PLoS ONE: Funktionel Modul Connectivity Kort (FMCM): Rammer til søgning repurposed Drug Forbindelser for Systemer behandling af kræft og et program til kolorektal adenocarcinom

Abstrakt

Drug nyorientering er blevet et stadig mere attraktivt tilgang til udvikling af lægemidler på grund af den stadigt voksende udgifter til nye lægemiddelforskning og hyppig tilbagetrækning af succesfulde lægemidler forårsaget af bivirkningsindberetninger spørgsmål. Her har vi udtænkt Funktionel Modul Connectivity Kort (FMCM) for opdagelsen af ​​repurposed narkotika forbindelser til systemer behandling af komplekse sygdomme, og anvendt det til kolorektal adenocarcinom. FMCM bruges flere funktionelle gen moduler til at forespørge Connectivity kort (CMAP). De funktionelle moduler blev bygget omkring hub gener identificeret gennem et gen udvalg af trend-of-sygdom-progression (GSToP) procedure, fra tilstand-specifikt gen-gen interaktion netværk konstrueret af sæt af kohorte genekspression microarrays. Kandidatlægemidlet forbindelser blev begrænset til lægemidler, der udviser forudsagte minimale intracellulære skadelige bivirkninger. Vi testede FMCM imod den almindelige praksis med at udvælge stoffer ved hjælp af en genomisk signatur repræsenteret ved et enkelt sæt individuelle gener at forespørge CMAP (IGCM), og fundet FMCM at have højere robusthed, nøjagtighed, specificitet og reproducerbarhed identificere kendte anticancer-midler . Blandt de 46 lægemiddelkandidater udvalgt af FMCM for kolorektal adenocarcinom behandling, 65% havde støtte litteratur for association med anti-cancer aktiviteter, og 60% af de lægemidler forventes at have skadelige virkninger på kræft var blevet rapporteret at være forbundet med kræftfremkaldende /immun undertrykkere . Forbindelser blev dannet ud fra de udvalgte lægemiddelkandidater hvor i hver forbindelse komponenten lægemidler kollektivt var til gavn for alle de funktionelle moduler, mens ingen enkelt komponent stoffet var skadeligt for nogen af ​​modulerne. I rentabilitet celle tests, vi identificeret fire lægemiddelkandidater: GW-8510, etacrynic syre, ginkgolide A, og 6-azathymine, som har høje hæmmende aktiviteter mod kræftceller. Gennem microarray eksperimenter bekræftede vi de nye funktionelle links forudsagt for tre lægemiddelkandidater: phenoxybenzamin (brede effekter), GW-8510 (cellecyklus) og imipenem (immunsystemet). Vi tror FMCM kan med fordel anvendes på repurposed lægemiddelforskning for systemer behandling af andre former for kræft og andre komplekse sygdomme

Henvisning:. Chung FH, Chiang YR, Tseng AL, Sung YC, Lu J, Huang MC, et al. (2014) Funktionel Modul Connectivity Kort (FMCM): Rammer for Søgning repurposed Drug Forbindelser for Systemer behandling af kræft og et program til kolorektal adenocarcinom. PLoS ONE 9 (1): e86299. doi: 10,1371 /journal.pone.0086299

Redaktør: Yu Xue, Huazhong Universitet for Videnskab og Teknologi, Kina

Modtaget 31. oktober, 2013; Accepteret: 9. december 2013; Udgivet: 27 Jan 2014

Copyright: © 2014 Chung 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

Finansiering:. Dette arbejde er delvist finansieret af tilskud fra Stræb efter Top Project, Undervisningsministeriet (bevilge nr. 101G907-2), ROC, og National Central University-Cathay General Hospital United Research center (101CGH-NCU-A5). De finansieringskilder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

Konkurrerende interesser:.. Forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

Et vigtigt mål for biomedicinsk forskning er at forstå de slave genetiske mekanismer for humane sygdomme og opdage terapeutiske lægemidler til sygdomme. Drug discovery er dyrt; den gennemsnitlige forskning og udvikling (R at opretholde proliferativ signalering; at undslippe suicidal apoptotiske programmer; til at muliggøre replikativ udødelighed; og aktivere invasion og metastase [11]. Beviser dukker at patologien af ​​kræft er mere en konsekvens af små uregelmæssigheder i mange gener, end en større abnormitet på et enkelt gen [12], [13], og at lægemiddelforbindelser virker på flere mål kan være en mere effektiv behandlingsstrategi end et enkelt lægemiddel på et enkelt mål [14]. Kort sagt, kræft er en systemer sygdom og bør behandles af en systemer behandling [15].

