Araştırma makalesi

RAS Sinyal Yolunda Modellenmiş Protein-Protein Etkileşim Ağının Grafik-Teorik Analizi

DOI:

10.3791/69681

⸱

13 Mart 2026

 , 
1Department of Mathematics & Statistics, College of Science, King Faisal University, 2Department of Mathematics & Applied Mathematics, University of the Western Cape

Bu makalede

Özet

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

Bu çalışma, merkezi olarak bağlı 1. bölge proteinlerini belirlemek ve fonksiyonel ve biyolojik önemlerini karakterize etmek için RAS sinyal yolunun modellenmiş protein-protein etkileşim ağına grafik-teorik bir çerçeve uygulamaktadır.

Özet

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

RAS sinyal yolu, hücresel büyüme, çoğalma ve hayatta kalmanın temel düzenleyicisidir. Bu yolun düzensizliği kanser gelişiminde güçlü bir şekilde rol oynamakla birlikte, hangi yol proteinlerinin en umut vadeden tedavi hedefleri olduğunu belirlemek için sistematik stratejiler sınırlıdır. Bu çalışmanın gerekçesi, RAS sinyal yolunda merkezi proteinlerin çeşitliliğini araştırmak ve bunların kanser biyolojisindeki işlevsel önemini değerlendirmekti. Bunu başarmak için, insan protein-protein etkileşim ağını grafik-teorik bir çerçeve kullanarak metrik uzay olarak modelledik. En kısa yol mesafeleri hesaplanarak en merkezi proteinler belirlendi ve bunlar fonksiyonel bölgelere sınıflandırıldı. En çok bağlı olan bölgeyi temsil eden 1. bölgede bulunan proteinler, kürenmiş RAS yol veri setleriyle çapraz referans alındı. Fonksiyonel zenginleştirme analizi, onkogen/tümör baskılayıcı değerlendirmesi ve kanser genom verilerinin entegrasyonu, biyolojik rolleri ve terapötik potansiyeli yorumlamak için kullanıldı. Sonuçlar, merkezi RAS proteinlerinin %95,2'sinin sinyalizasyonda yer aldığını, %59,5'inin ise gerekli olarak sınıflandırıldığını ortaya koydu. BCL2L1, RAF1, RHOA, MAP2K1, EGFR, CDC42 ve ANGPT1 gibi önemli proteinler, apoptoz direnci, metastaz, anjiyogenez ve tümör ilerlemesi gibi süreçlerde merkezi oyuncular olarak tanımlandı. Bu proteinlerin birkaçı da yerleşik onkogenler ve başarılı terapötik hedeflerle güçlü ilişkiler göstermiştir. Sonuç olarak, bu çalışma RAS sinyal yollarındaki merkezi proteinlerin kanser ilerlemesindeki önemlerini destekleyen fonksiyonel çeşitlilik sergilediğini göstermektedir. Bu bulgular, yol ile ilgili moleküler adayların tanımlanması için tekrarlanabilir ağ tabanlı bir iş akışı sağlar ve daha kesin, yol odaklı kanser tedavilerinin geliştirilmesine katkıda bulunur.

Giriş

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

RAS sinyal yolu, hücresel iletişimin kritik bir düzenleyicisidir veonkogenez 1'deki merkezi rolü nedeniyle kapsamlı şekilde incelenmiştir. Bu yol, birbirine bağlı proteinlerden oluşan bir dizi yol, çekirdeke hücre dışı ipuçları iletir ve böylece proliferasyon, büyüme ve farklılaşma gibi önemli hücreselsüreçleri düzenler. 2.

RAS onkogenlerinin keşfi, 1960'larda Harvey sarkomu virüsünün tanımlanmasıyla başlayan retrovirüsler üzerine erken çalışmalardan kaynaklanmıştır; bu çalışmalar, viral genlerin memeli hücrelerinde kötü huylu dönüşüme neden olabileceğinigöstermiştir 3. Bu kavram daha sonra insan kanserine de genişletildi; Der ve meslektaşları, insan mesane ve akciğer karsinomu hücre hatlarında tanımlanan dönüştürücü genlerin Harvey ve Kirsten sarkom virüsü onkogenlerine (HRAS ve KRAS) homolog olduğunu göstererek RAS genlerinin insan kanserlerinde rol oynayan gerçek hücresel onkogenler olduğunuortaya koydu 4. Sonraki incelemeler bu keşifleri ve kanser biyolojisi üzerindeki etkileriniözetlemiştir 5.

