Sentetik Ölümcül Etkileşimleri Hedefleyen İlaç Kombinasyonlarını Tanımlamak için Veri Entegrasyonu İş Akışı
Summary
Model organizmalarda büyük genetik ekranlar negatif genetik etkileşimlerin tanımlanmasına yol açmıştır. Burada, kanserde sentetik ölümcül etkileşimleri hedefleyen ilaç kombinasyonlarını tanımlamak için model organizmalardaki genetik ekranlardan elde edilen verileri kullanarak bir veri entegrasyonu iş akışını açıklıyoruz.
Abstract
İki genden birinin nakavtı hücre canlılığını etkilemediğinde iki gen arasında sentetik bir ölümcül etkileşim verilir, ancak her iki sentetik ölümcül etkileşimcinin de nakavtı hücre canlılığının kaybına veya hücre ölümüne yol açar. En iyi çalışılan sentetik öldürücü etkileşim BRCA1/2 ve PARP1 arasındadır ve PARP1 inhibitörleri klinik uygulamada BRCA1/2 mutasyona uğramış tümörlü hastaları tedavi etmek için kullanılmaktadır. Model organizmalarda ve haploid insan hücre hatlarında büyük genetik ekranlar, hepsi yeni tümör tedavilerinin geliştirilmesinde potansiyel ilgi hedefleri olan çok sayıda ek sentetik ölümcül etkileşim çiftinin tanımlanmasına yol açmıştır. Bir yaklaşım, ilgi tümöründe mutasyona uğramış veya önemli ölçüde küçültülen sentetik bir ölümcül interactor ile genleri terapötik olarak hedeflemektir. İkinci bir yaklaşım, sentetik ölümcül etkileşimleri ele alarak ilaç kombinasyonlarını formüle etmektir. Bu makalede, sentetik ölümcül etkileşimleri hedefleyen uyuşturucu kombinasyonlarını değerlendirmek ve tanımlamak için bir veri entegrasyonu iş akışı özetliyoruz. Sentetik ölümcül etkileşim çiftleri, homoloji haritalama kaynakları, özel veritabanlarından uyuşturucu hedef bağlantıları ve hastalık alanındaki klinik çalışmalarda araştırılan ilaçlar hakkında bilgilerden yararlanıyoruz. Grubumuzun yumurtalık ve meme kanseri bağlamında ilaç kombinasyonu değerlendirmesi üzerine yaptığı iki yeni çalışmanın temel bulgularını daha da vurguluyoruz.
Introduction
Sentetik öldürücülük, bir genin kaybının canlılığı etkilemediği, ancak her iki genin kaybının hücre ölümüne yol açtığı iki genin bir ilişkisini tanımlar. İlk olarak 1946 yılında Dobzhansky tarafından homozigot mutantlar yetiştirilerek drosophila’nın çeşitli fenotipleri analiz ederken tanımlanmıştır1. Kendileri de canlı olmasına rağmen canlı yavrular üretmeyen mutantlar, diğer bazı mutantlarla geçildiğinde ölümcül fenotipler sergileyerek sentetik öldürücülük teorisinin kurulmasına zemin hazırlamıştır. Hartwell ve meslektaşları, bu kavramın insanlarda kanser tedavisi için geçerli olabileceğini önesürdüler 2. Farmakolojik olarak kışkırtılmış sentetik öldürücülük, mutasyona uğramış genin sentetik ölümcül ortağının farmakolojik bir bileşik tarafından hedeflenebilir olduğu göz önüne alındığında, sadece bir mutasyona dayanabilir. Sentetik öldürücülüğün farmakolojik indüksiyonunu sağlayan ilk gen çifti BRCA (1/2) ve PARP1 idi. PARP1, DNA hasarı için bir sensör görevi görür ve çift ve tek DNA iplikçik kırılmaları, süpercoiller ve geçitler3bölgelerine bağlıdır. BRCA1 ve 2, homolog rekombinasyon4’teDNA çift iplikçik kırılmalarının onarımında önemli roller oynar. Çiftçi ve meslektaşları BRCA1/2 için eksik olan hücrelerin PARP inhibisyona duyarlı olduğuna dair bulgular yayınlarken, BRCA vahşi tip hücrelerinde sitotoksiklik gözlenmedi5. Sonuçta, BRCA eksikliği meme ve yumurtalık kanseri tedavisi için PARP inhibitörleri onaylanmıştır6,7. Ayrıca, farmakolojik bileşiklerin klinik onayına yol açan sentetik öldürücülük gen çiftleri çok beklenmektedir ve son kanser araştırma çabalarının önemli bir alanı8.
