w kwietniu tego roku byliśmy świadkami jednego z najbardziej monumentalnych osiągnięć w biologii: kompletnego uporządkowania ludzkiego genomu. Dekodowanie i osadzanie w bazie miliardów baz sekwencji jest punktem wyjścia genomiki funkcjonalnej postsequence. Odkrycie układu okresowego miało istotny wpływ na chemię., Tak też, całkowite rozszyfrowanie ludzkiego genomu będzie miało imponujący wpływ na ludzkie zdrowie i jakość życia. Obecnie rozumiemy funkcję tylko ograniczonej liczby ludzkich genów. Badanie wszystkich funkcji ludzkich genów jest wyzwaniem technologicznym. Aby sprostać temu wyzwaniu, opracowano nowe narzędzia o wysokiej przepustowości. Test microarray jest potężną technologią molekularną, która umożliwia jednoczesne badanie ekspresji tysięcy genów lub ich produktów RNA, dając dokładny obraz ekspresji genów w komórce lub próbce w czasie badania.,
na przykład ekspresja wszystkich genów oporności na leki i metabolizmu lub wszystkich znanych onkogenów w komórce może być wykryta i zmierzona w tym samym czasie (Brown and Botstein, 1999; Collins, 1999; Lander, 1999). Microarray można zdefiniować jako uporządkowany zbiór mikrospotów (sondy), każdy punkt zawierający jeden gatunek kwasu nukleinowego i reprezentujący geny zainteresowania. Technologia ta opiera się na hybrydyzacji między oznaczonych wolnych celów pochodzących z próbki biologicznej i szereg wielu sond DNA, które są unieruchomione na matrycy (Southern et al.,, 1999). Cele są wytwarzane przez odwrotną transkrypcję i jednoczesne etykietowanie ekstraktów RNA z próbki biologicznej hybrydyzowanej z sondami fragmentów DNA. Sygnał hybrydyzacji wytwarzany przez każdą sondę to poziom ekspresji mRNA odpowiedniego genu w próbce w czasie badania. Sygnały są wykrywane, oznaczane ilościowo, integrowane i normalizowane za pomocą dedykowanego oprogramowania i odzwierciedlają „profil ekspresji genów” lub „portret molekularny” dla każdej próbki biologicznej.,
na silikonowym lub szklanym szkiełku lub nylonowej podstawie półprzewodnikowej można wydrukować tysiące lub dziesiątki tysięcy różnych miejsc. Istnieją głównie dwa warianty microarrays: cDNA i oligonucleotide microarrays (Schena et al., 1995, 1996; Lockhart et al., 1996). Chociaż oba typy microarray są używane do analizy wzorców ekspresji genów, warianty te są zasadniczo różne (Lipshutz et al., 1999). W mikromacierzach cDNA stosunkowo długie cząsteczki DNA są unieruchamiane na stałej powierzchni. Ten typ microarray jest najczęściej używany do badań przesiewowych i ekspresji na dużą skalę., Oligonukleotyd microarray jest wytwarzany przez syntezę chemiczną skierowaną światłem in situ lub przez syntezę konwencjonalną, a następnie immobilizację na szklanej matrycy. Ten microarray używać dla wykrywać mutacje, gene mapping i expression studia i pozwala Dla różnicowego wykrywanie gene rodzina członkowie lub alternatywni transkrypty które nie odróżniać cDNA microarrays.