Her præsenterer vi en beregningsmæssige lægemiddel-screening procedure, der løser de ovennævnte spørgsmål. Vores program har to hovedformål: at overvinde kløften innovation gennem narkotika nyorientering, og til at finde narkotika forbindelser til en systemer behandling af cancer. Drug nyorientering er søgningen efter nye indikationer for allerede godkendte lægemidler [1], [16]. Fordi en godkendt gravet allerede er optimeret til sikkerhed og effekt for sin oprindeligt designet indikation, kan dens rute om godkendelse af en ny indikation være betydeligt kortere og sandsynligvis langt billigere end for et nyt lægemiddel.

For nylig beregningsmæssige screening lægemidler til nyorientering er blevet lettet betydeligt af fremkomsten af ​​Connectivity kort (CMAP), en omfattende og løbende opdateret database over de genomiske profiler af mange eksisterende lægemidler [17]. CMAP er en platform for at udnytte et mønster-matching strategi for at bestemme ligheden, eller det modsatte, i genomiske signaturer blandt sygdomme, funktionelle gen sæt, og narkotika. Det har været ansat i mange undersøgelser for at opdage nyorientering lægemidler mod almindelige sygdomme, herunder diabetes og Alzheimers sygdom [17], og til behandling af solide tumorer, herunder dem, der er forbundet med tyktarmskræft [18], brystkræft [19], og lunge adenocarcinom [ ,,,0],20].

det grundlæggende koncept for CMAP-baserede nyorientering narkotika opdagelse undersøgelser er identifikationen af ​​sygdom forbundet genomiske signaturer, der omvendt korrelere med perturbation i genomisk signatur i forbindelse med administration af molekyler eller narkotika [17], [21 ], [22]. I disse undersøgelser essensen af ​​protokollen – den enkelte-genet Cmap tilgang (IGMP) – til at identificere lægemidler til behandling af en specifik sygdom er ligetil: find et sæt differentielt udtryk gener (degs) opnået ved f.eks, sammenligner to sæt – kontroller og patienter – af genekspression mikroarrays, score kampen mellem DEG sæt og genomiske profiler af narkotika givet af CMAP, og rangordne lægemidler ved score. Lægemiddelkandidater er dem med den højeste score. Fordi den trækker på hele genomiske information af patienterne og af lægemidlet, kan man se disse tilgang som et forsøg på systemer behandling. Men det lider bliver alt for rå en tilgang. Den indeholder navnlig ingen specifik henvisning til en af ​​de mange ændrede tilstande af biologiske funktioner forbundet med sygdommen. Ved ikke at være opmærksom på de enkelte biologiske funktioner, kan en “bedste” drug meget vel være et kompromis, valgt til at have stærke gavnlige virkninger på en delmængde af funktioner på bekostning af at være skadelige for nogle andre funktioner.

En anden undersøgelse, der anvender variable gen signaturer til at screene repurposed narkotika har med succes identificeret mange heterogene Food and Drug Administration (FDA) godkendt lægemiddelkandidater for brystkræft, myeloid leukæmi, og prostatakræft [23]. Denne metode giver typisk en lang liste af heterogene lægemiddelkandidater uden at give detaljer, der kan hjælpe med at differentiere de lægemidler, detaljer såsom hvordan et lægemiddel anderledes påvirke de multi-funktionaliteter (en bestemt) kræft. Andre mere avancerede metoder baseret på beregningsmæssige netværk modeller er blevet udviklet til at identificere nye terapeutiske mål for det formål at behandle regulerende mobilnetværk [24], [25]. Effektiviteten af ​​disse tilgange, som har til formål at hæve den relative aktivitet af visse celle regulatoriske netværk, og baserer deres forudsigelser om kunstfærdige modeller optimalt tunet til at passe eksisterende tidsmæssige og rumlige data, kan være begrænset af den begrænsede eksisterende viden om netværk og parametre, der beskriver protein aktiviteter.

