Abstract
Nylig, et stort antall normale menneskelige vev har vært profilert for ikke-kodende RNA og mer enn fjorten tusen lange intergeniske ikke-kodende RNA (lincRNAs) finnes uttrykt i normale menneskelige vev. De funksjonelle rollene til disse normale lincRNAs (nlincRNAs) i reguleringen av proteinkodende gener i normale og sykdom biologi er ennå ikke etablert. Her har vi profilert to RNA-seq datasett inkludert kreft og matchet ikke-neoplastiske vev fra 12 personer fra ulike demografi for både gener og nlincRNAs. Vi finner 130 nlincRNAs vesentlig regulert i kreft, med 127 reguleres i samme retning i de to datasettene. Interessant, ifølge Illumina Body kart, et betydelig antall av disse nlincRNAs viser referanse null ekspresjon i normale vev, prostata, men er spesifikke for andre vev så som skjoldbruskkjertelen, nyrene, leveren og testis. En rekke av de regulerte nlincRNAs aksje loci med koding gener, som enten co-regulert eller motsatt regulert i alle kreftprøver studert her. For eksempel, i alle kreftprøver i) nlincRNA, TCONS_00029157, og en nabo tumor suppressor faktor, SIK1, er både regulert ned; ii) flere skjoldbrusk-spesifikke nlincRNAs i nabolaget av skjoldbrusk-spesifikke genet TPO, er både oppregulert; og iii) TCONS_00010581, en isoform av HEIH, er nedregulert mens nabo EZH2 genet er oppregulert i kreft. Flere nlincRNAs fra en prostatakreft forbundet kromosom locus, 8q24, er oppregulert i kreft og andre kjente prostatakreft forbundet gener inkludert PCAT-en, PVT1, og PCAT-92. Vi ser at det er en betydelig skjevhet mot oppregulering av nlincRNAs med så høyt som 118 av 127 oppregulert i cancer, selv om regulering av kodende gener blir skjevt mot nedregulering. Tatt i betraktning at alle rapporterte kreft forbundet lincRNAs (clincRNAs) er forutinntatt mot oppregulering, konkluderer vi med at denne skjevheten kan være funksjonelt relevant
Citation. Bawa P, Zackaria S, Verma M, Gupta S, Srivatsan R, Chaudhary B, et al. (2015) Integrative Analyse av Normal Long intergeniske ikke-kodende RNA i prostatakreft. PLoS ONE 10 (5): e0122143. doi: 10,1371 /journal.pone.0122143
Academic Redaktør: Xia Li, Harbin Medical University, Kina
mottatt: 13 november 2014; Godkjent: 10 februar 2015; Publisert: 01.05.2015
Copyright: © 2015 Bawa 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:. Denne studien ble finansiert av Institutt for bioteknologi, Government of India; Institutt for informasjons- teknologi, Government of India; DST-FIST, Government of India; og Institutt for informasjonsteknologi, regjeringen i Karnataka. Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser:.. Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
løftet om human Genome Project var å levere hundretusener av proteiner for bruk som narkotika mål. Men til alles overraskelse, store merknads innsats fra store konsortier som KODE prosjektet [1], levert titusenvis av narkotika mål av en annen type; ikke-kodende RNA. Det er nå kjent at mesteparten av det humane genom er transkribert, selv om bare en liten brøkdel settes til proteiner. Det er nå forstås at et stort antall av ikke-kodende RNA, både lange og korte, spiller avgjørende roller i den komplekse regulering av det relativt lite antall kode proteiner som er essensielle for liv.
Av de forskjellige typene av ikke-kodende RNA, lange intergeniske ikke-kodende RNA (lincRNA) er attraktive fordi de lett kan oppdages med høy tillit fra eksisterende RNA-seq datasett og korrelert med genuttrykk informasjon fra samme datasettet ved hjelp av eksisterende bioinformatikk. Mer nylig har titusener av lincRNAs har blitt oppdaget fra RNA-seq datasett fra ulike normale menneskelige vev, her referert nlincRNAs, som Illumina Body Map [2]. De funksjonelle roller disse nlincRNAs er ennå ikke etablert.
