August 4, 2021

Vorteile und Grenzen der Microarray-Technologie bei menschlichem Krebs

Im April dieses Jahres erlebten wir eine der monumentalsten Errungenschaften der Biologie: die vollständige Sequenzierung des menschlichen Genoms. Die Entschlüsselung und Datenbankablagerung von Milliarden von Sequenzbasen ist der Ausgangspunkt der funktionellen Genomik nach der Sequenz. Die Entdeckung des Periodensystems hatte einen wichtigen Einfluss auf die Chemie. Auch die vollständige Entschlüsselung des menschlichen Genoms wird beeindruckende Auswirkungen auf die menschliche Gesundheit und Lebensqualität haben. Derzeit verstehen wir die Funktion nur einer begrenzten Anzahl menschlicher Gene. Alle menschlichen Gene zu untersuchen, ist eine technologische Herausforderung. Um dieser Herausforderung zu begegnen, wurden neue Hochdurchsatzwerkzeuge entwickelt. Der Microarray-Assay ist eine leistungsstarke molekulare Technologie, die die gleichzeitige Untersuchung der Expression von Tausenden von Genen oder deren RNA-Produkten ermöglicht und ein genaues Bild der Genexpression in der Zelle oder der Probe zum Zeitpunkt der Studie liefert.Zum Beispiel kann die Expression aller Gene für Arzneimittelresistenz und Metabolismus oder aller bekannten Onkogene in einer Zelle im gleichen Zeitrahmen nachgewiesen und gemessen werden (Brown und Botstein, 1999; Collins, 1999; Lander, 1999). Das Mikroarray kann als eine geordnete Sammlung von Mikrospots (den Sonden) definiert werden, wobei jeder Spot eine einzelne Spezies einer Nukleinsäure enthält und die Gene von Interesse darstellt. Diese Technologie basiert auf der Hybridisierung zwischen markierten freien Zielen, die aus einer biologischen Probe stammen, und einem Array vieler DNA-Sonden, die auf einer Matrix immobilisiert sind (Southern et al., 1999). Die Targets werden durch reverse Transkription und gleichzeitige Markierung von RNA-Extrakten aus einer mit DNA-Fragment-Sonden hybridisierten biologischen Probe hergestellt. Das auf jeder Sonde erzeugte Hybridisierungssignal ist das mRNA-Expressionsniveau des entsprechenden Gens in der Probe zum Zeitpunkt der Studie. Die Signale werden mit spezieller Software detektiert, quantifiziert, integriert und normalisiert und spiegeln das ‚Genexpressionsprofil‘ oder ‚molekulare Porträt‘ für jede biologische Probe wider.

Viele Tausend oder Zehntausende von verschiedenen Punkten können auf einem Silizium- oder Glas-Objektträger oder einem Nylon-Festkörper-Basis gedruckt werden. Es gibt hauptsächlich zwei Varianten von Microarrays: cDNA- und Oligonukleotid-Microarrays (Schena et al., 1995, 1996; Lockhart et al., 1996). Obwohl beide Arten von Microarrays zur Analyse von Genexpressionsmustern verwendet werden, unterscheiden sich diese Varianten grundlegend (Lipshutz et al., 1999). In cDNA-Microarrays werden relativ lange DNA-Moleküle auf einer festen Oberfläche immobilisiert. Diese Art von Microarray wird hauptsächlich für groß angelegte Screening- und Expressionsstudien verwendet. Der Oligonukleotid-Microarray wird durch in situ lichtgerichtete chemische Synthese oder durch konventionelle Synthese mit anschließender Immobilisierung auf einer Glasmatrix hergestellt. Dieses Microarray wird zum Nachweis von Mutationen, Genkartierungen und Expressionsstudien verwendet und ermöglicht den differentiellen Nachweis von Genfamilienmitgliedern oder alternativen Transkripten, die durch cDNA-Microarrays nicht unterscheidbar sind.

