Name: a data integration workflow to identify drug combinations targeting synthetic lethal interactions
Uploaded: 2021-05-27T13:00:00
Description: Watch this Scientific Journal Video about A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions at JoVE.com

I finanziamenti per lo sviluppo del flusso di lavoro sull'integrazione dei dati sono stati ottenuti dal settimo programma quadro della Comunità europea nell'ambito della sovvenzione nu. 279113 (OCTIPS). L'adattamento dei dati all'interno di questa pubblicazione è stato gentilmente approvato dalla Public Library of Sciences Publications and Impact Journals, LLC.

1. Recupero di coppie geniche letali sintetiche
<ol><li>Recupero dati da BioGrid.<ol>
<li>Scaricare l'ultimo file di interazione BioGRID in formato tab2 da https://downloads.thebiogrid.org/Download/BioGRID/Latest-Release/BIOGRID-ALL-LATEST.tab2.zip utilizzando un browser Web o direttamente dalla riga di comando Linux utilizzando curl o wget18. ##download e decomprimere l'ultimo file di interazione BioGRID #download ultimo file di interazione BioGRID utilizzando curl curl -o ...

<ol>
	<li>Dobzhansky, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genetics+of+natural+populations;+recombination+and+variability+in+populations+of+Drosophila+pseudoobscura.">Genetics of natural populations; recombination and variability in populations of Drosophila pseudoobscura.</a> Genetics. 31, 269-290 (1946).</li><li>Hartwell, L. H., Szankasi, P., Roberts, C. J., Murray, A. W., Friend, S. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integrating+genetic+approaches+into+the+discovery+of+anticancer+drugs.">Integrating genetic approaches into the discovery of anticancer drugs.</a> Science. 278 (5340), 1064-1068 (1997).</li><li>D'Amours, D., Desnoyers, S., D'Silva, I., Poirier, G. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Poly(ADP-ribosyl)ation+reactions+in+the+regulation+of+nuclear+functions.">Poly(ADP-ribosyl)ation reactions in the regulation of nuclear functions.</a> The Biochemical Journal. 342 (2), 249-268 (1999).</li><li>Gudmundsdottir, K., Ashworth, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+roles+of+BRCA1+and+BRCA2+and+associated+proteins+in+the+maintenance+of+genomic+stability.">The roles of BRCA1 and BRCA2 and associated proteins in the maintenance of genomic stability.</a> Oncogene. 25 (43), 5864-5874 (2006).</li><li>Farmer, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Targeting+the+DNA+repair+defect+in+BRCA+mutant+cells+as+a+therapeutic+strategy.">Targeting the DNA repair defect in BRCA mutant cells as a therapeutic strategy.</a> Nature. 434 (7035), 917-921 (2005).</li><li>McCann, K. E., Hurvitz, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Advances+in+the+use+of+PARP+inhibitor+therapy+for+breast+cancer.">Advances in the use of PARP inhibitor therapy for breast cancer.</a> Drugs in Context. 7, 212540 (2018).</li><li>Franzese, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PARP+inhibitors+in+ovarian+cancer.">PARP inhibitors in ovarian cancer.</a> Cancer Treatment Reviews. 73, 1-9 (2019).</li><li>Ashworth, A., Lord, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthetic+lethal+therapies+for+cancer:+what&#8217;s+next+after+PARP+inhibitors.">Synthetic lethal therapies for cancer: what&#8217;s next after PARP inhibitors.</a> Nature Reviews. Clinical Oncology. 15 (9), 564-576 (2018).</li><li>Yu, B., Luo, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthetic+lethal+genetic+screens+in+Ras+mutant+cancers.">Synthetic lethal genetic screens in Ras mutant cancers.</a> The Enzymes. 34, 201-219 (2013).</li><li>Thompson, J. M., Nguyen, Q. H., Singh, M., Razorenova, O. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Approaches+to+identifying+synthetic+lethal+interactions+in+cancer.">Approaches to identifying synthetic lethal interactions in cancer.