Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Cancer Research
Click here for the English version

Cancer Research

זרימת עבודה של שילוב נתונים לזיהוי שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות

Published: May 27, 2021 doi: 10.3791/60328
Automatic Translation
1, 2, 1, 3, 1
1Department of Internal Medicine I - Division of Oncology, Comprehensive Cancer Center, Medical University of Vienna, 2Department of Nephrology, Medical University of Vienna, 3Department of Internal Medicine IV, Medical University Innsbruck

Summary

מסכים גנטיים גדולים באורגניזמים מודל הובילו לזיהוי של אינטראקציות גנטיות שליליות. כאן, אנו מתארים זרימת עבודה של אינטגרציית נתונים באמצעות נתונים ממסכים גנטיים באורגניזמים לדוגמה כדי לתאר שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות בסרטן.

Abstract

אינטראקציה קטלנית סינתטית בין שני גנים ניתנת כאשר נוקאאוט של אחד משני הגנים אינו משפיע על הכדאיות של התא אבל נוקאאוט של שני אינטראקציות קטלניות סינתטי מוביל לאובדן הכדאיות של התא או מוות של תאים. האינטראקציה הקטלנית הסינתטית שנחקרה בצורה הטובה ביותר היא בין BRCA1/2 ו- PARP1, כאשר מעכבי PARP1 משמשים בפרקטיקה קלינית לטיפול בחולים עם גידולים שעברו מוטציה BRCA1/2. מסכים גנטיים גדולים באורגניזמים מודל אבל גם בקווי תאים אנושיים haploid הובילו לזיהוי של זוגות רבים נוספים אינטראקציה קטלנית סינתטית, כל להיות מטרות פוטנציאליות של עניין בפיתוח של טיפולים גידול חדשני. גישה אחת היא למקד מבחינה טיפולית גנים עם אינטראקציה קטלנית סינתטי כי הוא מוטציה או downregulated באופן משמעותי בגידול של עניין. גישה שנייה היא לגבש שילובי תרופות המטפלים באינטראקציות קטלניות סינתטיות. במאמר זה, אנו מתארים זרימת עבודה של שילוב נתונים כדי להעריך ולזהות שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות. אנו עושים שימוש בערכות נתונים זמינות על זוגות אינטראקציה קטלנית סינתטית, משאבי מיפוי הומולוגיה, קישורים של מטרות סמים ממאגרי מידע ייעודיים, כמו גם מידע על תרופות הנחקרות בניסויים קליניים בתחום המחלה. אנו מדגישים עוד יותר ממצאים מרכזיים של שני מחקרים אחרונים של הקבוצה שלנו על הערכת שילוב תרופות בהקשר של סרטן השחלות וסרטן השד.

Introduction

קטלניות סינתטית מגדירה קשר של שני גנים, שבו אובדן של גן אחד אינו משפיע על הכדאיות, אבל אובדן של שני הגנים מוביל למוות של תאים. הוא תואר לראשונה בשנת 1946 על ידי דובז'נסקי תוך ניתוח פנוטיפים שונים של דרוסופילה על ידי רביית מוטנטים הומוזיגיים1. מוטנטים שלא ייצרו צאצאים בני קיימא, למרות שהם עצמם בני קיימא, הציגו פנוטיפים קטלניים כאשר נחצו עם מוטנטים מסוימים אחרים, והניחו קרקע לכינת התיאוריה של קטלניות סינתטית. הארטוול ועמיתיו הציעו כי מושג זה עשוי להיות ישים לטיפול בסרטן בבני אדם2. קטלניות סינתטית שעוררה תרופתית יכולה להסתמך רק על מוטציה אחת, בהתחשב בכך שהשותף הקטלני הסינתטי של הגן שעבר מוטציה הוא ממוקד על ידי תרכובת פרמקולוגית. זוג הגנים הראשון המאפשר אינדוקציה פרמקולוגית של קטלניות סינתטית היה BRCA(1/2) ו- PARP1. PARP1 מתפקד כחיישן לנזק לדנ"א, וקשור לאתרים של שברי גדילי DNA כפולים ויחידים, ציפורני-על וקרוסאוברים3. BRCA1 ו 2 לשחק תפקידים מרכזיים בתיקון של DNA כפול גדיל שובר דרך רקומביניזציה הומולוגית4. חקלאי ועמיתיו פרסמו ממצאים כי תאים לקויים עבור BRCA1/2 היו רגישים לעיכוב PARP, בעוד שום ציטוקסיות לא נצפתה בתאים מסוג בר BRCA5. בסופו של דבר, מעכבי PARP אושרו לטיפול בסרטן השד והשחלות BRCA לקוי6,7. כמו כן, זוגות גנים קטלניים סינתטיים המובילים לאישור קליני של תרכובות תרופתי צפויים הרבה אזור מרכזי של מאמצי מחקר הסרטן האחרונים8.

אינטראקציות גנים קטלניות סינתטיות היו מודל באורגניזמים מרובים כולל זבובי פירות, C. elegans ושמרים2. באמצעות גישות שונות כולל RNA-הפרעה- ו CRISPR / CAS-ספריית נוקאאוטים, זוגות גנים קטלניים סינתטיים הרומן התגלו בשנים האחרונות9,10,11. פרוטוקול על ההליכים הניסיוניים של RNAi בשילוב עם CRISPR / CAS פורסם לאחרונה על ידי Housden ועמיתיו12. בינתיים, החוקרים גם ערכו מסכים גדולים בתאים אנושיים haploid לזהות אינטראקציות קטלניות סינתטי13,14. בשיטות silico כמו ניתוח רשת ביולוגית ולמידת מכונה הראו גם הבטחה בגילוי של אינטראקציות קטלניות סינתטיות15,16.

מבחינה תפיסתית, גישה אחת לעשות שימוש באינטראקציות קטלניות סינתטיות בהקשר של טיפול אנטי-סרטני היא לזהות חלבונים שעברו מוטציה או לא פונקציונליים בתאי הגידול, מה שהופך את השותפים שלהם לאינטראקציה קטלנית סינתטית המבטיחים מטרות תרופתיות להתערבות טיפולית. בשל ההטרוגניות של רוב סוגי הגידולים, החוקרים החלו בחיפוש אחר חלבונים קטלניים סינתטיים כביכול. אלה רכזות קטלני סינתטי יש מספר שותפים סינתטיים אינטראקציה קטלנית כי הם גם מוטציה ולכן לא פונקציונלי או באופן משמעותי downregulated בדגימות הגידול. טיפול רכזות קטלניות סינתטי כזה מחזיק הבטחה בהגברת יעילות התרופה או להתגבר על עמידות לתרופות כפי שניתן להראות למשל בהקשר של נוירובלסטומה עמיד vincristine17. גישה שנייה לשיפור הטיפול התרופתי תוך שימוש במושג של אינטראקציות קטלניות סינתטיות היא לזהות שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות. זה יכול להוביל שילובים חדשים של טיפולים אנטי גידול יחיד כבר שאושרו ומיקום מחדש של תרופות מאזורי מחלה אחרים לתחום האונקולוגיה.

