Abstract
Robusthet, en lang anerkjent egenskap av levende systemer, gjør funksjon i møte med usikkerhet mens skjørhet, dvs. ekstrem følsomhet, kan potensielt føre til katastrofal svikt følgende tilsynelatende uskyldige forstyrrelser. Carlson og Doyle hypotese at mest fullendte nettverk, for eksempel de som er involvert i cellesyklusregulering, kan være resistent mot visse forstyrrelser mens svært sensitive til andre. Den «robust, men skjør» dualiteten av nettverk har blitt kalt svært optimalisert Tolerance (HOT) og har vært grunnlaget for nye linjer med forespørsel i beregningsorientert og eksperimentell biologi. I denne studien har vi testet den arbeidshypotese at cellesyklus kontroll arkitekturer adlyde HOT paradigme. Tre celle-syklus modeller ble analysert ved hjelp av Monte-Carlo sensitivitetsanalyse. Totalt statlige følsomhetskoeffisienter, som kvantifiserer robusthet eller skjørheten i en gitt mekanisme, ble beregnet ved hjelp av en Monte Carlo-strategi med tre forskjellige numeriske teknikker sammen med flere parameter perturbasjonsteknikker strategier for å kontrollere for eventuelle numeriske og prøvetaking gjenstander. Omtrent 65% av mekanismene i G1 /S restriksjonspunkt var ansvarlig for 95% av følsomheten omvendt, G2-DNA-skade sjekkpunkt viste en mye sterkere avhengighet av et par mekanismer; ~32% Eller 13 av 40 mekanismer utgjorde 95% av følsomheten. Vår analyse spådd at CDC25 og cyclin E mekanismer var sterkt innblandet i G1 /S feil, mens skjørhet i G2 /M sjekkpunkt ble spådd å bli assosiert med regulering av cyclin B-CDK1 kompleks. Analyse av en tredje modell som inneholder både G1 /S og G2 /M sjekkpunkt logikk, spådde i tillegg til mekanismer som allerede er nevnt, at oversettelse og programmert proteolyse var også viktige skjøre delsystemer. Sammenligning av de anslåtte skjøre mekanismer med litteratur og dagens prekliniske og kliniske studier antydet en sterk sammenheng mellom effekt og skjørhet. Så når de tas sammen disse resultatene støtter arbeidshypotese at cellesyklus kontroll arkitekturer er HOT nettverk og etablere den matematiske beregningen og påfølgende terapeutisk utnyttelse av skjøre mekanismer som en roman strategi for anti-kreft bly generasjon.
Citation: Nayak S, Salim S, Luan D, Zai M, Varner JD (2008) En test av svært optimalisert Toleranse avslører Fragile Cell-Cycle mekanismer molekylære mål i kliniske kreft Trials. PLoS ONE 3 (4): E2016. doi: 10,1371 /journal.pone.0002016
Redaktør: Gustavo Stolovitzky, IBM Thomas J. Watson Research Center, USA
mottatt: 9. januar 2008, Godkjent: 04.03.2008; Publisert: 23 april 2008
Copyright: © 2008 Nayak 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
Finansiering:. Forfatterne erkjenne nådig økonomisk støtte fra Cornell University Center for Life Science Enterprise, en New York State Center for Advanced Technology stipend (til JV for støtte fra SN) og Engineering læring initiativer Undergraduate Forskning Awards ELI-650 og ELI-895 til MZ og SS The Cornell University Center for Life Science Enterprise og Engineering Learning Initiatives Undergraduate forskningsprogram spilte ingen rolle i utformingen og gjennomføringen av studien, i innsamling, analyse og tolkning av data, og i forberedelse, vurdering, eller godkjenning av manuskriptet
konkurrerende interesser:.. forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
muligheten til å samle protein-protein og protein-DNA interaksjonsdata , for eksempel ved anvendelse av gjær to-hybrid (Y2H) system [1], [2], Fluorescence Resonance Energy Transfer (FRET) teknikker [3], kvantitativt massespektrometri (MS) proteomikk eller Chromatin Immunoutfelling (chip) -DNA mikro- array-teknikker [4], [5] har langt overskredet vår evne til å forstå det. Transforming store interaksjonsdata til en bedre forståelse av de biomolekylære nettverk underliggende sykdomsutvikling og til slutt til nye behandlingsformer krever integrerende verktøy og strategier. Kanskje en strategi for å utnytte vår kunnskap om interaksjons nettverk i effektive behandlingsformer vil være å identifisere og utnytte svake eller skjøre mekanismer samtidig unngå manipulering av robuste nettverks interaksjoner.
