乳腺癌代谢调控的系统生物学雌激素受体信号
Summary
Integration of data from genome-wide sequencing experiments and metabolomics experiments is a challenge. In this paper we report, for the first time, generation, analysis and integration of transcriptome, cistrome and metabolome data from breast cancer cells treated with estradiol.
Abstract
随着组学的出现接近我们的慢性疾病，如癌症和代谢综合征的认识有所提高。但是，这是由基因表达微阵列，深度测序实验或代谢分析获得大规模数据集的信息的有效开采是必不可少的发现，然后有效的病变靶细胞表型的关键调节因子。雌激素受体α（ERα）是调节这对于雌激素反应乳腺癌重要的基因程序的主转录因子中的一个。为了理解到的ERα在乳腺癌代谢信令作用我们从雌二醇处理的MCF-7细胞利用转录，cistromic和代谢数据。在这份报告中，我们描述了一代样品进行RNA测序，芯片起和代谢组学实验和获得的数据综合计算分析。这种方法是在描绘小说摩尔有用丘拉尔机制和基因调节电路是由一个特定的转录因子调节的正常或患病细胞的这影响代谢。
Introduction
雌激素是两个女性和男性包括生殖组织，组织代谢，脑和骨1许多生理过程的重要调节。除了在这些组织中的有益作用，雌激素也驱动，从乳腺和生殖组织出现的癌症。雌激素主要是合作，通过减排额来诱导细胞类型特异性作用。通过使用芯片起RNA测序和全基因组ERαDNA结合位点分析ERα调节成绩单深度测序被证明是有用的了解ERα是如何工作的，从他们的出现的不同的组织和癌症。我们和其他人发表不同的受体（ERαVSERβ）相关基因表达谱2,3，不同的配体3-5和不同的共调节因子-2,4,6,7-。
RNA测序的主要方法检测转录，提供更高的精度和效率相比，芯片巴SED基因表达分析8。从细胞系2-4,7，组织或肿瘤样品获得的RNA进行测序，映射到可用的基因组组件和差异调节的基因被鉴定出来。染色质免疫沉淀（ChIP）被用来解剖转录因子和coregulator染色质结合已知调节结合位点。芯片起（芯片后跟高通量测序）提供全球性的结合位点的检测偏见。代谢组学是另一个越来越多地采用系统生物学的方法，它定量措施，生命系统的各种刺激，包括化学和遗传扰动的动态响应多参数。
通过进行全局代谢轮廓，功能性读出可以从细胞，组织和血液中获得。此外，从转录实验信息并不总是反映在有助于生化途径的酶的水平的实际变化。综合转录和代谢分析数据，使我们能够识别并关联与实际代谢物的改变的基因表达的变化。利用从所有这些大型数据集提供的机械细节的信息，了解调控复杂生物系统，特别是那些涉及到人类发展和疾病，如癌症和糖尿病的转录因子的作用。
哺乳动物基因组的复杂性使得它具有挑战性的整合并充分解释从转录，顺反组和代谢组实验中获得的数据。识别功能的结合事件，这将导致的变化，因为一旦功能性结合位点识别的目标基因的表达是重要的;随后的分析，包括转录结合（TF）的基序分析，可以以更高的精度来执行。这导致生物学上有意义的TF级联和机制的鉴定。也可直接comparis上的RNA测序和芯片起实验并不总是可能的，因为从每个实验的数据具有不同的尺度和噪音，在某些情况下，有意义的信号是由人口噪声掩盖。我们不知道，集成这三个独立而又相关的方法信息，了解乳腺癌ERα由直接代谢调控任何研究的。因此，我们在本文的总体目标是生产关系的结合事件的基因表达和代谢物的变化。为了实现这一目标，我们从RNA测序，芯片起和代谢实验的综合数据，并确定那些诱导的ERα的雌激素结合，这将导致在代谢途径基因表达的变化的事件。这是第一次，我们提供了一套完整的生成芯片起，RNA测序和代谢组学分析和数据进行综合分析方案（ 图1）来发现新的基因调节电路乳房的新陈代谢癌细胞系。
Protocol
Representative Results
Discussion
在本文中，我们描述了从与E2处理MCF-7细胞生成和RNA测序，芯片起和代谢组学数据的综合分析。我们制定了一套运筹帷幄，利用最有效的方法和用户友好的软商品即产生生物相关的发现协议。据我们所知，我们是从三个不同的分析和ERα在乳腺癌细胞直接调节确定的新的代谢途径整合组学数据的第一项研究。
转录
关键是要开始与高品质的RNA的转录成功分析。好的做法将消除…
Declarações
The authors have nothing to disclose.
