Informations

17.5 : Génomique et Protéomique - Biologie

17.5 : Génomique et Protéomique - Biologie



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Compétences à développer

  • Expliquer la biologie des systèmes
  • Décrire un protéome
  • Définir la signature protéique

Les protéines sont les produits finaux des gènes, qui aident à remplir la fonction codée par le gène. Toutes les enzymes (à l'exception des ribozymes) sont des protéines qui agissent comme des catalyseurs pour affecter la vitesse des réactions. Les protéines sont également des molécules régulatrices, et certaines sont des hormones. Les protéines de transport, telles que l'hémoglobine, aident à transporter l'oxygène vers divers organes. Les anticorps qui se défendent contre les particules étrangères sont également des protéines. Dans l'état pathologique, la fonction protéique peut être altérée en raison de changements au niveau génétique ou en raison d'un impact direct sur une protéine spécifique.

Un protéome est l'ensemble des protéines produites par un type cellulaire. Les protéomes peuvent être étudiés en utilisant la connaissance des génomes car les gènes codent pour les ARNm et les ARNm codent pour les protéines. Bien que l'analyse de l'ARNm soit un pas dans la bonne direction, tous les ARNm ne sont pas traduits en protéines. L'étude de la fonction des protéomes est appelée protéomique. La protéomique complète la génomique et est utile lorsque les scientifiques veulent tester leurs hypothèses basées sur des gènes. Même si toutes les cellules d'un organisme multicellulaire ont le même ensemble de gènes, l'ensemble de protéines produites dans différents tissus est différent et dépend de l'expression des gènes. Ainsi, le génome est constant, mais le protéome varie et est dynamique au sein d'un organisme. De plus, les ARN peuvent être épissés alternativement (couper et coller pour créer de nouvelles combinaisons et de nouvelles protéines) et de nombreuses protéines sont modifiées après traduction par des processus tels que le clivage protéolytique, la phosphorylation, la glycosylation et l'ubiquitination. Il existe également des interactions protéine-protéine, qui compliquent l'étude des protéomes. Bien que le génome fournisse un modèle, l'architecture finale dépend de plusieurs facteurs qui peuvent modifier la progression des événements qui génèrent le protéome.

La métabolomique est liée à la génomique et à la protéomique. La métabolomique implique l'étude des métabolites de petites molécules trouvés dans un organisme. Le métabolome est l'ensemble complet des métabolites liés à la constitution génétique d'un organisme. La métabolomique offre la possibilité de comparer la constitution génétique et les caractéristiques physiques, ainsi que la constitution génétique et les facteurs environnementaux. L'objectif de la recherche sur les métabolomes est d'identifier, de quantifier et de cataloguer tous les métabolites présents dans les tissus et les fluides des organismes vivants.

Techniques de base en analyse des protéines

Le but ultime de la protéomique est d'identifier ou de comparer les protéines exprimées à partir d'un génome donné dans des conditions spécifiques, d'étudier les interactions entre les protéines et d'utiliser les informations pour prédire le comportement cellulaire ou développer des cibles médicamenteuses. Tout comme le génome est analysé à l'aide de la technique de base du séquençage de l'ADN, la protéomique nécessite des techniques d'analyse des protéines. La technique de base pour l'analyse des protéines, analogue au séquençage de l'ADN, est la spectrométrie de masse. La spectrométrie de masse est utilisée pour identifier et déterminer les caractéristiques d'une molécule. Les progrès de la spectrométrie ont permis aux chercheurs d'analyser de très petits échantillons de protéines. La cristallographie aux rayons X, par exemple, permet aux scientifiques de déterminer la structure tridimensionnelle d'un cristal de protéine à une résolution atomique. Une autre technique d'imagerie des protéines, la résonance magnétique nucléaire (RMN), utilise les propriétés magnétiques des atomes pour déterminer la structure tridimensionnelle des protéines en solution aqueuse. Les puces à protéines ont également été utilisées pour étudier les interactions entre les protéines. Des adaptations à grande échelle du criblage de base à deux hybrides (Figure (PageIndex{1})) ont fourni la base des puces à protéines. Un logiciel informatique est utilisé pour analyser la grande quantité de données générées pour l'analyse protéomique.

Les analyses à l'échelle génomique et protéomique font partie de la biologie des systèmes. La biologie des systèmes est l'étude de systèmes biologiques entiers (génomes et protéomes) basée sur les interactions au sein du système. L'Institut européen de bioinformatique et la Human Proteome Organization (HUPO) développent et mettent en place des outils efficaces pour trier l'énorme pile de données de biologie des systèmes. Étant donné que les protéines sont les produits directs des gènes et reflètent l'activité au niveau génomique, il est naturel d'utiliser des protéomes pour comparer les profils protéiques de différentes cellules afin d'identifier les protéines et les gènes impliqués dans les processus pathologiques. La plupart des essais de médicaments pharmaceutiques ciblent les protéines. Les informations obtenues à partir de la protéomique sont utilisées pour identifier de nouveaux médicaments et comprendre leurs mécanismes d'action.

Le défi des techniques utilisées pour les analyses protéomiques est la difficulté de détecter de petites quantités de protéines. Bien que la spectrométrie de masse soit bonne pour détecter de petites quantités de protéines, les variations de l'expression des protéines dans les états pathologiques peuvent être difficiles à discerner. Les protéines sont des molécules naturellement instables, ce qui rend l'analyse protéomique beaucoup plus difficile que l'analyse génomique.

Protéomique du cancer

Les génomes et protéomes de patients souffrant de maladies spécifiques sont étudiés pour comprendre les bases génétiques de la maladie. La maladie la plus importante à l'étude avec des approches protéomiques est le cancer. Des approches protéomiques sont utilisées pour améliorer le dépistage et la détection précoce du cancer; ceci est réalisé en identifiant des protéines dont l'expression est affectée par le processus de la maladie. Une protéine individuelle est appelée un biomarqueur, tandis qu'un ensemble de protéines avec des niveaux d'expression modifiés est appelé une signature protéique. Pour qu'un biomarqueur ou une signature protéique soit utile en tant que candidat pour le dépistage et la détection précoces d'un cancer, il doit être sécrété dans les fluides corporels, tels que la sueur, le sang ou l'urine, de sorte que des dépistages à grande échelle puissent être effectués dans un environnement non -mode invasive. Le problème actuel avec l'utilisation de biomarqueurs pour la détection précoce du cancer est le taux élevé de résultats faussement négatifs. Un faux négatif est un résultat de test incorrect qui aurait dû être positif. En d'autres termes, de nombreux cas de cancer ne sont pas détectés, ce qui rend les biomarqueurs peu fiables. Quelques exemples de biomarqueurs protéiques utilisés dans la détection du cancer sont le CA-125 pour le cancer de l'ovaire et le PSA pour le cancer de la prostate. Les signatures protéiques peuvent être plus fiables que les biomarqueurs pour détecter les cellules cancéreuses. La protéomique est également utilisée pour développer des plans de traitement individualisés, ce qui implique de prédire si un individu réagira ou non à des médicaments spécifiques et les effets secondaires que l'individu peut ressentir. La protéomique est également utilisée pour prédire la possibilité de récidive de la maladie.

Le National Cancer Institute a développé des programmes pour améliorer la détection et le traitement du cancer. Les technologies protéomiques cliniques pour le cancer et le réseau de recherche sur la détection précoce visent à identifier des signatures protéiques spécifiques à différents types de cancers. Le programme de protéomique biomédicale est conçu pour identifier les signatures protéiques et concevoir des thérapies efficaces pour les patients atteints de cancer.

