ارزیابی بیان ژن مشخصه تومور در رده های سلولی با استفاده از شاخص شباهت بافت (TSI)

  • 2022-05-12

* آدرس فعلی: گروه زیست شناسی ، انستیتوی فناوری ماساچوست ، کمبریج ، MA 02139.

ویرایش شده توسط Bert Vogelstein ، مرکز جامع سرطان سیدنی کیمل در جانس هاپکینز ، بالتیمور ، دکتر ، و 23 دسامبر 2004 تصویب شد

داده های مرتبط

چکیده

پروفایل بیان ژن از 60 رده سلولی ، حاصل از نه بافت مختلف ، با تومورهای داخل بدن و بافتهای مربوط به آنها مقایسه شد. رده های سلولی ژن های خاص بافت (2 ٪) یا تومور خاص (5 ٪) را هنگام تجزیه و تحلیل گروهی بیان کردند. شاخص شباهت بافتی (TSI) بر اساس تجزیه ارزش مفرد طراحی شده است که بیان ژن مشخصه تومور داخل بدن در هر رده سلولی به طور مستقل اندازه گیری می شود. تنها 34 از 60 رده سلولی بالاترین TSI را نسبت به تومور مبدا خود دریافت کردند. علاوه بر این ، ما مناسب ترین خطوط سلولی را که به عنوان سیستم های مدل برای تومورهای مختلف داخل بدن استفاده می شود ، شناسایی کردیم. هفت رده سلولی به عنوان منشأ دیگری از آنچه در ابتدا فرض شده بود مشخص شد. TSI پیشنهادی به احتمال زیاد به ابزاری مهم برای انتخاب مناسب ترین خطوط سلولی در برنامه های غربالگری دارویی و تحقیقات تجربی و زیست پزشکی تبدیل می شود.

واژه‌های کلیدی: ریزآرایی DNA ، در شرایط آزمایشگاهی ، تجزیه ارزش مفرد ، بیان خاص بافت ، بیان ژن تومور

رده های سلولی حاصل از تومورها و بافت ها برای درک ما از زیست شناسی در سطح مولکولی مؤثر بوده و به طور گسترده در تحقیقات تجربی مورد استفاده قرار می گیرند. نتیجه گیری در مورد بافت های مربوطه در طیف گسترده ای از آزمایشات از رفتار آنها نتیجه گرفته می شود. تفاوتهای کلی بین محیط سلولها در حال رشد در شرایط آزمایشگاهی و بافت ناهمگن وجود دارد. رده های سلولی به سرعت تقسیم می شوند و تفاوت های کلی در بیان ژن شامل تنظیم ژنهای درگیر در تکثیر (1 ، 2) است. اگرچه رده های سلولی با هر دو بافت طبیعی و تومور متفاوت است ، اما در دسترس بودن کم نمونه های بافت و امکان محدودی برای دستکاری در حیوانات باعث می شود که رده های سلولی نیز برای تحقیقات زیست شناسی سلول های مولکولی در آینده و تولید دارو ضروری باشد.

داروهای ضد سرطان جدید اغلب با کمک خطوط سلولی تولید می شوند ، با وجود این تصور که کشتهای تک لایه نسبت به تومورهای داخل بدن نسبت به شیمی درمانی حساس تر هستند (3 ، 4). علاوه بر این ، حساسیت دارویی تومورها مربوط به بافت منشاء آنها است. تومورهای بیضه ، پستان و تخمدان ها معمولاً به شیمی درمانی پاسخگو هستند ، در حالی که تومورهای منشأ روده بزرگ ، کلیه یا کبد اغلب مقاوم تر هستند. تغییر در حساسیت شیمی درمانی که توسط بافت منشاء تعیین می شود در رده های سلولی کاهش می یابد (5). برنامه های غربالگری بزرگ از پانل های خط سلولی برای پیش بینی راندمان شیمی درمانی ترکیبات به انواع مختلف تومور استفاده می کنند (6) ، فرض اصلی این است که رده های سلولی تومور مدل های آزمایشی خوبی برای تومورهای حاصل از آنها هستند. با وجود استفاده مکرر از رده های سلولی ، مطالعات سیستماتیک اندکی وجود دارد که بررسی می کند چگونه خطوط سلولی به خوبی با هویت بافت تومور مطابقت دارند.

برای بسیاری از تومورها ، ضایعات متاستاتیک برای ایجاد کشت سلولی برتر هستند (7). در اینجا خطر احتمالی "انتقال" نادرست طبقه بندی تومور متاستاتیک به رده سلولی مشتق شده است. شناسایی منشأ صحیح خطوط سلولی برای استفاده از آنها به عنوان سیستم های مدل برای تومورهای مربوطه بسیار مهم خواهد بود. طی چند دهه استفاده از رده سلولی ، تهدیدات بالقوه دیگری برای حفظ خصوصیات اصلی تومور مانند از دست دادن بیان ژن خاص بافت و حتی آلودگی متقابل وجود دارد (8 ، 9). ابزاری جدید که می تواند به طور واضح منشاء رده سلولی را ارزیابی و تأیید کند ، برای انواع کاربردها در تحقیقات زیست پزشکی و پزشکی بالینی بسیار ارزشمند خواهد بود.

