PLOS ONE: expressão alterada de hipoxia-inducible factor-1α (HIF-1α) e seus genes reguladores em tecidos de câncer gástrico

Abstract

Tissue hipóxia induz a reprogramação do metabolismo celular e pode resultar na transformação de células normais e progressão do câncer. A hipoxia-inducible factor 1-alfa (HIF-1α), o factor-chave da transcrição, desempenha um papel importante no desenvolvimento do cancro gástrico e progressão. Este estudo teve como objetivo investigar a via de sinalização de regulamentação subjacente no câncer gástrico utilizando amostras de tecido de câncer gástrico. A integração do perfil de expressão gênica e transcrição de banco de dados elemento regulador (TRED) foi perseguido para identificar HIF-1α ↔ vias de genes NFκB1 → BRCA1 → STAT3 ← STAT1 e seus genes regulados. Os dados mostraram que houve 82 genes diferencialmente expressos que poderiam ser reguladas por esses cinco fatores de transcrição em tecidos de câncer gástrico e esses genes formados 95 modos de regulação, entre os quais sete genes (MMP1, TIMP1, TLR2, FCGR3A, IRF1, FAS e TFF3 ) eram moléculas de hub que são regulados pelo menos por dois desses cinco fatores de transcrição simultaneamente e foram associados com hipóxia, inflamação e distúrbio imunológico. PCR em Tempo Real e Western blot mostrou aumento de HIF-1α em ARNm e os níveis de proteína, bem como TIMP1, TFF3 nos níveis de ARNm em tecidos de cancro gástrico. Os dados são o primeiro estudo a demonstrar fatores de transcrição HIF-regulados-1a e seus genes de rede correspondentes no câncer gástrico. Outras estudo com uma amostra maior e experimentos mais funcionais são necessárias para confirmar esses dados e, em seguida, traduzir-se em descoberta de biomarcadores clínica e estratégia de tratamento para o câncer gástrico

Citation:. Wang J, Ni Z, Duan Z, Wang G , Li F (2014) expressão alterada de hipoxia-inducible factor-1α (HIF-1α) e seus genes reguladores em câncer gástrico tecidos. PLoS ONE 9 (6): e99835. doi: 10.1371 /journal.pone.0099835

editor: Pankaj K. Singh, University of Nebraska Medical Center, Estados Unidos da América

Recebido: 10 Janeiro, 2014; Aceito: 19 de maio de 2014; Publicação: 13 de junho de 2014

Direitos de autor: © 2014 Wang et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados

Financiamento:. Este trabalho foi apoiado em parte pelas bolsas do National Natural Science Foundation da China (̭20108025 eQ.271.897), Fundo de Investigação especializada para o Programa de Doutorado de Educação Superior da China (É10061120093), China Pós-Doutorado Science Foundation (É10491311 eÉ2T50285), Fundação de Jilin Departamento Provincial de Saúde (É1Z049), Fundação da Província de Jilin Departamento de Ciência e Tecnologia (É30522013JH eÉ40414048GH) e do Programa de Bethune Norman, da Universidade de Jilin (É2219). Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito

CONFLITO DE INTERESSES:.. Os autores declararam que não existem interesses conflitantes

