Utilizza l'Espressione Genica per Selezionare i Modelli più Indicati per il tuo Progetto
"Cancer chemotherapy is in evolution from non-specific cytotoxic drugs that damage both tumour and normal cells to more specific agents. Targeted agents are directed at unique molecular features of cancer cells, ... [with the] aim to produce greater effectiveness with less toxicity...[However,] knowledge of the molecular profile of the tumor is necessary to guide selection of therapy for the patient" [1].
Come il profilo molecolare del tumore è necessario per scegliere la migliore terapia, conoscere il profilo molecolare delle linee cellulari è fondamentale per disegnare un corretto piano sperimentale. Immaginiamo tu abbia un prodotto con proprietà antitumorali. L'hai progettato come inibitore selettivo di una proteina che è sovraespressa nelle cellule tumorali rispetto alle cellule normali o in un particolare tipo di cancro. Oppure, hai scoperto casualmente che ha un effetto antiproliferativo sulle cellule tumorali, evento molto comune nella ricerca sul cancro [2]. Questo è il tuo punto di partenza. Ora, hai bisogno di più dati per confermare la sua potenziale attività antitumorale prima di passare agli studi sugli animali.
Cosa fare?
Immagina di avere a disposizione un pannello di linee cellulari originate da vari tipi di tumore e di conoscerne l'espressione genica. Potresti valutare l'efficacia del tuo prodotto su linee cellulari selezionate in base al tipo di cancro per valutarne la specificità tumorale e identificare i geni la cui espressione è associata alla sua efficacia. Oppure, potresti valutare l'efficacia del prodotto su cellule scelte in base all'espressione del bersaglio per valutare la sua specificità molecolare. Questi sono solo due esempi delle possibilità avendo a disposizione un pannello di linee cellulari tumorali ben caratterizzate.
Cosa fare?
Immagina di avere a disposizione un pannello di linee cellulari originate da vari tipi di tumore e di conoscerne l'espressione genica. Potresti valutare l'efficacia del tuo prodotto su linee cellulari selezionate in base al tipo di cancro per valutarne la specificità tumorale e identificare i geni la cui espressione è associata alla sua efficacia. Oppure, potresti valutare l'efficacia del prodotto su cellule scelte in base all'espressione del bersaglio per valutare la sua specificità molecolare. Questi sono solo due esempi delle possibilità avendo a disposizione un pannello di linee cellulari tumorali ben caratterizzate.
|
61 Linee Cellulari Tumorali Caratterizzate per l'Espressione Genica
Analisi preliminare gratuita del bersaglio molecolare di tuo interesse
L'analisi dell'espressione genica degli bersagli molecolari di interesse è spesso un dato preliminare necessario per progettare correttamente gli esperimenti per i nostri clienti. Pertanto, forniamo questa analisi ai nostri clienti gratuitamente.
|
Identifica i Geni Correlati all'Efficacia dei tuoi Prodotti
Come esempio abbiamo condotto dei saggi di proliferazione su 9 linee cellulari trattate con varie concentrazioni di cisplatino e abbiamo calcolato il GI50, ovvero la concentrazione che riduce la proliferazione delle cellule del 50%, dopo 48 ore di trattamento (Figura 1). Il profilo di espressione genica delle 3 linee che hanno risposto maggiormente al trattamento è stato paragonato alle 3 linee maggiormente resistenti. Sono stati identificati 3 geni sovraespressi (corrispondenti a 3 sonde) e 7 geni sottoespressi (corrispondenti a 10 sonde) nelle linee più resistenti al trattamento rispetto alle linee più sensibili (Figura 2). A conferma della validità dell'analisi, abbiamo trovato, tra i geni sovraespressi nelle cellule resistenti al cisplatino, RAB25 (sonda 218186_at), membro della famiglia di RAS, noto per indurre resistenza al farmaco [4].
Figura 1 - GI50 (µM) del Cisplatino nelle 9 linee tumorali.
|
Figura 2 - Geni differenzialmente espressi.
|
1. Schilsky RL (2010). Personalized medicine in oncology: the future is now. Nature Review Drug Discovery, 9(5):363-6.
2. Hargrave-Thomas E, Yu B, Reynisson J (2012). Serendipity in anticancer drug discovery. World Journal of Clinical Oncology, 3(1): 1-6.
3. Human Genome U133 Plus 2.0 Array raw files were collected from public databases freely available to the scientific community.
4. Link to Pubmed: RAB25 AND cisplatin resistance
2. Hargrave-Thomas E, Yu B, Reynisson J (2012). Serendipity in anticancer drug discovery. World Journal of Clinical Oncology, 3(1): 1-6.
3. Human Genome U133 Plus 2.0 Array raw files were collected from public databases freely available to the scientific community.
4. Link to Pubmed: RAB25 AND cisplatin resistance
