Molecular Subtypes in Glioblastoma Multiforme: Integrated Analysis Using Agilent GeneSpring and Mass Profiler Professional Multi-Omics Software
Aplikace | 2016 | Agilent TechnologiesInstrumentace
Glioblastom multiforme je nejčastějším a nejagresivnějším nádorem centrálního nervového systému s mediánem přežití kolem 15 měsíců. Identifikace molekulárních podtypů a pochopení jejich genomických, transkriptomických a proteomických charakteristik je nezbytná pro vývoj cílených terapií a zlepšení prognózy pacientů.
Hlavním cílem bylo provést integrovanou analýzu multi-omics dat GBM pacientů z projektu TCGA a nezávislé proteomické studie za použití softwaru Agilent GeneSpring a Mass Profiler Professional (MPP). Konkrétně se zkoumala asociace mRNA, miRNA, proteomické exprese a kopiových číselných aberací s molekulárními podtypy GBM.
Data TCGA:
• Reprodukce čtyř molekulárních podtypů GBM (Proneural, Classical, Mesenchymal, Neural) na úrovni mRNA expresních dat z TCGA.
• Metadata analýza odhalila, že delece FGFR2 a PTEN se často vyskytují společně, naznačující možnou jedinou chromozomální událost.
• CNV profily kritických genů: amplifikace EGFR a delece CDKN2A/C charakterizují zejména Classical podtyp, zatímco delece NF1 jsou typické pro Mesenchymal.
• Korelace mRNA–miRNA: identifikováno 25 genů neuropoetického vývoje (vč. OLIG2, NKX2-2, SOX11, ASCL1) a 38 validovaných miRNA; pozorovány negativní vztahy mezi geny a miR-21, miR-34a, miR-155 v Proneural podtypu.
• Proteomika: 587 proteinů diferencovaně exprimovaných mezi nádorovými a kontrolními vzorky; PCA i korelace jasně oddělují obě skupiny.
• Integrovaná multi-omics analýza: průnik 587 proteinů a 840 genů TCGA vedl k jádrové sadě 54 signaturních genů/proteinů, které jednoznačně odlišují molekulární podtypy GBM na úrovni proteomu.
• Potvrzení robustnosti multi-omics integrace k subtypizaci GBM.
• Identifikace nových biomarkerů a cílených terapeutických molekul (např. FGFR2, OLIG2, NKX2-2, SOX11).
• Aplikace GeneSpring/MPP jako uživatelsky přívětivého nástroje pro komplexní analýzu genomických, transkriptomických a proteomických dat.
• Rozšíření na single-cell multi-omics pro mapování heterogenity intra-tumorální.
• Pokročilé strojové učení pro predikci odpovědi na léčbu a prognózy.
• Integrace s imunoprofilací a metabolomikou pro komplexní pohled na GBM mikro-okolí.
• Klinická validace signatur a vývoj prognostických panelů pro personalizovanou medicínu.
Integrovaná analýza mRNA, miRNA, proteomu a kopiových aberací pomocí Agilent GeneSpring/MPP poskytla hluboký náhled do molekulárních podtypů glioblastomu. Jádrová sada 54 signaturních genů/proteinů umožňuje spolehlivou klasifikaci podtypů a identifikaci nových biomarkerů, což otevírá cestu k efektivnějším cíleným terapiím.
1. Cancer Genome Atlas Research Network. Comprehensive genomic characterization defines human glioblastoma genes and core pathways. Nature 2008;455:1061–1068.
2. Phillips HS et al. Molecular subclasses of high-grade glioma predict prognosis, delineate a pattern of disease progression, and resemble stages in neurogenesis. Cancer Cell 2006;9:157–173.
3. Verhaak RGW et al. Integrated genomic analysis identifies clinically relevant subtypes of glioblastoma characterized by abnormalities in PDGFRA, IDH1, EGFR, and NF1. Cancer Cell 2010;17:98–110.
4. Noushmehr H et al. Identification of a CpG island methylator phenotype that defines a distinct subgroup of glioma. Cancer Cell 2010;17:510–522.
5. Brennan CW et al. The Somatic Genomic Landscape of Glioblastoma. Cell 2013;155(2):462–477.
6. Silber J et al. miR-34a repression in proneural malignant gliomas upregulates expression of its target PDGFRA and promotes tumorigenesis. PLoS One 2012;7(3):e33844.
7. Ligon KL et al. Olig2-regulated lineage-restricted pathway controls replication competence in neural stem cells and malignant glioma. Neuron 2007;53:503–517.
8. Møller HG et al. A Systematic Review of MicroRNA in Glioblastoma Multiforme: Micro-modulators in the Mesenchymal Mode of Migration and Invasion. Mol Neurobiol 2013;47:131–144.