رده های سلولی NCI60 از نه بافت مختلف مبدا سرچشمه می گیرند و با استفاده از روشهای مختلفی مانند کاریوتیپ (10) ، آرایه های بیان ژن (2 ، 11) و آرایه های بیان پروتئین (12) به طور گسترده مشخص می شوند. خوشه بندی سلسله مراتبی از رده های سلولی NCI60 بر اساس الگوهای بیان ژن آنها نشان داد که رده های سلولی برای شش از نه بافت مبدا با استثنائات اندک به شاخه های ترمینال مستقل خوشه بندی می شوند (2). رده های سلولی مشتق از ملانوما بیشترین الگوی بیان ژن بافت را داشتند که بسیاری از ژن ها در زیست شناسی ملانوسیت ها درگیر تنظیم شده بودند (2). با القاء ، ژنهای تنظیم شده در سایر رده های سلولی نتیجه گرفتند که بافت منشاء آنها را منعکس می کند (2).

در این مطالعه، ما رده‌های سلولی NCI60 را با تومورهای مربوطه و بافت‌های طبیعی مقایسه کردیم. ما نه تنها بیان ژن خاص بافت را در تومورها و در رده های سلولی مربوطه شناسایی کردیم، بلکه نسبت بیان ژن نوع تومور و بافت خاص را که هنوز در رده های سلولی حفظ شده بود، تعیین کردیم. ما در اینجا نشان می‌دهیم که رده‌های سلولی به‌طور کلی تنظیم‌کننده ژن‌های خاص بافتی را از دست می‌دهند. ما همچنین به تنوع زیادی در بیان ژن‌های خاص تومور و بافت در رده‌های سلولی که از همان نوع تومور منشا می‌گیرند، اشاره کردیم و بنابراین شاخصی به نام شاخص تشابه بافتی (TSI) ایجاد کردیم که مستقیماً شباهت بیان ژن را اندازه‌گیری می‌کند. بین یک خط سلولی و انواع مختلف تومور یا بافت. TSI به عنوان فاصله بین الگوی بیان ژن تجزیه شده با ارزش منفرد یک رده سلولی و الگوی متوسط چندین نمونه که یک نوع تومور خاص را نشان می دهد تعریف می شود. با استفاده از TSI برای رده های سلولی NCI60، واضح بود که رده های سلولی مختلف با منشاء تومور احتمالاً یکسان به طور گسترده ای در بیان ژن های مشخصه تومور و در نتیجه مناسب بودن آنها به عنوان سیستم های مدل برای انواع تومور متفاوت است. ارزیابی صحیح شباهت های بیان ژن خطوط سلولی و بافت های تومور با استفاده از TSI ممکن است به طور قابل توجهی به انتخاب خطوط سلولی برای تحقیقات تجربی و برنامه های غربالگری دارو کمک کند.

مواد و روش ها

داده ها. ما داده‌های بیان ژن اندازه‌گیری شده توسط آرایه‌های Affymetrix Hu6800 را برای رده‌های سلولی NCI60 (13) و پانلی از تومورها و نمونه‌های بافت طبیعی (14) گردآوری کردیم. رده های سلولی NCI از 9 نوع تومور مختلف (سینه، CNS، روده بزرگ، کلیه، لوسمی، ریه، ملانوم، تخمدان و پروستات) مشتق شدند. پانل تومور حاوی چندین تکرار از همه این انواع تومور بود، و نمونه‌های بافت طبیعی برای هفت تومور، به استثنای لوسمی و ملانوم، وجود داشت. مجموعه داده ها به طور جداگانه با استفاده از میانگین چند تراشه ای قوی (RMA) (15، 16) که در rmaexpress 0. 2 برای فایل های NCI60 CEL و یک الگوریتم مقیاس جهانی برای تومورها و نمونه های طبیعی پیاده سازی شده است، نرمال سازی شدند. الگوریتم مقیاس جهانی از مقادیر اختلاف میانگین مثبت، بدون احتساب مقادیر اختلاف میانگین 2 درصدی بالا و پایین محاسبه شد.

تجزیه و تحلیل اهمیت ریزآرایها (SAM). ما با توجه به میزان کشف کاذب تعیین شده (FDR) ، از SAM (17) که به عنوان افزودنی اکسل (نسخه 1. 21) در دسترس است ، برای شناسایی تعداد ژنهای متفاوت بیان شده استفاده کردیم. در این تجزیه و تحلیل ، ما FDR را برای هر مقایسه مستقل به صفر تنظیم می کنیم ، که باید به عنوان یک معیار محافظه کارانه برای بیان دیفرانسیل در نظر گرفته شود.

