Поиск и идентификация нарушений экспрессии генов в различных опухолях человека тема диссертации и автореферата по ВАК РФ 03.01.03, кандидат биологических наук Краснов, Георгий Сергеевич

• Краснов, Георгий Сергеевич
• кандидат биологических наук
• 2011

Оглавление диссертации кандидат биологических наук Краснов, Георгий Сергеевич

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

1. ОБЗОР ЛИТЕРАТУРЫ.

1.1. Методы исследования транскрипции генов.

1.1.1. Нозерн-блоттинг.

1.1.2. Вычитающая гибридизация.

1.1.3. Дифференциальный скрининг.

1.1.4. Метод защиты от рибонуклеазы.

1.1.5. Количественные методы.

1.1.6. Серийный анализ экспрессии генов (SAGE).:.

1.1.7. Массовое параллельное секвенирование сигнатур.

1.1.8. Микрочипы.

1.1.9. Метод EST.

1.1.10. Высокопроизводительное секвенирование.

1.1.11. Сравнение описанных технологий.

1.2. Особенности ПЦР в реальном времени.

1.2.1. Метод двойного сравнения и нормирование.

1.2.2. Основные методы расчёта эффективности ПЦР.

1.2.3. Программы, предназначенные для обработки количественных данных метода ПЦР в реальном времени.

1.2.4. Проблема выбора контрольных генов.

1.3. Современные маркеры онкологических заболеваний.

2. РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ.

2.1. Метод анализа базы данных EST и программа CompEST.

2.1.1. Нормирование числа тагов с использованием контрольных генов.

2.1.2. Отбор потенциальных контрольных генов.

2.1.3. Отбор генов с потенциально изменённым уровнем экспрессии.

2.1.4. Идентификация часто встречающихся нарушений сплайсинга.

2.2. Выбор генов с потенциально изменённым уровнем мРНК в опухоли для различных видов рака с помощью CompEST.

2.2.1. Поиск генов хромосомы 3 с изменённым уровнем экспрессии при раке лёгкого и почки.

2.3. Новая модель расчёта эффективности ПЦР-РВ.

2.3.1. Программа АТГ для расчёта результатов ПЦР-РВ.

2.4. RPN1 — новый контрольный ген для нормирования данных ПЦР-РВ в опухолях лёгкого и почки.

2.4.1. Применение CompEST для отбора потенциальных контрольных генов.

2.4.2. Экспериментальная проверка RPN1 в качестве контрольного гена.

2.5. Сравнительный анализ экспрессии генов FTL и FTH, кодирующих субъединицы ферритина, при раке лёгкого.

Введение диссертации (часть автореферата) на тему «Поиск и идентификация нарушений экспрессии генов в различных опухолях человека»

Благодаря интенсивному развитию новых технологий накоплен большой объём транскриптомных и геномных данных, полученных с помощью новых высокопродуктивных методов. Доступность этих данных послужила основой для развития области молекулярной биологии — онкотранскриптомики, которая объединяет биоинформатические и экспериментальные методы. Её цель состоит в поиске он-коассоциированных генов и различных изменений транскриптома (например, нарушений сплайсинга), которые в дальнейшем могут быть использованы в диагностике, прогностике, а также для мониторинга лечения различных онкозаболеваний. Основные методы, применяемые на настоящий момент в онкотранскрипто-мике, условно можно разделить на две большие группы — крупномасштабные, позволяющие оценить изменение экспрессии тысяч генов, например, метод коротких таговых последовательностей (EST), высокопроизводительное секвенирование (RnaSeq), микрочипы, серийный анализ экспрессии генов (SAGE), и более точные количественные методы, например, ПЦР в реальном времени. В основу таких методов, как EST, RnaSeq и SAGE заложено понятие тага, представляющего собой короткий участок мРНК с известной последовательностью. Количество тагов для определённого гена коррелирует с уровнем его мРНК [1]. Экспериментальные данные о последовательности транскрипта позволяют определить наиболее характерные для данного типа опухоли мутации и нарушения сплайсинга, приводящие к возможной инактивации белка.

В настоящий момент существует ряд биоинформатических подходов для выявления потенциальных генов-онкомаркеров, основанных на анализе базы данных (БД) dbEST - например, GeneHub GEPIS [2, 3]. Однако при оценке возможных изменений экспрессии генов не учитывается распределение EST по различным кло-нотекам нормальной и опухолевой ткани, частота мутаций и наличие альтернативных или аберрантных (не встречающихся в норме) изоформ. Это не позволяет эффективно использовать весь потенциал dbEST для поиска возможных генов-онкомаркеров.

Для всех онкоспецифичных диагностических признаков, идентифицируемых при анализе dbEST, - изменений уровня мРНК или нарушений сплайсинга - присутствие и степень выраженности этих признаков должны быть, как правило, подтверждены точными количественными методами, например, ПЦР в реальном времени (ПЦР-РВ). Однако есть ряд проблем, связанных с этим методом, одна из которых заключается в необходимости определения эффективности реакции и более точного описания кинетики [4-7]. С другой стороны, на точность результатов ПЦР-РВ влияет выбор контрольных генов, применяемых для нормирования данных. Уровень экспрессии этих генов не должен значительно отличаться в исследуемом типе опухоли и соответствующей нормальной ткани. По данным литературы до сих пор нет единого мнения по поводу выбора приемлемых контрольных генов для рака лёгкого, почки и ряда других видов опухолей [8-11].

Короткое плечо хромосомы 3 человека при различных видах рака часто подвергается различным нарушениям — делециям, транслокациям, метилированию промоторных областей генов. На хромосоме 3 идентифицировано более десяти районов-«горячих точек» с наибольшей частотой таких нарушений [12, 13]. Два наиболее важных из них - LUCA и АР20, расположены на коротком плече и подвержены изменениям практически при всех видах рака [13]. В этих областях локализовано значительное число генов-супрессоров опухолевого роста (TSG, tumor suppressor gene) -RASSF1, SEMA3B [14, 15] и др., в том числе и потенциальных -ITGA9, APRG2, VILL и др. Изучение изменений экспрессии генов этих районов не только поможет выявить эффективные онкомаркеры, но и позволит глубже проникнуть в молекулярные механизмы канцерогенеза.

Цель настоящей работы — разработка и применение биоинформатического метода для поиска и идентификации нарушений экспрессии генов в девяти распространённых видах рака. Сформулированы следующие конкретные задачи исследования:

1. на основе анализа существующих биоинформатических подходов разработать метод поиска генов-онкомаркеров и контрольных генов; реализовать метод в виде программного продукта;

2. апробировать метод и применить его для поиска генов-маркеров, включая гены короткого плеча хромосомы 3, и контрольных генов;

3. выполнить анализ полученных результатов и сравнить с данными литературы;

4. создать модель для расчёта эффективности ПЦР-РВ и реализовать этот метод в виде программного продукта, позволяющего проводить математическую обработку количественных данных;

5. подтвердить экспериментально изменения уровня мРНК для выбранных ге-нов-онкомаркеров и контрольных генов.

Научная новизна и практическая ценность работы. Разработанный биоинфор-матический метод поиска онкоассоциированных генов и реализующее его приложение CompEST включает преимущества имеющихся на настоящий момент других методов и лишён их недостатков, но в то же время этот подход дополнен рядом других возможностей, а именно: учётом мутаций, нарушений сплайсинга, степени равномерности распределения EST по клонотекам. Приложение CompEST, реализующее данный метод, имеет простой пользовательский интерфейс, что делает программу доступной и удобной для любого, даже неподготовленного пользователя. Дальнейшее применение этот подход может найти при анализе другого типа транскриптомных таговых данных, полученных методом высокопроизводительного секвенирования.

При помощи разработанного метода отобрано более 140 потенциальных генов-маркеров с дифференциальной экспрессией для 9 видов рака, включая гены, расположенные на хромосоме 3 человека. По данным литературы для 26 генов предсказанные изменения подтверждены экспериментально, а для 31 генов - предсказанные изменения наблюдали при других видах опухолей. В дальнейшем наиболее перспективные из них могут быть использованы в составе панелей генов при разработке диагностических и прогностических наборов.

Впервые предложен и успешно применён биоинформатический метод поиска новых контрольных генов. Контрольный ген RPN1, идентифицированный в ходе исследования, может быть использован для нормирования данных по оценке изменений экспрессии генов при раке лёгкого и почки. Показана применимость нового метода расчёта эффективности ПЦР-РВ, предложенного в диссертационной работе и реализованного в программе «АТГ» («Анализ транскрипции генов»), а также его преимущество по сравнению с другими распространёнными методами расчёта.