Robusthet, en lang anerkjent egenskap av levende systemer og nettverk lar funksjon i møte med usikkerhet mens skjørhet, dvs. ekstrem følsomhet, kan potensielt føre til katastrofal svikt følgende tilsynelatende uskyldige forstyrrelser [6] – [10]. Ulike faktorer kan påvirke hvorfor elementene i et nettverk er robust eller skjøre. Venkatasubramanian og medarbeidere viste at strukturen i komplekse nettverk kan skyldes en avveining mellom effektivitet og robusthet [11] mens du og Yin utforsket hvordan miljøet har formet de robuste egenskapene til bakteriofag T7 [12]. Leibler beregnings spådd og senere eksperimentelt verifisert robuste funksjoner i kjemotakse kontroll nettverk [13] og Stel
et al.
, Anmeldt flere eksempler på robuste biologiske nettverk [9]. Kanskje ikke noe bedre eksempel på robusthet kan finnes enn celledeling. Den celle-syklus er en av de mest fundamentale og strengt kontrollerte prosesser i biologi. Beslutningen om å dele er strengt regulert integrere ekstracellulære signaler, for eksempel vekstfaktorer og hormoner, med intracellulære signaler som koordinerer hendelser som førte til splittelse. Men til tross for omfattende kontroll- og overvåkingssystemene guiding progresjon av celler gjennom divisjonen syklus, gjør feil oppstå som dokumentert av ukontrollert spredning underliggende mange kreftformer [14]. Således, mens evolusjonært press kan ha programmert celler for å være robust til skiftende næringsmiljøer eller varierende vekstfaktor tilgjengelighet, kanskje sjeldne utfordringer kan føre til uforutsette konsekvenser. For eksempel eksponering for stråling, eksotiske kjemikalier (karsinogener) eller til enkeltnukleotidpolymorfi (SNPs) kan forårsake tilsynelatende harmløse endringer som manifesterer seg i nedbryting av cellesyklus logikk. Carlson og Doyle har en teori om at mest fullendte nettverk kan være motstandsdyktig mot noen forstyrrelser mens ekstremt følsomme for andre. Den «robust, men skjør» dualiteten av nettverk og systemer som har blitt kalt svært optimalisert Tolerance (HOT) og har vært grunnlaget for nye linjer med forespørsel i beregningsorientert og eksperimentell biologi [10].
Følsomhetsanalyse er et utviklende verktøy for etterforskningen av robusthet og sårbarhet i nettverk som er relevante for menneskers helse og mer generelt for modellbasert kunnskap funn. Cho
et al
, brukes sensitivitetsanalyse for å studere TNF-α-mediert NF-kβ signaliserer hvor parametrisk usikkerhet var adressert ved hjelp av en Monte-Carlo parameter prøvetaking protokollen.; en familie av tilfeldige parametersett, generert fra den beste gjetning parameter, ble brukt til å beregne følsomhetsprofilen i et område av parameter plass [15]. Bullinger og kolleger utforsket robustheten modeller av programmert celledød eller apoptose [16] mens Stelling
et al.
, Beregnings identifiserte poeng av robusthet og skjørhet, ved hjelp av Monte-Carlo sensitivitetsanalyse og generelle tilstanden følsomhetskoeffisienter (OSSCs ), i modeller av døgnrytmen [17]. Mahdavi
et al.
, Anvendes sensitivitetsanalyse for å få en bedre forståelse stamcelledifferensiering [18], mens Luan
et al.
