Identifikacija metilacije DNA promjena povezanih s ljudskom želuca cancer

Identifikacija metilacije DNA promjena povezanih s ljudskom raka želuca pregled apstraktne pregled pozadine
Epigenetske promjene ekspresije gena je čest događaj u ljudskoj raka. DNA metilacije je poznato epigenetičko proces, ali provjeri točnu prirodu epigenetičkim promjene povezane s rakom i dalje je teška.
Metode pregled smo profilirao se methylome ljudskog tkiva karcinoma želuca, na 50-bp rezoluciji pomoću metilirani DNA obogaćivanje tehnika (metilirani CpG otok ponovno ispitivanje) u kombinaciji s genom analizator i novi normalizacije algoritma. pregled Rezultati
Mi smo bili u mogućnosti dobiti sveobuhvatan pogled na promotora s raznim CpG gustoće, uključujući CpG otoci (CGIS), transkript tijela, te razne ponoviti klase. otkrili smo da rak želuca bio povezan s Hipermetilacija 5 'CGIS i 5'-kraja kodirane eksona kao hypomethylation ponavljanja elemenata, kao što su kratki mjestimice nuklearnih elemenata i kompozitnih elemenata strip. Hipermetilacija 5 'CGIS značajno korelira sa smanjenom povezanih gena, kao što su one u HOX
i histon genske obitelji. Također smo otkrili dalekometne epigenetičko utišavanje (LRES) regije u želučanom tkivu karcinoma i identificirali nekoliko hypermethylated gena (MDM2 pregled, DYRK2 pregled i LYZ pregled) Unutar tih regija. Metilacija status CGIS i gen komentarima elemenata u metastatskih limfnih čvorova bio posrednik između normalnog i kancerogenog tkiva, što znači da metilacije specifičnih gena postupno se povećava u kancerogenog tkiva. Pregled Zaključci
naši rezultati će osigurati vrijedne podatke za daljnju analizu CpG metilacije obrazaca, korisni markeri za dijagnosticiranje raka želuca, kao i novu analizu metoda za klinička epigenomics istraživanja.
Pozadina
raka želuca je drugi vodeći uzrok smrti od raka u svijetu, nakon raka pluća, što je rezultiralo više od 800.000 smrtnih slučajeva u svijetu svake godine [1]. Sadašnja stopa preživljavanja pet godina osoba s rakom želuca dijagnosticiran je samo 20-30%, s tim niska stopa se može pripisati činjenici da je većina slučajeva su već u poodmakloj fazi, kada je dijagnosticiran. Kao i svih vrsta raka, rano otkrivanje i dalje najviše obećavajući pristup za poboljšanje preživljavanje. Dakle, razumijevanje uzroka nastanku tumora u ljudskom želučanog tkiva je bitno.
