Method Article

Integracja podejść bioinformatycznych i walidacji eksperymentalnych w celu zrozumienia roli sygnalizacji Notch w raku jajnika

DOI:

10.3791/60502

⸱

January 12th, 2020

 ,  ,  , 
1Department of Biology, Georgia Southern University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bioinformatyka to użyteczny sposób na przetwarzanie dużych zbiorów danych. Dzięki wdrożeniu podejść bioinformatycznych naukowcy mogą szybko, niezawodnie i skutecznie uzyskiwać wnikliwe aplikacje i odkrycia naukowe. W artykule przedstawiono wykorzystanie bioinformatyki w badaniach nad rakiem jajnika. Z powodzeniem weryfikuje również wyniki badań bioinformatycznych poprzez eksperymenty.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Sygnalizacja Notch jest wysoce konserwatywną ścieżką regulacyjną zaangażowaną w wiele procesów komórkowych. Rozregulowanie tego szlaku sygnałowego często prowadzi do zakłóceń w prawidłowym rozwoju, a w niektórych przypadkach może nawet prowadzić do zainicjowania lub progresji nowotworów. Ponieważ ścieżka ta pełni złożone i wszechstronne funkcje, może być szeroko badana za pomocą wielu różnych podejść. Spośród nich bioinformatyka zapewnia niezaprzeczalnie opłacalną, przystępną i przyjazną dla użytkownika metodę badań. Bioinformatyka to użyteczny sposób na wyodrębnianie mniejszych fragmentów informacji z dużych zbiorów danych. Dzięki wdrożeniu różnych podejść bioinformatycznych naukowcy mogą szybko, niezawodnie i skutecznie interpretować te duże zbiory danych, dostarczając wnikliwych zastosowań i odkryć naukowych. W tym miejscu przedstawiono protokół integracji podejść bioinformatycznych w celu zbadania roli sygnalizacji Notch w raku jajnika. Co więcej, wyniki badań bioinformatycznych są weryfikowane w drodze eksperymentów.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Szlak sygnałowy Notch jest wysoce konserwatywnym szlakiem, który jest ważny dla wielu procesów rozwojowych w organizmach biologicznych. Wykazano, że sygnalizacja Notch odgrywa znaczącą rolę w proliferacji i samoodnowie komórek, a defekty w szlaku sygnałowym Notch mogą prowadzić do wielu rodzajów nowotworów1,2,3,4,5,6. W niektórych okolicznościach szlak sygnałowy Notch został powiązany zarówno ze wzrostem tkanki, jak i rakiem, a także ze śmiercią komórki i supresją guza7. Wiele receptorów Notch (NOTCH 1−4) i współaktywator Mastermind (MAML 1−3), wszystkie o różnych funkcjach, dodają dodatkowy poziom złożoności. Podczas gdy szlak sygnałowy Notch jest wyrafinowany pod względem funkcji, jego główny szlak jest prosty na podstawie molekularnej8. Receptory Notch działają jak białka transbłonowe złożone z regionów zewnątrzkomórkowych i wewnątrzkomórkowych9. Wiązanie liganda z zewnątrzkomórkowym regionem receptorów Notch ułatwia rozszczepienie proteolityczne, co umożliwia uwolnienie domeny wewnątrzkomórkowej Notch (NICD) do jądra. NICD następnie wiąże się z co\u2012activator Mastermind, aby aktywować dalszą ekspresję genów10.

W ostatnich latach wykazano, że sygnalizacja Notch odgrywa różne role w inicjacji i progresji kilku typów nowotworów u różnych gatunków6,11. Na przykład sygnalizacja Notch została powiązana z nowotworzeniem z udziałem ludzkiego genu NOTCH1 12. Niedawno wykazano, że geny NOTCH2, NOTCH3, Delta-like 3 (DLL3), Mastermind\u2012like protein 1 (MAML1) oraz geny dezintegryny i domeny metaloproteinazy zawierające białko 17 (ADAM17) są silnie związane z rakiem jajnika, zwłaszcza ze słabym całkowitym przeżyciem pacjentek13.