Introdução

o câncer gástrico é o quarto tipo de câncer mais comum ea segunda causa de morte por câncer no mundo, que afeta cerca de 800.000 pessoas e 65.000 mortes relacionadas ao câncer anualmente [1]. Estudos anteriores mostraram que o metabolismo celular aberrante é uma característica fundamental durante a tumorigênese e câncer progressão [2], [3]. Especialmente, a reprogramação do metabolismo energético foi incluído como uma característica emergente de cancro [4] e o metabolismo energético anormal é detectável no cancro humano diferente, isto é, células cancerosas reprogramar seu metabolismo por aumento na glicólise, em vez de a fosforilação oxidativa mitocondrial para gerar células energia [5]. hipóxia tecidual é uma força motriz fundamental levando a reprogramação metabolismo celular [6]. Sob ambiente hipóxia, glicólise célula é induzida e leva a um aumento da proliferação celular e, por sua vez, formar um ciclo vicioso de hipoxia hipoxia-aumentando-proliferação que promover a transformação da célula e na progressão do cancro [7]. Ao nível do gene, a hipoxia-inducible factor-1 (HIF-1) é o activador de transcrição sensíveis ao oxigénio primário e ajuda as células para adaptar a tensão de oxigénio baixa (hipoxia) [8]. HIF-1 é composta por uma subunidade β-constitutivamente expresso e um α-subunidade hypoxia-inducible. Este último (HIF-1α) só é estabilizado sob condições hipóxicas e regula HIF-1 actividade de transcrição [9]. Até à data, o HIF-1α é mostrado activar múltiplos genes alvo que envolvem em aspectos cruciais da biologia do cancro, incluindo a eritropoiese, a angiogénese, o metabolismo da glucose, a proliferação de células /sobrevivência e a apoptose [10]. HIF-1α pode interagir com outros factores de transcrição relacionados com o cancro (TFS) e formam uma rede reguladora da transcrição do gene TF-complexo durante o desenvolvimento e progressão do cancro. Assim, uma concepção não é surpreendentemente elevada que as células cancerosas têm padrões de transcrição diferencial e patológicos em comparação com as células normais [11]. Estudos anteriores mostraram up-regulação da expressão do HIF-1α em tecidos com câncer gástrico e células [12], [13], ao passo que os mecanismos de regulação precisamente subjacentes continuam a ser definido. Assim, no presente estudo, utilizou-se o Affymatrix Exon matrizes para identificar o perfil de expressão diferencial de genes em tecidos de cancro gástrico, e realizada PCR em tempo real e análises de Western blot para validar os dados. Construiu-se ainda mais a rede aberrante de TF-transcrição gene regulador associado com a expressão de HIF-1α por integração da base de dados elemento regulador transcricional (TRED) [14] e o perfil de expressão do gene utilizando o software Cytoscape. Este estudo poderia identificar uma exposição sistemática dos modos de regulação transcricional conexos relacionados com hipóxia e fornecer informações detalhadas para a descoberta de biomarcadores futuro e inovadora estratégia de tratamento para o câncer gástrico.

Resultados e Discussão

Profiling de diferencialmente genes expressos em câncer gástrico contra tecidos normais

para identificar os genes diferencialmente expressos em câncer gástrico, utilizamos o Affymatrix Exon Arrays que contêm 17.800 genes humanos ao perfil cinco pares de câncer gástrico e tecidos normais (as informações dos pacientes eram mostrou na Tabela S1). Encontramos um total de 2546 genes diferencialmente expressos, dos quais 2.422 foram up-regulamentados e 124 foram regulados negativamente (Tabela S2). Especificamente, o HIF-1α foi significativamente altamente expresso em tecidos de cancro gástrico em comparação com os tecidos normais adjacentes (p < 0,01). Nós validado ainda mais os dados de microarray efectuando quantitativo em tempo real de RT-PCR e western blot em mais 10 pares de cancro gástrico versus tecidos normais (informações dos pacientes foram apresentados na Tabela S1). A expressão de mRNA HIF-1α apresentaram 2,55 ± 0,56 dobrar-regulação em tecidos tumorais versus normais (p < 0,01); análise de Western blot mostrou uma clara separação entre a densidade relativa de proteína do HIF-1α em tecidos de cancro (0,41 ± 0,24) versus normais (0,17 ± 0,15), com P < 0,01, os resultados podem ser vistos na Figura 1 e Figura S1. De fato, um estudo anterior mostrou que HIF-1α foi expressa ubiquamente em tecidos humanos e de ratinho sob hipoxia [15] e em tecidos com câncer gástrico [12], [13], a superexpressão de que foi associado com mau prognóstico dos pacientes com câncer gástrico [12 ], [13]. Assim, analisamos ainda TFs associada à sobre-expressão HIF-1α e seus potenciais genes de segmentação em tecidos de câncer gástrico.

