Genuttrycksprofilering i cancer
Cancer är en sjukdomskategori som kännetecknas av okontrollerad celltillväxt och proliferation. För att cancer ska utvecklas måste gener som reglerar celltillväxt och differentiering förändras ; dessa mutationer upprätthålls sedan genom efterföljande celldelningar och finns således i alla cancerceller. Genuttrycksprofilering är en teknik som används inom molekylärbiologi för att fråga uttrycket av tusentals gener samtidigt. I samband med cancer har genuttrycksprofilering använts för att mer exakt klassificera tumörer. Informationen som härrör från genuttrycksprofilering hjälper ofta till att förutsäga patientens kliniska resultat.
Bakgrund
Onkogenes
Onkogenes är den process genom vilken normala celler förvärvar egenskaperna hos cancerceller som leder till bildandet av en cancer eller tumör (se: tumörbildning) . Det kännetecknas av en molekylär omprogrammering av en cell för att genomgå ohämmad celldelning , vilket möjliggör bildandet av en malign massa. Cellerna som bildar denna massa genomgår naturligt urval: när celler förvärvar mutationer som förbättrar deras överlevnadsförmåga eller reproduktionsförmåga dominerar de den växande tumören eftersom andra celler konkurreras ut (se: somatisk evolution i cancer ). På grund av dessa selektiva egenskaper kommer majoriteten av cellerna i en tumör att dela en gemensam profil för genuttryck.
Profilering av genuttryck
Genuttrycksprofilering är en teknik som används inom molekylärbiologi för att fråga uttrycket av tusentals gener samtidigt. Medan nästan alla celler i en organism innehåller hela genomet av organismen, uttrycks endast en liten delmängd av dessa gener som budbärar-RNA (mRNA) vid varje given tidpunkt, och deras relativa uttryck kan utvärderas. Tekniker inkluderar DNA-mikroarrayteknologi eller sekvensbaserade tekniker som seriell analys av genuttryck (SAGE).
Nuvarande cancerforskning använder sig främst av DNA-mikroarrayer där en rad mikroskopiska fläckar av fördefinierade DNA- oligonukleotider , kända som sönder , kovalent fästs till en fast yta som glas och bildar vad som kallas ett genchip. DNA märkt med fluoroforer ( mål ) framställs från ett prov såsom en tumörbiopsi och hybridiseras till de komplementära DNA- sekvenserna (cDNA) på genchippet. Chipet skannas sedan med avseende på närvaron och styrkan av de fluorescerande märkningarna på varje plats som representerar prob-målhybrider. Nivån av fluorescens vid en viss plats ger kvantitativ information om uttrycket av den speciella genen som motsvarar den fläckiga cDNA-sekvensen. DNA-mikroarrayer utvecklades från Southern blotting som möjliggör detektering av en specifik DNA-sekvens i ett DNA-prov.
På grund av sänkta kostnader blir RNA-sekvensering allt vanligare som en metod för cancergenexpressionsprofilering. Den är överlägsen mikroarraytekniker på grund av att den inte har den fördom som är inneboende i sondval.
Cancerklassificering
Bakgrund
.jpg)
Klassificering av cancer har dominerats av områdena histologi och histopatologi som syftar till att utnyttja morfologiska markörer för korrekt identifiering av en tumörtyp. Histologiska metoder bygger på kemisk färgning av vävnader med pigment som hematoxylin och eosin och mikroskopibaserad visualisering av en patolog . Identifieringen av tumörsubtyper baseras på etablerade klassificeringsscheman såsom den internationella klassificeringen av sjukdomar publicerad av Världshälsoorganisationen som tillhandahåller koder för att klassificera sjukdomar och en mängd olika tecken, symtom, onormala fynd, klagomål, sociala omständigheter och yttre orsaker av skada eller sjukdomar. För vissa typer av cancer kan dessa metoder inte skilja mellan underklasser; till exempel har definitionen av undergrupper av diffust stort B-cellslymfom (DLBCL) till stor del misslyckats på grund av diskrepanser mellan inter- och intra-observatörsreproducerbarhet. Dessutom är de kliniska resultaten av tumörer klassificerade som DLBCL mycket varierande, vilket tyder på att det finns flera subtyper av DLBCL som inte kan särskiljas baserat på dessa histologiska markörer. av brösttumörer har till stor del misslyckats baserat på dessa prediktorer. Utveckling av effektiva terapier beror på exakt diagnos; dessutom kan dålig diagnos leda till patientlidande på grund av onödiga biverkningar från icke-riktade behandlingar och till ökade sjukvårdskostnader. Mest talande kanske är att 70-80% av bröstcancerpatienter som får kemoterapi baserat på traditionella prediktorer skulle ha överlevt utan det.
