Im April dieses Jahres erlebten wir eine der monumentalsten Errungenschaften in der Biologie: die vollständige Sequenzierung des menschlichen Genoms. Die Dekodierung und Datenbankablagerung von Milliarden von Sequenzbasen ist der Ausgangspunkt der Postsequenzfunktionsgenomik. Die Entdeckung des Periodensystems hatte einen wichtigen Einfluss auf die Chemie., Auch die vollständige Entschlüsselung des menschlichen Genoms wird beeindruckende Auswirkungen auf die menschliche Gesundheit und Lebensqualität haben. Derzeit verstehen wir die Funktion nur einer begrenzten Anzahl menschlicher Gene. Alle menschlichen Gene Funktion zu studieren ist eine technologische Herausforderung. Um dieser Herausforderung zu begegnen, wurden neue Hochdurchsatzwerkzeuge entwickelt. Der Microarray-Assay ist eine leistungsstarke molekulare Technologie, die die gleichzeitige Untersuchung der Expression von Tausenden von Genen oder deren RNA-Produkten ermöglicht und ein genaues Bild der Genexpression in der Zelle oder der Probe zum Zeitpunkt der Studie liefert.,
Zum Beispiel kann die Expression aller Gene für Arzneimittelresistenz und Metabolismus oder aller bekannten Onkogene in einer Zelle im gleichen Zeitrahmen nachgewiesen und gemessen werden (Brown und Botstein, 1999; Collins, 1999; Lander, 1999). Das Mikroarray kann als geordnete Sammlung von Mikropots (die Sonden) definiert werden, wobei jeder Fleck eine einzelne Spezies einer Nukleinsäure enthält und die interessierenden Gene darstellt. Diese Technologie basiert auf der Hybridisierung zwischen markierten freien Targets, die aus einer biologischen Probe stammen, und einem Array vieler DNA-Sonden, die auf einer Matrix immobilisiert sind (Southern et al.,, 1999). Die Targets werden durch umgekehrte Transkription und die gleichzeitige Markierung von RNA-Extrakten aus einer biologischen Probe hergestellt, die mit DNA-Fragmentsonden hybridisiert ist. Das auf jeder Sonde erzeugte Hybridisierungssignal ist der mRNA-Expressionsgrad des entsprechenden Gens in der Probe zum Zeitpunkt der Studie. Die Signale werden mit einer speziellen Software erfasst, quantifiziert, integriert und normalisiert und spiegeln das „Genexpressionsprofil“ oder „Molekularporträt“ für jede biologische Probe wider.,
Viele tausende oder zehntausende von verschiedenen flecken können gedruckt werden auf eine silizium oder glas rutsche oder eine nylon solid-state basis. Es gibt hauptsächlich zwei Varianten von Mikroarrays: cDNA und Oligonukleotid-Mikroarrays (Schena et al., 1995, 1996; Lockhart et al., 1996). Obwohl beide Arten von Mikroarrays zur Analyse von Genexpressionsmustern verwendet werden, unterscheiden sich diese Varianten grundlegend (Lipshutz et al., 1999). In cDNA-Mikroarrays werden relativ lange DNA-Moleküle auf einer festen Oberfläche immobilisiert. Diese Art von Mikroarray wird hauptsächlich für groß angelegte Screening-und Expressionsstudien verwendet., Das Oligonukleotid-Mikroarray wird durch in situ lichtgerichtete chemische Synthese oder durch konventionelle Synthese hergestellt, gefolgt von Immobilisierung auf einer Glasmatrix. Dieses Mikroarray wird zum Nachweis von Mutationen, Genkartierungen und Expressionsstudien verwendet und ermöglicht den differentiellen Nachweis von Genfamilienmitgliedern oder alternativen Transkripten, die nicht durch cDNA-Mikroarrays unterscheidbar sind.