, Anvendes en usikker mekanistisk modell av koagulasjonskaskaden i kombinasjon med monte- carlo sensitivitetsanalyse, for å vise at beregningsmessig utledet ømfintlige mekanismer som var i samsvar med antikoagulerende terapeutiske strategier [19]. Sensitivitetsanalyse har også blitt brukt til å integrere modell identifisering og diskriminering med optimal eksperimentell design. Flere optimale eksperimentelle design og modell identifikasjons studier er bosatt i litteraturen [20] – [24] sammen med mange teknikker for å estimere følsomhetskoeffisienter for modeller som består av ordinære differensialligninger, differensial algebraisk og stokastiske likninger [25] -. [28]
i denne studien, ansetter vi matematisk modellering og Monte-carlo sensitivitetsanalyse for å utforske arbeidshypotese at cellesyklus kontroll arkitekturer er HOT nettverk. Hvis vår hypotese er sann, bør da skjøre celle-syklus mekanismer (reaksjons trinn) være overrepresentert blant eksperimentelt observerte feil underliggende faste og hematologiske kreftformer. Dessuten, til manipulering av sårbare mekanismer i en terapeutisk kontekst, som har blitt foreslått av Kitano [29] være større sannsynlighet for å fremkalle en effektiv respons fra et nettverk eller system, bør også være utbredt i behandlingen litteraturen. Vi tester vår arbeidshypotese ved beregningsmessig screening tre overlappende kvalitative modeller av cellesykluskontroll arkitekturer; vi bruker Monte-Carlo sensitivitetsanalyse og k-means å rangere ordens mekanismer i cellesyklus og deretter kontrast spådd skjøre og robuste mekanismer med litteratur. Hvis celle-syklus kontroll arkitekturer adlyde HOT paradigme, da beregnings identifisering av skjøre mekanismer ved hjelp av protein-protein eller protein-DNA nettverksmodeller kan være en roman strategi for anti-kreft bly generasjon eller mer generelt som en strategi for å identifisere og utnytte svakhet i vilkårlige nettverk som er relevante for menneskers helse.
Resultater
hele syklusen modell av Novak og Tyson (fig. 1), G1-S modell av Qu
et al.
, (fig. 2A) og G2 /M-DNA-skader modell av Aguda (fig. 2B) ble iverksatt fra litteratur og siktet for skjøre mekanismer ved hjelp av Monte-carlo sensitivitetsanalyse [30] – [32]. Den Novak og Tyson modell, som ansatt en kompleks beskrivelse av G1 /S og G2 /M sjekkpunkter, programmert protein uttrykk og degradering, var sammensatt av 18 dynamiske arter, 4 arter begrensninger og 74 parametere. Massen-action G1 /S og G2 /M-DNA-skade modellene beskrevet bare den molekylære logikk i sine respektive sjekkpunkter; G1 /S-modellen var sammensatt av 16 dynamiske protein balanserer, 2 arter begrensninger og 44 parametere mens G2 /M-DNA-skader modell besto av 15 dynamiske protein balanserer, en begrensning og 40 parametere. Parameterverdier for hver modell er hentet fra litteraturen. Urapporterte startbetingelsene ble justert slik at simulerte modellen baner var kvalitativt konsistente med publiserte verdier (tilleggsmaterialet Figur S1). De publiserte parametersett, med faste startbetingelser, ble brukt til å generere tilfeldige parametersett (N = 500, med mindre annet er angitt) hvor hver pålydende parameter ble opprørt med opp til ± 50%, ± 1-order, eller ± 2-bestillinger av størrelsesorden. Totalt Statlige følsomhetskoeffisienter (OSSCs) ble beregnet over de tilfeldige parameter familier for hver celle-syklus modellen bruker tre forskjellige numeriske algoritmer. For hver modell, gjennomsnitts OSSC verdiene ble rangert bestilt og plottet. Den arealet under kurven (AUC) ble anvendt for å måle den akkumulerte følsomhet bidraget fra hver enkelt parameter. En kumulativ cutoff på 95% av den totale følsomhet ble brukt til å etablere en oversikt over mekanismene (Tilsetningsmateriale figur S2), som var gruppert i tre grupper (høy, middels og lav sensitivitet) ved hjelp av en k-si-algoritmen.