Identificação do TFS associada à sobre-expressão HIF-1α e seus potenciais genes de segmentação em tecidos com câncer gástrico

para identificar TFs associada à sobre-expressão HIF-1α e seus potenciais genes de segmentação, o banco de dados do elemento regulador da transcrição (TRED) fornece uma ferramenta única para analisar tanto a cis Network - e trans
- elementos reguladores em mamíferos, que ajuda a compreender melhor os regulamentos de genes completos e redes de regulação, especialmente ao nível dos regulamentos de transcrição. Assim, usando o perfil de integração de expressão gênica e informações de regulamentação da TRED, analisamos HIF-1α e outros quatro fatores de transcrição relacionados com o HIF-1α (ou seja, NFκB1, BRCA1, STAT3, e STAT1) que foram todos sobre-regulada no cancro gástrico tecidos e descobriu que eles formavam estas redes reguladoras TF-gene com 82 genes, 79 dos quais foram up-regulamentados e 3 foram regulados negativamente (Tabela S3). Figura 2 mostrou a análise-clusters bi desses 82 genes diferencialmente expressos em tecidos de câncer gástrico em comparação com tecidos normais.

Depois disso, o banco de dados para anotação, visualização e descoberta integrada (DAVID) [16] foi aplicado funcional anotação destes 82 genes expressos diferencialmente. Listamos os quatro principais classes de doenças que associadas a estes 82 genes aberrantes (Tabela 1) e descobriu que a classe mais significativa é o cancro com 29 genes seguido de infecção (18 genes), cardiovascular (25 genes) e doença imune (26 genes) .

Identificação do fator de transcrição do gene relacionada ao câncer gástrico (TF-gene) da rede

com base no banco de dados do elemento regulador da transcrição e perfil de expressão gênica, que construiu a rede de regulação transcricional relacionado com HIF- 1α ↔ NFκB1 → BRCA1 → STAT3 ← STAT1 com esses 82 genes em tecidos de câncer gástrico. Nossos dados mostraram que esses 82 genes podem formar 95 diferentes modos de regulação (Figura 3A) e do detalhada TF-gene modos de regulação informações estão listadas na Tabela S4.

A fim de melhor compreender a rede reguladora, construímos uma breve quadro da rede (Figura 3B). Fatores de transcrição HIF-1α ↔ NFκB1 → BRCA1 → STAT3 ← STAT1 foram capazes de formar a estrutura da rede de regulação pelo qual regulados diretamente 21, 45, 2, 12 e 10 genes, respectivamente. NFκB1 foi diretamente regulados por HIF-1α e era verdade que a maioria da rede de regulação foram regulados diretamente pelo HIF-1α (21/82) e NFκB1 (45/82), os principais reguladores ligados à hipóxia e inflamação em cancros [ ,,,0],17]. O câncer gástrico é caracterizada por hipóxia tecidual e inflamação crônica (como Helicobacter pylori
infecção). No nosso estudo, HIF-1α foi significativamente sobre-regulada no cancro gástrico em comparação com os tecidos normais adjacentes (P < 0,01). Além disso, os nossos dados de corrente mostraram que a expressão de mais de 20 genes que são directamente reguladas pelo HIF-1α foi alterada em tecidos de cancro gástrico, incluindo NFκB1, a molécula regulador chave na inflamação e cancro [18] e a segmentação de NFkB podem ser úteis no quimioprevenção de vários cancros humanos [19].

a jusante da rede via reguladora é regulamentada principalmente por STAT3 (12/82) e STAT1 (10/82), os membros do transdutor de sinal e ativador de transcrição da família ( Estatísticas). STAT sinalização com Jak é uma via canonical para regular os genes que estão envolvidos em muitos processos fisiológicos através da transferência de sinais a partir da membrana celular para o núcleo [20]. Para regular a sinalização de citocinas parácrina e alterações em locais metastáticos, STAT3 exerce tanto efeitos extrínsecos tumor-intrínseca e [21]. Segmentação via de sinalização de JAK-STAT3 é considerada como uma estratégia terapêutica potencial, especialmente no contexto de inflamação e da imunidade do tumor [21]. desregulamentação contínua de genes por NFkB persistentemente ativada e STAT3 no microambiente do tumor é de dois aspectos cruciais para a inflamação e progressão maligna [17]. Um estudo anterior demonstrou um efeito cooperativo de STAT3 e HIF-1α na activação de genes sob o ambiente de hipoxia em células de carcinoma de células renais [22]. O mecanismo específico de activação Jak-STAT, especialmente STAT3 no câncer gástrico continua a ser determinada, embora os nossos dados atuais mostraram significativamente maior nível de JAK1, STAT3 e expressão STAT1 em tecidos com câncer gástrico.