1. Обзор литературы

Заключение диссертации по теме «Молекулярная биология», Краснов, Георгий Сергеевич

Выводы

1. Разработан биоинформатический метод поиска генов-онкомаркеров, основанный на анализе базы данных dbEST, позволяющий идентифицировать гены с потенциально изменённым в опухоли уровнем экспрессии и часто встречающимися нарушениями сплайсинга. Подход реализован в Windows-приложении CompEST.

2. С помощью CompEST идентифицировано более 100 потенциальных генов-маркеров различных видов* рака - толстой кишки, молочной, предстательной и поджелудочной желёз, почки, печени, лёгкого, глиобластомы и меланомы (в том числе 19 генов-маркеров, локализованных на коротком плече хромосомы

3).

3. Разработан новый метод расчёта эффективности ПЦР в реальном времени, использующий аппроксимацию кинетической кривой уравнением, и реализованный в программе «АТГ» (Анализ Транскрипции Генов).

4. Впервые идентифицирован контрольный ген RPN1, пригодный для нормирования количественных данных при исследовании рака лёгкого и почки.

5. Выборочная экспериментальная оценка экспрессии отобранных при помощи CompEST генов-маркеров толстой кишки (ZG16, DES, SLC26A3) подтвердила частое и значительное снижение уровня их мРНК. Для гена ZG16 результаты получены впервые.

6. Предсказанное при помощи CompEST снижение уровня мРНК генов лёгкой и тяжёлой цепей ферритина (FTL и FTH) при раке лёгкого подтверждено методом ПЦР в реальном времени.

Заключение

В настоящее время благодаря появлению современных высокопродуктивных методов стало возможным выполнение анализа последовательности и уровня экспрессии всех генов для каждого отдельного организма. Результаты анализа тран-скриптома - синтезируемых в клетках РНК - доступны для мирового научного сообщества в различных базах данных. В связи с этим особенно востребованной является разработка новых программ, выполняющих крупномасштабный анализ экспериментальных данных для решения различных задач. Наиболее информативным представляется сравнение данных для клеток в норме и патологии, позволяющее определить новые гены-онкомаркеры, и наблюдение изменений во времени транскрипционных профилей, отражающих динамику заболевания и эффективность лечения.

Предложенный в настоящей работе метод поиска потенциальных генов-онкомаркеров продемонстрировал свою эффективность при отборе генов с изменённым уровнем экспрессии для девяти различных видов опухолей. При помощи СошрЕБТ отобрано более 140 генов с дифференциальной экспрессией. Эти данные подтверждены выборочно методом ПЦР в реальном времени. В дальнейшем отобранные гены могут быть использованы для создания эффективных диагностических систем. Метод реализован в программе СотрЕ8Т с простым, интуитивно понятным даже неподготовленному пользователю интерфейсом. Программа зарегистрирована в Роспатенте (свидетельство № 2008613673) и доступна на сайте Института молекулярной биологии им. В.А. Энгельгардта по адресу ftp://ftp.eimb.ru/CompEST.

Отобранный контрольный ген рибофорина, КРЫ1 апробирован при нормировании данных метода ПЦР в реальном времени в Лаборатории структурно-функциональной геномики, где выполнена настоящая работа. Впервые показано понижение уровня мРНК генов, кодирующих лёгкую и тяжёлую цепи ферритина, при раке лёгкого несмотря на наблюдаемое по данным литературы увеличение уровня белка ферритина в сыворотке крови при онкологических заболеваниях. Этот эффект может быть объяснён как распадом опухолевых клеток и высвобождением цитоплазматического ферритина, так и, возможно, возрастанием интенсивности синтеза ферритина в других тканях организма.

Разработанный метод анализа базы данных dbEST может с успехом применяться также и для анализа данных высокопроизводительного секвенирования. Число тагов для этого метода существенно выше, чем для традиционного метода EST, что обеспечивает большую статистическую значимость результатов при поиске генов с дифференциальной экспрессией в опухоли.

Список литературы диссертационного исследования кандидат биологических наук Краснов, Георгий Сергеевич, 2011 год

1. Nagaraj S.H., Gasser R.B., Ranganathan S. A hitchhiker's guide to expressed sequence tag (EST) analysis. 2007. Brief Bioinform. 8(1): p. 6-21.

2. Zhang Y., Luoh S.M., Hon L.S., Baertsch R., Wood W.I., Zhang Z. GeneHub-GEPIS: digital expression profiling for normal and cancer tissues based on an integrated gene database. 2007. Nucleic Acids Res. 35(Web Server issue): p. W152-8.

3. Lu B., Yu J., Xu J., Chen J., Lai M. A novel approach to detect differentially expressed genes from count-based digital databases by normalizing with housekeeping genes. 2009. Genomics. 94(3): p. 211-6.

4. Gevertz J.L., Dunn S.M., Roth C.M. Mathematical model of real-time PCR kinetics. 2005. Biotechnol Bioeng. 92(3): p. 346-55.

5. Kubista M., Andrade J.M., Bengtsson M., Forootan A., Jonak J., Lind K., et al. The real-time polymerase chain reaction. 2006. Mol Aspects Med. 27(2-3): p. 95125.

6. Lalam N. Estimation of the reaction efficiency in polymerase chain reaction. 2006. J Theor Biol. 242(4): p. 947-53.

7. Rutledge R.G., Stewart D. A kinetic-based sigmoidal model for the polymerase chain reaction and its application to high-capacity absolute quantitative real-time PCR. 2008. BMC Biotechnol. 8: p. 47.

8. Liu D.W., Chen S.T., Liu H.P. Choice of endogenous control for gene expression in nonsmall cell lung cancer. 2005. Eur Respir J. 26(6): p. 1002-8.

9. Gresner P., Gromadzinska J., Wasowicz W. Reference genes for gene expression studies on non-small cell lung cancer. 2009. Acta Biochim Pol. 56(2): p. 307-16.

10. Glenn S.T., Jones C.A., Liang P., Kaushik D., Gross K.W., Kim H.L. Expression profiling of archival renal tumors by quantitative PCR to validate prognostic markers. 2007. Biotechniques. 43(5): p. 639-40, 642-3, 647.

11. Jung M., Ramankulov A., Roigas J., Johannsen M., Ringsdorf M., Kristiansen G., Jung K. In search of suitable reference genes for gene expression studies of human renal cell carcinoma by real-time PCR. 2007. BMC Mol Biol. 8: p. 47.

12. Senchenko V., Liu J., Braga E., Mazurenko N., Loginov W., Seryogin Y., et al. Deletion mapping using quantitative real-time PCR identifies two distinct 3p21.3 regions affected in most cervical carcinomas. 2003. Oncogene. 22(19): p. 298492.

13. Senchenko V.N., Liu J., Loginov W., Bazov I., Angeloni D., Seryogin Y., et al. Discovery of frequent homozygous deletions in chromosome 3p21.3 LUCA and AP20 regions in renal, lung and breast carcinomas. 2004. Oncogene. 23(34): p. 5719-28.

14. Neufeld G., Lange T., Varshavsky A., Kessler O. Semaphorin signaling in vascular and tumor biology. 2007. Adv Exp Med Biol. 600: p. 118-31.

15. Wang Y.C., Yu Z.H., Liu C., Xu L.Z., Yu W., Lu J., et al. Detection of RASSF1A promoter hypermethylation in serum from gastric and colorectal adenocarcinoma patients. 2008. World J Gastroenterol. 14(19): p. 3074-80.

16. Maercker C. Protein arrays in functional genome research. 2005. Biosci Rep. 25(1-2): p. 57-70.

17. Bertone P., Snyder M. Advances in functional protein microarray technology. 2005. FEBS J. 272(21): p. 5400-11.

18. NCBIReference Sequence. http://www.ncbi.nlm.nih.gov/ReiSeq/index.html.

19. Claverie J.M. Gene number. What if there are only 30,000 human genes? 2001. Science. 291(5507): p. 1255-7.

20. AltSplice database of alternative spliced events. http://www.ebi.ac.uk/asd/altsplice/humrel2.html.

21. Beaudoing E., Freier S., Wyatt J.R., Claverie J.M., Gautheret D. Patterns of variant polyadenylation signal usage in human genes. 2000. Genome Res. 10(7): p. 1001-10.

