C7188 Úvod do molekulární medicíny 4/12 Moderní metodické přístupy v molekulární medicíně II GENOMIKA II Ondřej Slabý, Ph.D. Masarykův onkologický ústav Univerzitní centrum buněčné imunoterapie Lékařská fakulta Masarykovy univerzity © Ondřej Slabý, 2011 logo_MOU GS011558 Úvod do molekulární medicíny 4/12 Strana 2 © Ondřej Slabý, 2009 Úvod do molekulární medicíny 4/12 Strana 4 © Ondřej Slabý, 2009 Analýza obrazu Odečtení pozadí od „foreground“ – background substraction (griding,local background, median, empty spot,…) -převod obrazové informace na numerická data Úvod do molekulární medicíny 4/12 Strana 4 © Ondřej Slabý, 2009 Úvod do molekulární medicíny 4/12 Strana 3 © Ondřej Slabý, 2009 Strana 4 © Ondřej Slabý, 2009 Scatter600.jpg Gene Expression Arrays: Scatter Plot 5 7 9 11 13 15 Untreated (log2 ratio) Treated (log2 ratio) 5 7 9 11 13 15 Two fold line Linear Best Fit Line ~9.5 ~5.5 Úvod do molekulární medicíny 4/12 Strana 4 © Ondřej Slabý, 2009 Normalizace dat ukázky normalizačních metod -minimalizace vlivu „nebiologických“ zdrojů variability -kompenzace nelinearity dat mezi jednotlivými čipy a uvnitř daného čipu Pozitivní kontroly: Referenční geny s „konstantní“ expresí ve tkáních kontrolní genetický materiál (referenční vzorek) kontroly účinnosti hybridizace – artreficiální sekvence Negativní kontrola: -pozadí hybridizace -Affymetrix - mutace v jednom nukleotidu sondy Úvod do molekulární medicíny 4/12 Strana 5 © Ondřej Slabý, 2009 7 • Normalizace dat Cy3 a Cy5 vybalancování rozdílného signálu ze značení Cy3 a Cy5 Jeho nerovnoměrnost může být způsobena: -rozdílnou inkorporací barviva do NK -rozdílným množstvím mRNA -odlišnými parametry při skenování 0 200 400 600 800 1000 1200 cy3 cy5 Log of Intensities 0 200 400 600 800 1000 1200 1400 cy3 cy5 © Ondřej Slabý, 2009 Strana 6 Úvod do molekulární medicíny 4/12 Normalizace Lowess: princip Loess (or lowess) : Locally WEighted Scatterplot Smoothing (vyhlazování) Normalizace závislá na intezitě signálu Místní lineární regrese Úvod do molekulární medicíny 4/12 © Ondřej Slabý, 2009 Strana 7 Statistická analýza dat Základní dělení metod je na „supervised“ (klastrovací metody) a „unsupervised“ (identifikace biologicky významných genů, klasifikační metody) Další skupina metod propojuje informaci o genové expresi s dostupnými informacemi o biologické funkci genů (analýzy signálních drah, informace z databáze GO „gene ontology“, a další) 1) Identifikace biologicky významných genů -geny s reprodukovatelnou signifikantně rozdílnou expresí mezi jednotlivými podmínkami experimentu -poměr exprese v jednotlivých experimentech (fold change) -t-test (test rozdílnosti průměrů exprese v jednotlivých skupinách) -neparametrické testy (Mann-Whitney, Wilcoxon test) -Significance Analysis of Microarrays (SAM) -Multifaktoriální ANOVA (nejsignifikantnější geny pro dané skupiny) Hranice významnosti (1% = 1 ze 100, u čipu je to 200 falešně pozitivních z 20000, Bonferoniho korekce) Úvod do molekulární medicíny 4/12 © Ondřej Slabý, 2009 Strana 8 Shlukova analýza je jednou z nejpoužívanějších vícerozměrných statistických metod Jedna se o explorativni techniku, ktera se použivá zejmena v případech, kdy