Рассмотрена компьютерная модель генной сети глиобластомы с целью поиска ассоциаций с другими опухолями мозга (Gubanova et al., 2021). Актуальность задачи обусловлена тем, что мультиформная глиобластома (Glioblastoma multiforme) — наиболее распространенный рак мозга, и вторая по распространенности опухоль головного мозга (Louis et al, 2007). Клетки глиобластомы могут развиваться из нормальных клеток, а также из клеток существующей астроцитомы низкой степени злокачественности (5%). Причина большинства случаев глиобластомы неизвестна (Gulaia et al., 2022). Нестандартными факторами риска являются генетические нарушения, такие как нейрофиброматоз и синдром Ли–Фраумени, а также предшествующая лучевая терапия. Отмечалось, что заболеваемость глиобластомой связана с вирусами SV40 (Vilchez et al, 2003), ВГЧ-6 и цитомегаловирусом

Поставлена задача построения (сбора) списка генов, ассоциированных с развитием глиобластомы, анализа категорий генных онтологий для такого списка и реконструкции генной сети. Рассмотрены базы данных клинических исследований и выбраны наиболее значимые препараты для лечения глиобластомы и их «мишени».

Использовались интернет-ресурсы OMIM (https://www.omim.org/), MalaCards.org и ресурсы моделирования, используя ранее опубликованные подходы (Орлов и др., 2021). Список содержал 551 название гена: ENO1, MTOR, PTEN, KRAS и др. Для анализа категорий генных онтологий использовался ресурс DAVID (https://david.ncifcrf.gov/summary.jsp).

Показано, что наиболее значимыми категориями для генов глиобластомы по DAVID являются связывание ферментов (enzyme binding), негативная регуляция экспрессии генов (negative regulation of gene expression). В целом, большинство генов относятся к категориям, регулирующим образование опухолей, в том числе – апоптоз, связывание ферментов и протеинкиназ, негативные регуляции клеточной пролиферации и генов, характерные для нервной системы термины, такие как регуляции апоптоза нейронов и регуляция катаболизма предшественника бета-амилоида. Ресурсы анализа онтологий (DAVID, PANTHER, GOST) выделяют основными генными онтологиями глиобластомы ангиогенез, регуляцию сигналинга и апоптоза, связывание ферментов и белков.

Использовались онлайн инструменты реконструкции генных сетей GeneMANIA, STRING-DB, Metascape (https://metascape.org/). Статистика по STRING-DB показывает, что сеть имеет неслучайно большое число связей (со значимостью <1.0e-16), средняя степень связности узла сети (белка) – 9.61, коэффициент кластеризации 0.468. В центре сети представлены гены с наибольшим влиянием на другие гены и, вероятнее всего, наиболее связанные с возникновением и развитием глиобластомы: PTEN, PIK3CA, MTOR, KRAS, VEGF и др. C помощью инструмента Metascape был проведен расширенный анализ белок-белковых взаимодействий.

В структуре сети глиобластомы выявлено семь кластеров белок-белковых взаимодействий, суммарно в которых участвуют около 50 генов – 16% от общего числа, что нельзя назвать большим числом, но, тем не менее, также нельзя отрицать, что белки данных генов совсем изолированы друг от друга и не взаимодействуют. Общие пути, найденные Metascape, соответствуют основным способам инициации канцерогенеза - устойчивость к ингибированию рецептора эпидермального фактора роста (EGFR tyrosine kinase inhibitor resistance) и регуляция сигнального пути PI3K-Akt, также отвечающего за пролиферацию клеток. Также отдельно выделены комплексы репарации ДНК - MSH2-MSH6-PMS2-MLH1 и PCNA-MutS-alpha-MutL-alpha-DNA (при неправильной репарации ДНК риск развития онкологии увеличивается), ядерные комплексы (LINC complex) и регуляция хроматина (Chromatin modifying enzymes, Chromatin organization), гликолиз (NADH regeneration, canonical glycolysis, glucose catabolic process to pyruvate) (клетки опухоли подвержены эффекту Варбурга - склонность большинства раковых клеток производить энергию преимущественно с помощью очень активного гликолиза с последующим образованием молочной кислоты, а не с помощью медленного гликолиза и окисления пирувата в митохондриях с использованием кислорода, как в большинстве нормальных клеток).

