Határok a genetikában

Az öregedés genetikája

Ez a cikk a kutatási téma része

Biomedical Innovations for Healthy Longevity International Conference Biomedical Innovations for Healthe Longevity című konferencia közleménye Az összes 14 cikk megtekintése

Szerkesztette
Alekszej Moszalkev

Biológiai Intézet, Komi Tudományos Központ (RAS), Oroszország

Felülvizsgálta
George A. Garinis

Krétai Egyetem, Görögország

Alexander Y. Maslov

Albert Einstein Orvostudományi Főiskola, Egyesült Államok

A szerkesztő és a lektorok kapcsolatai a legfrissebbek a Loop kutatási profiljukban, és nem feltétlenül tükrözik a felülvizsgálat idején fennálló helyzetüket.

daganatok

  • Cikk letöltése
    • PDF letöltése
    • ReadCube
    • EPUB
    • XML (NLM)
    • Kiegészítő
      Anyag
  • Exportálás
    • EndNote
    • Referencia menedzser
    • Egyszerű TEXT fájl
    • BibTex
OSZD MEG

Eredeti kutatás CIKK

  • 1 Idegtudományi Tanszék, University of Lethbridge, Lethbridge, AB, Kanada
  • 2 vezető az orvostudományi programban, Cumming School of Medicine, University of Calgary, Calgary, AB, Kanada
  • 3 Bioinformatikai Csoport, Molekuláris Biológiai Intézet, Nemzeti Tudományos Akadémia, Jereván, Örményország
  • 4 Metabolomikai Innovációs Központ, Biológiai Tudományok Tanszék, Alberta Egyetem, Edmonton, AB, Kanada
  • 5 Onkológiai Tanszék, Bajnokok Onkológiája, Baltimore, MD, Egyesült Államok
  • 6 Otolaryngológiai és Onkológiai Tanszék, Johns Hopkins Egyetem, Baltimore, MD, Egyesült Államok
  • 7 Biológiai Tudományok Tanszék, University of Lethbridge, Lethbridge, AB, Kanada

A rákkal túlélők számos olyan kezelési mellékhatást tapasztalnak, amelyek negatívan befolyásolják életminőségüket. A kognitív mellékhatások különösen alattomosak, mivel befolyásolják a memóriát, a megismerést és a tanulást. A neurokognitív hiányok a rák kezelése előtt jelentkeznek, még a rák diagnózisa előtt is felmerülnek, és ezeket „tumor agynak” nevezzük. A metabolomika egy új kutatási terület, amely az anyagcsere-profilokra összpontosít, és fontos mechanisztikus betekintést nyújt a különféle emberi betegségekbe, beleértve a rákot, a neurodegeneratív betegségeket és az öregedést. Számos neurológiai betegség és állapot befolyásolja az agy metabolikus folyamatait. A tumor agy metabolomáját azonban soha nem elemezték. Vizsgálatunkban közvetlen áramlásos injektálás/tömegspektrometriás (DI-MS) elemzést használtunk a tüdőrák, a hasnyálmirigyrák és a szarkóma növekedésének a TumorGraft ™ egerek agyi metabolomjára gyakorolt ​​hatásainak megállapítására. Megállapítottuk, hogy a rosszindulatú, nem központi idegrendszeri daganatok növekedése befolyásolta az agy metabolikus folyamatait, befolyásolva a fehérje bioszintézist, valamint az aminosav és a szfingolipid anyagcserét. A megfigyelt anyagcsere-változások hasonlóak voltak a neurodegeneratív betegségek és az agy öregedése esetén jelentett változásokhoz, és potenciális mechanisztikus értékkel bírhatnak a tumor-agy jelenségének jövőbeni elemzéséhez.

Bevezetés

A rákkezelések kifejlesztésében a közelmúltban elért sikerek megváltoztatták a rákot, halálos betegségből krónikus állapotba, ezáltal a rák túlélését és az életminőséget az egészségügy előterébe. A rákot túlélők számos mellékhatást szenvednek a kezelésekből, beleértve a fáradtságot és a gyomor-bélrendszeri, hematológiai és bőrproblémákat. Ezenkívül kemoterápiával összefüggő kognitív változásokat tapasztalnak különböző területeken, például a munkamemória, a kogníció, a végrehajtó funkció és a feldolgozási sebesség között. Ezek a kemoterápia által kiváltott kognitív változások „kemo agyat” eredményeznek, és a betegek akár 75% -át is érintik, évekig vagy akár évtizedekig is fennállnak az egyének harmadában (Janelsins et al., 2011; Ahles, 2012; Andreotti et al., 2015).