nemame žadne a priori znalosti o struktuře uvnitř dat. každý gen je reprezentován vektorem jehož souřadnice, jsou hodnoty exprese genu v jednotlivých experimentech (v jednotlivých vzorcích), vzdálenost je měřena mezi vektory nebo centroidy Ukolem shlukovacích metod je tedy najit v datech skupiny prvků (shluky) tak, že prvky jednotlivých skupin budou v jistem smyslu více podobné než prvky z jiných skupin, tzn. nalezené skupiny prvků budou co nejvíce homogenní Snažíme se nalézt mezi zkoumanými geny (resp. biologickými vzorky) skupinky genů (resp. biologických vzorků), ktere vykazují za specifických podminek nebo u daného fenotypu, podobné chování. 2) Ukázky multidemenzionálních metod analýzy čipových dat Shlukovací analýzy Úvod do molekulární medicíny 4/12 © Ondřej Slabý, 2009 Strana 8 Úvod do molekulární medicíny 4/12 Strana 9 © Ondřej Slabý, 2009 5 2 4 1 3 Hierarchické klastrování 3 1 4 2 5 Vzdálenost mezi jednotlivými klastry Dendrogram Podobnost je vyjádřena hierarchickým stromem – dendrogram s teplotní mapou „heat-map“ Heat map -kalkulace vzdálenosti mezi všemi geny a nalezení nejmenší. K ní se seskupí všechny jí podobné a vytvoří se klastr. -po vytvoření X počtu clusterů se hledají vzdálenosti mezi klastry (hierarchical clustering) -počet klastrů není omezen Úvod do molekulární medicíny 4/12 Strana 14 © Ondřej Slabý, 2009 403503aa.2.jpg 00000179Mac 384 B1E78C0E: Vzato z: Nature February, 2000 Paper by Allzadeh. A et al Distinct types of diffuse large B-cell lymphoma identified by Gene expression profiling, Příklad – difúzní velkobuněčný B-lymfom Úvod do molekulární medicíny 4/12 Strana 15 © Ondřej Slabý, 2009 403503ac.2.jpg 00000179Mac 384 B1E78C0E: Úvod do molekulární medicíny 4/12 Strana 17 © Ondřej Slabý, 2009 Klastrová analýza u karcinomu prsu Sorlie et al, 2002, PNAS Úvod do molekulární medicíny 3/12 Strana 17 © Ondřej Slabý, 2009 ER -/+ -/+ -/+ +/++ ++ +++ HER2 - +++ - / + - / + - - / + p53mut 82% 71% 33% 80% 40% 13% CK 5/6, 17 +++ +/- +++ - - - CK 8/18 - - + +/++ +/++ +++ c-myb / ost. +++ +++ -/+ +++ - - Sorlie et al, 2002, PNAS Úvod do molekulární medicíny 4/12 © Ondřej Slabý, 2009 Strana 10 Centroidové metody - K-means opakování = 0 •start s náhodnou pozicí předem definovaného počtu K-centroidů •opakovaný pohyb centroidů, dokud nedosáhnou stability a nezahrnou veškeré prvky systému minimalizovaná vnitroshluková variabilita a zaroveň maximalizovaná mezishluková variabilita Úvod do molekulární medicíny 4/12 Strana 11 © Ondřej Slabý, 2009 •start s náhodnou pozicí předem definovaného počtu K-centroidů •opakovaný pohyb centroidů, dokud nedosáhnou stability a nezahrnou veškeré prvky systému opakování = 1 Centroidové metody - K-means Úvod do molekulární medicíny 4/12 Strana 12 © Ondřej Slabý, 2009 opakování = 3 •start s náhodnou pozicí předem definovaného počtu K-centroidů •opakovaný pohyb centroidů, dokud nedosáhnou stability a nezahrnou veškeré prvky systému • Centroidové metody - K-means Úvod do molekulární medicíny 4/12 Strana 13 © Ondřej Slabý, 2009 3) Klasifikační metody Jejich podstatou je znalost informace o charakteru vzorku tzn. supervised přístup. Principem klasifikačních metod v analýze dat z