22. Tian B., Hu J., Zhang H., Lutz C.S. A large-scale analysis of mRNA polyadenylation of human and mouse genes. 2005. Nucleic Acids Res. 33(1): p. 201-12.

23. Ueda H.R., Hayashi S., Matsuyama S., Yomo T., Hashimoto S., Kay S.A., Hogenesch J.B., lino M. Universality and flexibility in gene expression from bacteria to human. 2004. Proc Natl Acad Sci USA. 101(11): p. 3765-9.

24. Darzacq X., Singer R.H., Shav-Tal Y. Dynamics of transcription and mRNA export. 2005. Curr Opin Cell Biol. 17(3): p. 332-9.

25. Bishop J.O., Morton J.G., Rosbash M., Richardson M. Three abundance classes in HeLa cell messenger RNA. 1974. Nature. 250(463): p. 199-204.

26. Reverter A., McWilliam S.M., Barris W., Dalrymple B.P. A rapid method for computationally inferring transcriptome coverage and microarray sensitivity. 2005. Bioinformatics. 21(1): p. 80-9.

27. Hastie N.D., Bishop J.O. The expression of three abundance classes of messenger RNA in mouse tissues. 1976. Cell. 9(4 PT 2): p. 761-74.

28. Zimmermann C.R., Orr W.C., Leclerc R.F., Barnard E.C., Timberlake W.E. Molecular cloning and selection of genes regulated in Aspergillus development. 1980. Cell. 21(3): p. 709-15.

29. Liang P., Pardee A.B. Differential display of eukaryotic messenger RNA by means of the polymerase chain reaction. 1992. Science. 257(5072): p. 967-71.

30. Higuchi R., Fockler C., Dollinger G., Watson R. Kinetic PCR analysis: real-time monitoring of DNA amplification reactions. 1993. Biotechnology (N Y). 11(9): p. 1026-30.

31. Ding C.a.C., C.R. A high-throughput gene expression analysis technique using competitive PCR and matrix-assisted laser desorption ionization time-of-flight MS. 2003. Proc Natl Acad Sci USA. 100: p. 3059-3064.

32. Velculescu V.E., Zhang L., Vogelstein B., Kinzler K.W. Serial analysis of gene expression. 1995. Science. 270(5235): p. 484-7.

33. Brenner S., Johnson M., Bridgham J., Golda G., Lloyd D.H., Johnson D., et al. Gene expression analysis by massively parallel signature sequencing (MPSS) on microbeadarrays. 2000. Nat Biotechnol. 18(6): p. 630-4.

34. Schena M., Shalon D., Davis R.W., Brown P.O. Quantitative monitoring of gene expression patterns with a complementary DNA microarray. 1995. Science. 270(5235): p. 467-70.

35. Alwine J.C., Kemp D.J., Stark G.R. Method for detection of specific RNAs in agarose gels by transfer to diazobenzyloxymethyl-paper and hybridization with DNA probes. 1977. Proc Natl Acad Sci USA. 74(12): p. 5350-4.

36. Hubank M., Schatz D.G. Identifying differences in mRNA expression by representational difference analysis of cDNA. 1994. Nucleic Acids Res. 22(25): p. 5640-8.

37. Liang P. A decade of differential display. 2002. Biotechniques. 33(2): p. 338-44, 346.

38. Sutcliffe J.G., Foye P.E., Erlander M.G., Hilbush B.S., Bodzin L.J., Durham J.T., Hasel K.W. TOGA: an automated parsing technology for analyzing expression of nearly all genes. 2000. Proc Natl Acad Sci USA. 97(5): p. 1976-81.

39. Jurecic R., Nachtman R.G., Colicos S.M., Belmont J. W. Identification and cloning of differentially expressed genes by long-distance differential display. 1998. Anal Biochem. 259(2): p. 235-44.

40. Hod Y. A simplified ribonucleaseprotection assay. 1992. Biotechniques. 13(6): p. 852-4.

41. Rottman J.B. The ribonuclease protection assay: a powerful tool for the veterinary pathologist. 2002. Vet Pathol. 39(1): p. 2-9.

42. Mackay I.M., Arden K.E., Nitsche A. Real-time PCR in virology. 2002. Nucleic Acids Res. 30(6): p. 1292-305.

43. Becker-Andre M., Hahlbrock K. Absolute mRNA quantification using the polymerase chain reaction (PCR). A novel approach by a PCR aided transcript titration assay (PATTY). 1989. Nucleic Acids Res. 17(22): p. 9437-46.

44. Edwards J.R., Ruparel H., Ju J. Mass-spectrometry DNA sequencing. 2005. Mutat Res. 573(1-2): p. 3-12.

45. McCullough R.M., Cantor C.R., Ding C. High-throughput alternative splicing quantification by primer extension and matrix-assisted laser desorption/ionization time-of-flight mass spectrometry. 2005. Nucleic Acids Res. 33(11): p. e99.

46. Wikipedia. http://ru.wikipedia.org.

47. Yamamoto M., Wakatsuki T., Hada A., Ryo A. Use of serial analysis of gene expression (SAGE) technology. 2001. J Immunol Methods. 250(1-2): p. 45-66.

48. Ruijter J.M., Van Kampen A.H., Baas F. Statistical evaluation of SAGE libraries: consequences for experimental design. 2002. Physiol Genomics. 11(2): p. 37-44.

49. Saha S., Sparks A.B., Rago C., Akmaev V., Wang C.J., Vogelstein B., Kinzler K.W., Velculescu V.E. Using the transcriptome to annotate the genome. 2002. Nat Biotechnol. 20(5): p. 508-12.

50. Larochelle W.J., Shimkets R.A., Oncogenomics handbook. Cancer drug discovery and development. 2005, Totowa, N.J.: Humana Press, xvii, 750 p.

51. Chuang S.E., Daniels D.L., Blattner F.R. Global regulation of gene expression in Escherichia coll 1993. J Bacteriol. 175(7): p. 2026-36.

52. Chalifour L.E., Fahmy R., Holder E.L., Hutchinson E.W., Osterland C.K., Schipper H.M., Wang E. A method for analysis of gene expression patterns. 1994. Anal Biochem. 216(2): p. 299-304.

53. Drmanac S., Drmanac R. Processing of cDNA and genomic kilobase-size clones for massive screening, mapping and sequencing by hybridization. 1994. Biotechniques. 17(2): p. 328-9, 332-6.

54. Yauk C.L., Berndt M.L., Williams A., Douglas G.R. Comprehensive comparison of six microarray technologies. 2004. Nucleic Acids Res. 32(15): p. el 24.

55. Kuo W.P., Liu F., Trimarchi J., Punzo C., Lombardi M., Sarang J., et al. A sequence-oriented comparison of gene expression measurements across different hybridization-based technologies. 2006. Nat Biotechnol. 24(7): p. 832-40.

56. Holloway A.J., van Laar R.K., Tothill R.W., Bowtell D.D. Options available— from start to finish—for obtaining data from DNA microarrays II. 2002. Nat Genet 32 Suppl: p. 481-9.

57. Stears R.L., Getts R.C., Gullans S.R. A novel, sensitive detection system for high-density microarrays using dendrimer technology. 2000. Physiol Genomics. 3(2): p. 93-9.

58. Karsten S.L., Van Deerlin V.M., Sabatti C., Gill L.H., Geschwind D.H. An evaluation of tyramide signal amplification and archivedfixed and frozen tissue in microarray gene expression analysis. 2002. Nucleic Acids Res. 30(2): p. E4.

59. Gupta V., Cherkassky A., Chads P., Joseph R., Johnson A.L., Broadbent J., Erickson Т., DiMeo J. Directly labeled mRNA produces highly precise and unbiased differential gene expression data. 2003. Nucleic Acids Res. 31(4): p. el3.

60. Huber M., Wei T.F., Muller U.R., Lefebvre P.A., Maria S.S., Bao Y.P. Gold nanoparticle probe-based gene expression analysis with unamplified total human RNA. 2004. Nucleic Acids Res. 32(18): p. el 37.

61. Колхинский A.M. Г.Д.А., Лысов Ю.П, Михайлович B.M., Наседкина T.B., Турыгин А.Ю., Рубина А.Ю., Барский В.Е., Заседателев A.C. Микрочипы, основанные на трёхмерных гелевых ячейках: история и перспективы. 2004. Молекулярная биология. 38(1): р. 5—16.

62. Stekel D.J., Git Y., Falciani F. The comparison of gene expression from multiple cDNA libraries. 2000. Genome Res. 10(12): p. 2055-61.