Chemia microarray sama w sobie nie jest nowa, ponieważ technologia hybrydyzacji jest dobrze ugruntowana od dziesięcioleci., Jednak równoczesne badanie tysięcy genów przekształca technikę microarray w potężne narzędzie analityczne całego systemu. Minęło prawie 10 lat od stworzenia pierwszych mikroarrayów, a mimo to technologia ta wciąż się poprawia i rozwija. Od początkowego wprowadzenia liczba aplikacji microarray rozszerzyła się (rysunek 1). Począwszy od ich stosowania w badaniach przesiewowych genów i identyfikacji celów, technologia ta znajduje nowe zastosowania, takie jak biologia rozwoju, klasyfikacja chorób, badania szlaku, odkrycie leków i toksykologia., Technologia zaangażowana w produkcję i wykorzystanie microarray jest poza zakresem tego przeglądu, ale został szeroko zbadany gdzie indziej (Schena et al., 1995; Niemeyer and Blohm, 1999; Bowtell, 1999; Brown and Botstein, 1999; Celis et al., 2000; Cheung et al., 1999; Duggan et al., 1999; Graves, 1999; Khan et al., 1999; Hegde et al., 2000; Meldrum, 2000). Opisujemy tutaj Niektóre z ostatnich osiągnięć i wyników technologii microarray w badaniach nad rakiem, omawiamy potencjalne problemy, opisujemy zastosowania kliniczne i komentujemy przyszłość tej technologii.,
liczba cytowań znalezionych w MEDLINE przez wstawienie „microarray” (szary pasek) lub „microarray+cancer” (biały pasek) dla wyszukiwania PubMed. Artykuły zostały opublikowane w latach 1995-2002
znaczenie pomiaru globalnej ekspresji genów w nowotworach człowieka
charakterystyka populacji transkryptomu doprowadziła do powstania nowego terminu, transkryptomu (Su et al., 2002)., Pojęcie to określa kompletny zestaw transkrypcji genów wyrażonych jako RNA dla danego gatunku. Dlatego transkryptom reprezentuje wszechświat przekaźników RNA, które mogą kodować białka. Tylko około 5% genów jest aktywnych w danej komórce w danym momencie. Większość genów jest represjonowana, a ta kontrola może wystąpić zarówno na poziomie transkrypcyjnym, jak i translacyjnym. Ponieważ regulacja ekspresji białka na poziomie transkrypcji jest bardziej efektywna, większość kontroli odbywa się na tym poziomie., Profil ekspresji genów komórki determinuje jej funkcję, fenotyp i odpowiedź na bodźce zewnętrzne. Dlatego profile ekspresji genów mogą pomóc w wyjaśnieniu funkcji komórkowych, szlaków biochemicznych i mechanizmów regulacyjnych. Ponadto profile ekspresji genów komórek/tkanek chorobowych, w porównaniu z normalnymi kontrolami, mogą promować zrozumienie patologii choroby i identyfikować nowe punkty terapeutyczne interwencji, poprawiając diagnozę i wyjaśniając rokowanie.,
w ciągu ostatnich kilku lat pojawiło się kilka metod profilowania ekspresji genów i z powodzeniem zastosowano je w badaniach nad rakiem. Należą do nich wyświetlanie różnicowe, analiza seryjna ekspresji genów i mikroarrays (Velculescu et al., 1995; Granjeaud et al., 1999; Cheng et al., 2002). Mikromacierze stały się ważne, ponieważ są łatwiejsze w użyciu, nie wymagają sekwencjonowania DNA na dużą skalę i pozwalają na równoległe kwantyfikację tysięcy genów z wielu próbek., Gene expression profilowanie nowotwory reprezentuje największa Kategoria badania używać microarray Technologia i wydaje się być najbardziej wszechstronny podejście charakteryzować nowotwór cząsteczkowo. Chociaż fenotyp raka jest tylko częściowo określony przez jego transkryptom, nadal zapewnia jasny obraz stanu fizjologicznego komórki. Moc tego podejścia wykazano w badaniach przeprowadzonych na wielu różnych nowotworów złośliwych, w tym nowotworów piersi, głowy i szyi, wątroby,płuc, jajników, trzustki, prostaty i żołądka (Bhattacharjee et al.,, 2001; Dhanasekaran et al., 2001; Garber et al., 2001; Tonin i in., 2001; Al Moustafa et al., 2002; Belbin et al., 2002; Chen et al., 2002; Han et al., 2002; Hedenfalk et al., 2002; Hippo et al., 2002; Luo et al., 2002a).,w porównaniu z odpowiadającą mu próbką kontrolną w celu zmierzenia różnic i podobieństw między obu fenotypami, rozwarstwienie nowotworu, w którym profile ekspresji genów z różnych próbek tego samego typu nowotworu są porównywane do ujawniania odrębnych podgrup w celu lepszego zdefiniowania klasyfikacji molekularnej wspólnego histologicznego typu nowotworu, i wreszcie doczesna ocena guza, w którym wzorce ekspresji genów z próbek nowotworu pochodzących z różnych stadiów progresji są porównywane do wyjaśnienia różnic między wczesnym i zaawansowanym stadium choroby., Chociaż wiele badań analizy microarray w chorobach ludzkich zostały opublikowane, prezentujemy tutaj Niektóre z tych o zainteresowaniu klinicznym dla onkologii.