</a> The Yale Journal of Biology and Medicine. 88 (2), 145-155 (2015).</li><li>Ruiz, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Genome-wide+CRISPR+Screen+Identifies+CDC25A+as+a+Determinant+of+Sensitivity+to+ATR+Inhibitors.">A Genome-wide CRISPR Screen Identifies CDC25A as a Determinant of Sensitivity to ATR Inhibitors.</a> Molecular Cell. 62 (2), 307-313 (2016).</li><li>Housden, B. E., Nicholson, H. E., Perrimon, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthetic+Lethality+Screens+Using+RNAi+in+Combination+with+CRISPR-based+Knockout+in+Drosophila+Cells.">Synthetic Lethality Screens Using RNAi in Combination with CRISPR-based Knockout in Drosophila Cells.</a> Bio-Protocol. 7 (3), (2017).</li><li>Blomen, V. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gene+essentiality+and+synthetic+lethality+in+haploid+human+cells.">Gene essentiality and synthetic lethality in haploid human cells.</a> Science. 350 (6264), 1092-1096 (2015).</li><li>Forment, J. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genome-wide+genetic+screening+with+chemically+mutagenized+haploid+embryonic+stem+cells.">Genome-wide genetic screening with chemically mutagenized haploid embryonic stem cells.</a> Nature Chemical Biology. 13 (1), 12-14 (2017).</li><li>Wildenhain, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prediction+of+Synergism+from+Chemical-Genetic+Interactions+by+Machine+Learning.">Prediction of Synergism from Chemical-Genetic Interactions by Machine Learning.</a> Cell Systems. 1 (6), 383-395 (2015).</li><li>Madhukar, N. S., Elemento, O., Pandey, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prediction+of+Genetic+Interactions+Using+Machine+Learning+and+Network+Properties.">Prediction of Genetic Interactions Using Machine Learning and Network Properties.</a> Frontiers in Bioengineering and Biotechnology. 3, 172 (2015).</li><li>Fechete, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthetic+lethal+hubs+associated+with+vincristine+resistant+neuroblastoma.">Synthetic lethal hubs associated with vincristine resistant neuroblastoma.</a> Molecular BioSystems. 7 (1), 200-214 (2011).</li><li>Oughtred, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+BioGRID+interaction+database:+2019+update.">The BioGRID interaction database: 2019 update.</a> Nucleic Acids Research. 47, 529-541 (2019).</li><li>Zeeberg, B. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mistaken+identifiers:+gene+name+errors+can+be+introduced+inadvertently+when+using+Excel+in+bioinformatics.">Mistaken identifiers: gene name errors can be introduced inadvertently when using Excel in bioinformatics.</a> BMC bioinformatics. 5, 80 (2004).</li><li>Ziemann, M., Eren, Y., Gene El-Osta, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=name+errors+are+widespread+in+the+scientific+literature.">name errors are widespread in the scientific literature.</a> Genome Biology. 17 (1), 177 (2016).</li><li>Kersey, P. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ensembl+Genomes+2018:+an+integrated+omics+infrastructure+for+non-vertebrate+species.">Ensembl Genomes 2018: an integrated omics infrastructure for non-vertebrate species.</a> Nucleic Acids Research. 46, 802-808 (2018).</li><li>Wishart, D. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=DrugBank+5.0:+a+major+update+to+the+DrugBank+database+for+2018.">DrugBank 5.0: a major update to the DrugBank database for 2018.</a> Nucleic Acids Research. 46, 1074-1082 (2018).</li><li>Chou, T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Drug+combination+studies+and+their+synergy+quantification+using+the+Chou-Talalay+method.">Drug combination studies and their synergy quantification using the Chou-Talalay method.</a> Cancer Research. 70 (2), 440-446 (2010).