Az elmúlt évtizedben számos tanulmány kimutatta, hogy a kognitív károsodás jóval a rákkezelés megkezdése előtt és még a rák diagnosztizálása előtt is bekövetkezik (Hurria et al., 2007; Ahles, 2012). Ezek az eredmények arra utalnak, hogy a rák önmagában (bármilyen terápiától vagy kezeléstől függetlenül) negatív hatást gyakorol a központi idegrendszerre (CNS) (Hurria et al., 2007). A rák által kiváltott kognitív károsodás, vagyis a „tumor agy” mechanizmusai azonban még további tanulmányokat igényelnek.

Legutóbbi tanulmányaink során megállapítottuk, hogy a rosszindulatú nem központi idegrendszeri daganatok növekedése észrevehető változásokat eredményezett a globális génexpressziós mintákban, számos jelátviteli és metabolikus utat érintve. A génexpressziós minták ezen változásai hatással lehetnek a celluláris metabolit szintekre (Brink-Jensen és mtsai, 2013).

A sejtes metabolom az összes kis molekulatömegű molekulából, az úgynevezett metabolitokból áll, amelyek a sejtekben és szövetekben a biokémiai és génexpressziós utak végtermékei. A metabolomika egy viszonylag új kutatási terület, amelynek célja a metabolomprofilok elemzése és biológiailag releváns betekintés nyújtása az anyagcsere folyamatokba. Ez értékes a különféle emberi betegségek, köztük a rák, a neurodegeneratív betegségek és az öregedés elemzéséhez, amely mind mechanisztikus betekintést, mind új betegségbiomarkereket eredményez (Armitage és Barbas, 2014; Jones és CAB International, 2014; Jové és mtsai, 2014; Botas et al., 2015; Ivanisevic és Siuzdak, 2015; Shao et al., 2016; Wishart et al., 2016; Zhang T. et al., 2016; Zhang X. et al., 2016). A metabolomika megkönnyíti a szervezet fiziológiájának megértését, valamint a táplálkozásra, valamint a különféle környezeti feltételekre és ingerekre adott válaszait. Az expozíciós vizsgálatok új eszközeként is javasolták (Wild, 2005; Lenox, 2015; National Academy of Sciences, 2016; Cheung et al., 2017; Golla et al., 2017). A rák jelentősen megváltoztatja a vér, a vizelet és a nyál metabolikus profilját (Armitage és Barbas, 2014; Falegan et al., 2015; Mal, 2016; Shao et al., 2016, 2017; Wishart et al., 2016; Zhang X. et al., 2016; Zhou és mtsai, 2017). A tumor agy metabolomáját azonban soha nem elemezték.

Vizsgálatunk során közvetlen áramlásos injektálás/tömegspektrometriás (DI-MS) elemzést alkalmaztunk annak megállapítására, hogy a rosszindulatú IV stádiumú nem kissejtes tüdőrák (NSCLC), hasnyálmirigyrák és szarkóma növekedése okozott-e változásokat a TumorGraft ™ egerek. Felfedeztük, hogy a rosszindulatú, nem központi idegrendszeri daganatok növekedése befolyásolta az agy metabolikus folyamatait, és azonosítottuk a tumor agy metabolikus ujjlenyomatát. A megfigyelt anyagcsere-változások hasonlóak voltak a neurodegeneratív betegségek és az agy öregedése esetén tapasztaltakhoz, és jelentős mechanisztikus és diagnosztikus értékkel bírhatnak a jövőbeni tumor agykutatások szempontjából.

