合成致死的相互作用を対象とした薬剤の組み合わせを特定するためのデータ統合ワークフロー

要約

モデル生物の大きな遺伝的スクリーンは、陰性の遺伝的相互作用の同定につながっている。ここでは、モデル生物の遺伝的スクリーンからのデータを用いて、がんにおける合成致死的相互作用を標的とした薬物の組み合わせを描写するデータ統合ワークフローについて述べている。

要約

2つの遺伝子のどちらかのノックアウトが細胞生存率に影響を与えないが、両方の合成致死性インターアクターのノックアウトが細胞生存率または細胞死の喪失につながる場合、2つの遺伝子間の合成致死的相互作用が与えられる。最もよく研究された合成致死的相互作用はBRCA1/2とPARP1の間で、PARP1阻害剤はBRCA1/2変異腫瘍の患者を治療するために臨床現場で使用されている。モデル生物だけでなくハプロイドヒト細胞株においても大きな遺伝的スクリーンは、多数の追加の合成致死的相互作用対の同定につながり、いずれも新しい腫瘍療法の開発に関心のある潜在的な標的である。1つのアプローチは、目的の腫瘍で突然変異または有意にダウンレギュレートされる合成致死的相互作用器を有する遺伝子を治療的に標的にすることである。第二のアプローチは、合成致死的相互作用に対処する薬物の組み合わせを策定することです.この記事では、合成致死的相互作用を対象とした薬物の組み合わせを評価および同定するためのデータ統合ワークフローの概要を説明します。合成致死性相互作用ペア、相同性マッピングリソース、専用データベースからの薬物標的リンク、および対象疾患領域の臨床試験で調査されている薬物に関する情報に関する利用可能なデータセットを利用しています。我々はさらに、卵巣癌と乳癌の文脈における薬物組み合わせ評価に関する我々のグループの2つの最近の研究の主要な知見を強調する。

概要

合成致死性は、1つの遺伝子の喪失が生存率に影響を与えないが、両方の遺伝子の喪失が細胞死につながる2つの遺伝子の関連を定義する。ホモ接合体変異体1を飼育することによりショウジョウバエの様々な表現型を分析しながら、ドブジャンスキーによって1946年に最初に記述された。生存可能な子孫を生じなかった変異体は、生存可能であるが、ある特定の他の変異体と交配すると致死的な現象型を示し、合成致死性の理論の確立のための根拠を設定した。Hartwellたちの研究グループは、この概念がヒト²のがん治療に適用できる可能性を示唆した。薬理学的に誘発された合成致死性は、変異遺伝子の合成致死性パートナーが薬理学的化合物によって標的に可能であることを考えると、たった1つの突然変異に依存する可能性がある。合成致死性の薬理学的誘導を可能にする最初の遺伝子ペアはBRCA(1/2)およびPARP1であった。PARP1はDNA損傷のセンサーとして機能し、二重および単一DNAの鎖の破断、スーパーコイルおよびクロスオーバー³の部位に結びついている。BRCA1および2は、相同組換え⁴を介したDNA二本鎖破断の修復において大きな役割を果たす。Farmerたちは、BRCA1/2に対して欠損した細胞がPARP阻害の影響を受けやすいという知見を発表したが、BRCA野生型細胞⁵では細胞毒性は認められなかった。最終的に、PARP阻害剤は、BRCA欠損乳癌および卵巣癌^6,7の治療のために承認された。また、薬理化合物の臨床承認につながる合成致死性遺伝子ペアが大いに期待されており、最近のがん研究の主要分野^8.