Análise de função do hub -genes

um fator dada a transcrição pode regular dezenas, se não centenas, dos genes-alvo, enquanto que um gene pode ser regulada por vários TFs diferentes na rede de transcrição. Assim, assumimos que genes hub sendo regulada por vários fatores de transcrição simultaneamente em câncer gástrico, que podem ter efeitos sinérgicos sobre carcinogênese humana. No presente estudo, foram identificados sete genes (incluindo MMP1, TIMP1, TLR2, FCGR3A, IRF1, FAS e TFF3) que podem ser regulados directamente por pelo menos dois fatores-chave de transcrição, a maioria deles são nós hub que ligam com NFκB1 e STAT via (Figura 4). Uma vez que os factores de transcrição regular os genes-alvo através de um modo dependente-da transcrição para modular a sua expressão de ARNm, aqui realizada de qRT-PCR para examinar a expressão de TIMP1 e TFF3 de mRNA, dois genes alvo de HIF-ct A expressão relativa de TIMP1 e TFF3 ARNm foi 1,58 ± 0,25 e 2,16 ± 0,59 vezes supra-regulados em dez tumoral versus tecidos normais, respectivamente (Figura 1).

Além disso, a família de metaloproteinases de matriz (MMPs) é a principal matriz extracelular remodelação enzimas, actividade de que é o resultado da interacção entre as células tumorais e microambiente do tumor e é rigorosamente controlada pela activação da transcrição, incluindo um complexo de cascata de activação proteolítica, bem como sistema endógena de inibidores teciduais das metaloproteinases (TIMPs) [23]. MMP1 tem sido referida como estando envolvida na invasão de células de cancro gástrico [24]. Além disso, TLR2 é membro de receptores toll-like e desempenha um papel fundamental no reconhecimento do patógeno e ativação da imunidade inata pela ativação de NFkB. TLR2 pode funcionar como um iniciador para dar as células infectadas ou feridos uma segunda chance de se transformar em células cancerosas e proliferação descontrolada de células [25]. Enquanto isso, o fragmento Fc da IgG, o receptor de baixa afinidade IIIa (FCGR3A, também conhecido como CD16a) pertence à família do receptor Fc gama (FCGR). FCGR3A
polimorfismo estava associado com a susceptibilidade a certas doenças auto-imunes e FCGR3A tem um papel importante na remoção de complexos imunitários a partir do corpo e também participa em respostas citotóxicas contra células tumorais e agentes infecciosos [26]. O factor regulador de interferão (IRF) -1 é também uma molécula activa e regulador imunológico do processo inflamatório, a activação do IRF-1 e de NF-kB foi encontrado para ser activada simultaneamente no melanoma [27]. Além disso, polimorfismos do factor trevo 3 ( TFF3
) promotor foram associados com a susceptibilidade do cancro gástrico [28] e TFF3 foi regulada tanto pelo HIF-1 e NFkB [29]. Superexpressão de TFF3 foi um indicador independente para a sobrevida global dos pacientes com câncer gástrico [30]. Mais uma vez, a FAS (também conhecido como TNFSF6 /CD95 /APO-1) pertence a de necrose tumoral superfamília do receptor do factor (membro 6) e desempenha um papel essencial na regulação da via extrínseca da apoptose [31]. FAS expressão reduzida foi associado com o aumento do risco de cancro por regulação negativa da apoptose mediada por Fas [32]. No entanto, nossos dados atuais mostraram um nível de expressão elevado contraditório da FAS em tecidos de câncer ad um estudo mais aprofundado gástrica são necessárias para confirmar isso. No geral, expressão alterada desses genes em tecidos com câncer gástrico precisa de uma verificação posterior como biomarcadores para o diagnóstico de câncer gástrico e prognóstico. Estes genes são cruciais na inflamação e doenças relacionadas imunitário, o que pode indicar ainda a importância de Helicobacter pylori
infecção no desenvolvimento do câncer gástrico e progressão.

