Identificazione dei cambiamenti di metilazione del DNA associate a cancro gastrico umano

Identificazione dei cambiamenti metilazione del DNA associate a cancro gastrico umano
Abstract
sfondo
epigenetica alterazione dell'espressione genica è un evento comune nel cancro umano. metilazione del DNA è un processo epigenetico ben noto, ma verificando l'esatta natura dei cambiamenti epigenetici associati con il cancro rimane difficile.
Metodi
Si profila la methylome del tessuto cancro gastrico umano ad una risoluzione di 50-bp con un arricchimento DNA metilato tecnica (metilato CpG saggio recupero dell'isola) in combinazione con un analizzatore genoma e un nuovo algoritmo di normalizzazione.
Risultati
Siamo stati in grado di ottenere una visione completa di promotori con varie densità CpG, tra isole CpG (CGI), trascrizione corpi, e le varie classi di ripetizione. Abbiamo scoperto che il cancro gastrico è stato associato con ipermetilazione 5 'CGI e 5'-end di esoni codificanti e hypomethylation di elementi di ripetizione, come elementi nucleari intercalati brevi dell'elemento SVA composito. Ipermetilazione di 5 'CGI è risultata significativamente correlata con sottoregolazione di geni associati, come quelli nei HOX Comprare e geniche istone famiglie. Abbiamo anche scoperto epigenetica silenziamento (LRES) le regioni a lungo raggio nel tessuto del cancro gastrico ed identificato diversi geni hypermethylated (MDM2
, DYRK2
, e LYZ
) all'interno di queste regioni. Lo stato di metilazione di elementi CGI e Gene annotazione nei linfonodi metastatici era intermedia tra tessuto normale e tumorale, indicando che la metilazione di specifici geni viene gradualmente aumentata nel tessuto canceroso.
Conclusioni
I nostri risultati forniranno dati preziosi per le analisi future di CpG metilazione, marcatori utili per la diagnosi di cancro allo stomaco, così come un nuovo metodo di analisi per Epigenomics clinici indagini.
Sfondo
cancro gastrico è la seconda causa di decessi per cancro in tutto il mondo dopo il cancro del polmone, con conseguente più di 800.000 morti ogni anno nel mondo [1]. L'attuale tasso di sopravvivenza a 5 anni dei soggetti con diagnosi di cancro gastrico è solo il 20-30%, con questo basso tasso di essere attribuibile al fatto che la maggior parte dei casi sono già in fase avanzata al momento della diagnosi. Come in tutti i tumori, la diagnosi precoce rimane l'approccio più promettente per migliorare il tasso di sopravvivenza. Quindi, capire la causa di tumorigenesi in tessuto gastrico umano è essenziale.
Infezione da H. pylori
è una causa ben consolidata e comune di cancro gastrico. Tuttavia, le alterazioni in diversi fattori genetici sono importanti anche per aumentare il rischio di cancro gastrico. È ben noto che cromosomica instabilità proveniente da fattori genetici come l'instabilità microsatellite nonché KRAS Comprare e p53
mutazioni provocare lo sviluppo di tumori. Diversi studi di genomica hanno identificato mutazioni germinali in geni specifici [2-4] e malattia loci sensibili [5, 6] per il cancro gastrico. Recenti studi che confrontano il cancro gastrico e tessuto normale hanno individuato una serie di marcatori genetici, tra cui marcatori diagnostici [NF2
[7], INHBA
[8], SFRP4
[9]], marcatori prognostici [CD9
[10], CDH17
[11], PDCD6
[12]], e geni del cancro gastrico-associato [MUC13
[9], CLDN1
[13], Ki67
e CD34
[14]]. Inoltre, meccanismi epigenetici come metilazione del DNA e istoni modifiche sono stati trovati per essere importante nel regolare l'espressione di geni coinvolti nella biologia e malattie del tratto gastrointestinale [15].