Til tross for at lincRNAs er ny til kreft biologi og deres molekylære mekanismer fortsatt i sin spede begynnelse, har flere gjennomgang papirer allerede dukket opp i litteraturen detaljering fremdriften i dette området til tidspunkt [3] [4]. Av de omtrent 60 + lincRNAs som har vist seg å være forbundet med forskjellige krefttyper, majoriteten av disse er oppregulert i kreft [3] [4] og bare noen få lincRNAs er vist å være nedregulert i kreftprøvene inkludert GAS5 [5] og MEG3 [6].
Nye rapporter knytter uttrykk nivåer av lincRNA med kreft har en utmerket mulighet til å etablere funksjonelle rollen lincRNAs i å regulere genuttrykket. En av de mest omfattende søk etter lincRNAs assosiert med prostatakreft omfatter identifisering av 121 lincRNAs, kalt PCATs (Prostate Cancer Associated Avskrifter) oppdaget fra 102 sykdoms stratifisert prostata vev og cellelinjer [7]. Av disse er PCAT-en hemming med siRNA vist seg å redusere spredning av celllines uttrykker høye nivåer av PCAT-en. Siden utgivelsen av denne rapporten har PCAT-en over-uttrykk vist seg å være en biomarkør ved kolorektalkreft [8]. Mer nylig, lincRNAs fra RNA-seq data fra et stort antall av lungekreft prøver fra offentlig database har blitt brukt for å identifisere 111 lungekreft forbundet lincRNAs, kalt LCALs [9]. Favorisering av lincRNAs mot oppregulering i kreft krever avhør.
Det er fristende å konkludere med at bias mot oppregulering av lincRNAs i kreft, i de store innsats sitert ovenfor, kan resultater fra praksis oppdage lincRNAs fra kreftprøver. Her, vårt mål var å utføre en integrerende analyse av både koding og ikke-koding nlincRNAs (lincRNAs oppdaget fra normale menneskelige vev) på tvers av flere RNA-seq datasett knyttet til prostatakreft fra offentlig register for å både løse dette skjevhet og oppdage ny co-regulering av gener og nlincRNAs.
Materialer og metoder
datasett som brukes
har brukt to RNA-seq datasett fra NCBI offentlig register som genereres av to uavhengige grupper med tiltredelses IDene SRP002628 og ERP000550. Som vist i tabell 1, er 5 tumor normal pairer fra SRP002628 og 7 fra ERP000550 datasett vurderes i denne studien, enten fordi de tilsvarende parene var ikke tilgjengelig for noen individer eller dybden av sekvense var ikke forenlig å få god statistikk. Disse to datasett er fra to forskjellige demografi. For eksempel pasienter valgt å generere data innenfor tiltredelse ERP000550 er kinesisk opprinnelse, og selv om demografi av pasientene i SRP002628 datasettet ikke er kjent, er det trygt å anta at personer som anses å generere data innenfor tiltredelse SRP002628 ikke er kinesisk . Tabell 1 gir dybde, individuelle tiltredelses IDer og kartlegging prosenter for hver prøve i disse datasettene.
For profilering kjente og nye lincRNAs vi brukte GENCODE (https://www.gencodegenes.org/) og lincRNA-katalog (https://www.broadinstitute.org/genome_bio/human_lincrnas/?q=lincRNA_catalog). Også for genekspresjon analyse har vi benyttet bordet leseren fra URL https://genome.ucsc.edu/cgi-bin/hgTables for hg19 med spor som refseq gener og output format som seng.