合成致死的な遺伝子相互作用は、フルーツハエ、C.エレガンスおよび酵母²を含む複数の生物でモデル化された。RNA干渉とCRISPR/CASライブラリノックアウトを含む様々なアプローチを使用して、新しい合成致死性遺伝子ペアは、近年^9、10、11で発見されました。CRISPR/CASと組み合わせたRNAiの実験手順に関するプロトコルが最近、Housdenと同僚¹²によって発表されました。一方、研究者はまた、合成致死的相互作用を同定するためにハプロイドヒト細胞で大画面を実施しました^13,14.生物学的ネットワーク解析や機械学習のようなシンリコ法では、合成致死的相互作用の発見においても約束を示している^。

概念的には、抗腫瘍療法の文脈で合成致死的相互作用を利用する1つのアプローチは、腫瘍細胞内の変異タンパク質または非機能的タンパク質を同定し、その合成致死的相互作用パートナーが治療介入のための薬物標的を有望なものにすることである。ほとんどの腫瘍タイプの不均一性のために、研究者はいわゆる合成致死性ハブタンパク質の探索を開始しました。これらの合成致死的なハブは、変異され、したがって、腫瘍サンプルで非機能的または有意にダウンレギュレートされる合成致死的相互作用パートナーの数を有する。このような合成致死的なハブに対処することは、例えばビンクリスチン耐性神経芽細胞腫¹⁷の文脈で示すことができるように、薬物の有効性を高めるか、薬剤耐性を克服する約束を保持する。合成致死的相互作用の概念を利用して薬物治療を強化する第2のアプローチは、合成致死的相互作用を標的とする薬物の組み合わせを同定することです。これは、既に承認された単一の抗腫瘍療法の新しい組み合わせと、他の疾患領域から腫瘍学の分野への薬物の再配置につながる可能性があります。

この記事では、合成致死的相互作用ペアを標的とする薬物組み合わせのリストを生成するためのステップバイステップの手順を提示する。このワークフローでは、(i)BioGRIDからの合成致死的相互作用に関するデータと(ii)Ensemblの相同遺伝子に関する情報を使用し、(iii)DrugBankから薬物と標的のペアを取り出し、(iv)ClinicalTrials.gov から疾患と薬物の関連を構築し、(v)合成致死的相互作用に対処する一連の薬物組み合わせを生成する。最後に、代表結果セクションで卵巣癌と乳癌の文脈で薬物の組み合わせを提供する。

プロトコル

1. 合成致死性遺伝子の組を取り出す

1. バイオグリッドからのデータ取得。
   1. web ブラウザを使用するか、curl または wget¹⁸を使用して Linux コマンドラインから直接 https://downloads.thebiogrid.org/Download/BioGRID/Latest-Release/BIOGRID-ALL-LATEST.tab2.zip から tab2 形式の最新の BioGRID インタラクション ファイルをダウンロードします。
      
      ##downloadし、最新のバイオグリッド相互作用ファイルを解凍
      カールを使用して最新のバイオグリッド相互作用ファイルを#download
      カール -o biogrid_latest.zip https://downloads.thebiogrid.org/Download/BioGRID/Latest-Release/BIOGRID-ALL-LATEST.tab2.zip
      ダウンロードしたデータ ファイルを#unpackします。
      biogrid_latest.zipを解凍する
      BG="バイオグリッド-ALL-3.5.171.tab2.txt"
       
   2. zip アーカイブがダウンロードされた後、アーカイブをアンパックし、実際のデータセット ファイルの名前をメモする必要があります (BIOGRID-ALL-X.後続の手順の X.X.tab2.txt)BioGRID データファイルは、次のステップでフィルタリングされるさまざまなタイプの相互作用を保持します。
      注:議論で概説されているように、合成致死的相互作用を保持する他の情報源(例えばDRYGIN、SynlethDB)が存在する。
2. 合成致死性と陰性の遺伝的相互作用のためのフィルター(実験システム)。
   1. 合成致死的相互作用を識別するための相互作用の裏付けとなる証拠の性質を示す「実験システム」(列番号12)の列の情報を使用します。
   2. 値が負の遺伝的または合成致死性のエントリにデータセットを制限します。同じ手順で、列をフィルター処理し、次の表 1 に示すように、後続の分析ステップに関連する列のみを保持します。
      
