Abstract
Unormal DNA metylering er kjent som å spille en viktig rolle i tumorgenesis. Det er nyttig for å skille det spesielle ved diagnostisering og terapeutiske mål for kreft basert på egenskapene til DNA metylering mønstre på tvers av kreft. Høy throughput DNA metylering analyse gir mulighet til omfattende filtrere epigenetikk mangfold på tvers av ulike kreftformer. Vi integrert hel-genom metylering data oppdaget i 798 prøver fra sju kreftformer. Den hierarkiske clustering avslørte eksistensen av cancer-spesifikk metylering mønster. Deretter identifiserte vi 331 differentially denaturert gener på tvers av disse kreftformene, hvorav de fleste (266) var spesielt differensial metylering i unik kreft. En DNA-metylering korrelasjons nettverk (DMCN) ble bygget basert på metylering korrelasjonen mellom disse genene. Det ble vist navene i DMCN var tilbøyelig til kreftspesifikke gener i sju kreft. Videre overlevelsesanalyse ved hjelp av den delen av gener i DMCN avdekket høyrisikogruppen og lav-risikogruppe ble preget av syv biomarkører (
PCDHB15, WBSCR17, IGF1, GYPC, CYGB, ACTG2
, og
PRRT1
) i brystkreft og åtte biomarkører (
ZBTB32, OR51B4, CCL8, TMEFF2, SALL3, GPSM1, MAGEA8
, og
SALL1
) i tykktarmskreft, henholdsvis. Endelig, ble et protein-protein interaksjon nettverk introdusert for å bekrefte den biologiske funksjon av differensielt metylert gener. Det ble vist at
MAP3K14, PTN, ACVR1 Hotell og
HCK
dele forskjellig DNA metylering og genekspresjon på tvers av kreft var relativt høy grad distribusjon i PPI nettverk. Studien antydet at ikke bare de identifiserte kreftspesifikke gener gitt referanse for individuell behandling, men også forholdet på tvers av kreft kan forklares med differensial DNA metylering
Citation. Zhang C, Zhao H, Li J, Liu H Wang F, Wei Y, et al. (2015) identifikasjon av spesifikke metylering mønstre på tvers av ulike kreftformer. PLoS ONE 10 (3): e0120361. doi: 10,1371 /journal.pone.0120361
Academic Redaktør: Hiromu Suzuki, Sapporo Medical University, JAPAN
mottatt: 02.10.2014; Godkjent: 20 januar 2015; Publisert: 16 mars 2015
Copyright: © 2015 Zhang et al. Dette er en åpen tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Data Tilgjengelighet: All relevant data er i avisen og dens saksdokumenter filer
Finansiering:. Støtte ble gitt av Natural Science Foundation National Kina [no. 31371334, 61203262, 61403112, 61402139]. Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser:. Yan Zhang er for tiden en faglig redaktør. Dette endrer ikke forfatternes tilslutning til alle PLoS ONE politikk på deling av data og materialer.
Bakgrunn
Epigenetikk kalles en arvelig mekanisme som påvirker genekspresjon som er uendret i DNA sekvens [1]. DNA-metylering er en av de viktigste epigenetiske hendelser hos pattedyr, og refererer hovedsakelig til kovalent addisjon av en metylgruppe (CH
3) på 5-stillingen av cytosin. En CpG-rike regionen kalles en CpG øy som alltid lapper på genet arrangører og samarbeidspartnere med negativ regulering av genekspresjon [2,3]. Det har blitt avdekket at CpG metylering spiller en viktig rolle i biologiske prosesser, inkludert imprinting, retrotransposon stanse, X kromatin inaktivering, DNA kopiering, transkripsjon, reparasjon, selv utvikling av kreft og mange andre komplekse sykdommer [4]. Nyere undersøkelser viser at metylering mekanismen har sterke effekter innen kreftgener [5,6]. Derfor er ytterligere forståelse av CpG metylering på komplekse sykdommer vil være nyttig for sykdom diagnose, behandling og prognose. Til dags dato, er det et økende antall studier med hovedfokus på mekanismen av epigenetiske prosesser, spesielt CpG metylering [7].