ما رده های سلولی از هر بافت خاص منشاء را با هشت منشأ خط سلولی دیگر مقایسه کردیم و بافت منشاء ژنهای تنظیم شده را با استفاده از SAM مشخص کردیم. ما روش را برای هر بافت مبدا به طور مستقل تکرار کردیم. در نمونه های تومور ، ما ژنهایی با بیان دیفرانسیل آماری معنی داری در یک نوع تومور در مقایسه با هشت نوع تومور دیگر (بیان ژن خاص تومور) شناسایی کردیم. به طور مشابه ، ما بیان ژن خاص بافت را شناسایی کردیم ، به عنوان مثال ، ژنهایی با بیان بیش از حد دیفرانسیل از نظر آماری در یک بافت نسبت به شش بافت دیگر (زیرا هیچ یک از همتایان طبیعی ملانوما و لوسمی در ماده وجود نداشت).

TSI. TSI از تجزیه ارزش منفرد (SVD) برای ثبت الگوهای بیان ژن مشخصه تومور در بافت‌های مختلف تومور و کاهش ابعاد داده‌های بیان ژن استفاده کرد. SVD یک روش استاندارد در جبر خطی است و جزئیات ریاضی SVD برای تجزیه و تحلیل بیان ژن به تفصیل در جاهای دیگر توضیح داده شده است (18-20). به طور خلاصه، یک ماتریس بیان ژن X پس از تجزیه SVD به سه ماتریس USV T است. بردارهای منفرد سمت چپ (از این پس آرایه های ویژه نامیده می شوند) (19) ستون های ماتریس U، مورب ها در S مقادیر منفرد و ردیف های V T بردارهای منفرد سمت راست هستند. قبل از محاسبه SVD، داده‌های بیان هر ژن را به طور مستقل تا سطح بیان صفر و انحراف استاندارد یک پیش پردازش کردیم (21). ما الگوی بیان ژن هر نمونه تومور را به طور مستقل در "فضای SVD" با اندازه گیری همبستگی آن با 16 آرایه خاص پیش بینی کردیم. در فضای 16 بعدی SVD، ما یک مرکز برای هر نوع تومور به عنوان مرکز هندسی نمونه‌های آن نوع تومور خاص تعریف کردیم. این سانتروئیدها به ترتیب به عنوان مراکز بیان ژن ایده آل برای هر تومور در نظر گرفته می شوند. بیشتر انواع تومور، خوشه‌های مجزایی را در فضای SVD تشکیل می‌دادند، و فاصله بین هر نمونه تا مرکز نوع تومور آن کمتر از مرکز انواع تومورهای دیگر بود. ما هر رده سلولی را با انجام پیش‌بینی‌های یکسان در فضای SVD ارزیابی کردیم و سپس شباهت‌های آن را با انواع تومور به عنوان همبستگی آن با مرکزهای مربوطه اندازه‌گیری کردیم. همبستگی با سانتروئیدهای نوع تومور، امتیازات TSI است و از 1 تا 1- متغیر است.

نتایج

We compiled gene expression data on tumor cell lines, corresponding tumors, and normal tissues measured by Affymetrix Hu6800 arrays (13, 14). The number of samples for each tumor type and tissue of origin is listed in Table 1 . The tumors were mostly biopsy specimens with >50٪ محتوای سلول بدخیم اما در غیر این صورت انتخاب نشده و در معرض هیچ درمانی قرار نگرفته است (14).

میز 1.

نمونه خطوط سلولی * بافت نرمال † بافت تومور †
پستان 8 5 11 ‡
CNS 6 8 20 §
کولون 7 11 11
کلیه 8 13 11
سرطان خون 6 30 ¶
ریه 9 7 11
ملانوما 8 10
تخمدان 6 3 11
پروستات 2 9 10
مجموع 60 56 125

بیان ژن خاص بافت و تومور در رده های سلولی. با استفاده از SAM (17) ، ما تعداد ژنهای تنظیم شده را در بافتهای طبیعی ، نمونه تومور و رده های سلولی برای هر بافت منشاء به ترتیب شناسایی کردیم (جدول 2). تعداد ژنهای تنظیم شده مشخص شده به عنوان بافت مبدا تعیین شده به طور کلی در رده های سلولی پایین تر از بافت های طبیعی و تومور بود. رده های سلولی ملانوما بیشترین تعداد ژنهای تنظیم شده (175 ژن) را داشتند ، در حالی که ، برای رده های سلولی منشأ تومور پستان و پروستات ، ما نمی توانیم از نظر آماری معنی دار از مبدأ تعیین شده ژن ها را با استفاده از معیارهای حاضر مشخص کنیم. برای همه بافتهای طبیعی و انواع تومور ، می توانیم ژنهای تنظیم شده از نظر آماری را مشخص کنیم (جدول 2).