במאמר זה, אנו מציגים הליך שלב אחר שלב להניב רשימה של שילובי תרופות המכוונים זוגות אינטראקציה קטלנית סינתטית. בזרימת עבודה זו, אנו (i) משתמשים בנתונים על אינטראקציות קטלניות סינתטיות מ- BioGRID ו- (ii) מידע על גנים הומולוגיים מ- Ensembl, (iii) לאחזר זוגות מטרות סמים מ- DrugBank, (iv) לבנות עמותות תרופות למחלות ClinicalTrials.gov, ו -(v) ומכאן ליצור קבוצה של שילובי תרופות העוסקים באינטראקציה סינתטית קטלנית. לבסוף, אנו מספקים שילובי תרופות בהקשר של סרטן השחלות וסרטן השד בסעיף התוצאות הייצוגיות.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. אחזור זוגות גנים קטלניים סינתטיים

  1. אחזור נתונים מביוגריד.
    1. הורד את קובץ האינטראקציה העדכני ביותר של BioGRID בפורמט Tab2 https://downloads.thebiogrid.org/Download/BioGRID/Latest-Release/BIOGRID-ALL-LATEST.tab2.zip באמצעות דפדפן אינטרנט או ישירות משורת הפקודה לינוקס באמצעות תלתל אווויזט 18.

      ##download ולפרוק את קובץ האינטראקציה העדכני ביותר של BioGRID
      #download קובץ האינטראקציה העדכני ביותר של BioGRID באמצעות curl
      תלתל -o biogrid_latest.zip https://downloads.thebiogrid.org/Download/BioGRID/Latest-Release/BIOGRID-ALL-LATEST.tab2.zip
      #unpack קובץ הנתונים שהורד
      בטל biogrid_latest.zip
      BG="ביוגריד-ALL-3.5.171.tab2.txt"
       
    2. לאחר הורדת ארכיון ה- zip, על ארכיון לפרוק את האריזה ולשים לב לשם קובץ ערכת הנתונים בפועל (BIOGRID-ALL-X. X.X.tab2.txt) עבור השלבים הבאים. קובץ הנתונים BioGRID מכיל אינטראקציות מסוגים שונים שנסננו בשלב הבא.
      הערה: קיימים מקורות אחרים (למשל DRYGIN, SynlethDB) המחזיקים באינטראקציות קטלניות סינתטיות, כמתואר בדיון.
  2. מסנן קטלניות סינתטית ואינטראקציות גנטיות שליליות (מערכת ניסיונית).
    1. השתמש במידע בעמודה "מערכת ניסיונית" (עמודה מספר 12) המציינת את אופי הראיות התומכות עבור אינטראקציה לזיהוי אינטראקציות קטלניות סינתטיות.
    2. הגבל את ערכת הנתונים לערכים בעלי ערך של גנטיקה שלילית או קטלניות סינתטית. באותו שלב, סנן עמודות ושמור עמודות רלוונטיות רק עבור שלבי ניתוח עוקבים כמפורט בטבלה 1 להלן.

      ##restrict קובץ האינטראקציה BioGRID לעמודות רלוונטיות ורק לשמור על אינטראקציות המסווגות כקטלניות גנטית וסינתטית שלילית
      גזירה -d "^I" -f 1,8,9,12,16,17 "${BG}" \
      | awk -F "\t" 'בגין{
      OFS="\t"
      }
      {
      אם(NR == 1){
      הדפס $0
      *אם($4== "גנטיקה שלילית" ||$4 == "קטלניות סינתטית"){
      הדפס $0
      }
      }' > bg_synlet.txt

      הערה: בקטעי הקוד ^אני משמש לייצוג כרטיסיות אופקיות. קטגוריות BioGRID נוספות כגון פגם צמיחה סינתטי עשוי להיכלל. עמודות רלוונטיות אחרות עבור זרימת עבודה זו מפורטות בטבלה 1. BioGRID גם שומרת על הציונים עבור אינטראקציות בודדות. ניתן להשתמש בניתוקים כדי לזהות אינטראקציות חזקות/גבוהות של ביטחון עצמי.
מספר עמודה שם כותרת עמודה
3 שם גנים
12 מינים
13 מזהי סמים

טבלה 1: עמודות רלוונטיות של קובץ הנתונים BioGRID.

  1. זהה מינים שעבורם דווח על אינטראקציות קטלניות סינתטיות.
    1. לקבוע את מספר סינתטי אינטראקציה קטלנית שותף מזהי מס כדי לקבל הערכה על מספר האינטראקציות הקטלניות סינתטי להיות זמין לכל אורגניזם.

      ##count את מספר ההופעות של כל מזהה מס באינטראקציות הקטלניות הסינתטיות שחולצו בעבר
      גזור -d "^I" -f5,6 bg_synlet.txt | זנב -n +2 | tr "\t" "\n" \
      | מיין | יוניק -c | מיין -r -g

      הערה: כתוצאה משלב 1, רשימה של אינטראקציות קטלניות סינתטיות עם סמלי גנים מאורגניזמים שבהם נקבעו האינטראקציות. רוב האינטראקציות הקטלניות הסינתטיות נקבעו באורגניזמים לדוגמה. בעת טעינת קבצים לתוכנית גיליון אלקטרוני (למשל, Excel) הימנע מהריסת סימניגנים 19,20.

2. תרגום זוגות גנים קטלניים סינתטיים לאורתולוגים אנושיים

  1. לאחזר אורתולוגים אנושיים עבור אורגניזמים מודל רלוונטיים שזוהו בשלב 1.3.
    1. לאחזר אורתולוגים אנושיים מ Ensembl BioMart21 על ידי קישור ערכת נתונים גנים אורגניזם מודל בהתאמה עם ערכת הנתונים של הגן האנושי. השתמש בסמלי הגן המציינים את הגן באורגניזם המודל ובגנים אנושיים אורתולוגיים למשימה זו. השתמש ב- Ensembl BioMart webservice כדי להפוך את תהליך האחזור לאוטומטי ולשלוח את השאילתה ישירות לגישה של BioMart RESTful לאחזור זוגות הגנים האורתולוגיים (ראה דוגמה להלן ו- Ensembl BioMart Help &- תיעוד לפרטים נוספים).

      ##retrieve אורתולוגית אנושית עבור Saccharomyces Cerevisiae מ Ensembl BioMart באמצעות תלתל לשלוח את השאילתה BioMart ישירות לשירות גישה RESTful BioMart
      תלתל -o s_cerevisiae.txt --נתונים-urlencode 'שאילתה =

      <קווירי virtualSchemaName = "ברירת מחדל" מעצב = "TSV" כותרת = "0" uniqueRows = "1" ספירה = "" datasetConfigVersion = "0.6" >

      <שם ערכת נתונים = ממשק "scerevisiae_gene_ensembl" = > "ברירת מחדל"
      <שם מייחס = "external_gene_name" />


      <שם ערכת נתונים = ממשק "hsapiens_gene_ensembl" = > "ברירת מחדל"
      <שם מייחס = "external_gene_name" />


      "http://www.ensembl.org/biomart/martservice"

      כדי לאחזר את הגנים האנושיים האורתולוגיים עבור אורגניזמים מודל אחרים, להחליף את הערך של תכונת השם של אלמנט ערכת הנתונים הראשון עם השם של ערכת הנתונים Ensembl בהתאמה ולבצע מחדש את השאילתה.