Kreft har vært ansett som komplekse sykdommer [8]. Det er mange faktorer som er involvert i kreftformer som kopitall forandring, differensiell ekspresjon, epigenetisk aberrasjon og så videre, blant hvilke unormal DNA-metylering er blitt oppdaget i mange kreftformer, inkludert brystkreft, lungekreft og tykktarmskreft. Hypermethylation i promoter-regioner inhiberer ekspresjonen av tumorsuppressorgener. På den annen side, hypometylering i promotorområdene aktiverer onkogen uttrykk. Global hypometylering spiller også en viktig funksjon i prosessen med kreftutvikling, økt genomisk og kromosomal instabilitet [9,10]. For eksempel har mange rapporter vist at brystkreft er den vanligste kreft hos kvinner rundt om i verden, og har mer enn seks signifikante undergrupper beskrevet av genuttrykk.
BRCA1 /2
er de fleste kreftrelaterte gener i brystkreft, involvere de i DNA-reparasjon, regulering av transcriptional aktivering og apoptose. Den hypermethylation av
BRCA1 /2
i promoter-regioner resulterer i inaktivering av funksjon og øker risikoen for brystkreft [11,12]. Tilsvarende hypermethylation av
AOX1 plakater (aldehydoksidase 1) og
GSTP1 plakater (glutation S-transferase 1) i prostatakreft også føre til stillheten av genekspresjon [13,14].
LINE-1 product: (lang ispedd nucleotide element-1) blir ofte sett på som en surrogatmarkør for global DNA metylering og overekspresjon av
LINE-en
indusert av hypometylering i arrangører resulterer i en dårlig prognose i ikke-småcellet lungekreft [15].
Et stort antall kreftrelaterte gener har blitt anerkjent og mange viktige gener er assosiert med mer enn én kreft.
CDH1 product: (E-cadherin), spiller en inter adhesjonsmolekyl i epitelceller en viktig rolle i å etablere og opprettholde inter tilkoblinger. Den hypermethylation av
CDH1
i kolorektal kreftutvikling reduserer genekspresjon og ødelegger funksjonen til celle-celle adhesjon system [16]. Videre hypermethylation av
CDH1
også forstyrrer inter heft i magekreft, brystkreft og blærekreft [17-19].
RASSF1 plakater (RAS foreningen domene familie gen 1) har også høy frekvens av metylering i promoter regioner og fungerer som en risikofaktor i prostatakreft og plateepitel livmorhalskreft [20-22]. Derfor er det nødvendig å utvikle en integrert analyse på tvers av svulster å oppdage likheter i ulike kreft og kreftspesifikke egenskaper.
I denne studien, bygget vi en integrert samling av DNA metylering data på tvers av sju kreft. Dataene ble valgt fra Kreft Genome Atlas (TCGA) prosjektet, inkludert mer enn 12.000 tumorprøver fra ca 20 krefttyper, som ga en mulighet til å finne genet avvik mellom ulike typer kreft [23]. Sammenligningen av metylering profiler på tvers av forskjellige prøver ble anvendt for å undersøke kreft-relaterte metylering variasjon og cancer-spesifikk metylering. Vi kvantifisert sammenhengen mellom arrangøren DNA metylering og genuttrykk å presentere anerkjennelse av en DNA metylering kreft-relaterte signatur. I tillegg ble det også vist at krets på tvers av kreft via DNA-metylering korrelasjons nettverk (DMCN) konstruert i denne studien. Vi videre rapportert at kreftrelaterte biomarkør gener kan også gi et bidrag til prognose gjennom overlevelsesanalyse i brystkreft og tykktarmskreft.