Her præsenterer vi en ny analytisk ramme, kaldet Funktionel Modul Connectivity Kort (FMCM), for opdagelsen af ​​narkotika forbindelser til systemer kræftbehandling. Vi konstrueret tilstand-specifik funktion-funktion netværk (FFNS) og anvendes et gen-udvalg-by-trend-of-progression procedure (GSToP) [26] for at identificere komplekst forbundet og overudtrykt hub gener i FFNS. Vi derefter brugt funktionelle moduler bygget omkring hub gener for at forespørge CMAP for opdagelsen af ​​ontologi-specifikke nyorientering narkotika, og yderligere screenet narkotika ved at kræve, at de udviser minimale intracellulære skadelige bivirkninger. I forhold til den standard IGCM protokol, FMCM var mere robust i sin udvælgelse narkotika og det mere konsekvent forudsagt højere hit satser (-65%) på effektive lægemidler mod tidlig tumorigenese i tyk- og endetarmskræft. Når kontrolleres mod kendte narkotika indikationer i Therapeutic Target Database (TTD), viste FMCM signifikant højere nøjagtighed og lavere falsk positive satser på opdagelsen af ​​de anti-cancer midler end IGCM, undtagen for immunsystemet. Vores levedygtighed test på otte af de lægemiddelkandidater viste tre, GW-8510, ginkgolide A, og 6-azathymine, repræsenterede høje hæmmende aktiviteter mod overlevelse kræft cellelinjer med specifikke koncentrationer og administration varigheder. Opfølgende microarray eksperimenter bekræftede, at både CMAP og vores datasæt viste ensartede resultater på tre uafhængige narkotika – phenoxybenzamin (brede effekter), GW-8510 (cellecyklus) og imipenem (immunsystemet). Disse resultater viste effektivitet FMCM, og foreslog dens potentiale for at formulere repurposed narkotika regimer med minimale skadelige bivirkninger hos kræftpatienter.

Materialer og Metoder

Datakilder

Gene udtryk data for 32 patienter med sporadiske kolorektale polypper (adenom) og tilsvarende tilstødende normal slimhinde fra de samme individer blev indhentet fra Gene Expression Omnibus (GEO) database (tiltrædelse nummer: GSE8671) [27]. Vi udvindes 30,047 protein poster og 39,194 protein-protein interaktioner (PPI) fra det humane protein reference Database (HPRD) [28] og brugte Gene Ontology (GO) [29] til funktionel information.

Ekstern database

Vi brugte Connectivity Map database (CMAP) bygge 02 [17], med 6100 behandling udtryk profiler, der repræsenterer 1.309 lægemidler (og forbindelser), til at beregne berigelse scores (ES) af gen sæt mod narkotika.

For henvisning indikation lægemiddel vi L01 klasse, antineoplastiske midler, Anatomical Therapeutic Chemical (ATC) Classification System, World Health Organization (WHO) (https://www.whocc.no/).

vi udvindes oplysninger om mål kendte terapeutiske protein, relevante sygdomme eller kræft, og tilsvarende lægemidler (787 narkotika; 60% af CMAP datasæt) fra Therapeutic Target Database (TTD: https://bidd.nus.edu.sg/group/ttd/) [30]. Desuden har vi forespørges nøgleordene om søgning motorer til at definere relative terapeutiske lægemidler på kræftbehandling

Vi hentede de annoterede 4,884 gen-sæt fra Molecular signaturer Database (MSigDB:. https://www.broadinstitute.org /gsea/msigdb/index.jsp) [31]. De gen-sæt er fire typer: C2: kurateret gen-sæt fra kendte veje, online databaser og viden om domæne eksperter; C3: motiv gen-sæt baseret på konservative cis-regulatoriske motiver fra menneske, mus, rotter, og hunde genomer; C4: beregningsmæssige gen-sæt bestemt ved co-ekspression kvarterer centreret om 380 cancerrelaterede gener; C5: gen-ontologi gen-sæt indsamlet fra de samme GO anmærkninger af gener. Gene symboler i hvert gen-sæt blev kombineret og omdannet til HG-U133A Affymetrix ID henhold til den opdaterede annotationsfil på hjemmesiden https://www.affymetrix.com/estore/.