Materiais e Métodos

Tissue espécimes

Um total de 15 pacientes com câncer gástrico foram recrutados para o câncer ea coleção tecido normal distante do primeiro Hospital da Universidade de Jilin, Changchun, China. Este estudo foi aprovado pelo Comitê da Faculdade de Ciências Médicas Básicas, Universidade de Jilin Ética, cada paciente foi consentido em um formulário de consentimento informado. Os dados foram analisados ​​de forma anónima. Todos os tecidos foram obtidos a partir da sala de cirurgia e congelados instantaneamente e armazenado em azoto líquido dentro de 10 min após a ressecção. A TNM e classificação histológica foram realizadas de acordo com critérios da Organização Mundial da Saúde (OMS).

isolamento de ARN e hibridação microarray e digitalização

RNA de tecido foi isolado usando Trizol (Invitrogen, CA, EUA) e adicionalmente purificado utilizando o RNeasy Mini kit (Qiagen, Dusseldorf, Alemanha) de acordo com as instruções do fabricante. A concentração de RNA foi então determinada usando o espectrofotómetro UV2800 ultravioleta (UNIC, Nova Iorque, EUA) com uma razão A260 /A280 entre 1.8~2.0 e concentração de RNA foi variaram de 100 ng /ul para 1 ug /uL.

GeneChip Humana exão ST 1.0 (Affymetrix, CA, EUA) foi utilizado para o perfil de genes expressos diferencialmente em tecidos de cancro gástrico versus os normais de acordo com o protocolo fornecido pela Affymetrix (P /N 900223). Resumidamente, foi utilizado 1 ug de ARN modelo para transcritas reversamente em ADNc e amostras de cDNA foram digeridos em fragmentos de cDNA com as endonucleases e então marcadas com o reagente de marcação de ADN proporcionada pela Affymetrix. Depois disso, as amostras de ADNc marcadas foram utilizados como sondas para hibridar com as fichas de matriz por incubação a 45 ° C e rodado a 60 rpm durante 17 h. Depois de lavadas e coradas os chips após a hibridização, os chips foram digitalizados usando GeneChip Scanner3000 com Software Operacional GeneChip (GCOS). Todos os instrumentos, batatas fritas, e os reagentes foram todos comprados a partir Affymetrix.

Análise de genes diferencialmente expressos em câncer contra tecidos normais

GeneChip Software Operacional foi aplicado para analisar as fichas e extrair sinalizar as imagens cruas dados. Os conjuntos de dados GEO de número de acesso NCBI do nosso estudo é: GSE56807. dados de sinal bruto foram então importados e analisados ​​com o algoritmo Limma para identificar os genes diferencialmente expressos. Os modelos lineares e métodos empíricos de Bayes foram analisar os dados. Isto impediu um gene com uma mudança muito pequena dobra de ser julgado como diferencialmente expressos apenas por causa de um acidente pequeno SD residual. Os valores de P resultantes foram ajustadas usando o algoritmo BH FDR. Os genes foram considerados significativamente expresso diferencialmente, se ambos os valores FDR era < 0,05 (controlando a FDR espera-se que não mais do que 5%) e a expressão do gene mostraram alterações, pelo menos, duas vezes entre o cancro e os seus tecidos correspondente normais com Log2FC > 1 ou log2FC < -1, Valor de P < 0,05.

quantitativo em tempo real de RT-PCR

Para a análise de qRT-PCR, menos do que 5 ug ARN total foi transcrito de modo reverso em ADNc com um ^{Kit r cadeia de cDNA synthsis (Takara , Dalian, China); a expressão de mRNA para HIF-1α humana, TIMP1 e TFF3 foram examinadas por qRT-PCR com SYBR Premix Ex Taq (Takara, Dalian, China) e Applied Biosystems 7300 Rápido Real-Time PCR System. A expressão relativa de ARNm foram normalizados para a expressão de p-actina pelo método comparativo Ct (2 -ΔΔCt, ΔCt = Ct _{alvo-Ct β-actina, ΔΔCt = ΔCt tumoral-ΔCt normal). Todos os iniciadores foram desenhados com Primer Premier 6 Software, sequências de iniciadores para a amplificação foram listados na Tabela 2. Os dados de qRT-PCR foram analisados ​​com o GraphPad Prism Versão 5.0, as diferenças entre os grupos foram avaliadas estatisticamente por exemplo unicaudal teste t de Student, com p valor < 0,05 considerado significativo}}