Данные MalaCards и clinicaltrials.gov по лекарственным препаратам показывают, что наиболее используемыми являются классические препараты – Темозоломид и Бевацизумаб. Данные препараты были найдены с помощью ресурса Drugbank (https://go.drugbank.com) и сведены в таблицу с описанием механизма действия.

Исследование генных онтологий подтверждает, что наиболее успешными фармакологическими «мишенями» были бы ингибирование ангиогенеза, регулирование апоптоза и белковых/ферментативных путей, сигнальных рецепторов. Построение генных сетей показало, что некоторые гены, ассоциированные с глиобластомой, достаточно связаны между собой, когда как другие являются «выпадающими», значит, на них нельзя будет повлиять с помощью других «мишеней».

Благодарности:

Проект реализуется победителем грантового конкурса для преподавателей магистратуры 2021/2022 Стипендиальной программы Владимира Потанина.

Литература

1. Орлов Ю.Л., Галиева А.Г., Орлова Н.Г. и др. Реконструкция генной сети болезни Паркинсона для поиска генов-мишеней. Биомедицинская химия. 2021; 67(3): 222-230 doi: 10.18097/PBMC20216703222

2. Gubanova N.V., Orlova N.G., Dergilev A.I., Oparina N.Y., Orlov Y.L. Glioblastoma gene network reconstruction and ontology analysis by online bioinformatics tools. Journal of Integrative Bioinformatics. 2021; 18:20210031. doi: 10.1515/jib-2021-0031

3. Gulaia V., Shmelev M., Romanishin A. et al. Single-nucleus transcriptomics of IDH1- and TP53-mutant glioma stem cells displays diversified commitment on invasive cancer progenitors. Sci Rep. 2022;12(1):18975. doi: 10.1038/s41598-022-23646-3.

4. Louis, D. N. et al. The 2007 WHO classification of tumours of the central nervous system. Acta Neuropathol 2007; 114, 97–109.

5. Vilchez R.A., Kozinetz C.A., Arrington A.S. et al. Simian virus 40 in human cancers. Am J Med 2003; 114, 675–684.

A computer model of the glioblastoma gene network was considered in order to study for associations with other brain tumors (Gubanova et al., 2021). The relevance of the problem is due to the fact that glioblastoma multiforme is the most common brain cancer and the second most common brain tumor (Louis et al, 2007). Glioblastoma cells can develop from normal cells as well as from existing low grade (5%) astrocytoma cells. The cause of most cases of glioblastoma is unknown (Gulaia et al., 2022). Non-standard risk factors are genetic disorders such as neurofibromatosis and Li-Fraumeni syndrome, as well as previous radiation therapy. The incidence of glioblastoma has been reported to be associated with SV40 viruses (Vilchez et al, 2003), HHV-6 and cytomegalovirus.

The task was to collect a list of genes associated with the development of glioblastoma, analyze the categories of gene ontologies for such a list, and reconstruct the gene network. The databases of clinical trials are considered and the most significant drugs for the treatment of glioblastoma and their "targets" are selected. The Internet resources OMIM (https://www.omim.org/), MalaCards.org and modeling tools were used using previously published approaches (Orlov et al., 2021). The list contained 551 gene names: ENO1, MTOR, PTEN, KRAS, etc. The DAVID resource (https://david.ncifcrf.gov/summary.jsp) was used to analyze the categories of gene ontologies.

It was shown that the most significant categories for glioblastoma genes according to DAVID are enzyme binding and negative regulation of gene expression. In general, most genes fall into categories that regulate tumor formation, including apoptosis, enzyme and protein kinase binding, negative regulation of cell proliferation and genes, nervous system-specific terms such as regulation of neuronal apoptosis, and regulation of beta-amyloid precursor catabolism. Gene ontology analysis resources (DAVID, PANTHER, GOST) distinguish angiogenesis, regulation of signaling and apoptosis, binding of enzymes and proteins as the main gene ontologies of glioblastoma.

