Vantaggi e limitazioni della tecnologia microarray nel cancro umano

Nell’aprile di quest’anno, abbiamo assistito a uno dei risultati più monumentali della biologia: il sequenziamento completo del genoma umano. La decodifica e la deposizione di database di miliardi di basi di sequenza è il punto di partenza della genomica funzionale postsequence. La scoperta della Tavola periodica ha avuto un impatto importante sulla chimica. Così pure, la completa decifrazione del genoma umano avrà effetti impressionanti sulla salute umana e sulla qualità della vita. Attualmente, comprendiamo la funzione di un numero limitato di geni umani. Studiare tutte le funzioni dei geni umani è una sfida tecnologica. Per affrontare questa sfida, sono stati sviluppati nuovi strumenti ad alta produttività. Il test microarray è una potente tecnologia molecolare che consente lo studio simultaneo dell’espressione di migliaia di geni o dei loro prodotti a RNA, fornendo un quadro accurato dell’espressione genica nella cellula o nel campione al momento dello studio.

Ad esempio, l’espressione di tutti i geni per la resistenza ai farmaci e il metabolismo o tutti gli oncogeni noti in una cellula può essere rilevata e misurata nello stesso lasso di tempo (Brown e Botstein, 1999; Collins, 1999; Lander, 1999). Il microarray può essere definito come una raccolta ordinata di microspots (le sonde), ogni punto contenente una singola specie di un acido nucleico e che rappresenta i geni di interesse. Questa tecnologia si basa sull’ibridazione tra bersagli liberi etichettati derivati da un campione biologico e una serie di molte sonde di DNA che sono immobilizzate su una matrice (Southern et al., 1999). Gli obiettivi sono prodotti dalla trascrizione inversa e dall’etichettatura simultanea degli estratti del RNA da un campione biologico ibridato con le sonde del frammento del DNA. Il segnale di ibridazione prodotto su ciascuna sonda è il livello di espressione dell’mRNA del gene corrispondente nel campione al momento dello studio. I segnali sono rilevati, quantificati, integrati e normalizzati con software dedicato e riflettono il’ profilo di espressione genica ‘o’ ritratto molecolare ‘ per ogni campione biologico.

Molte migliaia o decine di migliaia di punti distinti possono essere stampati su un silicio o vetrino o una base di nylon a stato solido. Ci sono principalmente due varianti di microarrays: cDNA e microarrays oligonucleotide (Schena et al., 1995, 1996; Lockhart et al., 1996). Sebbene entrambi i tipi di microarray siano usati per analizzare i modelli di espressione genica, queste varianti sono fondamentalmente diverse (Lipshutz et al., 1999). Nei microarray cDNA, molecole di DNA relativamente lunghe sono immobilizzate su una superficie solida. Questo tipo di microarray è utilizzato principalmente per studi di screening e di espressione su larga scala. Il microarray dell’oligonucleotide è fabbricato dalla sintesi chimica diretta dalla luce in situ o dalla sintesi convenzionale seguita dall’immobilizzazione su una matrice di vetro. Questo microarray è usato per la rilevazione delle mutazioni, della mappatura del gene e degli studi di espressione e tiene conto la rilevazione differenziale dei membri della famiglia del gene o dei trascritti alternativi che non sono distinguibili dai microarray del cDNA.

La chimica del microarray di per sé non è nuova, poiché la tecnologia di ibridazione è stata ben consolidata da decenni. Tuttavia, lo studio simultaneo di migliaia di geni trasforma la tecnica microarray in un potente strumento analitico dell’intero sistema. Sono passati quasi 10 anni da quando sono stati creati i primi microarray, eppure questa tecnologia sta ancora migliorando e avanzando. Dalla sua introduzione iniziale, il numero di applicazioni microarray è aumentato (Figura 1). A partire dal loro uso nello screening genico e nell’identificazione del bersaglio, questa tecnologia sta trovando nuove applicazioni come la biologia dello sviluppo, la classificazione delle malattie, gli studi di percorso, la scoperta di farmaci e la tossicologia. La tecnologia coinvolta nella produzione e nell’uso del microarray va oltre lo scopo di questa recensione, ma è stata ampiamente rivista altrove (Schena et al., 1995; Niemeyer e Blohm, 1999; Bowtell, 1999; Brown e Botstein, 1999; Celis et al., 2000; Cheung et al., 1999; Duggan et al., 1999; Graves, 1999; Khan et al., 1999; Hegde et al., 2000; Meldrum, 2000). Descriviamo qui alcuni dei recenti sviluppi e risultati nella tecnologia microarray nella ricerca sul cancro, discutiamo i potenziali problemi, descriviamo le applicazioni cliniche e commentiamo il futuro di questa tecnologia.

