PLoS ONE: Den Identifikation af specifikke methylering Mønstre på tværs af forskellige Cancers

Abstrakt

Unormal DNA methylering er kendt som spiller en vigtig rolle i tumorgenese. Det er nyttigt til at skelne specificitet diagnose og terapeutiske mål for kræft baseret på karakteristika af DNA methylering mønstre på tværs af kræft. High throughput DNA-methylering analyse giver mulighed for omfattende filtrere epigenetik mangfoldighed på tværs af forskellige kræftformer. Vi har integreret hel-genom methylering data fundet i 798 prøver fra syv kræftformer. Den hierarkiske klyngedannelse afsløret eksistensen af ​​kræft-specifik methylering mønster. Derefter identificerede vi 331 differentielt methylerede gener på tværs af disse kræftformer, hvoraf de fleste (266) var specifikt forskellen methylering i unikke kræft. En DNA-methylering korrelation netværk (DMCN) blev bygget baseret på methylering korrelation mellem disse gener. Det blev vist navene i DMCN var tilbøjelige til cancer-specifikke gener i syv kræftformer. Yderligere overlevelse analyse ved hjælp af en del af gener i DMCN afslørede højrisiko gruppe og lav risiko gruppe blev kendetegnet ved syv biomarkører (

PCDHB15, WBSCR17, IGF1, GYPC, CYGB, ACTG2

, og

PRRT1

) i brystkræft og otte biomarkører (

ZBTB32, OR51B4, CCL8, TMEFF2, SALL3, GPSM1, MAGEA8

, og

SALL1

) i tyktarmskræft hhv. Til sidst blev et protein-protein-interaktion netværk indført for at verificere den biologiske funktion af differentielt methylerede gener. Det blev vist, at

MAP3K14, PTN, ACVR1

HCK

deling forskellige DNA methylering og genekspression tværs kræftformer var relativt høj grad distribution i PPI-netværk. Undersøgelsen antydede, at ikke kun den identificerede cancer-specifikke gener forudsat reference for individuel behandling, men også forholdet på tværs kræftformer kunne forklares ved forskellen DNA methylering

Henvisning:. Zhang C, Zhao H, Li J, Liu H Wang F, Wei Y, et al. (2015) Den Identifikation af specifikke methylering Mønstre på tværs af forskellige kræftformer. PLoS ONE 10 (3): e0120361. doi: 10,1371 /journal.pone.0120361

Academic Redaktør: Hiromu Suzuki, Sapporo Medical University, JAPAN

Modtaget 2 oktober, 2014 Accepteret: Januar 20, 2015; Udgivet: 16 Mar 2015

Copyright: © 2015 Zhang et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Data Tilgængelighed: Alle relevante data er inden for papir og dens Støtte Information filer

Finansiering:. der blev ydet støtte af National Natural Science Foundation of China [no. 31371334, 61203262, 61403112, 61402139]. De finansieringskilder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

Konkurrerende interesser:. Yan Zhang i øjeblikket en akademisk redaktør. Dette ændrer ikke forfatternes tilslutning til alle PLoS ONE politikker om datadeling og materialer.

Baggrund

Epigenetik er henvist til en arvelig mekanisme, der påvirker genekspression hvilket er uændret i DNA sekvens [1]. DNA-methylering er en af ​​de vigtigste epigenetiske begivenheder i pattedyr, og primært refererer til den kovalente addition af en methylgruppe (CH

3) på 5′-stillingen af ​​cytosin. En CpG-rige region kaldes en CpG ø, som altid overlapper på genpromotorer og associerede med negativ regulering af genekspression [2,3]. Det er blevet afsløret, at CpG-methylering spiller en vigtig rolle i biologiske processer, herunder prægning, retrotransposon nedregulering, X chromatin-inaktivering, DNA overlapning, transkription, reparation, selv udvikling af cancere og mange andre komplekse sygdomme [4]. Nylige undersøgelser viser, at methylering mekanismen har stærke effekter inden for cancer gener [5,6]. Derfor yderligere forståelse af CpG methylering på komplekse sygdomme vil være nyttigt for sygdom diagnose, behandling og prognose. Til dato er der et stigende antal undersøgelser primært fokusere på mekanismen af ​​epigenetiske processer, især CpG methylering [7].