For baseline uttrykk for koding genet data vi har brukt både E-mtab-513 med 16 og E-mtab-1733 med 27 normale humane vev fra Expression Atlas henhold ArrayExpress. I denne studien har vi brukt en FPKM verdi på mindre enn 0,5 for å gjøre baseline null samtaler og FPKM verdien av mer enn 100 å kalle dem vev-spesifikk.
Metode brukt til å beregne transkripsjon uttrykk
valgte datasett ble kartlagt til hg19 referanse genom hjelp Bowtie [10] med prosent kartlagt vist i tabell 1. for leser under tiltredelse SRP002628 hele lengden av lyder, som er 36mer ble kartlagt. Men for leser i henhold ERP000550 25 baser ble trimmet fra begge ender av den leser av lengde 90 som fører til kartlegging av 40mers fra midten. Verktøyet coverageBed fra BEDTools ble brukt til å trekke teller per avskrift per prøve å bruke merknadsfiler og lincRNA-katalogen som er nevnt i avsnittet over. Disse individuelle count filene ble samlet i en tabell med rader som representerer transkripsjoner.
Computing differensial uttrykk
For å beregne differensial uttrykk vi valgt to mest brukte count-baserte R pakker, EDGER [11] og DESeq [12]. Selv om disse to metodene er meget like, men de er forskjellige i bruken av dispersjonen. Pakken Kantskjærer bruker enkelt felles faktor dispersjon i motsetning til en fleksible varians estimering brukes av pakken DESeq. Det viktige skillet av edger er at det er anti-konservativ lave uttrykte gener og mer konservative til høyt uttrykte gener. Der som den fleksible spredningsmodellen benyttes av DESeq åpner for mindre skjevhet i utvalget av gener basert på deres uttrykk nivåer. På denne måten DESeq og EDGER utfyller hverandre i valg av forskjellig uttrykt gener. Med andre ord EDGER er mer følsom for uteliggere der som DESeq er mindre følsom for uteliggere, men gir deg objektive utfall gjennom det dynamiske området [13].
DESeq og EDGER både aksepterer en sorterte teller fil som input og produserer enkelt p -verdi og logge fold-endring per transkripsjon per datasett som representerer den totale differensial uttrykk topp transkripsjoner i merknaden fil mellom to gitte tilstander, svulst og matchet ikke-neoplastiske vev. For å oppnå kreft-spesifikke transkripter som er statistisk signifikant vi brukte en p-verdi cutoff på mindre enn 0,05 og et abs (log fold endring til base 2) som er større enn 1,0 for koding av gener og som er større enn 0,59 for nlincRNAs. Variasjonen i filtrering kriterier valgt for fold endringen er å reflektere den relativt lavere nivåer av nlincRNA uttrykk i forhold til koding gener som er rapportert i litteraturen [2].
Clustering heatmap
For å generere varmekart vi brukte Pearson korrelasjonskoeffisient og for dendrogrammer vi brukte euklidske avstand ved hjelp av «pheatmap» og «hclust» funksjoner fra R statistikkpakke hhv. For å produsere varmekart for prøvene over datasett ytterligere normalisering var nødvendig å ta hensyn til variasjon i spredningen i genuttrykk nivåer mellom datasett som stammer fra ulike prøveopparbeidelse protokoller som brukes av forskjellige etterforskere. Selv RPKM verdiene er beregnet til å normalisere uttrykk nivåer på tvers av prøver, er tilstrekkelig til å gjøre rede for variasjon i prøveopparbeidelse protokollen dette normalisering. Normalisering av rader, som representerer karakterutskrifter, mellom datasett ved å dividere dem etter rad gjennomsnitt ble brukt til å håndtere differensial spredning mellom de to datasett som stammer fra variasjon i prøveopparbeidelse protokoller. En slik tilnærming er allerede implementert i DESeq pakke for prøver innenfor et gitt datasett [12].
