Comparación de la expresión del gen PLK1 en las líneas celulares HEK 293 y HT 29
Loading...
Date
2024
Authors
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Abstract
El cáncer es una enfermedad multifactorial que se caracteriza por la pérdida de la identidad celular en un contexto tisular que inicialmente conduce a una proliferación descontrolada de las células transformadas. Debido al alto grado de complejidad y al gran número de factores que pueden desencadenar la pérdida de identidad celular que conlleva posteriormente a la formación de tumores, en los últimos años se han buscado nuevas aproximaciones para simplificar el estudio de los eventos celulares que pueden iniciar la tumorogénesis. Los modelos matemáticos son una alternativa que facilita el estudio de los mecanismos y redes de interacción molecular involucrados en el inicio o progreso del proceso carcinogénico. Sin embargo, los ensayos experimentales, moleculares y celulares son esenciales para calibrar estos modelos computacionales, verificando las hipótesis generadas in silico y revelando, in vivo, efectos no previstos. En este trabajo, se validó experimentalmente las predicciones del modelo de inestabilidad genómica propuesto por Suescum en el 2020, donde se teoriza que la regulación de la proteína PLK1 sobre los genes AURK, INCENP, KIF2C y PTTG1 podría conducir a inestabilidad genómica a través de 3 circuitos: el complejo pasajero cromosómico, el complejo promotor de la anafase y el complejo del punto de control mitótico. Para validar el modelo, se evaluaron mediante PCR en tiempo real los niveles de expresión de dichos genes en líneas celulares embrionarias de riñón (HEK 293) y tumorales derivadas de adenocarcinoma de colon (HT 29). Los resultados mostraron diferencias en los patrones de expresión que coinciden con las predicciones del modelo matemático y con interacciones reportadas previamente entre PLK1 y los genes evaluados. Sin embargo, la alta variabilidad experimental entre réplicas impide confirmar estas diferencias estadísticamente, por lo que se requieren mejoras metodológicas para aumentar la reproducibilidad y reducir la variabilidad, lo cual fortalecería la posibilidad de asociar las diferencias detectadas con procesos tumorales. Una optimización de los protocolos experimentales y un aumento en el número de réplicas biológicas son esenciales para validar de forma más sólida el modelo matemático propuesto inicialmente.
Description
item.page.descriptioneng
Cancer is a multifactorial disease characterized by the loss of cellular identity in a tissue context, initially leading to uncontrolled proliferation of transformed cells. Due to the high complexity and the large number of factors that can trigger the loss of cellular identity, subsequently, leading to tumor formation, new approaches have been sought in recent years to simplify the study of cellular events that can initiate tumorigenesis. Mathematical models are one of such alternatives that enable the study of complementary mechanisms derived from interaction networks involved in carcinogenesis. However, experimental assays remain essential to calibrate these computational models, verifying the hypotheses generated in silico and revealing, in vivo, unforeseen effects. In this study, the predictions of the genomic instability model proposed by Suescum in 2020 were experimentally validated. The model theorizes that the regulation of the PLK1 protein on the AURK, INCENP, KIF2C, and PTTG1 genes could lead to genomic instability through three circuits: the chromosomal passenger, the anaphase-promoting, and the mitotic checkpoint complexes. To validate the model, the expression levels of these genes were assessed implementing real-time PCR assays in embryonal (HEK 293) and colon adenocarcinoma-derived cell lines (HT 29). The results showed differences in expression patterns that corroborate the mathematical model predictions, highlighting previously reported interactions between PLK1 and the evaluated genes. However, the high experimental variability among replicates avoids statistical confirmation of found differences, suggesting the need of methodological improvements to enhance reproducibility and reduce variability. This optimization would strength the ability to associate the detected differences with the carcinogenic processes.
Keywords
Cáncer, qPCR, Inestabilidad genómica, Modelos matemáticos, Líneas celulares, Genomic instability, Mathematical models, Cell lines