Western blot análise

cerca de 1 mm ^{3 de amostras de tecido foram polidas com nitrogênio líquido, em seguida, homogeneizado em tampão de lise celular (Beyotime, China) em. 4 ° C durante 30 min, os detritos celulares removidos por centrifugação a 10000 rpm durante 20 min em 4 ° C. A concentração de proteína foi analisada por ensaio de proteína de Bradford (Bio-Rad, EUA). Toda a proteína foi separada com 10% de SDS-PAGE e depois transferidos para uma membrana de PVDF (0,45 mm) durante 2 h. Após 2 h de bloqueio por 5% de leite em TBST, incubados com a membrana de ratinho anti-HIF-1α (Santa Cruz, CA, EUA) em 1:200 diluição e de ratinho anti-β-actina (Proteintech, EUA) em 1: diluição de 2000, 4 ° C durante 12 h e 2 h seguido por incubação com anticorpos de cabra anti-IgG de ratinho (Proteintech, EUA) em 1:2000 diluição. Após a lavagem por TBST, detectou os sinais de membrana usando reforçada quimioluminescência ECL (Beyotime, China). O programa Image J foi aplicado para a análise quantitativa das intensidades de sinal de HIF-1α com normalizada com os níveis de p-actina. Os dados foram analisados ​​com GraphPad Prism versão 5.0, as diferenças entre os grupos foram avaliados estatisticamente por amostra de uma cauda t de Student com p valor < 0,05 considerado significativo}

Construção de rede gene fator de transcrição com base na expressão do gene. e perfil de rede base de dados de regulação transcricional elemento

factor de transcrio (TF) gene foi construído com base no perfil de expressão do gene e de banco de dados elemento regulador transcricional (TRED) usando o software Cytoscape de acordo com a interação de regulação e os valores de cada TF expressão diferencial e do gene. A matriz de adjacência do TFS e genes foi feita pelos relacionamentos de atributos entre todos os genes e TFs. A elipse na rede TF-gene representado genes com vermelho (up-regulamentado) e verde (regulada), os triângulos representam fatores de transcrição. A relação entre TF e seus alvos foram representados por setas, direção da seta era da origem para o destino.

Análise da doença associada genes e via gene anotação

Banco de Dados para anotação, Visualization Descoberta e integrado (David) anotação software funcional foi aplicado para analisar o enriquecimento funcional de genes aberrantes. opção "GENETIC_ASSOCIATION_DB_DISEASE_CLASS" forneceu a informação sobre a doença de enriquecimento de associação de grupos de genes. Nós selecionamos "GENETIC_ASSOCIATION_DB_DISEASE_CLASS" para a identificação de enriquecimento de classe doença e "KEGG_PATHWAY" para o enriquecimento via com o método Benjamini determinação do score≥1.3 enriquecimento significativo.

Informações de Apoio
Figura S1.
Western blot análise de HIF-1α em 10 pares de câncer gástrico e tecidos normais
doi:. 10.1371 /journal.pone.0099835.s001
(DOC)
Tabela S1. dados
Pacientes
doi: 10.1371. /journal.pone.0099835.s002
(DOC)
Tabela S2. Resumo
de 2546 genes diferencialmente expressos em tecidos de cancro gástrico em comparação com os tecidos normais distantes. Os níveis de expressão de genes em tecidos com câncer gástrico contra os tecidos normais distantes eram pelo menos 2 vezes diferente, com um valor de p < 0,05
doi:. 10.1371 /journal.pone.0099835.s003
(XLSX)
Tabela S3.
Resumo da these82 genes diferencialmente expressos na rede TF-regulação em tecidos com câncer gástrico
doi:. 10.1371 /journal.pone.0099835.s004
(XLSX)
Tabela S4.
Os 95 modos de regulação formado por 82 genes diferenciais na rede reguladora TF-gene. Todas as informações regulamento foi derivado do banco de dados do elemento regulador da transcrição (TRED)
doi:. 10.1371 /journal.pone.0099835.s005
(XLSX)

Reconhecimentos

Agradecemos também o Medjaden Bioscience Limited (Hong Kong, China) para edição e revisão deste manuscrito.

• PLOS ONE: Simulation of Discovery Swansons literatura baseada em: Crescimento anandamida Tratamento Inibe de células de câncer gástrico in vitro e in Silico
• PLOS ONE: Interleucina 17A Promove câncer gástrico Invasividade via NF-kB mediada metaloproteinases 2 e 9 Expression