Sommaire

La protéomique est l'étude de l'ensemble des protéines exprimées par un type cellulaire donné dans certaines conditions environnementales. Dans un organisme multicellulaire, différents types de cellules auront des protéomes différents, et ceux-ci varieront en fonction des changements dans l'environnement. Contrairement à un génome, un protéome est dynamique et en constante évolution, ce qui le rend à la fois plus compliqué et plus utile que la seule connaissance des génomes.

Les approches protéomiques reposent sur l'analyse des protéines ; ces techniques sont constamment améliorées. La protéomique a été utilisée pour étudier différents types de cancer. Différents biomarqueurs et signatures protéiques sont utilisés pour analyser chaque type de cancer. L'objectif futur est d'avoir un plan de traitement personnalisé pour chaque individu.

Glossaire

biomarqueur
protéine individuelle qui est produite uniquement dans un état malade
faux négatif
résultat de test incorrect qui aurait dû être positif
métabolome
ensemble complet de métabolites liés à la constitution génétique d'un organisme
métabolomique
étude des métabolites de petites molécules trouvés dans un organisme
signature protéique
ensemble de protéines exprimées de manière unique à l'état malade
protéome
ensemble complet de protéines produites par un type cellulaire
protéomique
étude de la fonction des protéomes
biologie des systèmes
étude de systèmes biologiques entiers (génomes et protéomes) basée sur les interactions au sein du système

17 Biotechnologie et génomique

Certaines des plus grandes réalisations de la biotechnologie se trouvent dans les domaines de la médecine et de la recherche médicale. Par exemple, l'insuffisance intestinale due à un tissu intestinal manquant ou anormal est un problème fréquent chez les bébés prématurés. Les problèmes intestinaux sont également fréquents chez les personnes qui ont subi une ablation de l'intestin grêle pour des raisons telles que la maladie de Crohn, le cancer et des blocages. Les complications d'une insuffisance intestinale peuvent inclure une maladie du foie, une prolifération bactérienne, une déshydratation et une malnutrition.

Les scientifiques ont récemment mis au point un moyen de fabriquer des intestins humains à partir de cellules humaines en utilisant des souris. En utilisant un mélange de cellules intestinales saines de souris et humaines et en le plaçant sur un échafaudage dans la cavité abdominale de souris immunodéprimées, les cellules intestinales humaines fonctionnelles se développent en quatre semaines. Cela pourrait être la percée nécessaire pour aider les patients souffrant d'insuffisance intestinale. Plus de détails sur cette recherche passionnante peuvent être trouvés ici.

  • Vous êtes ici :  
  • Accueil
  • Parapluie
  • Manuels
  • Bio581
  • Chapitre 11 Méiose et reproduction sexuelle
  • 11.1 Le processus de la méiose

Ce texte est basé sur Openstax Biology for AP Courses, Senior Contributing Authors Julianne Zedalis, The Bishop's School in La Jolla, CA, John Eggebrecht, Cornell University Contributing Authors Yael Avissar, Rhode Island College, Jung Choi, Georgia Institute of Technology, Jean DeSaix , Université de Caroline du Nord à Chapel Hill, Vladimir Jurukovski, Suffolk County Community College, Connie Rye, East Mississippi Community College, Robert Wise, Université du Wisconsin, Oshkosh

Ce travail est sous licence Creative Commons Attribution-NonCommercial 4.0 Unported License, sans restrictions supplémentaires


17.5 : Génomique et Protéomique - Biologie

Tous les articles publiés par MDPI sont rendus immédiatement disponibles dans le monde entier sous une licence en libre accès. Aucune autorisation particulière n'est requise pour réutiliser tout ou partie de l'article publié par MDPI, y compris les figures et les tableaux. Pour les articles publiés sous licence Creative Common CC BY en accès libre, toute partie de l'article peut être réutilisée sans autorisation à condition que l'article original soit clairement cité.

Les articles de fond représentent la recherche la plus avancée avec un potentiel important d'impact élevé dans le domaine. Les articles de fond sont soumis sur invitation individuelle ou sur recommandation des éditeurs scientifiques et font l'objet d'un examen par les pairs avant leur publication.

L'article de fond peut être soit un article de recherche original, soit une nouvelle étude de recherche substantielle qui implique souvent plusieurs techniques ou approches, ou un article de synthèse complet avec des mises à jour concises et précises sur les derniers progrès dans le domaine qui passe systématiquement en revue les avancées les plus passionnantes dans le domaine scientifique. Littérature. Ce type d'article donne un aperçu des orientations futures de la recherche ou des applications possibles.

Les articles du Choix de l'éditeur sont basés sur les recommandations des éditeurs scientifiques des revues MDPI du monde entier. Les rédacteurs en chef sélectionnent un petit nombre d'articles récemment publiés dans la revue qui, selon eux, seront particulièrement intéressants pour les auteurs ou importants dans ce domaine. L'objectif est de fournir un aperçu de certains des travaux les plus passionnants publiés dans les différents domaines de recherche de la revue.


Concept en action


L'héritage mendélien en ligne chez l'homme (OMIM) est un catalogue en ligne consultable de gènes humains et de troubles génétiques. Ce site Web présente la cartographie du génome et détaille également l'histoire et la recherche de chaque trait et trouble. Cliquez sur le lien pour rechercher des caractéristiques (telles que la gaucherie) et des troubles génétiques (tels que le diabète).


Vivax Malaria : un aperçu

Les infections paludéennes humaines peuvent être causées par cinq Plasmodium espèce. P. falciparum est considéré comme le parasite le plus mortel, causant les résultats cliniques les plus graves, alors que P. vivax est la plus répandue géographiquement dans les régions densément peuplées, accentuant ainsi le fardeau socio-économique causé par la maladie (Gething et al., 2012 OMS, 2015). Récemment, le paludisme à vivax est réapparu dans des régions autrefois considérées comme exemptes de paludisme (Severini et al., 2004 Kim et al., 2009 Bitoh et al., 2011). Dans le monde, on estime qu'environ 2,85 milliards de personnes risquent d'être infectées par P. vivax (Price et al., 2007 Guerra et al., 2010 Battle et al., 2012 Gething et al., 2012). Suite au déclin de P. falciparum infections, P. vivax est désormais l'espèce dominante du paludisme dans plusieurs régions endémiques (Coura et al., 2006 Gething et al., 2012 Hussain et al., 2013 OMS, 2015), où les rapports montrent une incidence plus élevée, en particulier chez les jeunes enfants (Marsh et al. , 1995 Williams et al., 1997 Price et al., 2007 Genton et al., 2008 Tjitra et al., 2008). Plusieurs complications cliniques qui étaient normalement associées à P. falciparum des infections ont été signalées pour le paludisme à vivax (Kochar et al., 2005, 2009a Hutchinson et Lindsay, 2006 Baird, 2007 Barcus et al., 2007 Alexandre et al., 2010 Rahimi et al., 2014). Les plus observés sont l'anémie (Haldar et Mohandas, 2009 Quintero et al., 2011), les troubles hémolytiques, la coagulation, la jaunisse (Sharma et al., 1993 Erhart et al., 2004 Lacerda et al., 2004 Saharan et al., 2009 ) et le syndrome de détresse respiratoire aiguë (Anstey et al., 2002, 2007 Suratt et Parsons, 2006 Tan et al., 2008 Lacerda et al., 2012b Lanca et al., 2012), suivis de la néphropathologie (Chung et al., 2008 ), la porphyrie (Kochar et al., 2009b), la rhabdomyolyse (Siqueira et al., 2010), la rupture splénique (de Lacerda et al., 2007 Gupta, 2010) et le neuropaludisme (Lampah et al., 2011 Tanwar et al. ., 2011). Le paludisme à Vivax pendant la grossesse provoquant des avortements spontanés, des nouveau-nés prématurés et de faible poids (McGready et al., 2004 Poespoprodjo et al., 2008) est un autre problème de santé majeur, remettant en cause la vision préétablie de P. vivax comme un parasite « bénin » (Mendis et al., 2001 Baird, 2007 Anstey et al., 2009 Mueller et al., 2009 Gething et al., 2012 Naing et al., 2014).