Numero di citazioni trovato in MEDLINE inserendo ‘microarray’ (barra grigia) o ‘microarray+cancro’ (barra bianca) per un PubMed ricerca. Gli articoli sono stati pubblicati tra il 1995 e il 2002

L’importanza della misurazione globale dell’espressione genica nei tumori umani

che Caratterizzano la popolazione dei geni trascritti ha portato alla creazione di un nuovo termine, il trascrittoma (Su et al., 2002). Questo concetto definisce l’insieme completo di geni trascritti espressi come RNA messaggero per una particolare specie. Il trascrittoma, quindi, rappresenta l’universo dei messaggeri di RNA che possono codificare le proteine. Solo circa il 5% dei geni sono attivi in una particolare cellula in un dato momento. La maggior parte dei geni sono repressi e questo controllo può verificarsi a livello trascrizionale o traslazionale. Poiché la regolazione dell’espressione proteica a livello di trascrizione è più efficiente, la maggior parte del controllo avviene a questo livello. Il profilo di espressione genica di una cellula determina la sua funzione, il fenotipo e la risposta agli stimoli esterni. Pertanto, i profili di espressione genica possono aiutare a chiarire le funzioni cellulari, i percorsi biochimici e i meccanismi regolatori. Inoltre, i profili di espressione genica delle cellule / tessuti della malattia, rispetto ai normali controlli, possono promuovere la comprensione della patologia della malattia e identificare nuovi punti terapeutici di intervento, migliorando la diagnosi e chiarendo la prognosi.

Negli ultimi anni sono emersi diversi metodi di profilazione dell’espressione genica che sono stati applicati con successo alla ricerca sul cancro. Questi includono display differenziale, analisi seriale dell’espressione genica e microarray (Velculescu et al., 1995; Granjeaud et al., 1999; Cheng et al., 2002). I microarray sono diventati importanti perché sono più facili da usare, non richiedono sequenziamento del DNA su larga scala e consentono la quantificazione parallela di migliaia di geni da più campioni. Il profilo di espressione genica dei tumori rappresenta la più grande categoria di ricerca che utilizza la tecnologia microarray e sembra essere l’approccio più completo per caratterizzare il cancro molecolarmente. Sebbene il fenotipo del cancro sia determinato solo parzialmente dal suo trascrittoma, fornisce ancora un quadro chiaro dello stato fisiologico di una cellula. La potenza di questo approccio è stata dimostrata in studi condotti su un’ampia varietà di neoplasie, tra cui tumori della mammella, della testa e del collo, del fegato, del polmone, dell’ovaio, del pancreas, della prostata e dello stomaco (Bhattacharjee et al., 2001; Dhanasekaran et al., 2001; Garber et al., 2001; Tonin et al., 2001; Al Moustafa et al., 2002; Belbin et al., 2002; Chen et al., 2002; Han et al., 2002; Hedenfalk et al., 2002; Hippo et al., 2002; Luo et al., 2002a).

Diversi studi di cancro profilatura mediante analisi di microarray ha utilizzato diverse strategie, quali tumore rispetto al controllo, in cui il tumore profilo di espressione genica viene confrontato con il corrispondente campione di controllo al fine di misurare le differenze e le somiglianze tra i due fenotipi, il cancro stratificazione, in cui i profili di espressione genica da diversi campioni dello stesso tipo di cancro sono rispetto a rivelare sottogruppi distinti per meglio definire la classificazione molecolare di un comune tipo istologico del tumore, e, infine, valutazione temporale del tumore, in cui il gene i modelli di espressione da campioni di tumore derivati da diversi stadi di progressione sono confrontati per chiarire le differenze tra gli stadi precoci e avanzati della malattia. Sebbene siano stati pubblicati molti studi di analisi microarray nella malattia umana, presentiamo qui alcuni di quelli che hanno un interesse clinico per l’oncologia.