Materialer og metoder
DNA metylering og uttrykk data
DNA metylering data er innhentet fra Kreft Genome Atlas (TCGA). Prøvene besto av 832 kreftprøver og 284 normale prøver samlet inn fra matchet tilstøtende normalt vev, inkludert bryst invasivt karsinom (BRCA), colon adenokarsinom (coad), nyre nyre klar cellekreft (KIRC), nyre renal papillær karsinom (KIRP), lunge adenokarsinom (LUAD), lunge plateepitelkarsinom (LUSC), endetarm adenokarsinom (LES) og deres matchede prøvene som vanlig seg. Dataene ble oppdaget av infinium HumanMethylation27 BeadChip inneholder over 27,578 CpG steder i 14,475 gener. Dataene var fra nivå 2 og β verdien ble definert som DNA-metylering nivå som ble beregnet som radio av metylert probe (M /(U + M)) som varierer fra 0 til 1.
prober med deteksjon «NA «ble behandlet som manglende data. Prøver med mer enn 150 savnede prober ble behandlet som manglende data og 66 prøver ble slettet. Deretter ble områder med manglende data slettet. Variasjonskoeffisient (CV) ble brukt til å vurdere den diskrete graden av alle data. Genene med CV mindre enn 0,5 på mer enn 80% av eksemplene ble holdt seg. CV = SD /AVE. CV var variasjonskoeffisienten av områder som tilhører det samme genet i en prøve, SD var variansen til områder, var AVE gjennomsnittet av områder. Gjennomsnitt metylering nivå av flere CPGs på samme genet ble definert som metylering nivå av genet.
Uttrykket data ble oppnådd fra 210 cancerprøver og 68 normale prøver (inkludert passet og normale prøver) i TCGA. Coad og LES ble oppdaget av plattformen AgilentG4502A inkludert 17,814 gener. BRCA, KIRC, KIRP, LUAD og LUSC ble oppdaget av plattformen illminaHiseq_RNASeqV2 inkludert 20,531 gener. Prøven informasjon fra begge DNA metylering data og uttrykk data ble oppført i S1 tabell.
Identifikasjon av differensial gener
I denne studien brukte vi R bibliotek pakken «samr» basert på t- teste statistisk signifikans for å identifisere differensielt denaturert gener (dmgs). DMG ble definert som signifikansnivå falske funnrate (FDR) mindre enn 0,05 og forskjellen på DNA metylering nivå mer enn 0,15 mellom kreft og normale prøver [24]. Den versjonen av pakken verktøyet vi brukte var 4,0. For å forstå mekanismen av DNA metylering i kreft, vi også brukt samr å identifisere differensielt uttrykte gener (degs) med signifikansnivå falske funnrate (FDR) mindre enn 0,05.
Bygging av DNA metylering korrelasjon nettverk
skjæringspunktet mellom dmgs og degs ble brukt som nodene i bygging av DNA metylering korrelasjon nettverk. Da vi beregnet korrelasjonskoeffisientene ved metylering nivåene av differensial gener som kantene, den absolutte verdi av Pearson koeffisient korrelasjonen var ikke mindre enn 0,7 med signifikansnivå p-verdi mindre enn 0,05 [25].
Nettverket ble visualisert gjennom Cytoscape (https://www.cytoscape.org/), en åpen kildekode programvare for å konstruere biologiske nettverk. Deretter ble tilfeldig nettverk generert gjennom permutasjon av syv kreft merkelapper for hvert gen for å vurdere påliteligheten av DMCN. Dataene ble opprørt i ett gen for 1000 ganger og vi beregnet korrelasjonskoeffisienter av tilfeldige data å bygge tilfeldig nettverk.
Survival analyse av forskjellig denaturert gener
overlevelsesanalyse ble utført basert på prognostisk indeks (PI) til å generere risikoen groups.where x
p var et uttrykk for biomarkør gener og
β
p
ble beregnet gjennom COX regresjon. Med PI økt, vil pasientene har en dårlig prognose. Vi brukte PI for å separere prøven i to grupper med de samme prøvene for å teste om biomarkører ble forbundet med overlevelse trinnet.