Selon les directives de l'Organisation mondiale de la santé (OMS) (OMS, 2015), la première ligne P. vivax la chimiothérapie est la chloroquine (CQ) plus la primaquine (PQ), le seul médicament approuvé ciblant la forme parasitaire latente (Beutler et al., 2007). Dans les zones à forte transmission présentant des cas de résistance aux médicaments, une thérapie combinée à base d'artémisinine (ACT) est recommandée (OMS, 2010). L'augmentation et la propagation constantes de la résistance aux médicaments antipaludiques restent très préoccupantes (Baird, 2004 de Santana Filho et al., 2007 Suwanarusk et al., 2007 Poespoprodjo et al., 2008 Russell et al., 2008 Tjitra et al., 2008 Price et al., 2009, 2014).

P. vivax avait un chemin évolutif distinct de P. falciparum, étant plus étroitement lié à P. cynomolgi, un taxon frère qui infecte les singes macaques asiatiques (Duval et al., 2010 Liu et al., 2014 Luo et al., 2015). Probablement en raison d'un chemin évolutif si unique, P. vivax présente des caractéristiques biologiques uniques (Baird, 2007 Mueller et al., 2009 Gething et al., 2012) qui le distinguent de P. falciparum (Figure 1):

(1) Préférence pour les réticulocytes envahissants (RT) (Field et Shute, 1956), augmentant leur déformabilité, leur taille, leur fragilité et leur perméabilité (Kitchen, 1938 Suwanarusk et al., 2004 Handayani et al., 2009 Desai, 2014), ce qui Autoriser P. vivax pour échapper au système immunitaire de l'hôte (del Portillo et al., 2004 Suwanarusk et al., 2004 Handayani et al., 2009) et maintenir sa parasitémie caractéristique à faible biomasse (Mueller et al., 2009).

(2) Production précoce de stades sexuels au cours de l'infection (Boyd et Kitchen, 1937), avec une forme sphérique caractéristique observée dans la circulation sanguine périphérique avant même le début des symptômes cliniques, qui pourraient fonctionner comme un réservoir pour favoriser une transmission réussie aux moustiques (Boyd et Kitchen, 1937 Bousema et Drakeley, 2011).

(3) Formation d'hypnozoïtes, qui restent dans le foie à l'état latent (Krotoski et al., 1982 Baird et al., 2007), et dont les mécanismes de réactivation sont encore inconnus (Mueller et al., 2009).

Figure 1. Plasmodium vivax et Plasmodium falciparum comparaison du cycle de vie. (UNE) Anophèle infection du repas de sang : l'infection palustre survient une fois qu'une femme Anophèle spp. inoculation de moustiques Plasmodium sporozoïtes dans la peau de l'hôte humain pendant son alimentation (Kiszewski et al., 2004). Les sporozoïtes finissent par atteindre la circulation sanguine. (B) Infection au stade pré-érythrocytaire : les sporozoïtes sont transportés à travers le système vasculaire jusqu'au foie, où ils migrent à travers les cellules de Kupffer ou endothéliales et pénètrent dans les hépatocytes. Lorsqu'un hépatocyte est trouvé et dans un délai de 10� jours, les sporozoïtes des deux Plasmodium Les espèces forment une membrane de vacuole parasitophore et se différencient en schizontes. Le processus de schizogonie implique des milliers de réplications mitotiques donnant lieu à un nombre élevé de mérozoïtes emballés dans des mérosomes, qui sont ensuite libérés dans la circulation sanguine. P. vivax les sporozoïtes peuvent également se différencier en formes hépatiques dormantes de longue durée appelées hypnozoïtes qui, lors de l'activation, déclenchent une schizogonie avec pour conséquence la libération de mérozoïtes dans le système vasculaire, provoquant par conséquent des rechutes cliniques (Krotoski, 1985). (C) Stade érythrocytaire asexué : Au cours de ce stade de 48 h, P. vivax les mérozoïtes ont une préférence pour l'invasion des réticulocytes, alors que P. falciparum envahissent les normocytes. Lors de l'invasion, le parasite favorise plusieurs altérations de ces cellules sanguines, les agrandissant et les déformant (Suwanarusk et al., 2004) et favorisant la formation de complexes cavéole-vésicule (CVC) et de structures de fente cytoplasmique (Barnwell et al., 1990) , résultant en un environnement approprié pour la schizogonie asexuée dans la circulation sanguine. L'ensemble spécifique de protéines de surface produites par les parasites influence la proportion de différents stades parasitaires observés dans le sang périphérique du patient et il est suggéré qu'il soit lié aux différents niveaux de capacité pyrogène, de biomasse et de parasitémie présentés par les patients atteints de paludisme à vivax ou à falciparum. . RBC, globule rouge. (RÉ) Développement de gamétocytes intra-érythrocytaires: Une proportion de parasites asexués est connue pour subir une gamétocytogénèse en micro- et macrogamétocytes sexuels de forme ronde, assez tôt (4 jours) après P. vivax infection par rapport à P. falciparum (15 jours post-infection) (Pelle et al., 2015), avant la détection de tout symptôme clinique. (E) Stade du moustique : les gamétocytes circulant dans le sang peuvent être absorbés par le prochain Anophèle repas de sang et s'engager dans le cycle sexuel avec libération de gamètes matures mâles et femelles, fécondation (zygote) et formation d'ookinètes mobiles qui traversent l'épithélium de l'intestin moyen du moustique et mûrissent en oocystes. L'oocyste, une nouvelle entité réplicative sporogonique asexuée, génère et libère des milliers de sporozoïtes. Ces sporozoïtes migrent et envahissent les glandes salivaires du moustique vecteur et peuvent ensuite être transmis à un nouvel hôte humain, complétant ainsi le cycle de vie complexe du parasite (Mueller et al., 2009).

P. vivax la recherche a été considérablement limitée par le manque d'un système fiable et reproductible in vitro système de culture à long terme (efforts de culture examinés par Udomsangpetch et al., 2008 Noulin et al., 2013). Ces limites se reflètent à la fois dans la quantité et la qualité des tests fonctionnels effectués dans ex vivo cultures à court terme (Noulin et al., 2013). De plus, l'utilisation alternative d'études sur des singes avec des souches adaptées de P. vivax (Beeson et Crabb, 2007 Panichakul et al., 2007) n'est pas d'un accès facile. Néanmoins, les outils moléculaires disponibles (examinés dans Escalante et al., 2015) apparaissent comme une option précieuse pour mieux estimer la prévalence et l'incidence du paludisme à vivax, sa dynamique et les contributions différentielles entre l'hôte et les vecteurs.