DNA čipů je vytvoření rozhodovacího pravidla, ktere by na zakladě naměřených hodnot genové exprese umožňovalo přiřazení pacienta do jedne z předem definovaných tříd (například zdravý, nemocný). Z toho je zřejmé, že by se „dobré“ rozhodovací pravidlo založené na expresních datech mohlo zařadit po bok stavajících diagnostických metod a výrazně tak přispět ke zpřesnění diagnostiky závažných onemocnění (klasifikační stromy, Support Vector Machines (SVM), metoda k-nejbližších sousedů,..) ch52f1.jpg MOLEKULÁRNÍ KLASIFIKACE NÁDORŮ: precizní klasifikace je základem léčebného úspěchu, současné metody jsou založeny na morfologii, imunohistochemii, genetice a klinické odpovědi řada diagnostických nejasností (heterogenita) ČIPY: -identifikace nových jednotek na podkladě profilu genové exprese -reklasifikace stávajících jednotek -identifikace skupin či jednotlivých genů „markerů“ specifických pro dané jednotky Úvod do molekulární medicíny 4/12 Strana 19 © Ondřej Slabý, 2009 Web%20page%20pictures%2070%20gene Predikce metastatického potenciálu u pacientek s časnými stádii mamárního karcinomu Van’t Veer et al. (Nature, 2002) AGENDIA 96 sporadických mamárních karcinomů 46 pacientek se špatnou prognózou (do 5 let se nevyvinuly vzdálené metastáze) 50 pacientek s dobrou prognózou (do 5 let se nevyvinuly vzdálené metastáze) Sada 70 genů - patent 5852 genů se signifikantním rozdílem v expresi mezi skupinami 70 genů nejvíce korelujících s klinickým stavem použila pro klasifikaci Úvod do molekulární medicíny 4/12 Strana 20 © Ondřej Slabý, 2009 PROTOKOL KLINICKÉ STUDIE „MINDACT“ (Microarray In Node negative Disease may Avoid ChemoTherapy) Pacientky s karcinomem prsu: T1-3N0M0 Registrace do studie, rebiopsie tumoru a odesláním vzorku nativní tkáně do centra studie Stanovení prognózy pacientek (riziko relapsu choroby): 1. “randomizace“ pacienta 1. klinicko-patologický prognostický systém (Adjuvant OnLine) 2. 70-genový prognostický profil genové exprese tumoru Oba prognostické systémy vyhodnotily vysoké riziko časného relapsu choroby Oba prognostické systémy vyhodnotily nízké riziko časného relapsu choroby Výsledky obou prognostických systémů jsou ve vzájemném rozporu 3. randomizace pacienta Chemoterapie: A) s antracyklinem B) s kapecitabinem/docetaxelem 2. randomizace pacienta Chemoterapie: NE AN0 Hormonoterapie NE: ER- ANO: ER+ EORTC Protocol 10041 – BIG 3-04 - http://www.eortc.be/services/unit/mindact) Rozpočet ~ 20 mil. EUR Pořádá síť TRANSBIG 40 institucí 21 zemí Zařazení 5000 pacientek v prvních 3 letech Úvod do molekulární medicíny 4/12 Strana 21 © Ondřej Slabý, 2009 MikroRNA: biomarkery a potenciální terapeutické cíle v onkologii logo_MOU http://www.economist.com/images/20070616/2407LD1.jpg Screen shot 2010-02-10 at 9.15.07 AM.png mikroRNA: nová úroveň regulace genové exprese mikroRNA čipy Úvod do molekulární medicíny 4/12 Strana 22 © Ondřej Slabý, 2009 Proč se zabývat výzkumem mikroRNA? rnai timeline nature Nature Biotechnology 21, 1441 - 1446 (2003) 17.10.2009 PubMed - „MicroRNA AND Cancer“ – 5101 odkazů „MicroRNA“ – 13293 odkazů Proč se zabývat výzkumem mikroRNA? Screen shot 2010-02-10 at 11.09.39 AM.png Screen shot 2010-02-10 at 11.10.37 AM.png Screen shot 2010-02-10 at 11.24.32 AM.png Úvod do molekulární medicíny 4/12 Strana 24 © Ondřej Slabý, 2009 Proč se zabývat výzkumem mikroRNA? mello_banquet2_photo Craig Mello na slavnostním banketu po udílení Nobelových cen za rok 2006. Úvod do molekulární medicíny 4/12 Strana 25 © Ondřej Slabý, 2009 Biogeneze a funkce mikroRNA 1.Transkripce miRNA genu 2. 