Konstruksjon av protein-protein interaksjon nettverk
Vi valgte en integrert PPI nettverk som bakgrunn, som ble integrert fra biomolecular Interaksjon Network Database (BIND), biologiske Generelt Repository for interaksjonsdata sett (BioGRID), Database for samspill proteiner (DIP), human Protein Referanse Database (HPRD), intakt, Molecular i samhandlingen database (MINT), pattedyr PPI databasen til München Informasjonssenter på proteinsekvenser (MIPS), PDZBase (en PPI database for PDZ-domener) og Reactome. Den konstruerte frø genet satt var SIN_D, DOU_D og TRI_D identifisert ovenfor. De ble kartlagt i integrert PPI nettverk og en sub-nettverk ble hentet. Under nettverk besto av frø gener og gener forbinder med frø gener i integrerte PPI nettverk. Graden av node i sub-nett ble definert som det antall gener som var forbundet med frø gener. Det kan brukes til å forutsi betydningen av identifiserte kreftrelaterte dmgs.
Resultater
Differensial metylering mønstre på tvers av kreft
Syv kreftdata fra TCGA ble brukt i denne studien, inkludert deres DNA metylering profil og genuttrykk profil. Når dataene forbehandling (se materialer og metoder), 832 cancerprøver og 284 normale prøver av de syv kreft ble holdt seg (tabell 1). For ytterligere identifikasjon av dmgs, opprettholdt vi 7,936 gener som DNA metylering verdi eksistert i alle krefttilfeller (S2 Table). De dmgs for sju krefttilfeller ble identifisert gjennom henholdsvis samr. Det var 509 gener som viser differensial metylering 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 LES (S3 Table). Unionen av dmgs var 1318 (S4 tabell). Fordelingen av metylering mønstre dmgs hos kreft ble observert basert på toveis hierarkisk clustering analyse (fig. 1). Prøvene ble samlet inn clades basert på bestemte typer biologiske prøver. Den coad og LES ble gruppert sammen som viste lignende metylering mønstre mellom disse to kreftformer. Mesteparten av dmgs viste høy metylering nivå i coad og LES forhold til andre fem kreftprøver og normale prøver, og viste ca 11% i dmgs bestemt hypermethylation i coad og READ hhv. Resultatet ble støttet at svulstene syntes å være hypermethylated mer ofte, og det var ingen signifikante forskjeller som kunne skille kolon og rektum kreft ved metylering nivå [26]. Lignende resultater ble også viste i LUAD og LUSC, KIRP og KIRC. Å vitne observerte resultatene beregnet vi korrelasjonskoeffisientene som viste samme resultat som hierarkisk clustering analyse (fig. 2). Interessant, BRCA ble høyt korrelert med LUAD og LUSC. De kan være forårsaket av strålebehandling av brystkreft som øker dødeligheten av lungekreft [27]. Videre normale prøver av ovennevnte kreftformer viste også lignende metylering mønstre. På den andre hender, kreftformer fra ulike original organisasjoner hadde differensial DNA metylering nivåer (Fig. 1). Det ble antydet at DNA metylering mønstre ble assosiert med vev og krefttyper.
Bokstaven C representert kreft, og N representert normalt. Red var hypermethylation, er hvit midmethylation og blått var hypometylering. Prøvene kommer fra samme eller lignende vev ble clustering sammen, resultatet av klyngen ble merking på toppen av figuren.
Den rosa sto for høy korrelasjonskoeffisient, gul sto for midten korrelasjonskoeffisient og grønn sto for lav korrelasjonskoeffisient. BRCA, LUSC og LES hatt sterk korrelasjon. I tillegg til dette KIRC og KIRP, coad og LES hadde også lignende resultat separat
Videre ble funksjon berikelse analyse av disse 1318 dmgs gjennomført ved hjelp av DAVID (http:. //david.abcc. ncifcrf.gov/) (S5 tabell). Disse gener ble i hovedsak anriket i forsvar reaksjon, immun respons, celle-cellesignalering, celleadhesjon, celledreping og så videre. Kreft ble ansett som en ondartet sykdom og knyttet til forsvar, immunrespons og mange andre biologiske prosesser som er involvert i uregulert cellevekst [28]. Apoptose ble en enkel biologisk prosess som kan ha en viktig forhold med mange sykdommer, slik som kreft og autoimmune sykdommer. Apoptose ble regulert i svulster negativt og abnormitet av apoptose var involvert i kreft [29]. Disse biologiske prosesser kan bli deregulert av unormal metylering av differensial genene, og dermed påvirke prosessen med kreft. I tillegg ble disse genene assosiert med mange kreftrelaterte pathways (Fig. 3).