جدول 2

داده ها پستان CNS کولون کلیه سرطان خون ریه ملانوما تخمدان پروستات جمع
رده های سلولی 0 19 23 38 40 3 175 5 0 303
بافت طبیعی 46 249 73 110 39 7 75 599
بافت تومور 8 539 30 34 591 16 42 11 61 1332
تقاطع: رده های سلولی و بافت طبیعی 0 (0 ٪) 3 (1 ٪) 5 (7 ٪) 3 (3 ٪) 0 (0 ٪) 0 (0 ٪) 0 (0 ٪) 11 (2 ٪)
تقاطع: رده های سلولی و بافت تومور 0 (0 ٪) 7 (1 ٪) 6 (20 ٪) 2 (6 ٪) 30 (5 ٪) 0 (0 ٪) 23 (55 ٪) 0 (0 ٪) 0 (0 ٪) 68 (5 ٪)
تقاطع: بافت تومور و بافت طبیعی 3 (7 ٪) 146 (59 ٪) 17 (23 ٪) 12 (11 ٪) 9 (23 ٪) 0 (0 ٪) 28 (37 ٪) 215 (36 ٪)

تعداد ژنهای تنظیم شده برای هر منشاء بافت (ستون) و برای رده های سلولی و بافت های طبیعی و تومور (ردیف) ذکر شده است. تقاطع لیست های ژن ژنهای تنظیم شده به عنوان تعداد ژن ها و به عنوان درصد در پرانتز ارائه شده است. ما با مثال زیر برای نمونه های پستان (ستون پستان) روشن می کنیم: ما 0 ژن تنظیم شده را در رده های سلولی ، 46 در بافت طبیعی و 8 در بافت تومور مشخص کردیم. بنابراین ، هیچ همپوشانی بین ژنهای مشخص شده در رده های سلولی و بافت طبیعی یا تومور وجود ندارد. با این حال ، سه ژن در هر دو بافت پستان طبیعی و تومور تنظیم شد ، که نشان دهنده 7 ٪ (46/36) از ژنهای مشخص شده در بافت طبیعی است.

مهمتر از همه ، سؤال این است که آیا ژنهای تنظیم شده در رده های سلولی از یک بافت خاص از مبدا همان ژنهایی هستند که در تومور تنظیم شده اند که در ابتدا از آن گرفته شده است. ما لیست ژنهای تنظیم شده را مقایسه کردیم و همپوشانی آنها را مشخص کردیم (جدول 2). در کل ، همپوشانی بین تومورها و بافت طبیعی بالاتر از بین رده های سلولی و تومورهای مربوطه (5 ٪ ؛ 68 ژن) و بافتهای طبیعی (2 ٪ ؛ 11 ژن) بیشتر بود (36 ٪ ؛ 215 ژن).

An external file that holds a picture, illustration, etc. Object name is zpq0060572290001.jpg

مقایسه افزایش تنظیم بافت خاص ژن ها در رده های سلولی و تومور و بافت های طبیعی مربوط به آنها (مشتق شده از جدول 2). درصدها از جدول 2 با تقسیم تعداد ژن های موجود در تقاطع (به ترتیب خطوط سلولی و بافت و تومور) بر تعداد کل ژن های تنظیم شده در بافت ها و تومورهای مربوطه به دست آمد.(الف) درصد ژن‌های تنظیم‌شده به‌ترتیب در بافت‌های طبیعی (میله‌های پر) و تومور (میله‌های باز)، که در رده‌های سلولی مربوطه نیز افزایش یافت.(ب) درصد ژن‌های تنظیم‌شده بالا در رده‌های سلولی که به‌ترتیب توسط بافت‌های طبیعی (میله‌های پر) و تومور (میله‌های باز) تنظیم شده‌اند.

علاوه بر این، ما درصد ژن‌هایی را با بافت منشأ تعیین‌شده افزایش تنظیم در رده‌های سلولی که به ترتیب در تومورهای متناظر و بافت‌های طبیعی تنظیم شده بودند، محاسبه کردیم (شکل 1 b). رده های سلولی لوسمی بیشترین درصد همپوشانی ژن ها را داشتند (30 ژن از 40 ژن با تنظیم بالا)، که نشان می دهد در آن رده های سلولی، 75 درصد از ژن های تنظیم شده بالا نیز در تومورها تنظیم شده بودند و تعداد کمی از ژن ها (25)٪ به طور قابل توجهی بر روی استقرار آزمایشگاهی این خطوط سلولی تنظیم شده است. در مقابل، در رده‌های سلولی ملانوما، تنها 13 درصد از ژن‌های تنظیم‌شده با ژن‌های خاص تومور همپوشانی داشتند (شکل 1 b). بنابراین، حتی اگر رده‌های سلولی مشتق از ملانوما همچنان دارای بیشترین تعداد ژن‌های خاص تومور بودند، همین خطوط سلولی دارای ژن‌های تنظیم‌شده زیادی بودند که در تومورها تنظیم نشده بودند.