Att notera har liknande genuttrycksmönster associerade med metastaserande beteende hos bröstcancertumörceller också hittats i bröstcancer hos hund, den vanligaste tumören hos honhundar.
Nedan presenteras sätt som genuttrycksprofilering har använts för att mer exakt klassificera tumörer i undergrupper, ofta med klinisk effekt.
Molekylär signatur
I en viss typ av cell eller vävnad kommer endast en liten delmängd av en organisms genomiska DNA att uttryckas som mRNA vid varje given tidpunkt. Det unika mönstret för genuttryck för en given cell eller vävnad kallas dess molekylära signatur. Till exempel skulle uttrycket av gener i hudceller vara mycket annorlunda jämfört med de som uttrycks i blodceller. Mikroarrayanalys kan ge kvantitativ genuttrycksinformation som möjliggör generering av en molekylär signatur, var och en unik för en viss klass av tumörer. Denna idé visades först experimentellt år 2000 av forskare vid Stanford University publicerad i Nature Genetics . Författarna mätte det relativa uttrycket av 9 703 humana cDNA i sextio cancercellinjer som tidigare studerats och karakteriserats av National Cancer Institutes Developmental Therapeutics Program. En hierarkisk klustringsalgoritm användes för att gruppera cellinjer baserat på likheten med vilken mönstret för genuttryck varierade. I denna studie av Ross et al., samlade majoriteten av cellinjerna med gemensamma ursprungsorgan (baserat på information från National Institutes of Health ) samman vid terminala grenar, vilket tyder på att cancerceller som härrör från samma vävnad delar många molekylära egenskaper. Detta möjliggör tillförlitlig identifiering av tumörtyp baserat på genuttryck.
Tumörunderklass
Ett mer kraftfullt resultat av genuttrycksprofilering är förmågan att ytterligare klassificera tumörer i undertyper som har distinkta biologiska egenskaper och påverkar prognoser. Till exempel är vissa diffusa stora B-cellslymfom (DLBCL) omöjliga att särskilja baserat på histologiska metoder men är kliniskt heterogena: 40% av patienterna svarar bra och uppvisar förlängd överlevnad medan de återstående 60% inte gör det.
År 2000 publicerade Stanford-forskare under ledning av Ash Alizadeh och kollegor resultat i Nature , med användning av uttrycksprofileringstekniker för att stratifiera DLBCL till två undertyper: germinal center B-liknande DLBCL och aktiverad B-liknande DLBCL. Författarna utvecklade anpassade mikromatriser som kallas "lymfochips" som användes för att fråga uttryck av 17 856 gener som preferentiellt uttrycks i lymfoida celler och de med roller i cancer eller immunologi för 96 lymfocytprover. Den hierarkiska klustringsalgoritmen identifierade en delmängd av tumörer som skulle ha märkts DLBCLs med traditionella histologiska metoder; emellertid var uttrycksprofilerna för dessa tumörer heterogena. När tumörerna klustrades på nytt baserat på uttryck av B-cellsgener i könscentrum, uppstod en andra grupp gener som var karakteristiska för aktiverade B-celler och var motsatt reglerade jämfört med den första uppsättningen gener. Baserat på dessa uttrycksmönster subklassificerades det heterogena DLBCL-klustret till det germinala centrumet B-liknande DLBCL och aktiverat B-liknande DLBCL. Skillnaden mellan dessa grupper är signifikant när det gäller patienternas totala överlevnad: sannolikheten för överlevnad för patienter med B-liknande DLBCL från könscentrum över 10 år var cirka 80 % medan de med aktiverade B-liknande DLBCL sänktes till cirka 40 % under en kortare åttaårsperiod.