Gene udvælgelse af de enkelte gen analyse (IGA) og Individuel gen tilslutningsmuligheder kort (IGCM)

differentielt udtrykte gener (degs) blev valgt ved hjælp af betydning analyse af Microarrays algoritme (SAM) [32]. Medmindre andet er angivet, tærskelværdier for falsk opdagelse sats (FDR) 0,05 og fold ændring (FC) 2 blev anvendt. Berigelse score (ES) matchende gen sat til lægemiddel blev beregnet gennem CMAP [17].

Gavnlige og skadelige stoffer

Givet et gen sæt blev et lægemiddel udpeget gavnlige eller skadelige, hvis ES er -0,5 eller 0,3. For lægemidler, der skal udpeges gavnlig en randomisering

s

-værdi. 0,005 var påkrævet, medmindre andet er angivet

Konstruktion af gen-gen-interaktion netværk (GGIN) og funktion-funktion interaktion netværk (FFN )

For en given tilstand – kontrol (Nor) eller adenom patient (Ade) – og en Pearson

s

-værdi (se nedenfor) tærskel

s

0, vi medtaget et par gener i GGIN hvis: (1)

s

-værdi for parret var ikke større end

s

0; (2) proteinet parret kodet af genet pair var forbundet i PPI-data. For et givet sæt af

n

mikroarrays blev en Pearsons korrelationskoefficient (PCC) mellem et par gener beregnet ved hjælp af to sæt

n Salg intensiteter af parret. Hver PPC er tildelt en Pearson

s

-værdi baseret på permutation tests og

t

-Statistik. Gener i hver type-specifikke GGIN blev tildelt overrepræsenteret biologiske funktioner, kaldet funktionelle moduler, gennem Gene ontologi sigt forening [29]. Berigelse analyser baseret på betinget hypergeometric test [33] blev foretaget ved hjælp af R pakke GOstats downloadet fra BioConductor hjemmeside. Hver GGIN blev reduceret til at fungere-funktion netværk (FFN) ved hjælp af funktionelle moduler som knudepunkter.

GSToP og det funktionelle modul tilslutningsmuligheder kort (FMCM) rammer

FMCM rammer for valg af terapeutisk stof sammensatte bestod af to segmenter, udvælgelse af funktionelle moduler af forudsagte cancer gener baseret på GSToP procedure [26] (trin 1-5 nedenfor) og flere forespørgsler, en for hver funktionel modul på den CMAP til identifikation lægemiddel (trin 6-8) . Trin i udvælgelsesproceduren (figur 1) var: (1) Konstruér Nor og Ade GGINs og FFNS hjælp tærskel Pearson

s

-værdi = 0,001. (2) SAM. Identificer degs for Ade vs. Nor hjælp tærskler FDR 0,01 og FC 2. (3) GSToP. Tildel et gen som et gen kræft, hvis: (a) den vises i mindst Ade eller Nor GGIN; (B) dens grader og klyngedannelse koefficienter stigning (fald) langs sekvensen. (4) Tag overlapning af SAM og GSToP lister. (5) Cancer gener (herunder op-reguleret og ned-regulerede gener) danner funktionelle moduler med GO udtryk, der anvendes til FFNS. (6) Gavnlige og skadelige narkotika lister. Brug funktionelle moduler separat at forespørge narkotika i CMAP [17] for at opnå for hver funktion to lister for henholdsvis forudsagt gavnlig (ES -0,5) og skadeligt (ES 0,3) lægemidler (se ovenfor for kravet om randomisering

p

-værdi). (7) Funktion-drug forening kortet (FDAM). Brug listerne narkotika til at konstruere et kort med to slags knuder, funktion modul og narkotika, og to slags funktion-drug links, gavnlige og skadelige. Indbefatter i FDAM kun lægemidler, der har mindst en gavnlig link. (8) Construct fra FDAM alle forudsagte narkotika forbindelser, hvor en forbindelse er minimum af rent gavnlige stoffer, der er omfattet alle funktioner.