Die Chemie des Mikroarrays an sich ist nicht neu, da die Hybridisierungstechnologie seit Jahrzehnten gut etabliert ist., Die gleichzeitige Untersuchung von Tausenden von Genen verwandelt die Microarray-Technik jedoch in ein leistungsfähiges Analysewerkzeug für das gesamte System. Fast 10 Jahre sind vergangen, seit die ersten Mikroarrays entstanden sind, und dennoch verbessert sich diese Technologie immer noch und schreitet voran. Seit seiner ersten Einführung hat sich die Anzahl der Microarray-Anwendungen erweitert (Abbildung 1). Ausgehend von ihrer Verwendung im Genscreening und bei der Zielidentifikation findet diese Technologie neue Anwendungen wie Entwicklungsbiologie, Krankheitsklassifizierung, Pathway-Studien, Wirkstoffforschung und Toxikologie., Die Technologie, die an der Herstellung und Verwendung des Microarrays beteiligt ist, geht über den Rahmen dieser Überprüfung hinaus, wurde jedoch an anderer Stelle ausführlich überprüft (Schena et al., 1995; Niemeyer und Blohm, 1999; Bowtell, 1999; Brown und 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). Wir beschreiben hier einige der jüngsten Entwicklungen und Ergebnisse der Mikroarray-Technologie in der Krebsforschung, diskutieren mögliche Probleme, beschreiben klinische Anwendungen und kommentieren die Zukunft dieser Technologie.,
Anzahl der in MEDLINE gefundenen Zitate durch Einfügen von ‚microarray‘ (grauer Balken) oder ‚microarray+cancer‘ (weißer Balken) für eine PubMed-Suche. Artikel wurden zwischen 1995 und 2002 veröffentlicht
Die Bedeutung der Messung der globalen Genexpression bei menschlichen Krebserkrankungen
Die Charakterisierung der Population transkribierter Gene hat zur Schaffung eines neuen Begriffs geführt, des Transkriptoms (Su et al., 2002)., Dieses Konzept definiert den vollständigen Satz transkribierter Gene, die als Messenger-RNAs für eine bestimmte Spezies exprimiert werden. Das Transkriptom repräsentiert daher das Universum der RNA-Botenstoffe, die für Proteine kodieren können. Nur etwa 5% der Gene sind zu einem bestimmten Zeitpunkt in einer bestimmten Zelle aktiv. Die meisten Gene werden unterdrückt, und diese Kontrolle kann entweder auf Transkriptions-oder Translationsebene erfolgen. Da die Regulation der Proteinexpression auf der Ebene der Transkription effizienter ist, findet die meiste Kontrolle auf dieser Ebene statt., Das Genexpressionsprofil einer Zelle bestimmt ihre Funktion, ihren Phänotyp und ihre Reaktion auf äußere Reize. Daher können Genexpressionsprofile helfen, zelluläre Funktionen, biochemische Wege und Regulationsmechanismen aufzuklären. Darüber hinaus können Genexpressionsprofile von Krankheitszellen / – geweben im Vergleich zu normalen Kontrollen das Verständnis der Krankheitspathologie fördern und neue therapeutische Interventionspunkte identifizieren, die Diagnose verbessern und die Prognose klären.,
In den letzten Jahren haben sich mehrere Methoden der Genexpressionsprofilierung herausgebildet, die erfolgreich in der Krebsforschung eingesetzt wurden. Dazu gehören Differentialanzeige, serielle Analyse der Genexpression und Mikroarrays (Velculescu et al., 1995; Granjeaud et al., 1999; Cheng et al., 2002). Die Mikroarrays sind wichtig geworden, weil sie einfacher zu verwenden sind, keine groß angelegte DNA-Sequenzierung erfordern und die parallele Quantifizierung von Tausenden von Genen aus mehreren Proben ermöglichen., Die Genexpressionsprofilierung von Krebserkrankungen stellt die größte Kategorie der Forschung mit Microarray-Technologie dar und scheint der umfassendste Ansatz zur molekularen Charakterisierung von Krebs zu sein. Obwohl der Krebsphänotyp nur teilweise durch sein Transkriptom bestimmt wird, liefert er dennoch ein klares Bild des physiologischen Zustands einer Zelle. Die Wirksamkeit dieses Ansatzes wurde in Studien nachgewiesen, die an einer Vielzahl von Malignomen durchgeführt wurden, einschließlich Brust -, Kopf-und Halskrebs, Leber -, Lungen -, Eierstock -, Bauchspeicheldrüsen -, Prostata-und Magenkrebs (Bhattacharjee et al.,, 2001; Dhanasekaran et al., 2001; Garber et al., 2001; Tonin et al., 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).,verglichen mit der entsprechenden Kontrollprobe, um die Unterschiede und Ähnlichkeiten zwischen beiden Phänotypen zu messen, Krebsstratifizierung, bei der die Genexpressionsprofile von verschiedenen Proben desselben Krebstyps verglichen werden, um verschiedene Untergruppen aufzudecken, um die molekulare Klassifikation einer gemeinsamen histologischen Krebsart besser zu definieren, und schließlich zeitliche Bewertung des Tumors, bei der die Genexpressionsmuster von Tumorproben aus verschiedenen Stadien der Progression verglichen werden, um die Unterschiede zwischen dem frühen und fortgeschrittenen Stadium der Krankheit aufzuklären., Obwohl viele Studien zur Mikroarray-Analyse bei Erkrankungen des Menschen veröffentlicht wurden, stellen wir hier einige von denen vor, die ein klinisches Interesse für die Onkologie haben.