63. Brautigam M., Lindlof A., Zakhrabekova S., Gharti-Chhetri G., Olsson B., Olsson O. Generation and analysis of 9792 EST sequences from cold acclimated oat, Avenasativa. 2005. BMC Plant Biol. 5: p. 18.

64. Gulick P.J., Drouin S., Yu Z., Danyluk J., Poisson G., Monroy A.F., Sarhan F. Transcriptome comparison of winter and spring wheat responding to low temperature. 2005. Genome. 48(5): p. 913-23.

65. Yu F., Chen M.H., Kuo L., Huang P., Yang W. Bayesian Hierarchical Modeling and Selection of Differentially Expressed Genes for the EST Data. 2010. Biometrics.

66. Baranova A.V., Lobashev A.V., Ivanov D.V., Krukovskaya L.L., Yankovsky N.K., Kozlov A.P. In silico screening for tumour-specific expressed sequences in human genome. 2001. FEBS Lett. 508(1): p. 143-8.

67. Klimov D., Skoblov M., Ryazantzev A., Tyazhelova T., Baranova A. In silico search for natural antisense transcripts reveals their differential expression in human tumors. 2006. J Bioinform Comput Biol. 4(2): p. 515-21.

68. Lu B., Xu J., Lai M., Zhang H., Chen J. A transcriptome anatomy of human colorectal cancers. 2006. BMC Cancer. 6: p. 40.77. xProfiler. http://cgap.nci.nih.gov/Tissues/xProfiler.

69. EuoMoneKyjia. http://biomolecula.ru/.

70. Ellinghaus P., Badehorn D., Blumer R., Becker K., Seedorf U. Increased efficiency of arbitrarily primed PCR by prolonged ramp times. 1999. Biotechniques. 26(4): p. 626-8, 630.

71. Sandhu K.S., Acharya K.K. ExPrimer: to design primers from exon—exon junctions. 2005. Bioinformatics. 21(9): p. 2091-2.

72. Shulzhenko N., Smirnova A.S., Morgun A., Gerbase-DeLima M. Specificity of alternative splice form detection using RT-PCR with a primer spanning the exon junction. 2003. Biotechniques. 34(6): p. 1244-9.

73. Marshall O.J. PerlPrimer: cross-platform, graphical primer design for standard, bisulphite and real-time PCR. 2004. Bioinformatics. 20(15): p. 2471-2.

74. Wu X., Munroe DJ. EasyExonPrimer: automated primer design for exon sequences. 2006. Appl Bioinformatics. 5(2): p. 119-20.

75. Marino J.H., Cook P., Miller K.S. Accurate and statistically verified quantification of relative mRNA abundances using SYBR Green I and real-time RT-PCR. 2003. J Immunol Methods. 283(1-2): p. 291-306.

76. Yuan J.S., Reed A., Chen F., Stewart C.N., Jr. Statistical analysis of real-time PCR data. 2006. BMC Bioinformatics. 7: p. 85.

77. Livak K.J., Schmittgen T.D. Analysis of relative gene expression data using realtime quantitative PCR and the 2(-Delta Delta C(T)) Method. 2001. Methods. 25(4): p. 402-8.

78. Pfaffl M.W., Horgan G.W., Dempfle L. Relative expression software tool (REST) for group-wise comparison and statistical analysis of relative expression results in real-time PCR. 2002. Nucleic Acids Res. 30(9): p. e36.

79. Vandesompele J., De Preter K., Pattyn F., Poppe B., Van Roy N., De Paepe A., Speleman F. Accurate normalization of real-time quantitative RT-PCR data by geometric averaging of multiple internal control genes. 2002. Genome Biol. 3(7): p. RESEARCH0034.

80. Luu-The V., Paquet N., Calvo E., Cumps J. Improved real-time RT-PCR method for high-throughput measurements using second derivative calculation and double correction. 2005. Biotechniques. 38(2): p. 287-93.

81. Liu W., Saint D.A. Validation of a quantitative method for real time PCR kinetics. 2002. Biochem Biophys Res Commun. 294(2): p. 347-53.

82. Huggett J., Dheda K., Bustin S., Zumla A. Real-time RT-PCR normalisation; strategies and considerations. 2005. Genes Immun. 6(4): p. 279-84.

83. Skrzypski M. Quantitative reverse transcriptase real-time polymerase chain reaction (qRT-PCR) in translational oncology: lung cancer perspective. 2008. Lung Cancer. 59(2): p. 147-54.

84. Lallemant B., Evrard A., Corabescure C., Chapuis H., Chambon G., Raynal C., et al. Reference gene selection for head and neck squamous cell carcinoma gene expression studies. 2009. BMC Mol Biol. 10: p. 78.

85. Toegel S., Huang W., Piana C., Unger F.M., Wirth M., Goldring M.B., Gabor F., Viernstein H. Selection of reliable reference genes for qPCR studies on chondroprotective action. 2007. BMC Mol Biol. 8: p. 13.

86. Hellemans J., Mortier G., De Paepe A., Speleman F., Vandesompele J. qBase relative quantification framework and software for management and automated analysis of real-time quantitative PCR data. 2007. Genome Biol. 8(2): p. R19.

87. Saviozzi S., Cordero F., Lo Iacono M., Novello S., Scagliotti G.V., Calogero R.A. Selection of suitable reference genes for accurate normalization of gene expression profile studies in non-small cell lung cancer. 2006. BMC Cancer. 6: p. 200.

88. Shulman L.P. Hereditary breast and ovarian cancer (HBOC): clinical features and counseling for BRCA1 and BRCA2, Lynch syndrome, Cowden syndrome, and Li-Fraumeni syndrome. 2010. Obstet Gynecol Clin North Am. 37(1): p. 109-33, Table of Contents.

89. Gossage L., Eisen T. Alterations in VHL as potential biomarkers in renal-cell carcinoma. 2010. Nature Reviews Clinical Oncology. 7(5): p. 277-88.

90. Kim H., Kwon Y.M., Kim J.S., Lee H., Park J.H., Shim Y.M., et al. Tumor-specific methylation in bronchial lavage for the early detection of non-small-cell lung cancer. 2004. J Clin Oncol. 22(12): p. 2363-70.

91. Nakayama H., Hibi K., Takase T., Yamazaki T., Kasai Y., Ito K., Akiyama S., Nakao A. Molecular detection of pi6 promoter methylation in the serum of recurrent colorectal cancer patients. 2003. Int J Cancer. 105(4): p. 491-3.

92. Feng Q., Hawes S.E., Stern J.E., Wiens L., Lu H., Dong Z.M., et al. DNA methylation in tumor and matched normal tissues from non-small cell lung cancer patients. 2008. Cancer Epidemiol Biomarkers Prev. 17(3): p. 645-54.

93. Belinsky S.A. Gene-promoter hypermethylation as a biomarker in lung cancer. 2004. Nat Rev Cancer. 4(9): p. 707-17.

94. Nilsson J., Skog J., Nordstrand A., Baranov V., Mincheva-Nilsson L., Breakefield X.O., Widmark A. Prostate cancer-derived urine exosomes: a novel approach to biomarkers for prostate cancer. 2009. Br J Cancer. 100(10): p. 1603-7.

95. Mitchell P.J., Welton J., Staffurth J., Court J., Mason M.D., Tabi Z., Clayton A. Can urinary exosomes act as treatment response markers in prostate cancer? 2009. J Transl Med. 7: p. 4.

96. Cummins J.M., He Y., Leary R.J., Pagliarini R., Diaz L.A., Jr., Sjoblom T., et al. The colorectal microRNAome. 2006. Proc Natl Acad Sei USA. 103(10): p. 368792.

97. Lehmann U., Hasemeier B., Christgen M., Muller M., Romermann D., Langer F., Kreipe H. Epigenetic inactivation of microRNA gene hsa-mir-9-1 in human breast cancer. 2008. J Pathol. 214(1): p. 17-24.

98. Lujambio A., Calin G.A., Villanueva A., Ropero S., Sanchez-Cespedes M., Blanco D., et al. A microRNA DNA methylation signature for human cancer metastasis. 2008. Proc Natl Acad Sei USA. 105(36): p. 13556-61.

99. Calin G.A., Liu C.G., Sevignani C., Ferracin M., Felli N., Dumitru C.D., et al. MicroRNA profiling reveals distinct signatures in B cell chronic lymphocytic leukemias. 2004. Proc Natl Acad Sei USA. 101(32): p. 11755-60.