Microarray i rak prostaty
niedawno opublikowano kilka badań wykorzystujących microarray do scharakteryzowania profili ekspresji genów raka prostaty. Badania te wykorzystały technologię microarray jako narzędzie do odkrywania genów w celu identyfikacji markerów genetycznych, które rozróżniają normalne i nowotworowe tkanki prostaty., Proste badanie microarray przeprowadzono przy użyciu plamistych tablic membranowych do analizy normalnych i nowotworowych tkanek i linii komórkowych (Bull et al., 2001). Membrana microarray odkrycia ograniczają względną niewrażliwość ten technikę wykrywać transkrypty wyrażać przy niski poziom i mała liczba plamy które mogą umieszczać na membranach; jakkolwiek, ten badanie dawać kandydata markery raka prostaty dalsza ocena. , Pięć opublikowanych badań przeanalizowało profile ekspresji genów w kilku tysiącach genów w tkankach normalnych i prostaty i wykorzystało nienadzorowaną hierarchiczną analizę grupowania do sortowania okazów (Dhanasekaran et al., 2001; Luo et al., 2001, 2002b; Welsh et al., 2001a; Singh et al., 2002). Dhanasekaran et al. (2001) byli w stanie odróżnić normalną prostatę, łagodny rozrost gruczołu krokowego (BPH), zlokalizowanego raka gruczołu krokowego i przerzutowego raka gruczołu krokowego próbki za pomocą 9,984 element-spotted microarrays. Korzystając z analizy hierarchicznego klastrowania, Luo et al., (2001) byli w stanie rozróżnić 16 próbek raka gruczołu krokowego z dziewięciu próbek BPH na podstawie różnic w profilach ekspresji genów mierzonych na 6500 pierwiastkowych plamach cDNA. Welsh et al. (2001a) poinformował o podobnym sortowaniu próbek tkanek gruczołu krokowego normalnych i złośliwych przy użyciu mikromacierzy oligonukleotydowych. Co ciekawe, wszystkie pięć grup zidentyfikowało hepsynę proteazy serynowej przezbłonowej jako wykazującą znacznie zwiększoną ekspresję w tkankach złośliwych w porównaniu z prawidłową tkanką prostaty (Dhanasekaran et al., 2001; Luo et al., 2001, 2002b; Welsh et al.,, 2001a; Singh et al., 2002). Wiele innych potencjalnych markerów raka prostaty, takich jak proto-onkogen PIM1, pojawiło się w innych badaniach i są dalej badane jako potencjalne markery diagnostyczne. Zmniejszona ekspresja PIM1 na immunohistochemistry próbek guza prostaty dał zwiększone ryzyko nawrotu po zabiegu (Dhanasekaran et al., 2001). Inne grupy wykorzystujące kombinacje subtraktywnej hybrydyzacji i analizy microarray zidentyfikowały kilka potencjalnych kandydatów do terapii immunomodulacyjnej raka prostaty, w tym prostein (Xu et al.,, 2001), STEAP (Hubert et al., 1999) i P504s/Alfa-Metylacylo-Coa-Racemase (Jiang et al., 2001). W bardzo niedawnym badaniu Virolle et al. (2003) wykorzystała linię komórek raka prostaty, która wyraża wysoki konstytutywny poziom białka Egr1, czynnika transkrypcyjnego nadmiernie ekspresji w większości agresywnych komórek nowotworowych raka prostaty. Ocenili przepis transkrypcyjny Egr1, wykonując oligonucleotide microarray analizę przy użyciu komórek rendered deficient w Egr1 jako próbki porównawczej do identyfikacji Egr1 genów docelowych., Po raz pierwszy w tkankach prostaty badanie to potwierdziło rolę stymulatora wzrostu Egr1 obserwowaną wcześniej w innych układach komórkowych i zidentyfikowało kilka nowych genów docelowych specyficznie kontrolujących wzrost, progresję cyklu komórkowego i szlaki apoptotyczne.