Wraz ze wzrostem ilości danych eksperymentalnych i związanych z pacjentami, rośnie również zapotrzebowanie na analizę dostępnych danych. Dostępne dane są rozproszone w publikacjach i mogą zawierać niespójne lub nawet sprzeczne wyniki. Wraz z rozwojem nowych technologii w ostatnich dziesięcioleciach, takich jak sekwencjonowanie nowej generacji, ilość dostępnych danych wzrosła wykładniczo. Chociaż oznacza to szybki postęp w nauce i możliwości kontynuowania badań biologicznych, ocena znaczenia publicznie dostępnych danych w celu rozwiązania pytań badawczych jest wielkim wyzwaniem14. Uważamy, że bioinformatyka jest użytecznym sposobem wydobywania mniejszych fragmentów informacji z dużych zbiorów danych. Dzięki wdrożeniu różnych podejść bioinformatycznych naukowcy mogą szybko, niezawodnie i skutecznie interpretować te duże zbiory danych, dokonując wnikliwych odkryć. Odkrycia te mogą obejmować zarówno identyfikację potencjalnych nowych celów terapii lekowej lub biomarkerów choroby, jak i spersonalizowane leczenie pacjentów15,16.

Bioinformatyka sama w sobie szybko ewoluuje, a podejścia ciągle się zmieniają, ponieważ postęp technologiczny ogarnia nauki medyczne i biologiczne. Obecnie powszechne podejścia bioinformatyczne obejmują wykorzystanie publicznie dostępnych baz danych i programów do analizy sekwencji DNA lub białek, identyfikacji genów o szczególnym znaczeniu lub znaczeniu oraz określania znaczenia genów i produktów genowych za pomocą genomiki funkcjonalnej16. Chociaż dziedzina bioinformatyki z pewnością nie ogranicza się do tych podejść, są one istotne w pomaganiu klinicystom i badaczom w zarządzaniu danymi biologicznymi z korzyścią dla pacjentów jako całości.

To badanie ma na celu zwrócenie uwagi na kilka ważnych baz danych i ich wykorzystanie do badań nad szlakiem sygnałowym Notch. NOTCH2, NOTCH3 i ich ko\u2012aktywator MAML1 zostały wykorzystane jako przykłady w badaniu bazy danych. Geny te zostały wykorzystane, ponieważ potwierdzono znaczenie szlaku sygnałowego Notch w raku jajnika. Systematyczne analizy uzyskanych danych potwierdziły znaczenie sygnalizacji Notch w raku jajnika. Ponadto, ponieważ sygnalizacja Notch jest dobrze zachowana u różnych gatunków, potwierdzono, że nadekspresja Drosophila melanogaster NICD i Mastermind razem może indukować guzy w jajnikach Drosophila, co potwierdza wyniki bazy danych oraz znaczącą i konserwatywną rolę sygnalizacji Notch w raku jajnika.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Przewidywanie wyników klinicznych na podstawie profili genomowych (PRECOG)

UWAGA: Portal PRECOG (precog.stanford.edu) uzyskuje dostęp do publicznie dostępnych danych ze 165 zestawów danych dotyczących ekspresji raka, w tym poziomów ekspresji genów i wyników klinicznych pacjentów17. W szczególności zapewnia analizę Meta\u2012Z, która obejmuje duże zestawy danych, aby zapewnić wyniki Z różnych genów w 39 typach raka, aby wskazać całkowite przeżycie pacjenta. Słabe i dobre wskaźniki przeżycia są wskazywane odpowiednio przez dodatnie i ujemne wartości Z\u2012score.

  1. Utwórz konto z adresem e-mail powiązanym z nauczycielem akademickim, aby uzyskać dostęp do tej bazy danych. Wprowadź adres e-mail i hasło powiązane z kontem.
  2. Kliknij przycisk Wyświetl szczegóły znajdujący się pod nagłówkiem analizy Meta-Z.
  3. Wprowadź interesujący Cię gen w pasku wyszukiwania.
  4. Użyj paska przewijania znajdującego się u dołu ekranu, aby uzyskać wskaźnik Z-score przeżycia dla określonego rodzaju nowotworu, który Cię interesuje.