Validering av datasett
For å vise at de to valgte datasettene er egnet for profilering ikke-kodende RNA , uttrykket nivåer av kjente lincRNAs, som rapporteres som innblandet i kreft, har vært profilert på tvers av de to RNA-Seq datasett som er valgt for denne studien. Vi har identifisert at flere prostata-kreft assosiert lincRNAs er oppregulert i en tumor-spesifikk måte i begge disse datasettene. For eksempel, er PCAT-1, en prostatacancer forbundet lincRNA fra den gene-ørkenen locus på kromosom 8q24 signifikant oppregulert i alle tumorprøver fra begge datasett i forhold til tilstøtende ikke-neoplastiske vev. Flere andre prostata og andre kreftspesifikke lincRNAs som PVT1, PCA3, CCAT-en PCAT-92, PCAT-114, PCAT-120, PCAT-19, PCAT-27, PCAT38, PCAT-39, PCAT-43, PCAT -59, PCAT-72, PCAT-80, og PCAT-83 er også funnet å være oppregulert i begge datasett i en kreft-spesifikk måte. Disse funnene, ikke bare godkjenner bruken av disse to datasettene for nlincRNA profilering, men gir ytterligere kontroll for disse nylig preget lincRNAs på prostatakreft.
Gene Network
Gene nettverk i dette manuskriptet er opprettet av GeneMANIA, en pakken under Cytoscape [14].
diskusjon
Resultater og
profilering gener
Gene uttrykk profilering av de to RNA-seq datasett, SRP002628 [15] og ERP000550 [16], som ble utført med to brukte R statistisk analyse pakker, edger [11] og DESeq [12]. Gener med p-verdier på mindre enn 0,05 og absolutte log fold endringer (base 2) større enn 1,0 brukes til å lage en samtale som et gen er regulert i prostatakreft. Konvergerende antall betydelig regulerte gener på hvert trinn i analysen rørledningen er presentert i figur 1. Bruk EDGER er 4449 og 5034 utskrifter funnet ulikt regulert fra de to datasettene, henholdsvis SRP002628 og ERP000550. Av disse er 1358 transkripsjoner representerer 786 gener funnet ofte reguleres mellom de to datasett med 302 gener oppregulert og 455 genene nedregulert i kreft. Interessant, bare 29 gener viste motsatt ekspresjonsmønster i de to datasettene. På samme måte bruker DESeq pakke 2942 og 4260 transkripsjoner identifisert som forskjellig regulert på prostatakreft fra de to datasettene, henholdsvis SRP002628 og ERP000550. De 881 vanligste transkripsjoner representerer 497 gener, som er regulert i prostatakreft med 180 gener opp- og 313 genene nedregulert. Igjen, bare 4 gener vise overfor regulering i de to datasett basert på DESeq rørledningen.
Listen over differensielt uttrykte gener (degs) fra de to datasettene ved hjelp av de to metodene, edger og DESeq, er oppført i S1 tabell, som inneholder 366 gener med 117 opp- og 249 nedregulert i prostatakreft. Interessant, med unntak av bare ett gen, er alle reguleres i samme retning i begge kreft datasett (Fig 2). I figur 2 er det også vist at rad-messig normalisert RPKM verdier fra de to datasettene for alle 366 degs, klynger hele 12 kreft og 12 normale prøver i to forskjellige clades. Også vist i figur 2, er den gruppering av fem ekstra prøver fra tiltredelse ERR000550 som ikke brukes i utpakking signaturen, i de respektive clades.
Gene berikelse studier på 366 gener tyder inaktivering av gener i begge 17q21 og 19q13 loci, som begge er rapportert som prostata cancer susceptibility loci [17], [18], [19]. Fig 3 viser genet nettverk for loci 17q21 og 19q13. Interessant, genene inaktivert i 17q21, inkludert KRT15, ITGA, AOC3, HOXB3, RND2, SGCA, WFKKN2, ARHGAP27, NGF, og NOG, er innblandet i celle-celle-interaksjon, cytoskeletal omorganisering, ekstracellulære matriks og celledød; mangel på noe som kan overtale epithelial til mesenchymal transformasjon og migrasjon.