100. Gilad S., Meiri E., Yogev Y., Benjamin S., Lebanony D., Yerushalmi N., et al. Serum microRNAs are promising novel biomarkers. 2008. PLoS One. 3(9): p. e3148.

101. Mitchell P.S., Parkin R.K., Kroh E.M., Fritz B.R., Wyman S.K., Pogosova-Agadjanyan E.L., et al. Circulating microRNAs as stable blood-based markers for cancer detection. 2008. Proc Natl Acad Sei USA. 105(30): p. 10513-8.

102. Lawrie C.H., Gal S., Dunlop H.M., Pushkaran B., Liggins A.P., Pulford K., et al. Detection of elevated levels of tumour-associated microRNAs in serum of patients with diffuse large B-cell lymphoma. 2008. Br J Haematol. 141(5): p. 672-5.

103. Gold P., Freedman S.O. Specific carcinoembryonic antigens of the human digestive system. 1965. J Exp Med. 122(3): p. 467-81.

104. Aabo K., Pedersen H., Kjaer M. Carcinoembryonic antigen (CEA) and alkaline phosphatase in progressive colorectal cancer with special reference to patient survival. 1986. Eur J Cancer Clin Oncol. 22(2): p. 211-7.

105. Cole L.A. Human chorionic gonadotropin tests. 2009. Expert Rev Mol Diagn. 9(7): p. 721-47.

106. Madu C.O., Lu Y. Novel diagnostic biomarkers for prostate cancer. 2010. J Cancer. 1: p. 150-77.

107. Leman E.S., Cannon G.W., Trock B.J., Sokoll L.J., Chan D.W., Mangold L., Partin A.W., Getzenberg R.H. EPCA-2: a highly specific serum marker for prostate cancer. 2007. Urology. 69(4): p. 714-20.

108. Bast R.C., Jr., Xu F.J., Yu Y.H., Barnhill S., Zhang Z., Mills G.B. CA 125: the past and the future. 1998. Int J Biol Markers. 13(4): p. 179-87.

109. Beck E.P., Moldenhauer A., Merkle E., Kiesewetter F., Jager W., Wildt L., Lang N. CA 125 production and release by ovarian cancer cells in vitro. 1998. Int J Biol Markers. 13(4): p. 200-6.

110. Shukla V.K., Gurubachan, Sharma D., Dixit V.K., Usha. Diagnostic value of serum CA242, CA 19-9, CA 15-3 and CA 125 in patients with carcinoma of the gallbladder. 2006. Trop Gastroenterol. 27(4): p. 160-5.

111. Harmenberg U., Wahren B., Wiechel K.L. Tumor markers carbohydrate antigens CA 19-9 and CA-50 and carcinoembryonic antigen in pancreatic cancer and benign diseases of the pancreatobiliary tract. 1988. Cancer Res. 48(7): p. 1985-8.

112. Kruit A., Gerritsen W.B., Pot N., Grutters J.C., van den Bosch J.M., Ruven H.J. CA 15-3 as an alternative marker for KL-6 in fibrotic lung diseases. 2010. Sarcoidosis Vase Diffuse Lung Dis. 27(2): p. 138-46.

113. Duffy M.J., Evoy D., McDermott E.W. CA 15-3: uses and limitation as a biomarker for breast cancer. 2010. Clin Chim Acta 411(23-24): p. 1869-74.

114. Heinze T., Schurenkamper P., Minguillon C., Lichtenegger W. Mammary serum antigen (MSA), Ca 549, CA 15-3 and CEA in breast cancer preoperative sensitivity and correlation to prognostic factors. 1997. Anticancer Res. 17(4B): p. 2953-4.

115. Bethea M., Forman D.T. Beta 2-microglobulin: its significance and clinical usefulness. 1990. Ann Clin Lab Sci. 20(3): p. 163-8.

116. Rapellino M., Pecchio F., Baldi S., Scappaticci E., Cavallo A. Clinical utility of tissue polypeptide antigen determination in lung cancer management. 1995. Anticancer Res. 15(3): p. 1065-70.

117. Dey P. Urinary markers of bladder carcinoma. 2004. Clin Chim Acta 340(1-2): p. 57-65.

118. Roos P.H., Molecular Markers as Diagnostic, Prognostic and Susceptibility Predictors in Bladder Cancer, in Touch Briefing. 2008.

119. Luo J., Zha S., Gage W.R., Dunn T.A., Hicks J.L., Bennett C.J., et al. Alpha-methylacyl-CoA racemase: a new molecular marker for prostate cancer. 2002. Cancer Res. 62(8): p. 2220-6.

120. Jiang Z., Wu C.L., Woda B.A., Iczkowski K.A., Chu P.G., Tretiakova M.S., et al. Alpha-methylacyl-CoA racemase: a multi-institutional study of a new prostate cancer marker. 2004. Histopathology. 45(3): p. 218-25.

121. Rubin M.A., Zhou M., Dhanasekaran S.M., Varambally S., Barrette T.R., Sanda M.G., et al. alpha-Methylacyl coenzyme A racemase as a tissue biomarker for prostate cancer. 2002. JAMA. 287(13): p. 1662-70.

122. Hayes J.D., Pulford D.J. The glutathione S-transferase supergene family: regulation of GST and the contribution of the isoenzymes to cancer chemoprotection and drug resistance. 1995. Crit Rev Biochem Mol Biol. 30(6): p. 445-600.

123. Gonzalgo M.L., Pavlovich C.P., Lee S.M., Nelson W.G. Prostate cancer detection by GSTP1 methylation analysis of postbiopsy urine specimens. 2003. Clin Cancer Res. 9(7): p. 2673-7.

124. Vanaja D.K., Ballman K.V., Morlan B.W., Cheville J.C., Neumann R.M., Lieber M.M., Tindall D.J., Young C.Y. PDLIM4 repression by hypermethylation as a potential biomarker for prostate cancer. 2006. Clin Cancer Res. 12(4): p. 112836.

125. Buxbaum J.L., Eloubeidi M.A. Molecular and clinical markers of pancreas cancer. 2010. JOP. 11(6): p. 536-44.

126. Svatek R.S., Herman M.P., Lotan Y., Casella R., Hsieh J.T., Sagalowsky A.I., Shariat S.F. Soluble Fas—a promising novel urinary marker for the detection of recurrent superficial bladder cancer. 2006. Cancer. 106(8): p. 1701-7.

127. Position C.h.C., Tumor Markers for Diagnosis and Management of Cancer. 2007.

128. Pedraza V., Gomez-Capilla J.A., Escaramis G., Gomez C., Torne P., Rivera J.M., et al. Gene expression signatures in breast cancer distinguish phenotype characteristics, histologic subtypes, and tumor invasiveness. 2010. Cancer. 116(2): p. 486-96.

129. Christos Sotiriou, Pusztai L. Gene-Expression Signatures in Breast Cancer. 2009. The New England Journal of Medicine. 1(1): p. 790-800.

130. Theodorescu D., Wittke S., Ross M.M., Walden M., Conaway M., Just I., Mischak H., Frierson H.F. Discovery and validation of new protein biomarkers for urothelial cancer: a prospective analysis. 2006. Lancet Oncol. 7(3): p. 230-40.

131. National Center for Biotechnology Information, http://www.ncbi.nlm.nih.gov/.

132. University of California Santa Cruz, http://www.genome.ucsc.edu/.

133. NCBI UniGene. http://www.ncbi.nlm.nih.gov/sites/entrez?db=unigene.

134. Greenman C., Stephens P., Smith R., Dalgliesh G.L., Hunter C., Bignell G., et al. Patterns of somatic mutation in human cancer genomes. 2007. Nature. 446(7132): p. 153-8.

135. Morre D.J., Hostetler B., Weston N., Kim C., Morre D.M. Cancer type-specific tNOX isoforms: A putative family of redox protein splice variants with cancer diagnostic and prognostic potential. 2009. Biofactors. 34(3): p. 201-7.

136. Cheung H.C., Baggerly K.A., Tsavachidis S., Bachinski L.L., Neubauer V.L., Nixon T.J., et al. Global analysis of aberrant pre-mRNA splicing in glioblastoma using exon expression arrays. 2008. BMC Genomics. 9: p. 216.

137. Ku T.H., Hsu F.R. Mining colon cancer specific alternative splicing in EST database. 2005. AMIA Annu Symp Proc. p. 1012.