DNA metilazione gioca un ruolo essenziale nella eucarioti e è associata con una serie di meccanismi chiave compreso imprinting genomico, inattivazione del cromosoma X, invecchiamento e carcinogenesi. Alterazione di metilazione del DNA nel genoma si trova in quasi tutti i tipi di cancro e può portare a cambiamenti nell'espressione genica, come la sovra-espressione degli oncogeni e silenziamento di geni oncosoppressori durante lo sviluppo del cancro [16]. Diversi studi hanno dimostrato che l'accumulo di alterazioni genetiche ed epigenetiche in lesioni precancerose gastriche può interessare un gran numero di obiettivi, come ad esempio i componenti del sistema di riparazione del DNA, soppressori tumorali, oncogeni, regolatori del ciclo cellulare, fattori di crescita e molecole di adesione [17-20] . Tuttavia, questi studi si sono concentrati principalmente su alcuni geni candidati o coperti solo una parte dell'intero genoma. Così, l'accesso a una visione globale dei cambiamenti epigenetici connessi con lo sviluppo del cancro è stato difficile. In particolare, la comprensione dei cambiamenti di metilazione del DNA nelle regioni intragenica, isole CpG, regioni intergenic, e ripetere sequenze rimane limitata. Di conseguenza, vi è un grande interesse per l'analisi dell'intero genoma di aberrante metilazione del DNA in queste regioni. Compra di completa profilazione genoma scala di metilazione del DNA in embriogenesi e carcinogenesi, ad alta risoluzione interi metodi di sequenziamento del genoma, come BS-ss [21 -24], MeDIP-ss [25, 26], e MethylCap-seq [27-29] sono stati sviluppati. Nonostante il rapido sviluppo della tecnologia di mappatura sequenziamento-based, c'è ancora una mancanza di ricerca comparata, che è critica per epigenomics studi clinici, compresi quelli focalizzati sul cancro. A differenza degli approcci microarray-based, dati di sequenziamento sono prodotte in un formato che non è suscettibile di differenziale analisi, e il flusso di lavoro di analisi non è stato standardizzato. Pertanto, sono necessari metodi di normalizzazione computazionalmente poco costoso per gestire l'onere computazionale di elaborazione di grandi dimensioni, ad alta risoluzione dei dati di sequenziamento.
Qui, abbiamo introdotto un algoritmo di normalizzazione, che tiene conto della densità di lettura totale specifico campione, territoriale distribuzione di CpG loci, e la polarizzazione sfondo sequenziamento. Abbiamo quindi creato un intero genoma methylome completa di tessuto normale gastrico, tessuto del cancro gastrico, e linfonodi metastatici con il metodo MethylCap-ss e ottenuto informazioni dettagliate sulla sua perturbazione durante la carcinogenesi e metastasi. Questo è facilmente applicabile ad un'analisi comparativa delle methylomes e altri tipi di dati epigenomiche, e ha particolari implicazioni per la epigenomics cliniche.
Metodi
campioni di tessuto gastrico
abbiamo ottenuto tre a scatto congelati tumori gastrici e abbinato normale tessuto gastrico da Seoul National University college of Medicine di studio methylome. Inoltre, ventotto coppie corrispondenti di normali e tumorali tessuti dello stomaco sono stati ottenuti per ulteriore conferma. Tutti i campioni sono stati ottenuti con la resezione endoscopica durante l'esame dei pazienti che hanno dato il consenso informato
metilato saggio di recupero del DNA (MIRA)
DNA genomico da 25 mg di tessuto gastrico è stato purificato mediante DNeasy Blood &.; Tissue Kit (Qiagen, Valencia, CA). campioni di DNA genomico da 3 individui sono stati riuniti alla stessa concentrazione. MIRA è stata effettuata come descritto in precedenza [30-32]. In breve, GST-tagged MBD2b e His-tagged proteine ​​MBD3L1 sono state preparate come descritto. 15 ug di DNA genomico è stato frammentato a 100 ~ 500 bp mediante sonicazione e incubato con 28 ug di proteina purificata GST-MBD2b, 28 ug di His-MBD3L1 proteine ​​e 7 ug di DNA batterico JM110 per 6 ore. 30 ul di MagneGST perline (Promega, Madison, WI) preblocked con 7 ug di RNA JM110 batterica sono stati aggiunti ed incubati a 4 ° C con rotazione per 45 minuti in finale 600 ul di MIRA vincolanti miscela di reazione. Perle sono state lavate tre volte con 1 ml di tampone di lavaggio, e frammenti metilati sono stati eluiti da incubazione a temperatura ambiente per 5 minuti e poi 56 ° C per 30 minuti con 30 ul di TE contenente RNasi A (100 ug, Qiagen) e Proteinasi K ( 15 ug, Qiagen). frammenti di DNA eluite sono state ulteriormente purificato utilizzando kit di purificazione QIAquick PCR (Qiagen).
