합성 치명적인 상호 작용을 대상으로 하는 약물 조합을 식별 하기 위해 데이터 통합 워크플로우
Summary
모형 유기체에 있는 큰 유전 스크린은 부정적인 유전 상호 작용의 확인으로 이끌어 냈습니다. 여기에서는 모델 유기체의 유전 화면에서 데이터를 사용하여 암에 있는 합성 치명적인 상호 작용을 표적으로 하는 약물 조합을 설명하는 데이터 통합 워크플로우를 설명합니다.
Abstract
두 유전자 사이의 합성 치명적인 상호 작용은 두 유전자 중 하나를 노크 아웃 세포 생존가능성에 영향을 미치지 않지만 두 합성 치명적인 인터랙터 모두의 노크 아웃이 세포 생존 가능성 또는 세포 사망의 손실로 이어질 때 주어집니다. 가장 잘 연구 된 합성 치명적인 상호 작용은 BRCA1/2와 PARP1 사이, PARP1 억제제는 BRCA1/2 돌연변이 종양환자를 치료 하기 위해 임상 사례에서 사용 되 고. 모형 유기체에 있는 대형 유전 스크린 뿐 아니라 haploid 인간 세포주에서 수많은 추가적인 합성 치명적인 상호 작용 쌍의 확인으로 이끌어 냈습니다, 모두 새로운 종양 치료의 발달에 관심있는 잠재적인 표적이 되고. 한 가지 접근법은 관심있는 종양에서 돌연변이되거나 현저하게 다운 규제되는 합성 치명적인 상호 작용기를 가진 유전자를 치료적으로 표적으로 하는 것입니다. 두 번째 접근법은 합성 치명적인 상호 작용을 해결하는 약물 조합을 공식화하는 것입니다. 이 문서에서는 데이터 통합 워크플로우에 대해 설명하여 합성 치명적인 상호 작용을 대상으로 하는 약물 조합을 평가하고 식별합니다. 우리는 합성 치명적인 상호 작용 쌍에 사용 가능한 데이터 세트를 사용, homology 매핑 자원, 전용 데이터베이스에서 약물 대상 링크, 관심의 질병 영역에서 임상 시험에서 조사 되는 약물에 대 한 정보. 우리는 또한 난소와 유방암의 맥락에서 약 조합 평가에 우리의 단의 2개의 최근 연구 결과의 중요한 사실 인정을 강조합니다.
Introduction
합성 치사성은 1개의 유전자의 손실이 생존에 영향을 미치지 않는 2개의 유전자의 협회를 정의합니다, 그러나 두 유전자의 손실은 세포 죽음으로 이끌어 냅니다. 1946년 도브잔스키가 호모자구돌연변이를사육하여 drosophila의 다양한 표현형을 분석하면서 처음 기술되었다. 실행 가능한 자손을 생산하지 않은 돌연변이, 비록 실행 가능한 자체, 합성 치사 이론의 설립을위한 기초를 설정, 특정 다른 돌연변이와 교차 할 때 치명적인 표현형을 전시. Hartwell과 동료는 이 개념이 인간에 있는 암 치료에 적용될 지도 모르다2. 약리학적으로 자극된 합성 치사성은 돌연변이 유전자의 합성 치명적인 파트너가 약리학적 화합물에 의해 표적으로 할 수 있다는 점을 감안할 때 단 하나의 돌연변이에 의지할 수 있었습니다. 합성 치사성의 약리학적 인유도를 가능하게 하는 첫번째 유전자 쌍은 BRCA (1/2) 및 PARP1이었습니다. PARP1은 DNA 손상을 위한 센서로서 기능하며, 이중 및 단일 DNA 가닥 브레이크, 슈퍼코일 및 크로스오버3의부위에 묶여 있다. BRCA1 및 2는 동종 재조합4를통해 DNA 이중 가닥 휴식의 수리에 중요한 역할을한다. 농부와 동료는 BRCA1/2에 대한 세포 결핍이 PARP 억제에 취약하다는 사실 인정을 간행했습니다, 어떤 세포 독성이 BRCA 야생 형 세포에서 관찰되지 않는 동안5. 궁극적으로, PARP 억제제는 BRCA 결핍 유방 및 난소암6,7의처리를 위해 승인되었습니다. 또한, 약리학적 화합물의 임상 승인으로 이어지는 합성 치사 유전자 쌍은 많은 기대와 최근 암 연구 노력의 주요 영역8.