Séquençage du génome entier

Bien qu'il y ait eu des progrès significatifs dans les sciences médicales ces dernières années, les médecins sont toujours déconcertés par de nombreuses maladies et les chercheurs utilisent le séquençage du génome entier pour aller au fond du problème. Séquençage du génome entier est un processus qui détermine la séquence d'ADN d'un génome entier. Le séquençage du génome entier est une approche par force brute pour résoudre des problèmes lorsqu'il existe une base génétique au cœur d'une maladie. Plusieurs laboratoires offrent maintenant des services pour séquencer, analyser et interpréter des génomes entiers.

En 2010, le séquençage du génome entier a été utilisé pour sauver un jeune garçon dont les intestins présentaient de multiples abcès mystérieux. L'enfant a subi plusieurs opérations du côlon sans soulagement. Enfin, une séquence entière du génome a révélé un défaut dans une voie qui contrôle l'apoptose (mort cellulaire programmée). Une greffe de moelle osseuse a été utilisée pour surmonter cette maladie génétique, conduisant à un remède pour le garçon. Il a été la première personne à être diagnostiquée avec succès en utilisant le séquençage du génome entier.

Les premiers génomes à séquencer, comme ceux appartenant aux virus, bactéries et levures, étaient plus petits en nombre de nucléotides que les génomes des organismes multicellulaires. Les génomes d'autres organismes modèles, comme la souris (Mus musculus), la mouche des fruits (Drosophila melanogaster), et le nématode (Caenorhabditis elegans) sont désormais connus. Une grande partie de la recherche fondamentale est effectuée dans organismes modèles parce que l'information peut être appliquée à d'autres organismes. Un organisme modèle est une espèce étudiée en tant que modèle pour comprendre les processus biologiques d'autres espèces pouvant être représentés par l'organisme modèle. Par exemple, les mouches des fruits sont capables de métaboliser l'alcool comme les humains, de sorte que les gènes affectant la sensibilité à l'alcool ont été étudiés chez les mouches des fruits dans le but de comprendre la variation de la sensibilité à l'alcool chez les humains. Avoir des génomes entiers séquencés aide aux efforts de recherche dans ces organismes modèles (Graphique 10.12).

Figure 12 : De nombreuses recherches fondamentales sont effectuées avec des organismes modèles, tels que la souris, Mus musculus la mouche des fruits, Drosophila melanogaster le nématode Caenorhabditis elegans la levure Saccharomyces cerevisiae et la mauvaise herbe commune, Arabidopsis thaliana. (crédit “mouse” : modification du travail par Florean Fortescue crédit “nematodes” : modification du travail par “snickclunk”/Flickr crédit “common weed” : modification du travail par Peggy Greb, échelle USDA- données de barre de Matt Russell)

La première séquence du génome humain a été publiée en 2003. Le nombre de génomes entiers qui ont été séquencés augmente régulièrement et comprend désormais des centaines d'espèces et des milliers de génomes humains individuels.


Un aperçu de la génomique et de la protéomique du cancer du poumon

Le cancer du poumon est la cause de près de 170 000 décès par cancer aux États-Unis chaque année, ce qui représente près de 25 % de tous les décès par cancer. Le taux de survie à 5 ans pour le cancer du poumon est de < 15% à partir du moment du diagnostic. Ceci est largement dû au stade tardif du diagnostic et au manque de traitements efficaces, reflétant la nécessité d'une meilleure compréhension des mécanismes qui sous-tendent la cancérogenèse pulmonaire. Contrairement à l'étude d'un seul gène, protéine ou voie, les technologies génomiques et protéomiques permettent une vue d'ensemble systématique qui offre le potentiel d'améliorer notre compréhension de cette maladie. À terme, cela pourrait améliorer le diagnostic, le pronostic et la prise en charge clinique des patients atteints de cancer du poumon. Ici, nous passons en revue les études qui ont généré des profils d'expression de gènes et de protéines dans des échantillons de cancer du poumon et des systèmes modèles pertinents, et faisons des recommandations pour faciliter l'application clinique de ces technologies.

Le cancer du poumon représente 30 % des décès par cancer aux États-Unis chaque année, et c'est le deuxième cancer le plus fréquemment diagnostiqué chez les hommes et les femmes (1). Chez les hommes, le nombre de décès par cancer du poumon triple presque le nombre de décès par cancer de la prostate, et chez les femmes, le nombre de décès par cancer du poumon est presque le double du nombre de décès par cancer du sein. Quatre-vingt pour cent des cas de cancer du poumon sont des cancers du poumon non à petites cellules (NSCLC) et 20 % sont des cancers du poumon à petites cellules (SCLC). Quel que soit le sous-type, le taux de survie à 5 ans pour le cancer du poumon est parmi les plus bas de tous les cancers, à 10-15 % (1, 2). Bien que plus de la moitié des cancers du poumon soient diagnostiqués à un stade tardif, lorsque la guérison est peu probable, la survie des patients diagnostiqués avec un cancer du poumon de stade I est également étonnamment faible (2). Ainsi, il existe un grand besoin de comprendre les altérations moléculaires qui confèrent un mauvais pronostic et d'utiliser ces informations pour améliorer le diagnostic et la prise en charge des patients.

La génomique et la protéomique ont été conçues pour permettre l'analyse rapide, complète et parallèle des gènes et des protéines qui sont exprimés dans un type cellulaire ou tissulaire donné. Dans le contexte du cancer, le profilage différentiel peut être utilisé pour déterminer si le profil génomique et/ou protéomique d'un ensemble de cancers diffère d'un ensemble de tissus normaux ou les uns des autres. De plus, les profils d'expression génique et protéique ont le potentiel d'améliorer la gestion clinique du cancer du poumon en améliorant la classification soit via la prédiction de classe ou la découverte de classe, soit en fournissant des données pour développer un classificateur diagnostique. Les profils d'expression génique et protéique pourraient identifier de nouvelles cibles moléculaires et améliorer les soins aux patients grâce à l'identification de profils qui prédisent la réactivité à la thérapie ou le pronostic.

La dernière décennie a été marquée par le développement rapide de technologies pour l'analyse à haut débit de l'expression des gènes et des protéines. La technologie des puces à ADN a été initialement décrite pour l'analyse des ADNc par Schena et ses collègues en 1995 (3), et a été appliquée à l'analyse des oligonucléotides en 1997 (4, 5) ( Figure 1 )

Figure 1. Le développement de la génomique et de la protéomique et leur application à l'analyse du cancer du poumon. Une chronologie des principales avancées dans le développement de technologies protéomiques basées sur la génomique et la spectrométrie de masse à base de puces à ADN est présentée sur le la gauche. L'application de ces technologies à l'analyse d'échantillons de cancer du poumon est illustrée sur le droit.

Au moment de la soumission de cette revue, ∼ 40 articles décrivant l'application des technologies de biopuces et de protéomique à l'analyse d'échantillons cliniques de cancer du poumon ont été publiés. Ces études peuvent être classées en gros comme suit : (1) définissant des catégories ou des sous-ensembles de tumeurs susceptibles d'améliorer la classification diagnostique des tumeurs pulmonaires (2) l'identification de gènes ou de protéines spécifiques qui pourraient servir de cibles moléculaires pour un diagnostic et/ou une thérapie améliorés et (3) associant les profils d'expression génique aux résultats cliniques.

Les études qui ont utilisé l'analyse des puces à ADN pour classer les échantillons de CPNPC en fonction des profils d'expression génique ou protéique sont présentées dans le tableau 1

TABLEAU 1. Analyses génomiques et protéomiques d'échantillons cliniques de cancer du poumon

Définition des abréviations: AC, adénocarcinome ID, identification LCC, carcinome à grandes cellules MPM, mésothéliome pleural malin NHBE, épithélium bronchique humain normal NSCLC, cancer du poumon non à petites cellules SCC, carcinome épidermoïde SCLC, cancer du poumon à petites cellules.

