High-density Microarray Technology in Cancer Research and Development

Abstract.

The development of miniaturized arrays, displaying thousands of genes on a surface smaller than a thumb-nail, can be regarded as a technological breakthrough of similar importance as the introduction of the PCR reaction. For the development of novel cancer treatment regimens, microarrays will in the future be indispensable in the elucidation of tumor development and progression, in the detection and monitoring of tumor heterogeneity, and the identification of putative risk factors. Microarrays will furthermore help in the identification of novel, more specific molecular targets crucial in the development of primary tumors as well as in the process of metastasis. In addition, multiparallel analysis of thousands of genes in tissues treated with putative anticancer drugs, will lead to a better, genome-wide understanding of the drugs efficacy, specificity and potentially harmful side-effects. The hope is to come up in the future with more potent and more specific anticancer agents at increased speed and chemical diversity.

High-Density Microarrays - Technologie in der Krebsforschung und Krebsentwicklung.

Die Entwicklung miniaturisierter angeordneter Muster von beispielsweise Nukleinsäuren („microarrays”), mit denen sich tausende von Genen auf einer Fläche kleiner als ein Daumennagel repräsentieren lassen, kann als ein technischer Durchbruch angesehen werden, der sich mit der Einführung der PCR vergleichen lässt. Für die Entwicklung neuer Tumortherapien werden Microarrays in Zukunft unverzichtbar sein für die Analyse von Tumorentstehung und -progression, für die Bestimmung der Heterogenität im Tumor und bei der Identifizierung möglicher Risikofaktoren. Weiterhin werden Microarrays hilfreich sein bei der Definition neuer, spezifischerer Zielmoleküle, die sowohl bei der Enstehung von Primärtumoren als auch Metastasen eine Rolle spielen. Darüber hinaus wird die multiparallele Analyse tausender von Genen in Tumorgewebe unter Behandlung mit möglichen antineoplastischen Substanzen zu einem besseren, genomweiten Verständnis der Effizienz, Spezifität und möglicher unerwünschter Nebenwirkungen dieser Substanzen führen. Es besteht Hoffnung zu der Annahme, dass in Zukunft wirksamere und spezifischere Krebsmedikamente in kürzerer Zeit und mit höherer chemischer Vielfalt entwickelt werden können.

Key words:

Microarrays - gene expression - cancer

Schlüsselwörter:

Microarrays - Gen-ChipsGen-Expression - Krebs

References

• 1 Maeda I, Takano T, Matsuzuka F, Maruyama T, Higashiyama T, Liu G, Kuma K, Amino N. Rapid screening of specific changes in mRNA in thyroid carcinomas by sequence specific-differential display: decreased expression of acid ceramidase mRNA in malignant and benign thyroid tumors.  Int J Cancer. 1999;  81 700-704
• 2 Gure A O, Stockert E, Arden K C, Boyer A D, Viars C S, Scanlan M J, Old L J, Chen Y T. CT10: a new cancer-testis (CT) antigen homologous to CT7 and the MAGE family, identified by representational-difference analysis.  Int J Cancer. 2000;  85 726-732
• 3 Hibi K, Liu Q, Beaudry G A, Madden S L, Westra W H, Wehage S L, Yang S C, Heitmiller R F, Bertelsen A H, Sidransky D, Jen J. Serial analysis of gene expression in non-small cell lung cancer.  Cancer Res. 1998;  58 5690-5694
• 4 Schena M, Shalon D, Davis R W, Brown P O. Quantitative monitoring of gene expression patterns with a complementary DNA microarray.  Science. 1995;  270 467-470
• 5 Lockhart D J, Dong H, Byrne M C, Follettie M T, Gallo M V, Chee M S, Mittmann M, Wang C, Kobayashi M, Horton H, Brown E L. Expression monitoring by hybridization to high-density oligonucleotide Arrays.  Nature Biotechnology. 1996;  14 1675-1680
• 6 Wang E, Miller L D, Ohnmacht G A, Liu E T, Marincola F M. High-fidelity mRNA amplification for gene profiling.  Nature Biotechnol. 2000;  18 457-459
• 7 Schutze K, Lahr G. Identification of expressed genes by laser-mediated manipulation of single cells.  Nature Biotechnol. 1998;  16 737-742
• 8 http://cmgm.stanford.edu/pbrown/index.html; http://www. nhgri.nih.gov/DIR/LCG/15K/html; http://w95vcl.neuro.chop.edu/vcheung; http://sequence.aecom.yu.edu/bioinf/funcgenomic. html; http://chroma.mbt.washington.edu/mod_www/). 
• 9 (http://www.affymetrix.com). 
• 10 Fan J B, Chen X, Halushka M K, Berno A, Huang X, Ryder T, Lipshutz R J, Lockhart D J, Chakravarti A. Parallel Genotyping of Human SNPs using generic high-density oligonucleotide tag arrays.  Genome Res. 2000;  10 853-860
• 11 Pennisi E. Human genome project. And the gene number is...?  Science. 2000;  288 1146-1147
• 12 http://www.incyte.com/gem. 
• 13 Ermolaeva O, Rastogi M, Pruitt K D, Schuler G D, Boguski M S. et al . Data management and analysis for gene expression arrays.  Nature Genetics. 1998;  20 19-23
• 14 Larsson M, Stahl S, Uhlén M, Wennborg A. Expression profile viewer (ExProView): A software tool for transcriptome analysis.  Genomics. 2000;  63 341-353
• 15 Eisen M B, Spellman P T, Brown P O, Botstein D. Cluster analysis and display of genome-wide expression patterns.  Proc Natl Acad Sci USA. 1998;  95 14 863-14 868
• 16 Bassett D E, Eisen M B, Boguski M S. Gene expression informatics - it's all in your mine.  Nature Genetics. 1998;  21 (Supplement) 51-55
• 17 Somogyi R. Making sense of gene expression data. Pharmainformatics: A Trends Guide. Elsevier Science Ltd. 1999: 17-24
• 18 Hartigan J A. A k-means clustering algorithm.  Applied statistics. 1979;  28 100-108
• 19 Hartigan J A. Clustering Algorithms. Chichester, New York; John Wiley and Sons 1975
• 20 Törönen P, Kolehmainen M, Wong G, Castrén E. Analysis of gene expression data using self-organizing maps.  FEBS Letters. 1999;  451 142-146
• 21 Gaasterland T, Bekiranov S. Making the most of microarray data.  Nature Genetics. 2000;  24 204-206
• 22 Iyer V R, Eisen M B, Ross D T, Schuler G, Moore T, Lee J CF, Trent J M, Staudt L M, Hudson J, Boguski M S, Lashkari D, Shalon D, Botstein D, Brown P O. The transcriptional program in the response of human fibroblasts to serum.  Science. 1999;  283 83-87
• 23 Moch H, Schraml P, Bubendorf L, Mirlacher M, Kononen J, Gasser T, Mihatsch M J, Kallioniemi O P, Sauter G. High-throughput tissue microarray analysis to evaluate genes uncovered by cDNA microarray screening in renal cell carcinoma.  Am J Pathol. 1999;  154 981-986
• 24 Alizadeh A A. et al . Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling.  Nature. 2000;  403 503-511
• 25 Schummer M, Ng W V, Baumgartner R E, Nelson P S, Schummer B, Bednarski D W, Hassell L, Baldwin R L, Karlan B Y, Hood L. Comparative hybridization of an array of 21'500 ovarian cDNAs for the discovery of genes overexpressed in ovarian cacinomas.  Gene. 1999;  238 375-385
• 26 Wang T, Hopkins D, Schmidt C, Silva S, Houghton R, Takita H, Repasky E, Reed S G. Identification of genes differentially over-expressed in lung squamous cell carcinoma using combination of cDNA subtraction and microarray analysis.  Oncogene. 2000;  19 1519-1528
• 27 Zimmermann J, Erdmann D, Lalande I, Grossenbacher R, Noorani M, Fürst P. Proteasome inhibitior induced gene expression profiles reveal overexpression of the transcriptional regulators ATF3, GADD153 and MAD1.  Oncogene. 2000;  19 2913-2920
• 28 Ross D T, Scherf U, Eisen M B, Perou C M, Rees C. et al . Systematic variation in gene expression patterns in human cancer cell lines.  Nature Genetics. 2000;  24 227-235
• 29 Grossenbacher R, Brecht K, Wood J, Fürst P. in preparation 2000
• 30 Favis R, Day J P, Gerry N P, Phelan C, Narod S, Barany F. Universal DNA array detection of small insertions and deletions in BRCA1 and BRCA2.  Nature Biotechnol. 2000;  18 561-564
• 31 Wen W H, Bernstein L, Lescallett J, Beazer-Barclay Y, Sullivan-Halley J, White M, Press M F. Comparison of TP53 mutations identified by oligonucleotide microarray and conventional DNA sequence analysis.  Cancer Res. 2000;  60 2716-2722
• 32 Golub T R, Slonim D K, Tamayo P, Huard C, Gaasenbeek M, Mesirov J P, Coller H, Loh M L, Downing J R, Caligiuri M A, Bloomfield C D, Lander E S. Molecular classification of cancer: class discovery and class prediction by gene expression monitoring.  Science. 1999;  286 531-537
• 33 Kohonen T. Self-organizing Maps. Berlin, Heidelberg, New York; Springer-Verlag 1997 2nd ed.