Onkolojinin ötesinde, düzensiz RAS/MAPK sinyalizasyonu da kardiyovasküler bozukluklarda (doğuştan kalp hastalığı, kardiyomiyopatiler ve damar anormallikleri dahil) rol oynamıştır; bu da bu yolun pleiotropik rollerini çeşitli fizyolojik ve patolojik bağlamlardavurgulamaktadır 6,7.

Ayrıca, RASopatilerin önemli kardiyak belirtilere yol açtığı gösterilmiştir; bu da düzensiz RAS/MAPK sinyallerini doğuştan ve edinilmiş kardiyovasküler hastalıklarlailişkilendirmektedir 8,9. Ayrıca, RhoA gibi küçük GTPazlar üzerinde yapılan çalışmalar, stres koşullarında kardiyak hipertrofi ve kardiyokoruma görevlerinivurgulamaktadır 10,12. Bu bulgular, kanser biyolojisi dışındaki RAS sinyallerinin daha geniş fizyolojik önemini vurgulamaktadır ve çeşitli hastalık bağlamlarında hedefli terapötik müdahaleler geliştirmek için daha fazla araştırmayı gerekçelendirmeyi gerektirir.

Daha önce birkaç hesaplamalı ve biyoinformatik çalışma, RAS sinyal yolunu ağ tabanlı, zenginleştirme ve sistem biyolojisi yaklaşımlarıyla incelemiştir. Bu çalışmalar, yol rekonstrüksiyonu, mutasyon kaynaklı ağ bozulmaları, sinyal çapraz konuşması ve ilaç yanıtıtahmini 13,14,15 üzerine odaklanmıştır. Bilgilendirici olsa da, bu yaklaşımların çoğu analizi önceden tanımlanmış yol sınırlarıyla sınırlar veya yerel ağ ölçümlerine dayanır. Buna karşılık, mevcut çalışma tüm insan protein-protein etkileşim ağını bir metrik uzay olarak modeller ve yol haritalamadan önce merkezi proteinleri tanımlar; böylece RAS sinyal organizasyonuna tamamlayıcı, yapı odaklı bir bakış açısı sunar.

Grafik-teorik modeller, karmaşık biyolojik ağları anlamak için yenilikçi bir çerçeve sunar. Protein-protein etkileşimi (PPI) ağını metrik bir uzay olarak kavramsallaştırarak, proteinler ağ merkezindenuzaklıklarına göre bölgelere ayrılabilir. 17. Bölge 1'deki proteinler, en merkezi ve en yüksek bağlantılı düğümleri temsil eder ve genellikle hücre yaşamı için gereklidir ve hastalıkla ilgili yollarda orantısız şekilde yeralır 18. Önceki ağ tabanlı çalışmalar, merkezi ve yüksek bağlantılı proteinlerin ağ kararlılığı, bilgi akışı ve hastalık hassasiyeti üzerinde orantısız bir etki yarattığını ve sıklıkla temel genler ile klinik açıdan ilgili hedefler arasındazenginleştiğini göstermiştir 19,20,21,22. Ancak, bu çerçeveyi özellikle RAS sinyal yoluna uygulayan çok az çalışma bu da ağ merkeziyetinin RAS aracılı onkogenezle nasıl ilişkili olduğuna dair anlayışımızda boşluk bırakmıştır. Mevcut çalışma, RAS yolunda merkezi proteinleri sistematik olarak belirleyerek ve kanser biyolojisindeki rollerini değerlendirerek bu boşluğu gideriyor. Bu yaklaşım, yalnızca net bir hesaplama protokolü sağlayarak tekrarlanabilirliği artırmakla kalmaz, aynı zamanda kanser tedavileri için yeni hedefleri de vurgular; böylece sistem biyolojisi ile translasyonel onkolojinin entegrasyonunu ilerletir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

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

Bu çalışma yalnızca kamuya açık veri setlerinin analizine dayanıyordu ve insan katılımcıları, hayvan denekleri veya doku örneklerini içermedi. Bu nedenle, kurumsal inceleme kurulu (IRB) veya hayvan bakım ve kullanım komitesi (IACUC) onayı gerekmemiştir.

Veri toplama ve ön işleme
İnsan PPI verileri ve kürenmiş RAS sinyal yolu proteinleri, Genom Biyolojisi fonksiyonel protein etkileşim verisetleri 23 ve Karşılaştırmalı Toksikogenomik Veritabanı (CTD) (https://ctdbase.org/) dahil olmak üzere halka açık depolardan alındı. Veri setleri, tekdüzeliği sağlamak için sekmelerle belirlenmiş metin dosyalarına standartlaştırıldı. Ön işleme, tekrarlanan etkileşimlerin kaldırılmasını, kendi döngülerinin ortadan kaldırılmasını ve insan dışı girişlerin filtrelenmesini içeriyordu. Standartlaştırılmış sekme-ayrılmış giriş dosyasına dahil edilen tüm proteinlerin tam listesi, Ek Tablo S1'de sunulmaktadır.