Les types d'échantillons analysés, le ou les échantillons de référence utilisés, le ou les domaines dans lesquels chaque étude contribue à une meilleure compréhension de la biologie du cancer du poumon et la disponibilité des données sur le World Wide Web sont fournis pour chaque étude.

La reproductibilité et la cohérence sont nécessaires pour les applications cliniques. Bien que des tumeurs histologiquement similaires puissent avoir des profils d'expression génique qui se regroupent et, dans certains cas, puissent montrer des groupes qui peuvent être subdivisés en sous-classes distinctes, le nombre de clusters n'est pas cohérent entre les groupes (6, 24, 25, 30). Par exemple, l'analyse de 35 échantillons de CPNPC, dont 18 adénocarcinomes (AC), par Borczuk et ses collègues (24) a révélé deux groupes distincts d'AC Bhattacharjee et ses associés (6) ont analysé 186 tumeurs pulmonaires primaires, dont 139 AC, et identifié quatre distincts Sous-classes AC, mais seulement après avoir finalement exclu les autres sous-types histologiques de cancer du poumon, Garber et ses collègues (25) ont analysé 67 tumeurs pulmonaires, dont 41 étaient AC, et ont révélé trois sous-groupes AC. Ces différences dans le nombre de sous-groupes d'AC reflètent probablement les différences dans le nombre et l'hétérogénéité des échantillons analysés. Cependant, le fait que le nombre de sous-groupes d'AC identifiés par l'analyse des microréseaux soit en corrélation avec le nombre total d'échantillons d'AC analysés suggère que l'analyse d'un plus grand groupe d'AC entraînerait un plus grand nombre de sous-groupes. Ces profils moléculaires reflètent-ils des différences biologiques significatives qui peuvent être appliquées à la clinique, ou reflètent-ils simplement une maladie hétérogène qui peut être sous-classée en fonction d'une analyse statistique, de méthodes expérimentales ou de la puce particulière utilisée ? Tomida et ses collègues (30) ont identifié deux sous-classes de carcinome épidermoïde (CSC) associées au pronostic, suggérant que l'identification de sous-groupes peut avoir une signification biologique ou clinique. Cependant, cette analyse n'a inclus que 16 spécimens de SCC. La validation des méthodes et le partage des spécimens, en plus de l'augmentation de la taille des échantillons, sont nécessaires pour répondre à cette importante question.

L'analyse génomique a déjà apporté des éclaircissements sur des distinctions diagnostiques importantes. Ceux-ci incluent l'identification de la cellule d'origine du CPPC (34), la distinction des tumeurs histologiquement similaires telles que le mésothéliome pleural malin (MPM) et l'AC (35), et la discrimination du cancer du poumon primitif du cancer métastatique (6, 27, 28 ).

La première étude de microréseau sur le cancer du poumon s'est concentrée sur la compréhension de la cellule d'origine du CPPC (34). Les caractéristiques morphologiques et les marqueurs moléculaires suggèrent que le SCLC provient d'un progéniteur neuroendocrinien. Cependant, l'évolution clinique du SCLC n'est pas comme les tumeurs carcinoïdes neuroendocrines pures, et une analyse par microréseau d'échantillons de SCLC par Anbazhagan et ses collègues soutient l'hypothèse selon laquelle le SCLC provient de l'épithélium pulmonaire (34). Les auteurs affirment que la reclassification de ces tumeurs en tant que tumeurs d'origine épithéliale basée sur des changements moléculaires plutôt qu'une classification basée sur des caractéristiques morphologiques serait plus précise (34). Une telle reclassification serait cohérente avec l'exposition et la transformation des cellules épithéliales pulmonaires par le tabagisme, et l'observation que le CPPC n'est presque jamais observé chez les non-fumeurs. En revanche, d'autres groupes ont identifié plusieurs marqueurs de cellules neuroendocrines qui étaient régulés à la hausse dans les échantillons de SCLC lorsque les profils d'expression génique des tumeurs SCLC et NSCLC ont été comparés (6, 25). Il n'est pas clair si les différences entre ces études sont des artefacts dus à des différences dans la méthode d'analyse (c. études), ou reflétant le petit nombre de spécimens de CPPC dans les études de Bhattacharjee et associés (6) et Garber et ses collègues (25). En raison de la prévalence plus faible du CPPC, moins d'analyses génomiques ont été effectuées sur ce type de cancer du poumon. L'analyse d'un plus grand nombre d'échantillons de CPPC pourrait mieux classer ces tumeurs comme dérivées de tissus épithéliaux ou neuroendocriniens.

En ce qui concerne la différenciation entre les tumeurs d'histologie similaire, Gordon et ses collègues ont montré que MPM et AC peuvent être distingués avec précision 99% du temps en utilisant un ensemble de trois paires de gènes inversement corrélées avec MPM et AC (35). L'utilisation de rapports de paires de gènes spécifiques peut être plus applicable sur le plan clinique, car elle pourrait être effectuée avec peu de préparation et de manipulation d'échantillons, et parce qu'elle ne nécessite pas l'utilisation d'un échantillon de référence.

Depuis la publication de Gordon et associés (35), deux autres études ont suggéré que les profils d'expression de plus petits groupes de gènes pourraient être utilisés comme classificateur pour discriminer entre les types histologiques de cancer du poumon et pour distinguer le cancer du poumon primitif du cancer métastatique (27 , 28). Yamagata et ses collègues (27) ont montré qu'un classificateur basé sur des ensembles de valeurs d'expression génique pouvait être utilisé sur des échantillons en aveugle pour différencier le NSCLC du poumon normal, ainsi que les tumeurs pulmonaires primaires des métastases pulmonaires provenant de tumeurs provenant d'autres sites. Cependant, ce classificateur était moins précis pour différencier les sous-types de NSCLC dans une analyse en aveugle - AC a été correctement identifié, mais 1 des 4 SCC en aveugle ont été mal classés et le carcinome à grandes cellules (LCC) n'a pas pu être différencié des autres sous-types histologiques de NSCLC ( 27). Ces limites peuvent refléter en partie la petite taille de l'étude. Des études protéomiques ont également utilisé un sous-ensemble de marqueurs pour discerner les différences pathologiques. Yanagisawa et ses collègues (28) ont montré qu'un ensemble de 82 pics MS pouvait faire la distinction entre la tumeur et le tissu normal dans l'ensemble d'entraînement avec une précision de 100 %. Lorsqu'ils ont été appliqués à l'ensemble de tests en aveugle, 42/43 échantillons ont été correctement classés comme tumeurs ou normales (28). Collectivement, ces études montrent qu'un petit nombre de gènes ou de pics spectraux de masse combinés dans un classificateur formel ont le potentiel de définir davantage des sous-ensembles de cancer du poumon.

L'analyse des puces à ADN a le potentiel de prédire la survie des patients atteints de CBNPC. Par exemple, bien que l'analyse par grappes de Beer et ses collègues n'ait pas parfaitement séparé le stade I de l'AC pulmonaire de stade III, les auteurs soulignent que les tumeurs de stade I qui se sont regroupées avec des échantillons de stade III provenaient de patients qui présentaient une survie pire (31). Cette étude montre que l'expression des gènes qui confèrent un mauvais pronostic est indépendante du stade de la maladie au moment du diagnostic. Étant donné que l'analyse des puces à ADN peut identifier des sous-ensembles de tumeurs qui partagent des altérations moléculaires importantes pour la progression du cancer, l'incorporation de profils d'expression génique pourrait apporter une valeur thérapeutique et pronostique supplémentaire lorsqu'elle est combinée à la stadification traditionnelle et à l'analyse histologique.

