Интеграция подходов к биоинформатике и экспериментальных валидсов для понимания роли сигнализации в раке яичников
January 12th, 2020
Биоинформатика является полезным способом обработки крупномасштабных наборов данных. Благодаря внедрению подходов к биоинформатике исследователи могут быстро, надежно и эффективно получать проницательные приложения и научные открытия. Эта статья демонстрирует использование биоинформатики в исследованиях рака яичников. Он также успешно проверяет биоинформатики выводы путем экспериментов.
Биоинформатика является полезным способом извлечения информации из наборов данных. Эксперименты не менее важны для проверки. Мы объединяем оба подхода для исследования роли выемки сигнализации при раке яичников.
Основным преимуществом этого метода является то, что исследователи могут использовать информацию из баз данных биоинформатики для планирования своего направления исследований до проведения эксперимента. С накопленными биоинформатиками данных о болезнях человека, ученые больше не с завязанными глазами. Эксперименты могут быть выполнены для проверки конкретных выводов, которые могут привести к улучшению терапии или диагностики заболеваний.
Для мета-анализа связи гена, представляющих интерес, с определенным типом рака, создайте учетную запись с аффилированным с академией адресом электронной почты для доступа к базе данных PRECOG и введите адрес электронной почты и пароль, связанный с учетной записью, в терминал входа. Нажмите Просмотреть детали и ввести ген интереса в поле поиска. Затем используйте бар прокрутки, чтобы получить оценку выживаемости для конкретного типа рака.
Чтобы исследовать связь между уровнями экспрессии генов и стадиями рака яичников, перейдите на веб-страницу CSIOVDB и вещите название гена, представляющий интерес, в планку поиска. Затем нажмите на вкладку выживания. Чтобы оценить данные экспрессии генов в различных, нормальных и опухолевых тканях, перейдите на портал GENT и нажмите кнопку Поиск.
В разделе ключевых слов выберите символ гена для терминов из меню высадки, вемите символ гена, представляющий интерес, и выберите Ткань для варианта типа. Нажмите кнопку Поиска. Будут отображаться сводные графики экспрессии генов в нормальных и опухолевых тканях различных типов рака, основанные на платформах U133A и U122 Plus 2.
Затем нажмите на ссылку Result Data Download, чтобы получить доступ к подробной информации о значениях экспрессии генов, типах тканей и источниках данных. Для поиска генетических изменений и сигнальных сетей откройте веб-страницу портала CBIO и с помощью запроса на странице посадки щелкните органы или ткани, представляющие интерес, в разделе Select Studies, выберите конкретное исследование, представляющие интерес, и нажмите Запрос по Джину. В разделе «Выберите геномные профили» выберите мутации, изменения числа копий из GISTIC или вариант экспрессии мРНК.
Выберите соответствующие данные из меню Select Patient/Case Set и введите символы целевого гена в поле запросов Enter Genes. Нажмите кнопку Отправка запроса и откройте вкладку Network, чтобы получить нужную сеть генов. Затем нажмите на вкладку Файл и выберите Save As Image PNG для загрузки сетевого изображения.
Чтобы создать мух с NICD или NICD и mam overexpression, подготовить соответствующие запасы мух, а также применить временные и региональные методы экспрессии генов ориентации для контроля экспрессии spatiotemporal гена, в соответствии со стандартными протоколами. Поднимите мух на 18 градусов по Цельсию до совершеннолетия, прежде чем перейти на 29 градусов по Цельсию с дрожжами в течение 48 часов. В конце инкубации 29 градусов по Цельсию добавьте три миллилитров PBS в блюдо для сбора эмбрионов и обезболить культуру мух с помощью прокладки с углекислым газом.
Используйте рассечение микроскопа для выявления анестезированой самки мухи, и использовать пару рассечения типсов, чтобы тщательно захватить нижнюю грудную клетку мухи. Погрузите муху в PBS в блюдо сбора эмбрионов, и использовать вторую пару щипся, чтобы ущипнуть нижнюю часть живота, потянув осторожно освободить внутренние органы. Найдите и отсоедините пару яичников от тела мухи, и разбей мышечную оболочку, расположенную на заднем конце яичников, чтобы отделить яичники.
Затем поместите изолированные яичники в 1,5 миллилитровую центрифугу, содержащую 500 микролитров PBS на льду. Когда все яичники были собраны, заменить PBS с 500 микролитров 4%формальдегида, и поместите трубку на nutator в течение 10 минут. В конце инкубации, отбросить фиксатор и мыть яичники с тремя, 15-минутные полоскания в один миллилитр PBT за стирку.