Infekcija s H. pylori
je dobro uspostavljen i čest uzrok raka želuca. Međutim, promjene u raznim genetskim faktorima su također važni u povećanju želučane rizik od raka. Poznato je da se kromosomska nestabilnost koji genetskim faktorima, kao što su mikrosatelitne nestabilnosti, kao Kras pregled i p53
mutacija rezultira razvojem tumora. Nekoliko genomske studije utvrdile zametne linije mutacije u određenim genima [2-4] i bolesti koja loci [5, 6] za rak želuca. Nedavna istraživanja koja uspoređuju rak želuca i normalno tkivo su identificirali niz genetskih markera, uključujući dijagnostičke markere [NF2 pregled [7], INHBA pregled [8], SFRP4 pregled [9]], prognostički biljezi [CD9
[10], CDH17 pregled, [11], PDCD6 pregled [12]] i rak želuca povezane geni [MUC13 pregled, [9], CLDN1 pregled, [13], Ki67 pregled i CD34 pregled [14]]. Osim toga, epigenetski mehanizmi kao što su DNA metilacije i histona modifikacija je pronađeno da su važni u regulaciji ekspresije gena koji su uključeni u biologiji i bolestima gastrointestinalnog sustava [15]. Pregled DNA metilacije igra bitnu ulogu u eukariota i je povezan s nekoliko ključnih mehanizama uključujući genomske otisak, X kromosoma inaktivacije, starenja i karcinogeneze. Promjena metilacije DNA u genom nalazi u gotovo svim tipovima raka te se može dovesti do promjena u ekspresiji gena, kao što je prekomjerna ekspresija onkogena i odsutnost gena za suzbijanje tumora tijekom razvoja raka [16]. Nekoliko istraživanja su pokazala da je nakupljanje genetičkih i epigenetičkim promjene u prekancerozne lezije želuca može utjecati na velik broj ciljeva, kao što su komponente popravka DNA sustava, tumora smetnji, onkogeni, regulatora staničnog ciklusa, čimbenici rasta i adhezijskih molekula [17-20] , Međutim, ove studije su prvenstveno bili usmjereni na nekoliko gena kandidata ili prekrivene samo dio cijelog genoma. Dakle, pristup globalni pogled na epigenetičkim promjene povezane s razvojem karcinoma je teško. Konkretno, razumijevanje promjene DNA metilacije u intragenetskom regijama, CPG otoka, intergenskim regijama i ponavljanje sekvence i dalje je ograničen. Prema tome, postoji veliki interes za genoma širom analizom abcrantnog DNA metilacije na ovim prostorima.
Za sveobuhvatnu genoma razmjera profiliranje metilacije DNA u embriogeneze i karcinogeneze, visoke rezolucije cjelovite metode genom sekvenciranje poput BS-SEQ [21 -24], MeDIP-seq [25, 26] i MethylCap-seq [27-29] su razvijeni. Unatoč brzom razvoju sekvenciranja mapiranja tehnologije, još uvijek postoji nedostatak komparativnog istraživanja, što je izuzetno važno za kliničke epigenomics studija, uključujući i one usmjerene na rak. Za razliku od pristupa microarray-based, sekvenciranja podaci su proizvedeni u obliku koji nije pogodan za diferencijalnu analizu, a tijek rada nije standardiziran. Dakle, računalno povoljnije metode normalizacije su potrebne za rukovanje računalne teret obrade velikih veličina, visoke rezolucije sekvenciranje podatke.
Evo, uveli smo normalizacije algoritam koji uzima u obzir uzorak specifične ukupne gustoće čitanja, prostorni distribucija CpG lokusa, a pozadina sekvenciranja pristranosti. Zatim smo izradili sveobuhvatnu cijelog genoma methylome normalnog želučanog tkiva, rak želuca tkiva i metastatskih limfnih čvorova koriste MethylCap-seq metode i dobiti detaljne informacije o njegovoj perturbacija tijekom karcinogeneze i metastaze. To je lako primjenjiva na usporednoj analizi methylomes i druge vrste epigenomic podataka, a ona ima određene implikacije za klinička epigenomics.