den Novak og Tyson modell, som består av 18 dynamiske arter, 4 arter begrensninger og 74 parametere, beskriver både G1 /S og G2 /M sjekkpunkter og programmert protein uttrykk og degradering. Nomenklatur: Cdk1-cyclin avhengig kinase 1, Cdk2 – cyclin avhengig kinase 2, Cdk4 /6 – cyclin avhengig kinase 4 eller 6, CycD – Cyclin D, CycB – cyclin B, CycE – Cyclin E, CycA – cyclin A, GF – Vekst Factor, ERG – tidlig respons Genes, DRG – Forsinket Response Gene, E2F – transkripsjonsfaktor E2F, pRB – Retinoblastoma protein, p27 – En cyclin avhengig kinase inhibitor (CKI), også kalt Kip1, PPI – type1 protein fosfatase, IE – «mellommann Enzyme «, PPX-A fosfatase inaktivere IE, APC – anaphase Fremme Complex, en familie på E3 ligaser, Cdh1 – en aktivator av APC klasse ligaser, Cdc20 – en aktivator av APC, Small rød sirkel med P representerer en fosfatgruppe, et (+) tegnet innebærer positiv regulering, mens en (-). tegn representerer negativ regulering
G1 /S-modellen av Qu
et al
, består av 16 dynamiske protein balanserer. , 2 arter begrensninger og 44 parametere [31]. TheG2-DNA-skade-modell av Aguda er sammensatt av 15 dynamiske protein balanserer 1constraint og 40 parametre (30). Både G1 /S og G2 /M-modeller ansette masseaksjon kinetikk og parametrene er lineære i massebalanser. Nomenklatur G1 /S: CDC25A – Dual spesifisitet Phosphatase CDC25A, Cdk2 – cyclin avhengig kinase 2, Cdk4 /6 – cyclin avhengig kinase 4 eller 6, CycE – Cyclin E, CycD – Cyclin D, E2F – transkripsjonsfaktor E2F, pRB – Retinoblastoma protein , p27 – En cyclin avhengig kinase inhibitor (CKI), også kalt Kip1. Nomenklatur G2 /M: pMPF – pre-Modning Fremme Factor, et kompleks av CycB (cyclin B) og Cdk1 (cyklinavhengig Kinase1) i inaktiv form, MPF – aktive formen av MPF, aCDC25 – aktiv CDC25 fosfatase, iCDC25 – inaktiv form av CDC25, aCDC25 (P-216) – aktiv CDC25, fosforylert ved Serine 216 rest, iCDC25 (P-216) – inaktiv CDC25, fosforylert ved Serine 216, 14-3-3σ – 14-3-3σ protein. I begge skjemaer, små røde sirkler med P representerer fosfatgruppe, et tegn (+) innebærer positiv regulering, mens en (-). Tegn representerer negativ regulering
Om lag 65% av G1 /S mekanismer (reaksjonstrinn) var ansvarlig for 95% av følsomheten omvendt, G2-DNA-skade nettverk viste en sterkere avhengighet av et par interaksjoner. Av de 44 G1 /S reaksjoner trinnene, 29 var ansvarlig for 95% av følsomhet (tilleggsmaterialet Figur S2). Fordelingen av skjørhet var ikke spesifikk for en enkelt klasse av interaksjon (tabell 1). Den defosforylering av CDC25, ekspresjonen av cyclin E, nedbrytning av cyklin E-CDK2 kompleks, og konsentrasjonen av transkripsjonsfaktoren E2F ble klassifisert som de mest sårbare reaksjonstrinnene i G1 /S sjekkpunkt (Tabell 1, cluster I) . En tidligere modell av G1 /S ved Aguda
et al.