Ağ inşaatı
İnsan PPI ağı, proteinlerin düğümleri temsil ettiği ve etkileşimlerinin kenarları temsil ettiği bir grafik olarak modellenmiştir. En kısa yol mesafelerini hesaplamak için Dijkstra'nın algoritması, Boost Graph Library (C++) (http://www.boost.org/) ile entegre edilmiş özel bir Python betiği kullanılarak uygulanmıştır. Merkezi düğüm, diğerlerine en küçük maksimum en kısa yol mesafesine sahip protein olarak tanımlandı. Ağ, bu merkezi proteinden uzaklığa göre bölgelere ayrıldı.

Bölge sınıflandırması ve yol haritalanması
Proteinler, merkezi proteinden uzaklıklarına göre hiyerarşik bölgelere (bölge 1, bölge 2 vb.) sınıflandırıldı. Analiz için en merkezi ve en yüksek bağlantılı proteinleri içeren Bölge 1 seçildi. Bölge 1'deki proteinler, kürenmiş RAS sinyal yolu protein listeleriyle çapraz referans verildi. Bu çalışmada kullanılan tüm hesaplama prosedürleri, Fadhal ve ark.17 tarafından daha önce tanımlanan çerçeveyi takip etmektedir; mevcut çalışma, özellikle ilk hiyerarşik ağ bölgesindeki RAS ile ilişkili proteinlerin biyolojik yorumuna odaklanmaktadır.

Fonksiyonel zenginleştirme analizi
Fonksiyonel zenginleştirme analizi, CTD açıklamaları ve kürenmiş yol veritabanları kullanılarak gerçekleştirildi ve istatistiksel anlamlılık düzeltilmiş P-değer kesim noktası 0.01 ile tanımlandı.

Onkogen ve tümör baskılayıcı değerlendirmesi
RAS sinyal yoluyla örtüşen merkezi proteinler, onkojenik veya tümör baskılayıcı rolleri açısından daha fazla incelendi. Veriler, büyük ölçekli kanser genom dizileme projelerinden çıkarıldı ve kanserle ilgili veri tabanlarına karşı doğrulandı. Proteinler, yayımlanan kanıtlara dayanarak onkogenler, tümör baskılayıcılar, apoptozla ilişkili proteinler veya terapötik hedefler olaraksınıflandırılmıştır 24,25.

Tekrarlanabilirlik ve doğrulama
Tüm hesaplamalı analizler, bağımsız PPI veri setleri kullanılarak üçlü olarak tekrarlandı. Tüm protokol adımları ve uygulama detayları dahil olmak üzere bu prosedürler, daha önce yayımlanmışçalışmamız 17'de tanımlanan metodolojiye uygun olarak gerçekleştirilmiştir. Sonuçlar, bağımsız çalışmalar arasında tutarlıydı ve protokolün sağlamlığını ve tekrarlanabilirliğini doğruladı. Tekrarlanabilirliği sağlamak için, iş akışının her adımı analizin nasıl yapıldığını netleştirmek için yeterli detayla incelenmiş ve açıklanmıştır. Kaynak kodu ve veri setleri dahil olmak üzere tüm iş akışı Ek Veri S4'te sağlanmıştır. Tüm analizler, özel donanıma ihtiyaç duymadan standart bir iş istasyonunda yeniden üretilebilir.

İş akışı şeması
Çalışma tasarımının genel bir şematiği sunulmaktadır (Şekil 1). Bu diyagram, protokolün her adımını özetler: 1) Veri toplama ve ön işleme, 2) Ağ oluşturma, 3) Bölge sınıflandırması ve haritalama, 4) Fonksiyonel zenginleştirme analizi, 5) Onkogen/tümör baskılayıcı değerlendirmesi ve 6) Sonuçların görselleştirilmesi.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

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

Önceki çalışmalarımızda, PPI ağlarının metrik uzaylar olarak modellemesi için bölge tabanlımetodolojiyi geliştirmiştik 17. Bu yaklaşım, proteinlerin merkezi düğümden uzaklıklarına göre hiyerarşik bölgelere sınıflandırılmasını mümkün kıldı; Bölge 1 ise en çok bağlantılı ve işlevsel olarak gerekli proteinleri temsil eder. Bu temel üzerine inşa edilen mevcut çalışma, önceki çalışmalarımızda tespit edilen bölge 1 proteinlerine odaklanır ve bunların RAS sinyal yolu içi...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