      הערה: תהליך מיפוי האורתולוגי מתועד היטב בתיעוד העזרה והתיעוד של Ensembl BioMart (http://www.ensembl.org/info/data/biomart/biomart_combining_species_datasets.html).
    1. גש לשאילתת BioMart לדוגמה עבור אורתולוגים אנושיים עבור Saccharomyces cerevisiae, המין העליון שזוהה בשלב 1.3, באמצעות כתובת ה- URL http://www.ensembl.org/biomart/martview/9b71da1415aba480a52b8dc7dd554d63?VIRTUALSCHEMANAME=default&ATTRIBUTES=scerevisiae_gene_ensembl.default.feature_page.external_gene_name|hsapiens_gene_ensembl.default.feature_page.external_gene_name&FILTERS=&VISIBLEPANEL=linkattributepanel.
      הערה: קיימים מקורות אחרים (למשל איסוף, דפדפן אומה, הומולוג'ן, אינפרנואיד) למיפוי הומולוגי, כמתואר בסעיף הדיון בכתב יד זה.
  2. הוסף אורתולוגים אנושיים לאינטראקציות קטלניות סינתטיות שחולצו.
    1. הצטרף לאינטראקציות קטלניות סינתטיות המבוססות על מזהה מס אורגניזם וסמל גנים עם זוגות אורתולוגיים שאוחזרו בשלב 2.1. עבור זוגות אינטראקציה קטלנית סינתטית אנושית או ליצור זוגות אורתולוגיים מלאכותיים עבור כל גן אנושי נוכח ערכת הנתונים או לוודא כי אינטראקציות קטלניות סינתטי אנושי אינם מושלכים בעת הצטרפות ולהעביר את סמלי הגן האנושי לתוך העמודות החדשות שנוספו.

      ##collect מיפויי אורתולוגיות בקובץ יחיד והצטרפות לקובץ אינטראקציה קטלני סינתטי
      #create קובץ יעד עם כותרות לאיסוף מיפויי אורתולוגיות
      הד "tax_id/gene_symbol^Ihuman_gene_symbol" > מיפוי.txt

      #repeat שלב זה עבור כל אורגניזם מודל, להקפיד להתאים שם קובץ קלט ומזהה מס
      #adds עבור כל זוג אורתולוגית s_cerevisiae.txt ערך חדש במיפוי.txt: סמל הגן הוא קידומת עם מזהה המס כדי להקל על ההצטרפות לאחר מכן עם קובץ אינטראקציות קטלני סינתטי
      awk -F "\t" 'בגין{
      OFS="\t"
      org_tax_id="559292"
      }
      {
      אם($1 != "" & $2 != ""){
      הדפס org_tax_id"/"$1, $2
      }
      }' מיפוי s_cerevisiae.txt >>.txt

      #create ערכי מיפוי מלאכותיים עבור גנים אנושיים
      awk -F "\t" 'בגין{
      OFS="\t"
      human_tax_id="9606"
      }
      {
      אם($5 == human_tax_id){
      הדפס $5"/"$2, $2
      }
      אם($6 == human_tax_id){
      הדפס $6"/"$3, $3
      }
      }' bg_synlet.txt | מיין -u >> מיפוי.txt

      #add מפתחות צירוף נדרשים (מזהה מס/סמל גנים) לאינטראקציות קטלניות סינתטיות
      awk -F "\t" 'בגין{
      OFS="\t"
      }
      {
      אם(NR == 1){
      הדפס $0, "מפתח אינטראקציה A", "מפתח אינטראקציה B"
      }אחר{
      הדפס $0, $5"/"$2, $6"/"$3
      }
      }' bg_synlet.txt > tmp_bg_synlet_w_keys.txt

      #join אינטראקציות קטלניות סינתטיות עם זוגות אורתולוגיים
      מיזוג tmp_bg_synlet_w_keys.txt מיפוי.txt 7 1 > tmp.txt
      מיזוג מיפוי .txt tmp.txt 8 1 > bg_synlet_mapped.txt

      הערה: פקודת המיזוג המשמשת בדוגמה זו אינה פקודת יוניקס רגילה. עם זאת, היישום שלה בעזרת GNU Core Utilities מיון ולהצטרף הוא פשוט. הפקודה הוכנסה כדי להסתיר את המורכבות של מיון הקבצים לפני שניתן יהיה לצרף אותם עם צירוף הפקודה. ניתן למצוא יישום של מיזוג https://github.com/aheinzel/merge-sh.
    1. שימוש בכל מזהה גנים המזהה באופן ייחודי את הגן במרחב שמות מסוים לקבלת התוצאות הטובות ביותר האפשריות.
      הערה: שלב 2 גורם לרשימה של אינטראקציות קטלניות סינתטיות מאורגניזמים מרובים הממופים לגנים אנושיים.

3. מיפוי שותפים סינתטיים לאינטראקציה קטלנית לסמים

  1. לאחזר זוגות מטרות סמים מבנק הסמים.
    1. הורד נתוני DrugBank ממדור ההורדות של DrugBank וליצור חשבון הראשון אם לא נוצר כבר22. השתמש בקובץ ה- CSV עם מזהי יעד של תרופות (סעיף מזהי חלבונים: https://www.drugbank.ca/releases/latest#protein-identifiers) ואוצר המילים של DrugBank (מקטע נתונים פתוחים: https://www.drugbank.ca/releases/latest#open-data) עם מזהים ושמות של DrugBank. לחלופין, חלץ את המידע הדרוש מה- Dump של מסד הנתונים של XML.

      ##restrict את קובץ יעד התרופה DrugBank לעמודות רלוונטיות ולשמור רק ערכים עבור ישויות מולקולריות אנושיות
      DB_TARGETS="הכל.csv"
      אוצר המילים של DB_NAMES="בנק הסמים.csv"

      #extract עמודות רלוונטיות ועצב מחדש את הכרטיסיה כמפריד עמודות
      csvtool col 3,12,13 -u TAB "${DB_TARGETS}" > target_to_drugs_agg.txt

      awk -F "\t" 'בגין{
      OFS="\t"
      }
      {
      אם(NR == 1 || $2 == "בני אדם"){
      הדפס $1, $3
      }
      }' target_to_drugs_agg.txt > human_target_to_drugs_agg.txt

