Integratie van bioinformatica benaderingen en experimentele validaties om de rol van Inkeping signalering in ovariële kanker te begrijpen
Summary
Bioinformatica is een handige manier om grootschalige gegevenssets te verwerken. Door de implementatie van bio-informatica benaderingen kunnen onderzoekers snel, betrouwbaar en efficiënt inzichtelijke toepassingen en wetenschappelijke ontdekkingen verkrijgen. Dit artikel toont het gebruik van bio-informatica in ovariële kankeronderzoek. Het valideert ook met succes bioinformatica bevindingen door middel van experimenten.
Abstract
Inkeping signalering is een zeer bewaard regelgevings traject betrokken bij vele cellulaire processen. Disregulatie van deze signalering traject leidt vaak tot interferentie met de juiste ontwikkeling en kan zelfs resulteren in initiatie of progressie van kankers in bepaalde gevallen. Omdat dit traject complexe en veelzijdige functies bedient, kan het uitgebreid worden bestudeerd via vele verschillende benaderingen. Hiervan biedt bio-informatica een onmiskenbaar kostenefficiënte, benaderbare en gebruiksvriendelijke studiemethode. Bioinformatica is een handige manier om kleinere stukjes informatie uit grootschalige datasets te extraheren. Door de implementatie van verschillende bioinformatica benaderingen kunnen onderzoekers deze grote datasets snel, betrouwbaar en efficiënt interpreteren, wat inzichtelijke toepassingen en wetenschappelijke ontdekkingen oplevert. Hier wordt een protocol gepresenteerd voor de integratie van bioinformatica benaderingen om de rol van Inkeping signalering in eierstokkanker te onderzoeken. Bovendien worden de bevindingen van bioinformatica gevalideerd door middel van experimenten.
Introduction
De inkeping signalering traject is een zeer goed bewaard traject dat is belangrijk voor vele ontwikkelingsprocessen binnen biologische organismen. Inkeping signalering is gebleken om een belangrijke rol in de celproliferatie en zelf vernieuwing te spelen, en gebreken in de inkeping signalering traject kan leiden tot vele vormen van kanker1,2,3,4,5,6. In sommige omstandigheden, de inkeping signalering traject is gekoppeld aan zowel weefsel groei en Cancer, alsmede celdood en onderdrukking van de tumor7. Meerdere notch receptoren (NOTCH 1 − 4) en co\u2012activator Mastermind (MAML 1 − 3), allemaal met diverse functies, voegen een extra niveau van complexiteit. Terwijl de inkeping signalering traject is verfijnd in termen van functies, de kern traject is eenvoudig op moleculair basis8. Notch receptoren fungeren als transmembraan eiwitten samengesteld uit extracellulaire en intracellulaire gebieden9. Een ligand binding aan de extracellulaire regio van notch receptoren vergemakkelijkt Proteolytische decolleté, waardoor de inkeping intracellulaire domein (NICD) worden vrijgegeven in de Nucleus. NICD bindt vervolgens aan co\u2012activator Mastermind om downstream genexpressie10te activeren.
In de afgelopen jaren, notch signalering is aangetoond dat het spelen van een verscheidenheid van rollen in de inleiding en de progressie van verschillende soorten kankers over verschillende soorten6,11. Bijvoorbeeld, Inkeping signalering is gekoppeld aan tumorigenese met betrekking tot de menselijke NOTCH1 gen12. Onlangs bleken de NOTCH2, NOTCH3, Delta-achtige 3 (DLL3), Mastermind\u2012like proteïne 1 (MAML1)en een desinin-en Metalloproteinase domain\u2012containing eiwit 17 (ADAM17) -genen sterk geassocieerd te zijn met eierstokkanker, vooral met de slechte totale overleving van patiënten13.
Naarmate de hoeveelheid experimentele en patiënt-geassocieerde gegevens voortdurend toeneemt, neemt de vraag naar analyse van de beschikbare gegevens ook toe. De beschikbare gegevens zijn verspreid over publicaties en ze kunnen inconsistente of zelfs tegenstrijdige bevindingen opleveren. Met de ontwikkeling van nieuwe technologie in de afgelopen decennia, zoals de volgende generatie sequencing, is de hoeveelheid beschikbare gegevens exponentieel gegroeid. Hoewel dit een snelle vooruitgang in de wetenschap en de mogelijkheden voor voortgezet biologisch onderzoek vertegenwoordigt, is het een grote uitdaging14om de betekenis van openbaar beschikbare gegevens te beoordelen om onderzoeksvragen op te lossen. Wij geloven dat bioinformatica een handige manier is om kleinere stukjes informatie uit grootschalige datasets te extraheren. Door de implementatie van verschillende bioinformatica benaderingen kunnen onderzoekers deze grote datasets snel, betrouwbaar en efficiënt interpreteren, wat inzichtelijke ontdekkingen oplevert. Deze ontdekkingen kunnen variëren van de identificatie van potentiële nieuwe geneesmiddelen therapie doelen of ziekte biomarkers, tot gepersonaliseerde patiënt behandelingen15,16.