Microarray e cancro alla prostata

Sono stati recentemente pubblicati diversi studi che utilizzano microarray per caratterizzare i profili di espressione genica del cancro alla prostata. Questi studi hanno utilizzato la tecnologia microarray come strumento di scoperta genica per identificare i marcatori genetici che discriminano tra tessuti prostatici normali e cancerosi. Un semplice studio microarray è stato eseguito utilizzando array di membrane maculati per analizzare tessuti e linee cellulari normali e cancerose (Bull et al., 2001). I risultati dei microarray a membrana sono limitati dalla relativa insensibilità di questa tecnica per rilevare i trascritti espressi a bassi livelli e il piccolo numero di punti che possono essere posizionati sulle membrane; tuttavia, questo studio ha prodotto marcatori candidati di cancro alla prostata per ulteriori valutazioni. Cinque studi pubblicati hanno analizzato i profili di espressione genica in diverse migliaia di geni nei tessuti normali e della prostata e utilizzato analisi di clustering gerarchico non supervisionato per ordinare i campioni (Dhanasekaran et al., 2001; Luo et al., 2001, 2002b; Welsh et al., 2001a; Singh et al., 2002). Dhanasekaran et al. (2001) sono stati in grado di distinguere la prostata normale, l’iperplasia prostatica benigna (BPH), il cancro alla prostata localizzato e i campioni di cancro alla prostata metastatico utilizzando 9.984 microarray maculati con elementi. Utilizzando l’analisi di clustering gerarchico, Luo et al. (2001) sono stati in grado di discriminare 16 campioni di cancro alla prostata da nove campioni di BPH sulla base delle differenze nei profili di espressione genica misurati su 6.500 microarray di cDNA maculati con elementi. Welsh et al. (2001a) ha riportato un ordinamento simile di campioni di tessuto prostatico normale e maligno utilizzando microarray oligonucleotidici. È interessante notare che tutti i cinque gruppi hanno identificato la proteasi della serina transmembrana hepsin come la visualizzazione di un’espressione significativamente aumentata nei tessuti maligni rispetto a quella del normale tessuto prostatico (Dhanasekaran et al., 2001; Luo et al., 2001, 2002b; Welsh et al., 2001a; Singh et al., 2002). Molti altri marcatori candidati di cancro alla prostata come il proto-oncogene PIM1 sono emersi da altri studi e vengono ulteriormente studiati come potenziali marcatori diagnostici. L’espressione diminuita di PIM1 sull’immunoistochimica dei campioni del tumore della prostata ha conferito un rischio aumentato di ricorrenza dopo chirurgia (Dhanasekaran et al., 2001). Altri gruppi che utilizzano combinazioni di ibridazione sottrattiva e analisi microarray hanno identificato diversi potenziali candidati per la terapia immunomodulatoria del cancro alla prostata, tra cui prostein (Xu et al., 2001), STEAP (Hubert et al., 1999) e p504S/Alfa-metilacil-COA-racemasi (Jiang et al., 2001). In uno studio molto recente, Virolle et al. (2003) ha usato una linea cellulare di cancro alla prostata che esprime un alto livello costitutivo di proteina E1, un fattore di trascrizione sovraespresso nella maggior parte delle cellule tumorali tumorali aggressive della prostata. Hanno valutato la regolazione trascrizionale E1, eseguendo un’analisi microarray oligonucleotide utilizzando cellule rese carenti ingr1 come campione di confronto per l’identificazione dei geni bersagliogr1. Per la prima volta nei tessuti prostatici, questo studio ha confermato il ruolo di potenziatore della crescita di E1 precedentemente osservato in altri sistemi cellulari e ha identificato diversi nuovi geni bersaglio che controllano specificamente la crescita, la progressione del ciclo cellulare e le vie apoptotiche.

Microarray e cancro orale

Ad oggi sono stati pubblicati solo pochi studi di microarray relativi al cancro orale. Chang et al. (1998) ha illustrato l’uso dei microarray cDNA per caratterizzare i geni legati alla trasformazione nel cancro orale. Villaret et al. utilizzato una combinazione di sottrazione di DNA complementare e analisi microarray per valutare geni unici specifici per il carcinoma a cellule squamose della testa e del collo (HNSCC) come potenziali marcatori tumorali e candidati al vaccino. Nove geni noti sono stati trovati per essere significativamente sovraespressi in HNSCC rispetto al tessuto normale. Inoltre, quattro nuovi geni sono stati sovraespressi in un sottoinsieme di tumori (Villaret et al., 2000). Alevizos et al. (2001) ha analizzato il trascrittoma nel carcinoma a cellule squamose della cavità orale. Hanno trovato circa 600 geni candidati (oncogeni, soppressori del tumore, fattori di trascrizione, marcatori di differenziazione, proteine metastatiche ed enzimi xenobiotici) che sono stati espressi in modo differenziale nel cancro orale, convalidando solo tre di questi geni mediante PCR.