Microarray i rak jamy ustnej
do tej pory opublikowano tylko kilka badań microarray istotnych dla raka jamy ustnej. Chang et al. (1998) illustrated the use cDNA microarrays scharakteryzować transformation-related geny w oral cancer. Villaret et al., zastosowano kombinację komplementarnego odejmowania DNA i analizy mikromacierzy w celu oceny unikalnych genów specyficznych dla raka płaskonabłonkowego głowy i szyi (hnscc)jako potencjalnych markerów nowotworowych i kandydatów do szczepionki. Stwierdzono, że dziewięć znanych genów wykazuje znaczną nadekspresję w HNSCC w porównaniu do normalnej tkanki. Ponadto cztery nowe geny zostały nadekspresowane w podgrupie guzów (Villaret et al., 2000). Alevizos i in. (2001) analizował transkryptom w raku płaskonabłonkowym jamy ustnej., Odkryli około 600 genów kandydujących (onkogenów, supresorów nowotworów, czynników transkrypcyjnych, markerów różnicowania, białek przerzutowych i enzymów ksenobiotycznych), które różnie wyrażały się w raku jamy ustnej, potwierdzając tylko trzy z tych genów PCR.
(2001) używał microarray podejście Oceniać gene expression profil zmiany podczas inicjacji i progresji płaskonabłonkowego raka przełyku., Badali profile ekspresji genów w różnych stadiach inicjacji i progresji raka przełyku w celu identyfikacji genów wyrażonych różnie między tymi stadiami. Frierson et al. (2002) used oligonucleotide microarray analysis to study the expression of 8,920 different human genes in 15 adenoid cystic carcinomas (ACCs), one ACC cell line and five normal major ślinianki., Wśród genów ze zmienioną ekspresją W ACC były te kodujące czynniki transkrypcyjne sox4 i AP-2 gamma, kinaza kazeinowa 1, a także epsilon i frizzled-7, z których oba są członkami Wnt / beta-catenin signaling pathway. W bardzo niedawnym badaniu Leethanakul et al. (2003) generated high-complexity cDNA libraries from laser capture microdissected normal and cancerous squamous epithelium. W badaniu tym autorzy zbadali dostępne informacje o sekwencji za pomocą narzędzi bioinformatycznych i zidentyfikowali 168 nowych genów, które różnią się w normalnym i złośliwym nabłonku., Ponadto, wykorzystując tablice cDNA, uzyskali dowody, że podzbiór tych nowych genów może być wysoce wyrażony w HNSCC.