Bioinformatica zelf evolueert snel, en benaderingen veranderen voortdurend naarmate de technologische vooruitgang de medische en biologische wetenschap doet wegvegen. Op dit moment omvatten gemeenschappelijke bioinformatica benaderingen het gebruik van openbaar toegankelijke databases en software Programma’s om DNA-of eiwit sequenties te analyseren, genen van bijzondere relevantie of belang te identificeren en de relevantie van genen en genproducten te bepalen via functionele genomics16. Hoewel het gebied van de bio-informatica zeker niet beperkt is tot deze benaderingen, zijn deze belangrijk om clinici en onderzoekers te helpen bij het beheer van biologische gegevens ten voordele van patiënten als geheel.
Deze studie is bedoeld om verschillende belangrijke databases en hun gebruik voor onderzoek over de inkeping signalering traject te markeren. NOTCH2, NOTCH3, en hun co\u2012activator MAML1 werden gebruikt als voorbeelden voor de database studie. Deze genen werden gebruikt omdat het belang van de inkeping signalering traject in ovariële kanker is gevalideerd. Systematische analyse van opgehaalde gegevens bevestigde het belang van Inkeping signalering in eierstokkanker. Bovendien, omdat inkeping signalering is goed bewaard tussen verschillende soorten, er werd bevestigd dat overexpressie van Drosophila melanogaster NiCd en Mastermind samen kunnen induceren tumoren in Drosophila eierstokken, ondersteuning van de bevindingen van de database en de belangrijke en behouden rol van Inkeping signalering in ovariële kanker.
Protocol
Representative Results
Discussion
Aangezien er talloze benaderingen en methoden zijn voor het gebruik van bio-informatica, zijn er tal van databases online beschikbaar voor het grote publiek. Een overvloed aan informatie kan worden geëxtraheerd uit elk van deze databases, maar sommige zijn het meest geschikt voor bepaalde doeleinden, zoals het beoordelen van de overleving van de patiënt op basis van bepaalde inputs. Systematische analyses van opgehaalde gegevens uit verschillende individuele databases kunnen op overtuigende wijze belangrijke wetenschap…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Dit werk werd ondersteund door start-up financiering, College of Science and Mathematics Research Grant, Summer Research Session Award, en Research Seed Funding Award van Georgia Southern University.
Materials
| DAPI (4',6-Diamidino-2-Phenylindole, Dihydrochloride) | Invitrogen | D1306 | 1:1000 Dilution |
| PBS, Phosphate Buffered Saline, 10X Powder, pH 7.4 | ThermoFisher | FLBP6651 | Dissolved with ddH2O to make 1X PBS |
| Goat serum | Gibco | 16210064 | Serum |
| Embryo dish | Electron Microscopy Sciences | 70543-45 | Dissection Dish |
| Nutating mixers | Fisherbrand | 88861041 | Nutator |
| tj-Gal4, Gal80ts/ CyO; UAS-NICD-GFP/ TM6B | Dr. Wu-Min Deng at Florida State University | N/A | Fly stock |
| w*; UAS-mam.A | Bloomington Drosophila Stock Center | #27743 | Fly stock |
| w[1118] | Bloomington Drosophila Stock Center | #5905 | Fly stock |
| The PRECOG portal | Stanford University | precog.stanford.edu | Publicly accessible database of cancer expression datasets |
| CSIOVDB | Cancer Science Institute of Singapore | csibio.nus.edu.sg/CSIOVDB/CSIOVDB.html | Microarray database used to study ovarian cancer |
| The Gene Expression across Normal and Tumor tissue (GENT) Portal | Korea Research Institute of Bioscience and Biotechnology (KRIBB) | medical–genome.kribb.re.kr/GENT | Publicly accessible database of gene expression data across diverse tissues, divided into tumor and normal tissues. |
| Broad Institute Cancer Cell Line Encyclopedia (CCLE) | Broad Institute and The Novartis Institutes for BioMedical Research | portals.broadinstitute.org/ccle | Provides genomic profiles and mutations of human cancer cell lines |
| cBioPortal | Memorial Sloan Kettering Cancer Center (MSK) | cioportal.org | Portal that allows researchers to search for genetic alterations and signaling networks |
| Zeiss 710 Inverted confocal microscope | Carl Zeiss | ID #M 210491 | Examination and image collection of fluorescently labeled specimens |
References
- Bocchicchio, S., Tesone, M., Irusta, G. Convergence of Wnt and Notch signaling controls ovarian cancer cell survival. Journal of Cellular Physiology. , (2019).
- Hibdon, E. S., et al. Notch and mTOR Signaling Pathways Promote Human Gastric Cancer Cell Proliferation. Neoplasia. 21 (7), 702-712 (2019).
- Kucukkose, C., Yalcin Ozuysal, O. Effects of Notch signalling on the expression of SEMA3C, HMGA2, CXCL14, CXCR7, and CCL20 in breast cancer. Turkish Journal of Biology. 43 (1), 70-76 (2019).