نتایج TSIاز آنجا که رده های سلولی از همان بافت مبدا، به عنوان یک گروه، تنها درصد کمی از بیان ژن خاص بافت خود را بیان می کردند، ما آنها را به صورت جداگانه بررسی کردیم و تنوع فردی بزرگی را در بیان ژن های بافت خاص آنها شناسایی کردیم. بنابراین ما یک TSI برای اندازه‌گیری میزان بیان ژن مشخصه تومور یا بافتی که از آن مشتق شده‌اند را اندازه‌گیری کردیم. ما از SVD (18، 19) برای ثبت بیان ژن مشخصه 9 نوع تومور در ابعاد کاهش یافته (فضای SVD) استفاده کردیم. ما یک مرکز برای هر نوع تومور به عنوان مرکز هندسی نمونه‌های تومور در فضای SVD تعریف کردیم. پس از آن، ما هر رده سلولی را به طور مستقل در فضای SVD یکسان پیش بینی کردیم و TSI آن را ارزیابی کردیم، که به عنوان همبستگی با نه مرکز نوع تومور تعریف شده است (شکل 2). اگر بیان ژن یک رده سلولی مشابه بیان ژن یک نوع تومور خاص باشد، همبستگی با آن نوع تومور سانتروئید بیشتر و با سایر مرکزهای تومور کمتر خواهد بود.

An external file that holds a picture, illustration, etc. Object name is zpq0060572290002.jpg

نشان دادن روش TSI. SVD بر روی یک ماتریس بیان ژن از پیش فیلتر شده از نمونه های تومور انجام شد. سپس، هر نمونه تومور با اندازه‌گیری همبستگی آن با 16 آرایه ویژه (EA) با بزرگترین مقادیر منفرد به فضای SVD پرتاب شد. ما هر مرکز خاص نوع تومور را به ترتیب به عنوان مرکز هندسی نمونه‌های تومور در فضای SVD محاسبه کردیم. پس از آن، ما هر خط سلولی را به طور یکسان در فضای SVD پیش بینی کردیم. در نهایت، یک امتیاز TSI برای اندازه‌گیری همبستگی هر رده سلولی در فضای SVD با هر مرکز نوع تومور محاسبه شد.

ما عملکرد TSI را بر روی نمونه های تومور و رده های سلولی به عنوان تابعی از تعداد ابعاد SVD و پیش فیلتر کردن ژن ها بررسی کردیم (شکل 3). تعداد ابعاد در فضای SVD برای عملکرد خوب باید حداقل از تعداد انواع تومور متمایز (نه در این مطالعه) بیشتر باشد (شکل 3). فیلتر کردن ژن‌ها به سمت ژن‌هایی که با انواع تومور و بافت متفاوت بودند، دقت TSI را بهبود بخشید (شکل 3). بر این اساس، ابعاد فضای SVD را روی 16 قرار دادیم و ژن ها را برای 450 ژن که با انواع تومور متفاوت بودند، از قبل فیلتر کردیم (شکل 3).

An external file that holds a picture, illustration, etc. Object name is zpq0060572290003.jpg

Investigating how the TSI depend upon the number of SVD dimensions used for projection and on the prefiltering of genes. ( a ) Displaying the percentage of tumor samples that had their maximum TSI toward their own tumor type ( y axis) as a function of the dimensionality of SVD space ( x axis). We used five different sets of genes as an input to the SVD: All 7070, all genes on the chip; Tumor Top 450, the 50 most differentially expressed genes per tumor (calculated by SAM); Normal Top 450, the 50 most differentially expressed genes for each of the seven normal tissues; Variation Filtering (3), variation filtering (max – min > 300; max/min > 3); and, finally, Variation Filtering (7), a stricter variation filtering (max – min > 700; max/min >7).(ب) نمایش درصد خطوط سلولی که حداکثر امتیاز TSI خود را نسبت به بافت مبدأ فرضی خود (محور y) به عنوان تابعی از ابعاد فضای SVD (محور x) داشتند. ما از پنج مجموعه ژن یکسان مانند یک استفاده کردیم.

An external file that holds a picture, illustration, etc. Object name is zpq0060572290004.jpg

نمرات TSI برای 60 رده سلولی در مقایسه با نه نوع تومور. هر نمودار (A - J) به طور مستقل نمرات TSI را برای 60 رده سلولی به یک نوع تومور خاص ارائه می دهد. در هر نمودار ، نمرات TSI به سمت چپ (•) از خطوط سلولی فرض می شود که از آن بافت تومور سرچشمه می گیرند و در سمت راست (×) نمایش داده می شوند ، نمرات TSI برای سایر خطوط سلولی که از سایر بافت های تومور سرچشمه می گیرند. بیشتر تومورها دارای خطوط سلولی هستند که به استثنای رده های سلولی کلیوی و پروستات ، نمرات TSI بالایی دریافت می کنند. منطقه خاکستری نشانگر منطقه نمرات TSI متوسط است و در نتیجه نمرات بالاتر از منطقه خاکستری زیاد است. بهترین خطوط سلولی برای تومورهای مختلف برچسب گذاری شد. هفت خط سلولی TSI بالایی را برای تومور دیگر نسبت به منشأ فرض شده خود دریافت کردند. این موارد همچنین در قسمت های سمت راست هر نمودار برچسب خورده بودند. انواع تومور به شرح زیر است: الف ، ملانوما ؛ب ، لوسمی ؛ج ، ER منفی پستان ؛د ، ER مثبت پستان ؛E ، CNS ؛F ، روده بزرگ ؛g ، تخمدان ؛ح ، ریه ؛من ، کلیه ؛و J ، پروستات.