, [33] fant at selv om pRB og cyclin E-CDK2 dannet en positiv feedback loop, gjorde de ikke danner en skarp robust bryteren på begrensning punktet, dvs. økningen i aktiv syklin E-CDK2-konsentrasjonen var gradvis og følsomme for modellparametere. Men tillegg av CDC25 til den positive cyclin E-CDK2-pRB feedback loop, gjorde begrensning punktet robust til å modellere parameter variasjon, og dermed støtter våre funn av betydningen av CDC25 interaksjoner. Syntesen, aktivering og nedbrytning av CKIs, uttrykket og nedbrytning av CDC25, pRB konsentrasjon, uttrykk for cyclin D og cyclin E-CDK2 mekanismer dominerte andre-tier av G1 /S skjørhet (tabell 1, klynge II). Tier-tre av G1 /S skjørhet involvert flere cyclin D mekanismer, cyclin E-CDK2 aktivitet og E2F mediert cyclin E uttrykk (tabell 1, klynge III). Når det tas sammen, den mest tungt innblandet G1 /S protein var cyclin E, med 11 av 29 mekanismer, etterfulgt av CKIs med seks, CDC25 og cyclin D ble hver involvert i fem skjøre mekanismer og E2F og pRB ble hver oppført to ganger. Videre er 16 av de 29 skjøre parametere ble funksjonelt forbundet med cyclin E og cyclin E-CDK2-aktivitet. Som forventet ble uttrykket og nedbrytning av G1 /S-fase cykliner og tilhørende CKIs spådd til å bli viktig. Med uttrykket og nedbrytning av cyclin E og andre er det interaksjoner ble rangert høyere enn de tilsvarende cyklin D mekanismer med unntak av dissosiasjon av cyklin E-CDK2-CKI-komplekset. G2-DNA-skade nettverk viste en sterkere avhengighet av et par mekanismer i forhold til G1 /S; ~32% Eller 13 av 40 mekanismer utgjorde 95% av følsomhet (tilleggsmaterialet Figur S2). I samsvar med G1 /S, ingen enkelt klasse av mekanismen dominerte skjørhet listen. De mest sensitive mekanismene var knyttet til produksjon og nedbrytning av cyclin B-CDK1 kompleks ellers kjent som Modning Fremme Factor (MPF) (tabell 2). De fem mekanismer ble enten direkte eller nært knyttet til dannelse og aktivitet av MPF mens mekanismene som fører til deaktivering av MPF, f.eks uttrykket, degradering og aktivitet av p21, 14-3-3σ og Wee1 fosforylering dominerte de resterende åtte mekanismer ( tabell 2, cluster III). Aktivering av inaktivt MPF kompleks, hvis ekspresjon er negativt regulert av p53, var den mest sensitive G2 mekanisme (Tabell 2, cluster I), etterfulgt av preMPF generasjon, aktivering og transport av CDC25 inn i kjernen (tabell 2, cluster II). Oppdagelsen av at alle CDC25 relaterte mekanismer var mer sårbare enn Wee1, er i samsvar med tidligere arbeid av Aguda [34] som viste at selv om både Wee1 og CDC25 danne en fosforylering-defosforylering (PD) sløyfe med MPF, bare CDC25 kobling ga opphav til kvalitativt annerledes oppførsel. Interessant, mens den generasjonen av p53 i seg selv var ikke spådd å være følsom, interaksjoner mellom p53 var utbredt, f.eks uttrykk for inaktive MPF og p21, som begge er regulert av p53, ble spådd å være sensitive. Omtrent 77% av Novak og Tyson parametere (57 av 74) var ansvarlig for 95% av følsomhet (tilleggsmaterialet Figur S2). Både globale og lokale komponenter i modellen ble spådd å være skjør. Den mest sensitive global mekanisme var translasjonsforskning effektivitet mens lokale mekanismer som aktivering av IE (hypotetisk protein som aktiverer E3-ligase CDC20), uttrykk for cyclin B og CDH1 degradering ble også spådd å være skjør (tabell 3, cluster I). De sekundære mekanismer var assosiert med deregulering av programmert proteolyse (tabell 3, cluster II). Interessant, mens prosentandelen av mekanismene som er ansvarlige for 95% av følsomheten av Novak og Tyson modell var den største av de tre modellene, flere mekanismer i klynge III hadde små OSSC verdier, inkludert de fleste av G1 /S sjekkpunkt logikk. Dermed prøvetaking komplekset Novak og Tyson modell produsert mindre informasjon enn de mekanistiske masse action basert G1 /S og G2-DNA skade modeller.