Illumina Genome Analyzer sequenziamento
Abbiamo usato 10 ng di DNA eluite per Illumina Genome Analyzer sequenziamento. Dopo legatura di una coppia di adattatori Solexa, prodotti legatura con la dimensione massima inserto di 200 bp è stato purificato su gel di agarosio al 2% e sottoposto ad amplificazione PCR. generazione di cluster e 36 cicli di sequenziamento sono stati effettuati seguendo le istruzioni del produttore. Abbiamo sequenziato 120 ul di DNA dimensione frazionata adattatore-legatura (2 ~ 04:00) sul Illumina Genome Analyzer. sequence tags sono stati mappati al genoma umano (database hg18 UCSC sulla base di NCBI costruire 36,1 montaggio) utilizzando il Solexa Analisi Pipeline (versione 0.3.0). Sequenced legge di 34 bp (escluso il primo e l'ultimo nucleotide) che passava filtri di controllo di qualità sono stati utilizzati. Elaborazione dei dati e il calcolo
MES
Abbiamo esteso all'estremità 3 'del 34-bp legge da 200 bp a copertura del DNA frammenti vincolati dalle proteine ​​MBD. La lettura è stato convertito in file del browser estensibili di dati (letto) per la visualizzazione nel browser genoma UCSC http: //. Genoma UCSC edu /.. Abbiamo contato sequence tags sovrapposti ad una risoluzione di 50 bp. Per trovare le regioni genomiche arricchito, il numero di letture mappato in una finestra scorrevole di 1 kb è stato confrontato con il numero totale di legge o il numero di sfondo legge nel genoma. Come tale, MES è stato calcolato in due modi; uno è come log2 di (target lettura dimensione conteggio /target) /(numero totale di lettura /dimensione del genoma) e pavimentata a zero, l'altro è come log2 di (target lettura dimensione conteggio /target) /(sfondo lettura conteggio /sfondo size) e pavimentate a zero. Per regolare per partito preso sfondo sequenziamento, MESbg è stato calcolato nello stesso modo per il sequenziamento di ingresso senza purificazione affinità e sottratto dal MES.
Posizioni genomiche di CGI, i promotori, gli organi di trascrizione, CDS, e gli elementi ripetitivi
Tutte le posizioni genomiche di CGI, trascrizioni ed elementi di ripetizione sono stati scaricati dal browser genoma UCSC. Un totale di 27.639 CGI (tranne trova casualmente CGI) sono stati previsti con i seguenti criteri: contenuto di GC del 50% o superiore, di lunghezza maggiore di 200 bp, e il rapporto maggiore di 0,6 del numero osservato di dinucleotidi CpG al numero atteso [33] . Le sequenze di riferimento collezione NCBI mRNA (RefSeq dalla versione 46, 11 marzo 2011) è stato utilizzato per identificare le unità di trascrizione con l'inizio della trascrizione definito, siti finali e CDS inizio, fine siti. Per i promotori, abbiamo usato il bp regione 500 upstream ~ 500 bp a valle del sito di inizio della trascrizione. Abbiamo ottenuto ~ 5 milioni di punti di ripetizione che erano stati determinati dal programma di RepeatMasker basato sulla libreria RepBase di ripetizioni.
