Pojdi na vsebino

Podpis genskega izražanja

Iz Wikipedije, proste enciklopedije

Podpis genskega izražanja ali koncept podpisa genskega izražanja (angleško gene expression signature) je skupek genov in uteži, katerih izražanje se med razredoma vzorcev razlikuje statistično značilno.[1] Predstavlja biološko stanje v obliki vzorca genskega izražanja, ki je edinstven za določeno okoliščino.[2][3]

Gensko izražanje

[uredi | uredi kodo]

Gensko izražanje je proces, v katerem se informacija iz gena uporabi za sintezo funkcionalnega genskega proizvoda. Ti proizvodi so navadno beljakovine. V genih, ki ne kodirajo za beljakovine, kot so geni za rRNK ali tRNK, je produkt funkcionalna RNK.[4]

Metoda

[uredi | uredi kodo]

Namen metode

[uredi | uredi kodo]

Klasifikacija tumorjev je pomembna za uspešno zdravljenje. Akutne levkemije so začeli razvrščati tako, da so opazovali klinični izid in majhne razlike v morfologiji jeder. V 60. letih 19. stoletja so odkrili encimske histokemične analize, v 80. letih imunološke metode, nato pa še citogenetske (prepoznavanje specifičnih kromosomskih translokacij).[5]

Raziskovalce je zanimalo, kako razvrstiti nov vzorec rakastega tkiva, (angleško discovery), uvrstiti vzorec v že znani razred (angleško prediction) in kako odkriti povsem nov razred raka. Zato so razvili bolj sistematičen prostop h klasifikaciji raka. Temelji na sočasnem opazovanju izražanja več tisoč genov. Uporabili so mikromreže.[5]

Postopek

[uredi | uredi kodo]

Raziskovalci so analitično metodo najprej preizkusili na zdravi in rakasti ledvici. Ugotovili so različno izražanje genov za encime in ionske kanalčke. Nato so metodo uporabili pri akutnih levkemijah. Hoteli so ugotoviti, če lahko z njo:

V uvodni zbirki podatkov so imeli 38 vzorcev kostnega mozga. Iz enojedrnih celic vsakega vzorca so izolirali RNK, ki so jo hibridizirali[6] na oligonukleotidne mikromreže. Te so vsebovale sonde za 6817 človeških genov. Za vsak gen so dobili kvantitativno raven izražanja. Pri analizi rezultatov so se posluževali statističnih metod. Rezultat je grafično prikazan kot toplotni graf (heat map).[5]

Rezultati

[uredi | uredi kodo]
Toplotni graf, ki kaže vrednosti izražanja gena v analiziranih vzorcih

V postopku odkrivanja razreda se je samodejno pokazala razlika med AML in ALL, ne da bi prej poznali razred. Samodejno pridobljen napovedovalec razreda je le z opazovanjem genskega izražanja določil razred novega primera levkemije.

S sortiranjem glede na stopnjo korelacije in z metodo analize soseščine (neighborhood analysis) so raziskali napovedovanje genov, katerih vzorec izražanja je močno koreliral z razlikovanjem razredov. Definirali so »idealiziran vzorec izražanja«. Ta je odgovarjal genu, ki je bil enotno visok v enem razredu in enotno nizek v drugem. Testirali so, kakšna je nenavadno visoka gostota genov v »bližini« tega idealiziranega vzorca v primerjavi z enakovrednim naključnim vzorcem.[5]

Za 38 vzorcev akutne levkemije je analiza soseke pokazala okrog 1100 genov, ki so visoko korelirali z razlikovanjem razreda AML-ALL. To je pokazalo, da bi lahko klasificirali na osnovi podatkov izražanja.[5]

Zbirko znanih vzorcev so hoteli uporabiti za ustvarjanje napovednika razreda. Z njim bi lahko pripisali novi vzorec enemu od dveh razredov. Razvili so metodo, ki uporablja stalno zbirko »informativnih genov« (izbranih glede na njihovo korelacijo z razlikovanjem razreda) in ustvarja napoved na osnovi ravni izražanja teh genov v novem vzorcu. Vsak informativni gen opisuje utež (angleško weighted vote) za enega od razredov. Moč uteži je odvisna od ravni izražanja v novem vzorcu in stopnje korelacije tega gena z razlikovanjem razreda.[5]

Te uteži so sešteli, da bi določili zmagovalni razred in napovedno moč (NM) (angleško prediction strength). Vzorec so pripisali zmagovalnemu razredu, če je NM presegla vnaprej določen prag. Novi vzorec je torej mogoče klasificirati z računanjem »točk« podpisa.[5]

Za odkrivanje razreda so uporabili razvrščanje tumorjev v skupine (clustering) s samoorganizirajočimi se mrežami (self-organizing maps, SOMs).[5]

Uporabnost

[uredi | uredi kodo]

Sposobnost meriti in razpoznavati vzorce genskega izražanja omogoča razviti te podpise, ki odsevajo biološke fenotipe. Podpisi izražanja lahko nadomeščajo fenotipe. Kompleksnost podatkov omogoča identificirati vzorce izražanja, ki odsevajo raznolikost. Podatke je možno prenašati med in vitro in in vivo sistemi.[3]

Metodo lahko uporabljajo:

  • za identifikacijo novih terapevtskih možnosti iz vzorcev povezanosti (angleško Connectivity map),
  • za napovedovanje poti aktivacije raka,
  • za napovedovanje odzivnosti na zdravila,
  • za napovedovanje izida rakavega obolenja zaradi kromosomskih nestabilnostih,
  • kot fenotipe za genetsko odkrivanje.[3]

Sklici in opombe

[uredi | uredi kodo]
  1. Chiang D. »MODULE 4, Lecture 3: Gene expression "signatures"« (PDF). Pridobljeno 21. maja 2012.[mrtva povezava]
  2. Čeh, Eva (2009). Integracija mikroRNA (miRNA) v genske mreže pri kronični limfocitni levkemiji (PDF). Ljubljana: Univerza v Ljubljani, Biotehniška fakulteta. str. 26–29. Pridobljeno 21. maja 2012.
  3. 3,0 3,1 3,2 Nevins JR; Potti A. (2007). »Mining gene expression profiles: expression signatures as cancer phenotypes« (PDF). Nature Reviews Genetics (v angleščini). Zv. 8. str. 601–609. doi:10.1038/nrg2137. Arhivirano iz prvotnega spletišča (PDF) dne 12. avgusta 2017. Pridobljeno 23. maja 2012.
  4. »What is gene expression?«. Arhivirano iz prvotnega spletišča dne 1. junija 2012. Pridobljeno 21. maja 2012.
  5. 5,0 5,1 5,2 5,3 5,4 5,5 5,6 5,7 5,8 Golub TR; Lander ES (1999). »Molecular Classification of Cancer: Class Discovery and Class Prediction by Gene Expression Monitoring Classification of Cancer:« (PDF). Science (v angleščini). Št. 286. str. 531–537. Arhivirano iz prvotnega spletišča (PDF) dne 17. junija 2012. Pridobljeno 21. maja 2012.
  6. Hibridizacija je tvorba za zaporedje specifične interakcije med dvema ali več komplementanimi verigami nukleinskih kislin v en hibrid.