</li><li>Marhold, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthetic+lethal+combinations+of+low-toxicity+drugs+for+breast+cancer+identified+in+silico+by+genetic+screens+in+yeast.">Synthetic lethal combinations of low-toxicity drugs for breast cancer identified in silico by genetic screens in yeast.</a> Oncotarget. 9 (91), 36379-36391 (2018).</li><li>Heinzel, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthetic+lethality+guiding+selection+of+drug+combinations+in+ovarian+cancer.">Synthetic lethality guiding selection of drug combinations in ovarian cancer.</a> PloS One. 14 (1), 0210859 (2019).</li><li>Costanzo, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+genetic+landscape+of+a+cell.">The genetic landscape of a cell.</a> Science. 327 (5964), 425-431 (2010).</li><li>Koh, J. L. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=DRYGIN:+a+database+of+quantitative+genetic+interaction+networks+in+yeast.">DRYGIN: a database of quantitative genetic interaction networks in yeast.</a> Nucleic Acids Research. 38, 502-507 (2010).</li><li>Guo, J., Liu, H., Zheng, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SynLethDB:+synthetic+lethality+database+toward+discovery+of+selective+and+sensitive+anticancer+drug+targets.">SynLethDB: synthetic lethality database toward discovery of selective and sensitive anticancer drug targets.</a> Nucleic Acids Research. 44, 1011-1017 (2016).</li><li>NCBI Resource Coordinators. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Database+resources+of+the+National+Center+for+Biotechnology+Information.">Database resources of the National Center for Biotechnology Information.</a> Nucleic Acids Research. 44 (1), 7-19 (2016).</li><li>Altenhoff, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+OMA+orthology+database+in+2018:+retrieving+evolutionary+relationships+among+all+domains+of+life+through+richer+web+and+programmatic+interfaces.">The OMA orthology database in 2018: retrieving evolutionary relationships among all domains of life through richer web and programmatic interfaces.</a> Nucleic Acids Research. 46 (1), 477-485 (2018).</li><li>Sonnhammer, E. L. L., &#214;stlund, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=InParanoid+8:+orthology+analysis+between+273+proteomes,+mostly+eukaryotic.">InParanoid 8: orthology analysis between 273 proteomes, mostly eukaryotic.</a> Nucleic Acids Research. 43, 234-239 (2015).</li><li>Li, Y. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Therapeutic+target+database+update+2018:+enriched+resource+for+facilitating+bench-to-clinic+research+of+targeted+therapeutics.">Therapeutic target database update 2018: enriched resource for facilitating bench-to-clinic research of targeted therapeutics.</a> Nucleic Acids Research. 46 (1), 1121 (2018).</li><li>Gaulton, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+ChEMBL+database+in+2017.">The ChEMBL database in 2017.</a> Nucleic Acids Research. 45 (1), 945-954 (2017).</li><li>Heinzel, A., M&#252;hlberger, I., Fechete, R., Mayer, B., Perco, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+molecular+units+for+guiding+biomarker+panel+design.">Functional molecular units for guiding biomarker panel design.</a> Methods in Molecular Biology. 1159 (12), 109-133 (2014).</li><li>Davis, A. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Comparative+Toxicogenomics+Database:+update+2019.">The Comparative Toxicogenomics Database: update 2019.</a> Nucleic Acids Research. 47 (1), 948-954 (2019).</li><li>Pi&#241;ero, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=DisGeNET:+a+comprehensive+platform+integrating+information+on+human+disease-associated+genes+and+variants.">DisGeNET: a comprehensive platform integrating information on human disease-associated genes and variants.</a> Nucleic acids research. 45 (1), 833-839 (2017).</li></ol>