Die Chemie des Microarrays an sich ist nicht neu, da die Hybridisierungstechnologie seit Jahrzehnten gut etabliert ist. Die gleichzeitige Untersuchung von Tausenden von Genen verwandelt die Microarray-Technik jedoch in ein leistungsfähiges Analysewerkzeug für das gesamte System. Fast 10 Jahre sind vergangen, seit die ersten Microarrays erstellt wurden, und doch verbessert sich diese Technologie immer noch und schreitet voran. Seit der ersten Einführung hat sich die Anzahl der Microarray-Anwendungen erweitert (Abbildung 1). Ausgehend von ihrer Verwendung beim Gen-Screening und der Zielidentifikation findet diese Technologie neue Anwendungen wie Entwicklungsbiologie, Krankheitsklassifizierung, Pathway-Studien, Wirkstoffentdeckung und Toxikologie. Die an der Herstellung und Verwendung des Microarrays beteiligte Technologie geht über den Rahmen dieser Überprüfung hinaus, wurde jedoch an anderer Stelle ausführlich überprüft (Schena et al., 1995; Niemeyer und Blohm, 1999; Bowtell, 1999; Brown und 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). Wir beschreiben hier einige der jüngsten Entwicklungen und Ergebnisse der Microarray-Technologie in der Krebsforschung, diskutieren mögliche Probleme, beschreiben klinische Anwendungen und kommentieren die Zukunft dieser Technologie.

Die Bedeutung der Messung der globalen Genexpression bei menschlichen Krebserkrankungen

Die Charakterisierung der Population transkribierter Gene hat zur Schaffung eines neuen Begriffs geführt, des Transkriptoms (Su et al., 2002). Dieses Konzept definiert den vollständigen Satz transkribierter Gene, die als Boten-RNAs für eine bestimmte Spezies exprimiert werden. Das Transkriptom repräsentiert daher das Universum der RNA-Botenstoffe, die für Proteine kodieren können. Nur etwa 5% der Gene sind zu einem bestimmten Zeitpunkt in einer bestimmten Zelle aktiv. Die meisten Gene werden unterdrückt, und diese Kontrolle kann entweder auf Transkriptions- oder Translationsebene erfolgen. Da die Regulation der Proteinexpression auf der Ebene der Transkription effizienter ist, findet die meiste Kontrolle auf dieser Ebene statt. Das Genexpressionsprofil einer Zelle bestimmt ihre Funktion, ihren Phänotyp und ihre Reaktion auf äußere Reize. Daher können Genexpressionsprofile helfen, zelluläre Funktionen, biochemische Signalwege und Regulationsmechanismen aufzuklären. Darüber hinaus können Genexpressionsprofile von Krankheitszellen / -geweben im Vergleich zu normalen Kontrollen das Verständnis der Krankheitspathologie fördern und neue therapeutische Interventionspunkte identifizieren, die die Diagnose verbessern und die Prognose klären.

In den letzten Jahren sind mehrere Genexpressionsprofilmethoden entstanden, die erfolgreich in der Krebsforschung angewendet wurden. Dazu gehören Differentialdarstellung, serielle Analyse der Genexpression und Microarrays (Velculescu et al., 1995; Granjeaud et al., 1999; Cheng et al., 2002). Die Microarrays sind wichtig geworden, weil sie einfacher zu verwenden sind, keine groß angelegte DNA-Sequenzierung erfordern und die parallele Quantifizierung von Tausenden von Genen aus mehreren Proben ermöglichen. Die Genexpressionsprofilierung von Krebserkrankungen stellt die größte Kategorie der Forschung mit Mikroarray-Technologie dar und scheint der umfassendste Ansatz zur molekularen Charakterisierung von Krebs zu sein. Obwohl der Krebsphänotyp nur teilweise durch sein Transkriptom bestimmt wird, liefert er dennoch ein klares Bild des physiologischen Zustands einer Zelle. Die Leistungsfähigkeit dieses Ansatzes wurde in Studien gezeigt, die an einer Vielzahl von Malignomen durchgeführt wurden, darunter Brust-, Kopf- und Halskrebs, Leber-, Lungen-, Eierstock-, Bauchspeicheldrüsen-, Prostata- und Magenkrebs (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).Mehrere Studien zur Krebsprofilierung durch Microarray-Analyse haben verschiedene Strategien verwendet, wie Tumor versus Kontrolle, bei denen das Tumorgenexpressionsprofil mit der entsprechenden Kontrollprobe verglichen wird, um die Unterschiede und Ähnlichkeiten zwischen beiden Phänotypen zu messen, Krebsstratifizierung, bei der die Genexpressionsprofile aus verschiedenen Proben desselben Krebstyps verglichen werden, um unterschiedliche Untergruppen aufzudecken, um die molekulare Klassifizierung eines gemeinsamen histologischen Krebstyps besser zu definieren, und schließlich die zeitliche Bewertung des Tumors, bei dem das Genexpressionsprofil Expressionsmuster aus Tumorproben, die aus verschiedenen Stadien der Progression stammen, werden verglichen, um die Unterschiede zwischen den frühen und fortgeschrittenen Stadien der Krankheit aufzuklären. Obwohl viele Studien zur Mikroarray-Analyse bei Erkrankungen des Menschen veröffentlicht wurden, stellen wir hier einige von denen vor, die ein klinisches Interesse für die Onkologie haben.