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

Bu çalışma, RAS sinyal yolu içindeki protein-protein etkileşim ağlarının analizi için grafik-teorik bir çerçeve sunar ve fonksiyonel öneme sahip merkezi olarak bağlı proteinleri tanımlar. PPI ağını metrik bir uzay olarak modelleyerek ve minimum en kısa yol mesafeleriyle tanımlanan 1. bölge proteinlerine odaklanarak, analiz yol içinde yapısal olarak merkezi pozisyonlarda bulunan proteinleri öne çıkarıyor. BCL2L1, RAF1, RHOA, MAP2K1, EGFR, CDC42 ve ANGPT1 gibi proteinler tutarlı olarak 1. ...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

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

Tüm yazarlar, bu çalışmayla ilgili çıkar çatışması olmadığını belirtmektedir.

Teşekkürler

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

Bu çalışma, Suudi Arabistan King Faisal Üniversitesi Bilimsel Araştırma Dekanlığı, Lisansüstü Çalışmalar ve Bilimsel Araştırmalar Başkan Yardımcısı tarafından desteklendi KFU260567.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
İnsan proteini– Protein etkileşim veri setleriKamu depoları (Genom Biyolojisi, BioGRID, IntAct)Katılım ID'leri (kaynaklarda belirtildiği gibi)Yok
RAS sinyal yolu protein listesiKarşılaştırmalı Toksikogenomik Veritabanıhttps://ctdbase.org/ RRID:SCR_006530
Python (Sürüm 3.10 veya üzeri)Python Yazılım Vakfı (ABD)https://www.python.org/RRID:SCR_008394
Boost Graph Library (C++)Boost.org (ABD)https://www.boost.org/Yok
Cytoscape (görselleştirme için kullanılır)Sitoscape KonsorsiyumuSürüm 3.9.1RRID:SCR_003032
Büyük ölçekli kanser genom dizileme verileriKanser Genomu Atlası (TCGA)https://www.cancer.gov/ccg/research/genome-sequencing/tcgaRRID:SCR_003193