Profilering nlincRNAs
I alt fjorten tusen tre hundre og femti-tre (14,353) lincRNAs, referert her som nlincRNAs, er blitt rapportert å være uttrykt i forskjellige normale humane vev [2]. Ut av disse, er det 9.600 nlincRNAs som viser svært lav bevis for transkripsjon i prostata normal og så lavt som 196 nlincRNAs rapporteres som er spesifikke for prostata vevet.
Som vist i figur 1, ved hjelp edger, 1140 (773 opp og 367 ned-regulert) og 1702 (1258 opp- og 444 nedregulert) nlincRNAs finnes forskjellig regulert fra de to datasettene, henholdsvis SRP002628 og ERP000550,. Av disse er 316 nlincRNAs (252 opp og 42 ned) vanligvis regulert i prostatakreft i begge datasett. Tilsvarende analyse ved hjelp DESeq rørledning resulterte i 576 (383 opp og 193 ned) og 988 (867 opp og 121 ned) nlincRNAs regulert i prostatakreft i begge datasett, henholdsvis SRP002628 og ERP000550,. Antallet ofte forskjellig regulerte nlincRNAs i begge datasettene ved hjelp DESeq pakken er 135 med 124 opp- og 9 nedregulert i kreft.
Antall nlincRNAs som finnes forskjellig regulert i kreft i begge datasett med både edger og DESeq metoder, er 130 med 118 opp-, 9 ned- og så lavt som tre motsatt regulert. Figur 4 viser heatmap de 127 nlincRNAs, oppført i S2 tabell, som er forskjellig regulert i kreft. Med unntak av C13_5, en av kreft prøven fra tiltredelse SRP002628, de 127 nlincRNAs tillater gruppering av alle de kreft og normale prøver i de respektive clades. Ved hjelp av prinsipal komponent analyse, vist i figur 4, er det bekreftet at C13_5 er mer normal-aktig.
Av de 127 differensielt regulerte nlincRNAs, 58 har null baseline uttrykk i prostata normalt vev i henhold til både interne arbeidet og rapporten fra Broad Institute [2]. Av disse nlincRNAs, mange er testikkel-spesifikke og en rekke av dem er thyroid-spesifikke. Som vist i S2 tabell, profilering av disse nlincRNAs i prostatacellelinjer fra RNA-seq datasett med deponerings ID-ene SRP004637 [7], viser at 12 ut av 58 skjermen betydelig ekspresjon i ett eller flere av de tre prostata celllines. Denne trenden er observert i prostata cancer assosiert kodende gener slik som EZH2 [20], som er differensielt oppregulert i cancerprøver fra begge datasett viser referanse null ekspresjon i prostata. Også, som vist i S3 tabell, mange rapporterte prostatakreft forbundet lincRNAs, som PCAT-1, PCA3, PCAT-92, PCAT-114, PCAT-120-PCAT-27, PCAT-38, PCAT43, PCAT72, og PCAT-80 [7], som også differensielt oppregulert i kreft i begge datasett, har ingen overlappende nlincRNAs ifølge UCSC spor.
Det er mange nlincRNAs fra kromosom 8q24 locus, som er oppført i tabell 2, som er uttrykt i normal humant vev. Mens en rekke nlincRNAs dele eksoner med kjente lincRNAs som PVT1 og CCAT1, flere andre, inkludert TCONS_00014535 (BC042052, CASC11), TCONS_00015171 (BC106081), TCONS_00015167 (PCAT2), TCONS_00015170 og TCONS_00015168 (JX003871), TCONS_00015498, TCONS_00015165 og TCONS_00015166 er nye nlincRNAs som er differensielt oppregulert i prostata cancer i det minste en av de to datasettene som brukes i denne undersøkelsen. Igjen, mange av disse er spesifikke for testikkel og lever og er ikke uttrykt i normal prostata.