Nøjagtighed, specificitet og reproducerbarhed i præstationstest

positive NB og negativer NA var narkotika forudsiges at være gavnlig og skadelig, henholdsvis; ægte positive TP og falsk negative FN var kendt antitumormidler forudsiges at være gavnligt og skadeligt, henholdsvis; sande negativer er TN = NA-FN, og falsk positive er FP = NB-TP. Nøjagtighed blev defineret som (TP + TN) /(NB + NA), og specificitet som TN /(FP + TN).

For reproducerbarhed et lægemiddel forudsigelse procedure (FMCM eller IGCM) blev gentaget 10 gange, hver tid på at arbejde på et sæt af 40 tilfældigt udvalgte microarrays, 20 hver fra kontrol og patienter, og reproducerbarhed blev målt over 10 × 9/2 = 45 par resultater. For hvert par reproducerbarhed var (størrelsen af) skæringspunktet mellem de to sæt af udvalgte lægemidler divideret med det geometriske gennemsnit af de to sæt.

Cellekulturer og reagenser

menneskelige kolon kræft cellelinjer (HCT116, RKO, SW403, og SW620) og brystcancer cellelinjer (MCF7) blev opnået fra ATCC (American Type Culture Collection, Manassas, VA) og holdt som foreslået af ATCC. Vækstmedierne for alle cellelinier blev suppleret med 10% føtalt bovint serum (FBS), 50 enheder /ml penicillin og streptomycin og inkuberet ved 37 ° C med 5% carbondioxid. I eksperimenter blev celler behandlet med ethanol, vand eller DMSO som tilsvarende vehikelkontrol. Phenoxybenzamin, GW-8510, etacrynic syre, ginkgolide A, triflusal, imipenem, 6-azathymine blev indkøbt fra Santa Cruz (CA). Phthalylsulfathiazole blev købt fra Sigma (St. Louis, MO). Phenoxybenzamin, phthalylsulfathiazole, etacrynic syre, ginkgolide blev opløst i ethanol. Imipenem blev opløst i vand. De resterende lægemidler blev opløst i dimethylsulfoxid (DMSO)

celleproliferationsassay

spredningsaktiviteter af fem cellelinier -. Coloncancer, HCT116, RKO, SW403, og SW620, og brystcancer, MCF7 – blev overvåget ved Alamar blå (Molecular Probes, Invitrogen Corporation), en oxidation-reduktion-reagens, og bestemmes ved måling af reduktionen af ​​resazurin (blå, ikke-fluorescerende) til resorufin (rød, stærkt fluorescerende). Celler blev podet i 96-brønds dyrkede plader, og efter undersøgelsens design af CMAP [17], behandlet med enkelte lægemidler med koncentration på 0, 0,1, 1,10, 30 uM i 5 dage, derefter undersøgt for proliferation aktiviteter. En tiendedel volumen af ​​Alamar blue reagens blev tilsat, og pladerne blev inkuberet ved 37 ° C i 2-3 timer. Cellelevedygtighed blev bestemt ved måling af fluorescens med excitation ved 550 nm og emission ved 590 nm på Synergy HT (BioTek Instruments, Winooski, VT). Cell overlevelse blev beregnet som relative værdi af forskellen mellem de reduktioner af Alamar Blå i behandlede versus kontroller.

RNA ekstraktion og mikroarrays

Celler blev podet i 100 mm skåle og behandles med medicin. Efter lægemiddelbehandling i 6 timer, blev samlet cellulært RNA isoleret ved anvendelse Mirvana miRNA Isolation Kit (Ambion, Austin, TX) i overensstemmelse med producentens instruktioner. 250 ng af total RNA blev anvendt til microarray eksperimenter. Ekstraherede RNA blev mærket med GeneChip® 3 ‘IVT Express Kit (Affymetrix, Santa Clara, CA, USA) og hybridiseret på Affymetrix GeneChip® Prime View Human Gene Expression Array. Denne vifte indeholdt cirka 530.000 prober dækker mere end 36.000 udskrifter og varianter. Rå billeder blev analyseret af Affymetrix GeneChip® Operating Software. Vi udførte microarray analyse af effekten af ​​imipenem og phenoxybenzamin (PB) (behandlet og ubehandlet) på HCT116 og MCF7, og GW-8510 på HCT116 under U219 (primeview) platform, alle i dubletter. Behandling doseringer og varighed gange var de samme som i [17].