Lu et al. (2001) ha utilizzato l’approccio microarray per valutare i cambiamenti del profilo di espressione genica durante l’inizio e la progressione del carcinoma a cellule squamose dell’esofago. Hanno esaminato i profili di espressione genica in diverse fasi dell’iniziazione e della progressione del cancro esofageo al fine di identificare i geni espressi in modo differenziato tra queste fasi. Frierson et al. (2002) ha utilizzato l’analisi microarray oligonucleotide per studiare l’espressione di 8.920 diversi geni umani in 15 carcinomi cistici adenoidi (ACC), una linea cellulare ACC e cinque normali ghiandole salivari principali. Tra i geni con espressione alterata in ACC c’erano quelli che codificano i fattori di trascrizione SOX4 e AP-2 gamma, caseina chinasi 1 così come epsilon e frizzled-7, entrambi membri della via di segnalazione Wnt / beta-catenina. In uno studio molto recente, Leethanakul et al. (2003) ha generato librerie cDNA ad alta complessità dall’epitelio squamoso normale e canceroso microdissected di cattura laser. In questo studio, gli autori hanno esaminato le informazioni di sequenza disponibili utilizzando strumenti bioinformatici e identificato 168 nuovi geni espressi in modo differenziato nell’epitelio normale e maligno. Inoltre, utilizzando array di cDNA, hanno ottenuto prove che un sottoinsieme di questi nuovi geni potrebbe essere altamente espresso in HNSCC.

Microarray e cancro al seno

Data l’eterogeneità clinica del cancro al seno, la tecnologia microarray può essere uno strumento ideale per stabilire una classificazione più accurata. Gli studi iniziali che utilizzano il profilo di espressione basato su microarray hanno dimostrato la sua capacità di classificare correttamente i tumori al seno negativi ai recettori degli estrogeni e positivi ai recettori degli estrogeni (Perou et al., 2000; West et al., 2001) e per differenziare i tumori correlati a BRCA1 dai tumori correlati a BRCA2 e sporadici (Hedenfalk et al., 2001; van’t Veer et al., 2002).

Lo studio di van’t Veer et al. è stato uno degli studi più estesi e informativi eseguiti fino ad oggi. Gli autori hanno esaminato 117 campioni di mammella primaria mediante il profilo di espressione genica basato su microarray per sviluppare profili prognostici e confrontarli con marcatori prognostici noti nel cancro al seno. Dei 5.000 geni con profili di espressione variabili, 70 sono stati identificati per un’accuratezza ottimale nella previsione della malattia ricorrente. Usando questa classificazione, gli autori hanno predetto correttamente l’esito effettivo della malattia per 65 dei 78 pazienti. Cinque pazienti con buona prognosi e otto pazienti con prognosi infausta sono stati assegnati in modo errato. I marcatori prognostici standard nel cancro al seno sono stati utilizzati per stimare il rischio di recidiva del cancro e aiutare a prendere decisioni sulla terapia adiuvante. Sfortunatamente, gli attuali marcatori prognostici non identificano adeguatamente la terapia più corretta per il paziente. Il potere predittivo dell’approccio microarray è molto maggiore di quello degli approcci attualmente utilizzati, ma deve essere convalidato in più studi clinici prospettici. Se il valore prognostico di questo approccio fosse confermato, il classificatore di profilazione dell’espressione comporterebbe una diminuzione di circa quattro volte nei pazienti che ricevono inutilmente la terapia adiuvante (Caldas e Aparicio, 2002).