De kvalitative konklusjonene trekkes fra prøvetaking de celle-syklus modellene var robust til valg av løsningsmetode og størrelsen på parameteren forstyrrelse men følsom overfor antall parametersett samplet. Tre forskjellige numeriske teknikker ble anvendt for å løse følsomhets ligninger for å kontrollere for mulige numeriske gjenstander. Den ODE15s rutine av Matlab (The Mathworks, Natick MA), en tredje-order bakover forskjell implisitt metode (BDF3, se Utfyllende Material S1) og videresende endelig differanse (FD), genereres kvalitativt tilsvarende følsomhet resultater (Fig. 3). Den laveste Spearman rang mellom to metoder (ODE15s versus FD for G1 /S-modellen) var 0,91 indikerer et verre tilfelle korrelasjon på ca 91%. Interessant, mens Spearman rank indikerte god avtale mellom løsningsmetoder, var det statistisk signifikante endringer i OSSC verdier som indikerer løsningsmetoder systematisk flyttet mekanismer, dvs. ulike OSSC verdier ble beregnet men rekkefølgen eller rangeringen av mekanismene ble opprettholdt (se Supplemental Material Tabell S1). To ekstra prøvetaking kontroller ble gjennomført for å verifisere robusthet av de kvalitative konklusjonene fra vår analyse. Først ble forstyrrelse størrelsen som brukes til å generere tilfeldige parameter familier varieres for å teste om ulike konklusjoner ville ha blitt trukket med ulike perturbasjonsteknikker størrelser; OSSC verdier beregnet i løpet av tilfeldig parameter familier som genereres ved hjelp av ± 50%, ± 1-orden og ± 2-størrelsesordener viste ingen kvalitativ forskjell som kvantifiseres ved Spearman rang korrelasjon for G1 /S-modellen (Fig. 4). Den verste fall korrelasjon på 0,90 ble observert mellom ± 50% og ± 2-størrelsesordener tilfeller indikerer i gjennomsnitt 90% av konklusjonene trukket mellom de to tilfellene var konsekvent (fig. 4C). En slik sterk sammenheng i Spearman rangerer over 2-størrelsesordener i parameterverdier kan tyde på at nettverksstrukturen (tilkobling) er viktigere enn parameterverdier. Sammenligning av nøyaktig liknende mekanismer på tvers av de tre modellene som støttes hypotesen om tilkobling dominans der mekanismene klassifisert som enten skjøre eller robust i G1 /S og G2-DNA skade modellene ble også spådd til å bli viktig i Novak og Tyson modell, men med forskjellig rekkene (tabell 4). Det var 11 mekanismer som dukket opp akkurat i hver modell, ble 10 mekanismer klassifisert på samme måte, mens en ble rangert inkonsekvent. For det andre, den kumulative Spearman rang korrelasjon mellom følsomhetsresultater som genereres ved hjelp av de ODE15s, BDF3 og FD fremgangsmåter for hver modell ble beregnet som en funksjon av antall parametersett samplet. Mens den kumulative Spearman rank konvergerte til befolkningen mener som antall parametersett økt, ble det observert en bestandsstørrelse avhengighet (Fig. 5). For hver modell, ble resultatene rapportert oppnådd i regionen av konvergens; dermed ingen ny informasjon ville ha blitt oppnådd hvis flere tilfeldige parametersett ble samplet.
Skalert generelle tilstanden følsomhetskoeffisienter (OSSC) ble beregnet for hver celle-syklus modellen over en familie av tilfeldige parametere sett (N = 500 hvis ikke annet er angitt) generert av tilfeldig perturbing den publiserte satt av ± 1-størrelsesorden. Tre forskjellige numeriske metoder ble anvendt for å løse følsomhets ligninger for å kontrollere for numeriske gjenstander. A-C: Sensitivitets resultater for Novak og Tyson modell [32]. D-F: Sensitivitets resultater for G1 /S sjekkpunkt modell av Qu
et al
, [31].. G-I: Sensitivitets resultater for G2 /M-DNA-skader modell av Aguda [30]. De ulike numeriske teknikker som brukes til å løse sensitivitets ligningene gi kvalitativt lignende resultater som kvantifisert ved Spearman rank korrelasjon mellom to metoder (nedre høyre hjørne på hver tomt).