Microarray und Prostatakrebs

Kürzlich wurden mehrere Studien veröffentlicht, in denen Microarrays zur Charakterisierung von Prostatakrebs-Genexpressionsprofilen verwendet wurden. Diese Studien haben die Microarray-Technologie als Werkzeug zur Entdeckung von Genen verwendet, um genetische Marker zu identifizieren, die zwischen normalem und krebsartigem Prostatagewebe unterscheiden. Eine einfache Microarray-Studie wurde unter Verwendung von gefleckten Membranarrays durchgeführt, um normale und krebsartige Gewebe und Zelllinien zu analysieren (Bull et al., 2001). Membran-Microarray-Befunde sind durch die relative Unempfindlichkeit dieser Technik zum Nachweis von Transkripten, die in geringen Mengen exprimiert werden, und die geringe Anzahl von Flecken, die auf den Membranen platziert werden können, begrenzt; diese Studie hat jedoch Kandidatenmarker für Prostatakrebs zur weiteren Bewertung ergeben. Fünf veröffentlichte Studien haben Genexpressionsprofile in mehreren tausend Genen in Normal- und Prostatageweben analysiert und zur Sortierung von Proben eine unbeaufsichtigte hierarchische Clusteranalyse verwendet (Dhanasekaran et al., 2001; Luo et al., 2001, 2002b; Welsh et al., 2001a; Singh et al., 2002). Dhanasekaran et al. (2001) konnten normale Prostata, benigne Prostatahyperplasie (BPH), lokalisierten Prostatakrebs und metastasierten Prostatakrebs Proben mit 9.984 Element-spotted Microarrays unterscheiden. Unter Verwendung der hierarchischen Clusteranalyse Luo et al. (2001) konnten 16 Prostatakrebsproben von neun BPH-Proben auf der Grundlage von Unterschieden in Genexpressionsprofilen, gemessen an 6.500 elementgefleckten cDNA-Mikroarrays, unterscheiden. Welsh et al. (2001a) berichteten über eine ähnliche Sortierung von normalen und malignen Prostatagewebeproben unter Verwendung von Oligonukleotid-Mikroarrays. Interessanterweise identifizierten alle fünf Gruppen, dass die Transmembranserin-Protease Hepsin im Vergleich zu normalem Prostatagewebe eine signifikant erhöhte Expression in malignen Geweben aufweist (Dhanasekaran et al., 2001; Luo et al., 2001, 2002b; Welsh et al., 2001a; Singh et al., 2002). Viele andere Kandidatenmarker für Prostatakrebs wie das Protoonkogen PIM1 sind aus anderen Studien hervorgegangen und werden als potenzielle diagnostische Marker weiter untersucht. Die verminderte PIM1-Expression in der Immunhistochemie von Prostatatumorproben führte zu einem erhöhten Rezidivrisiko nach der Operation (Dhanasekaran et al., 2001). Andere Gruppen, die Kombinationen aus subtraktiver Hybridisierung und Microarray-Analyse verwenden, haben mehrere potenzielle Kandidaten für die immunmodulatorische Therapie von Prostatakrebs identifiziert, darunter Prostein (Xu et al., 2001), STEAP (Hubert et al., 1999) und p504S/Alpha-Methylacyl-CoA-Racemase (Jiang et al., 2001). In einer sehr aktuellen Studie haben Virolle et al. (2003) verwendeten eine Prostatakrebszelllinie, die ein hohes konstitutives Niveau von Egr1-Protein exprimiert, einem Transkriptionsfaktor, der in der Mehrzahl aggressiver tumorigener Prostatakrebszellen überexprimiert wird. Sie bewerteten die Transkriptionsregulation von Egr1, indem sie eine Oligonukleotid-Microarray-Analyse unter Verwendung von Zellen durchführten, die in Egr1 als Vergleichsprobe für die Identifizierung von Egr1-Zielgenen mangelhaft gemacht wurden. Zum ersten Mal in Prostatageweben bestätigte diese Studie die wachstumsfördernde Rolle von Egr1, die zuvor in anderen Zellsystemen beobachtet wurde, und identifizierte mehrere neue Zielgene, die spezifisch das Wachstum, den Zellzyklusverlauf und apoptotische Wege steuern.

