2021年5月27日
在模式生物中进行的大规模遗传筛选已促成负性遗传相互作用的发现。本文介绍了一种数据整合工作流程,利用模式生物遗传筛选的数据,系统解析靶向癌症中合成致死相互作用的药物组合。
当单独敲低任意一个基因时不会影响细胞活力,但同时敲低两个合成致死基因则会导致细胞活力丧失或细胞死亡,这种现象称为基因间的合成致死相互作用。整合异质性数据集有助于发现可用于药物组合靶向治疗的合成致死相互作用,从而在癌症等疾病中抑制细胞增殖。对于任何存在细胞增殖问题的疾病而言,合成致死的概念均具有重要意义。
在癌症领域,针对BRCA基因突变的肿瘤,目前已有利用PARP抑制剂靶向合成致死基因相互作用的治疗策略。我们的研究工作有望进一步拓展这一概念的应用范围,使其适用于其他基因相互作用及更多类型的癌症。在本实验室中,我们已通过计算预测筛选出靶向合成致死相互作用的药物组合,并在乳腺癌背景下对其进行了验证。
首先从 BioGRID 获取数据。使用网页浏览器下载最新版本的 BioGRID 相互作用文件(tab2 格式)。筛选列信息,仅保留后续分析步骤所需的列。
接下来,筛选合成致死性和负向遗传相互作用。利用“实验系统”列中的信息,将数据集限制为“负向遗传”或“合成致死性”条目。通过确定合成致死相互作用伙伴的物种分类编号(tax ID)数量,识别出已报道存在合成致死相互作用的物种,从而估算每种生物中此类相互作用的数量。
要从 Ensembl BioMart 获取相关模式生物的人类同源基因,请选择相应的模式生物数据集,点击“Attributes”,然后选择“Gene name”。接着点击“Dataset”,选择“Human genes”。再次点击“Attributes”,并选择“Gene name”。
然后点击“结果”。勾选“仅唯一结果”,然后点击“确定”。自动化检索流程,并将查询直接发送至 BioMart RESTful 接口以获取直系同源基因对。如果通过 Ensembl BioMart 网络界面手动检索数据,请重命名并注意标题行已自动添加。
为了获取其他模式生物的直系同源人类基因,需将第一个 dataset 元素的 name 属性值替换为相应的 Ensembl 数据集名称。接着,剔除无同源基因的条目,将所有同源映射信息汇总至单个文件中,并为人类基因添加虚拟映射。此外,还需为人类基因添加人工条目。
通过为每个互作伙伴添加一列,其中包含物种分类ID与基因符号的组合,来准备synlet文件以进行后续连接。基于生物体的分类ID和基因符号,将合成致死互作与检索到的同源配对进行整合。从DrugBank的下载部分获取药物靶点配对信息,必要时需先创建账户。
将 DrugBank 药物靶点文件限制为相关列。仅保留人类分子实体的条目,然后提取相关列,并针对人类物种筛选数据。
由于药物名称和药物靶点信息分别提供在两个独立的 CSV 文件中,因此必须合并这两个文件的信息。为此,首先需要对药物名称条目进行标准化处理,然后对药物靶点文件进行标准化,使每种药物仅占一行。
继续使用 DrugBank 词汇文件,并提取相关列。由于药物名称和药物靶点信息分别提供在两个独立的 CSV 文件中,因此需通过共同的 DrugBank ID 将这两个文件的信息合并。接着,使用基因符号列将合成致死相互作用数据集与上一步生成的药物靶点-药物名称文件进行关联,确保为每对合成致死相互作用的两个基因成员均添加对应的药物名称。最后,从 ClinicalTrials.gov 获取有关临床试验的信息。
为方便访问,可使用临床试验转化倡议组织提供的关系型数据库,必要时请先注册账户。将待测药物溶解于适当的溶剂中(如DMSO或PBS),至少配制四种不同浓度。将药物加入接种于96孔板中的人类乳腺癌细胞,于所需时间孵育,以确定抑制浓度值。
选择一种细胞活力或细胞凋亡检测方法,利用不同的药物组合及浓度测定细胞活力,起始浓度采用先前确定的 IC50 值。随后通过计算联合指数来确定药物组合的协同细胞毒性效应。该方法已被用于鉴定靶向卵巢癌中合成致死相互作用的药物组合。
研究发现,21种不同的药物构成了84种已鉴定的药物组合,靶向39个合成致死相互作用因子。采用相同的工作流程,在乳腺癌背景下鉴定出243种有前景的药物组合,靶向166对合成致死基因。部分组合在两种乳腺癌细胞系中进行了细胞活力和细胞凋亡影响的测试。
塞来昔布、唑来膦酸以及唑来膦酸与塞来昔布联合处理在SK-BR-3乳腺癌细胞系中的活力检测结果显示,联合用药对细胞活力具有显著的协同作用。对单独或联合使用这两种药物处理的SK-BR-3细胞进行Annexin V和7-AAD染色发现,经药物联合处理后,晚期凋亡和坏死细胞的比例增加。在实施本方案时,应充分花时间确定从临床试验中获取的所有药物和干预措施对应的DrugBank药物名称。
在研究疾病的过程中,纳入合成致死相互作用因子的基因表达谱或其在科学文献中的注释程度等附加数据,可进一步用于优先排序合成致死相互作用。由于可获得的生物医学数据日益增多,与计算生物学家合作将是一种有益的互动,有助于提出可在实验室中验证的新假设。使用细胞抑制剂时,务必遵守当地关于实验室安全设备及危险试剂操作的指导方针。
在任何时间点,均应避免直接接触,并确保在开始实验前收集有关所用物质的信息。
查看完整文字稿并访问数千部科学视频
本研究探讨基因之间的合成致死相互作用,特别是在癌症治疗背景下的应用。通过整合模式生物遗传筛选中的数据,该研究旨在鉴定能够靶向这些相互作用的有效药物组合。
整合异质性的遗传学和药理学数据集,能够系统性地鉴定出利用合成致死相互作用的药物组合,直接应对肿瘤学发现流程中靶点验证和作用机制去风险化的挑战。该工作流程可提高对具有协同细胞毒性的药物组合进行优先排序的预测可信度,支持在早期发现和临床前肿瘤学项目中做出基于风险评估的推进决策。
该数据整合工作流程通过系统性地整合基因互作数据、直系同源映射、药物-靶点关联以及临床试验信息,连接了早期发现、靶点验证和临床前评估阶段。