Co-regulering av lincRNAs og nærliggende gener
Som vist i figur 5, 15 forskjellig regulert nlincRNAs ut av 127 er i nærheten av 12 differentially regulerte gener på ulike kromosomer. Tabell 3 gir betydning nlincRNAs og deres respektive kodende genet. For eksempel, den nlincRNA, TCONS_00029157, og en kjent tumor suppressor-faktor, SIK1, er begge nedregulert i alle kreftprøvene. Redusert SIK1 uttrykk er korrelert med dårlig prognose i to store menneskelige brystkreft datasett og er knyttet til p53-avhengig anoikis som kan være målrettet under tumerogenesis [21].
Den skjoldbrusk-spesifikke TPO genet er oppregulert i prostata kreft sammen med noen skjoldbrusk-spesifikke nlincRNAs, TCONS_00004663-4666 og TCONS_00004668-4669. TPO er en av de gener som er kjent å være assosiert med oksidativt stress. Det har vist seg at linsen epitelial avledet vekstfaktor p75 (LEDGF) i PC3, resulterer i endring i TPO-ekspresjon [22]. Denne endringen er sannsynlig å spille en beskyttende rolle mot oksidativt stress og kjemoterapeutiske medikamenter.
TCONS_00010581, en isoform av HEIH, som er kjent for å være oppregulert i leverkreft [23], er i nærhet av gen EZH2 av polycomb komplekset-2 [24] genet EZH2 er også funnet oppregulert i alle kreftprøver i forhold til tilstøtende ikke-neoplastiske vev i begge datasettene.
En testikkel spesifikke nlincRNA, TCON_00025002, er i området av genet TOX3 på kromosom 16, som begge er oppregulert i en cancer-spesifikk måte i vårt studium. TOX3 er en høy bevegelighet gruppe boksen protein som er involvert i mediering av kalsiumavhengig transkripsjon. TOX3 kartene til den kjente trippel-negativ brystkreft mottakelighet locus; en mutasjon i dette locus i implisert i utvikling av brystkreft [25]. En SNP i TOX3-genet er også implisert i pankreas [26] og lungekreft [27].
prostataspesifikt nlincRNAs, TCONS_00017728 og TCONS_00010086, er funnet å være i nærheten av GATA3 og ADAMTS19 gener hhv. Alle fire, inkludert nlincRNAs og genene blir regulert ned i en cancer-spesifikk måte i denne undersøkelsen. GATA3 er en viktig transkripsjonsfaktor er kjent for å være involvert i reguleringen av androgen PSA-genet [28]. En global metylering mønster i androgen sensitiv og androgen uavhengig prostatacancer viser en betydelig forskjell i den metylering mønster i GATA3 under disse to betingelser [29.]. Tumor biopsier og ulike kreftcellelinjer har viser høye nivåer av uttrykk for ADAMTS19 i osteosarcomer [30].
Noen lever-spesifikke nlincRNAs, TCONS_00014531, TCONS_00015169 og TCONS_000015171, er alle oppregulert i prostatakreft i denne studie sammen med nabo pseudogen POU5F1, som ligger ved siden mYC locus i den store prostata kreft mottakelighet locus i 8q24 [31]. En annen leverspesifikt TCONS_00016903 er sidestilt til genet EGFL7, både registrert som nedregulert i våre analyser. I motsetning til våre funn EGFL7 har vist seg å ha en forhøyet ekspresjon i forskjellige krefttyper, inkludert lungekreft, brystcancer, prostata cancer og hepatocellulært karsinom [trettito]. Imidlertid har det vært en rapport fra et microRNA, MIR-126, som ligger innenfor intron av EGFL7, som er vist å bli nedregulert i kreftcellelinjer og i primær blære og prostata tumorer [33].