TSI در رده های سلولی NCI60. رده های سلولی ملانوما (شکل 4A). تمام رده های سلولی ملانوما ، به جز Loximvi ، بالاترین امتیاز TSI خود را برای ملانوما داشتند. سه خط سلولی برای ملانوما نمرات TSI بالایی داشتند (UACC257 ، 0. 86 ؛ SKMEL28 ، 0. 8 ؛ و Malme3m ، 0. 76) ، و این رده های سلولی دارای پروفایل بیان ژن بیشتر شبیه به ملانوم بودند. رده سلولی ملانوما Loximvi نمره TSI کم برای ملانوما (-0. 16) داشت. قبلاً نشان داده شده بود که این رده سلولی فاقد بیان ملانین است (22). جالب اینجاست که Loximvi نمره TSI بالایی را برای لوسمی دریافت کرد (شکل 4 B). این رده سلولی ممکن است طبقه بندی شده باشد و ممکن است از منشأ خونساز باشد.

رده های سلولی لوسمی (شکل 4b). چهار رده از شش رده سلولی مشتق شده از لوسمی ها نمرات TSI بالایی برای لوسمی ها دریافت کردند (HL60، CCRF-CEM، MOLT4، و K562) در حالی که یک رده سلولی امتیاز TSI متوسط (SR) را دریافت کرد. رده سلولی لوسمی RPMI8266 به عنوان لوسمی شناسایی نشد (نمره TSI 0. 06)، اما این نتیجه تعجب آور نیست زیرا RPMI8226 از یک میلوم متعدد مشتق شده است در حالی که نمونه های لوسمی از لوسمی لنفوبلاستیک حاد (n = 20) و لوسمی حاد (لوسمی میلوئیدی حاد) بودند. n = 10). خطوط سلولی پستان (شکل 4 c-d). نمونه‌های تومور پستان ناهمگن بودند، بنابراین ما نمونه‌های تومور پستان را به تومورهای پستان مثبت و منفی گیرنده استروژن (ER) جدا کردیم. این جداسازی با بیان کراتین های 7، 8، 18 و 19 مرتبط آنها تعریف شد (23). در اصل، پانل خط سلولی NCI60 شامل هشت رده سلولی سینه بود. با این حال، دو رده سلولی (MDA-MB-435 و MDN) اخیراً به عنوان منشا ملانوم طبقه بندی شدند (2، 24). این دو رده سلولی با استفاده از TSI (نمرات 0. 74 و 0. 6) به درستی به عنوان منشاء ملانوم شناسایی شدند. این شواهد قابلیت پیش بینی و سودمندی TSI را نشان می دهد. سه رده سلولی پستان دارای امتیاز TSI بالا تا متوسط برای تومورهای پستان ER مثبت (MCF7، BT549 و T47D) بودند، در حالی که رده سلولی پستان MDAMB231 دارای امتیاز TSI بالایی برای تومورهای پستان ER منفی بود. NCI/ADR-RES TSI پایینی برای همه تومورها داشت. توضیحات احتمالی برای نمره TSI پایین در مورد همه انواع تومور در بحث ارائه شده است.

خطوط سلولی CNS (شکل 4e). چهار رده از رده‌های سلولی مشتق‌شده از CNS به‌عنوان شبیه‌ترین تومورهای CNS شناسایی شدند، که دو تای آن‌ها امتیاز TSI بالایی داشتند (SNB19 و U251). دو رده سلولی (SF268 و SF539) نمرات TSI پایینی را برای تومورهای CNS دریافت کردند (0. 16 و 0. 04). این خطوط سلولی نشانگرهای عصبی کمی را بیان کردند.

خطوط سلولی کولون (شکل 4f). چهار رده از رده های سلولی روده بزرگ (HCC-2998، COLO205، HCT15، و KM12) TSI بالایی برای سرطان روده بزرگ داشتند. سه رده سلولی کولون باقی مانده (HT29، HCT116 و SW620) TSI پایینی برای سرطان روده بزرگ داشتند.