Kræft er blevet betragtet som komplekse sygdomme [8]. Der er mange faktorer involveret i kræft såsom at kopiere nummer ændring, differential udtryk, epigenetisk aberration og så videre, blandt hvilke unormal DNA methylering er blevet opdaget i mange kræftformer, herunder brystkræft, lungekræft og tarmkræft. Hypermethylering i promotorregioner inhiberer ekspressionen af ​​tumorsuppressorgener. På den anden side, hypometylering i promotorområder aktiverer onkogen ekspression. Global hypomethylering spiller også en vigtig funktion i processen med carcinogenese, stigende genomisk og kromosomale ustabilitet [9,10]. For eksempel har mange rapporter vist, at brystkræft er den mest udbredte kræft hos kvinder i hele verden og har mere end seks betydende undertyper beskrevet af genekspression.

BRCA1 /2

er de mest cancerrelaterede gener i brystkræft, de involverer i DNA-reparation, regulering af transkriptionel aktivering og apoptose. Hypermethyleringen af ​​

BRCA1 /2

i promotorregioner resulterer i inaktivering af funktion og øger risikoen for brystkræft [11,12]. Tilsvarende hypermethylering af

AOX1

(aldehyd oxidase 1) og

GSTP1

(Glutathion S-transferase 1) i prostatakræft også føre til stilheden af ​​genekspression [13,14].

LINE-1 Hotel (lang afbrudt nukleotid element-1) er ofte betragtes som et surrogat markør for global DNA methylering og overekspression af

LINE-1

induceret af hypometylering i initiativtagere resulterer i en dårlig prognosen hos ikke-småcellet lungekræft [15].

et stort antal cancerrelaterede gener er blevet anerkendt og mange væsentlige gener er forbundet med mere end én kræft.

CDH1

(E-cadherin), et intercellulært adhæsionsmolekyle i epitelceller spiller en vigtig rolle i at etablere og vedligeholde intercellulære forbindelser. Hypermethyleringen af ​​

CDH1

i colorektal carcinogenese reducerer genekspression og ødelægger funktionen af ​​celle-celle-adhæsion systemet [16]. Desuden hypermethyleringen af ​​

CDH1

også forstyrrer den intercellulære vedhæftning i mavekræft, brystkræft og blærekræft [17-19].

RASSF1 Hotel (RAS forening domænenavn familie gen 1) har også høj frekvens af methylering i promotorområder og fungerer som en risikofaktor i prostatakræft og skællede livmoderhalskræft [20-22]. Derfor er det nødvendigt at udvikle en integreret analyse på tværs af tumorer til at opdage ligheder i forskellige kræftformer og tumor-specifikke karakteristika.

I denne undersøgelse har vi konstrueret en integreret kompendium af DNA methylering data på tværs syv kræftformer. Dataene blev valgt fra Cancer Genome Atlas (TCGA) projektet, herunder mere end 12.000 tumor prøver fra omkring 20 tumortyper, som gav mulighed for at finde genet aberration mellem forskellige kræftformer [23]. Sammenligningen af ​​methylering profiler på tværs af forskellige prøver blev anvendt til at undersøge cancerrelateret methylering variation og kræft-specifik methylering. Vi kvantificeret sammenhængen mellem promotor DNA methylering og genekspression at præsentere anerkendelsen af ​​en DNA-methylering kræft-relaterede signatur. Derudover blev det også vist foreningen tværs af cancere gennem DNA methylering korrelation netværk (DMCN) konstrueret i denne undersøgelse. Vi rapporterede endvidere, at kræft-relaterede biomarkør gener også kunne bidrage til prognose gennem overlevelsesanalyse i brystkræft og tyktarmskræft.