Y-aksen i venstre og den blå histogrammet sto for tallene fra annotert i KEGG og BP, Y-aksen i rett og røde kurven sto for den prosent av kommenterte gener i BP og KEGG.
Forskjellig uttrykte gener negativt regulert av DNA metylering
DNA metylering i promotorområdene hadde en viktig funksjon housekeeping gener. En rekke studier har indikert at genekspresjon ble regulert negativt ved hjelp av DNA-metylering status [30]. I denne studien ble 201 gener av 1318 dmgs deler negativ sammenheng mellom dmgs og degs skilles. De ble delt inn i 127 hypermethylated gener og 74 hypomethylated gener basert på differanseverdien mellom cancerprøver og normale prøver. I videre undersøkelser av funksjonen for de negativt relaterte gener ble hypermethylated gener hovedsakelig beriket i kreftrelaterte pathways, inkludert systemisk lupus erythematosus (
CD40
), cytokin-cytokin reseptor interaksjon (
TNFRSF8, CX3CL1 , CD40, IL11RA, ACVR1
), neuroaktive ligand-reseptor interaksjon (
MCHR2, PPYR1, GRIA2
) og autoimmun thyreoideasykdom (
CD40
). Spesielt,
CD40
ble eksistert i tre veier. CD40 kunne generere ulike vekstsignaler mellom normalt vev og svulster. Det ble demonstrert å være et svulsthemmer-gen og som skal hypermethylated i brystkreft (tabell 2) [31]. Derfor metylering av
CD40
støttet bevis for prediksjon av brystkreft og gitt et viktig bidrag til behandling av brystkreft. Men hypomethylated gener ikke viser klar sammenheng med kreftrelaterte veier. Resultatene antydet at disse hypermethylated gener i kreft var kreftrelaterte gener og kan betraktes som kandidat biomarkører for prognosen av kreft.
Differensial DNA metylering genet korrelasjon nettverk
I for å undersøke forholdet på tvers av kreft med DNA-metylering medium, kvantifisert vi korrelasjonen av dmgs basert på deres metylering mønstre på tvers av kreft. En differensial DNA-metylering korrelasjon nettverk (DMCN) ble konstruert i henhold til Pearson korrelasjonskoeffisienter på metylering nivåer, noe som var en urettet graf som viser den komplekse forholdet av en stor del av gener og syv kreft. DMCN besto av 5,492 kanter og 331 noder henholdsvis (fig. 4A). Skjæringspunktet mellom degs og dmgs ble brukt som noder, i mellomtiden kanter ble veid ved metylering korrelasjonskoeffisienter mellom dmgs.
(A) Fargen sto for ulike kreftformer. Størrelsen av nodene sto for graden av genene. Linjen sto for korrelasjonen mellom to gener. (B) Fordeling av clustering koeffisient. Y-aksen var fordelingen av tilfeldige nettverk; x-aksen var clustering koeffisient. Stjernen var verdien vi beregnet (C) Fordeling av grad. (D) Hub gener og grader. Blå bar sto for som kreft differensial genene ligger i.