      ##restrict関連する列にBioGRID相互作用ファイルを保存し、負の遺伝的および合成致死性として分類された相互作用のみを保持します
      カット -d "^I" -f 1,8,9,12,16,17 "${BG}" \
      |awk -F "\t" 'BEGIN{
      OFS="\t"
      }
      {
      if(NR == 1){
      印刷 $0
      }else if($4 == 「負の遺伝」|| $4 == 「合成致死性」)
      印刷 $0
      }
      }' > bg_synlet.txt
      
      注: コード スニペットでは、横のタブを表すために ^I が使用されます。合成増殖欠陥などの追加の BioGRID カテゴリーを含む場合があります。このワークフローに関連するその他の列を表 1に示します。バイオグリッドはまた、個々の相互作用のためのスコアを保持します。カットオフは、強い/高信頼の相互作用を識別するために使用することができます。

列番号	列ヘッダー名
3	遺伝子名
12	種
13	薬物ID

表 1: BioGRID データファイルの関連する列。

3. 合成致死的相互作用が報告された種を特定する。
   1. 合成致死的相互作用パートナーの税 ID の数を決定して、生物ごとに利用可能な合成致死的相互作用の数の推定値を取得します。
      
      ##count以前に抽出された合成致死的相互作用における各税IDの出現回数
      カット -d "^I" -f5,6 bg_synlet.txt |テール -n +2 |tr "\t" "\n" \
      |並べ替え|ユニク -c |ソート -r -g
      
      注:ステップ1の結果として、相互作用が決定された生物からの遺伝子シンボルとの合成致死的相互作用のリスト。合成致死的相互作用の大部分は、モデル生物で決定されている。スプレッドシートプログラム(例えば、Excel)にファイルをロードするとき、ジーンシンボル^19、20を台無しにすることを避けます。

2. 合成致死性遺伝子のペアをヒトのオルトログに翻訳する

1. ステップ 1.3 で特定された関連するモデル生物の人間のオルソログを取得します。
   1. それぞれのモデル生物遺伝子データセットをヒト遺伝子データセットと連結することにより、Ensembl BioMart²¹ からヒトオルソログを取得する。このタスクには、モデル生物およびヒト遺伝子の遺伝子を示す遺伝子記号を使用します。Ensembl BioMart ウェブサービスを使用して、検索プロセスを自動化し、そのクエリを BioMart RESTful アクセスに直接送信して、オルソロゴス遺伝子ペアを取得します (詳細については、以下の例と Ensembl BioMart ヘルプとドキュメントを参照してください)。
      
      ##retrieve、カールを使用してBioMart RESTfulアクセスサービスに直接バイオマートクエリを送信することで、エンセンブルバイオマートのサッカロミセスセレビシエの人間のオルソパチウス
      curl -o s_cerevisiae.txt --データ urlencode 'query=
      
      <クエリ仮想スキーマ名 = "デフォルト" フォーマッタ = "TSV" ヘッダー = "0" 一意な行 = "1" カウント = "" データセットConfigVersion = "0.6" >
      
      <データセット名 = "scerevisiae_gene_ensembl" インターフェイス = "既定" >
      <属性名 = "external_gene_name" />
      
      
      <データセット名 = "hsapiens_gene_ensembl" インターフェイス = "既定" >
      <属性名 = "external_gene_name" />
      
      
      ' "http://www.ensembl.org/biomart/martservice"
      
      他のモデル生物のヒト遺伝子のオーソニエンスを取得するには、最初の Dataset 要素の name 属性の値を、それぞれの Ensembl データセットの名前に置き換えて、クエリを再実行します。
      