      הערה: נתוני DrugBank מסופקים בשני פורמטים עיקריים. מסד הנתונים המלא זמין כקובץ XML. בנוסף, רוב הנתונים זמינים בסדרה של קבצי ערך מופרד באמצעות פסיקים (CSV).
    1. שים לב כי DrugBank גם מתעד מטרות סמים שאינם אנושיים. עמודת המינים (עמודה מספר 12) יכולה לשמש לחילוץ מטרות סמים אנושיות.
      הערה: לקבלת שמות קריאות טובים יותר של העמודות שחולצו מסופקים בטבלה 2. קיימים מקורות אחרים (למשל מסד הנתונים של היעד הטיפולי או Chembl) המחזיקים בקישורים ליעדי סמים, כמתואר בסעיף הדיון.
מספר עמודה שם כותרת עמודה
3 שם גנים
12 מינים
13 מזהי סמים
  1. הוסף שמות סמים למטרות סמים.
    1. מאז שם התרופה ומידע יעד סמים מסופק בשני קבצי CSV נפרדים, למזג את המידע משני הקבצים לאחר מכן להוסיף שמות של תרופות מיקוד שותף אינטראקציה קטלני סינתטי לאינטראקציות קטלניות סינתטי. הצטרף לשתי ערכות הנתונים באמצעות העמודה הנפוצה DrugBank-drug-ID. לנרמל את ערכת הנתונים של יעד התרופה תחילה כי הוא מכיל רק אחד DrugBank-סמים-מזהה לשורה, כמו הקובץ הראשוני עשוי להחזיק מזהי סמים DrugBank מרובים ברציפות אם חלבון ממוקד על ידי תרופות מרובות.

      ##generate קובץ יחיד המחזיק סמל גן יעד סמים, מזהה סמים DrugBank ושם סמים
      ערכת נתונים של יעד #normalize לסמים
      awk -F "\t" 'בגין{
      OFS="\t"
      }
      {
      אם(NR == 1){
      הדפס $0
      }אחרת אם($1 != "" & $2 != ""){
      פיצול($2, drug_targets, ";")
      עבור(i ב- drug_targets){
      drug_target = drug_targets[i]
      gsub(/ /, "", drug_target)
      הדפס $1, drug_target | "מיין -u"
      }
      }
      }' human_target_to_drugs_agg.txt > human_target_to_drug.txt

      #extract עמודות רלוונטיות ולאתחל מחדש את הכרטיסיה כמפריד עמודות
      csvtool col 1,3 -u TAB "${DB_NAMES}" > drugbank_id_to_name.txt

      מיזוג human_target_to_drug.txt \
      drugbank_id_to_name.txt 2 1 > db_human_drug_targets.txt

      הערה: טור אחד ושלושה באוצר המילים של בנק הסמים.csv להחזיק את מזהה התרופה DrugBank ואת השם המתאים.
  1. הוסף תרופות המכוונות לשותפי אינטראקציה קטלנית סינתטיים לקבוצת נתונים סינתטית של אינטראקציה קטלנית.
    1. הצטרף לקבוצת הנתונים של האינטראקציה הקטלנית הסינתטית עם קובץ שם התרופה של יעד התרופה שנוצר בשלב הקודם באמצעות עמודות סמל הגן כדי להוסיף תרופות לאינטראקציות קטלניות סינתטיות. יש להקפיד להוסיף שמות סמים לשני בני הזוג של כל אינטראקציה קטלנית סינתטית.
       
      ##enhance קובץ האינטראקציה הקטלנית הסינתטית על ידי הוספת תרופות המכוונות לשותפים של כל אינטראקציה קטלנית סינתטית
      מיזוג bg_synlet_mapped.txt db_human_drug_targets.txt 9 1 > tmp.txt
      מיזוג tmp.txt db_human_drug_targets.txt 10 1 > bg_synlet_mapped_drugs.txt

      הערה: שלב 3 גורם לאינטראקציה קטלנית סינתטית מאורגניזם מרובה עם הגנים והתרופות האורתולוגיים שלהם המכוונים לגנים אלה.

4. הקמת סט של שילובי תרופות שנבדקו כעת בניסויים קליניים

  1. קבל גישה לנתונים ClinicalTrials.gov.
    1. אחזר מידע על ניסויים קליניים בתבנית XML מ- ClinicalTrials.gov בניסויים בודדים (i), (ii) הנובעים משאילתה לחיפוש, או (iii) כל הניסויים במסד הנתונים. לחלופין, השתמש במשאבים שמספקת יוזמת הטרנספורמציה של הניסויים הקליניים, המארחת גם את כל הנתונים ClinicalTrials.gov במסד נתונים יחסי. לפרטים נוספים ראו שלב 4.4.
      הערה: נדרש חשבון חינמי כדי לגשת למופע מסד הנתונים המתארח בענן בהנחיית יוזמת הטרנספורמציה של הניסויים הקליניים. בנוסף, נדרש לקוח plsql.
  2. תתמקד בניסויים התערבותיים.
  3. סנן עבור ניסויים ספציפיים עבור אינדיקציה לעניין.
    הערה: ClinicalTrials.gov מספקת שמות מחלות מאוצר המילים המבוקר של כותרות הנושאים הרפואיים של NCBI (MeSH). בניגוד למגיש בתנאי שמות המחלות, אוצר המילים המבוקר מאפשר לזהות ביעילות ניסויים לאינדיקציה לעניין. עם זאת, יש לזכור כי אוצר המילים הנשלט על ידי NCBI MeSH הוא אוצר מילים. לכן, בדוק את דפדפן MeSH (https://meshb.nlm.nih.gov) אם האינדיקציה הכללית לעניין יש תנאים צאצאים /צרים יותר ולכלול אותם במידת הצורך.
  4. לאחזר את הניסויים שזוהו יחד עם התרופות שנבדקו בניסויים אלה. שאילתה על ניסויים אינדיקציה כללית של סרטן השחלות מסופק להלן.

    ##retrieve ניסויים התערבותיים עבור האינדיקציה הכללית סרטן השחלות מיוזמת טרנספורמציה ניסויים קליניים אירח מסד נתונים יחסי המכיל נתונים ClinicalTrials.gov
    | <<חתול
    \pset כותרת תחתונה כבויה
    בחר s.nct_id, s.brief_title, i.intervention_type i.name נפרדים
    ממחקרים s
    צירוף פנימי browse_conditions c ON(s.nct_id = c.nct_id)
    התערבויות פנימיות של JOIN i ON(s.nct_id = i.nct_id)
    איפה s.study_type = 'התערבות'
    ו- c.mesh_term IN (
    "ניאופלסמות השחלות",
    "קרצינומה, אפיתל השחלות",
    "גידול בתא גרנולוזה",
    "תסמונת סרטן השד והשחלות התורשתית",
    "לוטומה",
    "תסמונת מיגס",
    "סרטולי-ליידג גידול תאים",
    "תקומה"
    )
    הזמנה לפי s.nct_id, i.intervention_type;
    תם גופי
    psql --host="aact-db.ctti-clinicaltrials.org" --שם משתמש="XXX" --סיסמה --ללא יישור --מפריד שדות="^I" --פלט="clinical_trials.txt"
  1. לחלץ שמות סמים ולמפות לשמות DrugBank.
    הערה: למרות שזה מפתה להשתמש ישירות בשמות התרופות שהוחזרו מניסויים קליניים מעניינים יש להיות מודעים לכך ששמות התערבות ClinicalTrials.gov מוזנים על ידי המגיש כטקסט חופשי. כתוצאה מכך, השמות אינם מתוקננים, ניתן להשתמש בשמות מותגים במקום בשם המורכב המשותף ואין ערובה לנורמליזציה נכונה של נתונים (למשל שמות סמים מרובים בערך אחד). בנוסף, זה נפוץ כי תרופות מוגשות עם סוג התערבות שונה, שונה תרופה. לכן, מיפוי שמות ההתערבות שאוחזרו לשמות סמים DrugBank מתבצע בצורה הטובה ביותר באופן ידני.