Materialer og metoder

data

DNA methylering og udtryk

DNA methylering data blev opnået fra Cancer Genome Atlas (TCGA). Prøverne bestod af 832 cancerpatienter prøver og 284 normale prøver indsamlet fra matchede tilgrænsende normale væv, herunder bryst- invasive carcinom (BRCA), colon adenocarcinom (COAD), nyre renal clear cell carcinoma (KIRC), nyre renal papillær cellecarcinom (KIRP), lunge adenocarcinom (LUAD), lunge pladecellekræft (LUSC), endetarm adenocarcinom (LÆS) og deres matchede prøver som normale dem. Dataene blev registreret af Infinium HumanMethylation27 BeadChip indeholder af 27,578 CpG steder i 14,475 gener. Dataene var fra niveau 2 og β-værdi blev defineret som DNA methylering niveau, der blev beregnet som radio methyleret probe (M /(U + M)) i området fra 0 til 1.

Proberne med detektion “NA “blev behandlet som manglende data. Prøver med mere end 150 forsvundne sonder blev behandlet som manglende data og 66 prøver blev slettet. Dernæst blev de steder med manglende data slettet. Variationskoefficient (CV) blev anvendt til at vurdere den diskrete grad af alle oplysninger. Generne med CV mindre end 0,5 i mere end 80% prøver blev tilbage. CV = SD /ST. CV var variationskoefficienten af ​​websteder, der tilhører det samme gen i en prøve, SD var variansen af ​​websteder, AVE var gennemsnittet af websteder. Gennemsnitlig methylering niveau af flere CpG’er på det samme gen blev defineret som methylering niveau af genet.

Udtrykket data blev opnået fra 210 cancerpatienter prøver og 68 normale prøver (herunder parrede og normale prøver) i TCGA. COAD og LÆS blev opdaget af platformen AgilentG4502A herunder 17,814 gener. BRCA, KIRC, KIRP, LUAD og LUSC blev opdaget af platformen illminaHiseq_RNASeqV2 herunder 20,531 gener. Prøven information af både DNA methylering data og udtryk data blev opført i S1 tabel.

Identifikation af differentierede gener

I denne undersøgelse vi brugte R bibliotek pakken “SAMR” baseret på t- teste statistisk signifikans for at identificere de differentielt methylerede gener (DMGs). DMG blev defineret som signifikansniveau falsk opdagelse sats (FDR) mindre end 0,05 og forskel af DNA methylering niveau mere end 0,15 mellem kræft og normale prøver [24]. Den version af pakken værktøj, vi brugte var 4,0. For at forstå den mekanisme af DNA-methylering i cancere, vi også anvendt SAMR at identificere de differentielt udtrykte gener (DEGS) med signifikansniveau falsk opdagelse sats (FDR) mindre end 0,05.

Konstruktion af DNA-methylering korrelation netværk

skæringspunktet mellem DMGs og degs blev brugt som knudepunkter i konstruere DNA methylering korrelation netværk. Så vi beregnet korrelationskoefficienterne ved methylering niveauer af differentierede gener som kanterne, den absolutte værdi af Pearson koefficient korrelation var ikke mindre end 0,7 med signifikansniveau p-værdi mindre end 0,05 [25].

Netværket blev visualiseret gennem Cytoscape (https://www.cytoscape.org/), et open source-software til at konstruere biologiske netværk. Derefter blev tilfældige netværk genereret gennem permutation af syv kræft etiketter til hvert gen at vurdere pålideligheden af ​​DMCN. Data blev foruroliget i et gen for 1000 gange, og vi beregnede korrelationskoefficienterne for de tilfældige data til at bygge den tilfældige netværk.

Survival analyse af differentielt methylerede gener

overlevelsesanalyse fandt sted på basis på den prognostiske indeks (PI) for at generere risikoen groups.where x

s var ekspressionen af ​​biomarkør gener og

β

s

blev beregnet via COX regression. Med PI steg, ville patienterne har en dårlig prognose. Vi bruges PI til at adskille prøverne i to grupper med de samme prøver at teste, om biomarkører var forbundet med overlevelse fase.