2.pri-miRNA jsou zpracovány pomocí RNáz Drosha a Pasha 3. 3.pre-miRNA exportovány pomocí Exportinu 5 do cytoplazmy 4. 4.Zpracovaní pomocí RNázy Dicer 5. Úvod do molekulární medicíny 4/12 Strana 26 © Ondřej Slabý, 2009 5. Aktivní vlákno je inkorporováno do komplexu RISC 1. 6.Represe translace nebo degradace mRNA v závislosti na míře komplementarity Biogeneze a funkce mikroRNA microRNA: licensed to kill messenger Úvod do molekulární medicíny 4/12 Strana 28 © Ondřej Slabý, 2009 •Funkce obou je regulace exprese •siRNA je původem dsRNA •siRNA souvisí s cizorodou RNA (obvykle virovou) a je 100% komplementární •miRNA je původně ssRNA, která formuje vlásenkové dsRNA struktury •miRNA reguluje post-transkripční genovou expresi He and Hannon, Nature Reviews Genetics, 2004 Jaký je rozdíl mezi miRNA a siRNA? Úvod do molekulární medicíny 4/12 Strana 29 © Ondřej Slabý, 2009 Základní fakta o mikroRNA miRNA poprvé popsal Ambros a kol. (1993) u C. elegans (lin-4) Přibližně 3% predikovaných lidských genů jsou geny pro miRNA (přibližně 1000 miRNA) miRNA mají potenciál regulovat asi 1/3 kódujících genů Některé miRNA jsou kódovány více než jedním genem Geny kódující miRNA jsou často klastrovány (klastr miR-17) Geny miRNA jsou lokalizovány v mezigenových oblastech v intronových oblastech nebo antisense řetězcích znamých genů Úvod do molekulární medicíny 4/12 Strana 31 © Ondřej Slabý, 2009 Real-Time PCR – modifikovaná TaqMan technologie ke kvantifikaci miRNA Úvod do molekulární medicíny 4/12 © Ondřej Slabý, 2009 mikroRNA čipy Hybridizační čipy – analogická technologie jako u DNA čipů Ambion, Exiqon, Agilent, Affymetrix, Invitrogen NCode Real-Time PCR čipy Applied Biosystems Low density arrrays (LDA) microRNA array verze 2.0 (panel A+B) QuantiMir, SABiosciences, miRANDA LDA mikrofluidní destička (384 miRNA) Strana 32 Význam mikroRNA v nádorové biologii Přibližně 50% miRNA genů se nachází na fragilních částech chromosomů, jejichž ztráta nebo amplifikace je často detekována u nádorových onemocnění. Calin et al., PNAS, 2004 Např. miR-15a a miR-16a jsou lokalizované v oblasti 13q14, často deletované u CLL Význam mikroRNA v nádorové biologii Rozdílné expresní profily mezi nádorovou a nenádorovou tkání Volinia et al., PNAS, 2006 Shluková analýza 540 vzorků šesti druhů solidních nádorů a příslušných nenádorových tkání. > Žlutá znamená zvýšenou expresi oproti kontrolnímu (nenádorovému) vzorku Význam mikroRNA v nádorové biologii obr1 Slabý et al, Cas Lek Ces.,2008 Význam mikroRNA v nádorové biologii Slabý et al., Časopis lékařů českých, 2008 Úvod do molekulární medicíny 4/12 Strana 30 © Ondřej Slabý, 2009 Zapojení mikroRNA do Vogelsteinova modelu kolorektálního karcinomu figure1.gif Slaby et al, Molecular Cancer, 2009 nature05939-f1_2 Význam mikroRNA v nádorové biologii Malý pomocníci