Information

17.5: Genomik und Proteomik - Biologie

17.5: Genomik und Proteomik - Biologie


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Fähigkeiten zum Entwickeln

  • Systembiologie erklären
  • Beschreibe ein Proteom
  • Proteinsignatur definieren

Proteine ​​sind die Endprodukte von Genen, die dazu beitragen, die vom Gen kodierte Funktion auszuführen. Alle Enzyme (außer Ribozyme) sind Proteine, die als Katalysatoren wirken, um die Reaktionsgeschwindigkeit zu beeinflussen. Proteine ​​sind auch regulatorische Moleküle, und einige sind Hormone. Transportproteine ​​wie Hämoglobin helfen beim Transport von Sauerstoff zu verschiedenen Organen. Antikörper, die sich gegen Fremdpartikel abwehren, sind ebenfalls Proteine. Im erkrankten Zustand kann die Proteinfunktion durch Veränderungen auf genetischer Ebene oder durch direkten Einfluss auf ein bestimmtes Protein beeinträchtigt sein.

Ein Proteom ist der gesamte Satz von Proteinen, der von einem Zelltyp produziert wird. Proteome können mit dem Wissen über Genome untersucht werden, da Gene für mRNAs kodieren und die mRNAs Proteine ​​kodieren. Obwohl die mRNA-Analyse ein Schritt in die richtige Richtung ist, werden nicht alle mRNAs in Proteine ​​übersetzt. Die Untersuchung der Funktion von Proteomen wird als Proteomik bezeichnet. Die Proteomik ergänzt die Genomik und ist nützlich, wenn Wissenschaftler ihre auf Genen basierenden Hypothesen überprüfen möchten. Obwohl alle Zellen eines vielzelligen Organismus denselben Gensatz aufweisen, ist der in verschiedenen Geweben produzierte Proteinsatz unterschiedlich und abhängig von der Genexpression. Somit ist das Genom konstant, aber das Proteom variiert und ist innerhalb eines Organismus dynamisch. Darüber hinaus können RNAs abwechselnd gespleißt (geschnitten und eingefügt werden, um neue Kombinationen und neue Proteine ​​zu erzeugen) und viele Proteine ​​werden nach der Translation durch Prozesse wie proteolytische Spaltung, Phosphorylierung, Glykosylierung und Ubiquitinierung modifiziert. Es gibt auch Protein-Protein-Wechselwirkungen, die das Studium von Proteomen erschweren. Obwohl das Genom eine Blaupause liefert, hängt die endgültige Architektur von mehreren Faktoren ab, die den Verlauf der Ereignisse verändern können, die das Proteom erzeugen.

Metabolomik ist mit Genomik und Proteomik verwandt. Metabolomics beinhaltet die Untersuchung von niedermolekularen Metaboliten, die in einem Organismus gefunden werden. Das Metabolom ist der vollständige Satz von Metaboliten, die mit der genetischen Ausstattung eines Organismus zusammenhängen. Metabolomics bietet die Möglichkeit, genetische Ausstattung und physikalische Eigenschaften sowie genetische Ausstattung und Umweltfaktoren zu vergleichen. Ziel der Metabolomforschung ist es, alle Metaboliten, die in Geweben und Flüssigkeiten lebender Organismen vorkommen, zu identifizieren, zu quantifizieren und zu katalogisieren.

Grundlegende Techniken der Proteinanalyse

Das ultimative Ziel der Proteomik besteht darin, die von einem bestimmten Genom unter bestimmten Bedingungen exprimierten Proteine ​​zu identifizieren oder zu vergleichen, die Wechselwirkungen zwischen den Proteinen zu untersuchen und die Informationen zu verwenden, um das Zellverhalten vorherzusagen oder Wirkstoffziele zu entwickeln. So wie das Genom mit der grundlegenden Technik der DNA-Sequenzierung analysiert wird, erfordert die Proteomik Techniken zur Proteinanalyse. Die grundlegende Technik der Proteinanalyse ist, analog zur DNA-Sequenzierung, die Massenspektrometrie. Massenspektrometrie wird verwendet, um die Eigenschaften eines Moleküls zu identifizieren und zu bestimmen. Fortschritte in der Spektrometrie haben es Forschern ermöglicht, sehr kleine Proteinproben zu analysieren. Die Röntgenkristallographie beispielsweise ermöglicht es Wissenschaftlern, die dreidimensionale Struktur eines Proteinkristalls mit atomarer Auflösung zu bestimmen. Ein weiteres Verfahren zur Bildgebung von Proteinen, Kernspinresonanz (NMR), nutzt die magnetischen Eigenschaften von Atomen, um die dreidimensionale Struktur von Proteinen in wässriger Lösung zu bestimmen. Protein-Mikroarrays wurden auch verwendet, um Wechselwirkungen zwischen Proteinen zu untersuchen. Groß angelegte Anpassungen des grundlegenden Zwei-Hybrid-Screens (Abbildung (PageIndex{1})) haben die Grundlage für Protein-Mikroarrays geschaffen. Computersoftware wird verwendet, um die riesige Menge an Daten zu analysieren, die für die Proteomanalyse erzeugt werden.

Analysen auf genomischer und proteomischer Ebene sind Teil der Systembiologie. Systembiologie ist das Studium ganzer biologischer Systeme (Genome und Proteome) basierend auf Wechselwirkungen innerhalb des Systems. Das European Bioinformatics Institute und die Human Proteome Organization (HUPO) entwickeln und etablieren effektive Tools, um den enormen Haufen systembiologischer Daten zu sortieren. Da Proteine ​​die direkten Produkte von Genen sind und die Aktivität auf genomischer Ebene widerspiegeln, ist es naheliegend, Proteome zu verwenden, um die Proteinprofile verschiedener Zellen zu vergleichen, um Proteine ​​und Gene zu identifizieren, die an Krankheitsprozessen beteiligt sind. Die meisten Arzneimittelstudien zielen auf Proteine ​​ab. Informationen aus der Proteomik werden verwendet, um neue Medikamente zu identifizieren und ihre Wirkmechanismen zu verstehen.

Die Herausforderung von Techniken für Proteomanalysen besteht in der Schwierigkeit, kleine Mengen an Proteinen nachzuweisen. Obwohl die Massenspektrometrie gut zum Nachweis kleiner Proteinmengen geeignet ist, können Variationen der Proteinexpression in Krankheitszuständen schwer zu erkennen sein. Proteine ​​sind von Natur aus instabile Moleküle, was die Proteomanalyse viel schwieriger macht als die Genomanalyse.

Krebsproteomik

Genome und Proteome von Patienten, die an bestimmten Krankheiten leiden, werden untersucht, um die genetischen Grundlagen der Krankheit zu verstehen. Die bekannteste Krankheit, die mit proteomischen Ansätzen untersucht wird, ist Krebs. Proteomische Ansätze werden verwendet, um das Screening und die Früherkennung von Krebs zu verbessern; Dies wird durch die Identifizierung von Proteinen erreicht, deren Expression durch den Krankheitsprozess beeinflusst wird. Ein einzelnes Protein wird als Biomarker bezeichnet, während eine Reihe von Proteinen mit veränderten Expressionsniveaus als Proteinsignatur bezeichnet wird. Damit ein Biomarker oder eine Proteinsignatur als Kandidat für die Früherkennung und Erkennung von Krebs nützlich sein kann, muss er in Körperflüssigkeiten wie Schweiß, Blut oder Urin sezerniert werden, damit groß angelegte Screenings in einem nicht -invasive Mode. Das aktuelle Problem beim Einsatz von Biomarkern zur Krebsfrüherkennung ist die hohe Rate falsch-negativer Ergebnisse. Ein falsch negatives Ergebnis ist ein falsches Testergebnis, das positiv hätte sein sollen. Mit anderen Worten, viele Krebsfälle bleiben unentdeckt, was Biomarker unzuverlässig macht. Einige Beispiele für Proteinbiomarker, die bei der Krebserkennung verwendet werden, sind CA-125 für Eierstockkrebs und PSA für Prostatakrebs. Proteinsignaturen können beim Nachweis von Krebszellen zuverlässiger sein als Biomarker. Proteomics wird auch verwendet, um individualisierte Behandlungspläne zu entwickeln, die die Vorhersage beinhalten, ob eine Person auf bestimmte Medikamente anspricht oder nicht, und welche Nebenwirkungen die Person erfahren kann. Die Proteomik wird auch verwendet, um die Möglichkeit eines Wiederauftretens der Krankheit vorherzusagen.

Das National Cancer Institute hat Programme entwickelt, um die Erkennung und Behandlung von Krebs zu verbessern. Die Clinical Proteomic Technologies for Cancer und das Early Detection Research Network sind Bemühungen, Proteinsignaturen zu identifizieren, die für verschiedene Krebsarten spezifisch sind. Das biomedizinische Proteomics-Programm wurde entwickelt, um Proteinsignaturen zu identifizieren und wirksame Therapien für Krebspatienten zu entwickeln.

Zusammenfassung

Proteomik ist die Untersuchung des gesamten Satzes von Proteinen, die von einem bestimmten Zelltyp unter bestimmten Umweltbedingungen exprimiert werden. In einem vielzelligen Organismus haben unterschiedliche Zelltypen unterschiedliche Proteome, und diese variieren mit Veränderungen in der Umgebung. Im Gegensatz zu einem Genom ist ein Proteom dynamisch und in ständigem Fluss, was es sowohl komplizierter als auch nützlicher macht als die Kenntnis von Genomen allein.

Proteomik-Ansätze beruhen auf der Proteinanalyse; diese Techniken werden ständig verbessert. Proteomics wurde verwendet, um verschiedene Krebsarten zu untersuchen. Zur Analyse jeder Krebsart werden unterschiedliche Biomarker und Proteinsignaturen verwendet. Das zukünftige Ziel ist ein individueller Behandlungsplan für jeden Einzelnen.

Glossar

Biomarker
individuelles Protein, das in einem erkrankten Zustand einzigartig produziert wird
Falsch negativ
falsches Testergebnis, das positiv hätte sein sollen
Metabolom
vollständiger Satz von Metaboliten, die mit der genetischen Ausstattung eines Organismus zusammenhängen
Metabolomik
Untersuchung von niedermolekularen Metaboliten in einem Organismus
Proteinsignatur
Satz einzigartig exprimierter Proteine ​​im erkrankten Zustand
Proteom
gesamte Reihe von Proteinen, die von einem Zelltyp produziert werden
Proteomik
Studium der Funktion von Proteomen
Systembiologie
Untersuchung ganzer biologischer Systeme (Genome und Proteome) basierend auf Interaktionen innerhalb des Systems

17 Biotechnologie und Genomik

Einige der größten Errungenschaften der Biotechnologie liegen in den Bereichen Medizin und medizinische Forschung. Beispielsweise ist Darmversagen durch fehlendes oder abnormales Darmgewebe ein häufiges Problem bei Frühgeborenen. Darmprobleme treten auch häufig bei Menschen auf, denen Teile ihres Dünndarms aus Gründen wie Morbus Crohn, Krebs und Blockaden entfernt wurden. Komplikationen durch Darmversagen können Lebererkrankungen, bakterielle Überwucherung, Dehydration und Unterernährung umfassen.

Wissenschaftler haben kürzlich eine Methode entwickelt, um mithilfe von Mäusen menschliche Eingeweide aus menschlichen Zellen herzustellen. Unter Verwendung einer Mischung aus gesunden Maus- und menschlichen Darmzellen und auf einem Gerüst in der Bauchhöhle von immungeschwächten Mäusen wachsen innerhalb von vier Wochen funktionelle menschliche Darmzellen. Dies könnte der notwendige Durchbruch sein, um Patienten mit Darmversagen zu helfen. Weitere Details zu dieser spannenden Forschung finden Sie hier.

  • Sie sind hier:  
  • Heim
  • Regenschirm
  • Lehrbücher
  • Bio581
  • Kapitel 11 Meiose und sexuelle Fortpflanzung
  • 11.1 Der Prozess der Meiose

Dieser Text basiert auf Openstax Biology for AP Courses, Senior Contributing Authors Julianne Zedalis, The Bishop's School in La Jolla, CA, John Eggebrecht, Cornell University Contributing Authors Yael Avissar, Rhode Island College, Jung Choi, Georgia Institute of Technology, Jean DeSaix , University of North Carolina at Chapel Hill, Vladimir Jurukovski, Suffolk County Community College, Connie Rye, East Mississippi Community College, Robert Wise, University of Wisconsin, Oshkosh

Dieses Werk ist ohne zusätzliche Einschränkungen unter einer Creative Commons Attribution-NonCommercial 4.0 Unported License lizenziert.


17.5: Genomik und Proteomik - Biologie

Alle von MDPI veröffentlichten Artikel werden sofort weltweit unter einer Open-Access-Lizenz verfügbar gemacht. Für die Wiederverwendung des gesamten oder eines Teils des von MDPI veröffentlichten Artikels, einschließlich Abbildungen und Tabellen, ist keine besondere Genehmigung erforderlich. Bei Artikeln, die unter einer Open-Access-Creative Common CC BY-Lizenz veröffentlicht wurden, darf jeder Teil des Artikels ohne Genehmigung wiederverwendet werden, sofern der Originalartikel eindeutig zitiert wird.

Feature Papers stellen die fortschrittlichste Forschung mit erheblichem Potenzial für eine große Wirkung auf diesem Gebiet dar. Feature Papers werden auf individuelle Einladung oder Empfehlung der wissenschaftlichen Herausgeber eingereicht und vor der Veröffentlichung einem Peer Review unterzogen.

Das Feature Paper kann entweder ein origineller Forschungsartikel, eine umfangreiche neue Forschungsstudie sein, die oft mehrere Techniken oder Ansätze umfasst, oder ein umfassendes Übersichtspapier mit prägnanten und präzisen Updates zu den neuesten Fortschritten auf diesem Gebiet, das die aufregendsten Fortschritte in der Wissenschaft systematisch überprüft Literatur. Diese Art von Papier gibt einen Ausblick auf zukünftige Forschungsrichtungen oder mögliche Anwendungen.

Editor’s Choice-Artikel basieren auf Empfehlungen der wissenschaftlichen Herausgeber von MDPI-Zeitschriften aus der ganzen Welt. Die Herausgeber wählen eine kleine Anzahl von kürzlich in der Zeitschrift veröffentlichten Artikeln aus, die ihrer Meinung nach für Autoren besonders interessant oder in diesem Bereich wichtig sind. Ziel ist es, eine Momentaufnahme einiger der spannendsten Arbeiten zu geben, die in den verschiedenen Forschungsbereichen der Zeitschrift veröffentlicht wurden.


Konzept in Aktion


Online Mendelian Inheritance in Man (OMIM) ist ein durchsuchbarer Online-Katalog menschlicher Gene und genetischer Störungen. Diese Website zeigt die Genomkartierung und beschreibt auch die Geschichte und Forschung jedes Merkmals und jeder Störung. Klicken Sie auf den Link, um nach Merkmalen (wie Händigkeit) und genetischen Störungen (wie Diabetes) zu suchen.


Vivax Malaria: Ein Überblick

Menschliche Malariainfektionen können durch fünf verschiedene . verursacht werden Plasmodium Spezies. P. falciparum gilt als der tödlichste Parasit und verursacht die schwersten klinischen Folgen, während P. vivax ist in dicht besiedelten Regionen geografisch am stärksten verbreitet, was die durch die Krankheit verursachte sozioökonomische Belastung verstärkt (Gething et al., 2012, WHO, 2015). In jüngster Zeit ist die Vivax-Malaria in Regionen, die früher als malariafrei galten, wieder aufgetreten (Severini et al., 2004 Kim et al., 2009 Bitoh et al., 2011). Schätzungen zufolge sind weltweit etwa 2,85 Milliarden Menschen von einer Infektion bedroht P. vivax (Price et al., 2007 Guerra et al., 2010 Battle et al., 2012 Gething et al., 2012). Nach dem Niedergang von P. falciparum Infektionen, P. vivax ist heute die dominierende Malariaart in mehreren endemischen Regionen (Coura et al., 2006 Gething et al., 2012 Hussain et al., 2013 WHO, 2015), wo Berichte eine höhere Inzidenz vor allem bei Kleinkindern zeigen (Marsh et al. , 1995 Williams et al., 1997 Price et al., 2007 Genton et al., 2008 Tjitra et al., 2008). Mehrere klinische Komplikationen, die normalerweise mit P. falciparum Infektionen wurden für Vivax-Malaria berichtet (Kochar et al., 2005, 2009a Hutchinson und Lindsay, 2006 Baird, 2007 Barcus et al., 2007 Alexandre et al., 2010 Rahimi et al., 2014). Zu den am häufigsten beobachteten zählen Anämie (Haldar und Mohandas, 2009 Quintero et al., 2011), Hämolyse, Gerinnungsstörungen, Gelbsucht (Sharma et al., 1993 Erhart et al., 2004 Lacerda et al., 2004 Saharan et al., 2009 ) und akutes Atemnotsyndrom (Anstey et al., 2002, 2007 Suratt und Parsons, 2006 Tan et al., 2008 Lacerda et al., 2012b Lanca et al., 2012), gefolgt von Nephropathologie (Chung et al., 2008 ), Porphyrie (Kochar et al., 2009b), Rhabdomyolyse (Siqueira et al., 2010), Milzruptur (de Lacerda et al., 2007 Gupta, 2010) und zerebrale Malaria (Lampah et al., 2011 Tanwar et al.) ., 2011). Vivax-Malaria während der Schwangerschaft, die zu Spontanaborten, Frühgeborenen und Neugeborenen mit geringem Gewicht führt (McGready et al., 2004, Poespoprodjo et al., 2008) ist ein weiteres großes Gesundheitsproblem, das die vorgefertigte Sichtweise in Frage stellt P. vivax als „gutartiger“ Parasit (Mendis et al., 2001 Baird, 2007 Anstey et al., 2009 Mueller et al., 2009 Gething et al., 2012 Naing et al., 2014).

Nach den Richtlinien der Weltgesundheitsorganisation (WHO) (WHO, 2015) ist die erste Zeile P. vivax Chemotherapie ist Chloroquin (CQ) plus Primaquin (PQ), das einzige zugelassene Medikament gegen die latente Parasitenform (Beutler et al., 2007). In Gebieten mit hoher Transmission und Fällen von Arzneimittelresistenz wird eine Artemisinin-basierte Kombinationstherapie (ACT) empfohlen (WHO, 2010). Die ständige Zunahme und Verbreitung von Resistenzen gegen Malariamedikamente gibt weiterhin Anlass zu großer Besorgnis (Baird, 2004 de Santana Filho et al., 2007 Suwanarusk et al., 2007 Poespoprodjo et al., 2008 Russell et al., 2008 Tjitra et al., 2008 Price et al., 2009, 2014).

P. vivax hatte einen Evolutionspfad, der sich von unterscheidet P. falciparum, enger verwandt mit P. cynomolgi, ein Schwestertaxon, das asiatische Makaken infiziert (Duval et al., 2010 Liu et al., 2014 Luo et al., 2015). Wahrscheinlich als Folge eines so einzigartigen Evolutionspfades, P. vivax weist einzigartige biologische Merkmale auf (Baird, 2007 Mueller et al., 2009 Gething et al., 2012), die ihn von P. falciparum (Abbildung 1):

(1) Präferenz für eindringende Retikulozyten (RTs) (Field und Shute, 1956), die ihre Verformbarkeit, Größe, Fragilität und Permeabilität erhöhen (Kitchen, 1938, Suwanarusk et al., 2004 Handayani et al., 2009 Desai, 2014), was ermöglichen P. vivax um das Immunsystem des Wirts zu umgehen (del Portillo et al., 2004 Suwanarusk et al., 2004 Handayani et al., 2009) und seine charakteristische Parasitämie mit geringer Biomasse aufrechtzuerhalten (Mueller et al., 2009).

(2) Frühere Bildung sexueller Stadien während der Infektion (Boyd und Kitchen, 1937), mit einer charakteristischen Kugelform, die im peripheren Blutkreislauf noch vor Beginn der klinischen Symptome zu sehen ist, die als Reservoir für eine erfolgreiche Übertragung auf die Mücken fungieren könnte (Boyd und Küche, 1937 Bousema und Drakeley, 2011).

(3) Bildung von Hypnozoiten, die latent in der Leber verbleiben (Krotoski et al., 1982 Baird et al., 2007) und deren Reaktivierungsmechanismen noch unbekannt sind (Mueller et al., 2009).

Abbildung 1. Plasmodium vivax und Plasmodium falciparum Lebenszyklusvergleich. (EIN) Anopheles Blutmehlinfektion: Malariainfektion tritt einmal bei einer Frau auf Anopheles spp. Mücken impfen Plasmodium Sporozoiten in die Haut des menschlichen Wirts während seiner Nahrungsaufnahme (Kiszewski et al., 2004). Die Sporozoiten gelangen schließlich in den Blutkreislauf. (B) Infektion im präerythrozytären Stadium: Die Sporozoiten werden durch das Gefäßsystem zur Leber transportiert, wo sie über Kupffer- oder Endothelzellen wandern und in die Hepatozyten eintreten. Wenn ein Hepatozyten gefunden wird und innerhalb von 10� Tagen Sporozoiten von beiden Plasmodium Arten bilden eine parasitophore Vakuolenmembran und differenzieren sich zu Schizonten. Der Schizogonie-Prozess umfasst Tausende von mitotischen Replikationen, die zu einer großen Anzahl von Merozoiten führen, die in Merosomen verpackt sind, die dann in den Blutkreislauf freigesetzt werden. P. vivax Sporozoiten können sich auch in ruhende, lang anhaltende Leberformen, sogenannte Hypnozoiten, differenzieren, die bei Aktivierung eine Schizogonie mit nachfolgender Freisetzung von Merozoiten in das Gefäßsystem beginnen und folglich klinische Rückfälle verursachen (Krotoski, 1985). (C) Asexuelles erythrozytäres Stadium: Während dieses 48-h-Stadiums P. vivax Merozoiten bevorzugen die Retikulozyteninvasion, während P. falciparum in die Normozyten eindringen. Bei der Invasion fördert der Parasit mehrere Veränderungen in diesen Blutzellen, vergrößert und verformt sie (Suwanarusk et al., 2004) und fördert die Bildung von Caveola-vesikel-ähnlichen Komplexen (CVC) und zytoplasmatischen Spaltstrukturen (Barnwell et al., 1990) , was zu einer geeigneten Umgebung für asexuelle Schizogonie im Blutkreislauf führt. Der speziesspezifische Satz von Oberflächenproteinen, die von den Parasiten produziert werden, beeinflusst den Anteil der verschiedenen Parasitenstadien, die im peripheren Blut des Patienten beobachtet werden, und es wird vermutet, dass sie mit der unterschiedlichen pyrogenen Kapazität, Biomasse und Parasitämie bei Vivax- oder Falciparum-Malariapatienten in Verbindung stehen . RBC, rotes Blutkörperchen. (D) Intraerythrozytäre Gametozytenentwicklung: Es ist bekannt, dass ein Teil der asexuellen Parasiten recht früh (4 Tage) nach der Gametocytogenese zu runden sexuellen Mikro- und Makrogametocyten durchläuft P. vivax Infektion im Vergleich zu P. falciparum (15 Tage nach der Infektion) (Pelle et al., 2015), bevor klinische Symptome festgestellt werden. (E) Mückenstadium: Im Blutkreislauf zirkulierende Gametozyten können vom nächsten aufgenommen werden Anopheles Blutmahlzeit und Beteiligung am Sexualzyklus mit Freisetzung von männlichen und weiblichen reifen Gameten, Befruchtung (Zygote) und Bildung von beweglichen Ookineten, die das Mitteldarmepithel der Mücke durchqueren und weiter zu Oozysten reifen. Die Oozyste, eine neue asexuelle sporogonische Replikationsentität, erzeugt und setzt Tausende von Sporozoiten frei. Diese Sporozoiten wandern und dringen in die Speicheldrüsen des Mückenvektors ein und können dann auf einen neuen menschlichen Wirt übertragen werden, wodurch der komplexe Lebenszyklus des Parasiten abgeschlossen wird (Mueller et al., 2009).

P. vivax Die Forschung wurde durch das Fehlen eines zuverlässigen und reproduzierbaren in vitro System für die Langzeitkultur (Kultivierungsbemühungen überprüft von Udomsangpetch et al., 2008 Noulin et al., 2013). Diese Einschränkungen spiegeln sich sowohl in der Quantität als auch in der Qualität der durchgeführten funktionellen Assays wider Ex-vivo Kurzzeitkulturen (Noulin et al., 2013). Darüber hinaus ist der alternative Einsatz von Affenstudien mit angepassten Stämmen von P. vivax (Beeson und Crabb, 2007 Panichakul et al., 2007) ist nicht leicht zugänglich. Nichtsdestotrotz erweisen sich die verfügbaren molekularen Werkzeuge (überprüft in Escalante et al., 2015) als wertvolle Option, um die Prävalenz und Inzidenz von Vivax-Malaria, ihre Dynamik und die unterschiedlichen Beiträge zwischen Wirt und Vektoren besser abzuschätzen.


Sequenzierung des gesamten Genoms

Obwohl es in den letzten Jahren erhebliche Fortschritte in den medizinischen Wissenschaften gegeben hat, sind Ärzte immer noch von vielen Krankheiten verwirrt und Forscher verwenden die Sequenzierung des gesamten Genoms, um dem Problem auf den Grund zu gehen. Sequenzierung des gesamten Genoms ist ein Prozess, der die DNA-Sequenz eines gesamten Genoms bestimmt. Die Sequenzierung des gesamten Genoms ist ein Brute-Force-Ansatz zur Problemlösung, wenn eine genetische Grundlage im Kern einer Krankheit besteht. Mehrere Laboratorien bieten inzwischen Dienstleistungen zur Sequenzierung, Analyse und Interpretation ganzer Genome an.

Im Jahr 2010 wurde die gesamte Genomsequenzierung verwendet, um einen kleinen Jungen zu retten, dessen Darm mehrere mysteriöse Abszesse aufwies. Das Kind hatte mehrere Dickdarmoperationen ohne Linderung. Schließlich zeigte eine vollständige Genomsequenz einen Defekt in einem Signalweg, der die Apoptose (programmierter Zelltod) kontrolliert. Eine Knochenmarktransplantation wurde verwendet, um diese genetische Störung zu überwinden, was zu einer Heilung für den Jungen führte. Er war der erste Mensch, der mit der vollständigen Genomsequenzierung erfolgreich diagnostiziert wurde.

Die ersten zu sequenzierenden Genome, etwa von Viren, Bakterien und Hefen, waren hinsichtlich der Zahl der Nukleotide kleiner als die Genome vielzelliger Organismen. Die Genome anderer Modellorganismen wie der Maus (Muskulatur), die Fruchtfliege (Drosophila melanogaster) und der Nematode (Caenorhabditis elegans) sind mittlerweile bekannt. Es wird viel Grundlagenforschung betrieben Modellorganismen weil die Informationen auf andere Organismen übertragen werden können. Ein Modellorganismus ist eine Art, die als Modell untersucht wird, um die biologischen Prozesse in anderen Arten zu verstehen, die durch den Modellorganismus dargestellt werden können. Zum Beispiel sind Fruchtfliegen in der Lage, Alkohol wie Menschen zu verstoffwechseln. Daher wurden die Gene, die die Alkoholempfindlichkeit beeinflussen, bei Fruchtfliegen untersucht, um die Variation der Alkoholempfindlichkeit beim Menschen zu verstehen. Die Sequenzierung ganzer Genome hilft bei den Forschungsanstrengungen in diesen Modellorganismen (Abbildung 10.12).

Abbildung 12: Viel Grundlagenforschung wird mit Modellorganismen wie der Maus, der Fruchtfliege Mus musculus, dem Fadenwurm Caenorhabditis elegans Drosophila melanogaster, der Hefe Saccharomyces cerevisiae und dem Unkraut Arabidopsis thaliana betrieben. (Credit “mouse”: Modifikation der Arbeit von Florean Fortescue Credit “nematodes”: Modifikation der Arbeit von “snickclunk”/Flickr Credit “common weed”: Modifikation der Arbeit von Peggy Greb, USDA-Skala- Balkendaten von Matt Russell)

Die erste menschliche Genomsequenz wurde 2003 veröffentlicht. Die Zahl der sequenzierten ganzen Genome nimmt stetig zu und umfasst heute Hunderte von Arten und Tausende einzelner menschlicher Genome.


Ein Überblick über die Genomik und Proteomik von Lungenkrebs

Lungenkrebs ist die Ursache von fast 170.000 Krebstodesfällen in den Vereinigten Staaten jedes Jahr, was fast 25 % aller Krebstodesfälle ausmacht. Die 5-Jahres-Überlebensrate für Lungenkrebs beträgt < 15% ab dem Zeitpunkt der Diagnose. Dies ist hauptsächlich auf das späte Stadium der Diagnose und das Fehlen wirksamer Behandlungen zurückzuführen, was die Notwendigkeit eines besseren Verständnisses der Mechanismen widerspiegelt, die der Lungenkarzinogenese zugrunde liegen. Im Gegensatz zur Untersuchung eines einzelnen Gens, Proteins oder Signalwegs ermöglichen genomische und proteomische Technologien einen systematischen Überblick, der das Potenzial bietet, unser Verständnis dieser Krankheit zu verbessern. Letztendlich könnte dies die Diagnose, Prognose und das klinische Management von Patienten mit Lungenkrebs verbessern. Hier überprüfen wir Studien, die Profile der Gen- und Proteinexpression in Lungenkrebsproben und relevanten Modellsystemen erstellt haben, und geben Empfehlungen zur Erleichterung der klinischen Anwendung dieser Technologien.

Lungenkrebs macht jedes Jahr 30% der Krebstodesfälle in den Vereinigten Staaten aus und ist die zweithäufigste Krebserkrankung bei Männern und Frauen (1). Bei Männern ist die Zahl der Todesfälle durch Lungenkrebs fast dreimal so hoch wie die Zahl der Todesfälle durch Prostatakrebs, und bei den Frauen ist die Zahl der Todesfälle durch Lungenkrebs fast doppelt so hoch wie die der Todesfälle durch Brustkrebs. Achtzig Prozent der Lungenkrebsfälle sind nicht-kleinzelliger Lungenkrebs (NSCLC) und 20 % sind kleinzelliger Lungenkrebs (SCLC). Unabhängig vom Subtyp gehört die 5-Jahres-Überlebensrate für Lungenkrebs mit 10–15 % zu den niedrigsten aller Krebsarten (1, 2). Obwohl mehr als die Hälfte der Lungenkrebserkrankungen in einem späten Stadium diagnostiziert werden, wenn eine Heilung unwahrscheinlich ist, ist auch das Überleben von Patienten mit Lungenkrebs im Stadium I überraschend niedrig (2). Daher besteht ein großer Bedarf, die molekularen Veränderungen zu verstehen, die eine schlechte Prognose mit sich bringen, und diese Informationen zur Verbesserung der Diagnose und des Patientenmanagements zu nutzen.

Genomik und Proteomik wurden entwickelt, um eine schnelle, vollständige und parallele Analyse der Gene und Proteine ​​zu ermöglichen, die in einem bestimmten Zell- oder Gewebetyp exprimiert werden. Im Zusammenhang mit Krebs kann differentielles Profiling verwendet werden, um zu bestimmen, ob sich das genomische und/oder proteomische Profil einer Reihe von Krebsarten von einer Reihe von normalen Geweben oder voneinander unterscheidet. Darüber hinaus haben Gen- und Proteinexpressionsprofile das Potenzial, das klinische Management von Lungenkrebs zu verbessern, indem die Klassifizierung entweder durch Klassenvorhersage oder Klassenentdeckung verbessert wird oder indem Daten zur Entwicklung eines diagnostischen Klassifikators bereitgestellt werden. Gen- und Proteinexpressionsprofile könnten neue molekulare Ziele identifizieren und die Patientenversorgung durch die Identifizierung von Profilen verbessern, die das Ansprechen auf Therapie oder Prognose vorhersagen.

Das vergangene Jahrzehnt war geprägt von der rasanten Entwicklung von Technologien zur Hochdurchsatzanalyse der Gen- und Proteinexpression. Die Microarray-Technologie wurde erstmals 1995 von Schena und Kollegen für die Analyse von cDNAs beschrieben (3) und 1997 auf die Analyse von Oligonukleotiden angewendet (4, 5) ( Abbildung 1 )

Abbildung 1. Die Entwicklung der Genomik und Proteomik und ihre Anwendung auf die Analyse von Lungenkrebs. Eine Zeitleiste der wichtigsten Fortschritte bei der Entwicklung von Mikroarray-basierten Genom- und Massenspektrometrie-basierten Proteomik-Technologien wird auf der links. Die Anwendung dieser Technologien bei der Analyse von Lungenkrebsproben wird auf der rechts.

Zum Zeitpunkt der Einreichung dieses Reviews wurden ∼ 40 Artikel veröffentlicht, die die Anwendung von Microarray- und Proteomic-Technologien auf die Analyse von klinischen Lungenkrebsproben beschreiben. Diese Studien lassen sich grob einteilen in: (1) Definition von Kategorien oder Tumoruntergruppen, die die diagnostische Klassifizierung von Lungentumoren verbessern können (2) Identifizierung spezifischer Gene oder Proteine, die als molekulare Ziele für eine verbesserte Diagnose und/oder Therapie dienen könnten und (3) Verknüpfung von Genexpressionsprofilen mit dem klinischen Ergebnis.

Studien, die Microarray-Analyse zur Klassifizierung von NSCLC-Proben basierend auf Gen- oder Proteinexpressionsprofilen verwendeten, sind in Tabelle 1 aufgeführt

TABELLE 1. Genomische und proteomische Analysen von klinischen Lungenkrebsproben

Definition von Abkürzungen: AC, Adenokarzinom-ID, Identifikation LCC, großzelliges Karzinom MPM, malignes Pleuramesotheliom NHBE, normales humanes Bronchialepithel NSCLC, nicht-kleinzelliges Lungenkarzinom SCC, Plattenepithelkarzinom SCLC, kleinzelliges Lungenkarzinom.

Für jede Studie werden die Arten der analysierten Proben, die verwendete(n) Referenzprobe(n), der/die Bereich(e), in denen jede Studie zu einem besseren Verständnis der Lungenkrebsbiologie beiträgt, und die Verfügbarkeit von Daten im World Wide Web angegeben.

Reproduzierbarkeit und Konsistenz sind für klinische Anwendungen notwendig. Obwohl histologisch ähnliche Tumoren gruppierende Genexpressionsprofile aufweisen können und in einigen Fällen Gruppen aufweisen können, die weiter in verschiedene Unterklassen unterteilt werden können, ist die Anzahl der Cluster zwischen den Gruppen nicht konsistent (6, 24, 25, 30). Beispielsweise ergab die Analyse von 35 NSCLC-Proben, darunter 18 Adenokarzinome (AC), von Borczuk und Mitarbeitern (24), dass zwei verschiedene Gruppen von AC Bhattacharjee und Mitarbeitern (6) 186 primäre Lungentumoren, darunter 139 AC, analysiert und vier verschiedene . identifiziert wurden AC-Unterklassen, aber erst nach Ausschluss der anderen histologischen Subtypen von Lungenkrebs schließlich analysierten Garber und Kollegen (25) 67 Lungentumore, davon 41 AC, und zeigten drei AC-Untergruppen. Diese Unterschiede in der Anzahl der Untergruppen von AC spiegeln wahrscheinlich die Unterschiede in der Anzahl und Heterogenität der analysierten Proben wider. Die Tatsache, dass die Anzahl der durch Microarray-Analyse identifizierten AC-Untergruppen mit der Gesamtzahl der analysierten AC-Proben korreliert, legt jedoch nahe, dass die Analyse einer größeren Gruppe von AC zu einer größeren Anzahl von Untergruppen führen würde. Spiegeln diese molekularen Profile sinnvolle biologische Unterschiede wider, die auf die Klinik angewendet werden können, oder spiegeln sie einfach eine heterogene Krankheit wider, die basierend auf statistischen Analysen, experimentellen Methoden oder dem verwendeten speziellen Chip untergeordnet werden kann? Tomida und Kollegen (30) identifizierten zwei Unterklassen für Plattenepithelkarzinome (SCC), die mit der Prognose assoziiert sind, was darauf hindeutet, dass die Identifizierung von Untergruppen eine biologische oder klinische Bedeutung haben kann. Diese Analyse umfasste jedoch nur 16 SCC-Proben. Um diese wichtige Frage zu beantworten, sind neben der Erhöhung der Stichprobengröße die Validierung von Methoden und die gemeinsame Nutzung von Proben erforderlich.

Die Genomanalyse hat bereits wichtige diagnostische Unterschiede aufgeklärt. Dazu gehören die Identifizierung der Ursprungszelle des SCLC (34), die Unterscheidung histologisch ähnlicher Tumoren wie malignes Pleuramesotheliom (MPM) und AC (35) sowie die Unterscheidung von primärem von metastasiertem Lungenkrebs (6, 27, 28 .). ).

Die erste Microarray-Studie zu Lungenkrebs konzentrierte sich auf das Verständnis der Ursprungszelle für SCLC (34). Morphologische Eigenschaften und molekulare Marker legen nahe, dass SCLC von einem neuroendokrinen Vorläufer stammt. Der klinische Verlauf von SCLC ist jedoch nicht mit reinen neuroendokrinen Karzinoidtumoren vergleichbar, und eine Microarray-Analyse von SCLC-Proben von Anbazhagan und Mitarbeitern unterstützt die Hypothese, dass SCLC aus Lungenepithel entsteht (34). Die Autoren behaupten, dass eine Neuklassifizierung dieser Tumoren als epitheliale Tumoren basierend auf molekularen Veränderungen anstelle einer Klassifizierung basierend auf morphologischen Merkmalen genauer wäre (34). Eine solche Neuklassifizierung wäre im Einklang mit der Exposition und Transformation von Lungenepithelzellen durch Rauchen und der Beobachtung, dass SCLC bei Nichtrauchern fast nie beobachtet wird. Im Gegensatz dazu identifizierten andere Gruppen mehrere Marker neuroendokriner Zellen, die in SCLC-Proben hochreguliert waren, als die Genexpressionsprofile von SCLC- und NSCLC-Tumoren verglichen wurden (6, 25). Es ist nicht klar, ob die Unterschiede zwischen diesen Studien Artefakte aufgrund unterschiedlicher Analysemethoden sind (dh Vergleich von SCLC mit normalem Bronchialepithel und Lungenkarzinoiden in der Studie von Anbazhagen und Kollegen versus Vergleich von SCLC mit NSCLC in der anderen Studie). Studien) oder spiegelt die geringe Anzahl von SCLC-Proben in den Studien von Bhattacharjee und Mitarbeitern (6) und Garber und Mitarbeitern (25) wider. Aufgrund der geringeren Prävalenz von SCLC wurden bei dieser Art von Lungenkrebs weniger genomische Analysen durchgeführt. Die Analyse einer größeren Anzahl von SCLC-Proben könnte diese Tumoren besser als aus Epithel- oder neuroendokrinem Gewebe stammend klassifizieren.

In Bezug auf die Differenzierung zwischen Tumoren mit ähnlicher Histologie zeigten Gordon und Kollegen, dass MPM und AC in 99% der Fälle mit einem Satz von drei Genpaaren, die mit MPM und AC invers korreliert waren, genau unterschieden werden können (35). Die Verwendung spezifischer Genpaarverhältnisse kann klinisch anwendbarer sein, da sie mit wenig Probenvorbereitung und -manipulation durchgeführt werden könnte und da keine Referenzprobe verwendet werden muss.

Seit der Veröffentlichung von Gordon und Mitarbeitern (35) haben zwei weitere Studien vorgeschlagen, dass die Expressionsprofile kleinerer Gengruppen als Klassifikator verwendet werden könnten, um zwischen den histologischen Lungenkrebsarten zu unterscheiden und primären von metastasiertem Lungenkrebs zu unterscheiden (27 , 28). Yamagata und Kollegen (27) zeigten, dass ein auf Sätzen von Genexpressionswerten basierender Klassifikator bei verblindeten Proben verwendet werden kann, um NSCLC von normaler Lunge sowie primären Lungentumoren von Lungenmetastasen von Tumoren anderer Herkunft zu unterscheiden. Dieser Klassifikator war jedoch weniger genau bei der Unterscheidung zwischen den Subtypen des NSCLC in einer verblindeten Analyse – AC wurde korrekt identifiziert, aber 1 von 4 verblindeten SCC wurde falsch klassifiziert und das großzellige Karzinom (LCC) konnte nicht von anderen histologischen Subtypen des NSCLC unterschieden werden ( 27). Diese Einschränkungen können teilweise die geringe Größe der Studie widerspiegeln. Proteomische Studien haben auch eine Untergruppe von Markern verwendet, um pathologische Unterschiede zu erkennen. Yanagisawa und Mitarbeiter (28) zeigten, dass ein Satz von 82 MS-Peaks im Trainingssatz mit 100%iger Genauigkeit zwischen Tumor und normalem Gewebe unterscheiden konnte. Bei Anwendung auf das verblindete Testset wurden 42/43 Proben korrekt als Tumor oder normal klassifiziert (28). Zusammengenommen zeigen diese Studien, dass eine kleine Anzahl von Genen oder Massenspektralpeaks, die in einem formalen Klassifikator kombiniert werden, das Potenzial haben, Untergruppen von Lungenkrebs weiter zu definieren.

Die Microarray-Analyse hat das Potenzial, das Überleben von Patienten mit NSCLC vorherzusagen. Obwohl beispielsweise die Clusteranalyse von Beer und Kollegen Stadium I nicht perfekt von Lungen-AC im Stadium III trennte, weisen die Autoren darauf hin, dass die Tumoren im Stadium I, die sich mit Proben im Stadium III anhäuften, von Patienten stammten, die ein schlechteres Überleben zeigten (31). Diese Studie zeigt, dass die Expression von Genen, die eine schlechte Prognose verleihen, unabhängig vom Krankheitsstadium zum Zeitpunkt der Diagnose ist. Da die Microarray-Analyse Tumoruntergruppen identifizieren kann, die molekulare Veränderungen teilen, die für die Krebsprogression wichtig sind, könnte die Einbeziehung von Genexpressionsprofilen in Kombination mit traditionellem Staging und histologischer Analyse einen zusätzlichen therapeutischen und prognostischen Wert bieten.

Auch andere Studien haben Gen- oder Proteinexpressionsprofile mit der Prognose korreliert (6, 21, 25, 27–32, 36–39). In diesen Studien könnten Untergruppen von Genen oder Proteinpeaks, die in Tumoren unterschiedlich exprimiert werden, Überlebensunterschiede zwischen Patienten mit AC vorhersagen. In einer Erweiterung ihrer Studie über die Verwendung mehrerer Genpaare zur Klassifizierung von Lungenkrebs auf der Grundlage der Histologie fanden Gordon und Mitarbeiter heraus, dass Sätze von drei Genexpressionsverhältnissen die Prognose in mehr als 90% der Fälle genau vorhersagen können (39). Die Autoren verwendeten dann die prädiktivsten Genpaare, um Daten aus der früheren Studie von Bhattacharjee und Mitarbeitern zu analysieren (6). In dieser Analyse konnte der Satz von Genexpressionsverhältnissen das Überleben von Patienten mit AC-Tumoren im Stadium I in 64 % der Fälle in Proben mit niedrigem Tumorgehalt und in 74 % der Fälle in Proben mit hohem Tumorgehalt korrekt vorhersagen (39). .

Die Entwicklung prognostischer Identifikatoren könnte die klinische Entscheidungsfindung leiten, aber eine solche Anwendung erfordert eine Validierung in prospektiven klinischen Studien. Die Einbeziehung genomischer und proteomischer Analysen in zukünftige klinische Studien sowie die Analyse von Proben von Lungenkrebspatienten, die eine Standardtherapie erhalten, könnten Informationen liefern, die letztendlich zu genaueren, individualisierten klinischen Entscheidungen führen könnten.

Rauchen macht 85-90% der Lungenkrebsfälle aus. Die restlichen Fälle treten jedoch bei Nie-Rauchern auf. Dies wirft die Hypothese auf, dass Lungenkrebs bei Rauchern und Nie-Rauchern durch unterschiedliche Mechanismen entstehen könnte. Diese Hypothese wird durch die selektive Expression von EGFR-Mutationen in NSCLC-Proben von Nichtrauchern gestützt (40, 41).

Drei Gruppen haben Technologien für das Tumorprofiling angewendet, um die molekularen Mechanismen zu analysieren, die rauchinduziertem und rauchunabhängigem Lungenkrebs zugrunde liegen (Tabelle 1 Refs. 32, 42, 43). In der Studie von Miura und Kollegen wurde die Laser-Capture-Mikrodissektion verwendet, um Tumorgewebe vor der Analyse zu isolieren (32). Die Analyse ergab 45 Gene, die in den Tumoren von Rauchern gegenüber Nichtrauchern unterschiedlich exprimiert wurden. Powell und Mitarbeiter (42) verglichen die Genexpressionsprofile von Tumor- und normalen Geweben für sechs Raucher und sechs Nichtraucher. Das hierarchische Clustering unter Verwendung aller Daten trennte Tumoren nicht von Rauchern gegenüber Nichtrauchern, aber es trennte Tumor- und Nichttumorgewebe und gruppierte die Nichttumorgewebe von Nichtrauchern zusammen. Ansonsten differenzierten Genexpressionsprofile nicht zwischen den einzelnen Gewebegruppen, es sei denn, die Analyse beschränkte sich auf Daten von Genen mit der unterschiedlichsten Expression zwischen den Gruppen. Dies impliziert, dass, obwohl die zugrunde liegenden „normalen“ Gewebe von Rauchern und Nichtrauchern ziemlich unterschiedlich sind, ihre Krebsarten mit der Microarray-Technologie nicht unterschieden werden können. Obwohl ähnliche Mechanismen die Entwicklung von Lungenkrebs bei Rauchern und Nichtrauchern gleichermaßen vermitteln können, wirft die selektive Expression von EGFR-Mutationen bei Nichtrauchern die Möglichkeit auf, dass Unterschiede zwischen Rauchern und Nichtrauchern am deutlichsten durch die Identifizierung von Mutationen in relevanten Onkogenen und Tumorsuppressorgenen sichtbar werden. Alternativ kann die Ähnlichkeit von Tumoren bei Rauchern und Nichtrauchern einfach den geringen Umfang dieser Studie widerspiegeln und veranschaulicht die Notwendigkeit weiterer Untersuchungen zu diesem Thema. In der dritten Studie, die Veränderungen der Genexpression mit Rauchen korreliert, verglichen Spira und Kollegen die Genexpressionsprofile von Bronchialepithelzellen, die von aktuellen, ehemaligen und Nie-Rauchern isoliert wurden (43). Ihre Analyse zeigte, dass mehrere Veränderungen der Genexpression, die bei aktuellen Rauchern beobachtet werden, bei ehemaligen Rauchern bestehen bleiben. Dies ist wichtig, da über 50 % der Lungenkrebsfälle bei ehemaligen Rauchern diagnostiziert werden und diese anhaltenden Veränderungen der Genexpression möglicherweise das erhöhte Risiko dieser Patienten begründen.

Genomische und proteomische Technologien erzeugen eine Fülle von Daten, die zusätzlich zu ihrer Nützlichkeit bei der Erkennung von Mustern nach spezifischen mechanistischen Informationen durchsucht werden können. In vielen Studien wurden spezifische Gene identifiziert und validiert, deren Expression sich zwischen Tumor und Normalgewebe oder während der histologischen Progression von Krebs unterscheidet (23, 37, 44–54). Bis zur Validierung können diese Gene als Biomarker für die Diagnose oder als Ziele für die Therapie dienen. For example, two groups found that the insulinoma-associated 1 gene is overexpressed in SCLC (6, 25). In addition, gene expression profiles from the most clinically aggressive AC samples showed increased expression of genes that play a role in angiogenesis such as VEGF and PPARγ, as well as degradation of extracellular proteins such as cathepsin L and plasminogen activator of urokinase. The analysis of Yamagata and coworkers identified one gene, ACTN4, whose expression level was correlated with poor survival, and therefore could serve as a marker for survival (27). Other gene expression profiling studies have shown that phosphoglycerate kinase 1 (PGK1) is overexpressed in lung tumors and correlates with poor survival, as well as 14 other genes that are important in the glycolytic pathway (31, 55).

By comparing gene expression profiles in tumors from smokers and never-smokers, Powell and colleagues identified several genes whose expression levels either positively or negatively correlated with the number of pack-years of smoking (42). Although it is tempting to view these genes as possible preventative or therapeutic targets, it is also possible that the data are confounded by the fact that the authors did not collect data on gene expression changes associated with smoking in the absence of cancer (42). Interestingly, the study by Spira and associates (43) showed that the expression of several tumor suppressor genes and oncogenes are permanently altered in bronchial epithelial cells from former and current smokers. In contrast, alterations in genes associated with metabolism and antioxidation pathways were reversible depending on the number of years of abstinence (43). The genes that remain altered in former smokers may be better targets for the prevention and treatment of smoking-induced lung cancer.

Proteomic studies also identified proteins that could serve as therapeutic targets. For example, Chen and coworkers (36) showed that four proteins that regulate gluconeogenesis and glycolysis are associated with survival phosphoglycerate kinase 1, phosphoglycerate mutase, α enolase, and pyruvate kinase M1. Combined with their gene expression analyses described earlier, this study provides further evidence for the idea that patients whose tumors exhibit increased glycolysis have a poorer prognosis (36). In addition to the markers identified by Chen and colleagues, Yanagisawa and associates (28) identified three proteins that could serve as tumor markers small ubiquitin-related modifier-2 (SUMO-2), thymosin-β4, and ubiquitin. Thymosin-β4 has been previously associated with proliferation in cancerous tissue (56), but SUMO represents a potential new protein for analysis of its role in carcinogenesis (28). All of these potential markers require validation in prospective trials.

Although very few mouse models of lung cancer exist and their relevance to human lung cancer is often questioned, they have been used to study lung tumorigenesis in a defined genetic background. Gene expression studies have begun to correlate changes in gene expression with murine lung tumorigenesis. For example, Gariboldi and coworkers (57) used microarray analysis to compare the gene expression profiles of normal mouse lungs from strains that varied in their susceptibility and resistance to lung cancer. They identified 89 genes whose expression profile correlated with each particular strain's tumor susceptibility. Of these 89 genes, 26 were previously identified for their involvement in cancer (57). Consistent with their hypothesis, this study showed that the gene expression profile of normal murine lung could predict tumor susceptibility for each strain. Although differences in gene expression may reflect “unconnected strain differences,” the authors suggest that this study provides evidence for the existence of genes whose expression in normal lung predisposes for lung cancer in mice. These studies are consistent with the study by Ramaswamy and colleagues, who showed that the development of metastasis is strain-dependent (58). In another study, Bonner and colleagues (22) compared the gene expression profiles of murine lung adenomas and adenocarcinomas from strain A/J × 129/SvJ F1 mice and identified genes that could differentiate between the stages, as well as genes whose expression consistently increased or decreased in the human tumors independent of histology. Finally, this group also identified gene expression changes in the tumors that were either consistent with, or opposite to, the expression in the developing lung of this strain (22). The results of these studies have refined our knowledge of murine lung tumorigenesis and could facilitate the creation of novel mouse models that might more closely resemble human lung cancer.

Gene expression studies have also evaluated the effects of reconstituting tumor suppressor genes that are commonly lost in lung cancer. Two noteworthy in vitro studies have been published in lung cancer cellular systems. Hong and colleagues studied the effect of the phosphatase and tensin homology deleted on chromosome 10 (PTEN) tumor suppressor gene on the overall gene expression profile of a human lung cancer cell line CL1–5 (59), and Russo and coworkers used microarray analysis to look for targets of the retinoblastoma tumor suppressor gene (pRb/p300) in the human lung AC cell line H23 (60). In both studies, wild-type tumor suppressor genes of interest were transfected into the parental cells and the gene expression profiles were compared with the profiles generated from the parental cell transfected with the control vector. Overexpression of PTEN led to decreased expression of 19 genes and 4 ESTs, including 3 that had previously been described to play a role in cell invasiveness, such as laminin β3, integrin α6, and Akt2. PTEN overexpression also increased expression of 17 genes and 2 ESTs, including protein phosphatase 2A1B, an enzyme that was previously shown to maintain integrity of the cytoskeleton (59). In the studies on pRb, Russo and colleagues showed that 40 genes were downregulated in the pRb/p300 overexpressing cells compared with control. Many of these genes are important in cancer, including cyclin D1, Raf-1, and B-Myb (60). Together, these studies have contributed to a better understanding of how known tumor suppressor genes function in lung cancer cells.

The studies reviewed here reveal that genomics and proteomics are powerful tools for classification of tumor subtypes and identification of genes or proteins that may serve as diagnostic, predictive, or prognostic markers. The fact that molecular fingerprints generated by genomic and proteomic analysis can recapitulate the histologic variation between NSCLC subtypes is good proof of principle, but one has to ask: how does this improve upon what we already knew? Several issues will need to be addressed before the potential of these powerful technologies is realized and integrated into the clinical setting.

In many of these studies, the results of classification using cluster analysis of gene expression profiles did not match the results of classification based on tumor histology (24, 26, 27). In one analysis, immunohistochemistry was used to assess samples whose expression profile did not cluster with histologic subclass (24). Borczuk and associates (21) showed that segregation of these tumors was likely due to the presence of nontumor cells that explain the segregation into groups of cancers with another subtype. Similarly, the reanalysis of “incorrectly classified” samples by Giordano and coworkers and Yamagata and colleagues revealed that their original pathologic classification might have been incorrect (26, 27). Thus, although the molecular profile was an accurate diagnostic method, these studies highlight the fact that array technology relies on the molecular information that is given to it for its power to predict. One possible solution to eliminate “contaminating” nontumor cells from tumor specimens is to employ laser capture microdissection (61). Laser capture dissection can be used to separate tumor from normal tissue and can alleviate problems due to contamination of tumor tissue from normal. However, exclusion of surrounding stroma also eliminates cells that contribute to the tumor microenvironment.

Validation of changes in gene expression at the protein level would improve many of these studies, because changes in protein expression provide a more functional readout. Although evaluating protein expression may not be necessary to develop fingerprints for diagnostic use, it is necessary if markers that are identified by this method are to be used in their own right as diagnostic markers or as targets for therapy. Thus, despite the fact that many genes were identified as potential biomarkers, all of them require further validation. Even though proteomics provides a more functional approach than genomics, proteomics alone might provide an insufficient readout because post-translational modifications such as phosphorylation control the stability and function of many proteins. The development of sophisticated proteomic techniques such as phospho-proteomics will add another level of complexity to these systematic analyses (62).

The genomic and proteomic studies of lung cancer reviewed here have advanced the biologic understanding of lung cancer and have demonstrated the potential of these technologies to improve the classification and diagnosis of lung cancer. Numerous genes and proteins were identified as biomarkers, but the mere identification of markers does not provide any information about whether the changes in expression of genes or proteins are causal for biologic behavior. Although focusing on known genes and proteins has already yielded new information, unknown markers may also lend insight into the biology of lung cancer. These nascent studies using new and rapidly developing technologies have yielded exciting results. Improving sample size, reproducibility, and the ability to discriminate tissue or tumor subtypes will facilitate application of these new technologies to the clinic.


Center for Genomics and Systems Biology

The Center for Genomics and Systems Biology (CGSB) at New York University Abu Dhabi was established to provide a nexus for cutting-edge life sciences research in the United Arab Emirates, with world-class facilities and resources to promote innovative advances in genomics and systems biology.

The Center fosters and enhances the research and training missions of NYUAD, where undergraduate students, graduate students, and postdoctoral scientists engage in research across disciplines, facilitated by advanced instrumentation and computational support for high-throughput data collection, visualization, and analysis. The NYUAD-CGSB operates in partnership with its sister center, NYU Biology’s CGSB in New York, in an open organizational framework that enables transformative collaborative work across the globe supported by joint technology and service platforms.

The Center is under the leadership of co-directors Claude Desplan, Silver Professor of Biology and Neuroscience at NYU, and an Affiliate Professor of Biology NYUAD Kristin Gunsalus, Professor of Biology, NYU, an Affiliate Professor of Biology, and Faculty Director of Bioinformatics, NYUAD, and Enas Qudeimat, Associate Director.


Proteomik

Proteomics is the study of proteins on a wide scale. Proteins host a variety of functions within living organisms and their many parts. Proteomics co-exists with genomics, and was coined in 1997. In 1994, Marc Wilkins used the word proteome to link protein and genome as part of his PhD studies.

Proteome refers to all the proteins in an organism or system. Time, requirements and/or stresses cause variations in a cell or organism. Proteomics maps out these changes, why they occur, and figures out new ways to manipulate proteins.

Proteomics is the next logical step after genomics and transcriptomics (study of RNA molecules in a cell or population of cells). It's a more complex system than genomics because while genomics focuses on genomes, it largely stays the same. Proteomics studies constantly shifting and diverse environments. This used to be done through RNA analysis but they could not find a relation to proteins, and protein generation depends on the gene, not RNA.

Scientists have a few ways of studying proteins, which is done on a molecular level. Proteins can be found using antibodies, which are large Y-shaped proteins that are produced by plasma cells in the immune system. The way scientists use antibodies to study proteins is through a few techniques, like the enzyme-linked immunosorbent assay (ELISA), which can detect and measure on a quantitative scale protein samples, or the Western blot, which can detect individual proteins.

While this is the most common way to study proteins, there have been other ways to study proteins. In 1967, one of the earliest methods to study proteins was the Edman degradation. A single peptide (A short chain of amino acids) is taken and, using chemicals, is degraded to figure out the sequence of the proteins. Nowadays, however, technology has taken over this way, as machines can do the same results at a much more rapid rate.

Proteomics has allowed the study of human genes to develop new drugs for treating various diseases. The way this is done is through both proteome and genome data that relate to a specific disease. A computer then takes that information and uses it to target the disease and create new medicines. For example, if scientists know a protein is affected by a disease, a 3D rendering of the protein can allow for a better understanding of how it is affected and what can be used to prevent it from occurring.

Proteomics helps shape our lives on a day to day basis. What it does is allow for the creation of brand new drugs as well as a deeper understanding of diseases. It also allows scientists to know what each individual protein does, as well as how we can improve their processes. Further information will lead to new proteins being developed, which scientists can introduce to environments and create healthier, safer places for all species.

To link to this Proteomik page, copy the following code to your site:


Proteomik und Metabolomik

Die Duke Proteomics and Metabolomics Shared Resource wird unter Anleitung der Duke School of Medicine teilweise wiedereröffnet. In dieser „Spin-Up“-Phase arbeiten wir nach den folgenden Richtlinien, die die Sicherheit unserer Kollegen und unserer Laborwissenschaftler gewährleisten sollen.

  1. Um die Anzahl der Mitarbeiter in der Einrichtung zu jeder Zeit zu minimieren, arbeiten alle DPMSR-Mitarbeiter so weit wie möglich von zu Hause aus. Dort werden nur Arbeiten durchgeführt, die im Labor Hands-on-Anstrengungen erfordern.
  2. Alle Projektbesprechungen und Datenrückgabebesprechungen sind über WebEx/Zoom oder telefonisch zu führen. Die Datenlieferung erfolgt weiterhin über das Online Express Data Repository.
  3. Alle Wissenschaftler und Besucher müssen im Chesterfield eine Gesichtsmaske tragen. Diese sollten vor dem Betreten des Chesterfields vorhanden sein. Beachten Sie, dass der Eingang vom Chesterfield nur von der Vorderseite des Gebäudes mit Blick auf die W. Main St. und der Ausgang aus dem Gebäude durch die Hintertüren bei den Bahngleisen erfolgen darf.
  4. Im Spin-up müssen alle Musterlieferungen direkt nach Chesterfield und nur nach vorheriger Terminvereinbarung mit dem Projektleiter (Drs. Moseley, Thompson, Soderblom oder Foster) erfolgen. An der Haustür wird ein persönliches Drop-Box-System verwendet, das eine halbdirekte Übergabe unter Wahrung der sozialen Distanzierung und Verwendung geeigneter PSA ermöglicht.

Wir freuen uns darauf, wieder mit Ihnen zusammenzuarbeiten.

Bei Fragen oder Bedenken bezüglich unseres Labors wenden Sie sich bitte an Dr. Arthur Moseley.

Bei Fragen zu konkreten laufenden Projekten wenden Sie sich bitte an Ihren Projektleiter:

Die School of Medicine, das Duke Center for Genomics and Computational Biology (GCB) und das Duke Cancer Institute haben mit der Proteomics and Metabolomics Shared Resource zusammengearbeitet, um der Duke Research Community Ressourcen zur Proteincharakterisierung bereitzustellen. Diese Dienstleistungen umfassen Proteinidentifizierung und Proteinquantifizierung aus einer Vielzahl von Probentypen, von einfachen Mischungen wie Gelspots und Banden bis hin zu komplexen Mischungen wie Proteinkomplexen, Zelllysaten und Plasma. Die Einrichtung befindet sich im dritten Stock des Chesterfield Building, 701 West Main Street.

Die Shared Resource Proteomics and Metabolomics verwendet Massenspektrometrie als Schlüsseltechnologie für die qualitative und quantitative Proteincharakterisierung. Unser Hauptansatz für die Proteinanalyse ist die „Bottom-up“-Proteomik, bei der alle Proteine ​​proteolytisch verdaut werden, wodurch Peptidsurrogate (Signaturpeptide) der ursprünglichen Proteine ​​hergestellt werden.

Proteinidentifizierungen werden mit Hilfe modernster Datenbanksuchmaschinen durchgeführt, die auf einem dedizierten Hochgeschwindigkeits-Blade-Cluster mit der Fähigkeit zum Durchsuchen von Standard- oder benutzerdefinierten Proteindatenbanken ausgeführt werden.

Die Proteinquantifizierung kann unter Verwendung einer "gelfreien, markierungsfreien" Technologie durchgeführt werden, die sowohl eine relative Quantifizierung (Test vs. Kontrolle) als auch eine absolute Quantifizierung (Nanogramm Protein) bereitstellt. Alternativ können isotopencodierte (markierte) Proben analysiert werden, um relative Quantifizierungsinformationen bereitzustellen.

Anlagennachrichten

Wir sind umgezogen!

Die Shared Resource Proteomics & Metabolomics ist in einen speziell gestalteten Laborraum im neu renovierten Chesterfield-Gebäude in der Innenstadt von Durham umgezogen. Unser neuer Laborraum wird unsere Fähigkeiten und Kapazitäten erweitern, um den Forschungsbedarf der Duke University zu unterstützen. Das Chesterfield befindet sich in der 701 W. Main Street, im Herzen des Innovationsviertels von Durham.

  • Dieses hochmoderne Labor wird es uns ermöglichen, Forschern bei Duke und auf der ganzen Welt die bestmöglichen Ressourcen zur Verfügung zu stellen. Wir gehen davon aus, dass wir in den kommenden Jahren weiterhin neue Instrumente und Technologien hinzufügen werden, um den Anforderungen der Duke-Forscher zu entsprechen, die Gesamtprobenkapazität zu erhöhen und die Bearbeitungszeit zu verkürzen.
  • Wir werden auch weiterhin den direkten Kontakt zu den Forschenden auf dem Campus anbieten. Fakultät und Mitarbeiter stehen während und nach dem Übergang für persönliche Beratungen im CIEMAS-Gebäude oder im Chesterfield-Gebäude zur Verfügung, je nach Wunsch.
  • Beispiele für Abgabemöglichkeiten sind auf dem Campus im CIEMAS-Gebäude, Raum 2208B, verfügbar. Forscher können auch Proben im Chesterfield-Gebäude abgeben.

Gutscheine

Duke Translational Research Institute Core Services-Gutscheine werden vierteljährlich vergeben. Die Einrichtung freut sich, mitteilen zu können, dass Proteomik einen Einfluss auf diese Gutscheinstudien hat. Ungefähr 50 Prozent der Auszeichnungen im Jahr 2010 haben Proteomik für ihre Studien verwendet.

Sie möchten einen Gutschein beantragen? Besuchen Sie das Core Facility Voucher-Programm, um sich zu bewerben.

Den Input von Core Facilities anerkennen

Eine häufige Frage von Laboren bei der Arbeit mit Kerneinrichtungen ist, wie der Kern am besten als Autoren anerkannt oder in die Veröffentlichung der Ergebnisse und Interpretationen des Kerns einbezogen werden kann. Die Association of Biomolecular Resource Facilities (ABRF) hat empfohlene Richtlinien für die Autorenschaft von Manuskripten veröffentlicht, und wir bitten unsere Benutzer, diese Richtlinien bei der Veröffentlichung von Daten zu berücksichtigen, die von der gemeinsam genutzten Ressource Proteomics and Metabolomics generiert werden. Letztendlich wird die Entscheidung über die Aufnahme oder Anerkennung vom leitenden Autor (oder PI) der Veröffentlichung getroffen. Da ein Publikationsnachweis für die Sicherstellung einer qualitativ hochwertigen Core Facility und für die berufliche Entwicklung ihrer Mitarbeiter unerlässlich ist, bitten wir unsere Nutzer, die Beiträge der Core-Mitglieder zu wissenschaftlichen Publikationen sorgfältig zu prüfen.

ERKLÄRUNG DER VERÖFFENTLICHUNG

Für alle Veröffentlichungen, die Daten enthalten, die in der gemeinsam genutzten Ressource Proteomics and Metabolomics generiert wurden, bitten wir Sie, diese Unterstützung anzuerkennen:

Wir danken der Duke University School of Medicine für die Nutzung der Shared Resource Proteomics and Metabolomics, die _________ Dienstleistungen erbracht hat.


Schau das Video: Proteine: Spektrum erklärt (Kann 2022).