Konstruktion af protein-protein-interaktion netværk

Vi valgte en integreret PPI-netværk som baggrund, som blev integreret fra Biomolekylær Interaction Network Database (BIND), biologiske General Repository for Interaction Datasæt (BioGRID), Database af interagerende proteiner (DIP), det humane protein reference Database (HPRD) intakt, den Molekylær IN samspillet database (MINT), pattedyr PPI database München Information center på proteinsekvenser (MIPS), PDZBase (en PPI database for PDZ-domæner) og Reactome. Den beregnede frø gen sæt var SIN_D, DOU_D og TRI_D identificeret ovenfor. De blev kortlagt i integreret PPI netværk og en sub-netværk blev ekstraheret. Den sub-netværk bestod af frø gener og de gener, der forbinder med frø gener i integreret PPI-netværk. Graden af ​​knude i undernetværk blev defineret som antallet af gener, der var forbundet med frøgener. Det kunne bruges til at forudsige betydningen af ​​identificerede kræftrelaterede DMGs.

Resultater Salg

Differential methyleringsmønstre tværs cancere

Syv kræft data fra TCGA blev anvendt i denne undersøgelse, herunder deres DNA-methylering profil og genekspressionsprofil. Efter data forbehandling (se Materialer og metoder), 832 cancerpatienter prøver og 284 normale prøver af de syv cancere blev fortsat (tabel 1). For yderligere identifikation af DMGs, fastholdt vi 7,936 gener, hvis DNA methylering værdi fandtes i alle kræftformer (S2 tabel). De DMGs for syv kræftformer blev identificeret henholdsvis gennem SAMR. Der var 509 gener, der viser forskellen methylering i BRCA, 591 gener i COAD, 130 gener i KIRC, 67 gener i KIRP, 53 gener i LUAD, 508 gener i LUSC og 701 gener i LÆS (S3 tabel). Foreningen af ​​DMGs var 1318 (S4 tabel). Fordelingen af ​​mønstre for methylering af DMGs blandt cancere blev observeret baseret på tovejs hierarkiske clustering analyse (fig. 1). Prøver blev samlet i clader baseret på specifikke typer af biologiske prøver. Den COAD og LÆS blev grupperet sammen, hvilket viste lignende methyleringsmønstre mellem disse to kræftformer. De fleste af DMGs viste højt methylering niveau i COAD og LÆS forhold til andre fem kræft prøver og normale prøver, og omkring 11% i DMGs viste specifikke hypermethylering i COAD og LÆSE hhv. Resultatet blev støttet, at tumorerne syntes at være hypermethyleret oftere, og der var ingen signifikante forskelle, der kunne skelne tyktarm og endetarm kræft på methylering niveau [26]. De tilsvarende resultater blev også vist i LUAD og LUSC, KIRP og KIRC. At vidne de observerede resultater, vi beregnet korrelationskoefficienter, der viste den samme konsekvens som hierarkiske clustering analyse (fig. 2). Interessant BRCA blev højt korreleret med LUAD og LUSC. De kan være forårsaget af strålebehandling af brystkræft, der steg dødeligheden af ​​lungekræft [27]. Endvidere normale prøver af ovennævnte kræftformer viste også lignende mønstre for methylering. På den anden hænder, kræft fra forskellige originale organisationer havde differential DNA methylering niveauer (fig. 1). Det blev foreslået, at DNA-methylering mønstre var forbundet med væv og kræftformer.

Bogstavet C repræsenterede kræft, og N repræsenteret normal. Rød var hypermethylering, hvid er midmethylation og blå var hypometylering. De prøver fra de samme eller lignende væv blev klynger sammen, resultatet af klyngen var mærkning på toppen af ​​figuren.