Blant de mer interessante nlincRNAs, TCONS_00028940, i nabolaget til genet TMPRSS2, er svært forskjellig uttrykt i alle kreftprøver studert her. Den TMPRSS2-ERG genfusjon er en av de mest utbredte kromosomale rearrangementer i karsinomer [34], selv om genet TMPRSS2 ikke blir uttrykt i en cancer-spesifikk måte i prøver studert her Vi finner at denne nlincRNA viser signifikant ekspresjon i VCap og ikke i PC3 og LNCaP.
Konklusjon
Nylig har mer enn fjorten tusen lincRNAs blitt oppdaget fra stort antall normale menneskelige vev, noe som tyder på at disse normale lincRNAs (nlincRNAs) spiller en rolle i normal biologi . Det kan være en hypotese om at nlincRNAs med genet regulatoriske funksjoner i normale forhold kan faktisk være nedregulert i kreft. For dette formålet, her har vi forsøkt å ta to uavhengig genererte RNA-seq datasett fra demografisk mangfoldig kohort til å profilere både proteinkodende gener og nlincRNAs. Vi har identifisert 127 nlincRNAs som ikke bare er vesentlig regulert i cancerprøver fra begge datasett, men kan brukes til å klynge data fra prøver, ikke brukt i denne studien, ved sykdom sammenheng. I motsetning til vår hypotese, profilering av kodende gener og nlincRNAs tyder på at et flertall av de nlincRNAs er oppregulert i cancer, selv om 2 ganger mer protein-kodende gener blir nedregulert i kreft. Dette sammen med aktiveringen av mange ikke-kodende gener i 8q24 og inaktivering av mange gener i 17q21 og 19q13 loci foreslår system nivå aktivering av mange nlincRNAs i løpet av kreft.
Vi har funnet at en rekke gener som koder og nlincRNAs spesifikke for andre vev med baseline null uttrykk i prostata vev finnes oppregulert i prostatakreft. Kanskje disse genene og nlincRNAs er ansvarlig for tap av mobilnettet identitet fører til tumerogenesis. Vidt vi vet er dette første forsøket på å profilere nlincRNAs sammen med gener i kreft. Vi mener at tilnærmingen brukes her for funksjonell karakterisering av nlincRNAs vil tillate forskere å fremme forståelsen av hvilken rolle nlincRNAs i normal og sykdom biologi generelt.
Hjelpemiddel Informasjon
S1 Table. Gener forskjellig regulert i kreftprøver fra begge datasett er identifisert ved hjelp av både DESeq og EDGER analyse rørledninger.
Kolonner 2-5 gir den gjennomsnittlige p-verdier og brett endring hentet fra DESeq og edger rørledning for både SRP002628 og ERP000550.
Doi : 10,1371 /journal.pone.0122143.s001 plakater (XLS)
S2 Table. Lister p-verdi og fold-endring for alle nlincRNAs forskjellig regulert i begge datasett ved hjelp begge metodene.
Tabellen viser nabo gener sammen med deres respektive p-verdi og fold-endring i de to datasettene. Siste tre kolonner viser RPKM verdier for disse lincRNAs i tre prostata celllines
doi. 10,1371 /journal.pone.0122143.s002 plakater (XLS)
S3 Table. Lister p-verdi og logge fold-endring for kjente lincRNAs som er forskjellig regulert i begge datasett sammen med status for transkripsjon overlappende med nlincRNAs på UCSC nettleseren
doi. 10,1371 /journal.pone.0122143.s003
(XLS)
Takk
forfatterne ønsker å erkjenne Institutt for bioteknologi, New Delhi, India for støtte til SS via Ramalingaswamy Fellowship (Ref nr: BT /HRD /35/02 /17/2009). Forfatterne erkjenner også Institutt for informasjonsteknologi, Government of India, for deres støtte til instituttet under «Center of Excellence på Bioinformatikk opplæring og forskning». Forfatterne ønsker å erkjenne DST-neve, Government of India og Institutt for informasjonsteknologi, regjeringen i Karnataka, for infrastrukturelle tilskudd til Báb.