Vi analyserte DMCN å demonstrere påliteligheten av vårt nettverk av to topologiske strukturer for seg, inkludert clustering koeffisient og gjennomsnittlig grad. Først opprørt vi dataene i hvert gener og beregnede korrelasjonskoeffisientene (p = 0,01) og gjennomsnitt av graden (1000 ganger). Deretter sammenlignet vi clustering koeffisientene (0,54) og gjennomsnittlig grad (33,18) i DMCN til tilfeldige nettverk (Fig. 4B C). Resultatet viste at vårt nettverk var mer korrelert og betydning enn tilfeldige nettverk. Videre hub gener var en klasse av gener med høy grad, og spilte en viktig rolle som viktige regulatoriske funksjoner i sykdom nettverk. Graden var 1-127 og gener med topp 10 grader ble definert som huber (fig. 4D). Navet gener inkludert ADCYAP1, ZNF454, ZBTB32, SST, PCDHB15, WBSCR17, OR51B4, CCL8, CRISPLD2, NALCN, IGF1, TMEFF2, HYLS1 og GYPC. Fra resultatet, fant vi at de betydelige gener ble hovedsakelig i BRCA og coad, som ble vist sterk sammenheng mellom de to kreft [32].
Som vist i fig. 4A, syv farger ble brukt til å skille de noder som kreft de tilhørte. Det var 72 gener som viser spesifikk metylering i BRCA, 81 i coad, 36 i KIRC, 7 i KIRP, tre i LUAD, 48 i LUSC og 19 i LES i nettverket. Nodene i nettverket ble i hovedsak klassifisert i tre kategorier, inkludert trippel differensial (TRI_D, 5 gener), dobbel differensial (DOU_D, 60 gener) og enkelt differensial (SIN_D, 266 gener). For eksempel
SLIT2
av TRI_D var unormal i BRCA, coad og LES, som viste negativ sammenheng mellom DNA metylering og genuttrykk.
SLIT2
ble vanligvis betraktet som en tumor suppressor gen og brakt til taushet både i tykktarmskreft og brystkreft, der stillhet ble forårsaket av hypermethylation av sine promoter regioner og allel tap [33,34]. Gene
EFEMP1
som medlem av fibulin familien også var unormal i BRCA, coad og LES. Dette genet ble knyttet til angiogenese og ble beskrevet som sentral del av kreft progresjon. Nedregulering av det var på grunn av hypermethylation av promoteren. Videre er redusert ekspresjon av
EFEMP1
syntes å sterkt korrelerer med dårlig sykdomsfri og total overlevelse [35,36]. I tillegg, selv om
CHODL
ikke ble vist funksjon i tidligere studier, har vi funnet genet var også avvikende DNA metylering nivået i BRCA, coad og LES og vises negativ regulering mellom DNA metylering og genuttrykk. Det ble foreslått at det var en sterk sammenheng mellom BRCA, ledningen og LES. I DOU_D sett var det 31 gener som var differansen i coad og LES. Dette fenomenet innebar korrelasjonen mellom coad og LES, som var i samsvar med resultatet av hierarkisk clustering. Rundt 80% gener var en del av SIN_D, viser mye spesifikk blant kreft. Spesielt mange kreftrelaterte gener inkludert
CDH5, BVES, CX3CL1, FGFR1, IGF1 Hotell og
CD40
ble identifisert i SIN_D. Det resultat antydet at genene vi identifiserte hadde høy assosiasjon med kreft og spilte en viktig rolle i biologisk prosess og i utvikling av kreft.
overlevelse analyse for kreft spesifikke gener
overlevelse analyse av BRCA og coad ble utført for å evaluere potensielle roller kandidat biomarkører inkludert alle TRI_D gener, de 10 med høy grad av SIN_D og DOU_D gener, henholdsvis (Tabell 3). Vi valgte 502 prøver av BRCA og 151 prøver av coad som ble lastet ned fra TCGA for overlevelse analyse. Prøvene ble delt inn i to grupper gjennom medianen av PI (prognostisk indeks, høye verdier sto for høy risiko og lave verdier sto for lav risiko) og brukt median risikoscore som cutoff. Vi fant SIN_D kunne skille høyrisikogruppen og lav-risikogruppe mer betydelig enn DOU_D eller TRI_D (Fig. 5). Videre pasienter med høy score hadde den korteste overlevelsestiden. I tillegg har vi brukt syv gener i BRCA og åtte gener i COAD som ble differensielt uttrykte men ikke differensielt metylert henholdsvis, for å utføre overlevelsesanalyse som kontroller. Resultatene av SIN_D i BRCA (p = 0,036) og COAD (p = 0,022) var større betydning enn deres kontrollresultater (p = 0,981 i BRCA og p = 0,602 i COAD) (fig. 5 G, H). Dette resultatet antydet at kombinasjonen mellom DNA metylering og uttrykk kan gjøre en bedre bidrag til prognose enn uttrykk bare.
