיק כדי להופיע בקבוצת הדגימות הרגילות.

כלי GEO2R ידידותי למשתמש ונגיש בקלות, אך יש לו כמה מגבלות. ל-GEO2R אין את היכולת לייצר חלקות PCA ומפות חום או לסנן דגימות לאחר בקרת איכות. הוא מספק רק דיאגרמת Venn בודדת להשוואות לדוגמה באותה סדרה. GEO2R מוגבל לקבצי Series Matrix, ומונע השוואות בין סדרות. בנוסף, GEO2R מנתח רק נתוני מיקרו-מערך ואין לו בקרות איכות לנורמליות הדגימה או להשוואה צולבת. GEO2R אינו מאפשר מספר בלתי מוגבל של תוצאות חיפוש ומציג רק את 250 הגנים המובילים עבור כל השוואה זוגית נתונה בתוך מערך נתונים. הוא גם מנתח מערכי נתונים עם שכפולי מדגם לא מספיקים לניתוח סטטיסטי חזק. GEO2R מספק נתונים בשינוי קיפול יומן, מה שדרש ממנו להמיר לשינוי קיפול באמצעות r או בגיליון אקסל. כמו כן, כדי לייצג גנים מווסתים למעלה ולמטה צריך להשתמש בתוכנה אחרת או בכלי מקוון אחר כדי ליצור מפת חום 58,59,60.

לסיכום, במאמר זה מסופק צינור פשוט, שניתן להשתמש בו להכנת תקציר לכל סוג של ממאירות עם שינויים קלים. תקציר הם צורך השעה כדי לתמוך במדענים ביו-רפואיים במיוחד לגילוי סמנים ביולוגיים על ידי מתן המולקולות המועמדות לאימות בסביבה הקלינית לשימוש בהן לפרוגנוזה או לאבחון.

גילויים

למחברים אין מה לחשוף.

תודות

MKK זכתה במלגת TARE (מענק # TAR/2018/001054) מענק חוץ (מענק # 5/13/55/2020/NCD-III) ממועצת המחקר למדע והנדסה (SERB), המחלקה למדע וטכנולוגיה והמועצה ההודית למחקר רפואי (ICMR), ממשלת הודו, ניו דלהי, בהתאמה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
NCBI-PUBMEDNCBIמתייחס לסעיף 1. נדרש לחיפוש בספרות
מחשב נייד / מקבוק או מחשב אישי עם מתקן אינטרנט ודפדפן אינטרנט.
g:ProfilerELIXIR infrastructurehttps://biit.cs.ut.ee/gprofiler/gostבהתייחס לסעיף 4.10. נדרש להעשרה של GO:MF, GO:BP ו-GO:CC
ביטוי גנים אומניבוסNCBIhttps://www.ncbi.nlm.nih.gov/geo/מתייחס לסעיף 3.1. נדרש לחיפוש במסד הנתונים של מחקר מיקרו-מערך
GEO2RNCBIhttps://www.ncbi.nlm.nih.gov/geo/geo2r/בהתייחס לסעיף 3.2. נדרש לניתוח הנתונים באמצעות כלי GEO2R
GoogleGoogle https://www.google.comמתייחס לסעיף 1.1. נדרש לחיפוש בספרות
HGNC HGNCהיא ועדה של ארגון הגנום האנושי (HUGO)https://www.genenames.orgבהתייחס לסעיף 6.1 נדרש כדי לדעת את סמל הגן הרשמי של DEGs 
מכון HPRDלביואינפורמטיקה, בנגלור  http://hprd.orgהפניה לסעיף 5.1 הנדרש למידע על ארכיטקטורת חלבונים 
OMIM  אוניברסיטת ג'ונס הופקינס, בולטימורhttp://www.omim.org/entryבהתייחס לסעיף 8.1 נדרש כדי לדעת את מזהה ה-OMIM של גן מסוים /
תוכנית DEG Panglossשפותחה על ידי כריס סיידלhttp://www.pangloss.com/seidel/Protocols/venn.cgiמתייחס לסעיף 4.9. נדרש ליצירת דיאגרמת ון
PANTHERThomas באוניברסיטת דרום קליפורניהhttp://www.pantherdb.org/geneListAnalysis.doמתייחס לסעיף 4.10. נדרש להעשרת GO:MF, GO:BP ו-GO:CC
ShinyGO אוניברסיטת דרום דקוטה סטייטhttp://bioinformatics.sdstate.edu/goבהתייחס לסעיף 4.10. נדרש להקצאת DEGs על הכרומוזומים
https://ncbi.nlm.nih.gov/pubmed מעבדת

מקורות

  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).

הדפסות חוזרות והרשאות

תגיות

ביטוי גנים דיפרנציאליאנליזת מערך זכוכית (Microarray)צינור עיבוד ביו-אינפורמטיקהגנים בעלי ביטוי דיפרנציאליזיהוי סמנים ביולוגייםאנליזה פונקציונלית של מסלוליםסריקה ספציפית לאוכלוסייהסמנים ביולוגיים לסרטןטכנולוגיות בספיקת עיבוד גבוהה
פיתוח תקציר לקרצינומה של תאי קשקש בוושט
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.