microarray eksperimenter og analyse ved IGA og gen-sæt tilgang (GSA)

Genom-dækkende genekspressionsprofiler fra lægemiddel-perturberede tumorceller vurderet af Affymetrix GeneChip® Prime View platform blev analyseret i F miljø (version 2.15.1). To cellelinjer, HCT116 og MCF7, blev behandlet med tre medikamenter, GW-8510, phenoxybenzamin (PB) og imipenem, med de samme doseringer (10 uM, 11,8 uM, 13,4 uM, henholdsvis) og tid (6 timer efter dyrkning natten ) som i [17]. Mikroarrayet profiler blev sammenlignet med ti profiler fra CMAP til MCF7 behandlet med de tre lægemidler. Genekspression intensiteter blev normaliseret ved Robust Multi-matrix Average (RMA) [34]. I IGA blev tilgang DEGS identificeret ved envejs ANOVA under anvendelse af eBayes funktion i limma pakke [35]. I et gen-sæt tilgang (GSA), givet en liste over klassificeret differential gen udtryk, vi brugte GSEA [31] til at konvertere de 4,884 kommenterede gen sætter ind MSigDB [31] til en liste over 4884 rangeret eksponeringsscenarier, derefter anvendt envejs ANOVA at finde differential gensæt. I IGA (eller GSA) et gen (eller et gen-sæt) med falsk opdagelse sats (FDR) mindre end 0,01 blev betragtet som signifikant og udvalgt til to-vejs hierarkisk klyngedannelse af microarray sæt. GO vilkår for overrepræsenteret gen (eller gen-sæt) klynger i IGA (eller GSA) Heatmap blev bestemt ved hjælp af DAVID [36].

Resultater

Funktion-funktion netværk

høj kvalitet af microarray data blevet identificeret af den rene adskillelse af kontrol (fra 32 normale væv) og prøve (32 patienter) i principal komponent analyse (figur S1A). De 2.164 degs udvalgt af SAM (med tærskler FDR 0,01 og FC 2) korrekt klassificeret den kontrol og prøve i hierarkisk klyngedannelse (Figur S1B). Clustering resultaterne ikke var følsomme over for moderate variationer i tærskelværdier (ikke vist). Gene-gen interaktion netværk (GGINs) blev konstrueret med en tærskel på Pearson

s

0,001 fra kontrol og adenom kohorte microarray data (figur S2). Den adenom GGIN har 6,4% flere gener (1792 vs. 1684) og 32% flere links (2656 vs. 2017) end kontrolgruppen GGIN. Forskellen mellem de to tilfælde blev klart, når de GGINs blev reduceret til funktion-funktion net (FFNS) har funktionelle moduler som knudepunkter (figur 2, tabel S1). Celle cyklus, DNA replikation, og DNA-reparation funktionelle moduler var meget større i adenom FFN og udviste meget høje niveauer af intra-funktion aktivitet. Der var også flere inter-modul aktiviteter i adenom end i kontrol. I en kendt undtagelse, inter-modulet aktivitet mellem immunsystemet proces og celledeling var svagere adenom end i kontrol.

tilstand specifik funktion-funktion netværk (FFNS) blev genereret fra gen-gen-netværk (GGINs) , der er vist i fig S2, ved reduktion. Knuder i en FFN er funktionelle moduler (FMS), som er gen-sæt i den tilsvarende GGIN danner overrepræsenterede Gene ontologi vilkår. FM-stationer, der indeholder mindre end 70 gener er ikke vist. Diameteren af ​​et knudepunkt skalaer med logaritmen af ​​antallet af gener i knudepunktet. Farven skyggen af ​​et knudepunkt indikerer antallet af intra-node gen-gen interaktioner pr gen. Tykkelsen af ​​kanten angiver antallet af inter-node-gen-gen interaktioner.