2. CSIOVDB

UWAGA: CSIOVDB (csibio.nus.edu.sg/CSIOVDB/CSIOVDB.html) to mikromacierzowa baza danych opracowana przez Cancer Science Institute of Singapore do badania raka jajnika18. Ta baza danych zawiera dane dotyczące raków z różnych lokalizacji guza, a także dane dotyczące prawidłowej tkanki jajnika. Ponadto CSIOVDB dostarcza wykresy przeżycia Kaplana-Meiera do oceny przeżycia pacjentów z różnymi poziomami ekspresji genów. CSIOVDB może być stosowany do badania związku między poziomami ekspresji genów a stadiami/stopniami zaawansowania raka jajnika.

  1. Wprowadź interesujący Cię gen, a następnie kliknij przycisk Szukaj.
  2. Kliknij zakładkę Stan choroby.
    UWAGA: Ta zakładka zawiera statystyki podsumowujące ekspresję genu docelowego genu będącego przedmiotem zainteresowania w stanach chorobowych raka jajnika.
  3. Kliknij na zakładkę Histologia.
    UWAGA: Ta zakładka zawiera statystyki podsumowujące ekspresję genu docelowego genu będącego przedmiotem zainteresowania w histologiach głównych nowotworów jajnika.
  4. Kliknij na zakładkę Parametry kliniczno-patologiczne.
    UWAGA: Ta zakładka zawiera porównanie poziomów ekspresji genów w różnych stadiach raka jajnika, stopniach zaawansowania i odpowiedziach klinicznych za pomocą testów Manna-Whitneya.
  5. Kliknij na zakładkę Przetrwanie.
    UWAGA: Ta zakładka zawiera wykresy Kaplana-Meiera związane z przeżyciem całkowitym i przeżyciem wolnym od choroby. W tej bazie danych czas przeżycia wolny od choroby jest uważany za czas przeżycia wolny od progresji i nawrotu18. W tej zakładce znajdują się również analizy wieloczynnikowe dotyczące przeżycia całkowitego i przeżycia wolnego od choroby. Analizy wieloczynnikowe porównują cechy związane z rokowaniami dotyczącymi raka jajnika (stadium, stopień zaawansowania, chirurgiczne odciążenie, histologia, wiek) oraz gen będący przedmiotem zainteresowania.
  6. Kliknij zakładkę Podtyp.
    UWAGA: Ta zakładka zawiera statystyki podsumowujące i testy Manna-Whitneya dotyczące poziomu ekspresji genu będącego przedmiotem zainteresowania w podtypach molekularnych raka jajnika. Ta zakładka zawiera również wykresy Kaplana-Meiera związane z całkowitym przeżyciem i przeżyciem wolnym od choroby dla genu będącego przedmiotem zainteresowania w podtypach molekularnych raka jajnika.

3. Ekspresja genów w tkance prawidłowej i nowotworowej (GENT)

UWAGA: Portal GENT (medyczny\u2012genome.kribb.re.kr/GENT) jest rozwijany i utrzymywany przez Koreański Instytut Badawczy Bionauki i Biotechnologii (KRIBB)19. Zbiera 16 400 (U133A; 241 zestawów danych) i 24 300 (U133plus2; 306 zestawów danych) publicznie dostępnych próbek. Po standaryzacji GENT oferuje dane dotyczące ekspresji genów w różnych tkankach, które są dalej dzielone na tkanki nowotworowe i normalne.