      ##Obtain רשימה של התערבויות בשימוש במערכת של ניסויים קליניים שאוחזרו בעבר.
    גזור -d "^I" -f3,4 clinical_trials.txt | זנב -n +2 | מיין -u

    הערה: עמודות 3 ו- 4 מחזיקות סוג של שם התערבות והתערבות, בהתאמה.

  1. להשלים עם תרופות כבר בשימוש קליני מהנחיות
    הערה: שלב 4 מביא לרשימת תרופות תחת הערכה/שימוש לצורך אינדיקציה לעניין.

5. זיהוי של שילובי סמים המכוונים לאינטראקציות קטלניות סינתטיות

  1. חפש אינטראקציות קטלניות סינתטיות להיות ממוקד על ידי שתי תרופות מעניינות. להגביל את ערכת הנתונים משלב 3 לסמים מעניינים על ידי סינון שורות בקובץ המחזיק הן תרופה A והן סמים B.

    ##only לשמור ערכים עבור אינטראקציות קטלניות סינתטיות וסמים המפעילים אותם שבו שני בני הזוג ממוקדים על ידי שתי תרופות מעניינות (drug_a drug_b)
    awk -F "\t" '{
    אם( ($12 == drug_a & $14 == drug_b) || ($12 == drug_b & $14 == drug_a) ) ) {
    הדפס $0
    }
    "drug_a XXX" drug_b ="YYY" bg_synlet_mapped_drugs.txt
  1. ודא כי אף אחת משתי התרופות לבד הוא מיקוד שני שותפים אינטראקציה קטלנית סינתטית. בדוק את מטרות התרופה של כל תרופה מזוהה בקבוצת הנתונים משלב 3.2 ולהעריך אם שני שותפים קטלניים סינתטיים מזוהים הם מטרות של התרופה הספציפית.

    ##find כל ערכי יעד הסמים עבור שם תרופה נתון
    awk -F "\t" '{
    אם($3 == סמים){
    הדפס $0
    }
    "XXX" db_human_drug_targets.txt

    הערה: תרופה שתתמקד בשני מסלולי האינטראקציה הקטלניים הסינתטיים תהיה רעילה לכל תא, כך שתיאורטית היא אינה סוכן רב מטרות בעל ערך. זו הסיבה מדוע אפשרות זו אינה נכללת בשלב זה של האלגוריתם.
     

6. בדיקת שילובי תרופות חדשים נבחרים במבחנה

  1. לטפל בתאי סרטן השד האנושי ותאי אפיתל שפירים אנושיים בתרבית בשיטות פולחן במבחנה רגילה באווירה לחה של 37 מעלות צלזיוס עם 5% CO2 עם שילובי תרופות שונים.
  2. השתמש במדיה בתוספת סרום שור עוברי ופניצילין, כמו גם סטרפטומיצין גופרתי כדי לעכב זיהום חיידקי.
  3. לדלל תרופות ממיסים כגון DMSO או מלוחים אגירה פוספט לפחות ארבעה ריכוזים שונים המבוססים על IC50 הוקמה בעבר שלהם (ריכוז מעכבות) ולהשתמש בהם בשילוב או לבד לטיפול בתאים.
  4. בצע מבחני הכדאיות של התא ואת מבחני אפופטוזיס כגון כתמי AnnexinV/7-AAD כדי לקבוע השפעות ציטוטוקסיות הנגרמות על ידי טיפולים.
  5. לפקח על עיכוב תרופתי של מטרות מולקולריות חשודות באמצעות כתמים מערביים.
  6. להבחין קטלניות סינתטית אפקטים תוסף גרידא חישוב מדד קומבינטור (CI) כמתואר על ידי צ'ו ואחרים23.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

הקבוצה שלנו פרסמה לאחרונה שני מחקרים המיישמים את זרימת העבודה המתוארת בכתב יד זה כדי לזהות שילובי תרופות המכוונים אינטראקציות קטלניות סינתטיות בהקשר של סרטן השחלות והשד24,25. במחקר הראשון, הערכנו שילובי תרופות שנבדקות כיום בניסויים קליניים בשלב מאוחר (שלב III ו- IV) או שכבר נמצאים בשימוש בפרקטיקה הקלינית לטיפול בחולי סרטן השחלות לגבי השפעתם על אינטראקציות קטלניות סינתטיות. בנוסף, זיהינו שילובי תרופות שאינם נבדקים כיום בניסויים קליניים אך מספקים רציונל מנקודת המבט של מיקוד אינטראקציות קטלניות סינתטיות. לכן הערכנו את כל שילובי התרופות האפשריים בבחירת תרופות מהבריכה של כל התרכובות בניסויים בסרטן השחלות בשלב מאוחר. זיהינו קבוצה ייחודית של 61 שילובי תרופות שנחקרו ב 68 בשלב מאוחר סרטן השחלות ניסויים. 12 מתוך 61 שילובי התרופות האלה התייחסו לפחות לאינטראקציה קטלנית סינתטית אחת. 84 שילובי תרופות נוספים הוצעו כדי לטפל אינטראקציות קטלניות סינתטי מבלי להיחקר בניסויים קליניים עד כה. 21 תרופות ייחודיות תרמו ל-84 שילובי הסמים שזוהו המכוונים לקבוצה של 39 אינטראקציות קטלניות סינתטיות כפי שניתן באיור 1.

Figure 1
איור 1: רשת של שילובי תרופות חדשניים מוצעים בהקשר של סרטן השחלות. איור 1 מציג אינטראקציות קטלניות סינתטיות שבהן אינטראקציות מטופלות על ידי שתי תרופות שאינן נבדקות כעת בניסויים קליניים. אינטראקציות סינלט מוצגות באדום, בעוד שקישורי יעד לסמים מסומנים על-ידי קצוות אפורים. קווים מנוקדים מייצגים אינטראקציות קטלניות סינתטיות המטופלות על ידי שילובי תרופות אחרים בניסויים קליניים בסרטן השחלות בשלב מאוחר. שילובי תרופות אלה שנחקרו מסומנים בכוכבית (*), כל אחד בשילוב עם paclitaxel עם שילוב נוסף נחקר של cediranib ו olaparib להיות מסומן על ידי מעגל (o) [מותאם מ 25]. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

באמצעות אותה זרימת עבודה במחקר שני, זיהינו 243 שילובי תרופות מבטיחים המכוונים ל-166 זוגות גנים קטלניים סינתטיים בהקשר של סרטן השד. בדקנו באופן ניסיוני שילובי תרופות נבחרים לגבי השפעתם על הכדאיות של התאים ועל אפופטוזיס בשני קווי תאים של סרטן השד. בפרט, השילוב המוצע של תרופות רעילות נמוכה של celecoxib וחומצה זולדרונית הראה ציטוקסיות מעבר להשפעות תוסף בקווי תאים סרטן השד כפי שנקבע על ידי האינדקס הקוקומבינטורי שלהם. תוצאות מבחני הכדאיות והאפופטוזיס לשילוב תרופות זה מוצגות באיור 2.