repurposed terapeutiske lægemidler udvalgt af IGCM

CMAP giver berigelse scores (ES) til gen-lister ikke længere end 1.000 poster. Vi overholdt denne begrænsning (dvs. begrænse størrelsen af ​​DEGS) ved at kræve FDR 0,01. Fem DEG lister med FC tærskler på 3,0 til 5,0 med 0,5 intervaller blev genereret, og deres ES s for de 1.308 lægemidler (eller små forbindelser) blev opnået ved at forespørge CMAP. Listen af ​​gavnlige (dvs. anti-adenom) stoffer var følsomme over for (tærskelværdien af) FC, med størrelsen af ​​listen faldende med stigende FC (figur 3A). Antallet af gavnlige validerede narkotika faldt med stigende FC (Figur S3). Ifølge TTD, mange kendte terapeutiske anti-cancer medicin, såsom chrysin (pink, TTD id: DNC004715), GW-8510 (rød, TTD id: DNC004631), daunorubicin (cyan, TTD id: DAP000788), apigenin (lys lilla , TTD id: DNC004714), resveratrol (gul grøn, TTD id: DNC001205), tilfældigvis alle ændret fra gavnlig på FC = 3 til skadelige ved FC = 3,5 (figur 3A). Hos FC = 5,0, den strengeste tærskel, som vi brugte det meste, AG-012.559 var den eneste gavnlige stof under permutation

s

. 0,005 (figur S3)

Berigelse score (ES) blev opnået ved at forespørge CMAP med gensæt (størrelse angivet ved lodret streg) bestemt under anvendelse af varierende fold-ændring (FC) tærskel. Et lægemiddel anses gavnligt til behandling af kolorektal adenom hvis ES -0,5, skadeligt, hvis ES 0,3, og neutral ellers. (A) Screening af IGCM procedure. Forespørger gen sæt blev komplet sæt differentielt udtrykte gener (degs) identificeret fra genekspression arrays af kolorektal adenom kohorte (versus kontrol) ved brug af SAM-algoritmen med fast FDR 0,01. (B) Screening af FMCM procedure. Forespørge gen sæt var funktionelle moduler fremstillet ved deling af overrepræsenterede Gene ontologi vilkår i GSToP filtrerede degs.

repurposed terapeutiske lægemidler udvalgt af FMCM

I FMCM programmet, valgte gener i hver funktionelt modul (tabel S2) blev anvendt separat for at forespørge CMAP, hvilket giver separate funktionelle specifikke narkotika lister. Alle de funktionelle modul var en forening af de kontrol- og adenom funktionelle moduler givet af de respektive FFNS, filtreret af GSToP procedure (se metoder). I FMCM genet størrelse af modulet havde en meget stærkere afhængighed af værdien af ​​FC end IGCM (figur 3). I IGCM, størrelse DEG faldet fra lige over 600 til 200, når værdien af ​​FC tærskel blev hævet fra 3 til 5. I FMCM modul gen størrelse faldt fra omkring 600 til omkring 30 som (tærskelværdien) FC blev hævet fra 1 til 3 , og blev for lille til CMAP programmet, når FC blev hævet over 3. Alligevel inden for det respektive udvalg af FC anvendte FMCM forudsat en meget mere stabil og robust miljø for screening lægemiddel ved CMAP end IGCM; i FMCM karakter af udvalgte lægemidler (dvs. gavnlige eller skadelige) ændret sig meget lidt (21 ud af 256, figur 3B), mens i IGCM ændret faldt 54,5% af udvalgte lægemidler (12 ud af 22, figur 3A).