После последней стирки, этикетка яичников с 150 микролитров 10 микрограмм на миллилитр DAPI в течение 10-15 минут на nutator. В конце инкубации, мыть яичники один раз в течение 10 минут с одним миллилитров PBT, а затем два 10-минутных моет в PBS. После второй стирки, удалить все, кроме последних 300 микролитров PBS, и использовать 200 микролитер пипетки отзыв банально яичников несколько раз, чтобы освободить яичные камеры.
Далее, осторожно осадок ткани яичников через быстрый спин в микроцентрифуге, и удалить как можно больше PBS, как это возможно, не нарушая гранулы яичников. Используя 1000 микролитровый наконечник пипетки, перенесите около трех капель монтажного раствора в трубку и используйте 200 микролитровых пипеток с примерно 0,33 миллиметра, подстриженных от конца, чтобы перенести все 120 микролитров яичников, содержащих монтажный раствор, на слайд стеклянного микроскопа. Аккуратно поместите стекло крышки на монтажный раствор и запечатайте края прозрачным лаком для ногтей.
Затем используйте конфокальный микроскоп при 10-х увеличении с диафрагмой 0,8, чтобы получить изображения окрашенных и установленных яичников. Используя портал PRECOG, как попродемонстрировано, можно получить баллы NOTCH2, NOTCH3 и MAML1 при раке яичников. Отрицательные значения оценки указывают на плохое общее выживание пациентов с высоким уровнем экспрессии трех генов.
Использование базы данных CSIOVD для подтверждения этих выводов также указывает на то, что высокое выражение NOTCH2, NOTCH3 и MAML1 коррелирует с плохим общим и свободным от болезней выживанием. Дальнейшие тесты на перестановку показывают, что NOTCH2, NOTCH3 и MAML1 высоко выражены в опухолевых тканях. Основываясь на этих трех основных генах, сигнальная сеть может быть создана, чтобы обеспечить 50 наиболее часто изменяемых соседних генов, которые также находятся в том же пути с самыми высокими показателями мутаций.
Интерес представляет переэкспрессия гена НОТЧ, эквивалентного drosophila, NICD, сама по себе не вызывает опухолей в Дрозофиле. В то время как переэкспрессия NICD и mam вместе вызывает опухоли у плодовых мушек, о чем свидетельствует наличие нескольких эпителиальных слоев и накопленных клеток. Дальнейшая проверка экспериментов может проложить путь для выявления потенциальных новых целей медикаментозной терапии, биомаркеров болезней и персонализированного лечения.
View the full transcript and gain access to thousands of scientific videos
Обзор
Эта статья исследует интеграцию биоинформатики и экспериментальных исследований для изучения сигнализации Notch при раке яичников. Используя базы данных по биоинформатике, исследователи могут стратегически планировать свои эксперименты, что приводит к более обоснованным научным открытиям.
Ключевые компоненты исследования
Область науки
- Биоинформатика
- Исследование рака яичников
- Экспериментальное подтверждение
Предыстория
- Биоинформатика помогает в обработке крупномасштабных наборов данных.
- Сочетание биоинформатики с экспериментальными исследованиями улучшает результаты исследований.
- Сигнализация Notch играет значительную роль в раке яичников.
- Использование существующих данных по биоинформатике может направить дизайн эксперимента.
Цель исследования
- Исследовать роль сигнализации Notch при раке яичников.
- Подтвердить результаты биоинформатики с помощью экспериментальных подходов.
- Улучшить терапии и диагностику рака яичников.
Используемые методы
- Биоинформатический анализ путей сигнализации Notch.
- Экспериментальное подтверждение предсказаний биоинформатики.
- Интеграция данных из баз данных по биоинформатике.
- Планирование направления исследования на основе биоинформационных данных.
Основные результаты
- Успешное выявление ключевых компонентов сигнализации Notch.
- Подтверждение результатов биоинформатики с помощью экспериментов.
- Взгляд на потенциальные терапевтические цели для рака яичников.
- Демонстрация эффективности сочетания биоинформатики с экспериментальными методами.
Выводы
- Биоинформатика является мощным инструментом в исследованиях рака.
- Экспериментальное подтверждение важно для подтверждения предсказаний биоинформатики.
- Сочетание этих подходов может привести к значительным достижениям в понимании рака яичников.
Часто задаваемые вопросы
Executive Industry Relevance
Integrating bioinformatics with experimental validation enables biopharma teams to de-risk target hypotheses in ovarian cancer by leveraging large-scale datasets for target prioritization before costly wet-lab efforts. This combined approach improves predictive confidence in Notch signaling components as potential therapeutic targets or biomarkers, supporting informed go/no-go decisions in early discovery. The methodology supports translational continuity from target identification through preclinical validation by aligning computational findings with functional evidence.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of Notch2, Notch3, and MAML1 as putative drivers in ovarian cancer through bioinformatics analysis of survival Z-scores and gene expression correlations.