Acknowledgements
这项工作是由粮食和农业研究所，美国农业部，屡获ILLU-698-909（ZME）和辉瑞公司（ZME）资助。其内容完全是作者的责任，并不一定代表美国农业部的官方意见。
Materials
| Triglyceride Mix | Sigma | 17810-1AMP-S | |
| Oleic acid | Sigma | O1257-10MG | Oleic Acid-Water Soluble powder |
| TRIzol Reagent | Life technologies | 15596-026 | |
| Dynabeads Protein A | Life technologies | 10006D | |
| Dynabeads Protein G | Life technologies | 10007D | |
| QIAquick PCR Purification Kit | QIAGEN | 28106 | DNA isolation of input sample |
| ZYMO ChIP-DNA Isolation kit | Zymo Research | D5205 | ChIP DNA Clean & Concentrator |
| Quant-iTª PicoGreen¨ dsDNA Assay Kit | Invitrogen | P7589 | DNA Quantitation |
| RNase-Free DNase Set | QIAGEN | 79254 | RNA purification |
| DEPC Treated Water | LIFE TECH | 462224 | Dnase/Rnase Free |
| Model 120 Sonic Dismembrator | Fisher Scientific | FB120110 | With 1/8 probe |
| Fisher Scientific Sound Enclosure | Fisher Scientific | FB-432-A | For sound reduction |
| Eppendorf Tubes 5.0mL | Eppendorf | 0030 119.401 | 200 tubes (2 bags of 100 ea.) |
| Random Primer Mix | NEB | S1330S | |
| DNTP MIX | NEB | N0447S | |
| M-MuLV Reverse Transcriptase | NEB | M0253S | |
| FastStart SYBR Green Master | ROCHE | 4673484001 | |
| Agarose | Fisher | BP160100 | 1.5% agarose gel |
| Qubit® RNA HS Assay Kit | Life technologies | Q32852 | RNA quantification (100 assays) |
| Formaldehyde | Sigma | F8775 | |
| Protease Inhibitor tablets | Roche | 4693116001 | Each tablet is sufficient for 10ml lysis buffer |
| PhosSTOP Phosphatase Inhibitor Cocktail Tablets | Roche | 4906845001 | Each tablet is sufficient for 10ml lysis buffer |
| Qubit® Assay Kits | Life technologies | Q32850 | For 100 assays |
| Automated cell counter | ORFLO | MXZ000 | |
| tube Rotator | VWR | 10136-084 | |
| Victor X5 Multilple plate reader | PerkinElmer | 2030-0050 | |
| Microcentrifuge 5417R | Eppendorf | 22621807 | |
| Magnetic Stand | Diagenode | B04000001 | |
| Fast Real-time PCR system | Applied Science | 4351405 |
Referências
- Hamilton, K. J., Arao, Y., Korach, K. S. Estrogen hormone physiology: reproductive findings from estrogen receptor mutant mice. Reprod Biol. 14 (1), 3-8 (2014).
- Madak-Erdogan, Z., et al. Integrative genomics of gene and metabolic regulation by estrogen receptors alpha and beta, and their coregulators. Mol Syst Biol. 9, 676 (2013).
- Gong, P., et al. Transcriptomic analysis identifies gene networks regulated by estrogen receptor alpha (ERalpha) and ERbeta that control distinct effects of different botanical estrogens. Nucl Recept Signal. 12, e001 (2014).
- Bergamaschi, A., et al. The forkhead transcription factor FOXM1 promotes endocrine resistance and invasiveness in estrogen receptor-positive breast cancer by expansion of stem-like cancer cells. Breast Cancer Res. 16 (5), 436 (2014).
- Madak-Erdogan, Z., et al. Nuclear and extranuclear pathway inputs in the regulation of global gene expression by estrogen receptors. Mol Endocrinol. 22 (9), 2116-2127 (2008).
- Madak-Erdogan, Z., Lupien, M., Stossi, F., Brown, M., Katzenellenbogen, B. S. Genomic collaboration of estrogen receptor alpha and extracellular signal-regulated kinase 2 in regulating gene and proliferation programs. Mol Cell Biol. 31, 226-236 (2011).
- Madak-Erdogan, Z., Ventrella, R., Petry, L., Katzenellenbogen, B. S. Novel roles for ERK5 and cofilin as critical mediators linking ERalpha-driven transcription, actin reorganization, and invasiveness in breast cancer. Mol Cancer Res. 12 (5), 714-727 (2014).
- Wang, Z., Gerstein, M., Snyder, M. RNA-Seq: a revolutionary tool for transcriptomics. Nat Rev Genet. 10 (1), 57-63 (2009).
- Invitrogen. . Quant-iT™ PicoGreen ® dsDNA Reagent and Kits. , (2008).
- Lee, P. Y., Costumbrado, J., Hsu, C. Y., Kim, Y. H. Agarose gel electrophoresis for the separation of DNA fragments. J Vis Exp. (62), (2012).
- . . Quant-iT™ Assays for high-throughput quantitation of DNA, RNA, and oligos. , (2006).
- Kim, D., et al. TopHat2: accurate alignment of transcriptomes in the presence of insertions, deletions and gene fusions. Genome Biol. 14 (4), R36 (2013).
- Langdon, W. B. Performance of genetic programming optimised Bowtie2 on genome comparison and analytic testing (GCAT) benchmarks. BioData Min. 8, (2015).
- Zhang, Y., et al. Model-based analysis of ChIP-Seq(MACS). Genome Biol. 9 (9), R137 (2008).
- Gao, J., et al. Metscape: a Cytoscape plug-in for visualizing and interpreting metabolomic data in the context of human metabolic networks. Bioinformatics. 26, 971-973 (2010).
- Schroeder, A., et al. The RIN: an RNA integrity number for assigning integrity values to RNA measurements. BMC Mol Biol. 7 (3), (2006).
- Mokry, M., et al. Efficient double fragmentation ChIP-seq provides nucleotide resolution protein-DNA binding profiles. PLoS One. 5 (11), e15092 (2010).
- Park, P. J. ChIP-seq: advantages and challenges of a maturing technology. Nat Rev Genet. 10, 669-680 (2009).
- Landt, S. G., et al. ChIP-seq guidelines and practices of the ENCODE and modENCODE consortia. Genome Res. 22 (9), 1813-1831 (2012).
- Hah, N., Kraus, W. L. Hormone-regulated transcriptomes: lessons learned from estrogen signaling pathways in breast cancer cells. Mol Cell Endocrinol. 382, 652-664 (2014).