رده های سلولی تخمدان (شکل 4G). دو مورد از شش خط سلول تخمدان بالاترین نمرات TSI برای تومورهای تخمدان (OVCAR3 و OVCAR5) داشتند. OVCAR8 برای تومور پستان منفی ER نمره TSI بالایی داشت. همین رده سلولی اخیراً توسط Karyotyping نشان داده شده است که مربوط به خط سلول پستان NCI/ADR-RES (10) است. رده های سلولی ریه (شکل 4H). HOP92 بالاترین امتیاز TSI را برای تومورهای ریه (68/0) داشت در حالی که NCIH226 و H460 دارای نمرات TSI متوسط برای تومورهای ریه بودند. سه خط سلولی برای سایر تومورها از نمرات TSI بالایی برخوردار بودند ، نشان می دهد که منشأ متفاوت: NCIH522 برای تومور CNS نمره TSI 0. 76 و A549ATCC دارای نمره TSI 0. 70 برای تومور کلیه بود. تومورهای CNS و منشأ کلیه اغلب به ریه متاستاز می شوند. علاوه بر این ، HOP62 نمره TSI بالایی برای لوسمی (TSI 0. 7) داشت.

رده های سلولی کلیوی (شکل 4I). فقط دو از هفت خط سلولی کلیوی برای تومورهای کلیوی نمره متوسط داشتند (UO31 ، 0. 46 ؛ ACHN ، 0. 49). از بین رده های سلولی کلیوی باقی مانده ، دو نفر برای لوسمی (SN12C و TK10) نمرات TSI بالایی داشتند.

رده های سلولی پروستات (شکل 4J). در پنل NCI60 فقط دو خط سلولی پروستات وجود دارد و هر دو این رده های سلولی نمرات TSI کم برای تومورهای پروستات (0. 21 و-0. 06) و همچنین برای سایر تومورها دریافت کردند.

بحث

رده های سلولی به طور معمول در تحقیقات تجربی به عنوان سیستم های مدل برای بافت های طبیعی یا پاتولوژیک مورد استفاده قرار می گیرند (25). آنها همچنین اغلب برای اهداف کاربردی مورد استفاده قرار می گیرند تا به جداسازی آنتی ژن ها/پپتیدهای تومور خاص یا برای اهداف غربالگری دارو کمک کنند. با وجود استفاده موفق آنها در تحقیقات اساسی ، استفاده از خطوط سلولی به عنوان سیستم های مدل برای تومورها بحث برانگیز است (8 ، 9 ، 25-28). ارزیابی کمی از شباهت های بیان ژن از رده های سلولی و تومورهای مربوطه و بافت های مبداء آنها از دست رفته است ، و ارزیابی چگونگی نمایندگی خطوط سلولی فردی را دشوار می کند.

در اینجا ، ما یک شاخص آسان در مورد چگونگی بازتاب هر خط سلولی تومورهای نه بافت مبدا ارائه می دهیم. بنابراین ، ما خطوط سلولی را که دارای پروفایل های بیان ژن بودند ، شناسایی کردیم که از نزدیک شبیه به تومور داخل بدن مربوط به آنها بود. علاوه بر این ، ما خطوط سلولی را شناسایی کردیم که هیچ شباهتی نسبت به منشأ تومور فرض شده آنها نشان نداد. این رده های سلولی به عنوان سیستم های مدل برای تومورها مناسب نیستند. هنگامی که یک خط سلولی نمره TSI بالایی را به سمت تومور خاص دریافت می کند ، نشان می دهد که سطح بیان ژنهای مشخصه برای تومورها به طور مشابه در رده سلولی بیان شده است. بنابراین ، تمام خطوط سلولی که نمره TSI بالایی را به سمت منشأ خود دریافت می کنند ، با استفاده از این روش تأیید شدند. سی و چهار پانل سلولی NCI60 بالاترین امتیاز TSI خود را داشتند که نشان دهنده منشأ فرض شده آنها است. با این حال ، 26 خط سلولی باقیمانده نمرات TSI بالایی را به سمت تومور فرضی مبدا دریافت نکردند. توضیحات احتمالی متفاوتی برای یک رده سلولی وجود دارد که TSI کم را برای منشأ تومور فرض شده آن دریافت می کند. این امکان وجود دارد که این رده های سلولی از زیرگروه تومور که در بیوپسی تومور نشان داده نشده است ، مشتق شوند. همچنین ممکن است که این رده های سلولی فنوتیپ متمایز تومورهای مبدا خود را از دست داده باشند یا اینکه تومور ، که از آن رده سلولی حاصل شده است ، از یک سلول پیش سازنده ناشی می شود که فاقد بیان ژن مرتبط با سلولهای تمایز یافته از آن بافت است. علاوه بر این ، نمی توان از این امر مستثنی شد که طبقه بندی اصلی ممکن است به دلیل متاستاز یا مشکلات کشت صحیح نباشد (9 ، 25). مطالعات پیگیری با مواد گسترده از نوع تومور خاص این مسئله را روشن می کند. نمره TSI پایین برای یک خط سلولی به سمت منشأ فرض شده آن ، نشانه هشدار دهنده ای است که در استفاده از این رده های سلولی احتیاط می کند. برای تومورهای پروستات و کلیوی ، هیچ خط سلولی TSI بالایی دریافت نکرد. یک توضیح احتمالی این است که نمونه های تومور بیش از حد ناهمگن بودند تا امکان تعمیم در بیان ژن را فراهم کنند.