Microarray i rak piersi
biorąc pod uwagę kliniczną heterogeniczność raka piersi, technologia microarray może być idealnym instrumentem do ustalenia dokładniejszej klasyfikacji. Wstępne badania z wykorzystaniem profilowania ekspresji microarray wykazały jego zdolność do prawidłowego klasyfikowania nowotworów piersi receptorów estrogenowych-ujemnych i receptorów estrogenowych-dodatnich (Perou et al., 2000; West et al.,, 2001) oraz w celu odróżnienia guzów związanych z BRCA1 od guzów związanych z BRCA2 i sporadycznych (Hedenfalk et al., 2001; van ' t Veer et al., 2002).
the study of van ' t Veer et al. jest jednym z najbardziej obszernych i pouczających badań przeprowadzonych do tej pory. Autorzy zbadali 117 pierwotnych próbek piersi poprzez profilowanie ekspresji genów w oparciu o mikroarray w celu opracowania profili prognostycznych i porównania ich ze znanymi markerami prognostycznymi w raku piersi. Spośród 5000 genów o zmiennych profilach ekspresji, 70 zidentyfikowano dla optymalnej dokładności w przewidywaniu nawrotów choroby., Korzystając z tej klasyfikacji, autorzy prawidłowo przewidzieli faktyczny wynik choroby u 65 z 78 pacjentów. Pięciu pacjentów z dobrym rokowaniem i ośmiu pacjentów ze złym rokowaniem zostało błędnie przypisanych. Standardowe markery prognostyczne w raku piersi były stosowane w celu oszacowania ryzyka nawrotu raka i pomagały w podejmowaniu decyzji dotyczących leczenia adiuwantowego. Niestety, obecne markery prognostyczne nie odpowiednio zidentyfikować najbardziej poprawnej terapii dla pacjenta., Moc predykcyjna podejścia microarray jest znacznie większa niż obecnie stosowanych podejść, ale musi zostać zweryfikowana w bardziej prospektywnych badaniach klinicznych. Jeśli wartość prognostyczna tego podejścia zostanie potwierdzona, klasyfikator profilowania ekspresji spowodowałby około czterokrotne zmniejszenie liczby pacjentów otrzymujących niepotrzebnie leczenie adiuwantowe (Caldas and Aparicio, 2002).
(2001) opisał metodę identyfikacji krążącego raka piersi poprzez dwuetapowy proces wyświetlania różnicowego i profilowania ekspresji opartej na macierzach o wysokiej czułości., Nawet jeśli potencjał tej techniki jest obiecujący, jego czułość i swoistość nadal wymagają poprawy i więcej pracy jest wymagane w celu określenia klinicznego znaczenia wykrywania profilu ekspresji genów we krwi obwodowej. Niektóre artykuły wykazały teraz związek między profilami ekspresji nowotworu przy użyciu technologii microarray i wyników klinicznych. Na przykład Sorlie et al. (2001) wykazał, że podklasy nowotworowe zdefiniowane przez profilowanie ekspresji mogą przewidywać wolne od choroby i całkowite przeżycie, a Sotiriou et al., (2002) wykazał, że profile ekspresji wstępnej obróbki przewidywały odpowiedź kliniczną na chemioterapię w małej próbce guzów piersi. Chociaż badanie Sorlie et al. była bardzo prowokująca, autorzy nie porównali wartości prognostycznej grup zidentyfikowanych przez hierarchiczne grupowanie z obecnie stosowanymi czynnikami prognostycznymi w raku piersi., Ponieważ lekooporność w nowotworach jest główną przeszkodą dla pomyślnej chemioterapii, wykonalność uzyskania potencjalnego profilu molekularnego lub odcisku palca leków przeciwnowotworowych w komórkach nowotworowych przez technologię microarray jest krytyczna dla przewidywania odpowiedzi na chemioterapię. Kudoh et al. (2000) wykazał tę zdolność do definiowania zmian w profilach ekspresji genów w linii komórkowej raka piersi leczonych chemioterapią. Monitorowano profile ekspresji komórek raka piersi MCF-7, które były przejściowo leczone doksorubicyną lub wybrane pod kątem oporności na doksorubicynę., Badanie to wykazało, że przejściowe leczenie doksorubicyną zmienia ekspresję zróżnicowanej grupy genów w sposób zależny od czasu.
