Reconstructing targetable pathways in lung cancer by integrating diverse omics data.
Reconstructing targetable pathways in lung cancer by integrating diverse omics data.
复制标题
通过整合多样化的OMIC数据来重建肺癌中的可靶向途径。
DOI：
10.1038/ncomms3617
复制
发表时间：
2013
影响因子：
16.6
通讯作者：
Chinnaiyan, Arul M.
中科院分区：
文献类型：
--
作者：
Balbin, O. Alejandro;Prensner, John R.;Sahu, Anirban;Yocum, Anastasia;Shankar, Sunita;Malik, Rohit;Fermin, Damian;Dhanasekaran, Saravana M.;Chandler, Benjamin;Thomas, Dafydd;Beer, David G.;Cao, Xuhong;Nesvizhskii, Alexey I.;Chinnaiyan, Arul M.
全球对癌细胞的“多组学”分析具有表征与特定癌基因相关的信号网络的潜力。在这里，我们分析了一组非小细胞肺癌(NSCLC)细胞系的转录组、蛋白质组和磷酸蛋白质组，以重建与KRAS依赖相关的靶向网络。我们开发了一个分两步走的生物信息学策略，以应对整合这些不同的数据集的挑战。我们首先定义一个结合转录本、蛋白质和磷酸蛋白丰度的‘丰度分数’来命名差异丰富的蛋白质，然后使用获奖收集斯坦纳树算法来识别功能子网络。我们确定了以KRAS和MET、LCK和PAK1以及b-catenin为中心的三个模块。我们验证了这些蛋白在KRAS依赖(KRAS-Dep)细胞中的激活，并进行了功能研究，确定LCK是KRAS-Dep细胞增殖的关键基因，但不是KRAS非依赖NSCLC。这些结果表明，LCK是一种潜在的KRAS-Dep肺癌的药物靶蛋白。
Global ‘multi-omics’ profiling of cancer cells harbours the potential for characterizing the signaling networks associated with specific oncogenes. Here we profile the transcriptome, proteome and phosphoproteome in a panel of non-small cell lung cancer (NSCLC) cell lines in order to reconstruct targetable networks associated with KRAS dependency. We develop a two-step bioinformatics strategy addressing the challenge of integrating these disparate data sets. We first define an ‘abundance-score’ combining transcript, protein and phospho-protein abundances to nominate differentially abundant proteins and then use the Prize Collecting Steiner Tree algorithm to identify functional sub-networks. We identify three modules centered on KRAS and MET, LCK and PAK1 and b-Catenin. We validate activation of these proteins in KRAS-dependent (KRAS-Dep) cells and perform functional studies defining LCK as a critical gene for cell proliferation in KRAS-Dep but not KRAS-independent NSCLCs. These results suggest that LCK is a potential druggable target protein in KRAS-Dep lung cancers.
登录
查看更多内容
算：一种用于提取和预处理光谱计数数据的计算工具，用于无标签的定量蛋白质组学分析。
影响因子：
3.4
作者：
Fermin, Damian;Basrur, Venkatesha;Yocum, Anastasia K.;Nesvizhskii, Alexey I.
通讯作者：
Nesvizhskii, Alexey I.
影响因子：
--
作者：
Chari R;Coe BP;Vucic EA;Lockwood WW;Lam WL
通讯作者：
Lam WL
影响因子：
50.3
作者：
Carretero J;Shimamura T;Rikova K;Jackson AL;Wilkerson MD;Borgman CL;Buttarazzi MS;Sanofsky BA;McNamara KL;Brandstetter KA;Walton ZE;Gu TL;Silva JC;Crosby K;Shapiro GI;Maira SM;Ji H;Castrillon DH;Kim CF;García-Echeverría C;Bardeesy N;Sharpless NE;Hayes ND;Kim WY;Engelman JA;Wong KK
通讯作者：
Wong KK
DOI：
10.1073/pnas.0912708107
发表时间：
2010-04-13
影响因子：
11.1
作者：
Gatza, Michael L.;Lucas, Joseph E.;Nevins, Joseph R.
通讯作者：
Nevins, Joseph R.
阐明致癌途径信号网络模块的基因组策略。
影响因子：
16
作者：
Chang, Jeffrey T.;Carvalho, Carlos;Mori, Seiichi;Bild, Andrea H.;Gatza, Michael L.;Wang, Quanli;Lucas, Joseph E.;Potti, Anil;Febbo, Phillip G.;West, Mike;Nevins, Joseph R.
通讯作者：
Nevins, Joseph R.