Metode
uzoraka želučane tkiva pregled, dobili smo tri brzo smrznuti želučanih tumora i podudarne normalno želučanog tkiva iz Seoul National University College of medicine za methylome studija. Osim toga, dvadeset i osam podudaraju para zdravih i tumorskih želučanog tkiva dobiveni su za daljnju potvrdu. Svi uzorci su dobiveni endoskopske resekcije tijekom ispitivanja pacijenata koji je dao pristanak pregled Metilirani DNA ponovno ispitivanje (Mira) pregled Genomska DNA iz 25 mg tkiva želuca se očisti pomoću DNeasy Krv &. Tkiva Kit (Qiagen, Valencia, CA). Genomske DNA uzorci iz 3 pojedinaca su sakupljene pri istoj koncentraciji. MIRA je provedena kao što je prethodno opisano [30-32]. Ukratko, GST-tagirani MBD2b i His označena MBD3L1 proteini pripremljeni su kako je opisano. 15 ug genomne DNA rascijepkana 100 ~ 500 bp s ultrazvukom i inkubirane s 28 ug pročišćenog GST-MBD2b proteina 28 ug njegova-MBD3L1 proteina i 7 ug JM110 bakterijske DNA tijekom 6 sati. 30 ul MagneGST kuglica (Promega, Madison, WI) preblocked sa 7 ug JM110 bakterijske RNA dodano je i inkubirano na 4 ° C s rotacijskim 45 minuta u konačnom 600 ul MIRA vežu reakcijske smjese. Kuglice su isprane tri puta s 1 ml pufera za ispiranje i metilirani fragmenti su eluirani inkubacijom pri sobnoj temperaturi tijekom 5 minuta, a zatim 56 ° C tijekom 30 minuta, sa 30 ul TE sadrži RNA-ze A (100 ug, Qiagen) i proteinaze K ( 15 ug, Qiagen). Eluirani DNA fragmenti se dalje očisti pomoću Qiaquick PCR pribor za pročišćavanje (Qiagen).
Illumina Genome Analyzer sekvenciranje pregled Koristili smo 10 ng DNA isprane za Illumina Genome Analyzer sekvenciranje. Nakon podvezivanja para Solexa adaptera, ligacijskim proizvoda uz maksimalnu veličinu umetanje od 200 bp je gel pročišćen na 2% agarozi i podvrgnuti PCR amplifikacijom. Klaster generacije i 36 ciklusa sekvenciranja su provedena u skladu s uputama proizvođača. sekvencionirao smo 120 ul adapter-legirani, veličina-razdvoji DNA (2 ~ 4 PM) na Illumina Genome Analyzer. Slijed oznake su mapirani na humanom genomu (UCSC hg18 baze podataka na temelju NCBI izgraditi 36,1 sklop) pomoću Solexa Analiza cjevovod (verzija 0.3.0). Sekvenciran čita od 34 bp (osim prvog i zadnjeg nukleotida) koji su prošli su korišteni kvalitetni filteri kontrole. Obrada pregled podataka i izračun MES pregled Proširili smo 3 'kraj 34-bp čita za 200 bp za pokriće DNK fragmenti dužni po MBD proteina. Očitavanje je pretvoren u preglednik proširiva podataka (ležaj) datoteke za vizualizaciju u UCSC genom preglednika http:. //Genom UCSC edu /.. Računali smo preklapaju slijed oznaka na 50 rezoluciji bp. Da biste pronašli obogaćene genomske regije, broj preslikava čita u klizni prozor od 1 kb je u odnosu na ukupan broj čita ili je pozadina broj čita u genomu. Kao takav, MES je izračunata na dva načina; jedna je kao log2 od (ciljne pročitati brojanja /ciljnoj veličini) /(ukupni broj čitanja /veličina genoma) i podove na nulu, a druga je kao log2 od (ciljne pročitati brojanja /ciljnoj veličini) /(pozadina pročitati brojanja /pozadina veličina) i podove na nulu. Za podešavanje za pozadinu sekvenciranja pristranosti, MESbg je izračunata na isti način za ulazni sekvenciranje bez afiniteta za pročišćavanje i oduzeti od MES.