Microarray und Mundkrebs

Bisher wurden nur wenige für Mundkrebs relevante Microarray-Studien veröffentlicht. Chang et al. (1998) illustrierten die Verwendung von cDNA-Mikroarrays zur Charakterisierung transformationsbezogener Gene bei Mundkrebs. Villaret et al. verwendete eine Kombination aus komplementärer DNA-Subtraktion und Microarray-Analyse, um einzigartige Gene, die für Plattenepithelkarzinome des Kopfes und Halses (HNSCC) spezifisch sind, als potenzielle Tumormarker und Impfstoffkandidaten zu bewerten. Es wurde festgestellt, dass neun bekannte Gene in HNSCC im Vergleich zu normalem Gewebe signifikant überexprimiert sind. Darüber hinaus wurden vier neue Gene in einer Untergruppe von Tumoren überexprimiert (Villaret et al., 2000). Alevizos et al. (2001) analysierte das Transkriptom beim Plattenepithelkarzinom der Mundhöhle. Sie fanden etwa 600 Kandidatengene (Onkogene, Tumorsuppressoren, Transkriptionsfaktoren, Differenzierungsmarker, metastasierende Proteine und xenobiotische Enzyme), die bei Mundkrebs differentiell exprimiert wurden, und validierten nur drei dieser Gene durch PCR.

Lu et al. (2001) verwendeten den Microarray-Ansatz, um Veränderungen des Genexpressionsprofils während der Initiierung und Progression von Plattenepithelkarzinomen der Speiseröhre zu bewerten. Sie untersuchten Genexpressionsprofile in verschiedenen Stadien der Initiierung und Progression von Speiseröhrenkrebs, um Gene zu identifizieren, die zwischen diesen Stadien differentiell exprimiert wurden. Frierson et al. (2002) verwendeten Oligonukleotid-Microarray-Analysen, um die Expression von 8.920 verschiedenen menschlichen Genen in 15 adenoiden zystischen Karzinomen (ACCs), einer ACC-Zelllinie und fünf normalen großen Speicheldrüsen zu untersuchen. Unter den Genen mit veränderter Expression in ACC befanden sich solche, die für die Transkriptionsfaktoren SOX4 und AP-2 gamma, Caseinkinase 1 sowie Epsilon und Frizzled-7 kodieren, die beide Mitglieder des Wnt / Beta-Catenin-Signalwegs sind. In einer sehr aktuellen Studie, Leethanakul et al. (2003) generierte hochkomplexe cDNA-Bibliotheken aus Laser-Capture-mikrodissektiertem normalem und krebsartigem Plattenepithel. In dieser Studie untersuchten die Autoren die verfügbaren Sequenzinformationen mit bioinformatischen Werkzeugen und identifizierten 168 neuartige Gene, die im normalen und malignen Epithel differentiell exprimiert wurden. Darüber hinaus erhielten sie mithilfe von cDNA-Arrays Hinweise darauf, dass eine Teilmenge dieser neuen Gene in HNSCC stark exprimiert sein könnte.