- Lan, G., et al. Notch pathway is involved in the suppression of colorectal cancer by embryonic stem cell microenvironment. OncoTargets and Therapy. 12, 2869-2878 (2019).
- Lian, H., et al. Notch signaling promotes serrated neoplasia pathway in colorectal cancer through epigenetic modification of EPHB2 and EPHB4. Cancer Management and Research. 10, 6129-6141 (2018).
- Salazar, J. L., Yamamoto, S. Integration of Drosophila and Human Genetics to Understand Notch Signaling Related Diseases. Advances in Experimental Medicine and Biology. 1066, 141-185 (2018).
- Bray, S. J. Notch signalling in context. Nature Reviews Molecular Cell Biology. 17 (11), 722-735 (2016).
- Andersson, E. R., Sandberg, R., Lendahl, U. Notch signaling: simplicity in design, versatility in function. Development. 138 (17), 3593-3612 (2011).
- Brou, C., et al. A novel proteolytic cleavage involved in Notch signaling: the role of the disintegrin-metalloprotease TACE. Molecular Cell. 5 (2), 207-216 (2000).
- Oswald, F., et al. p300 acts as a transcriptional coactivator for mammalian Notch-1. Molecular and Cellular Biology. 21 (22), 7761-7774 (2001).
- Xiu, M. X., Liu, Y. M. The role of oncogenic Notch2 signaling in cancer: a novel therapeutic target. American Journal of Cancer Research. 9 (5), 837-854 (2019).
- Allenspach, E. J., Maillard, I., Aster, J. C., Pear, W. S. Notch signaling in cancer. Cancer Biololgy & Therapy. 1 (5), 466-476 (2002).
- Jia, D., Underwood, J., Xu, Q., Xie, Q. NOTCH2/NOTCH3/DLL3/MAML1/ADAM17 signaling network is associated with ovarian cancer. Oncology Letters. 17 (6), 4914-4920 (2019).
- Weng, J. T., et al. Novel bioinformatics approaches for analysis of high-throughput biological data. Biomed Research International. 2014, 814092 (2014).
- Readhead, B., Dudley, J. Translational Bioinformatics Approaches to Drug Development. Advances in Wound Care (New Rochelle). 2 (9), 470-489 (2013).
- Bayat, A. Science, medicine, and the future: Bioinformatics. BMJ. 324 (7344), 1018-1022 (2002).
- Gentles, A. J., et al. The prognostic landscape of genes and infiltrating immune cells across human cancers. Nature Medicine. 21 (8), 938-945 (2015).
- Tan, T. Z., et al. CSIOVDB: a microarray gene expression database of epithelial ovarian cancer subtype. Oncotarget. 6 (41), 43843-43852 (2015).
- Shin, G., et al. GENT: gene expression database of normal and tumor tissues. Cancer Informatics. 10, 149-157 (2011).
- Barretina, J., et al. The Cancer Cell Line Encyclopedia enables predictive modelling of anticancer drug sensitivity. Nature. 483 (7391), 603-607 (2012).
- Gao, J. J., et al. Integrative Analysis of Complex Cancer Genomics and Clinical Profiles Using the cBioPortal. Science Signaling. 6 (269), (2013).
- Cerami, E., et al. The cBio Cancer Genomics Portal: An Open Platform for Exploring Multidimensional Cancer Genomics Data. Cancer Discovery. 2 (5), 401-404 (2012).
- McGuire, S. E., Mao, Z., Davis, R. L. Spatiotemporal gene expression targeting with the TARGET and gene-switch systems in Drosophila. Science’s STKE. 2004 (220), 6 (2004).
- Jia, D., Huang, Y. C., Deng, W. M. Analysis of Cell Cycle Switches in Drosophila Oogenesis. Methods in Molecular Biology. 1328, 207-216 (2015).
- Lo, P. K., Huang, Y. C., Corcoran, D., Jiao, R., Deng, W. M. Inhibition of Notch signaling by the p105 and p180 subunits of Drosophila chromatin assembly factor 1 is required for follicle cell proliferation. Journal of Cell Science. 132 (2), (2019).
- Keller Larkin, M., et al. Role of Notch pathway in terminal follicle cell differentiation during Drosophila oogenesis. Development Genes and Evolution. 209 (5), 301-311 (1999).
- Sun, J., Deng, W. M. Notch-dependent downregulation of the homeodomain gene cut is required for the mitotic cycle/endocycle switch and cell differentiation in Drosophila follicle cells. Development. 132 (19), 4299-4308 (2005).
- Jia, D., et al. A large-scale in vivo RNAi screen to identify genes involved in Notch-mediated follicle cell differentiation and cell cycle switches. Scientific Reports. 5, 12328 (2015).
- Shcherbata, H. R., Althauser, C., Findley, S. D., Ruohola-Baker, H. The mitotic-to-endocycle switch in Drosophila follicle cells is executed by Notch-dependent regulation of G1/S, G2/M and M/G1 cell-cycle transitions. Development. 131 (13), 3169-3181 (2004).