Figure 2
איור 2: השפעת חומצה celecoxib ו zoledronic על הכדאיות ואפופטוזיס בתאי SKBR-3. (A)תוצאות מבחני הכדאיות עבור celecoxib (CEL), חומצה זולדרונית (ZOL) והשילוב של חומצה זולדרונית ו- celecoxib (ZOL + CEL) בקווי תאים של סרטן השד SKBR-3. ריכוזי CEL נמוכים וגבוהים בשימוש היו 50μM ו 75μM. ריכוזי ZOL נמוכים וגבוהים בשימוש היו 500μM ו 750μM. לשילוב התרופות הייתה השפעה סינרגטית משמעותית על הכדאיות של התאים (** p < 0.001). (B, C) נספח V (ANXA5) ו 7-AAD כתמים של תאים SKBR-3 שטופלו CEL, ZOL, ואת שילוב התרופה ZOL + CEL. אחוז תאי 7-AADpos/ANXA5pos הוגדל לאחר הטיפול בשילוב התרופות ZOL + CEL [מותאם מ-24]. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

התווינו זרימת עבודה לזיהוי שילובי תרופות המשפיעים על אינטראקציות קטלניות סינתטיות. זרימת עבודה זו עושה שימוש (i) נתונים על אינטראקציות קטלניות סינתטיות של אורגניזמים מודל, (ii) מידע של אורתולוגים אנושיים, (iii) מידע על אסוציאציות יעד תרופתי, (iv) מידע על תרופות על ניסויים קליניים בהקשר של סרטן, כמו גם (v) על מידע של מחלות סמים ואגודות מחלות גנים שחולצו מן הספרות המדעית. המידע המאוחד יכול לשמש כדי להעריך את ההשפעה של שילוב תרופות נתון תחת חקירה על זוגות גנים קטלניים סינתטיים. בנוסף, נתונים מאוחדים יכולים לשמש להערכת קבוצה של תרופות הנחקרות או נבדקות כעת בניסויים קליניים בהקשר של סרטן כדי למצוא שילובים המכוונים לאינטראקציות הקטלניות הסינתטיות הרלוונטיות ביותר, ולכן יש סיכוי גבוה יותר להשפיע על הישרדות תאי הגידול. לבסוף, הנתונים שנוצרו יכולים לשמש כדי לסנן שילובי תרופות המורכבים מתרופות שלא פותחו בתחילה לטיפול בגידולים, ובכך לספק דרך למקרה מיקום מחדש של תרופות מונחה חישובית.

עבור כל שלב בזרימת העבודה של שילוב נתונים אנו מציגים מקורות נתונים מרכזיים כדי להשלים את זרימת העבודה המלאה של הנתונים, אך מציינים כי ניתן לשפר עוד יותר את זרימת העבודה בשלבים שונים על-ידי שימוש במקורות נתונים נוספים. בזרימת העבודה שלנו הוצאנו זוגות אינטראקציה קטלנית סינתטית ממסד הנתונים BioGRID18. התמקדנו במיוחד באינטראקציות של סוגי ניסויים "קטלניות סינתטית" ו"גנטיקה שלילית". מידע ב BioGRID על אינטראקציות קטלניות סינתטיות מכיל datasets ממסך גנטי גדול כמו למשל ערכת נתונים שפורסמה על ידי קוסטנזו ועמיתיו26, אשר זמין גם במסד הנתונים DRYGIN27, כמו גם נתונים על אינטראקציות קטלניות סינתטיות בודדות כמתואר בניסויים בודדים בספרות המדעית. ישנם מקורות נתונים נוספים איסוף ואחסון אינטראקציות קטלניות סינתטיות, כמו למשל SynLethDB28. יתר על כן, ברמה של מיפוי אורתולוגיה, מספר רב של כלים ומאגרי מידע שונים קיימים. אנו מציגים דרך לעשות שימוש Ensembl biomart למפות שותפים סינתטיים אינטראקציה קטלנית מזוהה אורגניזמים מודל האורתולוגים האנושיים המתאימים שלהם. מאגרי מידע ושירותים אורתולוגיים אחרים כוללים את מסד הנתונים HomoloGene29של NCBI , את מסד הנתונים האורתולוגי של OMA מהמכון השוויצרי לביואינפורמטיקה30, או את מסד הנתונים של קבוצות אורתולוגיות InParanoid המתוחזק על ידי המרכז הביואינפורמטיקהשל שטוקהולם 31. בזרימת העבודה שלנו, התמקדנו באינטראקציות קטלניות סינתטיות של אורגניזמים מדגמים מרובים, כאשר המספר הגדול ביותר של אינטראקציות קטלניות סינתטיות מגיעות משמרים. אפשר לשקול להגביל את ערכת הקלט למיפוי האורתולוגיה לנתונים מעכבר וחולדה בלבד, שהם אבולוציוניים קרובים יותר לבני אדם. דרך נוספת להגדיר את ערכת הקלט של אינטראקציות קטלניות סינתטיות היא להתמקד רק באינטראקציות קטלניות סינתטיות השמורות במינים מרובים, ובכך להגדיל את הסיכויים שהאינטראקציה הקטלנית הסינתטית היא חיובית באמת. זה מצד שני עשוי להפחית את הסט של אינטראקציות קטלניות סינתטיות באופן דרמטי, שכן יש כבר הבדל גדול באינטראקציות הקטלניות הסינתטיות שזוהו בין S. cerevisiae ו- S. pombe. גישה נוספת היא לא להיות מחמירים מדי בהתחלה ואפילו להרחיב את הסט של אינטראקציות קטלניות סינתטיות ניסיוניות על ידי אלגוריתמים של למידת מכונה כפי שעשינו בשני המחקרים המפורטים בסעיף התוצאות הייצוגיות. בקצרה, מודל יער אקראי שימש לחיזוי אינטראקציות קטלניות סינתטיות עבור גנים אנושיים שעבורם לא היו גנים אורתולוגיים בשמרים. מודל היער האקראי אומן על הסט של זוגות אינטראקציה קטלנית סינתטית מן השמרים והגנים האנושיים האורתולוגיים שלהם באמצעות נתונים על אסוציאציות מסלול, המשימה אונטולוגיה ג'ין, כמו גם מחלות ואגודות סמים כמתואר בעבר24,25. זה איפשר לנו לשקול גנים אנושיים שעבורם לא היה מידע מיפוי אורתולוגי זמין בזרימת העבודה שלנו אינטגרציה. מסד נתונים בשימוש נרחב אחסון מידע על עמותות יעד סמים הוא DrugBank, שהוא גם המקור העיקרי של אינטראקציות בזרימת העבודה. מסדי נתונים אחרים המחזיקים במידה מסוימת מידע משלים על מטרות סמים הם מסד הנתונים יעד טיפולית (TTD)32 או ChEMBL33. מרכיבים עיקריים של זרימת העבודה משולבים גם בפלטפורמת הערכת השווי של emergentec ו- SynLethDB, אשר פותחה על ידי חוקרים מהאוניברסיטה הטכנולוגית Nanyang. העדכון האחרון של SynLethDB בשנת 2015, לעומת זאת, התבסס על ערכות הנתונים המאוחסנות במקטע ההורדה בדף האינטרנט המתאים שלהם28.