  1. Kliknij kartę Szukaj u góry ekranu.
  2. W sekcji oznaczonej 1. Słowo kluczowe, wybierz Symbol genu dla Terminów z menu rozwijanego, wprowadź symbol genu interesującego Cię genu w pustym obszarze sekcji Słowo kluczowe i wybierz Tkanka dla opcji Typ.
  3. Kliknij przycisk Szukaj u dołu okna 1. Sekcja słów kluczowych. Przedstawiono w nim wykresy podsumowujące ekspresję genów w tkankach prawidłowych i nowotworowych różnych typów nowotworów w oparciu o platformy U133A i U122Plus2.
    UWAGA: Opcjonalnie można wybrać opcję Filtrowanie danych w górnej części wykresu podsumowania, aby wyodrębnić konkretną bazę danych do zbadania.
  4. Kliknij łącze obok opcji Pobieranie danych wynikowych, aby uzyskać dostęp do szczegółowych informacji o wartościach ekspresji genów, typach tkanek i źródłach danych.

4. Encyklopedia Linii Komórkowych Raka Broad Institute (CCLE)

UWAGA: CCLE (portals.broadinstitute.org/ccle) został stworzony przez Broad Institute i dostarcza profile genomiczne i mutacje 947 ludzkich linii komórkowych raka20.

  1. Wprowadź żądane geny w pasku wyszukiwania, a następnie kliknij przycisk Szukaj.
  2. W sekcji oznaczonej Wybierz zestaw danych kliknij opcję wyrażenia mRNA (RNAseq) z menu rozwijanego.
    UWAGA: Inne opcje obejmują ekspresję mRNA (Affy), knockdown Achilles shRNA i liczbę kopii.
  3. Kliknij przycisk Przełącz wszystkie ślady. Wybierz interesujący Cię typ tkanki z szarego pola po prawej stronie. Przewiń w dół ekranu i kliknij przycisk Pobierz wyrażenie mRNA.
  4. Otwórz pobrany dokument tekstowy. Skopiuj i wklej cały tekst do arkusza 1. Skopiuj cały tekst z arkusza 1.
  5. Kliknij arkusz w oprogramowaniu do arkuszy kalkulacyjnych zakładka Arkusz 2 u dołu arkusza kalkulacyjnego. Kliknij prawym przyciskiem myszy kolumnę A, wybierz opcję Wklej specjalnie, a następnie wybierz opcję Transponuj w arkuszu 2.
  6. Po przetransponowaniu tekstu do dwóch kolumn w arkuszu 2 kliknij strzałkę listy rozwijanej dla nagłówka opcji Sortuj i filtruj, a następnie wybierz opcję Filtruj. W obszarze nagłówka pojawi się strzałka oznaczona jako Gene. Kliknij strzałkę i wpisz interesujący Cię typ tkanki.
    UWAGA: Ten krok przefiltruje wszystkie dane i wyświetli tylko poziomy ekspresji genów dla danego typu tkanki.

5. cBioPortal

UWAGA: cBioPortal (www.cioportal.org) został opracowany w Memorial Sloan Kettering Cancer Center (MSK) i uzyskuje dostęp, analizuje i wizualizuje dane genomiczne raka na dużą skalę21,22. W szczególności portal ten umożliwia naukowcom poszukiwanie zmian genetycznych i sieci sygnalizacyjnych.

  1. Korzystając z zapytania na stronie docelowej, kliknij interesujące Cię narządy/tkanki w sekcji Wybierz badania. Wybierz konkretne badanie, które Cię interesuje, a następnie naciśnij przycisk Zapytanie według genu.
  2. W sekcji oznaczonej Wybierz profile genomowe wybierz jedną z trzech opcji: Mutacje, Przypuszczalne zmiany liczby kopii z GISTIC lub Ekspresja mRNA. Następnie wybierz odpowiednie dane z menu rozwijanego Wybierz pacjenta/zestaw przypadków.
  3. Wprowadź symbole genów docelowych w polu zapytania Wprowadź geny. Kliknij przycisk Prześlij zapytanie.
  4. Kliknij zakładkę Sieć u góry strony, aby pobrać żądaną sieć genów.
    UWAGA: Sieć sygnalizacyjna jest oznaczona kolorami. Wprowadzone geny są oznaczone węzłami nasiennymi z grubą obwódką. Każdy gen jest reprezentowany przez czerwone kółko, a intensywność koloru czerwonego koła odzwierciedla jego częstotliwość mutacji. Geny są połączone różnokolorowymi liniami. Brązowe linie oznaczają "W tym samym komponencie", wskazując na udział w tym samym komponencie biologicznym. Niebieskie linie oznaczają "Reaguje z", wskazując na reakcje genów. Zielone linie oznaczają "zmianę stanu", co sugeruje, że jeden gen może powodować zmianę stanu innego genu.
  5. Kliknij kartę Plik u góry obrazu, aby wybrać opcję Zapisz jako obraz (PNG) w celu pobrania obrazu sieciowego.