Bröstcancer är också svår att särskilja utifrån histologiska markörer. I en studie från 2000 publicerad i Nature karakteriserade Stanford-forskare under ledning av Perou, CM genuttrycksmönster över 8 102 gener för 65 biopsier erhållna från bröstcancer. Målet med studien var att identifiera mönster av genuttryck som skulle kunna användas för att beskriva den fenotypiska mångfalden av brösttumörer genom att jämföra profilerna för biopsierna med de för odlade cellinjer och relatera denna information till kliniska data. Tumörerna grupperades i två huvudgrupper som till stor del återspeglade de ER -positiva och ER-negativa kliniska beskrivningarna. De ER-positiva tumörerna kännetecknades av högt uttryck av gener som normalt uttrycks i bröstets luminala celler. Författarna föreslår att denna distinktion av högre ordning kan omfatta minst två biologiskt distinkta typer av cancer som var och en kan kräva en unik behandlingsförlopp. Inom den ER-negativa gruppen identifierades ytterligare kluster baserat på uttryck av Erb-B2 och keratin 5- och 17-berikade basala epitelliknande gener. Dessa grupper återspeglar distinkta molekylära egenskaper som är relaterade till bröstepitelbiologi, baserat på resultatet av sjukdomen.
Klinisk tillämpning
I en studie från 2001 publicerad i Proceedings of the National Academy of Sciences, Sørlie et al. ytterligare stratifierade klassificeringarna som beskrivs av Perou et al. och utforskade det kliniska värdet av dessa bröstcancersubtyper. Författarna separerade de ER-positiva tumörerna i två distinkta grupper och fann att tumörklassificering baserad på genuttryck var relaterad till patientöverlevnad. Uttrycket av 427 gener mättes för 78 cancerformer och sju icke-maligna bröstprover. Efter hierarkisk klustring bildade proverna två grupper på högsta organisationsnivå som återspeglar de ER-positiva och ER-negativa fenotyperna; det ER-negativa klustret ytterligare stratifierat till grupper identiska med de som beskrivs av Perou et al. I motsats till tidigare resultat har Sørlie et al. fann att den ER-positiva gruppen också kunde separeras i tre distinkta undergrupper som kallas luminala subtyper A, B och C baserat på mönster av luminalspecifikt genuttryck med olika resultat. Författarna fann vidare när de utförde överlevnadsanalyser att tumörer som tillhörde de olika grupperna visade signifikant olika resultat när de behandlades enhetligt. Överlevnadsanalyser visas ofta som Kaplan-Meier överlevnadsdiagram , ett exempel på det visas till höger.
Förutom att identifiera gener som korrelerar med överlevnad har mikroarrayanalyser använts för att fastställa genuttrycksprofiler associerade med prognos. Man är överens om att patienter med tumörer som uppvisar dåliga prognostiska egenskaper skulle ha mest nytta av adjuvant terapi eftersom dessa behandlingar avsevärt förbättrar den totala överlevnaden för kvinnor med bröstcancer. Traditionella prognostiska faktorer är dock inexakta som nämnts ovan. Forskare vid det nederländska cancerinstitutet kunde identifiera signaturer med "god prognos" och "dålig prognos" baserat på uttrycket av 70 gener som bättre kunde förutsäga sannolikheten för metastasutveckling inom fem år för bröstcancerpatienter. Metastaser involverar spridning av cancer från ett organ till andra i hela kroppen och är den främsta dödsorsaken hos cancerpatienter. Medan studien vid Dutch Cancer Institute endast gällde bröstcancerpatienter, identifierade forskare vid Massachusetts Institute of Technology en molekylär signatur av metastaser som gällde adenokarcinom i allmänhet.
Se även
- Gibson, Greg; Muse, Spencer V. (2009). A Primer of Genome Science . Sunderland, Massachusetts: Sinauer Associates, Inc. ISBN 978-0-87893-236-8 .
- Weinberg, Robert A. (2007). Cancerns biologi . New York: Garland Science, Taylor & Francis Group, LLC. ISBN 978-0-8153-4076-8 .
Resurser
- Genevestigator Neoplasm-verktyget är ett gratis och öppet verktyg för att visualisera uttrycket av gener över mer än 1 000 olika cancertyper och undertyper.