«+» stod for sensure prøvene. X-aksen og Y-aksen henholdsvis sto for observasjon tid (måneder) og prosent av overlevelses mennesker. Røde og grønne kurver var høyrisikogruppen og lav-risikogruppe. Biomarkørene var på toppen av hvert bilde. Konkordans Index (KI) og p-verdien var i nederste venstre innfellinger.
Forskjellig denaturert gener i protein-protein interaksjon nettverk
Protein-protein interaksjonsnettverk kunne være mer korrekt å beskrive forholdet mellom komplekse elementer og mer synlig for å vise konstruksjonen av disse elementene. For å utforske betydningen av dmgs som var knyttet til kreft, ble PPI sub-nettverk bygget av publisert PPI nettverk. Det var mange av databaser lagring interaksjoner av gener, inkludert biomolecular Interaksjon Network Database (BIND), biologiske Generelt Repository for Interaksjon datasett (BioGRID), Database for samspill proteiner (DIP), Human Protein Referanse Database (HPRD ), intakt, Molecular i samhandlingen database (MINT), pattedyr PPI databasen til München Informasjonssenter på proteinsekvenser (MIPS), PDZBase (en PPI database for PDZ-domener) og Reactome [37-45]. Fordi mange eksperimentelle faktorer kan påvirke resultatet av PPI-nettverk, noe som førte til de repeterbare interaksjoner i PPI nettverk, integrert vi en høy grad av tillit PPI nettverk basert på de ovennevnte databaser som vår bakgrunn nettverk [46]. Nettverket vi bygget var sammensatt av 80,980 kanter og 13,361 noder. Derfor kartlagt vi SIN_Ds, DOU_Ds og TRI_Ds som frø gener i PPI nettverk. Samspillet inkludert frø gener ble hentet tilsvarer 2,272 kanter og 1,892 noder som en sub-nettverk (Fig. 6). Ifølge sub-nettverk, var det fire gener som huber rangering i topp 10 grader, inkludert
MAP3K14, PTN, ACVR1
, og
HCK
, og de var alle frø gener. Resultatene antydet at dmgs kan spille en viktig rolle i kreftutvikling. For eksempel
MAP3K14 plakater (Mitogen-aktivert protein kinase kinase kinase 14) hypermethylated i LUSC regulert NF-kB aktivitet sti og tok del i en NF-kB-induserende signaliserte til reseptorer av svulsten-nekrose /nerve -growth faktor (TNF /NGF) familie [47]. I tillegg, basert på interaksjonen mellom gener i sub-nett, identifiserte vi 127 grader gener som var mer enn tre som de nye kreft-relaterte gener. Den funksjonelle anrikning analyse av disse 127 genene valgt DAVID viste at mange kreftassosiert biologiske prosesser og trasé var signifikante (S6 tabell), for eksempel «regulering av programmert celledød», «regulering av apoptose», «positiv regulering av programmert celledød «,» positiv regulering av transkripsjon «og så videre. Fra det resultatet vi innså at de biologiske prosessene (BP) ble fokusert på reguleringen av apoptose, programmert celledød og regulering av transkripsjon. På grunn av tidligere forskning, disse biologiske prosessene var relatert til kreft [48,49]. Således genene forutsagt, basert på PPI-nettverket og unormale gener kan være involvert i prosessene kreft som potensielle biomarkører.