ve službách strážce genomu - rodina mikroRNA-34 a p53 Pomocí exprese miR-34 (a-c) lze rozlišit wt a p53 deficientní buněčné linie Zvýšená exprese miR-34 (a-c) je spojena se zástavou buněčného cyklu miR-34-a až c jsou pod přímou transkripční kontrolou p53 Le H, Nature, 2007 Význam mikroRNA v nádorové biologii - FFPE MikroRNA nepodléhají degradačním procesům při fixaci formalinem a archivaci v parafinových bločcích tak významně jako mRNA è ZPŘÍSTUPNĚNÍ BOHATÝCH ARCHIVŮ NA PATOLOGIÍCH K RETROSPEKTIVNÍCH STUDIÍM !!! > > > versus mikroRNA z FFPE mRNA z FFPE Yaguang Xi, RNA, 2007, 13:1–7 > Význam mikroRNA v nádorové biologii – cirkulující mikroRNA!!! Gilad et al., 2008 Význam mikroRNA v nádorové biologii – mikroRNA SNP - nový směr molekulární epidemilogie nádorových onemocnění!!! Slaby et al., 2010 1.SNP v biogenezi miRNA 2.SNP v pri-,pre- a miRNA sekvenci 3.SNP ve vazebných místech miRNA G/A ITGB4 (miR-34a) Brendle et al, Carcinogenesis 2009 mikroRNA: potenciální využití v terapii nádorových onemocnění figure3.tif Slaby et al, 2010 Screen shot 2010-02-10 at 11.26.25 AM.png MikroRNA: markery časného záchytu kolorektálního karcinomu Screen shot 2010-02-10 at 9.48.16 AM.png Screen shot 2010-02-10 at 9.49.22 AM.png Ng et al, GUT, 2009 mikroRNA vykazují vysokou míru stability v krevním séru a jsou proto vhodnými kandidáty pro diagnostické markery Screen shot 2010-02-10 at 10.42.54 AM.png Screen shot 2010-02-10 at 10.43.19 AM.png 83% senzitivita, 85% specifita Huang et al, IJC, 2010 MikroRNA: markery časného záchytu kolorektálního karcinomu Screen shot 2010-02-10 at 9.42.11 AM.png Mitchell, PNAS, 2008 Screen shot 2010-02-10 at 9.42.20 AM.png miR-141 jako diagnostický marker karcinomu prostaty Vysoká míra korelace s PSA! Michael et al., Molecular Cancer Research, 2003 Cummins et al., PNAS, 2006 Stanovení profilů miRNA metodou miRAGE Srovnaní profilů miRNA metodou Real-Time PCR Bandres et al., Molecular Cancer, 2006 Srovnání expresních profilů mikroRNA v CRC a nenádorové střevní tkáni miR-21: diagnostický marker kolorektálního karcinomu Screen shot 2010-02-10 at 9.59.26 AM.png Screen shot 2010-02-10 at 10.00.11 AM.png Slaby et al, Oncology, Published online: January 15, 2008 J Schetter et al, JAMA, January 30, 2008 miR-21: prognostický a prediktivní marker kolorektálního karcinomu Schetter et al, JAMA, 2008 Screen shot 2010-02-10 at 9.58.08 AM.png Schetter et al, JAMA, 2008 Long-rank p=0,0015 n=22 n=20 Slaby et al.. 2010 Effect of miR-21 levels on overall survival of CRC patients Screen shot 2010-02-10 at 10.23.51 AM.png Schetter et al, JAMA, 2008 miR-21: prognostický a prediktivní marker kolorektálního karcinomu Analýzy inhibitoru miR-21 u buněk kolorektálního karcinomu Analýzy inhibitoru miR-21 u buněk kolorektálního karcinomu Scratch assay – inhibice migrace buněk Figure 10 Relative cell motility po 24 hodinach (two-tailed t-test, p=0.016) Applied Biosystems microRNA Real-Time PCR cards version 2.0 (667 microRNAs) 47 microRNAs according to paired LIMMA (p<0.001) hsa-miR-935-4395289 hsa-miR-378-4395354 hsa-miR-195-4373105 hsa-miR-137-4373301 hsa-miR-378*-4373024 hsa-miR-422a-4395408 hsa-miR-190-4373110 hsa-miR-144*-4395259 