Martin et al. (2001) ha descritto un metodo per identificare il cancro al seno circolante mediante un processo in due fasi di visualizzazione differenziale e profilatura di espressione basata su array ad alta sensibilità. Anche se il potenziale di questa tecnica è promettente, la sua sensibilità e specificità devono ancora essere migliorate e sono necessari ulteriori lavori per determinare il significato clinico del rilevamento del profilo di espressione genica nel sangue periferico. Alcuni articoli hanno ora dimostrato un legame tra i profili di espressione tumorale utilizzando la tecnologia microarray e l’esito clinico. Ad esempio, Sorlie et al. (2001) ha dimostrato che le sottoclassi tumorali definite dal profilo di espressione possono predire la sopravvivenza libera da malattia e globale, e Sotiriou et al. (2002) ha dimostrato che i profili di espressione del pretrattamento prevedevano una risposta clinica alla chemioterapia in un piccolo campione di tumori al seno. Anche se lo studio di Sorlie et al. è stato molto provocatorio, gli autori non hanno confrontato il valore prognostico dei gruppi identificati dal clustering gerarchico con fattori prognostici attualmente utilizzati nel cancro al seno. Poiché la resistenza ai farmaci nel cancro è un importante ostacolo alla chemioterapia di successo, la fattibilità di ottenere un potenziale profilo molecolare o un’impronta digitale di farmaci antitumorali nelle cellule tumorali mediante la tecnologia microarray è fondamentale per predire la risposta alla chemioterapia. Kudoh et al. (2000) ha dimostrato questa capacità di definire i cambiamenti nei profili di espressione genica in una linea cellulare di cancro al seno trattata con chemioterapia. Hanno monitorato i profili di espressione delle cellule di cancro al seno MCF-7 che sono state trattate transitoriamente con doxorubicina o selezionate per la resistenza alla doxorubicina. Questo studio ha dimostrato che il trattamento transitorio con doxorubicina alterava l’espressione di un gruppo eterogeneo di geni in modo dipendente dal tempo.

Microarray e cancro ovarico

Negli ultimi anni, diversi ricercatori hanno pubblicato studi interessanti riguardanti il profilo di espressione dei tumori ovarici. Martoglio et al. (2000) ha analizzato i profili di espressione genica di cinque campioni ovarici normali e quattro campioni di adenocarcinoma ovarico papillare sieroso scarsamente differenziati. Utilizzando un piccolo microarray cDNA a membrana in nylon “interno”, hanno riscontrato un aumento complessivo di marcatori correlati all’angiogenesi (ad esempio angiopoietina-1, VEGF), marcatori apoptotici e neoplastici, mediatori della risposta immunitaria e nuovi potenziali marcatori del cancro ovarico (ad esempio cofilin, moesin e proteina del fattore silenziatore neurone-restrittivo) nel tessuto tumorale. Lo studio è stato intrigante perché hanno usato un array cDNA a basso costo su misura per studi di percorsi specifici, come l’angiogenesi e la tumorigenesi. Poiché è problematico accedere a una quantità adeguata di tessuto tumorale ovarico precoce, i ricercatori hanno utilizzato diverse strategie per aggirare la necessità di quantità di tessuto tipicamente richieste dall’analisi microarray. Ad esempio, Ismail et al. (2000) ha riportato uno studio di 864 elementi di DNA schermati contro 10 linee di cellule tumorali ovariche e cinque linee cellulari epiteliali normali utilizzando colture cellulari a breve termine per espandere l’epitelio della superficie ovarica prima dell’estrazione dell’RNA. Altri ricercatori hanno purificato l’epitelio ovarico mediante procedure in vitro, come l’adesione al vetro o l’arricchimento immunomagnetico (et et al., 2000; Welsh et al., 2001b). Tuttavia, questi due approcci possono introdurre pregiudizi nell’espressione genica osservata. Infatti, il primo approccio (Ismail et al., 2000) utilizza cellule tumorali coltivate, che potrebbero non riflettere tumori in vivo a causa della possibilità di cambiamenti secondari di espressione genica che si verificano in vitro a seguito di condizioni di coltura. La seconda strategia (et et al., 2000; Welsh et al., 2001b) è molto lungo e può causare la degradazione di messaggeri di RNA meno stabili. Per evitare possibili pregiudizi inerenti alle colture in vitro utilizzate in alcuni studi (Ismail et al., 2000; Matei et al., 2002), altri ricercatori hanno studiato i modelli di espressione genica direttamente da tumori resecati chirurgicamente (Shridhar et al., 2001). I microarray piccoli e specializzati hanno diversi vantaggi pratici e possono rivelare informazioni che possono essere perse in microarray più grandi. Sawiris et al. (2002) ha utilizzato un microarray cDNA altamente specializzato chiamato ‘Ovachip’, e ha trovato questo microarray estremamente sensibile a differenziare il cancro ovarico dal cancro del colon basato su modelli di espressione genica. I biomarcatori di screening per il cancro ovarico sono molto importanti a causa della fase avanzata della diagnosi e della scarsa sopravvivenza associata a questo tipo di cancro. Recentemente, due studi hanno utilizzato la tecnologia microarray per identificare due potenziali marcatori sierici di cancro ovarico sovraespressi chiamati osteopontin e prostasin e hanno riportato la convalida preliminare del loro uso per la diagnosi precoce della malattia (Mok et al., 2001; Kim et al., 2002).