138. Kadara H., Fujimoto J., Men T., Ye X., Lotan D., Lee J.S., Lotan R. A GprcSa tumor suppressor loss of expression signature is conserved, prevalent, and associated with survival in human lung adenocarcinomas. 2010. Neoplasia 12(6): p. 499-505.

139. Acquafreda T., Soprano K.J., Soprano D.R. GPRC5A: A potential tumor suppressor and oncogene. 2009. Cancer Biol Ther. 8(10).

140. Ye X., Tao Q., Wang Y., Cheng Y., Lotan R. Mechanisms underlying the induction of the putative human tumor suppressor GPRCSA by retinoic acid. 2009. Cancer Biol Ther. 8(10): p. 951-62.

141. Ribelles N., Lopez-Siles J., Sanchez A., Gonzalez E., Sanchez M.J., Carabantes F., et al. A carboxylesterase 2 gene polymorphism as predictor of capecitabine on response and time to progression. 2008. Curr Drug Metab. 9(4): p. 336-43.

142. Mlakar V., Berginc G., Volavsek M., Stor Z., Rems M., Glavac D. Presence of activating KRAS mutations correlates significantly with expression of tumour suppressor genes DCN and TPM1 in colorectal cancer. 2009. BMC Cancer. 9: p. 282.

143. Chapman J.M., Knoepp S.M., Byeon M.K., Henderson K.W., Schweinfest C.W. The colon anion transporter, down-regulated in adenoma, induces growth suppression that is abrogated by El A. 2002. Cancer Res. 62(17): p. 5083-8.

144. Ma Y., Peng J., Liu W., Zhang P., Huang L., Gao B., et al. Proteomics identification of desmin as a potential oncofetal diagnostic and prognostic biomarker in colorectal cancer. 2009. Mol Cell Proteomics. 8(8): p. 1878-90.

145. Higai K., Miyazaki N., Azuma Y., Matsumoto K. Transcriptional regulation of the fucosyltransferase VIgene in hepatocellular carcinoma cells. 2008. Glycoconj J. 25(3): p. 225-35.

146. D'Arrigo A., Belluco C., Ambrosi A., Digito M., Esposito G., Bertola A., et al. Metastatic transcriptional pattern revealed by gene expression profiling in primary colorectal carcinoma. 2005. Int J Cancer. 115(2): p. 256-62.

147. Choi Y.W., Bae S.M., Kim Y.W., Lee H.N., Park T.C., Ro D.Y., et al. Gene expression profiles in squamous cell cervical carcinoma using array-based comparative genomic hybridization analysis. 2007. Int J Gynecol Cancer. 17(3): p. 687-96.

148. Rosmann S., Hahn D., Lottaz D., Kruse M.N., Stocker W., Sterchi E.E. Activation of human meprin-alpha in a cell culture model of colorectal cancer is triggered by theplasminogen-activating system. 2002. J Biol Chem. 277(43): p. 40650-8.

149. Mikula M., Rubel T., Karczmarski J., Goryca K., Dadlez M., Ostrowski J. Integrating proteomic and trans crip tomic high-throughput surveys for search of new biomarkers of colon tumors. 2010. Funct Integr Genomics.

150. Abbott K.L., Nairn A.V., Hall E.M., Horton M.B., McDonald J.F., Moremen K.W., Dinulescu D.M., Pierce M. Focused glycomic analysis of the N-linked glycan biosynthetic pathway in ovarian cancer. 2008. Proteomics. 8(16): p. 321020.

151. Wang Y., Ma Y., Lu B., Xu E., Huang Q., Lai M. Differential expression of mimecan and thioredoxin domain-containing protein 5 in colorectal adenoma and cancer: a proteomic study. 2007. Exp Biol Med (Maywood). 232(9): p. 1152-9.

152. Zhang L., Hou Y., Li N., Wu K., Zhai J. The influence ofTXNDC5 gene on gastric cancer cell 2010. J Cancer Res Clin Oncol.

153. DA VID Bioinformatics Resources 6.7. http://david.abcc.ncifcrf.gov/.

154. Hwang Y.C., Lu T.Y., Huang D.Y., Kuo Y.S., Kao C.F., Yeh N.H., Wu H.C., Lin C.T. NOLC1, an enhancer of nasopharyngeal carcinoma progression, is essential for TP53 to regulate MDM2 expression. 2009. Am J Pathol. 175(1): p. 342-54.

155. Turashvili G., Bouchal J., Baumforth K., Wei W., Dziechciarkova M., Ehrmann J., et al. Novel markers for differentiation of lobular and ductal invasive breast carcinomas by laser microdissection and microarray analysis. 2007. BMC Cancer. 7: p. 55.

156. Oehler V.G., Yeung K.Y., Choi Y.E., Bumgarner R.E., Raftery A.E., Radich J.P. The derivation of diagnostic markers of chronic myeloid leukemia progression from microarray data. 2009. Blood. 114(15): p. 3292-8.

157. Leary J.A., Kerr J., Chenevix-Trench G., Doris C.P., Hurst T., Houghton C.R., Friedlander M.L. Increased expression of the NME1 gene is associated with metastasis in epithelial ovarian cancer. 1995. Int J Cancer. 64(3): p. 189-95.

158. Hamby C.V., Mendola C.E., Potla L., Stafford G., Backer J.M. Differential expression and mutation of NME genes in autologous cultured human melanoma cells with different metastatic potentials. 1995. Biochem Biophys Res Commun. 211(2): p. 579-85.

159. GeneCards. http://www.genecards.org.

160. Kaul D., Wu C.L., Adkins C.B., Jordan K.W., Defeo E.M., Habbel P., et al. Assessing prostate cancer growth with mRNA of spermine metabolic enzymes. 2010. Cancer Biol Ther. 9(9).

161. Whitaker H.C., Warren A.Y., Eeles R., Kote-Jarai Z., Neal D.E. The potential value of microseminoprotein-beta as a prostate cancer biomarker and therapeutic target. 2010. Prostate. 70(3): p. 333-40.

162. Kote-Jarai Z., Leongamornlert D., Tymrakiewicz M., Field H., Guy M., Al Olama A.A., et al. Mutation analysis of the MSMB gene in familial prostate cancer. 2010. Br J Cancer. 102(2): p. 414-8.

163. Brito G.C., Fachel A.A., Vettore A.L., Vignal G.M., Gimba E.R., Campos F.S., et al. Identification of protein-coding and intronic noncoding RNAs down-regulated in clear cell renal carcinoma. 2008. Mol Carcinog. 47(10): p. 757-67.

164. Trasino S.E., Harrison E.H., Wang T.T. Androgen regulation of aldehyde dehydrogenase 1A3 (ALDH1A3) in the androgen-responsive human prostate cancer cell lineLNCaP. 2007. Exp Biol Med (Maywood). 232(6): p. 762-71.

165. Li T., Su Y., Mei Y., Leng Q., Leng B., Liu Z., Stass S.A., Jiang F. ALDH1A1 is a marker for malignant prostate stem cells and predictor ofprostate cancer patients' outcome. 2010. Lab Invest 90(2): p. 234-44.

166. Ji N.Y., Park M.Y., Kang Y.H., Lee C.I., Kim D.G., Yeom Y.I., et al. Evaluation of annexin II as a potential serum marker for hepatocellular carcinoma using a developed sandwich ELISA method. 2009. Int J Mol Med. 24(6): p. 765-71.

167. Zhang F., Zhang L., Zhang B., Wei X., Yang Y., Qi R.Z., et al. Anxa2 plays a critical role in enhanced invasiveness of the multidrug resistant human breast cancer cells. 2009. J Proteome Res. 8(11): p. 5041-7.

168. Keenan J., Murphy L., Henry M., Meleady P., Clynes M. Proteomic analysis of multidrug-resistance mechanisms in adriamycin-resistant variants of DLKP, a squamous lung cancer cell line. 2009. Proteomics. 9(6): p. 1556-66.

169. Unger K., Wienberg J., Riches A., Hieber L., Walch A., Brown A., et al. Novel gene rearrangements in transformed breast cells identified by high-resolution breakpoint analysis of chromosomal aberrations. 2010. Endocr Relat Cancer. 17(1): p. 87-98.

170. Rebouissou S., Vasiliu V., Thomas C., Bellanne-Chantelot C., Bui H., Chretien Y., et al. Germline hepatocyte nuclear factor 1 alpha and lbeta mutations in renal cell carcinomas. 2005. Hum Mol Genet. 14(5): p. 603-14.