Mikroarrays und Prostatakrebs
Kürzlich wurden mehrere Studien veröffentlicht, in denen Mikroarrays zur Charakterisierung von Genexpressionsprofilen für Prostatakrebs verwendet wurden. Diese Studien haben die Microarray-Technologie als Instrument zur Genentdeckung verwendet, um genetische Marker zu identifizieren, die zwischen normalem und krebsartigem Prostatagewebe unterscheiden., Eine einfache Mikroarray-Studie wurde unter Verwendung von gefleckten Membranarrays durchgeführt, um normale und krebsartige Gewebe und Zelllinien zu analysieren (Bull et al., 2001). Membranmikroarraybefunde sind durch die relative Unempfindlichkeit dieser Technik zum Nachweis von Transkripten, die in niedrigen Konzentrationen exprimiert werden, und die geringe Anzahl von Flecken, die auf den Membranen platziert werden können, begrenzt; Diese Studie hat jedoch Kandidatenmarker für Prostatakrebs zur weiteren Bewertung ergeben., Fünf veröffentlichte Studien haben Genexpressionsprofile in mehreren tausend Genen in Normal-und Prostatageweben analysiert und unbeaufsichtigte hierarchische Clustering-Analysen verwendet, um Proben zu sortieren (Dhanasekaran et al., 2001; Luo et al., 2001, 2002b; Welsh et al., 2001a; Singh et al., 2002). Dhanasekaran et al. (2001) konnten normale Prostata -, benigne Prostatahyperplasie (BPH), lokalisierten Prostatakrebs und metastasierten Prostatakrebs Proben mit 9.984 Element-spotted Mikroarrays unterscheiden. Unter Verwendung der hierarchischen Clustering-Analyse, Luo et al., (2001) konnten 16 Prostatakrebsproben von neun BPH-Proben auf der Grundlage von Unterschieden in den Genexpressionsprofilen, gemessen an 6.500 elementfleckigen cDNA-Mikroarrays, unterscheiden. Welsh et al. (2001a) berichtete über eine ähnliche Sortierung von normalen und bösartigen Prostatagewebeproben unter Verwendung von Oligonukleotid-Mikroarrays. Interessanterweise identifizierten alle fünf Gruppen die Transmembran-Serin-Protease Hepsin als signifikant erhöhte Expression in malignen Geweben im Vergleich zu normalem Prostatagewebe (Dhanasekaran et al., 2001; Luo et al., 2001, 2002b; Welsh et al.,, 2001a; Singh et al., 2002). Viele andere Kandidatenmarker für Prostatakrebs wie das Proto-Onkogen PIM1 sind aus anderen Studien hervorgegangen und werden als potenzielle diagnostische Marker weiter untersucht. Die verminderte PIM1-Expression in der Immunhistochemie von Prostatatumorproben ergab ein erhöhtes Rezidivrisiko nach einer Operation (Dhanasekaran et al., 2001). Andere Gruppen, die Kombinationen aus subtraktiver Hybridisierung und Mikroarray-Analyse verwenden, haben mehrere potenzielle Kandidaten für die immunmodulatorische Therapie von Prostatakrebs identifiziert, einschließlich Prostein (Xu et al.,, 2001), STEAP (Hubert et al., 1999) und p504S/Alpha-Methylacyl-CoA-Racemase (Jiang et al., 2001). In einer sehr aktuellen Studie, Virolle et al. (2003) verwendete eine Prostatakrebszelllinie, die einen hohen konstitutiven Spiegel an Egr1-Protein exprimiert, einem Transkriptionsfaktor, der in der Mehrzahl aggressiver tumoriger Prostatakrebszellen überexprimiert ist. Sie bewerteten die Egr1-Transkriptionsregulation, indem sie eine Oligonukleotid-Mikroarrayanalyse unter Verwendung von Zellen durchführten, die in Egr1 als Vergleichsprobe für die Identifizierung von Egr1-Zielgenen mangelhaft gemacht wurden., Zum ersten Mal in Prostatageweben bestätigte diese Studie die Wachstumsverstärkerrolle von Egr1, die zuvor in anderen zellulären Systemen beobachtet wurde, und identifizierte mehrere neue Zielgene, die spezifisch Wachstum, Zellzyklusprogression und apoptotische Wege steuern.