Den lyserøde stod for høj korrelationskoefficient, gul stod for midterste korrelationskoefficient og green stod for lav korrelationskoefficient. BRCA, LUSC og LÆS havde stærk korrelation. Ud over dette KIRC og KIRP, COAD og LÆS havde også den tilsvarende resultat separat

Desuden blev funktion berigelse analyse af disse 1.318 DMGs udført ved hjælp af DAVID (http:. //david.abcc. ncifcrf.gov/) (S5 tabel). Disse gener blev hovedsagelig beriget i forsvarsrespons, immunrespons, celle-cellesignalering, celleadhæsion celledrab og så videre. Kræft blev betragtet som en ondartet sygdom og relateret til forsvarssystem, immunrespons og mange andre biologiske processer, som er involveret i ureguleret cellevækst [28]. Apoptose var en grundlæggende biologisk proces, som kan have et vigtigt forhold med mange sygdomme, såsom cancere og autoimmune sygdomme. Apoptose blev reguleret i tumorer negativt og abnormitet af apoptose var involveret i kræft [29]. Disse biologiske processer kan dereguleres ved unormal metylering af den differentierede generne og derved påvirke processen af ​​cancere. Desuden blev disse gener forbundet med mange cancer-relaterede pathways (Fig. 3).

Y-aksen i den venstre og den blå histogram stod for antallet af kommenteret i Kegg og BP, Y-aksen i højre og røde kurve stod for procent af kommenterede gener i BP og Kegg.

differentielt udtrykte gener negativt reguleret af DNA methylering

DNA methylering i promotorområder havde en vigtig funktion i husholdningsgener. En række undersøgelser viste, at genekspression blev reguleret negativt af methylering af DNA status [30]. I denne undersøgelse blev 201 gener af 1.318 DMGs deler negativ sammenhæng mellem DMGs og degs skelnes. De blev inddelt i 127 hypermethyleret gener og 74 hypomethylated gener baseret på forskellen mellem værdien kræft prøver og normale prøver. I yderligere undersøgelser af funktionen for de negativt relaterede gener, blev hypermethyleret gener hovedsageligt beriget med kræftrelaterede veje, herunder Systemisk lupus erythematosus (

CD40

), Cytokine-cytokin receptor interaktion (

TNFRSF8, CX3CL1 , CD40, IL11RA, ACVR1

), neuroaktive ligand-receptor-interaktion (

MCHR2, PPYR1, GRIA2

) og autoimmun sygdom i skjoldbruskkirtlen (

CD40

). Specielt,

CD40

blev eksisteret i tre veje. CD40 kunne generere forskellige vækst signaler mellem normale væv og tumorer. Det blev demonstreret at være et tumorsuppressorgen, og der skal hypermethyleret i brystcancer (tabel 2) [31]. Derfor methylering af

CD40

støttede bevis for forudsigelse af brystkræft og ydet et vigtigt bidrag til behandling af brystkræft. hypomethylated gener imidlertid ikke vise klar sammenhæng med kræft-relaterede veje. Resultaterne antydede, at disse hypermethyleret gener i cancer var cancer-relaterede gener, og kan betragtes som kandidatlandene biomarkører for prognosen for kræft.

Differential DNA methylering gen korrelation netværk

I for at undersøge forholdet tværs cancere med DNA methylering medium, vi kvantificeret korrelationen af ​​DMGs baseret på deres methyleringsmønstre tværs cancere. En differentiel DNA-methylering korrelation netværk (DMCN) blev konstrueret i overensstemmelse med Pearson korrelationskoefficienter på methylering niveauer, som var en ikke-orienteret graf, der viser det komplekse forhold af en stor del af gener og syv kræftformer. DMCN bestod af 5,492 kanter og 331 knuder (fig. 4A). Skæringspunktet mellem degs og DMGs blev brugt som knudepunkter, i mellemtiden kanter blev vægtet med methylering korrelationskoefficienter mellem DMGs.

(A) Farven stod for forskellige kræftformer. Størrelsen af ​​knudepunkterne stod for graden af ​​generne. Linjen stod for korrelationen mellem to gener. (B) Fordeling af klyngedannelse koefficient. Y-aksen var fordelingen af ​​tilfældige netværk; x-aksen var clustering koefficient. Stjernen var den værdi, vi beregnede (C) Fordeling af graden. (D) Hub gener og grader. Blå bar stod for hvilke kræftformer den differentierede gener placeret i.