      メモ: オルソログマッピングのプロセスは、Ensembl BioMartヘルプ&ドキュメンテーション(http://www.ensembl.org/info/data/biomart/biomart_combining_species_datasets.html)で十分に文書化されています。
   2. ステップ1.3で特定された上位種であるサッカロミセス・セレビシエのヒトオルソログのバイオマートクエリのサンプルに、URL http://www.ensembl.org/biomart/martview/9b71da1415aba480a52b8dc7dd554d63?VIRTUALSCHEMANAME=default&ATTRIBUTES=scerevisiae_gene_ensembl.default.feature_page.external_gene_name|hsapiens_gene_ensemblを使用してアクセスします。
      注:この原稿の議論のセクションで概説されているように、相同性マッピングのための他の情報源(例えば、ラウンドアップ、オマブラウザ、ホモロジーン、インパラノイド)が存在します。
2. 抽出された合成致死的相互作用に人間のオルソログを追加します。
   1. ステップ2.1で取得したオーソリンシーペアと生物税IDと遺伝子シンボルに基づく合成致死的相互作用に参加する。ヒト合成致死的相互作用ペアの場合、データセットに存在するヒト遺伝子ごとに人工的な直交対を作成するか、結合中にヒト合成致死的相互作用が廃棄されないようにし、新たに追加された列にヒト遺伝子記号を移す。
      
      ##collect単一ファイル内のオルソログマッピングと合成致命的相互作用ファイルと結合
      オルソログ マッピングを収集するためのヘッダーを含むターゲット ファイルを#createします。
      エコー "tax_id/gene_symbol^Ihuman_gene_symbol">マッピング.txt
      
      各モデル生物のこのステップ#repeat、入力ファイル名とtax-IDを適応するように注意してください
      マッピングの新しいエントリをs_cerevisiae.txtの各オルソログペアの#adds.txt: ジーンシンボルには、合成致命的な相互作用ファイルとのその後の結合を容易にするために、税 ID が付きます
      awk -F "\t" 'BEGIN{
      OFS="\t"
      org_tax_id="559292"
      }
      {
      if($1!= "" && $2 != ""){
      印刷org_tax_id"/"$1,$2
      }
      }' s_cerevisiae.txt >> マッピング.txt
      
      ヒト遺伝子の人工マッピングエントリを#create
      awk -F "\t" 'BEGIN{
      OFS="\t"
      human_tax_id="9606"
      }
      {
      if($5 == human_tax_id){
      印刷 $5"/"$2, $2
      }
      if($6 == human_tax_id){
      印刷 $6"/"$3, $3
      }
      }' bg_synlet.txt |-u >>マッピングをソートします.txt
      
      合成致死性相互作用に必要な結合キー(税id/遺伝子シンボル)を#add
      awk -F "\t" 'BEGIN{
      OFS="\t"
      }
      {
      if(NR == 1){
      印刷 $0,"キー・インターアクタA"「キー・インターアクタB」
      }その他の {
      印刷 $0, $5"/"$2, $6"/"$3
      }
      }' bg_synlet.txt > tmp_bg_synlet_w_keys.txt
      
      #joinオルソのペアとの合成致死的相互作用
      マージ tmp_bg_synlet_w_keys.txt マッピング.txt 7 1 > tmp.txt
      tmp.txt マッピングをマージ.txt 8 1 > bg_synlet_mapped.txt
      
      注: この例で使用されているマージ コマンドは、標準の Unix コマンドではありません。しかし、GNUコアユーティリティのソートと結合の助けを借りてその実装は簡単です。このコマンドは、コマンド結合で結合する前に、ファイルをソートする複雑さを隠すために導入されました。マージの実装は、https://github.com/aheinzel/merge-sh で見つけることができます。
   2. 最良の結果を得るには、特定の名前空間で遺伝子を一意に識別する遺伝子識別子を使用する。
      注:ステップ2は、ヒト遺伝子にマッピングされた複数の生物からの合成致死的相互作用のリストをもたらす。