با استفاده از TSI، ما به درستی طبقه بندی مجدد اخیر دو رده سلولی را که در اصل با منشا پستان در نظر گرفته شده بودند (MDA-MB-435 و MDN) به عنوان منشاء ملانوم شناسایی کردیم (2، 24). علاوه بر این، هفت رده سلولی دیگر دارای امتیاز TSI بالایی برای منشاء تومور متفاوت از فرضیه بودند، که موضوع طبقه‌بندی نادرست این موارد را نیز مطرح می‌کند. سه رده سلولی سرطان ریه (NCIH522، A549ATCC و HOP62) باید از نظر منشأ آنها بررسی شوند، زیرا TSI خطری را نشان می دهد که ممکن است از تومورهای متاستاتیک مانند کلیه، مغز و لوسمی به ریه منشاء گرفته باشند. علاوه بر این، دو رده سلولی کلیوی (SN12C و TK10) و یک رده سلولی ملانوما (LOXIMVI) امتیاز TSI بالایی را برای لوسمی دریافت کردند که موضوع منشأ نادرست را مطرح کرد. رده سلولی تخمدان OVCAR8، با کاریوتایپی که مربوط به رده سلولی پستان NCI/ADR-RES (10) است، امتیاز TSI بالایی برای تومور پستان ER منفی داشت. نه رده سلولی امتیاز TSI پایینی برای هر نه تومور منشا داشتند. باز هم، ممکن است به دلیل تغییر فنوتیپ تمایز یافته در شرایط آزمایشگاهی به دلیل تغییر محیط یا شرایط رشد باشد، یا ممکن است منشا واقعی این خطوط سلولی با 9 تومور ارائه شده در مطالعه ما متفاوت باشد.

رده های سلولی NCI60 با موفقیت به عنوان سیستم های مدل در چندین برنامه از جمله غربالگری برای ترکیبات شیمی درمانی جدید استفاده شده اند. صنعت داروسازی در حال حاضر این استفاده را به غربالگری سایر داروهای خاص تومور گسترش داده است. بنابراین، این روش کنونی می‌تواند برای اطمینان از اینکه پانل رده‌های سلولی مورد استفاده در چنین غربالگری دارای پروفایل‌های بیان ژنی است که شبیه تومورهای مورد نظرشان است، استفاده شود. جالب است که بفهمیم آیا حذف رده های سلولی با منشا مشکوک و امتیازات TSI پایین به سمت تومورهای آنها به طور قابل توجهی دقت پیش بینی تلاش های غربالگری را بهبود می بخشد (11، 13). علاوه بر این، در تلاش‌ها برای استخراج آنتی‌ژن‌ها یا پپتیدهای خاص تومور، کارایی تحقیق با بهینه‌سازی پانل سلولی مورد استفاده افزایش می‌یابد.

ما یک TSI مبتنی بر بیان ژن ارائه داده ایم که اندازه گیری هر خط سلولی با تومورهای مربوط به منشاء آن است. TSI از SVD برای ضبط الگوهای اساسی در داده های بیان ژن استفاده می کند و مشخصات بیان ژن یک نمونه را در یک فضای SVD با کاهش ابعاد قرار می دهد. SVD قبلاً با موفقیت در داده های بیان ژن (20-20) اعمال شده است. با این حال ، سایر تکنیک های کاهش ابعاد نزدیک مانند تجزیه و تحلیل مؤلفه های اصلی و حداقل مربع جزئی (29) نیز می توانند استفاده شوند. قدرت این روشها توانایی آنها در گرفتن الگوهای معنی دار بیولوژیکی در داده های بیان ژن جهانی و مرتب سازی نویز و مصنوعات تجربی احتمالی است (19). ما از همبستگی برای اندازه گیری شباهت بین هر رده سلولی و سانتروئید تومور استفاده کردیم ، اما معیارهای دیگری مانند همبستگی پیرسون و فاصله اقلیدسی نیز می توانند اعمال شوند.

ما تصور می کنیم که TSI ارائه شده در این مطالعه می تواند راهنمایی هایی را برای انتخاب خطوط سلولی مناسب برای تحقیقات تجربی و توسعه دارو فراهم کند ، زیرا بافت های مبدا اغلب یک عامل تعیین کننده برای تحقیقات موفق هستند. از آنجا که بیان ژن به یک ابزار تشخیصی گسترده تر تبدیل می شود ، ممکن است در انتخاب درمانی نیز مرتبط باشد. علاوه بر این ، روش TSI ارائه شده در اینجا یک روش کلی است که می تواند برای تجزیه و تحلیل سایر مجموعه داده ها که سیستم های مدل بر اساس بیان ژن ها یا پروتئین ها مورد بررسی قرار می گیرند ، گسترش یابد.

برچسب ها

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.