171. Shimizu K., Abe M., Tsukada K. Deficiency of methionine synthesis enzyme activity in ascites tumor cells. 1990. Biochem Int. 20(6): p. 1105-10.

172. Xu X., Gammon M.D., Zeisel S.H., Bradshaw P.T., Wetmur J.G., Teitelbaum S.L., et al. High intakes of choline and betaine reduce breast cancer mortality in a population-based study. 2009. FASEB J. 23(11): p. 4022-8.

173. Kress S., Stein A., Maurer P., Weber B., Reichert J., Buchmann A., Huppert P., Schwarz M. Expression of hypoxia-inducible genes in tumor cells. 1998. J Cancer Res Clin Oncol. 124(6): p. 315-20.

174. Yokota S., Yamamoto Y., Shimizu K., Momoi H., Kamikawa T., Yamaoka Y., et al. Increased expression of cytosolic chaperonin CCT in human hepatocellular and colonic carcinoma. 2001. Cell Stress Chaperones. 6(4): p. 345-50.

175. Ramalho F.S., Ramalho L.N., Delia Porta L., Zucoloto S. Comparative immunohistochemical expression of p63 in human cholangiocarcinoma and hepatocellular carcinoma. 2006. J Gastroenterol Hepatol. 21(8): p. 1276-80.

176. Saeki A., Tamura S., Ito N., Kiso S., Matsuda Y., Yabuuchi I., Kawata S., Matsuzawa Y. Frequent impairment of the spindle assembly checkpoint in hepatocellular carcinoma. 2002. Cancer. 94(7): p. 2047-54.

177. Hsieh S.Y., Chen W.Y., Shih T.C., Yeh J.Y., Jeng J.T. Dys-regulation ofclusterin in human hepatoma is not associated with tumorigenesis but is secondary to cell response to external tresses. 2005. Mol Carcinog. 43(2): p. 100-7.

178. Matsuda K., Noda C., Ichihara A. Expression of only one of two types of mRNA transcribed from the serine dehydratase gene is repressed in hepatoma cells. 1992. Biochem Biophys Res Commun. 188(1): p. 336-43.

179. Chen W.B., Lenschow W., Tiede K., Fischer J.W., Kalthoff H., Ungefroren H. Smad4/DPC4-dependent regulation of biglycan gene expression by transforming growth factor-beta in pancreatic tumor cells. 2002. J Biol Chem. 277(39): p. 36118-28.

180. Leivo I., Jee K.J., Heikinheimo K., Laine M., Ollila J., Nagy B., Knuutila S. Characterization of gene expression in major types of salivary gland carcinomas with epithelial differentiation. 2005. Cancer Genet Cytogenet. 156(2): p. 104-13.

181. Couch F.J., Wang X., McWilliams R.R., Bamlet W.R., de Andrade M., Petersen G.M. Association of breast cancer susceptibility variants with risk of pancreatic cancer. 2009. Cancer Epidemiol Biomarkers Prev. 18(11): p. 3044-8.

182. Tilman G., Mattiussi M., Brasseur F., van Baren N., Decottignies A. Human periostin gene expression in normal tissues, tumors and melanoma: evidences for periostin production by both stromal and melanoma cells. 2007. Mol Cancer. 6: p. 80.

183. Frommer K.W., Reichenmiller K., Schutt B.S., Hoeflich A., Ranke M.B., Dodt G., Elmlinger M. W. IGF-independent effects of IGFBP-2 on the human breast cancer cell line Hs578T. 2006. J Mol Endocrinol. 37(1): p. 13-23.

184. Sato N., Matsubayashi H., Abe T., Fukushima N., Goggins M. Epigenetic down-regulation of CDKN1 C/p57KIP2 in pancreatic ductal neoplasms identified by gene expression profiling. 2005. Clin Cancer Res. 11(13): p. 4681-8.

185. Trebinska A., Rembiszewska A., Ciosek K., Ptaszynski K., Rowinski S., Kupryjanczyk J., Siedlecki J.A., Grzybowska E.A. HAX-1 overexpression, splicing and cellular localization in tumors. 2010. BMC Cancer. 10(1): p. 76.

186. Kalidas S., Santosh V., Shareef M.M., Shankar S.K., Christopher R., Shetty K.T. Expression ofp67 (Munc-18) in adult human brain and neuroectodermal tumors of human central nervous system. 2000. Acta Neuropathol. 99(2): p. 191-8.

187. Hofer M.D., Browne T.J., He L., Skotheim R.I., Lothe R.A., Rubin M.A. Identification of two molecular groups of seminomas by using expression and tissue microarrays. 2005. Clin Cancer Res. 11(16): p. 5722-9.

188. Siu I.M., Bai R., Gallia G.L., Edwards J.B., Tyler B.M., Eberhart C.G., Riggins G J. Coexpression of neuronatin splice forms promotes medulloblastoma growth. 2008. Neuro Oncol. 10(5): p. 716-24.

189. Davidson B., Stavnes H.T., Holth A., Chen X., Yang Y., Shih I.M., Wang T.L. Gene expression signatures differentiate ovarian/peritoneal serous carcinoma from breast carcinoma in effusions. 2010. J Cell Mol Med.

190. Mansilla F., da Costa K.A., Wang S., Kruhoffer M., Lewin T.M., Orntoft T.F., Coleman R.A., Birkenkamp-Demtroder K. Lysophosphatidylcholine acyltransferase 1 (LPCAT1) overexpression in human colorectal cancer. 2009. J Mol Med. 87(1): p. 85-97.

191. Xu S., Jia Z.F., Kang C., Huang Q., Wang G., Liu X., et al. Upregulation of SEPT7 gene inhibits invasion of human glioma cells. 2010. Cancer Invest. 28(3): p. 248-58.

192. Xu S., Jia Z.F., Huang Q., Kang C., Wang G.X., Zhang A.L., et al. Study on the anti-invasion effect of SEPT7 gene for U251MG glioma cell in vitro. 2008. Zhonghua Yi Xue Yi Chuan Xue Za Zhi. 25(3): p. 262-7.

193. Chang H., Jeung H.C., Jung J.J., Kim T.S., Rha S.Y., Chung H.C. Identification of genes associated with chemosensitivity to SAHA/taxane combination treatment in taxane-resistant breast cancer cells. 2010. Breast Cancer Res Treat.

194. Jiang W.G., Martin T.A., Lewis-Russell J.M., Douglas-Jones A., Ye L., Mansel R.E. Eplin-alpha expression in human breast cancer, the impact on cellular migration and clinical outcome. 2008. Mol Cancer. 7: p. 71.

195. Bernheim A., Toujani S., Saulnier P., Robert T., Casiraghi O., Validire P., et al. High-resolution array comparative genomic hybridization analysis of human bronchial and salivary adenoid cystic carcinoma. 2008. Lab Invest 88(5): p. 46473.

196. Logozzi M., De Milito A., Lugini L., Borghi M., Calabro L., Spada M., et al. High levels of exosomes expressing CD63 and caveolin-1 in plasma of melanoma patients. 2009. PLoS One. 4(4): p. e5219.

197. Lewis T.B., Robison J.E., Bastien R., Milash B., Boucher K., Samlowski W.E., et al. Molecular classification of melanoma using real-time quantitative reverse transcriptase-polymerase chain reaction. 2005. Cancer. 104(8): p. 1678-86.

198. Han F., Gu D., Chen Q., Zhu H. Caveolin-1 acts as a tumor suppressor by down-regulating epidermal growth factor receptor-mitogen-activated protein kinase signaling pathway in pancreatic carcinoma cell lines. 2009. Pancreas. 38(7): p. 766-74.

199. Felicetti F., Parolini I., Bottero L., Fecchi K., Errico M.C., Raggi C., et al. Caveolin-1 tumor-promoting role in human melanoma. 2009. Int J Cancer. 125(7): p. 1514-22.

200. Rolny C., Capparuccia L., Casazza A., Mazzone M., Vallario A., Cignetti A., et al. The tumor suppressor semaphorin 3B triggers a prometastatic program mediated by interleukin 8 and the tumor microenvironment. 2008. J Exp Med. 205(5): p. 1155-71.

201. Varshavsky A., Kessler O., Abramovitch S., Kigel B., Zafftyar S., Akiri G., Neufeld G. Semaphorin-3B is an angiogenesis inhibitor that is inactivated by furin-likepro-protein convertases. 2008. Cancer Res. 68(17): p. 6922-31.