Livello di metilazione di elementi genomici
Il livello di metilazione di un CGI, promoter, gene-corpo, e ripetiamo elemento è stato stimato mediante MES sovrapposte l'elemento. MES = 0 è stato utilizzato per definire gli elementi non metilato. Per misurare hypermethylation o l'ipometilazione nel cancro, abbiamo calcolato il pasticcio differenziale come (Cancer MES - Normale MES). MES >differenziale; 1.0 è stato usato come soglia. Per capire le funzioni dei geni selezionati, abbiamo utilizzato la classificazione ontologia dei geni attraverso lo strumento DAVID annotazione funzionale Clustering http:.... //David ABCC ncifcrf gov /
Analisi dell'espressione genica
Il prodotto microarray utilizzato in questo studio è stato Codelink intero genoma umano 55 K di chip (GE Healthcare, Stati Uniti d'America). Tutte le procedure sperimentali, tra cui la preparazione di destinazione cRNA, ibridazione, post-ibridazione accoppiamento colorante sono stati eseguiti utilizzando i protocolli del fornitore raccomandato. I file dei risultati sono stati importati in GeneSpring GX 7.3 (Agilent Technologies, USA) per il filtraggio e l'analisi statistica di base. Tra 55 K geni sul microarray, solo i geni con bandiere presenti in almeno il 50% dei campioni sono stati selezionati per la successiva analisi. I dati microarray sono stati depositati presso la GEO http:.. //Www NCBI nlm NIH (numero di accesso GSE33651) gov /geo /
MIRA e in tempo reale qPCR
MIRA... è stata eseguita su quattro campioni individuali supplementari. DNA è stato purificato dal supernatante e monitorata mediante real-time qPCR utilizzando Roche 480 della macchina. Le sequenze di primer utilizzati sono presentati in file aggiuntive. 1: Tabella S1
trattamento bisolfito, PCR metilazione-specifica e pyrosequencing
Abbiamo isolato il DNA genomico da singolo campione utilizzando un kit di Tissue Qiagen DNeasy (Qiagen). trattamento bisolfito è stata effettuata utilizzando il kit di metilazione del DNA oro EZ (ricerca Zymo) secondo le istruzioni del produttore. DNA bisolfito trattati è stato conservato a -80 ° C fino all'utilizzo. I primer utilizzati per MSP sono stati progettati utilizzando Methprimer [34], e sono mostrati in file aggiuntive 1: Tabella S1. PCR è stata eseguita con HotStarTaq Polymerase (Qiagen) e comprendeva un'incubazione iniziale a 95 ° C per 15 minuti, seguiti da 40 cicli di 95 ° C per 1 min, 59 ° C per 1 min e 72 ° C per 40 sec, seguito da un ciclo di 72 ° C per 10 minuti. MSP prodotti sono stati separati su gel di agarosio 2% e visualizzati mediante colorazione EtBr. Le reazioni sono state pyrosequencing eseguite automaticamente con un sistema di PSQ 96 (Pyrosequencing AB) secondo le istruzioni del produttore. Brevemente, il prodotto biotinilato PCR (50 ul) è stato purificato utilizzando perline streptavidina-sefarosio (Amersham Biosciences). Il prodotto purificato è stato caricato nella cartuccia reagente con l'enzima, substrato e dNTP inclusi nel kit PSQ96 SNP Reagent (Pyrosequencing AB). I primer di sequenziamento per pyrosequencing sono riportate in file aggiuntive. 1: Tabella S1
Risultati
lavorazione di MIRA-Seq dati methylome
Abbiamo purificati il ​​DNA metilato arricchito attraverso MIRA (metilato test di recupero dell'isola CPG) e sequenziato il DNA utilizzando sequenziamento di prossima generazione. livelli di metilazione del DNA sono stati determinati utilizzando il sequenziamento leggere i conteggi delle regioni corrispondenti, ad intervalli di 50 bp, come descritto in Metodi. Abbiamo creato le mappe di metilazione del DNA sia per i tessuti normali e tumorali gastriche. Per ogni campione, abbiamo ottenuto circa 10 milioni sequenza legge (sui file 1: Tabella S2). Ogni methylome conteneva ~ 140 milioni di CpG legge, che copre ~ 48% di tutti i siti CpG genomici esclusi centromeri (file aggiuntivo 1: Tabella S3). La resa media di CpG legge in ogni methylome era 4.5X. A sostegno della elevata sensibilità del MIRA, segmenti genomici contenenti un solo CpG avevano maggiore leggere conta rispetto a quelli senza (valore p
= 0) CpG, suggerendo che singole modifiche CpG potrebbero essere risolti utilizzando MIRA. La sequenza medio legge aumentata in proporzione al numero di CPGs entro un intervallo di 50 bp, e in effetti, la copertura MIRA non era basso anche per regioni a bassa densità di CpG (file complementare 2: Figura S1). Presi insieme, questi risultati mostrano che MIRA è riuscito a recuperare una frazione sufficiente di regioni denaturato. Per quanto riguarda l'accuratezza delle MIRA, ~ 99% di frammenti MIRA-catturate ha avuto almeno un sito CpG nella loro sequenza, che indica un basso tasso di rilevamento falso.
