זרימת עבודה של שילוב נתונים לזיהוי שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות
Summary
מסכים גנטיים גדולים באורגניזמים מודל הובילו לזיהוי של אינטראקציות גנטיות שליליות. כאן, אנו מתארים זרימת עבודה של אינטגרציית נתונים באמצעות נתונים ממסכים גנטיים באורגניזמים לדוגמה כדי לתאר שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות בסרטן.
Abstract
אינטראקציה קטלנית סינתטית בין שני גנים ניתנת כאשר נוקאאוט של אחד משני הגנים אינו משפיע על הכדאיות של התא אבל נוקאאוט של שני אינטראקציות קטלניות סינתטי מוביל לאובדן הכדאיות של התא או מוות של תאים. האינטראקציה הקטלנית הסינתטית שנחקרה בצורה הטובה ביותר היא בין BRCA1/2 ו- PARP1, כאשר מעכבי PARP1 משמשים בפרקטיקה קלינית לטיפול בחולים עם גידולים שעברו מוטציה BRCA1/2. מסכים גנטיים גדולים באורגניזמים מודל אבל גם בקווי תאים אנושיים haploid הובילו לזיהוי של זוגות רבים נוספים אינטראקציה קטלנית סינתטית, כל להיות מטרות פוטנציאליות של עניין בפיתוח של טיפולים גידול חדשני. גישה אחת היא למקד מבחינה טיפולית גנים עם אינטראקציה קטלנית סינתטי כי הוא מוטציה או downregulated באופן משמעותי בגידול של עניין. גישה שנייה היא לגבש שילובי תרופות המטפלים באינטראקציות קטלניות סינתטיות. במאמר זה, אנו מתארים זרימת עבודה של שילוב נתונים כדי להעריך ולזהות שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות. אנו עושים שימוש בערכות נתונים זמינות על זוגות אינטראקציה קטלנית סינתטית, משאבי מיפוי הומולוגיה, קישורים של מטרות סמים ממאגרי מידע ייעודיים, כמו גם מידע על תרופות הנחקרות בניסויים קליניים בתחום המחלה. אנו מדגישים עוד יותר ממצאים מרכזיים של שני מחקרים אחרונים של הקבוצה שלנו על הערכת שילוב תרופות בהקשר של סרטן השחלות וסרטן השד.
Introduction
קטלניות סינתטית מגדירה קשר של שני גנים, שבו אובדן של גן אחד אינו משפיע על הכדאיות, אבל אובדן של שני הגנים מוביל למוות של תאים. הוא תואר לראשונה בשנת 1946 על ידי דובז’נסקי תוך ניתוח פנוטיפים שונים של דרוסופילה על ידי רביית מוטנטים הומוזיגיים1. מוטנטים שלא ייצרו צאצאים בני קיימא, למרות שהם עצמם בני קיימא, הציגו פנוטיפים קטלניים כאשר נחצו עם מוטנטים מסוימים אחרים, והניחו קרקע לכינת התיאוריה של קטלניות סינתטית. הארטוול ועמיתיו הציעו כי מושג זה עשוי להיות ישים לטיפול בסרטן בבני אדם2. קטלניות סינתטית שעוררה תרופתית יכולה להסתמך רק על מוטציה אחת, בהתחשב בכך שהשותף הקטלני הסינתטי של הגן שעבר מוטציה הוא ממוקד על ידי תרכובת פרמקולוגית. זוג הגנים הראשון המאפשר אינדוקציה פרמקולוגית של קטלניות סינתטית היה BRCA(1/2) ו- PARP1. PARP1 מתפקד כחיישן לנזק לדנ”א, וקשור לאתרים של שברי גדילי DNA כפולים ויחידים, ציפורני-על וקרוסאוברים3. BRCA1 ו 2 לשחק תפקידים מרכזיים בתיקון של DNA כפול גדיל שובר דרך רקומביניזציה הומולוגית4. חקלאי ועמיתיו פרסמו ממצאים כי תאים לקויים עבור BRCA1/2 היו רגישים לעיכוב PARP, בעוד שום ציטוקסיות לא נצפתה בתאים מסוג בר BRCA5. בסופו של דבר, מעכבי PARP אושרו לטיפול בסרטן השד והשחלות BRCA לקוי6,7. כמו כן, זוגות גנים קטלניים סינתטיים המובילים לאישור קליני של תרכובות תרופתי צפויים הרבה אזור מרכזי של מאמצי מחקר הסרטן האחרונים8.