Microarray i rak jajnika
w ciągu ostatnich kilku lat kilku badaczy opublikowało interesujące badania dotyczące profilowania ekspresji raka jajnika. Martoglio i in. (2000) przeanalizował profile ekspresji genów pięciu prawidłowych jajników i czterech słabo zróżnicowanych próbek surowiczego gruczolakoraka jajnika brodawkowatego., Stosując niewielkie mikroarray z membraną nylonową cDNA, stwierdzono ogólny wzrost markerów związanych z angiogenezą (np. angiopoietyna-1, VEGF), markerów apoptotycznych i nowotworowych, mediatorów odpowiedzi immunologicznej i nowych potencjalnych markerów raka jajnika (np. cofilina, moesin i białko czynnika tłumiącego ograniczającego neurony) w tkance nowotworowej. Badanie było intrygujące, ponieważ używali niskokosztowej tablicy cDNA dostosowanej do badań specyficznych szlaków, takich jak angiogeneza i tumorigeneza., Ponieważ jest problematyczne, aby uzyskać dostęp do odpowiedniej ilości wczesnej tkanki guza jajnika, naukowcy wykorzystali różne strategie, aby obejść potrzebę ilości tkanek zazwyczaj wymagane przez Analizę microarray. Na przykład Ismail et al. (2000) donosił badanie 864 DNA elementy przesiewane przeciw 10 komórki nowotworowe jajnika linie i pięć normalny nabłonkowy komórki linie używać krótkoterminowy komórki hodowla rozszerzać jajnik powierzchnia nabłonek przed ekstrakcją RNA., Inni badacze oczyszczali nabłonek jajnika za pomocą procedur in vitro, takich jak stosowanie szkła lub wzbogacanie immunomagnetyczne (Ono et al., 2000; Welsh et al., 2001b). Jednak te dwa podejścia mogą wprowadzać uprzedzenia w obserwowanej ekspresji genów. W rzeczywistości pierwsze podejście (Ismail et al., 2000) wykorzystuje hodowane komórki nowotworowe, które mogą nie odzwierciedlać nowotworów in vivo ze względu na możliwość wtórnych zmian ekspresji genów zachodzących in vitro w wyniku warunków hodowli. Druga strategia (Ono et al., 2000; Welsh et al.,, 2001b) jest bardzo długi i może powodować degradację mniej stabilnych przekaźników RNA. Aby uniknąć ewentualnych uprzedzeń związanych z kulturami in vitro stosowanymi w niektórych badaniach (Ismail et al., 2000; Matei i in., 2002), inni badacze badali wzorce ekspresji genów bezpośrednio z chirurgicznie wyciętych guzów (Shridhar et al., 2001). Małe, wyspecjalizowane mikromacierze mają kilka praktycznych zalet i mogą ujawnić informacje, które mogą zostać utracone w większych mikromacierzach. Sawiris i in., (2002) used a highly specialized cDNA microarray named 'Ovachip', and find this microarray extremely sensitive at differenting ovarian cancer from colon cancer based on gene expression patterns. Przesiewowe biomarkery raka jajnika są bardzo ważne ze względu na późne stadium w momencie rozpoznania i słabe przeżycie związane z tego typu rakiem., Niedawno dwa badania wykorzystywały technologię microarray do identyfikacji dwóch nadmiernie obciążonych potencjalnych markerów surowicy raka jajnika zwanych osteopontin i prostasin, i zgłosiły wstępną walidację ich stosowania do wczesnego wykrywania choroby (Mok et al., 2001; Kim i in., 2002).
Microarray i inne nowotwory
zastosowanie technologii microarray do innych ludzkich nowotworów szybko się rozwija. Pionierskie studium Golub et al., (1999) wykazał możliwość odróżnienia ostrej białaczki szpikowej i ostrej białaczki limfoblastycznej (ALL) w oparciu o monitorowanie ekspresji genów i w jaki sposób, w symulowanej sytuacji „zaślepionej” do diagnozy histologicznej, dwie klasy mogły zostać odkryte przez same wzorce ekspresji genów. Alizadeh et al. (2000) zidentyfikował dwie formy rozproszonego chłoniaka z dużych komórek B (DLBCL)na podstawie profili ekspresji genów, które wskazują na różne etapy różnicowania komórek B., Co ciekawe, ta klasyfikacja molekularna ma wartość prognostyczną niezależną od stratyfikacji przez zwykłą klasyfikację kliniczną. Aby zbadać ekspresję genów w nowotworach limfatycznych, duża grupa współpracujących stworzyła wyspecjalizowaną mikroarray, o nazwie „Lymphochip”, która jest wzbogacona w geny, które są selektywnie wyrażone w limfocytach i w genach regulujących funkcję limfocytów (Alizadeh et al., 1999). Ta grupa używała ten microarray badać DLBCL i znajdować dwa różny molecular form ten nowotwór., Ponadto wykazano, że podgrupy DLBCL zdefiniowały podgrupę pacjentów z odrębnym rokowaniem klinicznym. Aby przetestować hipotezę, że B-cell przewlekła białaczka limfocytowa (PBL) jest więcej niż jedna choroba, Rosenwald et al. (2001) related gene expression patterns of CLL to their IG mutational status and to other types of normal and malignant B cells. Co ciekawe, geny zidentyfikowane jako wysoce wyrażone w CLL w porównaniu do DLBCL były wyrażone równoważnie we wszystkich próbkach CLL, niezależnie od ich statusu mutacyjnego Ig., Badanie to sugerowało, że wszystkie przypadki PBL dzieliły wspólny mechanizm transformacji i / lub komórki pochodzenia. Ostatnie badania (Stratowa et al., 2001) zaproponował listę potencjalnych nowych markerów prognostycznych zaangażowanych w handel limfocytami i związanych z postojem choroby i / lub przeżyciem pacjenta.
w bardzo niedawnym badaniu Gariboldi et al. (2003) przeanalizował profile ekspresji genów w normalnej tkance myszy wrażliwych na nowotwory skóry i opornych na nowotwory w celu identyfikacji genów, które odgrywają funkcjonalną rolę w podatności genetycznej., Badanie to sugeruje rolę genu Scca2, członka nadrodziny inhibitora proteazy serynowej, w genetycznej predyspozycji do nowotworów skóry.
technologia Microarray została również wykorzystana w analizie czerniaka (Bittner et al., 2000). Badanie to sugerowało, że profile ekspresji genów w obrębie poszczególnych tkanek pacjenta mogą być niezwykle zachowane w czasie i że globalna analiza transkryptu może zidentyfikować nierozpoznane podtypy czerniaka skóry i przewidzieć eksperymentalnie zweryfikowane cechy fenotypowe.,
badania na komórkach i tkankach raka jelita grubego wykazały znaczącą supresję genu kinazy, WEE1Hu (Backert et al., 1999).
wiele transkryptomów zmienia się po swoistej nadekspresji genów związanych z guzem. Na przykład wykorzystaliśmy adenowirusowy system ekspresji genu supresorowego RB2 / p130 w niedrobnokomórkowej linii komórkowej raka płuc w celu identyfikacji specyficznych genów, które są regulowane przez pRb2 / p130 (Russo et al., 2003)., Nasze microarray wyniki zidentyfikowali różnorodność genów zaangażowanych w wiele komórkowych procesy wliczając komórki podział, komórka sygnalizacja / komórka komunikacja, komórka struktura / ruchliwość i genu wyrażenie i metabolizm. Wyniki te sugerują nowe potencjalne terapeutyczne biomarkery w raku płuca. Ponadto, wyniki innego cDNA microarray badania wskazują, że nadekspresja tumor-supresor genu PTEN może hamować inwazję raka płuc poprzez downregulating panel genów (Hong et al., 2000)., W świetle powyższych danych, jest jasne, że podejście microarray jest bardzo ważne w analizie różnych typów nowotworów.