hsa-miR-451-4373360 hsa-miR-630-4380970 hsa-miR-129-3p-4373297 hsa-miR-376c-4395233 hsa-miR-375-4373027 hsa-miR-26b-4395167 hsa-miR-192*-4395383 hsa-miR-139-5p-4395400 hsa-miR-801-4395183 hsa-miR-101-4395364 hsa-miR-519a-4395526 hsa-miR-618-4380996 hsa-miR-30e-4395334 hsa-miR-30e*-4373057 hsa-miR-145-4395389 hsa-miR-15a-4373123 hsa-miR-136*-4395211 hsa-miR-30a*-4373062 hsa-miR-135b-4395372 hsa-miR-299-3p-4373189 hsa-miR-1-4395333 … by use of R, Bioconductor Comparison of miRNA expression profiles in CRC and matched non-tumoral tissue In the last months we started with the global expression profiling by use of the Real-Time PCR array technology of Applied Biosystems, which allows us to quantify 667 microRNAs expression in paralell. Here you can see our preliminary data from comparison of miRNA profiles in CRC tissue and non-tumoral colon tissue of 8 patients. For Biostatistical analysis we have used the statistical software R and Bioconductor package. From this heat-map is evident that specific miRNA profile of CRC exist and can be identified. Some of the miRNAs identifed were observed in another studies previously. According to LOOCV method Sensitivity 79% Specifity 81% Balanced accuracy 80% Detection of lymph nodes metastatic involvement from primary CRC tumor N+M0…blue (20 patients) N0M0…res (25 patients) Slaby et al.. 2010 Another issue we are interested in 54 mikroRNA - odlišení nádorové tkáně (●) a nenádorového renálního parenchymu (●); (●) snížená hladina, (●) zvýšená hladina Globální pokles X miR-210 miR-885-5p miR-342-5p miR-122 miR-200b miR-200c miR-200a miR-429 miR-141 Analýza globálních expresních profilů mikroRNA u renálního karcinomu MikroRNA jako nové prognostické markery časného metastazování po nefrektomii II a. Dobrá vs. špatná prognóza 15 mikroRNA – identifikace pacientů s dobrou prognózou (●) a špatnou prognózou, resp. rizikem časného relapsu po nefrektomii (●); 31 nepárových vzorků ccRCC; (●) snížená hladina, (●) zvýšená hladina Camps et al, Clin Cancer Res, 2008 Foekens et al, PNAS, 2008 Iorio, Cancer Res 2006 miR-210: prognostický marker u mamárního karcinomu miR-210 transkripčně kontrolován HIF1alfa zapojen do procesů indukovaných hypoxií Screen shot 2010-02-10 at 11.57.52 AM.png N=111 N=106 Screen shot 2010-02-10 at 12.02.10 PM.png miR-26a: prognostický a prediktivní marker hepatocelulárního karcinomu Junfang et al, NEJM, 2009 Predikce odpovědi na léčbu interferonem miR-10b, miR-21, miR-223, miR-338, let-7a, miR-30a-5p, miR-126 Xiaoh et al, Gut, 2010 mikroRNA: prognostická sada 7 mikroRNA u karcinomu žaludku figure1.jpg Nováková, Slabý, BBRC 2009 MikroRNA v patogenezi glioblastomu figure2.jpg Nováková, Slabý, BBRC 2009 MikroRNA v patogenezi glioblastomu Slaby, Cancer Science, 2011 MiR-195, miR-196b, miR-181c and miR-21 expression are associated with clinical outcome in glioblastoma patients Molekulární klasifikace karcinomu prsu Triple Negative (ER-, PR-, HER2-) Zvýšená proliferace (P < 0.0001) Výsoký grade (P < 0.0001) Nízká diferenciace (P < 0.003) Mutace v TP53 (P< 0.001) Basal-like karcinom prsu C:\data\basallike\graf1uzliny.gif C:\data\basallike\graf2os.gif Význam rodiny mikroRNA-34a-c