9. Heroux MS et al. Comprehensive characterization of glioblastoma tumor tissues for biomarker identification using mass spectrometry-based label-free quantitative proteomics. Physiol Genomics 2014;46:467–481.
Software
ZaměřeníProteomika, Metabolomika
VýrobceAgilent Technologies
Souhrn
Význam tématu
Glioblastom multiforme je nejčastějším a nejagresivnějším nádorem centrálního nervového systému s mediánem přežití kolem 15 měsíců. Identifikace molekulárních podtypů a pochopení jejich genomických, transkriptomických a proteomických charakteristik je nezbytná pro vývoj cílených terapií a zlepšení prognózy pacientů.
Cíle a přehled článku
Hlavním cílem bylo provést integrovanou analýzu multi-omics dat GBM pacientů z projektu TCGA a nezávislé proteomické studie za použití softwaru Agilent GeneSpring a Mass Profiler Professional (MPP). Konkrétně se zkoumala asociace mRNA, miRNA, proteomické exprese a kopiových číselných aberací s molekulárními podtypy GBM.
Použitá metodika a instrumentace
Data TCGA:
- 840 mRNA profilů u 173 vzorků GBM z různých mikročipových platforem
- 534 miRNA expresních profilů na Agilent 8×15K mikročipu
- CNA data z Brennan et al. (log2 poměry proti normálnímu genomu, prahy pro delece a amplifikace)
- 10 GBM a 10 kontrolních vzorků (mozková tkáň z epilepsie)
- Homogenizace, SDS-PAGE, in-gel trypsinová digesce
- HPLC-Chip/MS (Agilent 6550 iFunnel Q-TOF MS)
- Analýza Spectrum Mill, 1 % FDR, export do MPP
- GeneSpring/MPP 13.0: hierarchické shlukování (Euclidean + Ward), PCA, metadata framework
- Pearsonova korelace mezi vzorky i entitami
- GO analýza (hypergeometrické testy) a dotazy na databázi miRWalk
Hlavní výsledky a diskuse
• Reprodukce čtyř molekulárních podtypů GBM (Proneural, Classical, Mesenchymal, Neural) na úrovni mRNA expresních dat z TCGA.
• Metadata analýza odhalila, že delece FGFR2 a PTEN se často vyskytují společně, naznačující možnou jedinou chromozomální událost.
• CNV profily kritických genů: amplifikace EGFR a delece CDKN2A/C charakterizují zejména Classical podtyp, zatímco delece NF1 jsou typické pro Mesenchymal.
• Korelace mRNA–miRNA: identifikováno 25 genů neuropoetického vývoje (vč. OLIG2, NKX2-2, SOX11, ASCL1) a 38 validovaných miRNA; pozorovány negativní vztahy mezi geny a miR-21, miR-34a, miR-155 v Proneural podtypu.
• Proteomika: 587 proteinů diferencovaně exprimovaných mezi nádorovými a kontrolními vzorky; PCA i korelace jasně oddělují obě skupiny.
• Integrovaná multi-omics analýza: průnik 587 proteinů a 840 genů TCGA vedl k jádrové sadě 54 signaturních genů/proteinů, které jednoznačně odlišují molekulární podtypy GBM na úrovni proteomu.
Přínosy a praktické využití metody
• Potvrzení robustnosti multi-omics integrace k subtypizaci GBM.
• Identifikace nových biomarkerů a cílených terapeutických molekul (např. FGFR2, OLIG2, NKX2-2, SOX11).
• Aplikace GeneSpring/MPP jako uživatelsky přívětivého nástroje pro komplexní analýzu genomických, transkriptomických a proteomických dat.
Budoucí trendy a možnosti využití
• Rozšíření na single-cell multi-omics pro mapování heterogenity intra-tumorální.
• Pokročilé strojové učení pro predikci odpovědi na léčbu a prognózy.
• Integrace s imunoprofilací a metabolomikou pro komplexní pohled na GBM mikro-okolí.
• Klinická validace signatur a vývoj prognostických panelů pro personalizovanou medicínu.
Závěr
Integrovaná analýza mRNA, miRNA, proteomu a kopiových aberací pomocí Agilent GeneSpring/MPP poskytla hluboký náhled do molekulárních podtypů glioblastomu. Jádrová sada 54 signaturních genů/proteinů umožňuje spolehlivou klasifikaci podtypů a identifikaci nových biomarkerů, což otevírá cestu k efektivnějším cíleným terapiím.
Reference
1. Cancer Genome Atlas Research Network. Comprehensive genomic characterization defines human glioblastoma genes and core pathways. Nature 2008;455:1061–1068.