En familie av tilfeldige parameter settene ble bygget (N = 150) fra den nominelle sett, hvor hver parameter ble opprørt av opptil ± 50%, ± 1-order eller ± 2-størrelsesordener. Den ODE15s rutine av Matlab (The Mathworks, Natick MA) ble brukt til å løse følsomhets ligninger. A: Akkumulert Spearman rangerer mellom parametrene sett med ± 50% endring og ± 1order endring. B: Akkumulert Spearman rangerer mellom parametere sett med ± 1-og ± 2-størrelsesordener endring. C: Kumulativ Spearman rangerer mellom parametrene sett med ± 50% -og ± 2-størrelsesordener endring
Den røde stiplede linjen i alle tilfeller betegner den kumulative Spearman Rank fås ved prøvetaking. alle parameter setter for eventuelle to metoder. A-B: Kumulativ Spearman rang i forhold til antall parametersett samplede for G1-S-modellen ved hjelp av BDF3 og ODE15s metoder (A) og Finite Difference (FD) og ODE15s metoder (B), respektivt. C-D: Kumulativ Spearman rang i forhold til antall parametersett samplede for G2-M-modell ved hjelp av BDF3 og ODE15s metoder (C) og Finite Difference (FD) og ODE15s metoder (D), respektivt. E-F: Kumulativ Spearman rang i forhold til antall parametersett samplet for hele syklusen-modellen ved hjelp av BDF3 og ODE15s metoder (E) og Finite Difference (FD) og ODE15s metoder (F), respektivt. I alle modeller og numeriske metoder, konvergerer den kumulative Spearman rank til befolkningen verdi, men frekvensen av konvergens, dvs. er forskjellig for hver modell og metode antall tilfeldige sett kreves for å bli samplet,.
diskusjon
Litteratur bevis støtter hypotesen om at beregnings identifiserte skjøre celle-syklus interaksjoner representerer effektive mål. Tenk skjørheten CDC25 mekanismer. Boutros
et al.
, Nylig gjennomgått rollen CDC25 fosfataser og CDC25 hemmere i human kreft progresjon og behandling [35]. Mens inhibering av CDC25 som en kreftbehandling strategi er fortsatt i laboratoriestadiet, har flere CDC25 inhibitorer under utvikling vist lovende resultater. Den CDC25 inhibitor PM20 hemmet vekst i humane hepatom-avledede Hep3B cellelinjer ved en inhiberende konsentrasjon (IC) 700 nM, PM-20 også hemmet veksten av flere andre cellelinjer, om enn ved høyere ICs [36]. BN82685, som hemmet CDC 25A, B og C
in vitro Hotell og
in vivo Hotell og undertrykte veksten av HeLa og menneskelig bukspyttkjertelen tumor Mia Paca-2 transplantater i atymiske nakne mus, også hemmet veksten av humane cellelinjer som er resistente mot cytotoksiske medikamenter f.eks, den humane myeloblastisk leukemi cellelinje HL-60 [37]. Den CDC25 antagonist, CPD-5, inhiberte veksten av rotte-hepatom-cellelinje JM-1
in vitro
og mus kreftcellelinje tsFT210 gjennom selektiv inhibering av CDC25 [38]. Dermed hemming av CDC25 representerer et levedyktig alternativ behandling som kan forfølges videre i klinikken. Inhibering og degradering av den aktive cyclin E-CDK2 kompleks, den andre rangeres mekanismen i G1 /S nettverk, har også blitt utnyttet som en behandlingsstrategi. Bristol-Myers Squibb (BMS) som er utviklet BMS-387032, et cyklin E-CDK2-inhibitor, med en IC50 på 95 nM [39]. Prekliniske og fase I eggstokkreft studier viste at BMS-387032 besatt bedre effekt enn Flavopiridol, en promiskuøs CDK hemmer [40]. Flavopiridol, er den første cyclin avhengig kinase inhibitor i kliniske studier, alene eller i kombinasjon med andre rusmidler for tiden under etterforskning i 52 aktiv fase I eller II-studier [41]. Flavopiridol har vært foreslått for behandling av tilbakevendende, lokalt avansert, eller metastatisk mykvevssarkom [42], lymfom og multippelt myelom [43], metastatisk brystcancer (med Trastumuzumab) [44], eller i kombinasjon med andre medikamenter (cisplatin og karboplatin ) for behandling av avanserte solide tumorer [45]. Cyclin E uttrykk, den fjerde rangeres mekanismen i G1 /S-modellen, har også blitt undersøkt terapeutisk for behandling av pankreas og lunge-kreft [46], [47]. Korrelasjonen mellom skjørhet og behandlingsstrategi ble også funnet å holde for G2 /M-DNA-skade nettverk. Aktiveringen av preMPF (cyclin B-CDK1 kompleks), katalysert ved CDC25, ble forutsagt å være den mest følsomme mekanismen i G2 /M-DNA-skade-modell, mens tre av de fire tier-to G2 /M-DNA mekanismer forbundet med CDC25 aktivitet. Bryostatin-1, en proteinkinase C (PKC) inhibitor og antagonist av cyclin B-CDK1 kompleks, har vært utforsket i klinikken for behandling av multippel myelom [48], residiverende non-Hodgkin lymfom og kronisk lymfatisk leukemi [49] . I prekliniske modeller, har Bryostatin-1 viste mono aktivitet overfor B16 melanom, M5076 reticulum sarkom og L10A B-celle lymfom [50], og har vist seg å forstyrre cyclin B-CDK1 kompleksdannelse og aktiviteten av flere forskjellige mekanismer [51] , [52]. Når de tas sammen, den øverste skjøre mekanismer for både G1 /S og G2 /M-fasene av cellesyklusen, estimert ved Monte-Carlo sensitivitetsanalyse, ble funnet å være konsistent med pågående prekliniske og kliniske forsøk for behandling av et bredt spekter av kreft hos mennesker.