6. Sekcja Drosophila z pożądanymi genotypami i barwieniem DAPI

UWAGA: Zbierz samice Drosophila o pożądanych genotypach, a następnie wypreparuj jajniki much, aby poddać je procedurom barwienia DAPI do obrazowania.

  1. Przygotuj zapasy muchowe tj-Gal4, Gal80ts/CyO; UAS-NICD-GFP/TM6B, w*; UAS-mam.A; i w[1118] do tworzenia much z nadekspresją NICD (tj-Gal4, Gal80ts/+; UAS-NICD-GFP/+) oraz NICD i nadekspresja mam (tj-Gal4, Gal80ts/UAS-mam.A; UAS-NICD-GFP/+).
  2. Zastosuj technikę czasowego i regionalnego kierowania ekspresją genów (TARGET) do kontrolowania czasoprzestrzennej ekspresji genów23. Hodować muchy w temperaturze 18 °C do osiągnięcia dorosłości, a następnie przestawić na 29 °C na 48 godzin z drożdżami przed preparacją.
    UWAGA: tj-Gal4 może napędzać ekspresję UAS tylko w wyższych temperaturach, gdy hamowanie przez Gal80ts jest złagodzone. Dodanie drożdży przed preparacją powiększa jajniki do zbioru.
  3. Umieścić 3 ml 1x soli fizjologicznej buforowanej fosforanami (PBS) (137 mM NaCl, 2,7 mM KCl, 10 mM Na2HPO4, 1,8 mM KH2PO4) w naczyniu do pobierania zarodków. Użyj podkładki CO2 do znieczulenia much.
  4. Wybierz samicę muchy, a następnie ostrożnie chwyć dolną część klatki piersiowej muchy za pomocą kleszczy preparacyjnych i zanurz ją w roztworze 1x PBS w naczyniu do pobierania zarodków. Użyj drugiej pary kleszczy, aby uszczypnąć dolną część brzucha i delikatnie pociągnij, aby uwolnić narządy wewnętrzne.
  5. Zidentyfikuj i odłącz parę jajników od ciała muchy. Przerwij osłonkę mięśniową znajdującą się na tylnym końcu jajników i oddziel jajniki.
    UWAGA: Oddzielenie jajników i przerwanie pochewki mięśniowej jest wymagane w celu uzyskania wyższej jakości wyników barwienia.
  6. Umieść jajniki w probówce wirówkowej o pojemności 1,5 ml, która zawiera 500 μl 1x PBS. Rurka powinna pozostać na lodzie do momentu zebrania wszystkich jajników.
  7. Usuń 1x PBS i umieść 0,5 ml roztworu utrwalającego (4% formaldehydu) w probówce. Umieść rurkę na nutatorze na 10 minut.
  8. Wyjąć roztwór fix z probówki i wyrzucić go do odpowiedniego pojemnika na odpady. Użyj 1 ml 1x PBT (1x PBS uzupełniony 0,4% Triton™ X-100) do przemywania jajników 3x przez 15 min.
  9. Odrzuć końcowe płukanie PBT i dodaj 1 ml PBTG (0,2% albuminy surowicy bydlęcej, 5% normalnej surowicy koziej w 1x PBT), aby zapobiec niespecyficznemu wiązaniu.