Microarray und Brustkrebs

Angesichts der klinischen Heterogenität von Brustkrebs kann die Microarray-Technologie ein ideales Instrument sein, um eine genauere Klassifizierung zu erstellen. Erste Studien mit Microarray-basiertem Expressionsprofil zeigten seine Fähigkeit, Östrogenrezeptor-negativen und Östrogenrezeptor-positiven Brustkrebs korrekt zu klassifizieren (Perou et al., 2000; West et al., 2001) und zur Differenzierung von BRCA1-bezogenen Tumoren von BRCA2-bezogenen und sporadischen Tumoren (Hedenfalk et al., 2001; van’t Veer et al., 2002).

Die Studie von van’t Veer et al. war eine der umfangreichsten und informativsten Studien, die bisher durchgeführt wurden. Die Autoren untersuchten 117 primäre Brustproben durch Microarray-basierte Genexpressionsprofile, um prognostische Profile zu entwickeln und diese mit bekannten prognostischen Markern bei Brustkrebs zu vergleichen. Von den 5.000 Genen mit variablen Expressionsprofilen wurden 70 identifiziert, um eine optimale Genauigkeit bei der Vorhersage wiederkehrender Erkrankungen zu erzielen. Mit dieser Klassifikation, die Autoren richtig vorhergesagt, das tatsächliche Ergebnis der Krankheit für 65 von 78 Patienten. Fünf Patienten mit guter Prognose und acht Patienten mit schlechter Prognose wurden falsch zugeordnet. Standard-Prognosemarker bei Brustkrebs wurden verwendet, um das Risiko eines erneuten Auftretens von Krebs abzuschätzen und Entscheidungen über eine adjuvante Therapie zu treffen. Leider identifizieren aktuelle prognostische Marker die für den Patienten am besten geeignete Therapie nicht ausreichend. Die Vorhersagekraft des Microarray-Ansatzes ist viel größer als die der derzeit verwendeten Ansätze, muss jedoch in prospektiveren klinischen Studien validiert werden. Wenn der prognostische Wert dieses Ansatzes bestätigt würde, würde der Expressionsprofilklassifikator zu einer etwa vierfachen Abnahme der Patienten führen, die unnötig eine adjuvante Therapie erhalten (Caldas und Aparicio, 2002).

Martin et al. (2001) beschrieben ein Verfahren zur Identifizierung von zirkulierendem Brustkrebs durch einen zweistufigen Prozess der differentiellen Anzeige und der hochempfindlichen Array-basierten Expressionsprofilierung. Auch wenn das Potenzial dieser Technik vielversprechend ist, müssen ihre Sensitivität und Spezifität noch verbessert werden, und es sind weitere Arbeiten erforderlich, um die klinische Bedeutung des Nachweises von Genexpressionsprofilen im peripheren Blut zu bestimmen. Einige Artikel haben nun einen Zusammenhang zwischen Tumorexpressionsprofilen unter Verwendung der Microarray-Technologie und dem klinischen Ergebnis gezeigt. Zum Beispiel Sorlie et al. (2001) zeigten, dass durch Expressionsprofile definierte Tumorunterklassen das krankheitsfreie und das Gesamtüberleben vorhersagen können, und Sotiriou et al. (2002) zeigten, dass Expressionsprofile vor der Behandlung das klinische Ansprechen auf eine Chemotherapie in einer kleinen Stichprobe von Brusttumoren vorhersagten. Obwohl die Studie von Sorlie et al. war sehr provokativ, die Autoren verglichen den prognostischen Wert der durch hierarchisches Clustering identifizierten Gruppen nicht mit derzeit verwendeten prognostischen Faktoren bei Brustkrebs. Da die Arzneimittelresistenz bei Krebs ein Haupthindernis für eine erfolgreiche Chemotherapie darstellt, ist die Machbarkeit der Gewinnung eines potenziellen molekularen Profils oder Fingerabdrucks von Krebsmedikamenten in Krebszellen durch Microarray-Technologie entscheidend, um das Ansprechen auf die Chemotherapie vorherzusagen. Kudoh et al. (2000) zeigten diese Fähigkeit, Veränderungen der Genexpressionsprofile in einer mit Chemotherapie behandelten Brustkrebszelllinie zu definieren. Sie überwachten die Expressionsprofile von MCF-7-Brustkrebszellen, die entweder vorübergehend mit Doxorubicin behandelt oder auf Doxorubicin-Resistenz ausgewählt wurden. Diese Studie zeigte, dass eine vorübergehende Behandlung mit Doxorubicin die Expression einer vielfältigen Gruppe von Genen zeitabhängig veränderte.