Sentetik ölümcül gen etkileşimleri meyve sinekleri, C. elegans ve maya2dahil olmak üzere birden fazla organizmada modellenmiştir. RNA paraziti ve CRISPR/CAS-library nakavtları da dahil olmak üzere çeşitli yaklaşımlar kullanılarak, son yıllarda yeni sentetik ölümcül gen çiftleri keşfedildi9,10,11. CRISPR/CAS ile birlikte RNAi’nin deneysel prosedürleri hakkında bir protokol yakın zamanda Housden ve meslektaşları tarafından yayınlandı12. Bu arada, araştırmacılar sentetik ölümcül etkileşimleri tanımlamak için haploid insan hücrelerinde büyük ekranlar da yaptılar13,14. Silikoda biyolojik ağ analizi ve makine öğrenimi gibi yöntemler de sentetik ölümcül etkileşimlerin keşfinde umut vaat etti15,16.
Gebe kalmak gerekirse, anti-tümör tedavisi bağlamında sentetik ölümcül etkileşimlerden yararlanmaya yönelik bir yaklaşım, tümör hücrelerindeki mutasyona uğramış veya işlevsel olmayan proteinleri tanımlamak ve sentetik ölümcül etkileşim ortaklarını terapötik müdahale için ilaç hedefleri vaat etmektir. Çoğu tümör tipinin heterojenliği nedeniyle, araştırmacılar sentetik öldürücü merkez proteinleri aramaya başladılar. Bu sentetik öldürücü göbekler, mutasyona uğramış ve bu nedenle tümör örneklerinde işlevsel olmayan veya önemli ölçüde küçültülen bir dizi sentetik ölümcül etkileşim ortağına sahiptir. Bu tür sentetik ölümcül merkezlerin ele alınması, örneğin vincristine dirençli nöroblastom17bağlamında gösterebileceği gibi, ilaç etkinliğini artırmada veya ilaç direncinin üstesinden gelmede söz verir. Sentetik ölümcül etkileşimler kavramını kullanarak ilaç tedavisini geliştirmek için ikinci bir yaklaşım, sentetik ölümcül etkileşimleri hedefleyen ilaç kombinasyonlarını tanımlamaktır. Bu, zaten onaylanmış tek anti-tümör tedavilerinin yeni kombinasyonlarına ve diğer hastalık alanlarındaki ilaçların onkoloji alanına yeniden yerleştirilmesine yol açabilir.
Bu makalede, sentetik ölümcül etkileşim çiftlerini hedefleyen ilaç kombinasyonlarının bir listesini vermek için adım adım bir prosedür sunuyoruz. Bu iş akışında, (i) BioGRID’den sentetik öldürücü etkileşimler ve (ii) Ensembl’den homolog genler hakkındaki bilgiler, (iii) DrugBank’ten uyuşturucu hedef çiftleri almak, (iv) ClinicalTrials.gov’den hastalık-ilaç ilişkileri oluşturmak ve (v) böylece sentetik ölümcül etkileşimleri ele alan bir dizi ilaç kombinasyonu oluşturmak. Son olarak temsili sonuçlar bölümünde yumurtalık ve meme kanseri bağlamında ilaç kombinasyonları sağlıyoruz.
Protocol
Representative Results
Discussion
Sentetik ölümcül etkileşimleri etkileyen ilaç kombinasyonlarını belirlemek için bir iş akışı özetledik. Bu iş akışı,(i) model organizmalardan sentetik öldürücü etkileşimler hakkındaki verileri, (ii) insan ortezlerinin bilgilerini, (iii) uyuşturucu hedef ilişkileri hakkında bilgileri, (iv) kanser bağlamında klinik çalışmalar hakkında ilaç bilgilerini ve (v) bilimsel literatürden çıkarılan ilaç hastalığı ve gen hastalığı derneklerinin bilgilerini kullanır. Konsolide bilgiler, in…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Veri entegrasyonu iş akışının geliştirilmesine yönelik finansman, Hibe Anlaşması nu kapsamında Avrupa Topluluğu’nun Yedinci Çerçeve Programı’ndan alınmıştır. 279113 (OCTIPS). Bu yayındaki verilerin uyarlanması, Halk Bilimleri Yayınları Kütüphanesi ve Impact Journals, LLC tarafından nazikça onaylanmıştır.