דרך לדרג שילובי תרופות מזוהים וזוגות אינטראקציה קטלנית סינתטית ממוקדת היא באמצעות שיוך של שותפים קטלניים סינתטיים ו / או תרופות עם מחלת העניין באמצעות שיטות כריית ספרות. בעבודתנו על הערכת שילובי תרופות בהקשר של סרטן השחלות, דירגנו שילובי תרופות מוצעים על סמך מספר הפרסומים על סרטן השחלות המזכירים כל אחד משני האינטראקציות הקטלניות הסינתטיות של שילוב תרופות בהתאמה. ביאור MeSH ב Pubmed יכול לשמש כדי לזהות פרסומים עבור מחלה ספציפית באמצעות מונחי המחלה המדויקת כפי שניתן בסניף MeSH הגדול C. מידע על גנים בפרסומים שזוהו ניתן לחלץ באמצעות קובץ מיפוי gene2pubmed של NCBI כמתואר במקומות אחרים34. יתר על כן, ישנם מסדי נתונים ייעודיים המחזיקים בקישורים למחלות גנים ו/או מחלות סמים כגון מסד הנתונים ההשוואתי Toxicogenomics35, DisGeNET36, או פלטפורמת התוכנה להערכת שווי אלקטרונית. דירוג שילובי תרופות המבוססים על עמותות מחלות הוא דרך אחת לתמוך במבחר הסופי של שילובי תרופות לבדיקות ניסיוניות. היבטים נוספים צריכים להילקח בחשבון בעת בחירת שילובי תרופות לבדיקות נוספות, כמו למשל פרופילי רעילות בודדים של התרופות או מצב הביטוי של אינטראקציות קטלניות סינתטיות באיבר היעד המתאים.

בסעיף התוצאות הייצוגיות, אנו מציגים נתונים עבור שילוב התרופות של celecoxib וחומצה זולדרונית, אשר זוהה בעקבות זרימת העבודה כדי לזהות שילובי תרופות בהקשר של סרטן השד. שילוב תרופות מסוים זה נבחר לבדיקות ניסיוניות בשל פרופילי הרעילות הנמוכים של שתי התרכובות. השתמשנו בריכוזים שונים בניסויים במבחנה כדי להעריך את ההשפעה של שילוב התרופה על הכדאיות של התא ואפופטוזיס. באופן אידיאלי, ריכוזי סמים ניתן להוריד באופן משמעותי עבור תרופות בודדות כדי למזער את תופעות הלוואי בעת ובעונה אחת למקסם את היעילות על ידי שילוב של שתי תרופות. לראות השפעה על הכדאיות במינונים נמוכים יותר הוא אפילו יותר משמעותי, כמו ריכוזי סמים המשמשים בדיקות במבחנה ניתן לבקר להיות supratherapeutical, כי הם לא הגיעו במודלים vivo. עם זאת, הריכוזים נבחרו על סמך ניסויים בתרבות התא עם תרופות אלה שניתנו בספרות. מינון סמים עשוי להשפיע עוד יותר על המטרות מושפעות בעיקר, כמו רוב התרכובות יש יותר מיעד תרופה אחד, פוטנציאל להשפיע על קבוצה גדולה של מולקולות ידועות ולא ידוע במורד הזרם גם כן. שילובי תרופות המראים השפעות סינרגטיות על הכדאיות של התאים במערכות תרבית תאים במבחנה ולכן יש לחקור עוד יותר בדגמי תלת מימד או in-vivo.

לסיכום, אנו מציגים זרימת עבודה המשלבת מידע ממקורות נתונים שונים כדי להעריך ולהציע שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות. עד כה, המידע הגדול ביותר על אינטראקציות קטלניות סינתטיות עדיין מגיע אורגניזמים מודל, הדורש צעד מיפוי אורתולוגיה חובה לגנום האנושי. מסכים ראשונים בתאי הפלואיד אנושיים הובילו לזיהוי אינטראקציות קטלניות סינתטיות בתאים אנושיים. בנוסף, טכנולוגיית CRISPR/CAS פתחה דרכים חדשות לחקר אינטראקציות קטלניות סינתטיות ברמה התאית. עם נתוני אינטראקציה קטלנית סינתטיים ביולוגיים באיכות גבוהה יותר הופכים לזמינים, אנו מציעים כי מאמצי שילוב נתונים כגון שלנו ישנו טיפול בסרטן קליני בעתיד, על ידי גילוי זוגות גנים קטלניים סינתטיים חדשניים בעלי משמעות קלינית מלבד BRCA(1/2)/PARP1.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

AH ו- PP היו עובדים של GmbH פיתוח ביולוגי emergentec בעת ביצוע הניתוחים המובילים לתוצאות שהוצגו בסעיף התוצאות הייצוגיות. ל-MM ולח"כים אין מה לחשוף.

Acknowledgments

מימון לפיתוח זרימת העבודה של שילוב נתונים התקבל מתוכנית המסגרת השביעית של הקהילה האירופית במסגרת הסכם מענק nu. 279113 (אוקטיפס). התאמת נתונים בתוך פרסום זה אושרה בחביבות על ידי הספרייה הציבורית של מדעים פרסומים וכתבי עת השפעה, LLC.

Materials

Name Company Catalog Number Comments
BioGRID n/a n/a thebiogrid.org
ClinicalTrials.gov n/a n/a ClinicalTrials.gov
DrugBank n/a n/a drugbank.ca
Ensembl BioMart n/a n/a ensembl.org
for alternative computational databases please refer to the manuscript
7-AAD ebioscience 00-6993-50
AnnexinV-APC BD Bioscience 550474
celecoxib Sigma-Aldrich PZ0008-25MG
CellTiter-Blue Viability Assay Promega G8080
FACS Canto II BD Bioscience n/a
fetal bovine serum Fisher Scientific/Gibco 16000044
FloJo Software FloJo LLC V10
McCoy's 5a Medium Modified Fisher Scientific/Gibco 16600082
penicillin G/streptomycin sulfate Fisher Scientific/Gibco 15140122
SKBR-3 cells American Type Culture Collection (ATCC) ATCC HTB-30
zoledronic acid Sigma-Aldrich SML0223-50MG
further materials or equipment will be made available upon request

