合成致死的相互作用を対象とした薬剤の組み合わせを特定するためのデータ統合ワークフロー
Summary
モデル生物の大きな遺伝的スクリーンは、陰性の遺伝的相互作用の同定につながっている。ここでは、モデル生物の遺伝的スクリーンからのデータを用いて、がんにおける合成致死的相互作用を標的とした薬物の組み合わせを描写するデータ統合ワークフローについて述べている。
Abstract
2つの遺伝子のどちらかのノックアウトが細胞生存率に影響を与えないが、両方の合成致死性インターアクターのノックアウトが細胞生存率または細胞死の喪失につながる場合、2つの遺伝子間の合成致死的相互作用が与えられる。最もよく研究された合成致死的相互作用はBRCA1/2とPARP1の間で、PARP1阻害剤はBRCA1/2変異腫瘍の患者を治療するために臨床現場で使用されている。モデル生物だけでなくハプロイドヒト細胞株においても大きな遺伝的スクリーンは、多数の追加の合成致死的相互作用対の同定につながり、いずれも新しい腫瘍療法の開発に関心のある潜在的な標的である。1つのアプローチは、目的の腫瘍で突然変異または有意にダウンレギュレートされる合成致死的相互作用器を有する遺伝子を治療的に標的にすることである。第二のアプローチは、合成致死的相互作用に対処する薬物の組み合わせを策定することです.この記事では、合成致死的相互作用を対象とした薬物の組み合わせを評価および同定するためのデータ統合ワークフローの概要を説明します。合成致死性相互作用ペア、相同性マッピングリソース、専用データベースからの薬物標的リンク、および対象疾患領域の臨床試験で調査されている薬物に関する情報に関する利用可能なデータセットを利用しています。我々はさらに、卵巣癌と乳癌の文脈における薬物組み合わせ評価に関する我々のグループの2つの最近の研究の主要な知見を強調する。
Introduction
合成致死性は、1つの遺伝子の喪失が生存率に影響を与えないが、両方の遺伝子の喪失が細胞死につながる2つの遺伝子の関連を定義する。ホモ接合体変異体1を飼育することによりショウジョウバエの様々な表現型を分析しながら、ドブジャンスキーによって1946年に最初に記述された。生存可能な子孫を生じなかった変異体は、生存可能であるが、ある特定の他の変異体と交配すると致死的な現象型を示し、合成致死性の理論の確立のための根拠を設定した。Hartwellたちの研究グループは、この概念がヒト2のがん治療に適用できる可能性を示唆した。薬理学的に誘発された合成致死性は、変異遺伝子の合成致死性パートナーが薬理学的化合物によって標的に可能であることを考えると、たった1つの突然変異に依存する可能性がある。合成致死性の薬理学的誘導を可能にする最初の遺伝子ペアはBRCA(1/2)およびPARP1であった。PARP1はDNA損傷のセンサーとして機能し、二重および単一DNAの鎖の破断、スーパーコイルおよびクロスオーバー3の部位に結びついている。BRCA1および2は、相同組換え4を介したDNA二本鎖破断の修復において大きな役割を果たす。Farmerたちは、BRCA1/2に対して欠損した細胞がPARP阻害の影響を受けやすいという知見を発表したが、BRCA野生型細胞5では細胞毒性は認められなかった。最終的に、PARP阻害剤は、BRCA欠損乳癌および卵巣癌6,7の治療のために承認された。また、薬理化合物の臨床承認につながる合成致死性遺伝子ペアが大いに期待されており、最近のがん研究の主要分野8.
合成致死的な遺伝子相互作用は、フルーツハエ、C.エレガンスおよび酵母2を含む複数の生物でモデル化された。RNA干渉とCRISPR/CASライブラリノックアウトを含む様々なアプローチを使用して、新しい合成致死性遺伝子ペアは、近年9、10、11で発見されました。CRISPR/CASと組み合わせたRNAiの実験手順に関するプロトコルが最近、Housdenと同僚12によって発表されました。一方、研究者はまた、合成致死的相互作用を同定するためにハプロイドヒト細胞で大画面を実施しました13,14.生物学的ネットワーク解析や機械学習のようなシンリコ法では、合成致死的相互作用の発見においても約束を示している。
概念的には、抗腫瘍療法の文脈で合成致死的相互作用を利用する1つのアプローチは、腫瘍細胞内の変異タンパク質または非機能的タンパク質を同定し、その合成致死的相互作用パートナーが治療介入のための薬物標的を有望なものにすることである。ほとんどの腫瘍タイプの不均一性のために、研究者はいわゆる合成致死性ハブタンパク質の探索を開始しました。これらの合成致死的なハブは、変異され、したがって、腫瘍サンプルで非機能的または有意にダウンレギュレートされる合成致死的相互作用パートナーの数を有する。このような合成致死的なハブに対処することは、例えばビンクリスチン耐性神経芽細胞腫17の文脈で示すことができるように、薬物の有効性を高めるか、薬剤耐性を克服する約束を保持する。合成致死的相互作用の概念を利用して薬物治療を強化する第2のアプローチは、合成致死的相互作用を標的とする薬物の組み合わせを同定することです。これは、既に承認された単一の抗腫瘍療法の新しい組み合わせと、他の疾患領域から腫瘍学の分野への薬物の再配置につながる可能性があります。
この記事では、合成致死的相互作用ペアを標的とする薬物組み合わせのリストを生成するためのステップバイステップの手順を提示する。このワークフローでは、(i)BioGRIDからの合成致死的相互作用に関するデータと(ii)Ensemblの相同遺伝子に関する情報を使用し、(iii)DrugBankから薬物と標的のペアを取り出し、(iv)ClinicalTrials.gov から疾患と薬物の関連を構築し、(v)合成致死的相互作用に対処する一連の薬物組み合わせを生成する。最後に、代表結果セクションで卵巣癌と乳癌の文脈で薬物の組み合わせを提供する。
Protocol
Representative Results
Discussion
合成致死的相互作用に影響を与える薬物の組み合わせを特定するワークフローを概説しました。本ワークフローでは、モデル生物からの合成致死的相互作用に関する(i)データ、(ii)ヒト直交体の情報、(iii)薬物標的関連に関する情報、(iv)がんの文脈における臨床試験に関する薬物情報、および(v)科学文献から抽出された薬物疾患および遺伝子疾患関連の情報に関する情報を利用する。統合され…
Declarações
The authors have nothing to disclose.
Acknowledgements
データ統合ワークフローの開発のための資金は、補助金契約のnuの下で欧州共同体の第7の枠組みプログラムから得られました。279113 (オチップ)。この出版物内のデータの適応は、科学出版物とインパクトジャーナルの公共図書館、LLCによって親切に承認されました。
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).