The online gene network reconstruction tools GeneMANIA, STRING-DB, Metascape (https://metascape.org/) were used. STRING-DB statistics show that the network has a non-randomly large number of connections (with significance <1.0e-16), the average degree of network node (protein) connectivity is 9.61, and the clustering coefficient is 0.468. In the center of the network are genes with the greatest influence on other genes and, most likely, the most associated with the occurrence and development of glioblastoma: PTEN, PIK3CA, MTOR, KRAS, VEGF, etc. An extended analysis of protein-protein interactions was performed using the Metascape tool.

In the structure of the glioblastoma network, seven clusters of protein-protein interactions were identified, in total about 50 genes are involved - 16% of the total number, which cannot be called a large number, but, nevertheless, it cannot be denied that the proteins of these genes are completely isolated from each other and do not interact. The common pathways found by Metascape correspond to the main ways of initiating carcinogenesis - resistance to inhibition of the epidermal growth factor receptor (EGFR tyrosine kinase inhibitor resistance) and regulation of the PI3K-Akt signaling pathway, also responsible for cell proliferation. DNA repair complexes - MSH2-MSH6-PMS2-MLH1 and PCNA-MutS-alpha-MutL-alpha-DNA (with improper DNA repair, the risk of developing oncology increases), nuclear complexes (LINC complex) and chromatin regulation (Chromatin modifying enzymes , Chromatin organization), glycolysis (NADH regeneration, canonical glycolysis, glucose catabolic process to pyruvate) (tumor cells are subject to the Warburg effect - the tendency of most cancer cells to produce energy mainly through very active glycolysis followed by the formation of lactic acid, and not through slow glycolysis and pyruvate oxidation in mitochondria using oxygen, as in most normal cells).

Drug data from MalaCards and clinicaltrials.gov show that the classic drugs Temozolomide and Bevacizunab are the most used. These drugs were found using the Drugbank online resource (https://go.drugbank.com) and summarized in the table describing the mechanism of action. The study of gene ontologies confirms that the most successful pharmacological "targets" would be the inhibition of angiogenesis, the regulation of apoptosis and protein/enzymatic pathways, signaling receptors. The construction of gene networks has shown that some genes associated with glioblastoma are sufficiently interconnected, while others are “drop-out”, which means that they cannot be influenced by other “targets”.

Acknowledgments: The project is implemented by the winner of Master's Program Faculty Grant Competition of the Vladimir Potanin Fellowship Program.

References

1. Gubanova N.V., Orlova N.G., Dergilev A.I., Oparina N.Y., Orlov Y.L. Glioblastoma gene network reconstruction and ontology analysis by online bioinformatics tools. Journal of Integrative Bioinformatics. 2021; 18:20210031. doi: 10.1515/jib-2021-0031

2. Gulaia V., Shmelev M., Romanishin A. et al. Single-nucleus transcriptomics of IDH1- and TP53-mutant glioma stem cells displays diversified commitment on invasive cancer progenitors. Sci Rep. 2022;12(1):18975. doi: 10.1038/s41598-022-23646-3.

3. Louis D.N. et al. The 2007 WHO classification of tumours of the central nervous system. Acta Neuropathol. 2007; 114, 97–109.

4. Orlov Y.L., Galieva A.G., Orlova N.G., Ivanova E.N., Mozyleva Yu.A., Anashkina A.A. Reconstruction of the gene network of Parkinson's disease to search for target genes. Biomedical Chemistry (Mosc). 2021; 67(3):222-230. (in Russian) doi:10.18097/PBMC20216703222

5. Vilchez R.A., Kozinetz C.A., Arrington A.S. et al. Simian virus 40 in human cancers. Am J Med 2003; 114, 675–684.