合成致死性相互作用パートナーの薬物へのマッピング

1. ドラッグバンクから薬物と標的のペアを取得します。
   1. DrugBankのダウンロードセクションからDrugBankのデータをダウンロードし、まだ作成していない場合は、最初にアカウントを作成^{します 22}.薬物ターゲット識別子(タンパク質識別子セクション:https://www.drugbank.ca/releases/latest#protein-identifiers)とDrugBankの語彙(オープンデータセクション:https://www.drugbank.ca/releases/latest#open-data)を含むCSVファイルをDrugBankの識別子と名前で使用します。または、XML データベース ダンプから必要な情報を抽出します。
      
      ##restrict DrugBankの薬物標的ファイルを関連する列に保存し、ヒト分子エンティティのエントリのみを保持する
      DB_TARGETS="すべて".csv"
      DB_NAMES=「ドラッグバンク語彙.csv」
      
      関連する列を#extractし、タブを列セペレーターとして使用するように再フォーマットする
      csvtool col 3,12,13 -u TAB "${DB_TARGETS}" > target_to_drugs_agg.txt
      
      awk -F "\t" 'BEGIN{
      OFS="\t"
      }
      {
      if(NR == 1 || $2 == "人間"){
      印刷 $1, $3
      }
      }' target_to_drugs_agg.txt > human_target_to_drugs_agg.txt
      
      注: ドラッグバンクのデータは、2つの主要な形式で提供されています。データベース全体が XML ファイルとして使用できます。さらに、データの大部分は、一連のコンマ区切り値 (CSV) ファイルで使用できます。
   2. ドラッグバンクはまた、非ヒト薬物標的を記録していることに注意してください。種列(カラム番号12)を用い、ヒトの薬物標的を抽出することができる。
      注: 抽出された列の読みやすさを高めるため、 表 2に記載されています。他の情報源(例えば、治療標的データベースまたはChembl)は、議論のセクションで概説されているように、薬物標的リンクを保持する存在する。

列番号	列ヘッダー名
3	遺伝子名
12	種
13	薬物ID

2. 薬物ターゲットに薬物名を追加します。
   1. 薬物名と薬物標的情報は2つの別々のCSVファイルで提供されるため、2つのファイルの情報をマージして、合成致死的相互作用パートナーを標的とする薬物の名前を合成致死的相互作用に追加する。一般的なドラッグバンク薬- ID列を使用して、2 つのデータセットを結合します。最初のファイルは、タンパク質が複数の薬物によって標的にされている場合、複数のDrugBank薬物IDを連続して保持する可能性があるため、最初に薬物標的データセットを正規化します。
      
      ##generate薬物標的遺伝子シンボル、ドラッグバンク薬物IDおよび薬物名を保持する単一のファイル
      #normalize薬物標的データセット
      awk -F "\t" 'BEGIN{
      OFS="\t"
      }
      {
      if(NR == 1){
      印刷 $0
      }その他の if($1!= "" && $2 != ""){
      分割($2、drug_targets、";")
      for(i in drug_targets){
      drug_target = drug_targets[i]
      gsub(/ /, "" , drug_target)
      印刷 $1, drug_target |"並べ替え -u"
      }
      }
      }' human_target_to_drugs_agg.txt > human_target_to_drug.txt
      
      関連する列を#extractし、タブを列区切りとして使用するように再フォーマットする
      csvtool col 1,3 -u TAB "${DB_NAMES}" > drugbank_id_to_name.txt
      
      human_target_to_drug.txtをマージする \
      drugbank_id_to_name.txt 2 1 > db_human_drug_targets.txt
      
      注:ドラッグバンク語彙の列1と3は.csvファイルは、DrugBankの薬物IDとそれぞれの名前を保持しています。

3. 合成致死的相互作用のパートナーを標的とする薬物を合成致死的相互作用データセットに追加します。
   1. 合成致死的相互作用に薬物を追加する遺伝子シンボル列を使用して、前のステップで生成された薬物標的薬物名ファイルと合成致死的相互作用データセットに参加します。各合成致死的相互作用の両方のパートナーの薬物名を追加するように注意してください。.
       