Modulation av translasjonsforskning effektivitet og manipulering av programmerte proteolyse, fremtredende kjennetegnet blant gruppen av skjøre mekanismer på tvers av alle modellene, er også aktive områder av terapeutisk utvikling. Oppstart av oversettelse i eukaryoter er tenkt å være hastighetsbegrensende [53] og overekspresjon av innvielses komponenter, for eksempel initiering faktor elF4E, oppstår ofte i kreft hos mennesker [54]. Arnqvist og medarbeidere utforsket oversettelse inhibering i MCF-7 brystkreftceller følgende sykloheksimid, puromycin eller emetine eksponering i nærvær og fravær av insulinlignende vekst Factor1 (IGF-1) [55]. Tilsetning av puromycin, cykloheksimid og emetine i fravær av IGF-1 resulterte i økt apoptose på 48 timer i forhold til kontrollgruppen, men når IGF-1 var tilstede, ble det observert en konsentrasjonsavhengig reduksjon i apoptose. Bjornsti og Houghton nylig anmeldt en annen liten molekyl oversettelse inhibitor, Ramapycin [56], som hemmer Target av Ramapycin (TOR) protein, en serin /treonin kinase involvert i oversettelse og andre funksjoner. Mens Ramapycin har FDA-godkjenning som en immunsuppressiv, har utviklingen av kreft terapier vært trege til tross for anti-tumor aktivitet mot etablerte solide tumormodeller [57], [58]. Ramapycin analoger har blitt evaluert i kliniske studier for behandling av ulike indikasjoner inklusive pediatriske pasienter med residiverende eller refraktær akutt leukemi og nyrecellekreft [56], [59]. Peptid-inhibitorer er også blitt brukt til å nedregulere oversettelse f.eks BL22, et immunotoksin utviklet for behandling av kronisk lymfatisk leukemi (CLL) [60], består av den variable FV-fragment av den RFB4 antistoff konjugert til anti-translation peptid PE38. Den andre gruppen av skjøre mekanismer spådde i Novak og Tyson og mer generelt på tvers av G1 /S og G2 /M-DNA-skade nettverk involvert deregulering av programmert protein degradering. Programmert proteolyse via ubiquitin Proteasome system (UPS), en kritisk komponent drivende celle-syklusprogresjon [61], har vært målet for flere forskjellige terapeutiske utviklinger [62]. Den ubiquination av target-proteiner omfatter koordinert aktiviteten av ubiquitin aktiverende enzym-familien (E1), ubiquitin-konjugerende enzymfamilien (E2) og ubiquitin ligase familien (E3) [63]. Mens E1 feil ikke har blitt observert i kreft, har dereguleringen av E3 og i mindre grad E2 aktiviteten vært direkte knyttet til kreft progresjon [63]. Den Novak og Tyson modellen har bare et skjelett representasjon av UPS, men det betyr eksplisitt representerer Celledeling Cycle protein 20 (CDC20), CDH1 og anaphase Fremme Complex /Cyclosome (APC /C), som alle er E3 komponenter. APC /C er kjernen subenhet som adapteren proteiner CDC20 og CDH1 bind [64] – [66]. Hemming av spesifikke E3 ligaser fortsatt en teknisk utfordring [67], men cis-imidazolingrupper analoger kalt Nutlins har blitt utviklet som hemmer MDM2, en E3-ligase ansvarlig for godkjenning av p53.