Abbiamo delineato un flusso di lavoro per identificare le combinazioni di farmaci che hanno un impatto sulle interazioni letali sintetiche. Questo flusso di lavoro si avvale di (i) dati sulle interazioni letali sintetiche da organismi modello, (ii) informazioni di ortologi umani, (iii) informazioni sulle associazioni di destinazione dei farmaci, (iv) informazioni sui farmaci sugli studi clinici nel contesto del cancro, nonché (v) informazioni sulle associazioni farmaco-malattie e gene-disease estratte dalla letteratura ...

La letalità sintetica definisce un'associazione di due geni, in cui la perdita di un gene non influisce sulla vitalità, ma la perdita di entrambi i geni porta alla morte cellulare. Fu descritto per la prima volta nel 1946 da Dobzhansky mentre analizzava vari fenotipi di drosofilia allevando mutanti omozigoti1. I mutanti che non producevano prole vitale, sebbene vitali da soli, mostravano fenotipi letali quando incrociati con alcuni altri mutanti, dando il terreno per l'istituzione della teoria della letalità sintetica. Hartwell e colleghi hanno suggerito che questo concetto potrebbe essere applicabile per la terapia del cancro nell'uomo2. La letalità sintetica provocata farmacologicamente potrebbe basarsi su una sola mutazione, dato che il partner letale sintetico del gene mutato è bersaglio di un composto farmacologico. La prima coppia genica a consentire l'induzione farmacologica della letalità sintetica è stata BRCA(1/2) e PARP1. PARP1 funziona come un sensore per danni al DNA ed è legato a siti di rotture di filamenti di DNA doppi e singoli, supercoil e crossover3. BRCA1 e 2 svolgono un ruolo importante nella riparazione delle rotture a doppio filamento del DNA attraverso la ricombinazione omologa4. Agricoltori e colleghi hanno pubblicato i risultati che le cellule carenti di BRCA1/2 erano suscettibili all'inibizione parp, mentre nessuna citotossicità è stata osservata nelle cellule di tipo selvatico BRCA5. In definitiva, gli inibitori del PARP sono stati approvati per il trattamento del cancro al seno e alle ovaie carente di BRCA6,7. Inoltre, le coppie geniche di letalità sintetica che portano all'approvazione clinica dei composti farmacologici sono molto attese e una delle principali aree dei recenti sforzi di ricerca sul cancro8.
Le interazioni geniche letali sintetiche sono state modellate in più organismi tra cui moscerini della frutta, C. elegans elievito 2. Utilizzando vari approcci tra cui knockout di RNA-interferenza e CRISPR / CAS- libreria, negli ultimi anni sono state scoperte nuove coppie di geni letalisintetici 9,10,11. Housden e colleghi12hanno recentemente pubblicato un protocollo sulle procedure sperimentali di RNAi in combinazione con CRISPR/CAS. Nel frattempo, i ricercatori hanno anche condotto grandi schermi in cellule umane aploidi per identificare le interazioni letalisintetiche 13,14. In silico metodi come l'analisi biologica della rete e l'apprendimento automatico hanno anche mostrato promesse nella scoperta delle interazioni letalisintetiche 15,16.
Dal punto di vista concepibile, un approccio per utilizzare interazioni letali sintetiche nel contesto della terapia antitumorale è identificare proteine mutate o non funzionali nelle cellule tumorali, rendendo i loro partner di interazione letale sintetica promettenti obiettivi farmacologici per l'intervento terapeutico. A causa dell'eterogeneità della maggior parte dei tipi di tumore, i ricercatori hanno iniziato la ricerca delle cosiddette proteine sintetiche del mozzo letale. Questi mozzi letali sintetici hanno una serie di partner di interazione letale sintetica che sono mutati e quindi non funzionali o significativamente deregolamentati nei campioni di tumore. Affrontare tali mozzi letali sintetici promette di aumentare l'efficacia del farmaco o superare la resistenza ai farmaci come potrebbe essere mostrato ad esempio nel contesto del neuroblastoma resistente alla vincristina17. Un secondo approccio per migliorare il trattamento farmacologico facendo uso del concetto di interazioni letali sintetiche è quello di identificare combinazioni di farmaci mirate alle interazioni letali sintetiche. Ciò potrebbe portare a nuove combinazioni di terapie antitumorali singole già approvate e al riposizionamento di farmaci da altre aree di malattia al campo dell'oncologia.
In questo articolo, presentiamo una procedura passo-passo per produrre un elenco di combinazioni di farmaci che si rivolgono a coppie di interazioni letali sintetiche. In questo flusso di lavoro, utilizziamo i dati sulle interazioni letali sintetiche da BioGRID e (ii) le informazioni sui geni omologhi di Ensembl, (iii) recuperiamo coppie farmaco-bersaglio da DrugBank, (iv) costruiamo associazioni di farmaci malattia da ClinicalTrials.gov e (v) generiamo quindi una serie di combinazioni di farmaci che affrontano interazioni letali sintetiche. Infine, forniamo combinazioni di farmaci nel contesto del cancro alle ovaie e al seno nella sezione dei risultati rappresentativi.