      ##enhance各合成致死的相互作用のパートナーを標的とした薬物を追加することによって、合成致死的相互作用ファイル
      9 1 > tmp bg_synlet_mapped.txt db_human_drug_targets.txtマージ.txt
      マージ tmp.txt db_human_drug_targets.txt 10 1 > bg_synlet_mapped_drugs.txt
      
      注:ステップ3は、複数の生物とそれらのオーソリンジヒト遺伝子およびこれらの遺伝子を標的とする薬物との合成致死的相互作用をもたらす。

臨床試験で現在試験されている薬剤の組み合わせのセットを確立する

1. ClinicalTrials.gov データへのアクセスを取得します。
   1. (i) 個別の試験、(ii) 検索クエリから得られた試験、または(iii) データベース内のすべての試験で、ClinicalTrials.gov から臨床試験に関する情報をXML形式で取得します。また、臨床試験の変換イニシアチブによって提供されるリソースを使用して、リレーショナル データベース内の ClinicalTrials.gov からのすべてのデータをホストすることもできます。詳細については、ステップ 4.4 を参照してください。
      注: 臨床試験変革イニシアチブによってホストされているクラウドホスト型データベース インスタンスにアクセスするには、無料アカウントが必要です。さらに、plsql クライアントが必要です。
2. 介入試験に焦点を当てる。
3. 対象の表示に固有の試験を抽出します。
   注:ClinicalTrials.gov NCBI医療科目見出し(MeSH)制御語彙から病気の名前を提供します。提出者が提供する疾患名とは対照的に、制御された語彙は、関心の指標のための試験を効率的に識別することを可能にする。それにもかかわらず、NCBI MeSH 制御語彙はシソーラスであることを覚えておいてください。したがって、関心のある一般的な表示に子/狭い項が含まれている場合は、MeSH ブラウザ (https://meshb.nlm.nih.gov) をチェックし、必要に応じてそれらを含めます。
4. これらの試験でテストされた薬物と一緒に同定された試験を取得します。卵巣癌の一般的な適応症における試験の問い合わせは以下に提供される。
   
   ##retrieve臨床試験変換イニシアチブからの一般的な適応症卵巣癌の介入試験 ClinicalTrials.gov データを含むリレーショナルデータベースをホスト
   猫<<|
   \pset フッターをオフにします
   個別s.nct_id、s.brief_title、i.intervention_type、i.name を選択
   研究から
   内部結合 browse_conditions c ON(s.nct_id = c.nct_id)
   内部結合介入 i ON(s.nct_id = i.nct_id)
   s.study_type = 「介入」
   そしてc.mesh_term(
   「卵巣新生物」、
   「癌、卵巣上皮」、
   「グラヌロサ細胞腫瘍」、
   「遺伝性乳癌と卵巣癌症候群」、
   「ルテオマ」、
   「メイグス症候群」、
   「セルトリ・レイディッグ細胞腫瘍」、
   「テコマ」
   )
   s.nct_id、i.intervention_typeによる注文。
   EOF
   psql --host="aact-db.ctti-clinicaltrials.org" --ユーザー名="XXX" --パスワード --no-align --フィールド区切り記号="^I" --出力="clinical_trials.txt"

5. 薬物名を抽出し、ドラッグバンクの名前にマップします。
   注:関心のある臨床試験から取得した薬物名を直接使用するのは魅力的ですが、ClinicalTrials.gov の介入名は、提出者がフリーテキストとして入力されることに注意する必要があります。その結果、名前は標準化されておらず、ブランド名は一般的な化合物名の代わりに使用され、適切なデータ正規化の保証はありません(例えば、1つのエントリで複数の薬物名)。また、薬物は、薬物とは異なる異なる介入タイプで提出されるのが一般的である。したがって、取得した介入名をDrugBankの薬物名にマッピングするのが最善です。
   