u „basal-like“ mamárního karcinomu miR-34a je signifikantně zvýšená u pacientek s „basal-like“ karcinomy metastazujícími do uzlin. miR-34b je silný negativní prognostický faktor. Screen shot 2010-02-10 at 10.31.29 AM.png Screen shot 2010-02-10 at 10.35.25 AM.png Santaris Pharma begins human clinical testing of world's first microRNA SPC3649 (LNA-antimiR-122) being developed as a potential new therapy for Hepatitis C virus (HCV) infection May 28, 2008 – Santaris Pharma, the Danish biopharmaceutical company, announced today that it has commenced a Phase I human volunteer trial of the world’s first microRNA medicine to be tested in man - SPC3649 (LNA-antimiRTM-122). The study is being conducted by PhaseOneTrials A/S, Copenhagen, and will include a maximum of 48 healthy male volunteers. The Company also announced that the first cohort of healthy volunteers in the study have completed treatment satisfactorily. SPC3649 is being developed by Santaris Pharma as a potential new approach to the treatment for Hepatitis C infection. Phase II studies in hepatitis C patients will follow. SPC3649 specifically targets microRNA-122, a small, liver-expressed, regulatory ribonucleic acid (RNA) that has recently been shown to facilitate human Hepatitis C virus replication in liver cells.
 Děkuji Vám za pozornost C:\obr1.gif Poděkování Masarykův onkologický ústav prof. MUDr. Rostislav Vyzula, Ph.D. MUDr. Marek Svoboda, Ph.D. MUDr. Pavel Fabian, Ph.D. MUDr. Rudolf Nenutil, Ph.D. MUDr. Milana Šachlová, Ph.D. MUDr. Radek Lakomý MUDr. Eva Lžičařová Mgr. Roman Hrstka, Ph.D. FN Brno Neurochirurgická klinika MUDr. Pavel Fadrus, Ph.D. prof. MUDr. Martin Smrčka, Ph.D. Ústav patologie MUDr. Leoš Křen, Ph.D. Univerzitní centrum buněčné imunoterapie prof. MUDr. Jaroslav Michálek, Ph.D. deregulace hladin miRNA klinická pozorování ? logo_MOU ucic_logo_text_en C:\data\konf\abi2008b\fnbrno.tif Moderní metodické přístupy v molekulární medicíně II – proteomika (dvojrozměrná elektroforéza, hmotnostní spektrometrie, proteinové čipy), využití proteomiky v diagnostice nádorových onemocnění Molekulární epidemiologie – definice a vymezení oboru, identifikace molekulárních rizikových faktorů vzniku a rozvoje onemocnění, analýza vztahu molekulárních faktorů a vlivů prostředí na rozvoj nádorového onemocnění, význam molekulární epidemiologie u karcinomu plic a kolorektálního karcinomu Náplň příští přednášky Take home Analýza čipových dat – pozadí, normalizace Analýza čipových dat - identifikace biologicky významných genů Analýza čipových dat -ukázky multidemenzionálních metod analýzy čipových dat - Shlukovací analýzy Analýza čipových dat – klasifikační metody Molekulární klasifikace nádorových onemocnění – ukázky Aplikace čipových technologií do klinické praxe – studie MINDACT, Agendia, Roche AmpliChip CYP450 mikroRNA: nová úroveň regulace genové exprese – biogeneze a biologická funkce mikroRNA v patogeneze nádorových onemocnění mikroRNA jako biomarkery (SNP, tkáňové, sérové) mikroRNA jako terapeutické cíle mikroRNA čipy 1) 1) Strana 38 © Ondřej Slabý, 2009 Úvod do molekulární medicíny 4/12 Strana 39 © Ondřej Slabý, 2009 Dotazy? Úvod do molekulární medicíny 4/12