Vi analyserede DMCN at demonstrere pålideligheden af ​​vores netværk af to topologiske strukturer separat, herunder klyngedannelse koefficient og gennemsnitlig grad. Først foruroliget vi data i hver gener og beregnede korrelationskoefficienterne (p = 0,01) og gennemsnit af graden (1000 gange). Så vi sammenlignet klyngedannelse koefficienter (0,54) og i gennemsnit grad (33,18) i DMCN til de tilfældige netværk (fig. 4B C). Resultatet viste, at vores netværk var mere korreleret og markant end tilfældige netværk. Desuden hub gener var en klasse af gener med høj grad og spillede en vigtig rolle som centrale regulatoriske funktioner i sygdom netværk. Graden var 1-127 og generne med top 10 grader blev defineret som knudepunkter (Fig. 4D). De hub gener omfattede ADCYAP1, ZNF454, ZBTB32, SST, PCDHB15, WBSCR17, OR51B4, CCL8, CRISPLD2, NALCN, IGF1, TMEFF2, HYLS1 og GYPC. Fra det resultat, vi fandt, at de betydelige gener hovedsageligt blev distribueret i BRCA og COAD, der blev vist stærk korrelation mellem de to kræftformer [32].

Som vist i fig. 4A, syv farver blev brugt til at skelne mellem de knudepunkter, der kræftformer de tilhørte. Der var 72 gener, der viser specifik methylering i BRCA, 81 i COAD, 36 i KIRC, 7 i KIRP, 3 i LUAD, 48 i LUSC og 19 i LÆS i netværket. De noder i netværket blev primært klassificeret i tre kategorier, herunder triple differential (TRI_D, 5 gener), dobbelt differential (DOU_D, 60 gener) og enkelt differential (SIN_D, 266 gener). For eksempel,

SLIT2

af TRI_D var unormal i BRCA, COAD og LÆS, som viste negativ sammenhæng mellem DNA methylering og genekspression.

SLIT2

var normalt betragtet som et tumorsuppressorgen og tavshed både tarmkræft og brystkræft, hvis stilhed var forårsaget af hypermethylering af sine promotorområder og allele tab [33,34]. Gene

EFEMP1

som medlem af fibulin familie også var unormale i BRCA, COAD og LÆS. Dette gen var relateret til angiogenese og blev beskrevet som centralt element i udviklingen af ​​kræft. Nedreguleringen af ​​det skyldtes hypermethylering af promotoren. Desuden nedsat ekspression af

EFEMP1

syntes at kraftigt korrelere med dårlig sygdomsfri og samlet overlevelse [35,36]. Hertil kommer, selv om

CHODL

ikke blev vist funktion i tidligere undersøgelser, fandt vi genet var også afvigende DNA methylering niveau BRCA, COAD og LÆS og vises negativ regulering mellem DNA methylering og genekspression. Det blev foreslået, at der var en stærk sammenhæng mellem BRCA, CORD og LÆS. I DOU_D sæt, der var 31 gener, som var forskel i COAD og LÆS. Dette fænomen indebar korrelationen mellem COAD og LÆS, hvilket var i overensstemmelse med resultatet af hierarkisk klyngedannelse. Omkring 80% gener var en del af SIN_D, viser bredt specifik blandt kræftformer. Især mange cancer-relaterede gener, herunder

CDH5, BVES, CX3CL1, FGFR1, IGF1

CD40

blev identificeret i SIN_D. Resultatet foreslog, at de gener, vi identificerede havde høj association med kræft og spillede en vigtig rolle i den biologiske proces, og i udviklingen af ​​kræft.