    UWAGA: Ten krok można pominąć w przypadku barwienia DAPI, ale jest on niezbędny do barwienia przeciwciał. Szczegółowe barwienie immunohistochemiczne można znaleźć w Jia et al.24.
  10. Umieść 150 μl DAPI (10 μg/ml) w probówce na 10-15 minut nutacji. Wyrzuć DAPI i umyj jajniki 1x przez 10 minut przy użyciu 1 ml 1x PBT. Usuń PBT i myj 2x przez 10 minut przy użyciu 1x PBS.
  11. Usuń nadmiar PBS, aż około 300 μl PBS pozostanie w probówce z jajnikami. Kilkakrotnie odpipetować jajniki w górę i w dół za pomocą pipety o pojemności 200 μl, aby uwolnić komory na jaja.
  12. Delikatnie odkręć rurkę i ostrożnie usuń jak najwięcej 1x roztworu PBS bez usuwania jajników. Umieścić 120 μl roztworu montażowego (1 g galusanu n-propylu, 5 ml 10X PBS, 40 ml glicerolu i 5 mldH2O) do probówki.
    UWAGA: Roztwór montażowy jest lepki, więc trudno jest przenieść dokładnie 120 μL roztworu montażowego do probówki. Aby złagodzić ten problem, można użyć końcówki do pipety o pojemności 1 000 μl, aby dodać trzy krople roztworu montażowego do probówki.
  13. Usuń około 0,33 mm z końcówki pipety o pojemności 200 μl i użyj nowo odciętej końcówki pipety, aby umieścić roztwór mocujący na szkiełku mikroskopowym.
  14. Delikatnie umieść szkiełko nakrywkowe na roztworze montażowym i uszczelnij krawędzie szkiełka nakrywkowego przezroczystym lakierem do paznokci.
    UWAGA: Uszczelnienie krawędzi szkła nakrywkowego jest konieczne, aby zapobiec przepływaniu komór jaj do wnętrza roztworu montażowego podczas wykonywania zdjęć konfokalnych.
  15. Uzyskuj obrazy za pomocą mikroskopu konfokalnego przy użyciu następujących ustawień: soczewka obiektywu = powiększenie 10x; apertura numeryczna = 0,8; Długość fali emisji DAPI = 410−513 nm.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Korzystając z procedury opisanej w kroku 1 za pomocą portalu PRECOG, uzyskano wyniki Z NOTCH2, NOTCH3 i MAML1 w raku jajnika (odpowiednio 1,3, 2,32, 1,62). Ujemne wartości Z\u2012score wskazują na słabe całkowite przeżycie pacjentów z wysokim poziomem ekspresji trzech genów. Korzystając z formatowania warunkowego oprogramowania arkusza kalkulacyjnego, wartości Z\u2012score są wyświetlane na kolorowym wykresie słupkowym w Rysunek 1.