Nodene sto for genet og farger sto for differensial gener i kreft. Den grå genet var biomarkørene vi prognostiserte.
Videre vil en del undersøkelser viste at mange veier i forbindelse med kreftformer fra KEGG var betydelig [50,51]. Vår analyse viser at de potensielle biomarkører oppnådd i denne studien ble beriket i 11 kreftrelaterte trasé, og den viktigste veien var «pathways i kreft (hsa05200)» der det var 33 gener kommenterte (FDR = 2.44E-15). Denne veien følger mange stier som ble knyttet til kreftformer som Wnt signalveien, MAPK signalveien, vega signalveien og så videre [52,53]. Dessuten våre biomarkører også ble kommentert i mange andre kreft-relaterte veier, for eksempel «ErbB-signalreaksjonsveien», «kjemokin-signalreaksjonsveien», «Natural killer cell-mediert cytotoksisitet» og «fokal adhesjon» [54-56]. Resultatet av merknad indikerte at de potensielle biomarkører deltatt i mange utvikler kreft, og fungerte som en viktig rolle i kreft.
Diskusjoner
Aberrant DNA metylering på genet promoter regioner er vanligvis forbundet med kreft . For eksempel avvikende DNA metylering av
SIRT1
er hyppig observert i ulike kreftformer, og spilte en viktig rolle i kreftutvikling [57]. Epigenetisk inaktivering av
ST6GAL1
indikeres en svulst undertrykkende rolle i blæren kreftutvikling [58]. I tillegg
ST6GAL1
er også forbundet med brystkreft. I henhold til eksemplene ovenfor, er funksjoner av DNA-metylering reflektert cancer-spesifikk og kreft-deling. Det er sannsynlig at flere kreftformer er plassert på opprinnelse fra samme vev, noe som resulterer i de samme DNA-metylering mønstre. For eksempel er det en studie som viser at tykktarm og endetarm kreft er vanskelig å skille fra DNA metylering nivå [26]. Derfor er det nyttig å analysere forholdet mellom ulike kreftformer gjennom å integrere DNA metylering fra genom-wide.
I denne studien, resultatet av hierarkisk clustering og Pearson korrelasjon viste at DNA metylering nivået av ulike krefttyper ble påvirket av de anatomiske opprinnelse, videre DNA metylering nivået hadde stabile DNA metylering signaturer i samme kreftformer, som er sammenfallende med tidligere studier [26]. Og dmgs ble hovedsakelig beriket i forsvar respons, immunrespons, celle-celle signalisering, celle adhesjon og celle drap og andre kreftrelaterte KEGG trasé etter funksjon merknad analyse, noe som tyder på at skaden av disse biologiske prosesser aktivere spredning av kreftceller og hemme beskyttelse av individer [59-64]. I tillegg er hypermethylated gener ble hovedsakelig beriket på flere kreftrelaterte KEGG trasé i forhold til hypomethylated gener, og dette funnet støttet tidligere studie av midt hypermethylation i tumorigenicity [65].
I DMCN, de topologiske egenskaper indikerte at den DMCN fulgte karakteristisk for biologiske nettverk i forhold til tilfeldig nettverk og dmgs kan ha lignende funksjoner som følge av å opptre som de tilsvarende roller i caners [66]. Berikelse av hub gener i BRCA og coad støttet at risikoen for tykktarmskreft kanskje økt på grunn av pasienter med historien om brystkreft i forrige forslag [32]. For å estimere betydningen av SIN_D, DOU_D og TRI_D utførte vi overlevelsesanalyse ved hjelp av BRCA og coad. Vi fant at kreftspesifikke gener kunne dele funksjon i kreft mye influentially. Resultatet ytterligere demonstrert mulige roller hub gener i DMCN og viktigheten av integrert analyse mellom DNA metylering og genuttrykk.
I tillegg er resultatet i PPI nettverk vises nøyaktigheten av vår prognose, og de potensielle roller nye kreftrelaterte gener i kreft.