Eredmények és vita

Elemeztük az acilkarnitinek, glicerofoszfolipidek, szfingolipidek, hexóz, aminosavak és biogén aminok szintjét a tüdőrák-, ​​hasnyálmirigyrák- és szarkómát hordozó daganatos transzplantációs egerek agyában. Meghatároztuk a metabolikus változásokat, és megállapítottuk a tumoros egerek agyának metabolikus profilját. Kezdetben az alapkomponens-elemzést (PCA), egy statisztikai eszközt használtuk a minta különbségek elemzéséhez és a fő változók megállapításához egy többdimenziós adathalmazon belül. A PCA az összes elemzett metaboliton alapult. Bár az első és a második fő komponens nem figyelt meg különálló csoportosulást, a kontroll csoport egyértelműen elkülönült a hasnyálmirigy daganatos egerek mintáitól a második komponensen keresztül (1A. Ábra). Hasonlóképpen, a különböző elemzett metabolitok hőtérképe az összes csoport esetében magas mintán belüli változékonyságot mutatott ki az anyagcsere-profilokban (1B. Ábra és S1. Ábra). Ennek ellenére kimutatta, hogy a nem központi idegrendszeri daganat növekedése megváltoztatta a daganatot hordozó állatok agyának metabolikus aktivitását.

1.ábra. A nem központi idegrendszeri tumor növekedésének hatása az agy metabolitprofiljaira. (A). Az első és a második fő komponens PCA diagramja az összes metabolit elemzése alapján. (B) A hasnyálmirigyrák, a tüdőrák és a szarkómát hordozó egerek agyszöveteinek metabolitprofil hőtérképe a kontrollokhoz képest. Minden sor egyedi mintát képvisel, csoportonként 3 mintával. A hőtérkép vizuálisan reprezentálja az egyes minták metabolikus aláírását, valamint feltárja a metabolitok fel- vagy lefelé történő szabályozását a különböző csoportokba tartozó mintákban. Az X tengely a mintacsoportot mutatja; az Y tengely az egyes metabolitokat metabolikus csoportokban ábrázolja.

2. ábra. A hasnyálmirigyrák, a tüdőrák és a szarkómát hordozó egerek agyában megváltozott metabolikus utak diagramja a kontrollokhoz képest.

3. ábra. A hasnyálmirigyrák, a tüdőrák és a szarkómát hordozó egerek agyában kétirányúan megváltozott metabolikus utak elemzése a kontrollokhoz képest. A metabolitkészlet-dúsítási elemzés lehetővé tette annak megállapítását, hogy mely utak érintettek a tumoros egerek agyában a kontrollokhoz képest. A diagramok bemutatják a különféle anyagcsere-utak felülreprezentációs elemzésének eredményeit az egyes metabolitok alapján, amelyeket az egyes mintákban a kísérleti csoportokban azonosítottak. Csak egy út „fehérje [aminosav] bioszintézis” volt következetesen felfelé szabályozva mindhárom rák esetében. A színkódolás a metabolikus útvonalak p értékeit képviseli (a sötétvörös a legkevesebb p-értéket mutatja, a fehér pedig a legnagyobbat o-érték). A rudak hossza a hajtásdúsulást jelenti. A hasnyálmirigyrák esetében a Holm-Bonferroni által beállított p értéktartomány 0,01 (sötétvörös) és 0,9 (fehér) között volt. Tüdőrák esetén, o-az értékek 0,0005 (sötétvörös) és 0,9 (fehér) között változtak. A szarkóma esetében a p-értékek 0,04 és 0,9 között változtak.

4. ábra. Venn-diagramok a hasnyálmirigyrák-, ​​a tüdőrák- és a szarkómát hordozó egerek agyában felfelé és lefelé szabályozott metabolikus utakról, összehasonlítva a kontrollokkal.

5. ábra. A hasnyálmirigyrák, a tüdőrák és a szarkómát hordozó egerek agyában felfelé és lefelé szabályozott metabolikus utak elemzése a kontrollokkal összehasonlítva. A metabolitkészlet felülreprezentációs elemzése lehetővé tette annak megállapítását, hogy mely utak érintettek a tumort hordozó egerek agyában a kontrollokhoz képest. Az elemzéshez két külön fel- és lefelé szabályozott metabolit listát adtak át (az ábra bal oldalán „UP” vagy „DOWN” jelölve). A színkódolás a metabolikus útvonalak p értékeit képviseli (a sötétvörös a legkevesebb p-értéket mutatja, a fehér pedig a legnagyobbat o-érték). A rudak hossza a hajtásdúsulást jelenti.