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ponieważ istnieje niezliczona ilość podejść i metod wykorzystania bioinformatyki, istnieje wiele baz danych dostępnych online dla ogółu społeczeństwa. Z każdej z tych baz danych można wydobyć mnóstwo informacji, ale niektóre najlepiej nadają się do określonych celów, takich jak ocena przeżycia pacjenta na podstawie określonych danych wejściowych. Systematyczne analizy danych pobranych z różnych indywidualnych baz danych mogą przekonująco przynieść ważne odkrycia naukowe.

Obecna analiza koncent...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ta praca była wspierana przez Start-Up Funding, College of Science and Mathematics Research Grant, Summer Research Session Award oraz Research Seed Funding Award od Georgia Southern University.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
DAPI (4',6-Diamidino-2-Fenyloindol, Dichlorowodorek)InvitrogenD13061:1000 Rozcieńczenie
PBS, sól fizjologiczna buforowana fosforanami, 10X Proszek, pH 7,4ThermoFisherFLBP6651Rozpuszczony w ddH2O, aby uzyskać 1X PBS
Surowica koziaGibco16210064Surowica
Miska zarodkowaMikroskopia elektronowa Nauki70543-45Naczynie preparacyjne
Mieszalniki nutacyjneFisherbrand88861041Nutator
tj-Gal4, Gal80ts/ CyO; UAS-NICD-GFP/ TM6BDr. Wu-Min Deng na Uniwersytecie Stanowym FlorydyN/AFly
stock w*; UAS-mam.ABloomington Drosophila Stock Center#27743Mucha
z[1118]Bloomington Drosophila Stock Center#5905Mucha
Portal PRECOGUniwersytet Stanfordaprecog.stanford.eduPublicznie dostępna baza danych zbiorów danych dotyczących ekspresji raka
CSIOVDBInstytut Nauk o Raku w Singapurzecsibio.nus.edu.sg/CSIOVDB/CSIOVDB.htmlBaza danych mikromacierzy używana do badania raka jajnika
Ekspresja genów w tkance prawidłowej i nowotworowej (GENT) PortalKorea Research Institute of Bioscience and Biotechnology (KRIBB)medyczny– genome.kribb.re.kr/GENTPublicznie dostępna baza danych o ekspresji genów w różnych tkankach, z podziałem na tkanki nowotworowe i normalne.
Broad Institute Encyklopedia Linii Nowotworowych (CCLE)Broad Institute i The Novartis Institutes for BioMedicalResearch portals.broadinstitute.org/ccleUdostępnia profile genomowe i mutacje ludzkich linii komórek nowotworowych
cBioPortalMemorial Sloan Kettering Cancer Center (MSK)cioportal.orgPortal, który umożliwia naukowcom wyszukiwanie zmian genetycznych i sieci
sygnalizacyjnychOdwrócony mikroskop konfokalny Zeiss 710Carl ZeissID #M 210491Badanie i zbieranie obrazów próbek znakowanych fluorescencyjnie