D'autres études ont également corrélé les profils d'expression génique ou protéique avec le pronostic (6, 21, 25, 27-32, 36-39). Dans ces études, des sous-ensembles de gènes ou de pics protéiques exprimés de manière différentielle dans les tumeurs pourraient prédire les différences de survie chez les patients atteints d'AC. Dans le prolongement de leur étude sur l'utilisation de plusieurs paires de gènes pour classer le cancer du poumon en fonction de l'histologie, Gordon et ses collaborateurs ont découvert que des ensembles de trois ratios d'expression génique pouvaient prédire avec précision le pronostic plus de 90 % du temps (39). Les auteurs ont ensuite utilisé les paires de gènes les plus prédictives pour analyser les données de l'étude précédente de Bhattacharjee et de ses collègues (6). Dans cette analyse, l'ensemble des ratios d'expression génique pourrait prédire correctement la survie des patients atteints de tumeurs AC de stade I 64 % du temps dans les échantillons à faible teneur en tumeurs et 74 % du temps pour les échantillons à forte teneur en tumeurs (39) .

Le développement d'identifiants pronostiques pourrait guider la prise de décision clinique, mais une telle application nécessite une validation dans des essais cliniques prospectifs. L'inclusion d'analyses génomiques et protéomiques dans les futurs essais cliniques et l'analyse d'échantillons de patients atteints de cancer du poumon recevant un traitement standard pourraient fournir des informations qui pourraient finalement conduire à des décisions cliniques plus précises et individualisées.

Le tabagisme représente 85 à 90 % des cas de cancer du poumon. Cependant, les cas restants surviennent chez les non-fumeurs. Cela soulève l'hypothèse que les cancers du poumon chez les fumeurs et les non-fumeurs pourraient survenir par des mécanismes différents. Le soutien de cette hypothèse est manifeste par l'expression sélective de mutations de l'EGFR dans des spécimens de NSCLC provenant de non-fumeurs (40, 41).

Trois groupes ont appliqué des technologies de profilage tumoral pour disséquer les mécanismes moléculaires sous-jacents au cancer du poumon induit par le tabagisme et indépendant du tabagisme (tableau 1, références 32, 42, 43). Dans l'étude de Miura et ses collègues, la microdissection par capture laser a été utilisée pour isoler le tissu tumoral avant l'analyse (32). L'analyse a révélé 45 gènes qui étaient exprimés de manière différentielle dans les tumeurs des fumeurs par rapport aux non-fumeurs. Powell et ses collaborateurs (42) ont comparé les profils d'expression génique des tumeurs et des tissus normaux correspondants pour six fumeurs et six non-fumeurs. Le regroupement hiérarchique utilisant toutes les données n'a pas séparé les tumeurs des fumeurs par rapport aux non-fumeurs, mais il a séparé les tissus tumoraux et non tumoraux et a regroupé les tissus non tumoraux des non-fumeurs. Sinon, les profils d'expression génique ne différenciaient pas chacun des groupes de tissus à moins que l'analyse ne se limite aux données des gènes présentant l'expression la plus divergente entre les groupes. Cela implique que bien que les tissus « normaux » sous-jacents des fumeurs et des non-fumeurs soient assez différents, leurs cancers ne peuvent pas être distingués à l'aide de la technologie des microréseaux. Bien que des mécanismes similaires puissent favoriser le développement du cancer du poumon chez les fumeurs et les non-fumeurs, l'expression sélective des mutations de l'EGFR chez les non-fumeurs soulève la possibilité que les différences entre les fumeurs et les non-fumeurs puissent être plus apparentes en identifiant des mutations dans les oncogènes pertinents et les gènes suppresseurs de tumeurs. Alternativement, la similitude des tumeurs des fumeurs et des non-fumeurs peut simplement refléter la petite taille de cette étude et illustre la nécessité d'une enquête plus approfondie sur cette question. Dans la troisième étude corrélant les changements d'expression génique avec le tabagisme, Spira et ses collègues ont comparé les profils d'expression génique de cellules épithéliales bronchiques isolées de fumeurs actuels, anciens et jamais fumeurs (43). Leur analyse a montré que plusieurs changements d'expression génique observés chez les fumeurs actuels persistent chez les anciens fumeurs. Ceci est important car plus de 50 % des cas de cancer du poumon sont diagnostiqués chez d'anciens fumeurs, et ces changements persistants dans l'expression des gènes peuvent être à l'origine du risque accru de ces patients.

Les technologies génomiques et protéomiques produisent une multitude de données qui peuvent être exploitées pour des informations mécanistiques spécifiques, en plus de leur utilité pour détecter des modèles. De nombreuses études ont identifié et validé des gènes spécifiques dont l'expression diffère entre les tissus tumoraux et normaux, ou tout au long de la progression histologique du cancer (23, 37, 44-54). En attendant la validation, ces gènes pourraient servir de biomarqueurs pour le diagnostic ou de cibles thérapeutiques. For example, two groups found that the insulinoma-associated 1 gene is overexpressed in SCLC (6, 25). In addition, gene expression profiles from the most clinically aggressive AC samples showed increased expression of genes that play a role in angiogenesis such as VEGF and PPARγ, as well as degradation of extracellular proteins such as cathepsin L and plasminogen activator of urokinase. The analysis of Yamagata and coworkers identified one gene, ACTN4, whose expression level was correlated with poor survival, and therefore could serve as a marker for survival (27). Other gene expression profiling studies have shown that phosphoglycerate kinase 1 (PGK1) is overexpressed in lung tumors and correlates with poor survival, as well as 14 other genes that are important in the glycolytic pathway (31, 55).

By comparing gene expression profiles in tumors from smokers and never-smokers, Powell and colleagues identified several genes whose expression levels either positively or negatively correlated with the number of pack-years of smoking (42). Although it is tempting to view these genes as possible preventative or therapeutic targets, it is also possible that the data are confounded by the fact that the authors did not collect data on gene expression changes associated with smoking in the absence of cancer (42). Interestingly, the study by Spira and associates (43) showed that the expression of several tumor suppressor genes and oncogenes are permanently altered in bronchial epithelial cells from former and current smokers. In contrast, alterations in genes associated with metabolism and antioxidation pathways were reversible depending on the number of years of abstinence (43). The genes that remain altered in former smokers may be better targets for the prevention and treatment of smoking-induced lung cancer.

Proteomic studies also identified proteins that could serve as therapeutic targets. For example, Chen and coworkers (36) showed that four proteins that regulate gluconeogenesis and glycolysis are associated with survival phosphoglycerate kinase 1, phosphoglycerate mutase, α enolase, and pyruvate kinase M1. Combined with their gene expression analyses described earlier, this study provides further evidence for the idea that patients whose tumors exhibit increased glycolysis have a poorer prognosis (36). In addition to the markers identified by Chen and colleagues, Yanagisawa and associates (28) identified three proteins that could serve as tumor markers small ubiquitin-related modifier-2 (SUMO-2), thymosin-β4, and ubiquitin. Thymosin-β4 has been previously associated with proliferation in cancerous tissue (56), but SUMO represents a potential new protein for analysis of its role in carcinogenesis (28). All of these potential markers require validation in prospective trials.