Funktion-drug forening kortet (FDAM) og terapeutiske narkotika forbindelser

Rent gavnlige og skadelige stoffer (se Materialer og metoder), der var til gavn for mindst en FM blev identificeret i FMCM programmet (FC 2) og anvendt til at konstruere FDAM. De 46 narkotika i FDAM (tabel 1) var meget mere talrige end den tilsvarende liste findes i traditionelle IGCM tilgang (som havde 22 stoffer). Tredive af 46, eller 65%, er enten blevet undersøgt individuelt som antitumormidler eller er blevet certificeret til at have forebyggende virkninger mod et bredt område af cancere (tabel 1 og tabel S3). De fem stoffer, thapsigargin, pyrvin, trifluoperazin, ellipticin, og 0297417-0002B, som efter vores FDAM var skadeligt for mindst et modul, er blevet rapporteret at vise tegn på carcinogenese /immunsuppression aktiviteter (figur 4, tabel 1 og tabel S3 ). Vi ser de 41 lægemidler på FDAM uden skadelige links som kandidat terapeutiske lægemidler. Antallet af moduler, eller grader (tabel 1), hvortil en lægemiddelkandidat var gavnligt varierede fra 1 til 7. Der var to graders-7 narkotika, phenoxybenzamin og GW-8510, og tre graders-5 narkotika, thapsigargin, phthalylsulfathiazole, og medryson (se tabel 1 for alle detaljer om grader og narkotika-modul forhold). En terapeutisk lægemiddel forbindelse er en række lægemidler, hentet fra listen over kandidat terapeutiske lægemidler, der er omfattet alle moduler minimum. Mange forbindelser kunne konstrueres fra kandidatlisten lægemiddel. Der var to 2-compnent forbindelser, phenoxybenzamin + ISP og GW-8510 + ISP, og 20 forbindelser med op til seks narkotika komponenter (tabel 2). Spærring lægemiddelinteraktion, vi forudsige disse forbindelser at være fri for skadelige bivirkninger på det intracellulære niveau

Nodes i kortet er funktionelle moduler (FMS; gen sæt). Og lægemidler fremstillet ved at forespørge CMAP hjælp individuelle FM-stationer . Drug-funktion links indikerer gavnlig (grøn) eller skadeligt (rød). Kun lægemidler til gavn for mindst en FM er inkluderet. Vejviser

Sammenligning mellem IGCM og FMCM

Stabilitet.

Som nævnt tidligere, karakterisering af et lægemiddel, nemlig gavnlige eller skadelige, var meget mere stabil FMCM end i IGCM (figur 3).

Nøjagtighed og specificitet.

Vi brugte antitumormidler i Therapeutic Target Database (TTD) til at vurdere nøjagtighed og specificitet (Materiale og metoder) af FMCM og IGCM forudsigelser. Den “sande” stof sat i testen var skæringspunktet mellem TTD og CMAP listen, som omfattede omkring 40% af TTD. For enkelhed, vi betegne som IG3 den IGCM forespørgslen på FC = 3 og resten (forespørgsler med FC 3) ved IGL. Vi fandt, at FMCM havde samlet nøjagtighed (figur 5A) og specificitet (figur S4) ligner IG3 og højere end IGL, bortset immunsystemet proces-modul, hvor FMCM var værre end IGL.

(A) Nøjagtighed er summen af ​​sande positive (forudsagt gavnlige og kendte anti-tumor middel) og sand negativ (forudsagt skadelig og kendt kræft-fremkaldende middel) i løbet af summen af ​​forventede gavnlige og skadelige stoffer. IGCM resultater er i sort, og FMCM, i rød og cyan. Specificitet er givet i figur S5. (B) Reproducerbarhed er et mål for en aftale mellem de udvalgte stoffer i to kørsler ved hjælp af forskellige undergrupper af microarray data (materialer og metoder). De viste resultater er gennemsnit over 45 parvise sammenligninger af udvalgte lægemidler. De fem tårne ​​til venstre er IGCM resultater for given tærskelværdi FC værdi. De otte tårne ​​til højre er FMCM resultater (FC 2) for de 8 funktionelle moduler. Størrelse af forespørge gen sæt er givet ved linje i rødt.

Reproducerbarhed.

Vi testede reproducerbarhed (Materiale og metoder) af narkotika forudsigelser ved at gentage 10 gange FMCM og IGCM procedurer, hver gang der arbejder på et sæt af 40 tilfældigt udvalgte microarrays, 20 hver fra kontroller og patienter. I FMCM procedure, blev GGINs bygget ved hjælp degs udvalgt af SAM på FDR 0,01 og FC 2, og det valgte lægemiddel sæt var summen af ​​gavnlige og skadelige stoffer.