Per misurare l'arricchimento dei segnali di metilazione locali, abbiamo calcolato i punteggi di metilazione di arricchimento (MES ) ottenendo un valore letto in una determinata regione e quindi eseguire la normalizzazione per controllare per totale il conteggio lettura (MEST) nel campione (normalizzazione globale) o il conteggio di lettura locale (MESL) in una regione definita dall'utente circostante (normalizzazione locale) (vedi Metodi). Ciò consente un confronto diretto di campioni indipendenti con diversa densità di lettura. Abbiamo poi effettuato una trasformazione logaritmica del punteggio derivato. Insieme con avere altri meriti matematici, questo offre il vantaggio di stabilizzazione della varianza, in particolare per i conteggi alta di lettura, che sono spesso accoppiati con alte variazioni tecniche che possono introdurre distorsioni significative nei dati.
Abbiamo valutato la significatività statistica dei MES in due strade. MES randomizzato sono stati generati numericamente permutando le posizioni genomiche della nostra sequenza di legge. Lo sfondo MES (MESbg) è stato sperimentalmente ottenuti sequenziamento del genoma normale senza purificazione di affinità. Come previsto, i dati reali hanno prodotto nettamente più elevati punteggi di arricchimento (sui file 2: Figura S2). In particolare, MESbg era superiore MES da genomi randomizzati, l'indicazione che le sequenze di fondo sola può creare l'arricchimento, probabilmente a causa di accessibilità della cromatina e pregiudizi di amplificazione. In linea con le recenti notizie [35], ciò dimostra la necessità di una corretta calibrazione per pregiudizi sequenziamento intrinseca. Pertanto, abbiamo normalizzato nostri MES con MESbg.
Per trovare la condizione ottimale per la normalizzazione, abbiamo confrontato l'idoneità statistica dei vari metodi di normalizzazione. distribuzione di tag lungo il genoma può essere modellata dalla distribuzione di Poisson [36, 37]. La bontà di adattamento è stata testata utilizzando il test di Kolmogorov-Smirnov. In questa prova, una statistica bassa D indica una buona misura. Mentre il modello di Poisson ha superato il complesso gaussiana, il MES hanno mostrato una migliore vestibilità che conta di lettura prime (sui file 2: Figura S3), che illustra la natura evento raro della misura conteggio lettura log-in scala. I MESL normalizzati calibrate dal sequenziamento di controllo (MESbg) hanno prodotto risultati ancora migliori rispetto Mest normalizzato calibrato mediante sequenziamento di controllo (MESbg)
. Globale e viste cromosomiche di metilazione del DNA
dopo aver confermato la miglior metodo per livelli di metilazione genome-wide punteggio ad intervalli di 50 bp, in primo luogo abbiamo esaminato i pattern di metilazione cromosomica di campioni normali. Il MES medi calcolati per ciascun cromosoma ha suggerito che i cromosomi CpG-ricchi e ricchi di geni tendono ad essere altamente metilato (Figura 1A). I livelli di metilazione dei cromosomi con grandi quantità di elementi nucleari lungo intervallati (linee) sono stati relativamente bassi (ad esempio, il cromosoma 4). È interessante notare che la quantità di elementi nucleari intervallati brevi (SINEs) era proporzionale al pattern di metilazione del cromosoma. Questo è probabilmente dovuto al fatto che SINEs sono tipicamente raggruppati in regioni ricche di gene. cromosomi sessuali sono stati hypomethylated a livello globale con minore densità CPG e contenuti di ripetizione superiore autosomi. Poiché abbiamo usato tessuti prelevati da un maschio in questo esperimento, l'ipometilazione globale del cromosoma X osservata non è associato con X inattivazione. vista a livello del cromosoma ricapitolati alta densità CPG e alta metilazione intorno regioni ricche di geni (vedi barre nere in basso) e ricco di CGI (vedi barre blu in alto) (Figura 1B). Al contrario, la bassa densità CPG e bassa metilazione sono stati osservati in tutto le regioni del gene-poveri che erano ricchi di ripetizioni a lungo raggio (> 1 KB) (vedi barre rosse in alto). Le MES medi suggerisce che il livello di metilazione CGI è notevolmente superiore a quello delle regioni geniche