Microarray e altri tumori

L’applicazione della tecnologia microarray ad altri tumori umani è in rapida espansione. Lo studio pionieristico di Golub et al. (1999) ha dimostrato la possibilità di distinguere la leucemia mieloide acuta e la leucemia linfoblastica acuta (ALL) sulla base del monitoraggio dell’espressione genica e di come, in una situazione simulata “accecata” alla diagnosi istologica, le due classi avrebbero potuto essere scoperte solo dai modelli di espressione genica. Alizadeh et al. (2000) ha identificato le due forme di linfoma diffuso a grandi cellule B (DLBCL) sulla base di profili di espressione genica che sono indicativi di diversi stadi di differenziazione delle cellule B. È interessante notare che questa classificazione molecolare ha un valore prognostico indipendente dalla stratificazione mediante la consueta classificazione clinica. Per studiare l’espressione genica nelle neoplasie linfoidi, un grande gruppo collaborativo ha creato un microarray specializzato, chiamato “Lymphochip”, che è arricchito in geni che sono selettivamente espressi nei linfociti e nei geni che regolano la funzione dei linfociti (Alizadeh et al., 1999). Questo gruppo ha usato questo microarray per esaminare DLBCL e ha trovato due forme molecolarmente diverse di questo tumore. Inoltre, hanno dimostrato che i sottogruppi DLBCL definivano un sottogruppo di pazienti con una prognosi clinica distinta. Per testare l’ipotesi che la leucemia linfocitica cronica a cellule B (CLL) sia più di una malattia, Rosenwald et al. (2001) ha correlato i modelli di espressione genica della CLL al loro stato mutazionale Ig e ad altri tipi di cellule B normali e maligne. È interessante notare che i geni identificati come altamente espressi in CLL rispetto a DLBCL sono stati espressi in modo equivalente in tutti i campioni di CLL indipendentemente dal loro stato mutazionale Ig. Questo studio ha suggerito che tutti i casi di CLL condividevano un meccanismo comune di trasformazione e/o cellula di origine. Uno studio recente (Stratowa et al., 2001) ha proposto un elenco di potenziali nuovi marcatori prognostici coinvolti nel traffico linfocitario e associati alla stadiazione della malattia e/o alla sopravvivenza del paziente.

In uno studio molto recente, Gariboldi et al. (2003) ha analizzato i profili di espressione genica nel tessuto normale di topi sensibili e resistenti al tumore della pelle al fine di identificare i geni che svolgono un ruolo funzionale nella suscettibilità genetica. Questo studio ha suggerito un ruolo del gene Scca2, un membro della superfamiglia degli inibitori della proteasi della serina, nella predisposizione genetica ai tumori della pelle.

La tecnologia Microarray è stata utilizzata anche nell’analisi del melanoma (Bittner et al., 2000). Questo studio ha suggerito che i profili di espressione genica all’interno del tessuto di un singolo paziente possono essere notevolmente conservati nel tempo e che l’analisi della trascrizione globale può identificare sottotipi non riconosciuti di melanoma cutaneo e prevedere caratteristiche fenotipiche verificabili sperimentalmente.

Studi su cellule e tessuti tumorali del colon hanno dimostrato una significativa soppressione del gene chinasi, WEE1Hu (Backert et al., 1999).

Molti trascrittomi cambiano dopo una specifica sovraespressione di geni correlati al tumore. Ad esempio, abbiamo utilizzato un sistema di espressione mediato da adenovirus del gene soppressore del tumore RB2/p130 in una linea cellulare di cancro polmonare non piccolo al fine di identificare geni specifici regolati da pRb2/p130 (Russo et al., 2003). I nostri risultati microarray hanno identificato una varietà di geni coinvolti in molti processi cellulari tra cui divisione cellulare, segnalazione cellulare/comunicazione cellulare, struttura cellulare/motilità ed espressione genica e metabolismo. Questi risultati suggeriscono nuovi potenziali biomarcatori terapeutici nel carcinoma polmonare. Inoltre, i risultati di un altro studio cDNA microarray indicano che la sovraespressione del gene soppressore del tumore PTEN può inibire l’invasione del cancro del polmone da downregulating un pannello di geni (Hong et al., 2000). Alla luce dei dati di cui sopra, è chiaro che l’approccio microarray è molto importante nell’analisi di una varietà di tipi di tumore.