<table>
	<tbody>
		<tr>
			<td>BioGRID</td>
			<td>n/a</td>
			<td>n/a</td>
			<td>thebiogrid.org</td>
		</tr>
		<tr>
			<td>ClinicalTrials.gov</td>
			<td>n/a</td>
			<td>n/a</td>
			<td>ClinicalTrials.gov</td>
		</tr>
		<tr>
			<td>DrugBank</td>
			<td>n/a</td>
			<td>n/a</td>
			<td>drugbank.ca</td>
		</tr>
		<tr>
			<td>Ensembl BioMart</td>
			<td>n/a</td>
			<td>n/a</td>
			<td>ensembl.org</td>
		</tr>
		<tr>
			<td colspan="4">for alternative computational databases please refer to the manuscript</td>
		</tr>
		<tr>
			<td>7-AAD</td>
			<td>ebioscience</td>
			<td>00-6993-50</td>
			<td></td>
		</tr>
		<tr>
			<td>AnnexinV-APC</td>
			<td>BD Bioscience</td>
			<td>550474</td>
			<td></td>
		</tr>
		<tr>
			<td>celecoxib</td>
			<td>Sigma-Aldrich</td>
			<td>PZ0008-25MG</td>
			<td></td>
		</tr>
		<tr>
			<td>CellTiter-Blue Viability Assay</td>
			<td>Promega</td>
			<td>G8080</td>
			<td></td>
		</tr>
		<tr>
			<td>FACS Canto II</td>
			<td>BD Bioscience</td>
			<td>n/a</td>
			<td></td>
		</tr>
		<tr>
			<td>fetal bovine serum</td>
			<td>Fisher Scientific/Gibco</td>
			<td>16000044</td>
			<td></td>
		</tr>
		<tr>
			<td>FloJo Software</td>
			<td>FloJo LLC</td>
			<td>V10</td>
			<td></td>
		</tr>
		<tr>
			<td>McCoy&#39;s 5a Medium Modified</td>
			<td>Fisher Scientific/Gibco</td>
			<td>16600082</td>
			<td></td>
		</tr>
		<tr>
			<td>penicillin G/streptomycin sulfate</td>
			<td>Fisher Scientific/Gibco</td>
			<td>15140122</td>
			<td></td>
		</tr>
		<tr>
			<td>SKBR-3 cells</td>
			<td>American Type Culture Collection (ATCC)</td>
			<td>ATCC HTB-30</td>
			<td></td>
		</tr>
		<tr>
			<td>zoledronic acid</td>
			<td>Sigma-Aldrich</td>
			<td>SML0223-50MG</td>
			<td></td>
		</tr>
		<tr>
			<td colspan="4">further materials or equipment will be made available upon request</td>
		</tr>
	</tbody>
</table>

a data integration workflow to identify drug combinations targeting synthetic lethal interactions

Un'interazione letale sintetica tra due geni viene data quando il knock-out di uno dei due geni non influisce sulla vitalità cellulare, ma il knock-out di entrambi gli interattori letali sintetici porta alla perdita della vitalità cellulare o alla morte cellulare. La migliore interazione letale sintetica studiata è tra BRCA1/2 e PARP1, con inibitori PARP1 utilizzati nella pratica clinica per trattare pazienti con tumori mutati BRCA1/2. Grandi schermi genetici negli organismi modello ma anche nelle linee cellulari umane aploidi hanno portato all'identificazione di numerose coppie di interazione letale sintetica aggiuntive, tutte potenziali bersagli di interesse nello sviluppo di nuove terapie tumorali. Un approccio è quello di indirizzare terapeuticamente geni con un interatore letale sintetico che è mutato o significativamente deregolamentato nel tumore di interesse. Un secondo approccio è quello di formulare combinazioni di farmaci che affrontino le interazioni letali sintetiche. In questo articolo viene delineato un flusso di lavoro di integrazione dei dati per valutare e identificare le combinazioni di farmaci mirate alle interazioni letali sintetiche. Utilizziamo set di dati disponibili sulle coppie di interazioni letali sintetiche, risorse di mappatura dell'omologia, collegamenti a destinazione farmacologica da database dedicati e informazioni sui farmaci studiati negli studi clinici nell'area di interesse della malattia. Sottolineiamo inoltre i risultati chiave di due recenti studi del nostro gruppo sulla valutazione della combinazione di farmaci nel contesto del cancro alle ovaie e al seno.