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Bocchicchio, S., Tesone, M., Irusta, G. Convergence of Wnt and Notch signaling controls ovarian cancer cell survival. Journal of Cellular Physiology. , (2019).
  2. Hibdon, E. S., et al. Notch and mTOR Signaling Pathways Promote Human Gastric Cancer Cell Proliferation. Neoplasia. 21 (7), 702-712 (2019).
  3. Kucukkose, C., Yalcin Ozuysal, O. Effects of Notch signalling on the expression of SEMA3C, HMGA2, CXCL14, CXCR7, and CCL20 in breast cancer. Turkish Journal of Biology. 43 (1), 70-76 (2019).
  4. Lan, G., et al. Notch pathway is involved in the suppression of colorectal cancer by embryonic stem cell microenvironment. OncoTargets and Therapy. 12, 2869-2878 (2019).
  5. Lian, H., et al. Notch signaling promotes serrated neoplasia pathway in colorectal cancer through epigenetic modification of EPHB2 and EPHB4. Cancer Management and Research. 10, 6129-6141 (2018).
  6. Salazar, J. L., Yamamoto, S. Integration of Drosophila and Human Genetics to Understand Notch Signaling Related Diseases. Advances in Experimental Medicine and Biology. 1066, 141-185 (2018).
  7. Bray, S. J. Notch signalling in context. Nature Reviews Molecular Cell Biology. 17 (11), 722-735 (2016).
  8. Andersson, E. R., Sandberg, R., Lendahl, U. Notch signaling: simplicity in design, versatility in function. Development. 138 (17), 3593-3612 (2011).
  9. Brou, C., et al. A novel proteolytic cleavage involved in Notch signaling: the role of the disintegrin-metalloprotease TACE. Molecular Cell. 5 (2), 207-216 (2000).
  10. Oswald, F., et al. p300 acts as a transcriptional coactivator for mammalian Notch-1. Molecular and Cellular Biology. 21 (22), 7761-7774 (2001).
  11. Xiu, M. X., Liu, Y. M. The role of oncogenic Notch2 signaling in cancer: a novel therapeutic target. American Journal of Cancer Research. 9 (5), 837-854 (2019).
  12. Allenspach, E. J., Maillard, I., Aster, J. C., Pear, W. S. Notch signaling in cancer. Cancer Biololgy & Therapy. 1 (5), 466-476 (2002).
  13. Jia, D., Underwood, J., Xu, Q., Xie, Q. NOTCH2/NOTCH3/DLL3/MAML1/ADAM17 signaling network is associated with ovarian cancer. Oncology Letters. 17 (6), 4914-4920 (2019).
  14. Weng, J. T., et al. Novel bioinformatics approaches for analysis of high-throughput biological data. Biomed Research International. 2014, 814092(2014).
  15. Readhead, B., Dudley, J. Translational Bioinformatics Approaches to Drug Development. Advances in Wound Care (New Rochelle). 2 (9), 470-489 (2013).
  16. Bayat, A. Science, medicine, and the future: Bioinformatics. BMJ. 324 (7344), 1018-1022 (2002).
  17. Gentles, A. J., et al. The prognostic landscape of genes and infiltrating immune cells across human cancers. Nature Medicine. 21 (8), 938-945 (2015).
  18. Tan, T. Z., et al. CSIOVDB: a microarray gene expression database of epithelial ovarian cancer subtype. Oncotarget. 6 (41), 43843-43852 (2015).
  19. Shin, G., et al. GENT: gene expression database of normal and tumor tissues. Cancer Informatics. 10, 149-157 (2011).
  20. Barretina, J., et al. The Cancer Cell Line Encyclopedia enables predictive modelling of anticancer drug sensitivity. Nature. 483 (7391), 603-607 (2012).
  21. Gao, J. J., et al. Integrative Analysis of Complex Cancer Genomics and Clinical Profiles Using the cBioPortal. Science Signaling. 6 (269), (2013).
  22. Cerami, E., et al. The cBio Cancer Genomics Portal: An Open Platform for Exploring Multidimensional Cancer Genomics Data. Cancer Discovery. 2 (5), 401-404 (2012).
  23. McGuire, S. E., Mao, Z., Davis, R. L. Spatiotemporal gene expression targeting with the TARGET and gene-switch systems in Drosophila. Science's STKE. 2004 (220), 6(2004).
  24. Jia, D., Huang, Y. C., Deng, W. M. Analysis of Cell Cycle Switches in Drosophila Oogenesis. Methods in Molecular Biology. 1328, 207-216 (2015).
  25. Lo, P. K., Huang, Y. C., Corcoran, D., Jiao, R., Deng, W. M. Inhibition of Notch signaling by the p105 and p180 subunits of Drosophila chromatin assembly factor 1 is required for follicle cell proliferation. Journal of Cell Science. 132 (2), (2019).
  26. Keller Larkin, M., et al. Role of Notch pathway in terminal follicle cell differentiation during Drosophila oogenesis. Development Genes and Evolution. 209 (5), 301-311 (1999).
  27. Sun, J., Deng, W. M. Notch-dependent downregulation of the homeodomain gene cut is required for the mitotic cycle/endocycle switch and cell differentiation in Drosophila follicle cells. Development. 132 (19), 4299-4308 (2005).
  28. Jia, D., et al. A large-scale in vivo RNAi screen to identify genes involved in Notch-mediated follicle cell differentiation and cell cycle switches. Scientific Reports. 5, 12328(2015).
  29. Shcherbata, H. R., Althauser, C., Findley, S. D., Ruohola-Baker, H. The mitotic-to-endocycle switch in Drosophila follicle cells is executed by Notch-dependent regulation of G1/S, G2/M and M/G1 cell-cycle transitions. Development. 131 (13), 3169-3181 (2004).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Notch SignalingOvarian CancerBioinformatics ApproachesExperimental ValidationPRECOG DatabaseCSIOVDB PortalGENT PortalCBIO PortalConfocal MicroscopyDrosophila Ovaries

Related Articles