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Luo, X., et al. Novel paradigms in KRAS targeting: unveiling strategies to combat drug resistance. Chin Med J. 138 (18), 2243-2267 (2025).
  2. Overmeyer, J. H., Maltese, W. A. Death pathways triggered by activated Ras in cancer cells. Front Biosci (Landmark Ed). 16 (5), 1693-1713 (2011).
  3. Harvey, J. J. An unidentified virus which causes the rapid production of tumours in mice. Nature. 204 (4963), 1104-1105 (1964).
  4. Krontiris, T. G., Cooper, G. M. Transforming genes of human bladder and lung carcinoma cell lines are homologous to the ras genes of Harvey and Kirsten sarcoma viruses. Proc Natl Acad Sci U S A. 79 (11), 3637-3640 (1982).
  5. Malumbres, M., Barbacid, M. RAS oncogenes: the first 30 years. Nat Rev Cancer. 3 (6), 459-465 (2003).
  6. Ramos-Kuri, M., et al. Molecules linked to Ras signaling as therapeutic targets in cardiac pathologies. Biol Res. 54 (1), 23(2021).
  7. Hilal, N., et al. RASopathies and cardiac manifestations. Front Cardiovasc Med. 10, 1176828(2023).
  8. Chennappan, S., et al. RASopathies in cardiac disease. Annu Rev Med. 76, 301-314 (2025).
  9. Hilal, N., et al. RASopathies and cardiac manifestations. Front Cardiovasc Med. 10, 1176828(2023).
  10. Wang, X., et al. Roles of small GTPases in cardiac hypertrophy. Mol Med Rep. 29 (2), 13332(2024).
  11. Miyamoto, S. Untangling the role of RhoA in the heart: protective effect and mechanism. Cell Death Dis. 15, 579(2024).
  12. Pang, J. M., et al. MicroRNA-708 emerges as a potential candidate to target undruggable NRAS. PLoS One. 18 (4), e0284744(2023).
  13. Adariani, S. R., et al. A comprehensive analysis of RAS-effector interactions reveals interaction hotspots and new binding partners. J Biol Chem. , (2021).
  14. Tang, R., et al. Multiplexed screens identify RAS paralogues HRAS and NRAS as suppressors of KRAS-driven lung cancer growth. Nat Cell Biol. 25 (1), 159-169 (2023).
  15. Montero-Bullón, J. F., et al. Integrated in silico MS-based phosphoproteomics and network enrichment analysis of RASopathy proteins. Orphanet J Rare Dis. 16 (1), 303(2021).
  16. Fadhal, E., Gamieldien, J., Mwambene, E. C. Protein interaction networks as metric spaces: a novel perspective on distribution of hubs. BMC Syst Biol. 8 (1), 1(2014).
  17. Fadhal, E., Mwambene, E. C., Gamieldien, J. Modelling human protein interaction networks as metric spaces has potential in disease research and drug target discovery. BMC Syst Biol. 8 (1), 2(2014).
  18. Viacava Follis, A. Centrality of drug targets in protein networks. BMC Bioinformatics. 22 (1), 527(2021).
  19. Rout, T., et al. Centrality measures and their applications in network analysis: unveiling important elements and their impact. Procedia Comput Sci. 235, 2756-2765 (2024).
  20. Barabási, A. L., Gulbahce, N., Loscalzo, J. Network medicine: a network-based approach to human disease. Nat Rev Genet. 12 (1), 56-68 (2011).
  21. Peng, Q., Schork, N. J. Utility of network integrity methods in therapeutic target identification. Front Genet. 5, 12(2014).
  22. Wu, G., Feng, X., Stein, L. A human functional protein interaction network and its application to cancer data analysis. Genome Biol. 11 (5), R53(2010).
  23. Bult, C. J., et al. The mouse genome database: genotypes, phenotypes, and models of human disease. Nucleic Acids Res. 41 (D1), D885-D891 (2012).
  24. Vogelstein, B., et al. Cancer genome landscapes. Science. 339 (6127), 1546-1558 (2013).
  25. Mizuno, S., et al. High-throughput functional evaluation of MAP2K1 variants in cancer. Mol Cancer Ther. 22 (2), 227-239 (2023).
  26. He, W., et al. A bioinformatic and mechanistic study elicits the antifibrotic effect of ursolic acid through the attenuation of oxidative stress with the involvement of ERK, PI3K/Akt, and p38 MAPK signaling pathways in human hepatic stellate cells and rat liver. Drug Des Devel Ther. 9, 3989-4104 (2015).
  27. Liotta, L., Petricoin, E. Molecular profiling of human cancer. Nat Rev Genet. 1 (1), 48-56 (2000).
  28. Schubbert, S., et al. Hyperactive Ras in developmental disorders and cancer. Nat Rev Cancer. 7 (4), 295-308 (2007).
  29. Cox, A. D., et al. Convergence of targeted and immune therapies for the treatment of oncogene-driven cancers. Cancer Discov. 13 (1), 19-22 (2023).
  30. Vasan, N., et al. At a crossroads: how to translate the roles of PI3K in oncogenic and metabolic signalling into improvements in cancer therapy. Nat Rev Clin Oncol. 19, 471-485 (2022).
  31. Czarnecka, A. M., et al. Targeted therapy in melanoma and mechanisms of resistance. Int J Mol Sci. 21, 4576(2020).
  32. Sahin, I., et al. Liquid biopsy: novel perspectives on the importance and spectrum of PIK3CA, PTEN and RET mutations in solid tumors. Mol Clin Oncol. 16, 1(2022).
  33. Haefliger, S., et al. Prevalence of molecular alterations in a Swiss cohort of 512 colorectal carcinoma patients by targeted next-generation sequencing analysis in routine diagnostics. Pathobiology. 90 (3), 166-175 (2023).
  34. Amato, O., et al. PIK3CA copy-number gain and inhibitors of the PI3K/AKT/mTOR pathway in triple-negative breast cancer. Cold Spring Harb Mol Case Stud. 9 (2), a006255(2023).
  35. Mizuno, S., et al. High-throughput functional evaluation of MAP2K1 variants in cancer. Mol Cancer Ther. 22 (2), 227-239 (2023).
  36. Haefliger, S., et al. Prevalence of molecular alterations in a Swiss cohort of 512 colorectal carcinoma patients by targeted next-generation sequencing analysis in routine diagnostics. Pathobiology. 90 (3), 166-175 (2023).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

RAS Signaling PathwayProtein Protein InteractionGraph Theoretical AnalysisCentral ProteinsCancer ProgressionFunctional EnrichmentTherapeutic TargetsOncogene EvaluationNetwork ModelingApoptosis Resistance

İlgili makaleler