Il nostro gruppo ha recentemente pubblicato due studi che applicano il flusso di lavoro descritto in questo manoscritto per identificare combinazioni di farmaci mirate alle interazioni letali sintetiche nel contesto del cancro alle ovaie e alseno 24,25. Nel primo studio, abbiamo valutato combinazioni di farmaci che sono attualmente testate in studi clinici in fase avanzata (fase III e IV) o già utilizzate nella pratica clinica per trattare i pazienti con cancro ...

Watch this Scientific Journal Video about A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions at JoVE.com

A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions

Grandi schermi genetici negli organismi modello hanno portato all'identificazione di interazioni genetiche negative. Qui descriviamo un flusso di lavoro di integrazione dei dati utilizzando i dati degli schermi genetici negli organismi modello per delineare combinazioni di farmaci mirate alle interazioni letali sintetiche nel cancro.

Un flusso di lavoro di integrazione dei dati per identificare le combinazioni di farmaci mirate alle interazioni letali sintetiche

A synthetic lethal interaction between two genes is given when knock-out of either one of the two genes does not affect cell viability but knock-out of ...

Un'interazione letale sintetica tra due geni si verifica quando un singolo knockdown di uno dei due non influisce sulla vitalità cellulare, ma l'abbattimento di entrambi i partner letali sintetici porta alla perdita della vitalità cellulare o alla morte cellulare. La combinazione di set di dati eterogenei può portare all'identificazione di interazioni letali sintetiche che possono essere prese di mira da combinazioni di farmaci in malattie come il cancro, con l'obiettivo di arrestare la proliferazione cellulare. Il concetto di letalità sintetica è interessante per qualsiasi malattia in cui la proliferazione cellulare sia un problema.Per quanto riguarda il cancro, le interazioni geniche letali sintetiche sono già prese di mira nei tumori mutati da BRCA utilizzando inibitori parp. Sforzi come il nostro potrebbero espandere l'uso del concetto per altre interazioni geniche ed entità tumorali. Nel nostro laboratorio, abbiamo testato combinazioni di farmaci computazicamente previste mirate alle interazioni letali sintetiche nel contesto del cancro al seno.Inizia recuperando i dati da BioGRID. Utilizzare il browser Web per scaricare l'ultimo file di interazione BioGRID in formato tab2. Filtrare le colonne in modo da mantenere solo quelle rilevanti per i passaggi di analisi successivi.Successivamente, filtra per la letalità sintetica e le interazioni genetiche negative. Utilizzare le informazioni contenute nella colonna Sistema sperimentale per limitare il set di dati alle voci con un valore di letalità genetica o sintetica negativa. Identificare le specie per le quali sono state riportate interazioni letali sintetiche determinando il numero di ID fiscali dei partner di interazione letale sintetica, che forniranno una stima del numero di queste interazioni disponibili per organismo.Per recuperare gli ortologi umani per gli organismi modello rilevanti da Ensembl BioMart, selezionate il rispettivo set di dati dell'organismo modello, fate clic su Attributi (Attributes) e selezionate Nome gene (Gene name). Quindi fare clic su Set di dati e selezionare Geni umani. Fare di nuovo clic su Attributi e selezionare Nome gene.Quindi fare clic su Risultati. Controllare solo i risultati univoci e fare clic su Go.Automatize il processo di recupero e inviare la query direttamente all'accesso RESTful BioMart per recuperare le coppie di geni ortologi. Se recuperate manualmente i dati tramite l'interfaccia web Ensembl BioMart, rinominare e notare che la riga di intestazione è stata aggiunta automaticamente.Per recuperare i geni umani ortologi per altri organismi modello, sostituire il valore dell'attributo name del primo elemento del set di dati con il nome del rispettivo set di dati Ensembl. Successivamente, scartare eventuali voci per geni senza omologhi, raccogliere tutte le mappature omologhe in un unico file e aggiungere mappature fittizie per i geni umani. Inoltre, aggiungere voci artificiali per i geni umani.Preparare il file synlet per l'unione successiva aggiungendo per ogni partner interazione una nuova colonna contenente la combinazione di ID imposta e simbolo