202. Wang S.H., Liu N.H., Wang J., Bai H., Mao L. Critical role of deltaDNMT3B4/2 in regulating RASSF1A promoter-specific DNA methylation in non-small cell lung cancer. 2008. Chin Med J (Engl). 121(17): p. 1712-21.

203. Richter A.M., Pfeifer G.P., Dammann R.H. The RASSF proteins in cancer; from epigenetic silencing to functional characterization. 2009. Biochim Biophys Acta. 1796(2): p. 114-28.

204. Young A.C., Craven R.A., Cohen D., Taylor C., Booth C., Harnden P., et al. Analysis of VHL Gene Alterations and their Relationship to Clinical Parameters in Sporadic Conventional Renal Cell Carcinoma. 2009. Clin Cancer Res. 15(24): p. 7582-7592.

205. Kashuba V.I., Pavlova T.V., Grigorieva E.V., Kutsenko A., Yenamandra S.P., Li J., Wang F., Protopopov A.I., Zabarovska V.I. et al. High mutability of the tumor suppressor genes RASSF 1 and RBSP3 (CTDSPL) in cancer. PLoS One. 2009 May 29; 4(5):e5231.

206. He Y., Mou Z., Li W., Liu B., Fu T., Zhao S., Xiang D., Wu Y. Identification of IMPDH2 as a tumor-associated antigen in colorectal cancer using immunoproteomics analysis. 2009. Int J Colorectal Dis. 24(11): p. 1271-9.

207. Dudderidge T.J., Stoeber K., Loddo M., Atkinson G., Fanshawe T., Griffiths D.F., Williams G.H. Mcm2, Geminin, and KI67 define proliferative state and are prognostic markers in renal cell carcinoma. 2005. Clin Cancer Res. 11(7): p. 2510-7.

208. Tani Y., Akiyama Y., Fukamachi H., Yanagihara K., Yuasa Y. Transcription factor SOX2 up-regulates stomach-specific pepsinogen A gene expression. 2007. J Cancer Res Clin Oncol. 133(4): p. 263-9.

209. Kuo S.J., Chien S.Y., Lin C., Chan S.E., Tsai H.T., Chen D.R. Significant elevation of CLDN16 and HAPLN3 gene expression in human breast cancer. 2010. Oncol Rep. 24(3): p. 759-66.

210. Katoh M. CLDN23 gene, frequently down-regulated in intestinal-type gastric cancer, is a novel member of CLAUDIN gene family. 2003. Int J Mol Med. 11(6): p. 683-9.

211. Kigel B., Varshavsky A., Kessler O., Neufeld G. Successful inhibition of tumor development by specific class-3 semaphorins is associated with expression of appropriate semaphorin receptors by tumor cells. 2008. PLoS One. 3(9): p. e3287.

212. Hergovich A., Kohler R.S., Schmitz D., Vichalkovski A., Cornils H., Hemmings B.A. The MST1 and hMOBl tumor suppressors control human centrosome duplication by regulating NDR kinase phosphorylation. 2009. Curr Biol. 19(20): p. 1692-702.

213. Ateeq B., Tomlins S.A., Chinnaiyan A.M. AGTR1 as a therapeutic target in ERpositive and ERBB2-negative breast cancer cases. 2009. Cell Cycle. 8(23): p. 3794-5.

214. Li J.F., Huang Y., Chen R.L., Lee H.J. Induction of apoptosis by gene transfer of human TRAIL mediated by arginine-rich intracellular delivery peptides. 2010. Anticancer Res. 30(6): p. 2193-202.

215. Sharp T.V., Al-Attar A., Foxier D.E., Ding L., de A.V.T.Q., Zhang Y., et al. The chromosome 3p21.3-encoded gene, LIMD1, is a critical tumor suppressor involved in human lung cancer development. 2008. Proc Natl Acad Sci USA. 105(50): p. 19932-7.

216. Weng Y.I., Hsu P.Y., Liyanarachchi S., Liu J., Deatherage D.E., Huang Y.W., et al. Epigenetic influences of low-dose bisphenol A in primary human breast epithelial cells. 2010. Toxicol Appl Pharmacol. 248(2): p. 111-21.

217. Sedlak T.W., Snyder S.H. Messenger molecules and cell death: therapeutic implications. 2006. JAMA. 295(1): p. 81-9.

218. Chan S.W., Lim C.J., Guo K., Ng C.P., Lee I., Hunziker W., Zeng Q., Hong W. A role for TAZ in migration, invasion, and tumorigenesis of breast cancer cells. 2008. Cancer Res. 68(8): p. 2592-8.

219. Human Genome Project. http://www.ornl.gov/sci/techresources/HumanGenome/faq/genenumber.shtml.

220. Tu Z., Wang L., Xu M., Zhou X., Chen T., Sun F. Further understanding human disease genes by comparing with housekeeping genes and other genes. 2006. BMC Genomics. 7: p. 31.

221. Rhodes D.R., Yu J., Shanker K., Deshpande N., Varambally R., Ghosh D., et al. ONCOMINE: a cancer microarray database and integrated data-mining platform. 2004. Neoplasia 6(1): p. 1-6.

222. Al-Shahrour F., Carbonell J., Minguez P., Goetz S., Conesa A., Tarraga J., et al. Babelomics: advanced functional profiling of transcriptomics, proteomics and genomics experiments. 2008. Nucleic Acids Res. 36(Web Server issue): p. W341-6.

223. Wilson C.M., Roebuck Q., High S. Ribophorin I regulates substrate delivery to the oligosaccharyltransferase core. 2008. Proc Natl Acad Sci USA. 105(28): p. 9534-9.

224. Demirhan O., Tastemir D., Hasturk S., Kuleci S., Hanta I. Alterations in pi6 and p53 genes and chromosomal findings in patients with lung cancer: Fluorescence in situ hybridization and cytogenetic studies. 2010. Cancer Epidemiol.

225. Gronbaek K., Hother C., Jones P.A. Epigenetic changes in cancer. 2007. APMIS. 115(10): p. 1039-59.

226. Entschladen F., Drell T.L.t., Lang K., Joseph J., Zaenker K.S. Tumour-cell migration, invasion, and metastasis: navigation by neurotransmitters. 2004. Lancet Oncol. 5(4): p. 254-8.

227. Milman N., Pedersen L.M. The serum ferritin concentration is a significant prognostic indicator of survival in primary lung cancer. 2002. Oncol Rep. 9(1): p. 193-8.

228. Wang W., Knovich M.A., Coffman L.G., Torti F.M., Torti S.V. Serum ferritin: Past, present andfuture. 2010. Biochim Biophys Acta. 1800(8): p. 760-9.

229. Koorts A.M., Viljoen M. Ferritin and ferritin isoforms II: protection against uncontrolled cellular proliferation, oxidative damage and inflammatory processes. 2007. Arch Physiol Biochem. 113(2): p. 55-64.

230. Koorts A.M., Viljoen M. Ferritin and ferritin isoforms I: Structure-function relationships, synthesis, degradation and secretion. 2007. Arch Physiol Biochem. 113(1): p. 30-54.

231. Mertz J.R., Theil E.C. Subunit dimers in sheep spleen apoferritin. The effect on iron storage. 1983. J Biol Chem. 258(19): p. 11719-26.

232. Essen A., Ozen H., Ayhan A., Ergen A., Tasar C., Remzi F. Serum ferritin: a tumor marker for renal cell carcinoma. 1991. J Urol. 145(6): p. 1134-7.

233. Oncomine. http://www.oncomine.org/.

234. Sammarco M.C., Ditch S., Banerjee A., Grabczyk E. Ferritin L and H subunits are differentially regulated on a post-transcriptional level. 2008. J Biol Chem. 283(8): p. 4578-87.

235. Cheng A.M., Byrom M.W., Shelton J., Ford L.P. Antisense inhibition of humanmiRNAs and indications for an involvement of miRNA in cell growth andapoptosis. 2005. Nucleic Acids Res. 33(4): p. 1290-7.

236. Tang N., Zhang J., Du Y. Curcumin promoted the apoptosis of cisplain-resistant human lung carcinoma cells A549/DDP through down-regulating miR-186*. 2010. Zhongguo Fei Ai ZaZhi. 13(4): p. 301-6.

237. Zhang J., Du Y., Wu C., Ren X., Ti X., Shi J., Zhao F., Yin H. Curcumin promotes apoptosis in human lung adenocarcinoma cells through miR-186* signaling pathway. 2010. Oncol Rep. 24(5): p. 1217-23.