o ripetizioni (Figura 1B). Figura 1 modelli di metilazione del tessuto gastrico normale. (A) MES medi vasta cromosoma è mostrato come una funzione della densità media CpG, densità gene (il numero di geni per Mb), quantità LINE (la lunghezza di riga per Mb), e quantità SINE (la lunghezza di sinusoidi per Mb) per ciascun cromosoma. (B) Per cromosoma 22, la densità media CpG (in grigio) e MES (curva nera) sono stati ottenuti nel 1-Mb finestre scorrevoli. Le posizioni dei geni trascritti (barre nere in basso), Isole CG (barre blu in alto), e lunghe ripetizioni (> 1 kb, barre rosse sulla parte superiore) vengono confrontati sullo sfondo di metilazione del DNA e la densità CpG ( sinistra). I MES medi per CGI, corpi di geni, e ripete (a destra). (C) La distribuzione dei corpi gene e MES CGI (a sinistra). I MES medi per promotore-associata e promotore indipendente CGI è mostrato a destra. (D) I MES medi sottogruppi promotore, basata sull'esistenza di CGI (sinistra). (E) Informazioni di base sulla intergenico, exonic, e le regioni introniche, a seconda della lunghezza, numero di CpG, e mappato legge (a sinistra). La distribuzione dei intergenico, exonic, e la mensa intronic è mostrato a destra. (F) le informazioni di base sul monte regione 1-kb, 5 'UTR esoni, esoni codificanti, 3' esoni UTR, e downstream regione 1-kb in base alla lunghezza, numero di CpG, e mappati legge (a sinistra). La distribuzione dei MES per ogni elemento è mostrato a destra.
In generale, CGI tendono a rimanere metilazione libera nel tessuto normale. Per analizzare i modelli di alta metilazione di CGI, abbiamo controllato la distribuzione media MES e abbiamo trovato un modello leggermente bimodale (Figura 1C). Circa il 66% (11.376 /17.284) di CGI nel picco sinistra coincideva con un promotore (1 kb di nostra definizione). Al contrario, il 13% (1.386 /10.357) di CGI nel picco destra coincideva con un promotore, suggerendo che la maggior parte CGI promotore-associata sono unmethylated. A differenza di promotore-correlati CGI, promotore-indipendente CGI sono stati fortemente metilato (Figura 1C). Sebbene la maggior parte promotori CGI-positivo non sono stati metilato, promotori CGI-negativi hanno mostrato livelli relativamente alti di metilazione (Figura 1D). Abbiamo anche controllato il livello di metilazione dei promotori per densità CpG come definito in precedenza [38] (sui file 3: Tabella S4). Il modello di metilazione dei promotori è stato inversamente proporzionale alla densità di CpG (sui file 2: Figura S4). D'altra parte, gli organi di geni CGI contenenti avevano livelli di metilazione più elevati rispetto a quelli senza CGI (Figura 1D).
Successiva, abbiamo analizzato i modelli di metilazione di arricchimento a vari elementi genomici annotate per esplorare le regioni che sono state preferenzialmente denaturato. regioni geniche occupano circa il 40% del genoma umano, ma circa 53% del totale legge è all'interno di questa regione, con la maggior parte delle letture essere situato nella regione intronica (Tabella 1). Sebbene una percentuale significativa di frammenti metilati rientra regioni introniche, il rapporto tra mappato legge alla lunghezza di esoni è notevolmente superiore a quello per introni, suggerendo che esoni sono più altamente metilato di introni (Figura 1E). All'interno delle regioni geniche associate, l'arricchimento di esoni codificanti è addirittura superiore a quella di altre regioni come precedentemente riportato (Figura 1F e tabella 2) [39]. Questo suggerisce fortemente che la metilazione gioca un ruolo in esone regulation.Table 1 genoma umano e le informazioni del campione normale della regione genica e intergenic
Human Genome Informazioni
normale Informazioni campione
Il rapporto relativo arricchimento
Categoria funzionale
Lunghezza (bp)
rapporto
° CpG
rapporto
Legge
rapporto
vs. lunghezza
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 Genoma
3.001.115,28 mila
100

• Alla scoperta della storia umana da bacteria
• La presenza di cellule infiammatorie S100A9-positivi nei tessuti tumorali si correla con un cancro della fase iniziale e una migliore prognosi nei pazienti con gastrica cancer