Analiza profili ekspresji klasycznych receptorów estrogenowych i progesteronowych w komórkach raka jajnika na podstawie danych z bazy Gene Expression Omnibus

While not as common as other cancers that affect women, ovarian cancer is one of the most fatal due to late diagnosis. There is ongoing research to identify new predictive markers for the disease. The purpose of this study was to determine if ESR1 (Estrogen Receptor 1), ESR2 (Estrogen Receptor 2), and PGR (Progesterone Receptor) could serve as such markers. The study utilized the R programming language to retrieve data from microarray datasets collected in the GEO database. Statistical analysis was performed, including the calculation of p-values, effect size expressed as the ղ2 coefficient, and Hedges' g. The mRNA levels for ESR1, ESR2, and PGR receptors in ovarian cancer cells were compared to levels in normal epithelium based on data from three different platforms. The study also examined changes in expression levels in patients undergoing platinum-based chemotherapy and neoadjuvant chemotherapy. Results from different records were not compared due to differences in molecular probes, normalization algorithms, and sample preparation protocols. It was found that the expression level for the same sample was assessed using several probes, leading to differences in the expression level of the target gene and affecting statistical significance. The analysis showed that ESR1 could serve as a predictive marker, as its expression level increased in ovarian cancer patients compared to normal cells. However, measuring the expression level of ESR2 and PGR does not seem to be the best approach for early disease diagnosis, as differences in the expression level of these receptors are visible only in the advanced stages of the disease. The best approach would be to measure the expression level of all three receptors simultaneously, which would require the development of an appropriate algorithm that enables the interpretation of acquired data in various combinations.

Choć rak jajnika nie należy do najczęstszych nowotworów atakujących kobiety, to jest jednym z najbardziej zabójczych, co jest spowodowane zbyt późna diagnozą. Dlatego prowadzi się badania, mające na celu poznanie nowych markerów predykcyjnych dla tej choroby. Celem niniejszej pracy było ustalenie, czy takimi markerami mogą być ESR1 (z ang. Estrogen Receptor 1), ESR2 (z ang. Estrogen Receptor 2) i PGR (z ang. Progesterone Receptor). W badaniach wykorzystano język programowania R do pobrania danych z mikromacierzy zgromadzonych w bazie GEO (rekordy GDS3592, GDS4950, GDS2785, GSE26712, GSE66957), które następnie poddano analizie statystycznej, w tym obliczono wartość p oraz wielkość efektu wyrażone współczynnikiem ղ2 oraz Hedges’g. Poziomy mRNA dla receptorów ESR1, ESR2 i PGR w komórkach raka jajnika porównano do poziomów w prawidłowym nabłonku w oparciu o dane z trzech różnych platform. Ponadto sprawdzono, jak zmieniają się on u pacjentek poddanych chemioterapii opartej na platynie oraz chemioterapii neodiuwantowej. Wyniki pochodzące z różnych rekordów nie były ze sobą porównywane z powodu stosowania różnych sond molekularnych dla tego samego genu, algorytmów normalizacji i protokołów przygotowywania próbek. Te czynniki mają wpływ na wyniki eksperymentu i utrudniają porównywanie ich między sobą. Co ciekawe ujawniono, że poziom ekspresji dla tej samej próbki badany był przy użyciu kliku, a nawet kilkunastu sond różniących się stopniem pokrycia genu i specyficznością, co przekładało się na różnice w poziomie ekspresji badanego genu i w konsekwencji wpływało na istotność statystyczną lub jej brak. Przeprowadzona analiza w niniejszej pracy wykazała, że takim markerem predykcyjnym może być ESR1, którego poziom zwiększał się u pacjentek z rakiem jajnika w porównaniu z komórkami prawidłowymi. Pomiar poziomu ekspresji ESR2 oraz PGR nie wydaje się być najlepszym rozwiązaniem we wczesnym diagnozowaniu choroby, ponieważ różnice w poziomie ekspresji tych receptorów są widoczne dopiero w późnych stadiach choroby. Przeprowadzona analiza baz danych oraz danych literaturowych pozwala wysunąć wniosek, że najlepszym rozwiązaniem byłby pomiar poziomu ekspresji wszystkich trzech receptorów jednocześnie. Z uwagi na stosowanie wielu sond, taka analiza wymagałaby opracowania odpowiedniego algorytmu, który umożliwiłby przeliczenie pozyskanych danych w różnych kombinacjach.