합성 치명적인 유전자 상호 작용은 과일 파리, C. 예르간 및 효모2를포함하여 다중 유기체에서 모델링되었습니다. RNA 간섭 및 CRISPR/CAS 라이브러리 녹아웃을 포함한 다양한 접근법을 사용하여 최근9년,10,11에서새로운 합성 치명적인 유전자 쌍이 발견되었습니다. CRISPR/CAS와 함께 RNAi의 실험 절차에 대한 프로토콜은 최근 Housden 및 동료12에의해 출판되었다. 한편, 연구원은 또한 합성 치명적인 상호 작용을 식별 하기 위해 haploid 인간 세포에 큰 화면을 실시13,14. 생물학적 네트워크 분석 및 기계 학습과 같은 실리코 방법에서도 합성 치명적인 상호 작용15, 16의발견에 대한 약속을보여주었습니다.
개념적으로, 항 종양 치료의 맥락에서 합성 치명적인 상호 작용을 사용하는 한 가지 접근법은 종양 세포에서 돌연변이 또는 비 기능성 단백질을 식별하는 것입니다, 치료 개입에 대한 약물 목표를 약속 하는 그들의 합성 치명적인 상호 작용 파트너를 만들기. 대부분의 종양 모형의 이질성 때문에, 연구원은 소위 합성 치명적인 허브 단백질을 위한 수색을 시작했습니다. 이러한 합성 치명적인 허브는 종양 샘플에서 돌연변이및 따라서 비 기능 또는 현저하게 다운 규제되는 다수의 합성 치명적인 상호 작용 파트너가 있습니다. 이러한 합성 치명적인 허브를 해결 하는 것은 약물 효능을 증가 또는 vincristine 내성 신경 아 세포종의 맥락에서 예를 들어 표시 될 수 있는 약물 저항을 극복에 약속을 보유17. 합성 치명적인 상호 작용의 개념을 사용 하 여 약물 치료를 향상 시키기 위해 두 번째 접근 은 합성 치명적인 상호 작용을 대상으로 약물 조합을 식별 하는. 이것은 이미 승인된 단 하나 항종양 치료의 새로운 조합및 종양학의 필드에 그밖 질병 지역에서 약의 재배치로 이끌어 낼 수 있었습니다.
이 문서에서는 합성 치명적인 상호 작용 쌍을 대상으로 하는 약물 조합 목록을 산출하는 단계별 절차를 제시합니다. 이 워크플로우에서, 우리(i)는 BioGRID의 합성 치명적인 상호 작용에 대한 데이터를 사용하고 (ii) Ensembl에서 동종 유전자에 대한 정보, (iii) DrugBank에서 약물 표적 쌍을 검색하고, (iv) ClinicalTrials.gov 질병-약물 협회를 구축하고, (v) 따라서 합성 치명적인 상호 작용을 해결하는 약물 조합세트를 생성한다. 마지막으로, 대표적인 결과 섹션에서 난소와 유방암의 맥락에서 약물 조합을 제공합니다.
Protocol
Representative Results
Discussion
우리는 합성 치명적인 상호 작용에 영향을 미치는 약물 조합을 식별 하기 위해 워크 플로우를 설명 했습니다. 이 워크플로우는 모델 유기체로부터의 합성 치명적인 상호 작용에 대한 (i) 데이터, (ii) 인간 정형소의 정보, (iii) 약물 표적 협회에 대한 정보, (iv) 암의 맥락에서 임상 시험에 대한 약물 정보, 과학 문헌에서 추출된 약물 질환 및 유전자 질환 협회의 정보에 대한 (v)의 데이터를 사용합니다…
Declarações
The authors have nothing to disclose.