אינטראקציות גנים קטלניות סינתטיות היו מודל באורגניזמים מרובים כולל זבובי פירות, C. elegans ושמרים2. באמצעות גישות שונות כולל RNA-הפרעה- ו CRISPR / CAS-ספריית נוקאאוטים, זוגות גנים קטלניים סינתטיים הרומן התגלו בשנים האחרונות9,10,11. פרוטוקול על ההליכים הניסיוניים של RNAi בשילוב עם CRISPR / CAS פורסם לאחרונה על ידי Housden ועמיתיו12. בינתיים, החוקרים גם ערכו מסכים גדולים בתאים אנושיים haploid לזהות אינטראקציות קטלניות סינתטי13,14. בשיטות silico כמו ניתוח רשת ביולוגית ולמידת מכונה הראו גם הבטחה בגילוי של אינטראקציות קטלניות סינתטיות15,16.
מבחינה תפיסתית, גישה אחת לעשות שימוש באינטראקציות קטלניות סינתטיות בהקשר של טיפול אנטי-סרטני היא לזהות חלבונים שעברו מוטציה או לא פונקציונליים בתאי הגידול, מה שהופך את השותפים שלהם לאינטראקציה קטלנית סינתטית המבטיחים מטרות תרופתיות להתערבות טיפולית. בשל ההטרוגניות של רוב סוגי הגידולים, החוקרים החלו בחיפוש אחר חלבונים קטלניים סינתטיים כביכול. אלה רכזות קטלני סינתטי יש מספר שותפים סינתטיים אינטראקציה קטלנית כי הם גם מוטציה ולכן לא פונקציונלי או באופן משמעותי downregulated בדגימות הגידול. טיפול רכזות קטלניות סינתטי כזה מחזיק הבטחה בהגברת יעילות התרופה או להתגבר על עמידות לתרופות כפי שניתן להראות למשל בהקשר של נוירובלסטומה עמיד vincristine17. גישה שנייה לשיפור הטיפול התרופתי תוך שימוש במושג של אינטראקציות קטלניות סינתטיות היא לזהות שילובי תרופות המכוונים לאינטראקציות קטלניות סינתטיות. זה יכול להוביל שילובים חדשים של טיפולים אנטי גידול יחיד כבר שאושרו ומיקום מחדש של תרופות מאזורי מחלה אחרים לתחום האונקולוגיה.
במאמר זה, אנו מציגים הליך שלב אחר שלב להניב רשימה של שילובי תרופות המכוונים זוגות אינטראקציה קטלנית סינתטית. בזרימת עבודה זו, אנו (i) משתמשים בנתונים על אינטראקציות קטלניות סינתטיות מ- BioGRID ו- (ii) מידע על גנים הומולוגיים מ- Ensembl, (iii) לאחזר זוגות מטרות סמים מ- DrugBank, (iv) לבנות עמותות תרופות למחלות ClinicalTrials.gov, ו -(v) ומכאן ליצור קבוצה של שילובי תרופות העוסקים באינטראקציה סינתטית קטלנית. לבסוף, אנו מספקים שילובי תרופות בהקשר של סרטן השחלות וסרטן השד בסעיף התוצאות הייצוגיות.
Protocol
Representative Results
Discussion
התווינו זרימת עבודה לזיהוי שילובי תרופות המשפיעים על אינטראקציות קטלניות סינתטיות. זרימת עבודה זו עושה שימוש (i) נתונים על אינטראקציות קטלניות סינתטיות של אורגניזמים מודל, (ii) מידע של אורתולוגים אנושיים, (iii) מידע על אסוציאציות יעד תרופתי, (iv) מידע על תרופות על ניסויים קליניים בהקשר של סרטן, ?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
מימון לפיתוח זרימת העבודה של שילוב נתונים התקבל מתוכנית המסגרת השביעית של הקהילה האירופית במסגרת הסכם מענק nu. 279113 (אוקטיפס). התאמת נתונים בתוך פרסום זה אושרה בחביבות על ידי הספרייה הציבורית של מדעים פרסומים וכתבי עת השפעה, LLC.
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 | |||
References
- Dobzhansky, T. Genetics of natural populations; recombination and variability in populations of Drosophila pseudoobscura. Genetics. 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. Cancer Research. 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).
