Биоинформатические подходы к изучению и лечению рака

Биоинформатические подходы к изучению и лечению рака легких Мария Шутова, ИОГен РАН BISS 2014 Типы рака легких (гистология) SCLC vs NSCLC smoking is the main case metastasizes early shorter latency usually discovered aier spreading to regional nodes •  35 weeks average survival with treatment •  radiakon and chemotherapy •  Myc, p53 mutakons • 
• 
• 
• 
•  metastasizes late •  long latency period •  usually treated before it spreads •  slow growing and progression •  beeer prognosis, higher 5 year survival rate •  surgery before metastasis Yates et al., 2012 Chromosomal instability Microsatellite instability Yates et al., 2012 Фенотип опухоли •  накопленные мутации •  (stem-­‐cell-­‐like?) свойства начальных клеток, тип начальных клеток •  микроокружение опухоли – изначальное, и в процессе роста •  терапия Типы рака легких (генетика) 97% этих мутаций – взаимоисключающие! +p53, Rb Bunn et al., 2012 Sharma et al., 2010 Pietanza & Marc Ladanyi, 2012 Типы рака легких (генетика) Типы рака легких (cell of origin) “Stemness” tests: -­‐  in vitro properkes (+spheres) -­‐  lineage tracing by spec markers -­‐  xenograis (trachea, subcutaneously) -­‐  chemoresistance in vitro known as Bronchialveolar Stem Cells? (Kim et al., 2005) Goding et al., 2014 Kate D. Sutherland, Anton Berns, 2010 Типы рака легких (cell of origin) Kate D. Sutherland, Anton Berns, 2010
genekcs + cell of origin = cancer evolukon Podlaha et al., 2012 cell of origin + genekcs = cancer evolukon классическая модель: множественная, последовательная клональная экспансия обусловленная накоплением мутаций, селектируемых под давлением микроокружения (most recent common ancestor) временной и/или географический анализ клонов Yates & Campbell, 2012 + environment genekcs + cell of origin + environment = cancer evolukon Методы анализа Single-­‐cell sequencing: -­‐  лимитированное количество клеток в биопсии (вариант – ксенографт в мыши) -­‐  полногеномная амплификация генома каждой клетки -­‐ > биасы -­‐  неравномерное покрытие -­‐  allele dropout (8-­‐40%) -­‐  мат модели, использующиеся для нахождения эволюционных связей между организмами Смешанные популяции: -­‐  случайный набор молекул ДНК -­‐  обнаружение (распределение) мутаций зависит от покрытия и частот аллелей -­‐  специально разработанные алгоритмы много гетерогенных сэмплов разных популяций одной опухоли Yates & Campbell, 2012 Whole-­‐genome sequencing data convergent evolukon (обычно – 2-­‐20 мутаций) Yates & Campbell, 2012 Сложности Сложности •  большинство раков ассоциированы с множеством генов, которые мутируют с низкой частотой •  гетерогенность мутаций в определенном гене •  только 10 генов (из тысяч), связанных с раком яичника встречаются менее чем в 10% случаев (только TP53 > 10%) Сложности •  НО они обычно кластеризуются и показывают нарушения определенных клеточных процессов (сигнальных сетей) •  -­‐> имеет смысл использовать транскриптомные данные для подтверждения геномных Сложности + copy number alterakons, DNA methylakon Сложности •  часто – эпистатические взаимодействия генов (со-­‐
появление мутаций в парах генов, “онкоген-­‐
индуцированное старение” как естественная защита клетки на одиночную мутацию в онкогене, конвергентная эволюция между разными клонами) Сложности •  ограниченное количество фенотипов •  пластичность клеток опухоли (переход из NSCLC в SCLC после лечения, с сохранением специфических мутаций) Варианты решения •  борьба с гетерогенностью опухолей (механическая, маркеры) •  новые, более точные алгоритмы обработки •  улучшение технологий single-­‐cell sequencing •  алгоритмы совместной обработки «-­‐омных» данных •  Genekcally engineered mouse models (GEMMs) -­‐  быстрое получение трансгенных мышей с использованием ЭСК-­‐технологий -­‐  отсутствие “генетического шума” (клональность) -­‐  интактные in vivo условия -­‐  тестирование лекарств -­‐  анализ ВСЕЙ опухоли и метастаз на разных временных стадиях -­‐  индуцированные точечные мутации (CRISPR-­‐Cre, TALEN), регуляция экспрессии генов (малые молекулы, РНК-­‐
интерференция) -­‐  отличие driver и passenger мутаций -­‐  маркировка всей опухоли или ее частей (флуоресцентные/биолюминесцентные репортеры) -­‐  контроль за cell-­‐of-­‐origin (специфичные промоторы) -­‐  контролируемые волны спонтанного мутагенеза (транспозоны) Huijbers et al., 2011, 2014 Huijbers et al., 2014 Положительный пример: Mycl1 и Pten в эволюции SCLC (Trp53-­‐/Rb1-­‐ SCLC GEMM) global DNA copy alteratons significantly mutated genes in all tumors McFadden et al., 2014 Future of cancer biology Kool et al., 2009 Инсерционный мутагенез с использованием ДНК транспозонов (common inserkon sites analysis) Kool et al., 2009 Ding et al., aug 2014 Future of cancer bioinformakcs Future of cancer research Figure 2. Genome Based Personalized Cancer Therapeutics, a Two Pronged Approach-The One Two Punch. Schematic illustration of
http://www.discoverymedicine.com/Donald-D-Rao/files/2013/03/discovery_medicine_no_81_john_nemunaitis_figure_2.jpg.jhtml?id=2|attachment_13
Rao et al., 2013