Materials
| 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 | |||
References
- Dobzhansky, T. Genetics of natural populations; recombination and variability in populations of Drosophila pseudoobscura. Genetics. 31, 269-290 (1946).
- 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), 1064-1068 (1997).
- 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).
- 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).
- Farmer, H., et al. Targeting the DNA repair defect in BRCA mutant cells as a therapeutic strategy. Nature. 434 (7035), 917-921 (2005).
- McCann, K. E., Hurvitz, S. A. Advances in the use of PARP inhibitor therapy for breast cancer. Drugs in Context. 7, 212540 (2018).
- Franzese, E., et al. PARP inhibitors in ovarian cancer. Cancer Treatment Reviews. 73, 1-9 (2019).
- 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).
- Yu, B., Luo, J. Synthetic lethal genetic screens in Ras mutant cancers. The Enzymes. 34, 201-219 (2013).
- 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).
- 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).
- 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).
- Blomen, V. A., et al. Gene essentiality and synthetic lethality in haploid human cells. Science. 350 (6264), 1092-1096 (2015).
- Forment, J. V., et al. Genome-wide genetic screening with chemically mutagenized haploid embryonic stem cells. Nature Chemical Biology. 13 (1), 12-14 (2017).
- Wildenhain, J., et al. Prediction of Synergism from Chemical-Genetic Interactions by Machine Learning. Cell Systems. 1 (6), 383-395 (2015).
- 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).
- Fechete, R., et al. Synthetic lethal hubs associated with vincristine resistant neuroblastoma. Molecular BioSystems. 7 (1), 200-214 (2011).
- Oughtred, R., et al. The BioGRID interaction database: 2019 update. Nucleic Acids Research. 47, 529-541 (2019).
- Zeeberg, B. R., et al. Mistaken identifiers: gene name errors can be introduced inadvertently when using Excel in bioinformatics. BMC bioinformatics. 5, 80 (2004).
- Ziemann, M., Eren, Y., Gene El-Osta, A. name errors are widespread in the scientific literature. Genome Biology. 17 (1), 177 (2016).
- Kersey, P. J., et al. Ensembl Genomes 2018: an integrated omics infrastructure for non-vertebrate species. Nucleic Acids Research. 46, 802-808 (2018).
- Wishart, D. S., et al. DrugBank 5.0: a major update to the DrugBank database for 2018. Nucleic Acids Research. 46, 1074-1082 (2018).
- Chou, T. C. Drug combination studies and their synergy quantification using the Chou-Talalay method. Cancer Research. 70 (2), 440-446 (2010).
- 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).
- Heinzel, A., et al. Synthetic lethality guiding selection of drug combinations in ovarian cancer. PloS One. 14 (1), 0210859 (2019).
- Costanzo, M., et al. The genetic landscape of a cell. Science. 327 (5964), 425-431 (2010).
- Koh, J. L. Y., et al. DRYGIN: a database of quantitative genetic interaction networks in yeast. Nucleic Acids Research. 38, 502-507 (2010).
- 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).
- NCBI Resource Coordinators. Database resources of the National Center for Biotechnology Information. Nucleic Acids Research. 44 (1), 7-19 (2016).
- 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).
- Sonnhammer, E. L. L., Östlund, G. InParanoid 8: orthology analysis between 273 proteomes, mostly eukaryotic. Nucleic Acids Research. 43, 234-239 (2015).
- 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).
- Gaulton, A., et al. The ChEMBL database in 2017. Nucleic Acids Research. 45 (1), 945-954 (2017).
- 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).
- Davis, A. P., et al. The Comparative Toxicogenomics Database: update 2019. Nucleic Acids Research. 47 (1), 948-954 (2019).
- 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).