- Operational Value: Supports functional target validation by guiding experimental design using PRECOG, CSIOVDB, GENT, and CBIO portals to identify differentially expressed genes and altered signaling networks.
- Predictive Value: Facilitates mechanistic de-risking by identifying genetic alterations and signaling networks associated with poor survival, informing target selection for further validation.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems (e.g., Drosophila ovaries with NICD/mam overexpression) for downstream compound screening by establishing phenotype-genotype links in Notch pathway modulation.
- Operational Value: Enhances assay standardization and reproducibility through defined spatiotemporal gene expression controls and standardized ovarian tissue isolation, fixation, and imaging protocols.
- Scalability Value: Enables platform reuse across cancer types by demonstrating a transferable workflow for integrating database mining with experimental validation in genetically tractable models.
Translational & Preclinical Research
- Scientific Value: Supports disease-relevant system modeling by linking Notch pathway activation in Drosophila ovaries to tumorigenic phenotypes, providing a mechanistic basis for therapeutic targeting.
- Operational Value: Addresses risk-adjusted advancement decisions by requiring combinatorial overexpression (NICD + mam) to induce tumors, highlighting context-dependent pathway activity critical for target validation.
- Translational Biomarker Alignment: Connects bioinformatics-derived survival correlations (NOTCH2/3/MAML1 Z-scores) with experimental tumor phenotypes, supporting biomarker qualification efforts.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from target identification through lead optimization, where bioinformatics informs hypothesis generation and experimental validation confirms target druggability and pathway relevance in ovarian cancer.
- Discovery Biology: Supports hypothesis testing and pathway clarification by mining survival and expression databases to prioritize Notch signaling components for functional interrogation.
- Screening: Describes assay readiness through standardized ovarian tissue preparation and confocal imaging, enabling quantitative readouts of Notch pathway activation phenotypes.
- Analytics: Highlights survival Z-scores, gene expression correlations, and permutation test outputs that allow cross-functional teams to compare target relevance and pathway alteration frequencies.
- Translational Research: Connects computational target prioritization to preclinical continuity by validating Notch-driven tumorigenicity in a genetic model, supporting de-risked advancement.
- Enterprise Reuse: Frames the workflow as a reusable capability for target validation across oncology indications by demonstrating a repeatable process of database interrogation followed by experimental confirmation.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence in target selection, reduction of mechanistic ambiguity in Notch pathway involvement, and improved target hypothesis quality.
- Operational Value: Standardization of bioinformatics-to-experiment workflows, reproducibility of ovarian tissue isolation and imaging, and scalability of database mining approaches.
- Strategic Value: Better go/no-go decisions through dual-evidence target validation, capital efficiency by focusing experiments on bioinformatics-prioritized targets, and reduced late-stage biological risk via mechanistic de-risking.
- Portfolio Impact: Risk-adjusted prioritization of Notch2/3/MAML1 or network neighbors for investment, and data-driven advancement decisions based on concordant computational and experimental evidence.
Implementation Considerations
- Required expertise in bioinformatics database navigation (PRECOG, CSIOVDB, GENT, CBIO) and interpretation of survival Z-scores, gene expression profiles, and mutation data.
- Instrumentation needs include access to academic-affiliated bioinformatics portals, standard molecular biology tools for fly handling, dissection microscopes, centrifuges, and confocal microscopes for tissue imaging.
- Cross-team standardization requires alignment between computational biologists and experimentalists on target selection criteria, gene symbols, and validation endpoints such as tumor phenotype scoring.
- Adaptation considerations include modifying gene targets, cancer types in database queries, and overexpression constructs while maintaining the core workflow of in silico prediction followed by in vivo/in vitro validation.
- Practical limitations include dependency on database annotation quality, potential species-specific differences in Notch signaling between Drosophila and humans, and the need for orthogonal validation in mammalian models to confirm translational relevance.
Biopharma FAQs
Chapters in this video
0:04
Title
0:44
Prediction of Clinical Outcomes from Genomic Profiles (PRECOG)
1:22
Cancer Science Institute of Singapore Database (CSIOVDB) and Gene Expression Across Normal and Tumor Tissue (GENT)
2:30
cBioPortal
3:30
Drosophila Dissection and Staining
7:23
Results: Representative Bioinformatic Approaches to Understanding the Role of Notch Signaling in Ovarian Cancer
8:42
Conclusion