2. Phillips HS et al. Molecular subclasses of high-grade glioma predict prognosis, delineate a pattern of disease progression, and resemble stages in neurogenesis. Cancer Cell 2006;9:157–173.
3. Verhaak RGW et al. Integrated genomic analysis identifies clinically relevant subtypes of glioblastoma characterized by abnormalities in PDGFRA, IDH1, EGFR, and NF1. Cancer Cell 2010;17:98–110.
4. Noushmehr H et al. Identification of a CpG island methylator phenotype that defines a distinct subgroup of glioma. Cancer Cell 2010;17:510–522.
5. Brennan CW et al. The Somatic Genomic Landscape of Glioblastoma. Cell 2013;155(2):462–477.
6. Silber J et al. miR-34a repression in proneural malignant gliomas upregulates expression of its target PDGFRA and promotes tumorigenesis. PLoS One 2012;7(3):e33844.
7. Ligon KL et al. Olig2-regulated lineage-restricted pathway controls replication competence in neural stem cells and malignant glioma. Neuron 2007;53:503–517.
8. Møller HG et al. A Systematic Review of MicroRNA in Glioblastoma Multiforme: Micro-modulators in the Mesenchymal Mode of Migration and Invasion. Mol Neurobiol 2013;47:131–144.
9. Heroux MS et al. Comprehensive characterization of glioblastoma tumor tissues for biomarker identification using mass spectrometry-based label-free quantitative proteomics. Physiol Genomics 2014;46:467–481.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.
Podobná PDF
Pathways to InsIght
2015|Agilent Technologies|Brožury a specifikace
Pathways to Insight Integrated Biology at Agilent “Biological research is expanding enormously in its ability diverse and complementary data types and to inject prior TREY IDEKER, PhD, Departments of Medicine and to decipher complex systems. This ability derives from the…
Klíčová slova
genespring, genespringomics, omicsbiology, biologypathway, pathwayintegrated, integratedpathways, pathwaysresearchers, researchersapproaches, approachesagilent, agilentdata, datatranscriptomics, transcriptomicsdiscovery, discoveryngs, ngsarchitect, architectproteomics
Integrated Transcriptomics and Metabolomics Study of Retinoblastoma Using Agilent Microarrays and LC/MS/GC/MS Platforms
2015|Agilent Technologies|Aplikace
Integrated Transcriptomics and Metabolomics Study of Retinoblastoma Using Agilent Microarrays and LC/MS/GC/MS Platforms Application Note Authors Abstract Nilanjan Guha, Deepak S.A., This Application Note illustrates a multi-omics approach combining Syed Lateef, Seetaraman Gundimeda, transcriptomics and metabolomics to study molecular events…
Klíčová slova
mirna, mirnagene, geneexpression, expressionpathway, pathwayagilent, agilentmicroarray, microarrayomics, omicsmetabolomics, metabolomicstranscriptomics, transcriptomicsusing, usingentities, entitiesgenespring, genespringdata, datawere, weredifferential
A Multi-omic Approach to Reveal the Effect of Low-level Gamma Radiation on Rice Seeds
2016|Agilent Technologies|Aplikace
A Multi-omic Approach to Reveal the Effect of Low-level Gamma Radiation on Rice Seeds Application Note Authors Abstract Hayashi, G1., Shibato, J2,3., Kubo, 4 5 This Application Note describes the workflow for identifying the stress-related 6 A ., Imanaka, T…
Klíčová slova
genes, genesexpression, expressiongene, genepathway, pathwayentities, entitiesrice, riceseeds, seedsmetabolism, metabolismfatty, fattysoil, soilradiation, radiationacid, acidanalysis, analysiscorrelation, correlationmetabolites
Tumor heterogeneity of glioblastoma analyzed via SpatialOMx and HiPLEX-IHC MALDI Imaging
2023|Bruker|Postery
ASMS 2023 Tumor heterogeneity of glioblastoma analyzed via SpatialOMx and HiPLEX-IHC MALDI Imaging Corinna Henkel1, Signe Frost Frederiksen1, Matthias Szesny1, Jörg Bartsch2, Katherine Stumpo3, Melanie Föll4, Oliver Schilling4 1Bruker Daltonics GmbH & Co.KG, 28359 Bremen, Germany 2Department of Neurosurgery/Lab, Faculty…
Klíčová slova
hiplex, hiplexmaldi, maldiihc, ihctumor, tumorimaging, imagingglioblastoma, glioblastomaheterogeneity, heterogeneityspatialomx, spatialomxmicroenvironment, microenvironmentlipid, lipidastrocytoma, astrocytomagbm, gbmspecific, specifictissue, tissuecells