Μελέτη της επίδρασης χημικών παραγόντων στη γονιδιακή έκφραση με μικροσυστοιχίες: ανάπτυξη νέας υπολογιστικής μεθόδου σε καρκινικές σειρές

Abstract

This PhD thesis focuses on the study of the impact of chemical (anticancer) agents on the gene expression of cancer cell lines using DNA microarray data, aiming to develop a novel computational method for identifying differentially expressed genes. The purpose of the study is to understand the molecular mechanisms governing the cellular response to chemotherapeutic drugs as well as to identify potential biomarkers and therapeutic targets. To achieve this, the computational tool DExplore (www.dexplore.gr) was developed, integrating advanced analytical methods for identifying differentially expressed genes from raw microarray data, along with functional enrichment analysis through the online tool WebGestalt. The tool was applied to data from the Gene Expression Omnibus (GEO) database of NCBI (https://www.ncbi.nlm.nih.gov/geo), analyzing 10 datasets related to 11 anticancer agents, selected according to the classification of the American Cancer Society (ACS, 2020). The analysis highlighted specific gene expression patterns and biological pathways influenced by the drugs, confirming to a large extent known mechanisms of action, while revealing new insights into gene regulation and DNA repair processes. This in silico approach provides significant advantages, such as speed, cost-effectiveness, and the ability to analyze large datasets. However, experimental validation through in vitro and in vivo studies is required to enhance the reliability of the findings. The results demonstrate the contribution of computational biology to biomedical research, offering insights into the mechanisms underlying cancer cell responses to chemotherapeutic agents. DExplore integrates innovative data analysis methods, laying the groundwork for improving personalized medicine by identifying novel therapeutic targets. This PhD thesis demonstrates the importance of combining computational and experimental methods to investigate molecular mechanisms in cancer. The further development of DExplore, with the ability to support RNA-seq data and Gene Set Enrichment Analysis (GSEA), will enable the study of more complex molecular processes and expand its applications to new datasets and microarray platforms. The contribution of this PhD thesis lies in the development of a highly efficient and user-friendly tool that can serve as a foundation for future research into the effects of chemical agents on gene expression and the improvement of cancer treatment.

Η παρούσα διδακτορική διατριβή εστιάζει στη μελέτη της επίδρασης χημικών (αντικαρκινικών) παραγόντων στη γονιδιακή έκφραση καρκινικών κυτταρικών σειρών, χρησιμοποιώντας δεδομένα μικροσυστοιχιών DNA, με στόχο την ανάπτυξη μιας νέας υπολογιστικής μεθόδου για τον προσδιορισμό γονιδίων με διαφορική έκφραση. Σκοπός της μελέτης είναι η κατανόηση των μοριακών μηχανισμών που διέπουν την απόκριση των κυττάρων σε χημειοθεραπευτικά φάρμακα, καθώς και η αποκάλυψη πιθανών βιοδεικτών και θεραπευτικών στόχων. Για την υλοποίηση του έργου αναπτύχθηκε το υπολογιστικό εργαλείο DExplore (www.dexplore.gr), το οποίο ενσωματώνει προηγμένες μεθόδους ανάλυσης για τον εντοπισμό γονιδίων με διαφορική έκφραση από πρωτογενή δεδομένα μικροσυστοιχιών, καθώς και τη λειτουργική ανάλυση εμπλουτισμού μέσω του εργαλείου WebGestalt. Το εργαλείο εφαρμόστηκε σε δεδομένα από τη βάση δεδομένων γονιδιακής έκφρασης Gene Expression Omnibus (GEO) του NCBI (https://www.ncbi.nlm.nih.gov/geo), περιλαμβάνοντας 10 σύνολα δεδομένων που σχετίζονται με 11 αντικαρκινικές ουσίες, οι οποίες επιλέχθηκαν σύμφωνα με την κατάταξη της Αμερικανικής Εταιρείας για τον Καρκίνο (American Cancer Society, ACS, 2020). Η ανάλυση ανέδειξε συγκεκριμένα πρότυπα γονιδιακής έκφρασης και βιολογικά μονοπάτια που επηρεάζονται από τα φάρμακα, επιβεβαιώνοντας σε μεγάλο βαθμό γνωστούς μηχανισμούς δράσης, ενώ αποκάλυψε νέες πληροφορίες για τη ρύθμιση της γονιδιακής έκφρασης και τη διαδικασία επιδιόρθωσης του DNA. Η προσέγγιση αυτή, βασισμένη σε in silico ανάλυση, προσφέρει σημαντικά πλεονεκτήματα, όπως ταχύτητα, οικονομική αποδοτικότητα και τη δυνατότητα ανάλυσης μεγάλων συνόλων δεδομένων. Παρόλα αυτά, απαιτεί πειραματική επιβεβαίωση μέσω in vitro και in vivo μελετών για την ενίσχυση της αξιοπιστίας των ευρημάτων. Τα αποτελέσματα καταδεικνύουν τη συμβολή της υπολογιστικής βιολογίας στη βιοϊατρική έρευνα, παρέχοντας πληροφορίες για τους μηχανισμούς απόκρισης των καρκινικών κυττάρων σε χημειοθεραπευτικά φάρμακα. Το DExplore ενσωματώνει καινοτόμες μεθόδους ανάλυσης δεδομένων και θέτει τις βάσεις για τη βελτίωση της εξατομικευμένης ιατρικής μέσω της αναγνώρισης νέων θεραπευτικών στόχων. Η παρούσα εργασία καταδεικνύει τη σημασία της συνδυαστικής χρήσης υπολογιστικών και πειραματικών μεθόδων για τη διερεύνηση μοριακών μηχανισμών στον καρκίνο. Η περαιτέρω ανάπτυξη του DExplore, με δυνατότητες υποστήριξης δεδομένων RNA-seq και ανάλυσης εμπλουτισμού γονιδιακών συνόλων (Gene Set Enrichment Analysis, GSEA), θα επιτρέψει τη μελέτη πιο σύνθετων μοριακών διεργασιών και θα επεκτείνει τις εφαρμογές του σε νέα δεδομένα και πλατφόρμες μικροσυστοιχιών. Η συμβολή της διατριβής έγκειται στην ανάπτυξη ενός εργαλείου υψηλής ευχρηστίας και αποτελεσματικότητας, που μπορεί να χρησιμοποιηθεί ως βάση για μελλοντικές έρευνες στην κατανόηση των επιδράσεων των χημικών παραγόντων στη γονιδιακή έκφραση και στη βελτίωση της θεραπείας του καρκίνου.