Acknowledgements
데이터 통합 워크플로우 개발을 위한 기금은 보조금 협정 인 nu에 따라 유럽 커뮤니티의 일곱 번째 프레임워크 프로그램에서 획득했습니다. 279113 (OCTIPS). 이 출판물 내의 데이터 적응은 공공 과학 출판 및 영향 저널, LLC에 의해 친절하게 승인되었습니다.
Materials
| BioGRID | n/a | n/a | thebiogrid.org |
| ClinicalTrials.gov | n/a | n/a | ClinicalTrials.gov |
| DrugBank | n/a | n/a | drugbank.ca |
| Ensembl BioMart | n/a | n/a | ensembl.org |
| for alternative computational databases please refer to the manuscript | |||
| 7-AAD | ebioscience | 00-6993-50 | |
| AnnexinV-APC | BD Bioscience | 550474 | |
| celecoxib | Sigma-Aldrich | PZ0008-25MG | |
| CellTiter-Blue Viability Assay | Promega | G8080 | |
| FACS Canto II | BD Bioscience | n/a | |
| fetal bovine serum | Fisher Scientific/Gibco | 16000044 | |
| FloJo Software | FloJo LLC | V10 | |
| McCoy's 5a Medium Modified | Fisher Scientific/Gibco | 16600082 | |
| penicillin G/streptomycin sulfate | Fisher Scientific/Gibco | 15140122 | |
| SKBR-3 cells | American Type Culture Collection (ATCC) | ATCC HTB-30 | |
| zoledronic acid | Sigma-Aldrich | SML0223-50MG | |
| further materials or equipment will be made available upon request | |||
Referências
- Dobzhansky, T. Genetics of natural populations; recombination and variability in populations of Drosophila pseudoobscura. Genética. 31, 269-290 (1946).
- Hartwell, L. H., Szankasi, P., Roberts, C. J., Murray, A. W., Friend, S. H. Integrating genetic approaches into the discovery of anticancer drugs. Science. 278 (5340), 1064-1068 (1997).
- D’Amours, D., Desnoyers, S., D’Silva, I., Poirier, G. G. Poly(ADP-ribosyl)ation reactions in the regulation of nuclear functions. The Biochemical Journal. 342 (2), 249-268 (1999).
- Gudmundsdottir, K., Ashworth, A. The roles of BRCA1 and BRCA2 and associated proteins in the maintenance of genomic stability. Oncogene. 25 (43), 5864-5874 (2006).
- Farmer, H., et al. Targeting the DNA repair defect in BRCA mutant cells as a therapeutic strategy. Nature. 434 (7035), 917-921 (2005).
- McCann, K. E., Hurvitz, S. A. Advances in the use of PARP inhibitor therapy for breast cancer. Drugs in Context. 7, 212540 (2018).
- Franzese, E., et al. PARP inhibitors in ovarian cancer. Cancer Treatment Reviews. 73, 1-9 (2019).
- Ashworth, A., Lord, C. J. Synthetic lethal therapies for cancer: what’s next after PARP inhibitors. Nature Reviews. Clinical Oncology. 15 (9), 564-576 (2018).
- Yu, B., Luo, J. Synthetic lethal genetic screens in Ras mutant cancers. The Enzymes. 34, 201-219 (2013).
- Thompson, J. M., Nguyen, Q. H., Singh, M., Razorenova, O. V. Approaches to identifying synthetic lethal interactions in cancer. The Yale Journal of Biology and Medicine. 88 (2), 145-155 (2015).
- Ruiz, S., et al. A Genome-wide CRISPR Screen Identifies CDC25A as a Determinant of Sensitivity to ATR Inhibitors. Molecular Cell. 62 (2), 307-313 (2016).
- Housden, B. E., Nicholson, H. E., Perrimon, N. Synthetic Lethality Screens Using RNAi in Combination with CRISPR-based Knockout in Drosophila Cells. Bio-Protocol. 7 (3), (2017).
- Blomen, V. A., et al. Gene essentiality and synthetic lethality in haploid human cells. Science. 350 (6264), 1092-1096 (2015).