Microarray und Eierstockkrebs

In den letzten Jahren haben mehrere Forscher interessante Studien zum Expressionsprofil von Eierstockkrebs veröffentlicht. In: Martoglio et al. (2000) analysierten die Genexpressionsprofile von fünf normalen Ovarien und vier schlecht differenzierten serösen papillären Ovarialadenokarzinomproben. Mit einem kleinen ‚in-house‘ Nylon-Membran-cDNA-microarray fanden Sie eine allgemeine Zunahme der Angiogenese-bezogenen Marker (z. B. Angiopoietin-1, VEGF), apoptotischen und neoplastischen Marker, Immunantwort-Mediatoren und neuartige potenzielle Marker von Eierstockkrebs (z. B. Cofilin, Moesin und neuron-restriktive Silencer-Faktor-Protein) im Krebsgewebe. Die Studie war faszinierend, weil sie ein kostengünstiges cDNA-Array verwendeten, das auf Studien spezifischer Signalwege wie Angiogenese und Tumorentstehung zugeschnitten war. Da es problematisch ist, auf eine ausreichende Menge an frühem Ovarialtumorgewebe zuzugreifen, verwendeten die Forscher verschiedene Strategien, um die Notwendigkeit von Gewebemengen zu umgehen, die typischerweise für die Mikroarray-Analyse erforderlich sind. Zum Beispiel, Ismail et al. (2000) berichteten über eine Studie mit 864 DNA-Elementen, die gegen 10 Eierstockkrebszelllinien und fünf normale Epithelzelllinien gescreent wurden, wobei eine Kurzzeitzellkultur verwendet wurde, um das Ovarialoberflächenepithel vor der RNA-Extraktion zu erweitern. Andere Forscher reinigten das Ovarialepithel durch In-vitro-Verfahren wie Glashaftung oder immunomagnetische Anreicherung (Ono et al., 2000; Welsh et al., 2001b). Diese beiden Ansätze können jedoch Verzerrungen in der beobachteten Genexpression einführen. In der Tat ist der erste Ansatz (Ismail et al., 2000) verwendet kultivierte Krebszellen, die In-vivo-Krebserkrankungen aufgrund der Möglichkeit sekundärer Genexpressionsveränderungen, die in vitro infolge von Kulturbedingungen auftreten, möglicherweise nicht widerspiegeln. Die zweite Strategie (Ono et al., 2000; Welsh et al., 2001b) ist sehr lang und kann zum Abbau von weniger stabilen RNA-Botenstoffen führen. Um mögliche Verzerrungen zu vermeiden, die in einigen Studien verwendeten In-vitro-Kulturen innewohnen (Ismail et al., 2000; Matei et al., 2002) haben andere Forscher Genexpressionsmuster direkt von chirurgisch resezierten Tumoren untersucht (Shridhar et al., 2001). Kleine, spezialisierte Microarrays haben mehrere praktische Vorteile und können Informationen aufdecken, die in größeren Microarrays verloren gehen können. Sawiris et al. (2002) verwendeten ein hochspezialisiertes cDNA-Mikroarray namens ‚Ovachip‘ und fanden dieses Mikroarray äußerst empfindlich bei der Unterscheidung von Eierstockkrebs von Darmkrebs basierend auf Genexpressionsmustern. Screening-Biomarker für Eierstockkrebs sind aufgrund des späten Stadiums bei der Diagnose und des schlechten Überlebens, das mit dieser Art von Krebs verbunden ist, sehr wichtig. Kürzlich verwendeten zwei Studien die Microarray-Technologie, um zwei überexprimierte potenzielle Eierstockkrebs-Serummarker namens Osteopontin und Prostasin zu identifizieren, und berichteten über eine vorläufige Validierung ihrer Verwendung zur Früherkennung der Krankheit (Mok et al., 2001; Kim et al., 2002).