A mind a három kísérleti csoportban érintett öt út közül a fehérje bioszintézis folyamatát következetesen szabályozták (Holm o A 3. ábrán az állatokat három csoportba osztottuk. A tumor növekedését monitoroztuk; a tumor méretét rendszeresen mértük, és a tumor térfogatát a korábban leírtak szerint számítottuk ki (Stebbing et al., 2014). Ép állatok (nincs daganat, nincs kezelés, n = 3) kiindulási kontrollként szolgált. Az állatokat eutanol túladagolással eutanizálták. Az állatok agyát kivették a koponyájukból, és kettéválasztották. Ezután folyékony nitrogénben lefagyasztották és -80 ° C-on tárolták a további metabolomikai elemzésig.

A szövetminta kivonása

A metabolikus profilalkotást a Metabolomics Innovation Center-ben, Edmonton, AB végeztük, az egér bal hemibrainjának felhasználásával. Mindegyik szövetmintát lemértük, tömegét feljegyeztük, és szövetkivonási puffert készítettünk [85 ml MeOH + 15 ml foszfátpuffer oldat (10 mM)]. Ezután minden szövetmintát a szövet extraháló pufferében homogenizáltunk a szövet térfogatának háromszorosával. Például 90 ul szöveti extrakciós puffert használtunk 30 mg szövethez. Ezután a homogenizált mintákat 14 000 fordulat/perc sebességgel centrifugáltuk, és a felülúszót új fiolába helyeztük. A kapott felülúszót -20 ° C-on tároltuk a folyadékkromatográfiás tandem-tömegspektrometriás további elemzésig (LC-MS/MS).

Közvetlen áramlású injekciós tömegspektrometrikus vegyület azonosítása és mennyiségi meghatározása

Célzott kvantitatív metabolomikai megközelítést alkalmaztunk a minták közvetlen áramlású befecskendezéses tömegspektrometriával (AbsoluteIDQ ™ Kit) történő elemzésére. Ezt a készletvizsgálatot, 4000 QTrap (Applied Biosystems/MDS Sciex) tömegspektrométerrel kombinálva, számos endogén metabolit, köztük aminosavak, acilkarnitinek, glicerofoszfolipidek, szfingolipidek és cukrok célzott azonosítására és mennyiségi meghatározására használták. Ez a módszer ötvözi az analitok derivatizálását és extrakcióját szelektív tömegspektrometrikus detektálással, több reakciómonitor (MRM) pár alkalmazásával. Az izotóppal jelzett belső standardokat egy Kit lemezszűrőbe integrálják a metabolitok mennyiségi meghatározásához.

Az agyi anyagcsere mélységi elemzése

Minden rákot hordozó állatmintához megkaptuk az átlagos metabolitszint értéket, és elosztottuk a kontrollminták értékével, hogy megkapjuk a szeres változás változását (FC). Ezután benyújtottuk a felfelé szabályozott géneket (FC> 1,5) vagy a lefelé szabályozott géneket (FC Kulcsszavak: tumor agy, nem központi idegrendszeri daganatok, metabolomika/metabolit profilozás, állatmodellek, agy öregedése

Idézet: Kovalchuk A, Nersisyan L, Mandal R, Wishart D, Mancini M, Sidransky D, Kolb B és Kovalchuk O (2018) A rosszindulatú, nem központi idegrendszeri daganatok növekedése megváltoztatja az agymetabolomát. Elülső. Közönséges petymeg. 9:41. doi: 10.3389/fgene.2018.00041

Beérkezett: 2017. november 26 .; Elfogadva: 2018. január 30 .;
Publikálva: 2018. február 20.

Alekszej Moszalkev, Biológiai Intézet, Komi Tudományos Központ (RAS), Oroszország

George A. Garinis, Kutatási és Technológiai Alapítvány Hellas, Görögország
Alexander Y. Maslov, Albert Einstein Orvostudományi Főiskola, Egyesült Államok