gene. Unisciti alle interazioni letali sintetiche basate sul codice fiscale dell'organismo e sul simbolo genico con le coppie ortologhe recuperate. Recupera le coppie di destinazione del farmaco da DrugBank dalla sezione Download, creando prima un account se necessario.Limitare il file di destinazione del farmaco DrugBank alle colonne pertinenti. Conservare solo le voci per le entità molecolari umane. Quindi, estrarre le colonne pertinenti e filtrare i dati per le specie umane.Poiché il nome del farmaco e le informazioni sul bersaglio del farmaco sono fornite in due file CSV separati, le informazioni dei due file devono essere unite. Per fare ciò, le voci del nome del farmaco devono prima essere normalizzate. Quindi normalizzare il file di destinazione del farmaco per avere una riga per farmaco.Continuare con il file del vocabolario DrugBank ed estrarre le colonne pertinenti. Poiché il nome del farmaco e le informazioni sulla destinazione del farmaco sono fornite in due file CSV separati, unire le informazioni dai due file utilizzando il comune ID DrugBank.Unire il set di dati di interazione letale sintetico con il file del nome del farmaco di destinazione del farmaco generato nel passaggio precedente utilizzando le colonne dei simboli genetici, assicurandosi di aggiungere nomi di farmaci per entrambi i partner di ogni interazione letale sintetica. Infine, recuperare informazioni sugli studi clinici da ClinicalTrials.gov.Per un facile accesso, utilizzare il database relazionale fornito dalla Clinical Trials Transformation Initiative, creando prima un account, se necessario. Sciogliere i farmaci proposti in solventi appropriati, come DMSO o PBS, in almeno quattro diverse concentrazioni. Aggiungere i farmaci alle cellule tumorali del seno umano sementi in una piastra di 96 po 'e incubarli per la quantità di tempo desiderata per determinare i valori di concentrazione inibitori.Utilizzare un saggio di vitalità o apoptosi di scelta per determinare la vitalità cellulare con varie combinazioni e concentrazioni di farmaci, a partire dall'IC50 precedentemente stabilito. Quindi, determinare gli effetti citotossici sinergici delle combinazioni di farmaci calcolando il loro indice combinatorio. Questo metodo è stato utilizzato per identificare combinazioni di farmaci mirate alle interazioni letali sintetiche nel cancro alle ovaie.È stato scoperto che 21 farmaci unici hanno contribuito a 84 combinazioni di farmaci identificate che hanno preso di mira una serie di 39 interattori letali sintetici. Lo stesso flusso di lavoro è stato utilizzato per identificare 243 promettenti combinazioni di farmaci rivolte a 166 coppie di geni letali sintetici nel contesto del cancro al seno. Alcune combinazioni sono state testate per il loro impatto sulla vitalità cellulare e sull'apoptosi in due linee cellulari per il cancro al seno.I risultati del saggio di vitalità per celecoxib, acido zoledronico e la combinazione di acido zoledronico e celecoxib nelle linee cellulari del cancro al seno SK-BR-3 hanno dimostrato che, se combinati, i farmaci hanno avuto un significativo effetto sinergico sulla vitalità cellulare. La colorazione annexin V e 7-AAD delle cellule SK-BR-3 trattate con i due farmaci da sole e combinate ha mostrato che la percentuale di cellule apoptotiche e necrotiche tardive è stata aumentata dopo il trattamento con la combinazione di farmaci. Quando si tenta questo protocollo, prendere il tempo necessario per identificare i nomi dei farmaci DrugBank corrispondenti per tutti i farmaci e gli interventi recuperati dagli studi clinici.L'inclusione di dati aggiuntivi come i profili di espressione genica o il grado di annotazione nella letteratura scientifica degli interattori letali sintetici per la malattia in esame può essere ulteriormente utilizzata per dare priorità alle interazioni letali sintetiche. A causa della crescente quantità di dati biomedici disponibili, unire le forze con i biologi computazionali è un'interazione benefica che porta a nuove ipotesi da testare in laboratorio. Quando si lavora con agenti citostatici, assicurarsi di seguire le linee guida locali relative alle attrezzature di sicurezza di laboratorio e alla manipolazione di reagenti pericolosi.In qualsiasi momento, evitare il contatto diretto e assicurarsi di raccogliere informazioni sulla sostanza utilizzata prima di iniziare l'esperimento.

Research

JoVE Journal

Cancer Research

Utilizing Functional Genomics Screening to Identify Potentially Novel Drug Targets in Cancer Cell Spheroid Cultures

Utilizzando Genomica Funzionale screening per identificare gli obiettivi farmaco potenzialmente romanzo in Cancer Cell Culture Spheroid

The identification of functional driver events in cancer is central to furthering our understanding of cancer biology and indispensable for the discovery ...

Ricerca

Ricerca sul cancro

In Vitro Imaging and Quantification of the Drug Targeting Efficiency of Fluorescently Labeled GnRH Analogues

In Vitro Imaging and Quantification of the Drug Targeting Efficiency of Fluorescently Labeled GnRH Analogues

In Vitro Imaging e quantificazione della Drug Targeting efficienza di fluorescente GnRH analoghi

GnRH analogues are effective targeting moieties and able to deliver anticancer agents selectively into malignant tumor cells which highly express GnRH ...

Genome-wide RNAi Screening to Identify Host Factors That Modulate Oncolytic Virus Therapy

Genome-wide RNAi Screening per identificare i fattori ospite che modulano la terapia Virus Oncolytic

High-throughput genome-wide RNAi (RNA interference) screening technology has been widely used for discovering host factors that impact&#160;virus ...

A GPC3-targeting Bispecific Antibody, GPC3-S-Fab, with Potent Cytotoxicity

Un targeting GPC3 bispecifico, GPC3-S-Fab, con potente citotossicità

This protocol describes the construction and functional studies of a bispecific antibody (bsAb), GPC3-S-Fab. bsAbs can recognize two different epitopes ...

Synthesis and Characterization of Placental Chondroitin Sulfate A (plCSA)-Targeting Lipid-Polymer Nanoparticles

Synthesis and Characterization of Placental Chondroitin Sulfate A plCSA-Targeting Lipid-Polymer Nanoparticles

Sintesi e caratterizzazione di placenta condroitina solfato un (plCSA) - Targeting del lipido - nanoparticelle polimeriche

An effective cancer therapeutic method reduces and eliminates tumors with minimal systemic toxicity. Actively targeting nanoparticles offer a promising ...

A Chromatin Immunoprecipitation Assay to Identify Novel NFAT2 Target Genes in Chronic Lymphocytic Leukemia

Un'analisi di immunoprecipitazione della cromatina per identificare geni bersaglio NFAT2 romanzo nella leucemia linfocitaria cronica

Chronic lymphocytic leukemia (CLL) is characterized by the expansion of malignant B cell clones and represents the most common leukemia in western ...

A Simple Migration/Invasion Workflow Using an Automated Live-cell Imager

Un flusso di lavoro semplice migrazione/invasione utilizzando un Imager di vivere-cella automatizzata

Cancer cell mobility is crucial for the initiation of metastasis. Therefore, investigation of the cell movement and invasive capacity is of great ...

Integration of Bioinformatics Approaches and Experimental Validations to Understand the Role of Notch Signaling in Ovarian Cancer

Integrazione di approcci bioinformatici e convalide sperimentali per comprendere il ruolo della segnalazione di nota nel cancro ovarico

Notch signaling is a highly conserved regulatory pathway involved in many cellular processes. Dysregulation of this signaling pathway often leads to ...

Establishing a Competing Risk Regression Nomogram Model for Survival Data

Definizione di un modello di nomogramma di regressione del rischio concorrente per i dati di sopravvivenza

The Kaplan&#8211;Meier method and Cox proportional hazards regression model are the most common analyses in the survival framework. These are relatively ...

In Vivo Targeting of Xenografted Human Cancer Cells with Functionalized Fluorescent Silica Nanoparticles in Zebrafish

In Vivo Targeting di cellule tumorali umane Xenografted con nanoparticelle di silice fluorescenti funzionalizzate nel pesce zebra

Developing nanoparticles capable of detecting, targeting, and destroying cancer cells is of great interest in the field of nanomedicine. In vivo animal ...