     ##Obtain以前に取得した臨床試験のセットで使用される介入のリストです。
   カット -d "^I" -f3,4 clinical_trials.txt |テール -n +2 |並べ替え -u
   
   注: 列 3 と 4 は、それぞれ介入名と介入名のタイプを保持します。

6. ガイドラインから既に臨床使用中の薬物との補完
   注:ステップ4は、関心の指標のために評価/使用中の薬物のリストになります。

5. 合成致死的相互作用を標的とした薬剤の組み合わせの同定

1. 目的の2つの薬物によって標的とされている合成致死的相互作用を検索します。薬物Aと薬物Bの両方を保持するファイル内の行を除外することによって、データセットをステップ3から対象の薬物に制限します。
   
   ##only、両方のパートナーが関心のある2つの薬物(drug_aとdrug_b)によって標的にされる合成致死的相互作用およびそれらを引き起こす薬物のエントリを保持します
   awk -F "\t" '{
   if($12 == drug_a && $14 == drug_b) ||($12 == drug_b && $14 == drug_a){
   印刷 $0
   }
   }' drug_a="XXX" drug_b="YYY" bg_synlet_mapped_drugs.txt

2. 2つの薬物のどちらも両方の合成致死的相互作用パートナーを標的にされていないことを確認してください。ステップ 3.2 からデータセットで特定された各薬物の薬物標的を確認し、両方の同定された合成致死的パートナーが特定の薬物の標的であるかどうかを評価する。
   
   ##find特定の薬物名のすべての薬物ターゲットエントリ
   awk -F "\t" '{
   if($3 ==薬物){
   印刷 $0
   }
   }' 薬物="XXX" db_human_drug_targets.txt
   
   注:両方の合成致死的相互作用経路を標的とする薬物は、どの細胞にも有毒であるため、理論的には貴重なマルチターゲット剤ではありません。これがアルゴリズムのこのステップでこの可能性が除外される理由です。
    

6. 試験は、試験の新しい薬剤の組み合わせでインビトロ

1. ヒト乳癌細胞株およびヒト良性乳腺上皮細胞を、様々な薬剤の組合せで5%CO2の加湿された37°C雰囲気で培養した標準的な体外培養法で治療する。
2. 細菌感染を妨げるために牛の血清とペニシリンだけでなく、ストレプトマイシン硫酸を補ったメディアを使用してください。
3. DMSOやリン酸緩衝生理食塩水などの溶媒中の希釈剤は、以前に確立されたIC50(阻害濃度)に基づいて少なくとも4つの異なる濃度で、それらを組み合わせてまたは単独で細胞の治療に使用します。
4. アネキシンV/7-AAD染色などの細胞生存アッセイおよびアポトーシスアッセイを行い、治療によって引き起こされる細胞傷害効果を決定する。
5. ウェスタンブロットを用いて、疑わしい分子標的の薬理学的阻害を監視する。
6. 合成致死性と、Chou^と他の人によって記述される組み合わせ指数(CI)を計算する純粋に加法的効果と区別する。

結果

我々のグループは最近、卵巣癌と乳癌の文脈における合成致死的相互作用を標的とする薬物の組み合わせを同定するために、この原稿に描かれているワークフローを適用する^2つの研究^を発表した。最初の研究では、現在後期臨床試験でテストされている薬物の組み合わせ(第III相およびIV)、または合成致死的相互作用への影響に関する卵巣癌患者の...

ディスカッション

合成致死的相互作用に影響を与える薬物の組み合わせを特定するワークフローを概説しました。本ワークフローでは、モデル生物からの合成致死的相互作用に関する(i)データ、(ii)ヒト直交体の情報、(iii)薬物標的関連に関する情報、(iv)がんの文脈における臨床試験に関する薬物情報、および(v)科学文献から抽出された薬物疾患および遺伝子疾患関連の情報に関する情報を利用する。統合され...

資料

Name	Company	Catalog Number	Comments
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