Mikroarray und Mundkrebs
Bisher wurden nur wenige für Mundkrebs relevante Mikroarray-Studien veröffentlicht. Chang et al. (1998) veranschaulichte die Verwendung von cDNA-Mikroarrays zur Charakterisierung transformationsbezogener Gene bei Mundkrebs. Villaret et al., verwendete eine Kombination aus komplementärer DNA-Subtraktion und Mikroarray-Analyse, um einzigartige Gene, die für Plattenepithelkarzinome des Kopfes und Halses (HNSCC) spezifisch sind, als potenzielle Tumormarker und Impfstoffkandidaten zu bewerten. Es wurde festgestellt, dass neun bekannte Gene in HNSCC im Vergleich zu normalem Gewebe signifikant überexprimiert waren. Darüber hinaus wurden vier neuartige Gene in einer Teilmenge von Tumoren überexprimiert (Villaret et al., 2000). Alevizos et al. (2001) analysierte das Transkriptom beim Plattenepithelkarzinom der Mundhöhle., Sie fanden etwa 600 Kandidatengene (Onkogene, Tumorsuppressoren, Transkriptionsfaktoren, Differenzierungsmarker, metastasierte Proteine und xenobiotische Enzyme), die bei Mundkrebs differentiell exprimiert wurden und nur drei dieser Gene durch PCR validierten.
Lu et al. (2001) verwendete den Microarray-Ansatz, um Veränderungen des Genexpressionsprofils während der Initiierung und Progression des Plattenepithelkarzinoms der Speiseröhre zu bewerten., Sie untersuchten Genexpressionsprofile in verschiedenen Stadien der Initiierung und Progression von Speiseröhrenkrebs, um Gene zu identifizieren, die zwischen diesen Stadien unterschiedlich exprimiert sind. Frierson et al. (2002) verwendete die Oligonukleotid-Mikroarray-Analyse, um die Expression von 8.920 verschiedenen menschlichen Genen in 15 adenoiden zystischen Karzinomen (ACCs), einer ACC-Zelllinie und fünf normalen Hauptspeicheldrüsen zu untersuchen., Unter den Genen mit veränderter Expression in ACC waren diejenigen, die für die Transkriptionsfaktoren SOX4 und AP-2 gamma, Caseinkinase 1 sowie Epsilon und Frizzled-7 kodierten, die beide Mitglieder des Wnt/Beta-Catenin-Signalwegs sind. In einer sehr aktuellen Studie, Leethanakul et al. (2003)generierte hochkomplexe cDNA-Bibliotheken aus Laser-Capture-mikrodissektiertem normalem und kanzerösem Plattenepithel. In dieser Studie, die Autoren Befragten die verfügbaren Sequenz-Informationen mithilfe von bioinformatischen tools und identifiziert 168 novel Gene differentiell exprimiert in normalen und malignen Epithel., Darüber hinaus erhielten sie mithilfe von cDNA-Arrays Hinweise darauf, dass eine Teilmenge dieser neuen Gene in HNSCC stark exprimiert sein könnte.
Microarray und Brustkrebs
Angesichts der klinischen Heterogenität von Brustkrebs kann die Microarray-Technologie ein ideales Instrument sein, um eine genauere Klassifizierung zu erstellen. Erste Studien mit Microarray-basierten Expressionsprofilen zeigten seine Fähigkeit, Östrogenrezeptor-negative und Östrogenrezeptor-positive Brustkrebsarten korrekt zu klassifizieren (Perou et al., 2000; West et al.,, 2001) und zur Unterscheidung von BRCA1-bedingten Tumoren von BRCA2-bedingten und sporadischen Tumoren (Hedenfalk et al., 2001; van ‚ T Veer et al., 2002).
Die Studie von van ‚ T Veer et al. war eine der umfangreichsten und informativsten Studien, die bisher durchgeführt wurden. Die Autoren untersuchten 117 primäre Brustproben mittels Mikroarray-basierter Genexpressionsprofile, um prognostische Profile zu entwickeln und diese mit bekannten prognostischen Markern bei Brustkrebs zu vergleichen. Von den 5,000 Genen mit variablen Expressionsprofilen wurden 70 für eine optimale Genauigkeit bei der Vorhersage wiederkehrender Krankheiten identifiziert., Unter Verwendung dieser Klassifikation sagten die Autoren das tatsächliche Krankheitsergebnis für 65 der 78 Patienten korrekt voraus. Fünf Patienten mit guter Prognose und acht Patienten mit schlechter Prognose wurden falsch zugeordnet. Standard-prognostische Marker bei Brustkrebs wurden verwendet, um das Risiko eines erneuten Auftretens von Krebs abzuschätzen und Entscheidungen über eine adjuvante Therapie zu treffen. Leider identifizieren aktuelle prognostische Marker die korrekteste Therapie für den Patienten nicht ausreichend., Die Vorhersagekraft des Microarray-Ansatzes ist viel größer als die der derzeit verwendeten Ansätze, muss jedoch in prospektiveren klinischen Studien validiert werden. Wenn der prognostische Wert dieses Ansatzes bestätigt würde, würde der Expressionsprofilierungsklassifikator zu einer etwa vierfachen Abnahme der Patienten führen, die unnötigerweise eine adjuvante Therapie erhalten (Caldas und Aparicio, 2002).
Martin et al. (2001) beschrieben ein Verfahren zur Identifizierung von zirkulierendem Brustkrebs durch einen zweistufigen Prozess der differentiellen Anzeige und hochempfindlichen Array-basierten Expressionsprofilierung., Auch wenn das Potenzial dieser Technik vielversprechend ist, müssen ihre Empfindlichkeit und Spezifität noch verbessert werden, und es ist mehr Arbeit erforderlich, um die klinische Bedeutung des Nachweises des Genexpressionsprofils im peripheren Blut zu bestimmen. Einige Artikel haben nun einen Zusammenhang zwischen Tumorexpressionsprofilen mit Microarray-Technologie und klinischem Ergebnis gezeigt. Für Beispiel, Sorlie et al. (2001) zeigten, dass durch Expressionsprofile definierte Tumorunterklassen das krankheitsfreie und Gesamtüberleben vorhersagen können, und Sotiriou et al., (2002) zeigten, dass Präbehandlungsexpressionsprofile das klinische Ansprechen auf eine Chemotherapie in einer kleinen Stichprobe von Brusttumoren vorhersagten. Obwohl die Studie von Sorlie et al. die Autoren verglichen den prognostischen Wert der durch hierarchisches Clustering identifizierten Gruppen nicht mit derzeit verwendeten prognostischen Faktoren bei Brustkrebs., Da Arzneimittelresistenz bei Krebs ein Haupthindernis für eine erfolgreiche Chemotherapie darstellt, ist die Durchführbarkeit eines potenziellen molekularen Profils oder Fingerabdrucks von Krebsmedikamenten in Krebszellen durch Microarray-Technologie von entscheidender Bedeutung, um das Ansprechen auf eine Chemotherapie vorherzusagen. Kudoh et al. (2000) demonstrierte diese Fähigkeit, Veränderungen der Genexpressionsprofile in einer mit Chemotherapie behandelten Brustkrebszelllinie zu definieren. Sie überwachten die Expressionsprofile von MCF-7-Brustkrebszellen, die entweder vorübergehend mit Doxorubicin behandelt oder auf Resistenz gegen Doxorubicin ausgewählt wurden., Diese Studie zeigte, dass eine vorübergehende Behandlung mit Doxorubicin die Expression einer vielfältigen Gruppe von Genen zeitabhängig veränderte.
Mikroarray und Eierstockkrebs
In den letzten Jahren haben mehrere Forscher interessante Studien zur Expressionsprofilierung von Eierstockkrebs veröffentlicht. Martoglio et al. (2000) analysierte die Genexpressionsprofile von fünf normalen Eierstöcken und vier schlecht differenzierten serösen papillären Ovarialadenokarzinomproben., Unter Verwendung eines kleinen „internen“ cDNA-Mikroarrays aus Nylonmembranen fanden sie einen allgemeinen Anstieg an Angiogenese-bezogenen Markern (z. B. Angiopoietin-1, VEGF), apoptotischen und neoplastischen Markern, Immunreaktionsmediatoren und neuartigen potenziellen Markern von Eierstockkrebs (z. B. Cofilin, Moesin und neuron-restriktives Silencer Factor Protein) im Krebsgewebe. Die Studie war faszinierend, weil sie ein kostengünstiges cDNA-Array verwendeten, das auf Studien spezifischer Wege wie Angiogenese und Tumorigenese zugeschnitten war., Da es problematisch ist, auf eine ausreichende Menge frühen Ovarialtumorgewebes zuzugreifen, verwendeten die Forscher verschiedene Strategien, um die Notwendigkeit von Gewebemengen zu umgehen, die typischerweise für die Mikroarray-Analyse erforderlich sind. Für Beispiel, Ismail et al. (2000) berichtete über eine Studie mit 864 DNA-Elementen, die gegen 10 Eierstockkrebszellenlinien und fünf normale Epithelzelllinien unter Verwendung einer Kurzzeitzellkultur untersucht wurden, um das Eierstockoberflächenepithel vor der RNA-Extraktion zu erweitern., Andere Forscher reinigten Eierstockepithel durch In-vitro-Verfahren, wie die Einhaltung von Glas oder immunomagnetische Anreicherung (Ono et al., 2000; Welsh et al.., 2001b). Diese beiden Ansätze können jedoch Verzerrungen bei der beobachteten Genexpression hervorrufen. In der Tat, der erste Ansatz (Ismail et al., 2000) verwendet kultivierte Krebszellen, die aufgrund der Möglichkeit sekundärer Genexpressionsänderungen, die in vitro als Folge von Kulturbedingungen auftreten, möglicherweise keine In-vivo-Krebsarten widerspiegeln. Die zweite Strategie (Ono et al., 2000; Welsh et al.,, 2001b) ist sehr lang und kann zum Abbau von weniger stabilen RNA-Botenstoffen führen. Um mögliche Verzerrungen zu vermeiden, die in vitro-Kulturen inhärent sind, die in einigen Studien verwendet werden (Ismail et al., 2000; Matei et al., 2002) haben andere Forscher Genexpressionsmuster direkt aus chirurgisch resezierten Tumoren untersucht (Shridhar et al., 2001). Kleine, spezialisierte Mikroarrays haben mehrere praktische Vorteile und können Informationen aufdecken, die bei größeren Mikroarrays verloren gehen können. Sawiris et al., (2002) verwendete ein hochspezialisiertes cDNA-Mikroarray namens „Ovachip“ und fand dieses Mikroarray äußerst empfindlich bei der Differenzierung von Eierstockkrebs von Dickdarmkrebs basierend auf Genexpressionsmustern. Screening-Biomarker auf Eierstockkrebs sind aufgrund des späten Diagnosestadiums und des schlechten Überlebens dieser Krebsart sehr wichtig., Kürzlich verwendeten zwei Studien die Microarray-Technologie, um zwei überexprimierte potenzielle Serummarker für Eierstockkrebs namens Osteopontin und Prostasin zu identifizieren, und berichteten über eine vorläufige Validierung ihrer Verwendung zur Früherkennung der Krankheit (Mok et al., 2001; Kim et al., 2002).
Microarray und andere Krebsarten
Die Anwendung der Microarray-Technologie auf andere menschliche Krebsarten nimmt rapide zu. Die bahnbrechende Studie von Golub et al., (1999) demonstrierte die Möglichkeit, akute myeloische Leukämie und akute lymphoblastische Leukämie (ALL) basierend auf der Überwachung der Genexpression zu unterscheiden und wie in einer simulierten Situation, die für die histologische Diagnose „geblendet“ ist, die beiden Klassen hätten durch die Genexpressionsmuster allein entdeckt werden können. Alizadeh et al. (2000) identifizierte die beiden Formen des diffusen großen B-Zell-Lymphoms (DLBCL) auf der Grundlage von Genexpressionsprofilen, die auf verschiedene Stadien der B-Zell-Differenzierung hinweisen., Interessanterweise hat diese molekulare Klassifikation einen prognostischen Wert, der unabhängig von der Schichtung durch die übliche klinische Einstufung ist. Um die Genexpression bei lymphoiden Malignomen zu untersuchen, schuf eine große kollaborative Gruppe ein spezielles Mikroarray namens „Lymphochip“, das mit Genen angereichert ist, die selektiv in Lymphozyten exprimiert werden, und mit Genen, die die Lymphozytenfunktion regulieren (Alizadeh et al., 1999). Diese Gruppe verwendete dieses Mikroarray, um DLBCL zu untersuchen, und fand zwei molekular unterschiedliche Formen dieses Tumors., Darüber hinaus zeigten sie, dass die DLBCL-Untergruppen eine Untergruppe von Patienten mit einer ausgeprägten klinischen Prognose definierten. Um die Hypothese zu testen, dass chronische B-Zell-lymphozytäre Leukämie (CLL) mehr als eine Krankheit ist, Rosenwald et al. (2001) bezogen sich die Genexpressionsmuster von CLL auf ihren Ig-Mutationsstatus und auf andere Arten von normalen und bösartigen B-Zellen. Interessanterweise wurden die Gene, die in CLL im Vergleich zu DLBCL als hoch exprimiert identifiziert wurden, in allen CLL-Proben unabhängig von ihrem Ig-Mutationsstatus gleichwertig exprimiert., Diese Studie deutete darauf hin, dass alle CLL-Fälle einen gemeinsamen Transformationsmechanismus und/oder eine Ursprungszelle hatten. Eine aktuelle Studie (Stratowa et al., 2001) hat eine Liste potenzieller neuer prognostischer Marker vorgeschlagen, die am Lymphozytenhandel beteiligt sind und mit dem Krankheitsstadium und/oder dem Überleben des Patienten in Verbindung stehen.
In einer sehr aktuellen Studie, Gariboldi et al. (2003) analysierte die Genexpressionsprofile im normalen Gewebe von hauttumoranfälligen und resistenten Mäusen, um Gene zu identifizieren, die eine funktionelle Rolle bei der genetischen Anfälligkeit spielen., Diese Studie hat eine Rolle des Scca2-Gens, eines Mitglieds des Serin-Protease-Inhibitors Superfamilie, in der genetischen Prädisposition für Hauttumoren vorgeschlagen.
Die Microarray-Technologie wurde auch bei der Analyse von Melanomen eingesetzt (Bittner et al., 2000). Diese Studie schlug vor, dass Genexpressionsprofile innerhalb des Gewebes eines einzelnen Patienten im Laufe der Zeit bemerkenswert konserviert werden können und dass die globale Transkriptanalyse nicht erkannte Subtypen des kutanen Melanoms identifizieren und experimentell überprüfbare phänotypische Merkmale vorhersagen kann.,
Studien an Darmkrebszellen und-geweben zeigten eine signifikante Unterdrückung des Kinase-Gens WEE1Hu (Backert et al., 1999).
Viele Transkriptome verändern sich nach spezifischer Überexpression tumorbezogener Gene. Zum Beispiel haben wir ein Adenovirus-vermitteltes Expressionssystem des Tumorsuppressorgens RB2/p130 in einer nicht kleinen Lungenkrebszelllinie verwendet, um spezifische Gene zu identifizieren, die durch pRb2/p130 reguliert werden (Russo et al., 2003)., Unsere Microarray-Ergebnisse haben eine Vielzahl von Genen identifiziert, die an vielen zellulären Prozessen beteiligt sind, einschließlich Zellteilung, Zellsignalisierung/Zellkommunikation, Zellstruktur/ – motilität sowie Genexpression und-stoffwechsel. Diese Ergebnisse deuten auf neue potenzielle therapeutische Biomarker beim Lungenkarzinom hin. Darüber hinaus weisen die Ergebnisse einer anderen cDNA-Mikroarraystudie darauf hin, dass die Überexpression des Tumorsuppressorgens PTEN die Lungenkrebsinvasion hemmen kann, indem eine Gruppe von Genen herunterreguliert wird (Hong et al., 2000)., Angesichts der obigen Daten ist klar, dass der Microarray-Ansatz bei der Analyse einer Vielzahl von Tumortypen sehr wichtig ist.