DNA microarrays Josef Srovnal, Michaela Špenerová, Lenka Radová, Marián Hajdúch, Vladimír Mihál

Transkript

1 DNA microarrays Josef Srovnal, Michaela Špenerová, Lenka Radová, Marián Hajdúch, Vladimír Mihál Laboratoř experimentální medicíny při Dětské klinice LF UP a FN Olomouc

2 Cíle Seznámit posluchače s: 1. Technologií DNA microarrays a jejími možnostmi 2. Klinickými aplikacemi 3. Projekty řešenými v LEM Dětské kliniky FN Olomouc

3 RNA - transkriptom DNA RNA Protein

4 RNA genová exprese

5 Analýza genové exprese 1. Northern Blotting 2. RT-PCR 3. Multi-well array 4. Microarrays

6 Technologie microarrays platforma Affymetix high-density oligonucleotide arrays photolitography genes 26 probes per gene (25mer) probes Many controls

7 Možnosti microrrays platforma Affymetrix Analýzy: Gene arrays mirna arrays SNP Cytogenetic arrays Exon arrays Tilling arrays

8 Affymetrix GeneChip GeneChip Human Gene/Exon 1.0 ST Array Whole Transcript

9 Workflow 1. Výběr vzorku 2. Izolace RNA, Quality control 3. Příprava microarrays 4. Scanning 5. Statistická analýza

10 Výběr vzorku 1. Čerstvá tkáň, buňky, FFPE 2. Buněčné linie testování léčiv 3. Pacientské vzorky response, prognóza, léčba

11 Izolace RNA 1. Fenol-chloroformová metoda (TRI reagent) 2. Izolační kolony (Qiagen)

12 Kvantifikace RNA Nanodrop ND Malý objem vzorku: 1μl 2. Velký rozsah měření: ng/μl (dsdna) 3. Není nutno vzorky ředit 4. Opětné použití vzorku 5. Celé spektrum: nm 6. Rychlost, jednoduchost

13 Kvalita RNA Agilent 2100 Bioanalyzer

14 Agilent 2100 Bioanalyzer Lab-on-a-chip Technology Výhody Agilent 2100 Bioanalyzeru: Jediná platforma pro elektroforetické (DNA, RNA, proteiny) i cytometrické (buňky) aplikace Maximální omezení manuální práce Minimální nároky na objem vzorků (1-4ul) Rychlé výsledky (všech vzorků proměřeno do 30 minut) Přesné, opakovatelné a reprodukovatelné výsledky Automatický průběh analýz a sběru dat Snadné vyhodnocení, porovnávání a archivace digitálně uložených dat Unikátní nástroj: RIN (RNA Integrity Number) - přesné určení kvality RNA

15 RIN 1 RNA Integrity Number - RIN RIN 2 RIN 4 RIN 6 RIN 7 RIN 8 RIN 9 RIN 10

16 Příprava microarrays 1. cdna syntéza 2. In vitro transkripce (IVT) 3. Purifikace crna 4. cdna syntéza 5. Purifikace cdna 6. Fragmentace 7. Značení 8. Hybridizace 9. Promývání a barvení 10. Skenování

17 64 cartridges Hybridization Oven 645

18 Fluidic Station Washing and staining

19 GeneChip Scanner 7G with Autoloader high stability high throughput high speed low variability temperature-controlled 48 samples

20 Scanning

21 Statistické analýzy 1. Unsupervised clustering: Hierarchical clustering. Tato analýza umožní počáteční identifikaci a strukturalizaci vzájemně podobných (blízkých) objektů, a to na podkladě matematicky definovaném měření jejich vzájemné vzdálenosti (podobnosti). 2. Supervised discriminatory gene classifiers: T-test, Mann-Whitney U-test, ANOVA, Pearson correlation. Tyto analýzy umožní vzájemně korelovat výsledky a stanovit jejich statistickou významnost. 3. Supervised machine learning classifiers: Support vector machines. Tato metoda umožní kategorizovat vzorky do již známých fenotypů (uplatnění při validaci předchozích metodik a v predikci)

22 Statistické analýzy Heatmap Clustering dle (např. 100) genů, které se statisticky nejvýznamněji liší mezi vybranými skupinami

23 Klinické aplikace 1. Screening potencionálních molekul Nové terapeutické cíle Nové prediktivní a prognostické markery 2. Analýza buněčných pochodů Změny genové exprese v závislosti na exp. podmínkách či terapii Identifikace molekulárních drah 3. Klasifikace Nové molekulární subtypy Prospektivní identifikace pacientů např. good respondérů

24 Klinické aplikace Pilotní studie Gene expression patterns of breast carcinomas distinguish tumor subclasses with clinical implications Therese Sørlie, Charles M. Perou et al:pnas, 2001 Breast cancer: Luminal A,B,C Basal -like Normal breast-like ERB2+

25 Klinické aplikace Pilotní studie Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling Ash A. Alizadeh, Michael B. Eisen, et al.: Nature, 2000 DLBCL nejčastější NHL, 40% pacientů má dobrou prognózu Germinal centre B-like DLBCL 5let 76% OS Activated B-like DLBCL 5 let 16% OS

26 Řešené projekty v LEM DK EHP/Norsko - Posílení výzkumné infrastruktury pro individualizaci léčby chronicky nemocných dětí IGA MZ ČR Molekulární podstata odpovědi na glukokortikoidy u dětí s ALL Cílem je identifikace profilů genové exprese, vztahující se k chemorezistenci k jednotlivým cytostatikům s cílem eliminovat interindividuální variabilitu v metabolismu, farmakokinetice, farmakogenetice a vylučování cytostatik. Pozitivní/negativní prediktory chemorezistence - nové léčebné protokoly.

27 Řešené projekty v LEM DK IGA MZ ČR NR/ Genomické profilování v predikci odpovědi na chemoradioterapii u pacientů s lokálně pokročilým karcinomem konečníku

28 Řešené projekty v LEM DK 223 genes vs. 20 arrays Red non-responder Blue - responder

29 Řešené projekty v LEM DK 153 genes vs. 20 arrays Blue - day 1 Red - day 14 Geny MDM4 a OCT4 Chemoradioterapie

30 Řešené projekty v LEM DK Analýza exprese genů zapojených do mechanismu účinku protinádorových léčiv - inhibitory aurorakináz, buněčná linie HCT 116

31 Závěry 1. DNA microarrays - široké experimentální a klinické aplikace 2. Dostupná metodika 3. Spolupráce

32 Děkuji za pozornost Projekt byl podpořen grantem z Islandu, Lichtenštejnska a Norska v rámci Finančního mechanismu EHP (CZ0099) Posílení výzkumné infrastruktury pro individualizaci léčby chronicky nemocných dětí.