Genomske pozicije CGIS, promotora, prijepisa tijela, CDSs i ponavljajući elemente
Sve genomske pozicije CGIS, transkripti i ponoviti elementi preuzeti iz UCSC genoma pregledniku. Ukupno 27,639 CGIS (osim slučajno nalazi CGIS) su predvidjeli sljedećim kriterijima: GC sadržaj 50% ili veći, dužine veće od 200 bp, a omjer veći od 0,6 promatranog broja CpG dinukleotida na očekivani broj [33] , NCBI mRNA referentni sekvence skup (RefSeq s verzijama 46; 11. ožujka 2011.) je bio korišten za identifikaciju transkripcijskih jedinica s definiranim početka transkripcije, kraj mjesta i CDS početak, kraj mjesta. Za promotora, koristili smo područje od 500 bp uzvodno ~ 500 bp nizvodno od početka transkripcije. Dobili smo ~ 5 milijuna ponoviti mjesta koja su određena od strane RepeatMasker program koji se temelji na RepBase knjižnici ponavlja. pregled Metilacija razina genomskih elemenata
razinu metilacije CGI, promotora, gen-tijelo, i ponoviti elementa procijenjeno je pomoću MES preklapaju svaki element. MES = 0 se koristi za definiranje nemetilirane elemenata. Za mjerenje Hipermetilacija ili hypomethylation karcinoma, izračunali smo diferencijala nered kao (Cancer MES - Normalno MES). Diferencijalna MES > 1.0 korišten je kao prag. Za razumijevanje funkcija odabranih gena, koristili smo klasifikaciju ontologiju gena kroz DAVID Funkcionalna Primjedba Grupiranje alat http:.... //David abcc ncifcrf gov /pregled Genska ekspresija analiza
mikropostrojima proizvod koji se koristi u ovom istraživanju bila je Codelink Human Genome Whole 55 K čip (GE Healthcare, USA). Svi eksperimentalni postupci uključujući cRNA ciljanu pripremu, hibridizacija, post-hibridizacija boja spojke su provedena pomoću dobavljača preporučene protokole. Datoteke rezultat su uvezeni u GeneSpring GX 7.3 (Agilent Technologies, USA) za filtriranje i osnovne statističke analize. Među 55 K gene na microarray, samo genima sa sadašnjim zastava u najmanje 50% uzoraka odabrani su za daljnju analizu. Podaci microarray su pohranjena u GEO http:.. //Www NCBI NLM NIH (pristupni broj GSE33651) gov /geo /
Mira i stvarnom vremenu qPCR pregled, Mira... izvedena je na četiri dodatna pojedinačnih uzoraka. DNA je pročišćena iz supernatanta i pratiti u stvarnom vremenu qPCR pomoću Roche 480 stroj. Sekvence upotrijebljenih primera su prikazani u dodatne datoteke 1. Tablica S1
bisulfit liječenje, metilacija specifične PCR i pyrosequencing pregled smo izolirane genomske DNA iz pojedinačnog uzorka upotrebom Qiagen DNeasy tkiva Kit (Qiagen). Bisulfit obrada se izvodi uporabom EZ DNA metilacije zlata kita (Zymo istraživanje) prema uputama proizvođača. pomiješa bisulfit-DNA je pohranjen na -80 ° C sve do upotrebe. Klice se koriste za MSP su izrađeni pomoću Methprimer [34], a prikazani su u dodatnu datoteku 1: Tablica S1. PCR je proveden s HotStarTaq Polymerase (Qiagen), a uključuje početni inkubacije na 95 ° C tijekom 15 min, nakon čega slijedi 40 ciklusa 95 ° C 1 min, 59 ° C tijekom 1 min i 72 ° C tijekom 40 sekundi, nakon čega slijedi Kako ciklus 72 ° C tijekom 10 minuta. MSP produkti su razdvojeni na 2% agaroznom gelu i vizualizirano bojenjem pomoću ETBR. A pyrosequencing Reakcije su se izvodi automatski sa PSQ 96 sustava (Pyrosequencing AB) u skladu s uputama proizvođača. Ukratko, biotinilirani produkt PCR-a (50 ul) je pročišćen streptavidinom sefaroze kuglica (Amersham Biosciences). Pročišćeni produkt je stavljen u reagensa uložak s enzimom i podlogu dNTP uključen u PSQ96 SNP Reagent (Pyrosequencing AB). Početnici za sekvencioniranje za pyrosequencing su prikazani na dodatne datotečne 1. Tablica S1 pregled Rezultati