- Forment, J. V., et al. Genome-wide genetic screening with chemically mutagenized haploid embryonic stem cells. Nature Chemical Biology. 13 (1), 12-14 (2017).
- Wildenhain, J., et al. Prediction of Synergism from Chemical-Genetic Interactions by Machine Learning. Cell Systems. 1 (6), 383-395 (2015).
- Madhukar, N. S., Elemento, O., Pandey, G. Prediction of Genetic Interactions Using Machine Learning and Network Properties. Frontiers in Bioengineering and Biotechnology. 3, 172 (2015).
- Fechete, R., et al. Synthetic lethal hubs associated with vincristine resistant neuroblastoma. Molecular BioSystems. 7 (1), 200-214 (2011).
- Oughtred, R., et al. The BioGRID interaction database: 2019 update. Nucleic Acids Research. 47, 529-541 (2019).
- Zeeberg, B. R., et al. Mistaken identifiers: gene name errors can be introduced inadvertently when using Excel in bioinformatics. BMC bioinformatics. 5, 80 (2004).
- Ziemann, M., Eren, Y., Gene El-Osta, A. name errors are widespread in the scientific literature. Genome Biology. 17 (1), 177 (2016).
- Kersey, P. J., et al. Ensembl Genomes 2018: an integrated omics infrastructure for non-vertebrate species. Nucleic Acids Research. 46, 802-808 (2018).
- Wishart, D. S., et al. DrugBank 5.0: a major update to the DrugBank database for 2018. Nucleic Acids Research. 46, 1074-1082 (2018).
- Chou, T. C. Drug combination studies and their synergy quantification using the Chou-Talalay method. Pesquisa do Câncer. 70 (2), 440-446 (2010).
- Marhold, M., et al. Synthetic lethal combinations of low-toxicity drugs for breast cancer identified in silico by genetic screens in yeast. Oncotarget. 9 (91), 36379-36391 (2018).
- Heinzel, A., et al. Synthetic lethality guiding selection of drug combinations in ovarian cancer. PloS One. 14 (1), 0210859 (2019).
- Costanzo, M., et al. The genetic landscape of a cell. Science. 327 (5964), 425-431 (2010).
- Koh, J. L. Y., et al. DRYGIN: a database of quantitative genetic interaction networks in yeast. Nucleic Acids Research. 38, 502-507 (2010).
- Guo, J., Liu, H., Zheng, J. SynLethDB: synthetic lethality database toward discovery of selective and sensitive anticancer drug targets. Nucleic Acids Research. 44, 1011-1017 (2016).
- NCBI Resource Coordinators. Database resources of the National Center for Biotechnology Information. Nucleic Acids Research. 44 (1), 7-19 (2016).
- Altenhoff, A. M., et al. The OMA orthology database in 2018: retrieving evolutionary relationships among all domains of life through richer web and programmatic interfaces. Nucleic Acids Research. 46 (1), 477-485 (2018).
- Sonnhammer, E. L. L., Östlund, G. InParanoid 8: orthology analysis between 273 proteomes, mostly eukaryotic. Nucleic Acids Research. 43, 234-239 (2015).
- Li, Y. H., et al. Therapeutic target database update 2018: enriched resource for facilitating bench-to-clinic research of targeted therapeutics. Nucleic Acids Research. 46 (1), 1121 (2018).
- Gaulton, A., et al. The ChEMBL database in 2017. Nucleic Acids Research. 45 (1), 945-954 (2017).
- Heinzel, A., Mühlberger, I., Fechete, R., Mayer, B., Perco, P. Functional molecular units for guiding biomarker panel design. Methods in Molecular Biology. 1159 (12), 109-133 (2014).
- Davis, A. P., et al. The Comparative Toxicogenomics Database: update 2019. Nucleic Acids Research. 47 (1), 948-954 (2019).
- Piñero, J., et al. DisGeNET: a comprehensive platform integrating information on human disease-associated genes and variants. Nucleic acids research. 45 (1), 833-839 (2017).