Survival analyse for kræft specifikke gener

Survival analyse af BRCA og COAD blev udført for at evaluere de potentielle roller kandidat biomarkører herunder alle TRI_D gener, top 10 med en høj grad af SIN_D og DOU_D generne (tabel 3). Vi valgte 502 prøver af BRCA og 151 prøver af COAD som var hentet fra TCGA for overlevelse analyse. Prøver blev inddelt i to grupper gennem medianen af ​​PI (prognostisk indeks, stod høje værdier for høj risiko og lave værdier stod for lav risiko) og anvendt median risikoscore som cutoff. Vi fandt SIN_D kunne adskille højrisikogruppe og lav risikogruppe mere markant end DOU_D eller TRI_D (fig. 5). Endvidere patienterne med høj score havde kortere overlevelsestid. Derudover har vi brugt syv gener i BRCA og otte gener i COAD som differentielt blev udtrykt, men ikke forskelligt methylerede henholdsvis at udføre overlevelse analyse som kontroller. Resultaterne af SIN_D i BRCA (p = 0,036) og COAD (p = 0,022) var mere markant end deres kontrolresultater (p = 0,981 i BRCA og p = 0,602 i COAD) (fig. 5 G, H). Dette resultat foreslog, at kombinationen mellem DNA methylering og udtryk kunne gøre en bedre bidrag til prognose end kun udtryk.

“+” stod for censur prøver. X-aksen og Y-aksen stod for observationstid (måneder) og procent af overlevelse personer hhv. Røde og grønne kurver var højrisikogruppe og lav risikogruppe. De biomarkører var på toppen af ​​hvert billede. Overensstemmelse Index (CI) og p-værdi var i nederste venstre mellemværker.

Differentielt denatureret gener i protein-protein interaktion netværk

Protein-protein interaktion netværk kunne være mere præcist at beskrive forholdet mellem komplekse elementer og mere synlige for at vise konstruktioner af disse elementer. For at undersøge betydningen af ​​DMGs der var relateret til kræft, blev PPI sub-netværk bygget af offentliggjorte PPI-netværk. Der var en masse af databaser lagring samspillet af gener, herunder Biomolekylær Interaction Network Database (BIND), biologiske General Repository for Interaction Datasæt (BioGRID), Database af interagerende proteiner (DIP), det humane protein reference Database (HPRD ), intakt, den Molecular IN samspillet database (MINT), pattedyr PPI database München Information center på proteinsekvenser (MIPS), PDZBase (en PPI database for PDZ-domæner) og Reactome [37-45]. Fordi mange eksperimentelle faktorer kan påvirke resultatet af PPI-netværk, som førte til de gentagelig interaktioner i PPI-netværk, vi integreret en høj selvtillid PPI netværk baseret på de ovennævnte databaser som vores baggrund netværk [46]. Netværket vi byggede var sammensat af 80,980 kanter og 13,361 noder. Derfor kortlagt vi SIN_Ds, DOU_Ds og TRI_Ds som frø gener i PPI-netværket. Samspillet herunder frø gener blev hentet svarende til 2.272 kanter og 1.892 knudepunkter som en sub-netværk (fig. 6). Ifølge sub-netværk, der var fire gener som hubs ranking i top 10 grader, herunder

MAP3K14, PTN, ACVR1

, og

HCK

, og de var alle frø gener. Resultaterne antydede, at DMGs kan spille en vigtig rolle i carcinogenese. F.eks

MAP3K14

(mitogenaktiveret proteinkinase kinase kinase 14) hypermethyleret i LUSC reguleret NF-KB-aktivitet pathway og deltog i en NF-KB-inducerende signalering til receptorer af tumor-nekrose /nerve -Vækstmediet faktor (TNF /NGF) familie [47]. Desuden baseret på interaktionen mellem gener i undernetværket identificerede vi 127 gener, som grader var mere end tre som de hidtil ukendte cancerrelaterede gener. Den funktionelle berigelse analyse af disse 127 gener ved hjælp af DAVID viste, at mange cancer-associerede biologiske processer og veje var signifikant (S6 Table), såsom “regulering af programmeret celledød”, “regulering af apoptose”, “positiv regulering af programmeret celledød “,” positiv regulering af transkription “og så videre. Fra det resultat, vi indså, at de biologiske processer (BP) blev fokuseret på regulering af apoptose, programmeret celledød og regulering af transskription. På grund af tidligere forskning, disse biologiske processer var relateret til de kræftformer [48,49]. generne forudsagt Således baseret på PPI-netværket og unormale gener kan være involveret i processer af kræft som potentielle biomarkører.