Although very few mouse models of lung cancer exist and their relevance to human lung cancer is often questioned, they have been used to study lung tumorigenesis in a defined genetic background. Gene expression studies have begun to correlate changes in gene expression with murine lung tumorigenesis. For example, Gariboldi and coworkers (57) used microarray analysis to compare the gene expression profiles of normal mouse lungs from strains that varied in their susceptibility and resistance to lung cancer. They identified 89 genes whose expression profile correlated with each particular strain's tumor susceptibility. Of these 89 genes, 26 were previously identified for their involvement in cancer (57). Consistent with their hypothesis, this study showed that the gene expression profile of normal murine lung could predict tumor susceptibility for each strain. Although differences in gene expression may reflect “unconnected strain differences,” the authors suggest that this study provides evidence for the existence of genes whose expression in normal lung predisposes for lung cancer in mice. These studies are consistent with the study by Ramaswamy and colleagues, who showed that the development of metastasis is strain-dependent (58). In another study, Bonner and colleagues (22) compared the gene expression profiles of murine lung adenomas and adenocarcinomas from strain A/J × 129/SvJ F1 mice and identified genes that could differentiate between the stages, as well as genes whose expression consistently increased or decreased in the human tumors independent of histology. Finally, this group also identified gene expression changes in the tumors that were either consistent with, or opposite to, the expression in the developing lung of this strain (22). The results of these studies have refined our knowledge of murine lung tumorigenesis and could facilitate the creation of novel mouse models that might more closely resemble human lung cancer.

Gene expression studies have also evaluated the effects of reconstituting tumor suppressor genes that are commonly lost in lung cancer. Two noteworthy in vitro studies have been published in lung cancer cellular systems. Hong and colleagues studied the effect of the phosphatase and tensin homology deleted on chromosome 10 (PTEN) tumor suppressor gene on the overall gene expression profile of a human lung cancer cell line CL1–5 (59), and Russo and coworkers used microarray analysis to look for targets of the retinoblastoma tumor suppressor gene (pRb/p300) in the human lung AC cell line H23 (60). In both studies, wild-type tumor suppressor genes of interest were transfected into the parental cells and the gene expression profiles were compared with the profiles generated from the parental cell transfected with the control vector. Overexpression of PTEN led to decreased expression of 19 genes and 4 ESTs, including 3 that had previously been described to play a role in cell invasiveness, such as laminin β3, integrin α6, and Akt2. PTEN overexpression also increased expression of 17 genes and 2 ESTs, including protein phosphatase 2A1B, an enzyme that was previously shown to maintain integrity of the cytoskeleton (59). In the studies on pRb, Russo and colleagues showed that 40 genes were downregulated in the pRb/p300 overexpressing cells compared with control. Many of these genes are important in cancer, including cyclin D1, Raf-1, and B-Myb (60). Together, these studies have contributed to a better understanding of how known tumor suppressor genes function in lung cancer cells.

The studies reviewed here reveal that genomics and proteomics are powerful tools for classification of tumor subtypes and identification of genes or proteins that may serve as diagnostic, predictive, or prognostic markers. The fact that molecular fingerprints generated by genomic and proteomic analysis can recapitulate the histologic variation between NSCLC subtypes is good proof of principle, but one has to ask: how does this improve upon what we already knew? Several issues will need to be addressed before the potential of these powerful technologies is realized and integrated into the clinical setting.

In many of these studies, the results of classification using cluster analysis of gene expression profiles did not match the results of classification based on tumor histology (24, 26, 27). In one analysis, immunohistochemistry was used to assess samples whose expression profile did not cluster with histologic subclass (24). Borczuk and associates (21) showed that segregation of these tumors was likely due to the presence of nontumor cells that explain the segregation into groups of cancers with another subtype. Similarly, the reanalysis of “incorrectly classified” samples by Giordano and coworkers and Yamagata and colleagues revealed that their original pathologic classification might have been incorrect (26, 27). Thus, although the molecular profile was an accurate diagnostic method, these studies highlight the fact that array technology relies on the molecular information that is given to it for its power to predict. One possible solution to eliminate “contaminating” nontumor cells from tumor specimens is to employ laser capture microdissection (61). Laser capture dissection can be used to separate tumor from normal tissue and can alleviate problems due to contamination of tumor tissue from normal. However, exclusion of surrounding stroma also eliminates cells that contribute to the tumor microenvironment.

Validation of changes in gene expression at the protein level would improve many of these studies, because changes in protein expression provide a more functional readout. Although evaluating protein expression may not be necessary to develop fingerprints for diagnostic use, it is necessary if markers that are identified by this method are to be used in their own right as diagnostic markers or as targets for therapy. Thus, despite the fact that many genes were identified as potential biomarkers, all of them require further validation. Even though proteomics provides a more functional approach than genomics, proteomics alone might provide an insufficient readout because post-translational modifications such as phosphorylation control the stability and function of many proteins. The development of sophisticated proteomic techniques such as phospho-proteomics will add another level of complexity to these systematic analyses (62).

The genomic and proteomic studies of lung cancer reviewed here have advanced the biologic understanding of lung cancer and have demonstrated the potential of these technologies to improve the classification and diagnosis of lung cancer. Numerous genes and proteins were identified as biomarkers, but the mere identification of markers does not provide any information about whether the changes in expression of genes or proteins are causal for biologic behavior. Although focusing on known genes and proteins has already yielded new information, unknown markers may also lend insight into the biology of lung cancer. These nascent studies using new and rapidly developing technologies have yielded exciting results. Improving sample size, reproducibility, and the ability to discriminate tissue or tumor subtypes will facilitate application of these new technologies to the clinic.


Center for Genomics and Systems Biology

The Center for Genomics and Systems Biology (CGSB) at New York University Abu Dhabi was established to provide a nexus for cutting-edge life sciences research in the United Arab Emirates, with world-class facilities and resources to promote innovative advances in genomics and systems biology.

The Center fosters and enhances the research and training missions of NYUAD, where undergraduate students, graduate students, and postdoctoral scientists engage in research across disciplines, facilitated by advanced instrumentation and computational support for high-throughput data collection, visualization, and analysis. The NYUAD-CGSB operates in partnership with its sister center, NYU Biology’s CGSB in New York, in an open organizational framework that enables transformative collaborative work across the globe supported by joint technology and service platforms.

The Center is under the leadership of co-directors Claude Desplan, Silver Professor of Biology and Neuroscience at NYU, and an Affiliate Professor of Biology NYUAD Kristin Gunsalus, Professor of Biology, NYU, an Affiliate Professor of Biology, and Faculty Director of Bioinformatics, NYUAD, and Enas Qudeimat, Associate Director.


Protéomique

Proteomics is the study of proteins on a wide scale. Proteins host a variety of functions within living organisms and their many parts. Proteomics co-exists with genomics, and was coined in 1997. In 1994, Marc Wilkins used the word proteome to link protein and genome as part of his PhD studies.

Proteome refers to all the proteins in an organism or system. Time, requirements and/or stresses cause variations in a cell or organism. Proteomics maps out these changes, why they occur, and figures out new ways to manipulate proteins.

Proteomics is the next logical step after genomics and transcriptomics (study of RNA molecules in a cell or population of cells). It's a more complex system than genomics because while genomics focuses on genomes, it largely stays the same. Proteomics studies constantly shifting and diverse environments. This used to be done through RNA analysis but they could not find a relation to proteins, and protein generation depends on the gene, not RNA.

Scientists have a few ways of studying proteins, which is done on a molecular level. Proteins can be found using antibodies, which are large Y-shaped proteins that are produced by plasma cells in the immune system. The way scientists use antibodies to study proteins is through a few techniques, like the enzyme-linked immunosorbent assay (ELISA), which can detect and measure on a quantitative scale protein samples, or the Western blot, which can detect individual proteins.