obradu MIRA-seq methylome podaci
pročišćena smo metilirani DNK obogaćen kroz MIRA (metilirani CpG otok oporavak ispitivanje) i sekvencionirani DNA pomoću sljedeće generacije sekvenciranje. Razine DNA metilacije određene su pomoću sekvenciranja pročitati tačkama pripadajuće regije, u intervalima od 50 bp, kao što je opisano u Postupcima. Mi smo stvorili DNA metilacije karte i normalne kancerogenih želučanog tkiva. Za svaki uzorak, dobili smo oko 10 milijuna slijed glasi (Dodatni datoteke 1: Tablica S2). Svaki methylome sadržane ~ 140 milijuna CpG čita, pokriva ~ 48% svih genomske CpG mjestima osim centromera (dodatne datotečne 1: Tablica S3). Prosječna pokrivenost CpG čita u svakoj methylome je 4.5X. U prilog visokoj osjetljivosti MIRA, genomske segmente koji sadrže samo jedan CPG je imao više čitati broji od onih bez CpG (p
value = 0), što ukazuje da jedan CpG promjene mogu se riješiti korištenjem MIRA. Prosječna slijed glasi povećan u odnosu na broj CpGs u roku od 50 bp intervalu, i zapravo, MIRA pokrivenost nije bila niska, čak i za područja niske gustoće CpG (Dodatni datoteka 2: Slika S1). Uzeti zajedno, ovi rezultati pokazuju da MIRA bio uspješan u povratu dovoljan dio metiliranih regija. Što se tiče točnosti MIRA, ~ 99% MIRA-zarobljenih fragmenata imao barem jedan CpG stranice unutar svoje sekvence, što ukazuje na nisku stopu lažnih detekcija.
Za mjerenje obogaćenje lokalne metilacije signala, izračunali smo ocjenama metilacije obogaćenje (nered ) pribavljanjem čitanje broj u određenoj regiji, a zatim se provodi normalizacija kontrole za ukupnu pročitati count (MONT) u uzorku (globalno normalizacije) ili prebrojavanja lokalne čitanje (MESl) u regiji koje definira korisnik okolini (lokalni normalizacije) (vidi Metode). To omogućuje izravnu usporedbu nezavisnih uzoraka s različitim gustoće čitanje. Mi smo tada provodi logaritamsku transformaciju izvedeni rezultat. Uz imaju druge matematičke zasluge, to daje prednost stabilizacije varijance, posebno za visoke čitanje točaka, koji su često u kombinaciji s visokim tehničkim promjenama koje bi mogle uvesti značajnu pristranost u podacima.
Procijenili smo statističku značajnost MES u dva načina. Slučajni MESs su generirani numerički permuting na genomske pozicije našeg slijed čita. Pozadine MES (MESbg) eksperimentalno dobivena sekvenciranjem normalno genoma bez afinitetnog pročišćavanja. Kao što se očekivalo, pravi podaci dala znatno veće obogaćivanje rezultate (dodatno datoteku 2: Slika S2). Naime, MESbg bila je viša od MES iz randomiziranih genoma, znak da pozadina sekvence sama može stvoriti obogaćivanje, vjerojatno zbog kromatina dostupnosti i amplifikacije pristranosti. U skladu s nedavnim izvješćima [35], to ilustrira potrebu za pravilnom kalibraciju urođenog sekvenciranja pristranosti. Dakle, normalizirani smo naše MES s MESbg.