DOWNLOAD MATERIALS LIST

References

  1. Dobzhansky, T. Genetics of natural populations; recombination and variability in populations of Drosophila pseudoobscura. Genetics. 31, 269-290 (1946).
  2. Hartwell, L. H., Szankasi, P., Roberts, C. J., Murray, A. W., Friend, S. H. Integrating genetic approaches into the discovery of anticancer drugs. Science. 278 (5340), New York, N.Y. 1064-1068 (1997).
  3. D'Amours, D., Desnoyers, S., D'Silva, I., Poirier, G. G. Poly(ADP-ribosyl)ation reactions in the regulation of nuclear functions. The Biochemical Journal. 342 (2), 249-268 (1999).
  4. Gudmundsdottir, K., Ashworth, A. The roles of BRCA1 and BRCA2 and associated proteins in the maintenance of genomic stability. Oncogene. 25 (43), 5864-5874 (2006).
  5. Farmer, H., et al. Targeting the DNA repair defect in BRCA mutant cells as a therapeutic strategy. Nature. 434 (7035), 917-921 (2005).
  6. McCann, K. E., Hurvitz, S. A. Advances in the use of PARP inhibitor therapy for breast cancer. Drugs in Context. 7, 212540 (2018).
  7. Franzese, E., et al. PARP inhibitors in ovarian cancer. Cancer Treatment Reviews. 73, 1-9 (2019).
  8. Ashworth, A., Lord, C. J. Synthetic lethal therapies for cancer: what’s next after PARP inhibitors. Nature Reviews. Clinical Oncology. 15 (9), 564-576 (2018).
  9. Yu, B., Luo, J. Synthetic lethal genetic screens in Ras mutant cancers. The Enzymes. 34, Pt B 201-219 (2013).
  10. Thompson, J. M., Nguyen, Q. H., Singh, M., Razorenova, O. V. Approaches to identifying synthetic lethal interactions in cancer. The Yale Journal of Biology and Medicine. 88 (2), 145-155 (2015).
  11. Ruiz, S., et al. A Genome-wide CRISPR Screen Identifies CDC25A as a Determinant of Sensitivity to ATR Inhibitors. Molecular Cell. 62 (2), 307-313 (2016).
  12. Housden, B. E., Nicholson, H. E., Perrimon, N. Synthetic Lethality Screens Using RNAi in Combination with CRISPR-based Knockout in Drosophila Cells. Bio-Protocol. 7 (3), (2017).
  13. Blomen, V. A., et al. Gene essentiality and synthetic lethality in haploid human cells. Science. 350 (6264), New York, N.Y. 1092-1096 (2015).
  14. Forment, J. V., et al. Genome-wide genetic screening with chemically mutagenized haploid embryonic stem cells. Nature Chemical Biology. 13 (1), 12-14 (2017).
  15. Wildenhain, J., et al. Prediction of Synergism from Chemical-Genetic Interactions by Machine Learning. Cell Systems. 1 (6), 383-395 (2015).
  16. Madhukar, N. S., Elemento, O., Pandey, G. Prediction of Genetic Interactions Using Machine Learning and Network Properties. Frontiers in Bioengineering and Biotechnology. 3, 172 (2015).
  17. Fechete, R., et al. Synthetic lethal hubs associated with vincristine resistant neuroblastoma. Molecular BioSystems. 7 (1), 200-214 (2011).
  18. Oughtred, R., et al. The BioGRID interaction database: 2019 update. Nucleic Acids Research. 47, D1 529-541 (2019).
  19. Zeeberg, B. R., et al. Mistaken identifiers: gene name errors can be introduced inadvertently when using Excel in bioinformatics. BMC bioinformatics. 5, 80 (2004).
  20. Ziemann, M., Eren, Y., Gene El-Osta, A. name errors are widespread in the scientific literature. Genome Biology. 17 (1), 177 (2016).
  21. Kersey, P. J., et al. Ensembl Genomes 2018: an integrated omics infrastructure for non-vertebrate species. Nucleic Acids Research. 46, D1 802-808 (2018).
  22. Wishart, D. S., et al. DrugBank 5.0: a major update to the DrugBank database for 2018. Nucleic Acids Research. 46, D1 1074-1082 (2018).
  23. Chou, T. C. Drug combination studies and their synergy quantification using the Chou-Talalay method. Cancer Research. 70 (2), 440-446 (2010).
  24. Marhold, M., et al. Synthetic lethal combinations of low-toxicity drugs for breast cancer identified in silico by genetic screens in yeast. Oncotarget. 9 (91), 36379-36391 (2018).
  25. Heinzel, A., et al. Synthetic lethality guiding selection of drug combinations in ovarian cancer. PloS One. 14 (1), 0210859 (2019).
  26. Costanzo, M., et al. The genetic landscape of a cell. Science. 327 (5964), 425-431 (2010).
  27. Koh, J. L. Y., et al. DRYGIN: a database of quantitative genetic interaction networks in yeast. Nucleic Acids Research. 38, 502-507 (2010).
  28. Guo, J., Liu, H., Zheng, J. SynLethDB: synthetic lethality database toward discovery of selective and sensitive anticancer drug targets. Nucleic Acids Research. 44, 1011-1017 (2016).
  29. NCBI Resource Coordinators. Database resources of the National Center for Biotechnology Information. Nucleic Acids Research. 44 (1), 7-19 (2016).
  30. Altenhoff, A. M., et al. The OMA orthology database in 2018: retrieving evolutionary relationships among all domains of life through richer web and programmatic interfaces. Nucleic Acids Research. 46 (1), 477-485 (2018).
  31. Sonnhammer, E. L. L., Östlund, G. InParanoid 8: orthology analysis between 273 proteomes, mostly eukaryotic. Nucleic Acids Research. 43, Database issue 234-239 (2015).
  32. Li, Y. H., et al. Therapeutic target database update 2018: enriched resource for facilitating bench-to-clinic research of targeted therapeutics. Nucleic Acids Research. 46 (1), 1121 (2018).
  33. Gaulton, A., et al. The ChEMBL database in 2017. Nucleic Acids Research. 45 (1), 945-954 (2017).
  34. Heinzel, A., Mühlberger, I., Fechete, R., Mayer, B., Perco, P. Functional molecular units for guiding biomarker panel design. Methods in Molecular Biology. 1159 (12), 109-133 (2014).
  35. Davis, A. P., et al. The Comparative Toxicogenomics Database: update 2019. Nucleic Acids Research. 47 (1), 948-954 (2019).
  36. Piñero, J., et al. DisGeNET: a comprehensive platform integrating information on human disease-associated genes and variants. Nucleic acids research. 45 (1), 833-839 (2017).

Tags

חקר הסרטן גיליון 171 קטלניות סינתטית מסכים גנטיים אינטגרציה של נתונים מיפוי הומולוגיה שילובי תרופות סרטן השד טיפול בדיקת כדאיות תאים
זרימת עבודה של שילוב נתונים לזיהוי שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Marhold, M., Heinzel, A., Merchant,… More

Marhold, M., Heinzel, A., Merchant, A., Perco, P., Krainer, M. A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions. J. Vis. Exp. (171), e60328, doi:10.3791/60328 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter