Yumurtalık Kanserinde Çentik Sinyalizasyonunun Rolünü Anlamak İçin Biyoinformatik Yaklaşımların ve Deneysel Doğrulamaların Entegrasyonu

Cancer Research

Your institution must subscribe to JoVE's Cancer Research section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Biyoinformatik, büyük ölçekli veri kümelerini işlemek için yararlı bir yoldur. Biyoinformatik yaklaşımlarının uygulanması sayesinde, araştırmacılar hızlı, güvenilir ve verimli bir şekilde anlayışlı uygulamalar ve bilimsel keşifler elde edebilirsiniz. Bu makale, yumurtalık kanseri araştırmalarında biyoinformatik kullanımını göstermektedir. Ayrıca başarıyla deneme yoluyla biyoinformatik bulguları doğrular.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Defreitas, S., Rowe, M., Paculis, L., Jia, D. Integration of Bioinformatics Approaches and Experimental Validations to Understand the Role of Notch Signaling in Ovarian Cancer. J. Vis. Exp. (155), e60502, doi:10.3791/60502 (2020).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Çentik sinyalizasyonu, birçok hücresel işlemde yer alan son derece korunmuş bir düzenleyici yoldur. Bu sinyal yolunun disregülasyonu genellikle uygun gelişimi ile girişime yol açar ve hatta bazı durumlarda kanserlerin başlatılması veya ilerlemesine neden olabilir. Bu yol karmaşık ve çok yönlü fonksiyonlara hizmet verdiği için, birçok farklı yaklaşımla kapsamlı bir şekilde incelenebilir. Bunlardan, biyoinformatik inkar edilemez maliyet-etkin, ulaşılabilir ve kullanıcı dostu çalışma yöntemi sağlar. Biyoinformatik, büyük ölçekli veri kümelerinden daha küçük bilgi parçalarını ayıklamanın yararlı bir yoludur. Çeşitli biyoinformatik yaklaşımların uygulanması sayesinde, araştırmacılar bu büyük veri kümelerini hızlı, güvenilir ve verimli bir şekilde yorumlayarak anlayışlı uygulamalar ve bilimsel keşifler sağlayabilirler. Burada, yumurtalık kanserinde Çentik sinyalinin rolünü araştırmak için biyoinformatik yaklaşımlarının entegrasyonu için bir protokol sunulmuştur. Ayrıca, biyoinformatik bulgular deney yoluyla doğrulanır.

Introduction

Çentik sinyal yolu biyolojik organizmalar içinde birçok gelişimsel süreçler için önemli olan son derece korunmuş bir yoldur. Çentik sinyalizasyon hücre çoğalması ve kendini yenileme önemli bir rol oynadığı gösterilmiştir, ve Çentik sinyal yolu kusurları kanserlerin birçok tip yol açabilir1,2,3,4,5,6. Bazı durumlarda, Notch sinyal yolu hem doku büyümesi ve kanser hem de hücre ölümü ve tümör bastırma7bağlantılı olmuştur. Multipl Çentik reseptörleri (NOTCH 1−4) ve co\u2012activator Mastermind (MAML 1−3), tüm farklı fonksiyonları ile, karmaşıklık ek bir düzey ekleyin. Çentik sinyal yolu fonksiyonlar açısından sofistike olsa da, temel yolu moleküler bazda basittir8. Çentik reseptörleri hücre dışı ve hücre içi bölgelerden oluşan transmembran proteinleri olarak hareket9. Notch reseptörlerinin hücre dışı bölgesine bağlanan bir ligand proteolitik bölünmeyi kolaylaştırır, bu da Notch hücre içi etki alanının (NICD) çekirdeğe salınmasına olanak tanır. NICD sonra co\u2012activator Mastermind downstream gen ekspresyonu10etkinleştirmek için bağlanır.

Son yıllarda, Çentik sinyalizasyon farklı türler arasında kanserçeşitli türlerin inisiyasyonu ve ilerlemesi nde çeşitli roller oynadığı gösterilmiştir6,11. Örneğin, Çentik sinyalizasyon insan NOTCH1 geni içeren tümörigenez bağlantılı olmuştur12. Son zamanlarda, NOTCH2, NOTCH3, Delta gibi 3 (DLL3), Mastermind\u2012like protein 1 (MAML1)ve bir disintegrin ve metalloproteinaz etki alanı\u2012içeren protein 17 (ADAM17) genleri güçlü yumurtalık kanseri ile ilişkili olduğu gösterilmiştir, özellikle hastaların kötü genel sağkalım ile13.

Deneysel ve hastayla ilişkili veri miktarı sürekli arttıkça, mevcut verilerin analizine olan talep de artmaktadır. Kullanılabilir veriler yayınlara dağılmış durumdadır ve tutarsız ve hatta çelişkili bulgular sunabilir. Yeni nesil sıralama gibi son yıllarda yeni teknolojilerin gelişmesiyle, mevcut veri miktarı katlanarak artmıştır. Bu bilim ve sürekli biyolojik araştırma için fırsatlar hızlı gelişmeler temsil rağmen, araştırma sorularını çözmek için kamuya açık verilerin anlamını değerlendirmek büyük bir sorun14. Biyoinformatik'in büyük ölçekli veri kümelerinden daha küçük bilgi parçalarını ayıklamanın yararlı bir yolu olduğuna inanıyoruz. Çeşitli biyoinformatik yaklaşımların uygulanması sayesinde, araştırmacılar bu büyük veri kümelerini hızlı, güvenilir ve verimli bir şekilde yorumlayarak anlayışlı keşifler sağlayabilirler. Bu keşifler potansiyel yeni ilaç tedavisi hedefleri veya hastalık biyobelirteçleri belirlenmesi arasında değişebilir, kişiselleştirilmiş hasta tedavileri15,16.

Biyoinformatik hızla gelişmektedir ve teknolojik gelişmeler tıbbi ve biyolojik bilimi süpürürken yaklaşımlar sürekli değişmektedir. Şu anda, ortak biyoinformatik yaklaşımlar DNA veya protein dizilerini analiz etmek, belirli alaka veya önemi genleri belirlemek ve fonksiyonel genomik 16 ile gen ve gen ürünlerinin alaka belirlemek için kamuya açık veritabanları ve yazılım programlarının kullanımını içerir16. Biyoinformatik alanı kesinlikle bu yaklaşımlarla sınırlı olmamakla birlikte, klinisyenlerin ve araştırmacıların biyolojik verileri bir bütün olarak hastaların yararına yönetmelerine yardımcı olmak açısından önemlidir.

Bu çalışma, birkaç önemli veritabanları ve Notch sinyal yolu hakkında araştırma için kullanımı vurgulamak amaçlamaktadır. NOTCH2, NOTCH3, ve onların co\u2012activator MAML1 veritabanı çalışması için örnek olarak kullanılmıştır. Yumurtalık kanserinde Notch sinyal yolunun önemi doğrulandığı için bu genler kullanılmıştır. Alınan verilerin sistematik analizi yumurtalık kanserinde Çentik sinyalinin önemini doğrulamıştır. Buna ek olarak, Notch sinyalizasyon iyi türler arasında korunmuş olduğundan, Drosophila melanogaster NICD ve Mastermind birlikte aşırı ifade Drosophila yumurtalıklarda tümörlerneden olabilir doğrulandı, veritabanı bulguları ve yumurtalık kanserinde Çentik sinyal önemli ve korunmuş rolü destekleyen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Genomik Profillerden Klinik Sonuçların Tahmini (PRECOG)

NOT: PRECOG portalı (precog.stanford.edu) gen ekspresyonu düzeyleri ve hasta klinik sonuçları da dahil olmak üzere 165 kanser ekspresyonu veri kümesinden kamuya açık verilere erişir17. Özellikle meta\u2012Z analizini sağlar, bu analiz, hastanın genel sağkalımını göstermek için 39 kanser türünde z\u2012scores farklı genlerin z\u2012scores sağlamak için büyük veri kümeleri içerir. Kötü ve iyi sağkalım oranları sırasıyla pozitif ve negatif Z\u2012score değerleri ile gösterilir.

  1. Bu veritabanına erişmek için akademik bağlı bir e-postaile bir hesap oluşturun. Hesapla ilişkili e-posta adresini ve parolayı girin.
  2. Meta-Z analiz başlığının altında bulunan Ayrıntıları Görüntüle düğmesine tıklayın.
  3. İlgi genini Arama çubuğuna girin.
  4. İlgi belirli kanser türü için hayatta Kalma Z-puanı elde etmek için ekranın alt kısmında bulunan kaydırma çubuğunu kullanın.

2. CSIOVDB

NOT: CSIOVDB(csibio.nus.edu.sg/CSIOVDB/CSIOVDB.html)Singapur Kanser Bilim Enstitüsü tarafından yumurtalık kanseri18incelemek için geliştirilen bir mikrodizi veritabanıdır. Bu veritabanı, farklı tümör bölgelerinden karsinomların yanı sıra normal yumurtalık doku verilerini içermektedir. Buna ek olarak, CSIOVDB kaplan\u2012Meier sağkalım çizimleri diferansiyel gen ekspresyonu düzeyleri ile hasta sağkalım değerlendirmek için sağlar. CSIOVDB gen ekspresyonu düzeyleri ve yumurtalık kanseri aşamaları / sınıfları arasındaki ilişkiyi araştırmak için uygulanabilir.

  1. İlgi alanı geni girdi, ardından Arama düğmesini tıklatın.
  2. Hastalık Durumu sekmesine tıklayın.
    NOT: Bu sekme, yumurtalık kanseri hastalığı durumlarında ilgi hedef genin gen ekspresyonunun özet istatistiklerini sağlar.
  3. Histoloji sekmesine tıklayın.
    NOT: Bu sekme, majör yumurtalık kanseri histolojilerinde ilgi çekici hedef genin gen ekspresyonunun özet istatistiklerini sağlar.
  4. Clinico-patolojik Parametreler sekmesine tıklayın.
    NOT: Bu sekme, mann-Whitney testleri ile farklı yumurtalık kanseri aşamaları, dereceleri ve klinik yanıtları arasında gen ekspresyonu düzeylerinin karşılaştırılmasını sağlar.
  5. Survival sekmesine tıklayın.
    NOT: Bu sekme, Genel Sağkalım ve Hastalıksız Sağkalımile ilişkili Kaplan-Meier çizimlerini sağlar. Bu veritabanı için hastalıksız sağkalım progresyon ve nükssüz sağkalım olarak kabul edilir18. Genel Sağkalım ve Hastalıksız Sağkalım için çok değişkenli analizler de bu sekme altında bulunmaktadır. Çok değişkenli analizler yumurtalık kanseri prognoses (evre, sınıf, cerrahi debulking, histoloji, yaş) ve ilgi geni ile ilgili özellikleri karşılaştırın.
  6. Alt tür sekmesine tıklayın.
    NOT: Bu sekme, yumurtalık kanserinin moleküler alt tiplerine ilgi veren genin ifade düzeyi için özet istatistikler ve Mann-Whitney testleri sağlar. Bu sekme aynı zamanda Kaplan-Meier'e yumurtalık kanserinin moleküler alt tiplerinde ilgi veren genin Genel Sağkalım ve Hastalıksız Hayatta Kalma ile ilişkili çizimlerini de sağlar.

3. Normal ve Tümör dokusunda Gen Ekspresyonu (GENT)

NOT: GENT portalı (medical\u2012genome.kribb.re.kr/GENT) Kore Biyobilim ve Biyoteknoloji Araştırma Enstitüsü (KRIBB) tarafından geliştirilmiş ve sürdürülmektedir19. 16.400 (U133A; 241 veri kümesi) ve 24.300 (U133plus2; 306 veri kümesi) genel kullanıma açık örnekler toplar. Standardizasyondan sonra GENT, tümör ve normal dokulara ayrılan çeşitli dokular arasında gen ekspresyonu verilerini sunar.

  1. Ekranın üst kısmındaki Arama sekmesine tıklayın.
  2. 1 etiketli bölümde. Anahtar kelime, açılan menüden Terimler için Gen simgesini seçin, Anahtar Kelime bölümünün boş alanına ilgi geninin gen simgesini girdi ve Tür seçeneği için Doku'yu seçin.
  3. 1'in altındaki Arama düğmesini tıklatın. Anahtar kelime bölümü. U133A ve U122Plus2 platformlarına göre farklı kanser tiplerinde normal ve tümör dokularında gen ekspresyonunun özet grafiklerini gösterir.
    NOT: Belirli bir veritabanını incelemek için ayırmak için özet grafiğin üst kısmındaki Veri Filtreleme seçeneğini seçmek isteğe bağlıdır.
  4. Gen ekspresyonu değerleri, doku türleri ve veri kaynakları hakkında ayrıntılı bilgilere erişmek için Sonuç Veri İndirme'nin yanındaki bağlantıyı tıklatın.

4. Geniş Enstitüsü Kanser Hücre Hattı Ansiklopedisi (CCLE)

NOT: CCLE (portals.broadinstitute.org/ccle) Broad Institute tarafından oluşturulan ve genomik profilleri ve mutasyonlar sağlar 947 insan kanser hücresi hatları20.

  1. İstenilen genleri arama çubuğuna girve ardından Arama düğmesini tıklatın.
  2. Veri Kümesini Seçetiketli bölümde açılan menüden mRNA ifadesi (RNAseq) seçeneğini tıklatın.
    NOT: Diğer seçenekler arasında mRNA ifadesi (Affy), Aşil shRNA nakavtve Kopya Numarası.
  3. Tüm İzleri Toggle düğmesine tıklayın. Sağdaki gri kutudan ilgi doku türünü seçin. Ekranın altına doğru ilerleyin ve MRNA ifadeyi indir düğmesini tıklatın.
  4. İndirilen metin belgesini açın. Tüm metni Sayfa 1'ekopyalayıp yapıştırın. Sayfa 1'dekitüm metni kopyalayın.
  5. Elektronik tablo yazılımı Sayfa 2 sekmesinde elektronik tablonun altındaki sayfaya tıklayın. A sütununa sağ tıklayın, Özel Yapıştır'ıseçin ve ardından Sayfa 2'deki Transpose seçeneğini seçin.
  6. Metin Sayfa 2'deiki sütuna dönüştürülürse, Sırala ve Filtre seçeneği başlığı için açılır oka tıklayın ve ardından Filtre seçeneğini seçin. Geneetiketli başlık alanında bir ok görünür. Ok tıklayın ve ilgi doku tipi yazın.
    NOT: Bu adım tüm verileri filtreleyecek ve yalnızca ilgi doku tipi için gen ekspresyonu düzeylerini görüntüler.

5. cBioPortal

NOT: cBioPortal (www.cioportal.org) Memorial Sloan Kettering Kanser Merkezi (MSK) geliştirilmiştir ve erişir, analiz eder ve büyük ölçekli kanser genomik verileri görselleştirir21,22. Özellikle, bu portal araştırmacılar genetik değişiklikler ve sinyal ağları aramak için izin verir.

  1. Açılış sayfasındaki sorguyu kullanarak, Çalışmaları Seçetiketli bölümün altındaki ilgi çeken organları/dokuları tıklatın. İlgi alanıyla ilgili özel çalışmayı seçin ve ardından Gene Sorgula düğmesine basın.
  2. Genomik Profiller Seçetiketli bölümde, üç seçenek arasından seçim: Mutasyonlar, GISTIC putatif kopya numarası değişiklikleri, veya mRNA İfade. Ayrıca Hasta/Vaka Seti Seçiçin açılan menüden karşılık gelen verileri seçin.
  3. Enter Genlersorgu kutusuna hedef gen sembolü(ler) girin. Sorguyu Gönder düğmesini tıklatın.
  4. İstenilen gen ağını almak için sayfanın üst kısmındaki sekmesine tıklayın.
    NOT: Sinyal ağı renk kodludur. Girişli genler kalın kenarlı tohum düğümleri ile gösterilir. Her gen kırmızı bir daire ile temsil edilir ve kırmızı dairenin renk yoğunluğu mutasyon frekansını yansıtır. Genler farklı renkli çizgilerle birbirine bağlıdır. Kahverengi çizgiler aynı biyolojik bileşenin tutulumunu gösteren "Aynı Bileşende" anlamına gelir. Mavi çizgiler gen reaksiyonlarını gösteren "Reacts With" anlamına gelir. Yeşil çizgiler "Durum Değişikliği" anlamına gelir, bir gen başka bir genin bir devlet değişikliğine neden olabileceğini düşündürmektedir.
  5. Ağ görüntüsü indirmek için Görüntü Olarak Kaydet 'i (PNG) seçmek için resmin üst kısmındaki Dosya sekmesine tıklayın.

6. Drosophila'nın istenilen genotipler ve DAPI boyama ile diseksiyonu

NOT: İstenilen genotipler ile kadın Drosophila toplamak, sonra görüntüleme için DAPI boyama prosedürleri geçmesi için sinek yumurtalıkları incelemek.

  1. Fly stokları tj-Gal4, Gal80ts/CyO hazırlayın; UAS-NICD-GFP/TM6B, w*; UAS-mam.A; ve w[1118] NICD-aşırı ekspresyon ile sinekler oluşturmak için (tj-Gal4, Gal80ts/+; UAS-NICD-GFP/+ve NICD ve mam-aşırı ekspresyonu (tj-Gal4, Gal80ts/UAS-mam.A; UAS-NICD-GFP/+özelliği.
  2. Spatiotemporal gen ekspresyonunu kontrol etmek için zamansal ve bölgesel gen ekspresyonu hedefleme (TARGET) tekniğini uygulayın23. Sinekleri yetişkinliğe kadar 18 °C'de kaldırın, ardından diseksiyondan önce maya ile 48 saat boyunca 29 °C'ye gidin.
    NOT: tj-Gal4 sadece yüksek sıcaklıklaraltında UAS ifade sürücü olabilir, Gal80ts tarafından inhibisyonu rahatlamış olduğunda. Diseksiyondan önce maya ilavesi hasat için yumurtalıkları büyütür.
  3. Bir embriyo toplama kabına 1x fosfat tamponlu salin (PBS) (137 mM NaCl, 2,7 mM KCl, 10 mM Na2HPO4, 1,8 mM KH2PO4)3 mL yerleştirin. Sinekleri anestezik için co2 ped kullanın.
  4. Bir dişi sinek seçin, sonra dikkatle bir çift kesme forseps kullanarak sinek alt toraks kapmak ve bir embriyo toplama çanak 1x PBS çözüm içine batırın. Alt karın çimdik ve iç organları serbest bırakmak için yavaşça çekmek için forceps ikinci bir çift kullanın.
  5. Yumurtalık çiftini sinek gövdesinden tanıyın ve ayırın. Yumurtalıkların arka ucunda bulunan kas kılıfını kırın ve ovarioles'i ayırın.
    NOT: Daha kaliteli boyama sonuçları elde etmek için ovarioles'in ayrılması ve kas kılıfının kırılması gerekmektedir.
  6. Yumurtalıkları 500 μL 1x PBS içeren 1,5 mL'lik bir santrifüj tüpüne yerleştirin. Tüm yumurtalıklar toplanana kadar tüp buz üzerinde kalmalıdır.
  7. 1x PBS'yi çıkarın ve 0,5 mL düzeltme çözeltisini (%4 formaldehit) tüpün içine yerleştirin. 10 dakika boyunca nutator üzerine tüp yerleştirin.
  8. Düzeltme çözeltisini tüpten çıkarın ve uygun bir atık kabına atın. Yumurtalıkları 15 dakika boyunca 3x yıkamak için 1 mL 1x PBT (%0,4 Triton™ X-100 ile desteklenmiş 1x PBS kullanın.
  9. Nonspesifik bağlanmayı önlemek için son PBT yıkamayı atın ve 1 mL PBTG (%0.2 büyükbaş hayvan serumalbumini, 1x PBT'de %5 normal keçi serumu) ekleyin.
    NOT: Bu adım DAPI boyama için atlanabilir, ancak antikor boyama için gereklidir. Ayrıntılı immünohistokimya boyama Jia ve ark.24bulunabilir.
  10. 10−15 dakika boyunca tüpe 150 μL DAPI (10 μg/mL) yerleştirin. DAPI'yi atın ve 1x PBT'nin 1 mL'sini kullanarak yumurtalıkları 1x 10 dk yıkayın. PBT'yi çıkarın ve 1x PBS kullanarak 10 dk boyunca 2x yıkayın.
  11. Yumurtalıklarla birlikte tüpte yaklaşık 300 μL PBS kalana kadar fazla PBS'yi çıkarın. Yumurta odalarını boşaltmak için yumurtalıkları 200 μL'lik pipet kullanarak birkaç kez yukarı ve aşağı borulayın.
  12. Tüpü yavaşça aşağı doğru çevirin ve yumurtalıkları çıkarmadan mümkün olduğunca fazla 1x PBS çözeltisini dikkatlice çıkarın. Tüpiçine 120 μL montaj çözeltisi (1 g n-propil gallate, 5 ml 10X PBS, 40 ml gliserol ve 5 ml dH2O) yerleştirin.
    NOT: Montaj çözeltisi yapışkanolduğundan, tam olarak 120 μL montaj çözeltisini bir tüpe aktarmak zordur. Bu sorunu hafifletmek için, 1.000 μL pipet ucu tüp içine montaj çözeltisi üç damla eklemek için kullanılabilir.
  13. 200 μL'lik pipet ucundan yaklaşık 0,33 mm çıkarın ve montaj çözeltisini mikroskop cam kaydırağının üzerine yerleştirmek için yeni kesilmiş pipet ucunu kullanın.
  14. Kapaklı camı yavaşça montaj solüsyonuna yerleştirin ve kapak fişinin kenarlarını şeffaf ojeile kapatın.
    NOT: Konfokal görüntüler çekerken yumurta odalarının montaj çözeltisinin içine akmasını önlemek için kapak camı kenarlarının sızdırmazolması gerekir.
  15. Aşağıdaki ayarları kullanarak konfokal mikroskopla görüntü elde edin: objektif lens = 10x büyütme; sayısal diyafram = 0.8; DAPI emisyon dalga boyu = 410−513 nm.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

PRECOG portalı kullanılarak 1. adımda belirtilen prosedür kullanılarak yumurtalık kanserinde NOTCH2, NOTCH3ve MAML1'in Z-skorları elde edilmiştir (sırasıyla 1.3, 2.32, 1.62). Negatif Z\u2012score değerleri, üç genin ekspresyon düzeyi yüksek olan hastaların genel sağkalımlarının zayıf olduğunu göstermektedir. Elektronik tablo yazılımının Koşullu Biçimlendirmesi kullanılarak, Z\u2012score değerleri Şekil 1'dekirenkli çubuk grafiğinde gösterilir.

Bulguları doğrulamak için CSIOVDB veritabanı kullanıldı. Adım 2, NOTCH2, NOTCH3ve MAML1'deki talimatlar kullanılarak CSIOVDB veritabanı arama alanına sırayla giriş yapıldı ve Survival sekmesinin altında bulunan hasta sağkalım verileri alındı. Genel Survival verilerine ek olarak, CSIOVDB Hastalıksız Survivalsağlar. CSIOVDB, hastaları gen ekspresyonu düzeylerinin Q1 vs Q4 'e (alt dörttebirlik vs. üst dörttebirlik) dayalı sağkalım verilerini sunmak için ayırır. Önceki bulgularla tutarlı, NOTCH2yüksek ekspresyonu , NOTCH3, ve MAML1 kötü genel sağkalım ve hastalıksız sağkalım ile ilişkilidir(Şekil 2A,B). Bu arada, CSIOVDB Clinico-patolojik Parametreler sekmesi de farklı yumurtalık kanseri aşamaları arasında gen ekspresyonu düzeylerinin bir karşılaştırma sağlar, sınıflar, mann-Whitney testleri ile. Sonuçlar NOTCH2yüksek ekspresyon düzeyleri olduğunu göstermektedir , NOTCH3, ve MAML1 ileri yumurtalık kanseri aşamaları ile ilişkili(Şekil 2C).

NOTCH2, NOTCH3ve MAML1 genel hasta sağkalımı için kritik olduğundan, yumurtalık tümörleri ve kanser hücre hatlarında gen ekspresyonu düzeyleri daha fazla araştırıldı. NORMAL ve tümör yumurtalık dokularında NOTCH2, NOTCH3ve MAML1 ifade verileri GENT için adım 3 talimatları kullanılarak U133A platformundan indirildi. Bilim adamları indirilen verileri kendi araştırma amaçlarına göre işleyebilirler. Burada, graphPad Prizma (sürüm 8) kullanarak kutu ve bıyık çizimleri üretmek için veri kullanılmıştır. Daha fazla permütasyon testleri NOTCH2, NOTCH3ve MAML1'in tümör dokularında yüksek oranda ifade olduğunu ileri sürmüştür (Şekil 3A). Daha sonra, NOTCH2ifade verileri , NOTCH3, ve MAML1 yumurtalık kanseri hücre hatlarında protokol adım 4 göre indirildi, CCLE kullanılarak. Kanser hücre hatlarındaki gen ekspresyonu düzeyleri kutu ve bıyık çizimleri ile gösterilir (Şekil 3B). NOTCH2, NOTCH3ve MAML1'in ifade düzeyleri kanser hücre hatlarında yüksek olmasına rağmen, CCLE veritabanında normal hücre hattı kontrollerinin olmaması nedeniyle sonuçlar çıkarılamaz. Ancak, bilim adamları kanser hücre hatlarının kökenini belirlemek ve farklı sınıflar, aşamaları ve diğer klinikopatolojik parametrelere göre ifade düzeylerini karşılaştırabilirsiniz.

Bir kez NOTCH2önemi , NOTCH3, ve MAML1 yumurtalık kanseri doğrulandı, cBioPortal ilişkili sinyal ağı çalışmak için kullanılmıştır. Protokol adım 5 kullanılarak Select Studiesiçin Yumurtalık/Fallop Tüpü, daha sonra Yumurtalık Seröz Kistadenokarsinomu (TCGA, Nature 2011) dataset analiz için seçilmiştir. Select Genomik Profilleretiketli bölüm için mRNA Ekspresyonu ve son olarak profil mRNA ekspresyonu Z-skorları (tüm genler)seçilmiştir. Hasta/Vaka Seti Seçbölümü için açılan menüden mRNA verili örnekler (Agilent microarray) (489) seçeneği seçilmiştir. Sonunda, genler NOTCH2, NOTCH3, ve MAML1 sorgu göndermek için seçildi. Üç çekirdek genine dayanarak, en sık değiştirilen 50 komşu geni sağlamak için bir sinyal ağı oluşturulmuştur ve bunlar aynı zamanda en yüksek mutasyon oranlarına sahip aynı yoldadır(Şekil 4).

Çentik sinyalizasyonu türler arasında iyi korunduğu için Drosophila yumurtalık kanserinde araştırılmıştır. Çentik sinyalizasyonu daha önce folikül hücre proliferasyonu düzenlemek bildirilmiştir25, farklılaşma26,27, ve hücre döngüsü düzenleme28,29. Drosophila yumurta odalarının epiteltek tek bir tabaka ile bozulmadan kaldı gibi NICD aşırı ekspresyonu Drosophila tümörlerin neden olmadı (Şekil 5A), . Ancak, Birden fazla epitel tabaka ve birikmiş hücreler tarafından gösterilen Drosophila (Şekil 5B)ile birlikte NİVd ve Mam'ın aşırı ekspresyonu tümörlerin indüklenmiş olmasıdır.

Figure 1
Şekil 1: NOTCH2ekspresyonu , NOTCH3, ve MAML1 yumurtalık kanserinde kötü genel sağkalım ile ilişkilidir. Yumurtalık kanseri hastalarında NOTCH2, NOTCH3ve MAML1'in sağkalım Z-skorları sunulmaktadır. Yetersiz sağkalım negatif Z\u2012score değerleri ile gösterilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 2
Şekil 2: NOTCH2yüksek düzeyde , NOTCH3, ve MAML1 yumurtalık kanseri kötü genel sağkalım ile ilişkilidir, kötü hastalıksız sağkalım, ve ileri kanser aşamaları. Mikrodizi veritabanı CSIOVDB, yumurtalık kanseri hastalarında NOTCH2, NOTCH3ve MAML1'in Kaplan-Meier genel sağkalım ve hastalıksız sağkalım planlarını ve farklı kanser evrelerinde gen ekspresyonu düzeylerini sağlar. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 3
Şekil 3: NOTCH2, NOTCH3, ve MAML1 yüksek yumurtalık tümörleri ve kanser hücresi hatları ifade edilir. P değerleri normal yumurtalıklarda ve buna karşılık gelen yumurtalık tümörlerinde gen ekspresyonunu karşılaştırmak için endikedir. (Kısaltmalar: Over-N = normal yumurtalık dokuları; Yumurtalık-C = yumurtalık kanseri dokuları). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 4
Şekil 4: NOTCH2/NOTCH3/ MAML1 genleri ve bunların ilişkili sinyal ağı ile en sık değiştirilen 50 komşu gen. Sinyal ağı renk kodludur. Girişli genler kalın kenarlı tohum düğümleri ile gösterilir. Her gen kırmızı bir daire ile temsil edilir ve kırmızı dairenin renk yoğunluğu mutasyon frekansını yansıtır. Genler farklı renkli çizgilerle birbirine bağlıdır. Kahverengi çizgiler aynı biyolojik bileşenin tutulumunu gösteren "Aynı Bileşende" anlamına gelir. Mavi çizgiler gen reaksiyonlarını gösteren "Reacts With" anlamına gelir. Yeşil çizgiler "Durum Değişikliği" anlamına gelir, bir gen başka bir genin bir devlet değişikliğine neden olabileceğini düşündürmektedir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 5
Şekil 5: Drosophila'da NicD ve mam da yumurtalık tümörlerini indükler. A. Tek başına NICD aşırı ekspresyonu Drosophilatümör oluşumuna neden olmaz. B. NicD ve mam birlikte aşırı ekspresyonu Drosophilatümörlerin indükler . Ölçek çubuğu = 50 μm Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Biyoinformatik kullanımı için sayısız yaklaşım ve yöntem olduğundan, genel halk için online olarak çok sayıda veritabanları mevcuttur. Bu veritabanlarının her birinden çok sayıda bilgi alınabilir, ancak bazıları belirli girdilere dayalı olarak hasta sağkalımını değerlendirmek gibi belirli amaçlar için en uygun lardır. Farklı veritabanlarından alınan verilerin sistematik analizi, önemli bilimsel bulgular alabiliyor.

Mevcut analiz, biyoinformatik yaklaşımların kullanımı yoluyla yumurtalık kanserinde Çentik sinyalizasyonunun rolüne odaklanmaktadır. Örneğin, PRECOG portal veritabanındaki Meta-Z analizi, klinik kanser çalışmalarında hastanın sağkalım sonuçlarını gösteren Z-skorları elde etmek için kullanılmıştır. CSIOVDB yumurtalık kanseri hastalarının sağkalım sonuçlarını incelemek için kullanılan başka bir meta-analiz veritabanıdır. CSIOVDB verileri, NOTCH2, NOTCH3ve MAML1'in genel hasta sağkalımı için kritik öneme sahip olduğunu PRECOG portalından elde edilen bulguları başarıyla doğrulayabetti. Daha sonra, GENT ve CCLE veritabanlarının uygulamaları notch2, NOTCH3ve MAML1'in yumurtalık tümörleri ve kanser hücresi hatlarında yüksek oranda ifade olduğunu göstermiştir. Bu veritabanlarının kombinasyonu sistematik NOTCH2önemli rolleri ortaya , NOTCH3, ve MAML1 yumurtalık kanseri. Biyoinformatik yöntemlerinin bu kullanımı, kanser araştırmalarını uygun maliyetli bir şekilde yapmak için etkili bir yol sağlamakta ve gelecekteki deneysel ve klinik uygulamalar için nasıl önemli bulgular elde edebildiğini göstermektedir.

Biyoinformatik, halka binlerce deneyin sonuçlarına aynı anda erişebilme olanağı sağlar. Genel veritabanlarından elde edilen bilgiler, deneme gerçekleştirmeden önce deneysel bir tasarım oluşturmak için uygun maliyetli ve verimli bir yol sağlar. Buna ek olarak, kamuya açık verilerin yayınlara dağılabileceği ve biyoinformatik yaklaşımlar yoluyla meta-analizlerin yapılmasını gerektiren tutarsız ve hatta çelişkili bulgular sunabileceği unutulmamalıdır. Bilim adamları, belirli bilimsel hipotezleri doğrulamak için büyük biyoinformatik veritabanları aracılığıyla bulunan verilere dayanarak deneyler tasarlayabilir ve gerçekleştirebilirler. Drosophila deneyinden elde edilen sonuçlar biyoinformatik veritabanlarından elde edilen bulguları doğruladı ve Notch yol bileşenlerinin potansiyel terapötik ilaç hedefleri olarak araştırılmaya devam etmesi gerektiği fikrini daha da destekledi. Biyoinformatik bulguların deney yoluyla başarılı bir şekilde doğrulanması, biyoinformatik yaklaşımlarının bilimsel keşifler için önemini de ortaya konur.

Biyoinformatik bazı sınırlamalar olabilir. İlk olarak, bazı web siteleri/araçları, bakımla ilişkili zaman çabaları veya maliyetler nedeniyle bulgularını güncelleştiremeyebilir. İkinci olarak, bazı web siteleri/araçlar sürekli olarak güncellenir, ancak ek girdiyle güncelleştirme daha önce elde edilen sonuçları değiştirebilir. Üçüncü olarak, bazı web sitelerinin/araçların geliştiricileri telif hakları saklı dır ve içeriklerinin kullanımını kısıtlar. Dördüncü olarak, belirli web sitelerinin/araçların analizleri veya algoritmaları her zaman doğru olmayabilir.

Bu sınırlamaları aşmak için, daha iyi gelecekteki uygulamalar için bazı adımlar veya değişiklikler ve sorun giderme önerilir. İlk olarak, bazı web siteleri/araçlar araştırmacıların analiz için yeni verileri el ile yüklemelerine olanak sağlar. Yoksa, araştırmacılar en son verileri kendi başlarına indirebilir ve analiz edebilirler. İkinci olarak, araştırmacıların analizlerini tekrar tekrar çalıştırmaları ve tarihlerin kaydını tutmaları gerekir. Sonuçlar önemli ölçüde değişirse, araştırmacıların nedenleri anlamak için ek veri girdisini kullanmaları gerekebilir. Üçüncü olarak, araştırmacılar potansiyel telif hakkı sorunlarını önlemek için analizlerini yürütmek için alternatif bir web sitesi/aracı bulabilirler. Dördüncü olarak, araştırmacılar önemli bulgularını doğrulamak için ek web siteleri / araçları alabilirsiniz. Analizler veya algoritmalarla ilgili herhangi bir sorun varsa, araştırmacılar hataları düzeltmek için verileri indirebilir ve yeniden analiz edebilir veya uygun ayarlarla diğer web sitelerini/araçlarını kullanabilirler.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarların açıklayacak bir şeyi yok.

Acknowledgments

Bu çalışma Start-Up Funding, College of Science and Mathematics Research Grant, Summer Research Session Award ve Georgia Southern Üniversitesi Araştırma Tohum Finansman Ödülü ile desteklenmiştir.

Materials

Name Company Catalog Number Comments
DAPI (4',6-Diamidino-2-Phenylindole, Dihydrochloride) Invitrogen D1306 1:1000 Dilution
PBS, Phosphate Buffered Saline, 10X Powder, pH 7.4 ThermoFisher FLBP6651 Dissolved with ddH2O to make 1X PBS
Goat serum Gibco 16210064 Serum
Embryo dish Electron Microscopy Sciences 70543-45 Dissection Dish
Nutating mixers Fisherbrand 88861041 Nutator
tj-Gal4, Gal80ts/ CyO; UAS-NICD-GFP/ TM6B Dr. Wu-Min Deng at Florida State University N/A Fly stock
w*; UAS-mam.A Bloomington Drosophila Stock Center #27743 Fly stock
w[1118] Bloomington Drosophila Stock Center #5905 Fly stock
The PRECOG portal Stanford University precog.stanford.edu Publicly accessible database of cancer expression datasets
CSIOVDB Cancer Science Institute of Singapore csibio.nus.edu.sg/CSIOVDB/CSIOVDB.html Microarray database used to study ovarian cancer
The Gene Expression across Normal and Tumor tissue (GENT) Portal Korea Research Institute of Bioscience and Biotechnology (KRIBB) medical–genome.kribb.re.kr/GENT Publicly accessible database of gene expression data across diverse tissues, divided into tumor and normal tissues.
Broad Institute Cancer Cell Line Encyclopedia (CCLE) Broad Institute and The Novartis Institutes for BioMedical Research portals.broadinstitute.org/ccle Provides genomic profiles and mutations of human cancer cell lines
cBioPortal Memorial Sloan Kettering Cancer Center (MSK) cioportal.org Portal that allows researchers to search for genetic alterations and signaling networks
Zeiss 710 Inverted confocal microscope Carl Zeiss ID #M 210491 Examination and image collection of fluorescently labeled specimens

DOWNLOAD MATERIALS LIST

References

  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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics