Может ли метилирование ДНК вызывать рак молочной железы? [закрыто]

Какова роль метилирования ДНК при раке молочной железы? Метилирование ДНК — это процесс, при котором к молекуле ДНК добавляются метильные группы.

В статье « Роль метилирования в восприимчивости и лечении рака молочной железы» за сентябрь 2015 г. , опубликованной в Anticancer Research, Пулио, Лабри, Диорио и Дурочер пишут:

Метилирование ДНК является критическим механизмом эпигенетической модификации, участвующим в программировании экспрессии генов, что может способствовать развитию нескольких видов рака, включая рак молочной железы. Метилирование CpG-островков ДНК-метилтрансферазами является обратимым и, как было показано, изменяет транскрипционную активность ключевых генов пролиферации или транскрипционных факторов, участвующих в подавлении или стимулировании клеточного роста. Действительно, аберрантное метилирование, обнаруженное в промоторах генов, является отличительной чертой рака, и его можно использовать в качестве неинтрузивного биомаркера в жидкостях организма, таких как кровь и плазма, для раннего выявления рака молочной железы.

Кроме того, Пулио, Лабри, Диорио и Дюроше заявляют, что:

Метилирование ДНК представляет собой обратимый механизм, который чаще всего происходит при добавлении метильной группы в пятое положение пиримидинового кольца цитозина на сайтах CpG в геноме. Метилирование ДНК человека вводится в последовательность нуклеотидов ферментами семейства ДНК-цитозинметилтрансфераз, включая DNMT1, DNMT3A, DNMT3B и DNMT3L (6).

Белок DNMT1 метилирует вновь синтезированные нити перед упаковкой хроматина и локализуется в очагах репликации во время S-фазы. Этот фермент с высокой экспрессией в основном отвечает за поддержание паттерна метилирования во время репликации (7). Повышенная экспрессия DNMT1 наблюдается при многих типах рака, и эта сверхэкспрессия связана с клеточной трансформацией, в то время как сниженные уровни экспрессии DNMT1, по-видимому, связаны с защитным эффектом (8, 9).

Белки DNMT3A и -B обеспечивают активность метилирования ДНК de novo in vitro без различия между неметилированной и полуметилированной ДНК (10). В частности, экспрессия DNMT3B повышена при некоторых типах рака человека, а ее подавление приводит к апоптозу опухолевых клеток (11, 12). Действительно, инактивация изоформы A семейства ассоциативных доменов TSG Ras 1 (RASSF1A) посредством гиперметилирования промотора, запускаемого повышающей регуляцией DNMT3B, является обычным явлением при многих типах рака или опухолей (13). Несколько исследований показывают, что DNMT3B играет преобладающую роль по сравнению с DNMT3A и DNMT1 в онкогенезе молочной железы, учитывая его сверхэкспрессию в тканях рака молочной железы по сравнению с DNMT1 и -3A (14). Хотя DNMT3L сам по себе не обладает каталитической активностью,

В тканях млекопитающих метилирование ДНК происходит в динуклеотидах CpG, и кластеризация этих элементов в 5'-регуляторных областях примерно 60% генов называется CpG-островками (16). Необычное метилирование этих CpG-островков может приводить к молчанию определенных генов, участвующих в ключевых путях пролиферации и апоптоза, таких как TSG, гены репарации ДНК и гормональных рецепторов, а также гены, ингибирующие ангиогенез (17). Два различных механизма метилирования ДНК приводят к репрессии генов транскрипции: метилирование динуклеотидов CpG ингибирует связывание факторов транскрипции с их регуляторными элементами промотора; а метилированные цитозины усиливают рекрутирование белков метилированного связывающего домена, которые ингибируют связывание факторов транскрипции за счет неактивного состояния конфигурации хроматина вокруг генов (18). С другой стороны, Белки транслокации ten-eleven (TET), такие как TET2, могут удалять метильные метки ДНК и запускать повторную экспрессию молчащих генов. Интересно, что было показано, что TET2 мутирует и, следовательно, инактивируется при многих типах рака (19).

Кроме того, все больше данных свидетельствует о том, что метилирование областей, расположенных выше CpG-островков, называемых берегами CpG-островков, а также внутригенных последовательностей также важны для регуляции экспрессии генов и могут быть вовлечены в развитие и прогрессирование заболевания (20, 21). Как правило, в нормальных клетках промоторы генов не метилированы, тогда как тела генов и межгенные области метилированы.

Как вы анализируете данные о метилировании ДНК, полученные с помощью массива EPIC от Illumina, как описано здесь,   https://www.illumina.com/products/by-type/microarray-kits/infinium-methylation-epic.html ?

Анализ метилирования ДНК можно оценить с помощью различных методов, включая бисульфитную конверсию. Это может быть выполнено в сочетании с ПЦР, специфичной для метилирования в реальном времени, и специфическими праймерами для амплификации CpG-островков панели выбранных генов (2). Полногеномный подход с высокопроизводительным секвенированием также может быть выполнен с использованием бисульфит-преобразованной ДНК из различных неинвазивных биологических источников, таких как цельная кровь, сыворотка и плазма.

Метод RapidGSEA, описанный в https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-016-1244-x , принимает пять аргументов по умолчанию и три необязательных аргумента. ="", checkInput=TRUE, doublePrecision=FALSE) {...} metricString обозначает меру локального ранжирования (одну из следующих), а numPermutations обозначает количество перестановок в тесте повторной выборки.

Если metricString обозначает локальную меру ранжирования, которую мы запрашиваем для использования RapidGSEA при ее вызове, какое значение metricString из списка ниже следует выбрать, чтобы RapidGSEA правильно анализировал данные о метилировании ДНК, сгенерированные из массива EPIC от Illumina?

naive_diff_of_classes
naive_ratio_of_classes
naive_log2_ratio_of_classes
stable_diff_of_classes
stable_ratio_of_classes
stable_log2_ratio_of_classes
onepass_signal2noise
onepass_t_test
twopass_signal2noise
twopass_t_test
stable_signal2noise
stable_t_test
overkill_signal2noise
overkill_t_test

Наконец-то я нашел ответ на вопрос: «Если metricString обозначает локальную меру ранжирования, которую мы запрашиваем для использования RapidGSEA при ее вызове, какое значение metricString мне следует выбрать, чтобы RapidGSEA работал максимально похоже на fgseaL?»

Пожалуйста, прочитайте эту замечательную статью в статье BioMed Central (BMC) по биоинформатике от 12 мая 2017 г., озаглавленной с URL-адресом, https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-017-1674-0 .

Кроме того, пожалуйста, прочтите этот блог «Углубление в генетику и геномику: анализ обогащения набора генов (GSEA)». с URL-адресом http://crazyhottommy.blogspot.com/2016/08/gene-set-enrichment-analysis-gsea.html

Прочитав эти две статьи, я выбрал в качестве лучшего локального показателя ранжирования RapidGSEA минимальное значимое различие (т. е. MSD), поскольку он имеет наилучший общий показатель ложноположительных результатов (т. е. FPR) для больших размеров выборки.

Наконец, важно понимать, что принцип маркировки фенотипов fgseL не может быть эмулирован ни GSEA, ни rapidGSEA ни с одной из шестнадцати возможных метрик ранжирования.

Спасибо.