De knuder stod for genet og farver stod for den differentierede gener i kræft. Den grå gen var de biomarkører, vi forventede.

Desuden viste nogle undersøgelser, at mange veje er forbundet med kræft fra Kegg var signifikante [50,51]. Vores analyse viste, at de potentielle biomarkører opnået i denne undersøgelse blev beriget med 11 kræftrelaterede veje, og den mest betydningsfulde pathway var “veje i cancer (hsa05200)”, hvor der var 33 gener kommenteret (FDR = 2.44E-15). Denne vej inkluderet masser af veje, der var relateret til kræft, såsom Wnt signalvejen, MAPK signalvejen, vega signalvejen og så videre [52,53]. Desuden, vores biomarkører også blev kommenteret i mange andre cancer-relaterede veje, for eksempel “ErbB-signalvejen”, “Chemokin-signalvejen”, “natural killer cellemedieret cytotoksicitet” og “Focal adhæsion” [54-56]. Resultatet af anmærkning viste, at de potentielle biomarkører deltaget i mange skrider af kræft, og fungerede som en vigtig rolle i kræft.

Diskussion

Aberrant DNA methylering på gen promotorregioner er normalt forbundet med kræft . For eksempel afvigende DNA methylering af

SIRT1

ofte observeres i forskellige kræftformer og spillede en vigtig rolle i carcinogenese [57]. Epigenetisk inaktivering af

er ST6GAL1

angivet en tumor undertrykkende rolle i blæren carcinogenese [58]. Desuden

ST6GAL1

er også forbundet med brystcancer. Ifølge de ovenstående eksempler, er funktionerne i DNA-methylering reflekteret cancer-specifikke og cancer-deling. Det er sandsynligt, at flere kræftformer placeres af oprindelse fra de samme væv, hvilket resulterer i de samme DNA methyleringsmønstre. For eksempel er der en undersøgelse, der viser, at colon og rektal kræftformer er vanskeligt at skelne ved DNA methylering niveau [26]. Derfor er det nyttigt at analysere forholdet mellem forskellige kræftformer ved at integrere DNA methylering fra genom-dækkende.

I denne undersøgelse, resultatet af hierarkiske klyngedannelse og Pearson korrelation viste, at DNA-methylering niveau af forskellige kræftformer var påvirket af de anatomiske oprindelser øvrigt methylering niveau DNA havde stabile DNA methylering signaturer i samme cancertyper, som er sammenfaldende med tidligere undersøgelser [26]. Og DMGs blev primært beriget i forsvarsrespons, immunrespons, celle-cellesignalering, celleadhæsion og celledrab og andre kræftrelaterede Kegg pathways efter funktion annotation analyse, hvilket tyder på, at det tab af disse biologiske processer aktivere proliferation af cancerceller og hæmme beskyttelse af fysiske [59-64]. Derudover blev de hypermethyleret gener hovedsageligt beriget med flere kræftrelaterede Kegg veje i forhold til hypomethylated gener, og dette fund støttede tidligere undersøgelse af omdrejningspunktet hypermethylering i tumorgenicitet [65].

I DMCN, de topologiske egenskaber viste, at den DMCN fulgte karakteristisk for biologiske netværk i forhold til tilfældige netværk og DMGs måtte have de tilsvarende funktioner på grund af at fungere som de tilsvarende roller i caners [66]. Den berigelse af hub gener i BRCA og COAD støttet, at risikoen for tyktarmskræft måske øget på grund af patienter med historien om brystkræft i tidligere forslag [32]. For at vurdere betydningen af ​​SIN_D, DOU_D og TRI_D, vi udførte overlevelse analyse ved hjælp BRCA og COAD. Vi fandt, at kræft-specifikke gener kunne dele funktionen i kræft meget influentially. Resultatet yderligere demonstreret de potentielle roller hub gener i DMCN og betydningen af ​​integreret analyse mellem DNA methylering og genekspression.

Derudover resultatet i PPI-netværk angives nøjagtigheden af ​​vores forudsigelse og de potentielle roller nye cancer-relaterede gener i kræft.