Biste pronašli optimalan uvjet za normalizaciju, usporedili smo statističku prikladnosti različitih metoda normalizacije. Raspodjela oznaka duž genoma mogu se modelirati po Poissonovog distribucije [36, 37]. Valjanost poklapanja bila testirana pomoću Kolmogorov-Smirnovljevim testom. U ovom testu, niska D statistika pokazuje dobar fit. Iako je Poissonov modelu nadmašio Gaussova u svemu, MES pokazali bolje odgovara nego sirovo čitanje točaka (Dodatni datoteke 2: Slika S3), ilustrira rijedak događaj prirodu čitati mjere count log krljuštima. Normalizirane MESl kalibrirane kontrolnim sekvenciranje (MESbg) dala još bolje rezultate nego normalizirana MONT umjeriti kontrolne sekvenciranje (MESbg). Pregled Global i kromosomskih pogledom metilacije DNA Netlogu nakon potvrde najbolji način za bodovanje genoma širom razina metilacije u razmacima od 50-bp, prvo smo ispitali kromosomske metilaciju uzorke normalnih uzoraka. Prosječne MES obračunava za svako kromosomu predložio da CpG-bogata i gena bogate kromosomi imaju tendenciju da se vrlo metiliran (Slika 1A). Razine metilacije kromosoma s velikim količinama dugo mjestimice nuklearnih elemenata (linija) bili relativno niski (npr kromosom 4). Zanimljivo je da je količina kratkih mjestimice nuklearnih elemenata (sines) bila proporcionalna kromosoma obrasca metilacije. To je vjerojatno uzrokovano činjenicom da sines obično grupirani u genskoj bogatih područja. Seks kromosomi su globalno hypomethylated s nižim CpG gustoće i visokog ponavljanja sadržaja od autosoma. Budući da smo koristili tkiva uzetih iz muške u ovom eksperimentu, globalni hypomethylation X kromosoma promatranom nije povezana s X inaktivacije. Kromosoma-širok pogled Ponavljaju visoke gustoće CpG i visoku metilacije oko gena bogate (vidjeti crne trake pri dnu) i CGI-bogatih područja (vidi plave trake na vrhu) (Slika 1B). Za razliku od toga, niska CpG gustoće i niskog metilacije zabilježene su oko područja gena siromašni koji su bogati dalekometnim ponavlja (> 1 kb) (vidjeti crvene trake na vrhu). Prosječni MES sugerira da je razina metiliranje CGIS je znatno veći nego u genskom regija ili ponavljanja (slika 1B). Slika 1 metilacije obrasce normalnog želučanog tkiva. (A) kromosomske širom prosječne MES je prikazan kao funkcija prosječne CpG gustoće, gustoća gena (broj gena po MB), LINE količini (dužine LINE po MB), i sine količini (dužine sine po Mb) za svaki kromosom. (B) za kromosomu 22, prosječna gustoća CpG (u hladu siva) i MES (crna krivulja) dobiveni su na 1 Mb kliznim prozorima. Položaji prepisanih gena (crne trake pri dnu), CG otoci (plave trake na vrhu), i dugo se ponavlja (do 1 kb, crvene trake na vrhu) su u odnosu na pozadini metilacije DNA i CpG gustoće ( lijevo). Prosječne MES za CGIS, genske tijela i ponavljanja (desno). (C) Distribucija gena tijela i CGI MES (lijevo). Prosječne MES za promotora povezane i promotora neovisan CGIS prikazan na desnoj strani. (D) Prosječne MES za promotora podskupine na temelju postojanja CGI (lijevo). (E) Osnovne informacije o medugenskim, exonic i intronske regijama, prema duljini, CPG broj i mapirati čita (lijevo). Raspodjela medugenskim, exonic i intronske nered je prikazan na desnoj strani. (F) Osnovne informacije o uzvodnom 1 kb regije, 5 'UTR eksona, kodiranje eksona, 3' UTR eksona i nizvodno 1 kb regije prema duljini, CPG broj i mapirati čita (lijevo). Raspodjela MES za svaki element prikazan na desnoj strani.