While this is the most common way to study proteins, there have been other ways to study proteins. In 1967, one of the earliest methods to study proteins was the Edman degradation. A single peptide (A short chain of amino acids) is taken and, using chemicals, is degraded to figure out the sequence of the proteins. Nowadays, however, technology has taken over this way, as machines can do the same results at a much more rapid rate.

Proteomics has allowed the study of human genes to develop new drugs for treating various diseases. The way this is done is through both proteome and genome data that relate to a specific disease. A computer then takes that information and uses it to target the disease and create new medicines. For example, if scientists know a protein is affected by a disease, a 3D rendering of the protein can allow for a better understanding of how it is affected and what can be used to prevent it from occurring.

Proteomics helps shape our lives on a day to day basis. What it does is allow for the creation of brand new drugs as well as a deeper understanding of diseases. It also allows scientists to know what each individual protein does, as well as how we can improve their processes. Further information will lead to new proteins being developed, which scientists can introduce to environments and create healthier, safer places for all species.

To link to this Protéomique page, copy the following code to your site:


Protéomique et métabolomique

La ressource partagée Duke Proteomics and Metabolomics fait l'objet d'une réouverture partielle sous la direction de la Duke School of Medicine. Dans cette phase de « spin-up », nous opérons selon les directives suivantes, qui sont conçues pour assurer la sécurité de nos collègues et de nos scientifiques de laboratoire.

  1. Pour minimiser le nombre d'employés dans l'établissement à un moment donné, tout le personnel du DPMSR travaille autant que possible à domicile. Seules les tâches nécessitant des travaux pratiques en laboratoire y seront exécutées.
  2. Toutes les discussions de projet et les discussions de retour de données doivent être effectuées à l'aide de WebEx/Zoom ou par téléphone. La livraison des données continuera d'être effectuée à l'aide de l'Express Data Repository en ligne.
  3. Tous les scientifiques et visiteurs sont tenus de porter un masque facial à Chesterfield. Ceux-ci devraient être en place avant d'entrer dans le Chesterfield. Notez que l'entrée depuis le Chesterfield doit se faire uniquement par l'avant du bâtiment faisant face à la rue W. Main et que la sortie du bâtiment doit être effectuée en utilisant les portes arrière près des voies ferrées.
  4. En phase de démarrage, toutes les livraisons d'échantillons doivent être effectuées directement à Chesterfield et uniquement sur rendez-vous préalable avec le chef de projet (Drs Moseley, Thompson, Soderblom ou Foster). Un système de boîte de dépôt en personne sera utilisé à la porte d'entrée, permettant un transfert semi-direct tout en maintenant une distance sociale et en utilisant un EPI approprié.

Nous sommes impatients de travailler à nouveau avec vous.

Veuillez contacter le Dr Arthur Moseley pour toute question ou préoccupation concernant notre laboratoire.

Si vous avez des questions sur des projets spécifiques en cours, veuillez contacter votre chef de projet :

La faculté de médecine, le Duke Center for Genomics and Computational Biology (GCB) et le Duke Cancer Institute ont collaboré avec la ressource partagée de protéomique et de métabolomique pour fournir des ressources de caractérisation des protéines à la communauté de recherche Duke. Ces services incluent l'identification et la quantification des protéines à partir d'une grande variété de types d'échantillons, des mélanges simples comme les taches et les bandes de gel aux mélanges complexes comme les complexes protéiques, les lysats cellulaires et le plasma. L'installation est située au troisième étage du Chesterfield Building, 701 West Main Street.

La ressource partagée de protéomique et de métabolomique utilise la spectrométrie de masse comme technologie clé pour la caractérisation qualitative et quantitative des protéines. Notre approche principale pour l'analyse des protéines est la protéomique « de bas en haut », où toutes les protéines sont digérées par voie protéolytique, produisant des substituts peptidiques (peptides signatures) des protéines d'origine.

Les identifications de protéines sont effectuées à l'aide de moteurs de recherche de base de données de pointe fonctionnant sur un cluster Blade haute vitesse dédié avec la capacité de rechercher des bases de données de protéines standard ou personnalisées.

La quantification des protéines peut être réalisée à l'aide d'une technologie « sans gel, sans marquage » qui fournit à la fois une quantification relative (test vs contrôle) et une quantification absolue (protéines en nanogrammes). Alternativement, des échantillons codés par des isotopes (marqués) peuvent être analysés pour fournir des informations de quantification relative.

Nouvelles des installations

Nous avons déménagé !

La ressource partagée de protéomique et de métabolomique a emménagé dans un espace de laboratoire conçu sur mesure dans le bâtiment Chesterfield récemment rénové au centre-ville de Durham. Notre nouvel espace de laboratoire étendra nos capacités et notre capacité à répondre aux besoins de recherche de l'Université Duke. Le Chesterfield est situé au 701 W. Main Street, au cœur du quartier de l'innovation de Durham.

  • Ce laboratoire de pointe nous permettra de fournir les meilleures ressources possibles aux chercheurs de Duke et du monde entier. Nous prévoyons de continuer à ajouter de nouveaux instruments et technologies dans les années à venir pour répondre aux besoins des chercheurs de Duke, augmenter la capacité globale d'échantillonnage et réduire les délais d'exécution.
  • Nous continuerons à fournir un contact direct avec les chercheurs sur le campus. Les professeurs et le personnel seront disponibles pendant et après la transition pour des consultations en face à face dans le bâtiment CIEMAS ou le bâtiment Chesterfield, selon votre préférence.
  • Des exemples d'options de dépôt sont disponibles sur le campus dans le bâtiment CIEMAS, salle 2208B. Les chercheurs peuvent également déposer des échantillons au bâtiment Chesterfield.

Pièces justificatives

Les bons de Duke Translational Research Institute Core Services sont attribués sur une base trimestrielle. L'établissement est heureux d'annoncer que la protéomique a un impact sur ces études de bons d'achat. Environ 50 pour cent des bourses 2010 ont utilisé la protéomique pour leurs études.

Intéressé à demander un bon? Visitez le Core Facility Voucher Program pour postuler.

Reconnaissance de la contribution des installations de base

Une question courante des laboratoires lorsqu'ils travaillent avec des installations principales est de savoir comment reconnaître ou inclure au mieux en tant qu'auteurs le noyau dans la publication des résultats et l'interprétation fournie par le noyau. L'Association of Biomolecular Resource Facilities (ABRF) a publié des directives recommandées pour la paternité des manuscrits, et nous demandons à nos utilisateurs de tenir compte de ces directives lors de la publication des données générées par la ressource partagée de protéomique et de métabolomique. En fin de compte, la décision d'inclure ou de reconnaître est décidée par l'auteur principal (ou PI) sur la publication. Parce qu'un dossier de publication est essentiel pour assurer une installation de base de haute qualité et pour le développement professionnel de son personnel, nous demandons à nos utilisateurs d'examiner attentivement la contribution des membres de base aux publications scientifiques.

RECONNAISSANCE DE LA PUBLICATION

Pour toutes les publications qui incluent des données générées dans la Ressource partagée sur la protéomique et la métabolomique, nous vous prions de bien vouloir reconnaître ce soutien :

Nous remercions la Duke University School of Medicine pour l'utilisation de la ressource partagée de protéomique et de métabolomique, qui a fourni le service _________.


Voir la vidéo: Voyage au coeur de nos cellules - Nom de code: PROTEOME (Août 2022).