Općenito, CGIS imaju tendenciju da ostanu metilacije besplatno u normalnom tkivu. Za analizu visoko metilaciju obrasce CGIS, provjerili smo prosječnu MES distribuciju i pronašla nešto bimodalni uzorak (slika 1C). Oko 66% (11.376 /17.284) od CGIS u lijevom vrhu preklapala s promotorom (1 kb po našoj definiciji). S druge strane, 13% (1.386 /10.357) od CGIS u pravom vrhuncu preklapala s promotorom, upućuje na to da je većina promotor povezane CGIS su nemetiliran. Za razliku od promotor povezana-CGIS, promotor neovisan CGIS teško su metilirani (slika 1C). Iako je većina CGI-pozitivne promotori nisu metiliran, CGI-negativne promotori su pokazali relativno visoke razine za metilaciju (Slika 1D). Također smo provjeriti razinu metilacije promotora s CpG gustoće kao što je prethodno definirano [38] (Dodatni datoteka 3: Tablica S4). Metilacija obrazac promotora obrnuto je povezana s CpG gustoće (dodatne datotečne 2: Slika S4). S druge strane, CGI sadržava gen tijela imali su višu razinu metilaciju od onih bez CGIS (Slika 1D).
Dalje, analizirali smo uzorke metilacije obogaćivanje na raznim označeni genomskih elemenata za istraživanje oblasti koje su po mogućnosti metiliran. Genskom regije zauzimaju oko 40% ljudskog genoma, ali oko 53% od ukupnog broja glasi unutar ove regije, s većinom čita se nalazi u intronske regiji (Tablica 1). Iako značajni dio metilnog fragmenata spadaju intronske regijama omjer mapirane čita duljini eksona značajno veći od onoga za introna, što sugerira da eksona su vrlo metilirani od introna (Slika 1E). Unutar područja gena povezane, obogaćivanje kodiranja eksona je još veća nego kod drugih regija kao što je ranije izvijestili (Slika 1F i Tablica 2) [39]. To je jasan pokazatelj da metilacije igra važnu ulogu u eksona regulation.Table 1. ljudskog genoma i normalan informacija uzorka genskom i medugenskim regiji pregled Human Genome Informacije
Normalni uzorak Informacije

Relativna obogaćivanja Ratio
Funkcionalni Kategorija pregled
Dužina (bp)
Odnos
pregled # CpG
omjer
Čita
omjer
vs. Duljina
vs. CpG Count

Genic
1,184,139,094
39.46
13,262,253
47.09
20,854,434
53.25
1.35
1.13
Exon
68,035,894
2.27
1,808,089
6.42
4,350,405
11.11
4.90
1.73
Intron
1,122,817,725
37.41
11,613,113
41.23
17,358,273
44.32
1.18
1.07
Intergenic
1,816,976,186
60.54
14,901,610
52.91
18,310,273
46.75
0.77
0.88
Human Genom pregled 3001115280 pregled 100 pregled 28.163.863 pregled 100 pregled 39.164.707 pregled 100 pregled 1.00
1,00 pregled Tablica 2. ljudskog genoma i normalno informacije uzorak gena bilješkama regije
Human Genome Informacije
Normalni uzorak Informacije

Relativna obogaćivanja Ratio
pregled Funkcionalna Kategorija pregled
Dužina (bp)
omjer
pregled # CpG
omjer
Čita pregled pregled Omjer
vs. Duljina
vs. CPG grofa
uzvodno 1 kb pregled 24.468.069 pregled 0,82 pregled 937.748
3,33 pregled 535.593 pregled 1.37
1,68
0,41
5'UTR Egzoni pregled 8.436.529 pregled 0,28 pregled 411.563
1,46 pregled 292.654 pregled 0.75
2,66 pregled 0.51 pregled kodiranje Egzoni pregled 33.384.619 pregled 1,11 pregled 1077913
3,83 pregled 3.448.755 pregled 8.81 pregled 7.92 pregled 2,30
3'UTR Egzoni
28.387.978 pregled 0.95
378.012
1,34 pregled 806.

• Otkrivanje ljudsku povijest od bakterija u želucu
• Prisutnost upalnih stanica S100A9-pozitivne u tkivu raka korelira s rani stadij raka i bolju prognozu u bolesnika s karcinomom želuca