Microarray und andere Krebsarten

Die Anwendung der Microarray-Technologie auf andere menschliche Krebsarten nimmt rapide zu. Die bahnbrechende Studie von Golub et al. (1999) zeigten die Möglichkeit, akute myeloische Leukämie und akute lymphoblastische Leukämie (ALL) basierend auf der Überwachung der Genexpression zu unterscheiden und wie in einer simulierten Situation, die für die histologische Diagnose ‚blind‘ war, die beiden Klassen allein durch die Genexpressionsmuster entdeckt werden konnten. Alizadeh et al. (2000) identifizierten die beiden Formen des diffusen großzelligen B-Zell-Lymphoms (DLBCL) anhand von Genexpressionsprofilen, die auf verschiedene Stadien der B-Zell-Differenzierung hinweisen. Interessanterweise hat diese molekulare Klassifikation einen prognostischen Wert unabhängig von der Stratifizierung durch die übliche klinische Einstufung. Um die Genexpression bei lymphoiden Malignomen zu untersuchen, entwickelte eine große kollaborative Gruppe einen spezialisierten Mikroarray namens Lymphochip, der mit Genen angereichert ist, die selektiv in Lymphozyten exprimiert werden, und mit Genen, die die Lymphozytenfunktion regulieren (Alizadeh et al., 1999). Diese Gruppe untersuchte mit diesem Microarray DLBCL und fand zwei molekular unterschiedliche Formen dieses Tumors. Darüber hinaus zeigten sie, dass die DLBCL-Untergruppen eine Untergruppe von Patienten mit einer ausgeprägten klinischen Prognose definierten. Um die Hypothese zu testen, dass B-Zell-chronische lymphatische Leukämie (CLL) mehr als eine Krankheit ist, haben Rosenwald et al. (2001) bezogen die Genexpressionsmuster von CLL auf ihren Ig-Mutationsstatus und auf andere Arten von normalen und malignen B-Zellen. Interessanterweise wurden die Gene, die im Vergleich zu DLBCL in CLL als hoch exprimiert identifiziert wurden, in allen CLL-Proben unabhängig von ihrem Ig-Mutationsstatus äquivalent exprimiert. Diese Studie legte nahe, dass alle CLL-Fälle einen gemeinsamen Mechanismus der Transformation und / oder der Ursprungszelle aufwiesen. Eine aktuelle Studie (Stratowa et al., 2001) hat eine Liste potenzieller neuer prognostischer Marker vorgeschlagen, die am Lymphozytentransport beteiligt sind und mit dem Krankheitsstadium und / oder dem Überleben des Patienten assoziiert sind.

In einer sehr aktuellen Studie haben Gariboldi et al. (2003) analysierten die Genexpressionsprofile im Normalgewebe von hauttumorempfindlichen und -resistenten Mäusen, um Gene zu identifizieren, die eine funktionelle Rolle bei der genetischen Suszeptibilität spielen. Diese Studie hat eine Rolle des Scca2-Gens, eines Mitglieds der Serin-Protease-Inhibitor-Superfamilie, bei der genetischen Prädisposition für Hauttumoren vorgeschlagen.

Die Microarray-Technologie wurde auch bei der Analyse von Melanomen eingesetzt (Bittner et al., 2000). Diese Studie legt nahe, dass Genexpressionsprofile innerhalb eines einzelnen Patientengewebes im Laufe der Zeit bemerkenswert konserviert werden können und dass eine globale Transkriptanalyse nicht erkannte Subtypen von Hautmelanomen identifizieren und experimentell überprüfbare phänotypische Eigenschaften vorhersagen kann.

Studien an Darmkrebszellen und -geweben zeigten eine signifikante Unterdrückung des Kinase-Gens WEE1Hu (Backert et al., 1999).

Viele Transkriptome verändern sich nach spezifischer Überexpression tumorbezogener Gene. Zum Beispiel haben wir ein Adenovirus-vermitteltes Expressionssystem des RB2 / p130-Tumorsuppressorgens in einer nicht-kleinen Lungenkrebszelllinie verwendet, um spezifische Gene zu identifizieren, die durch pRb2 / p130 reguliert werden (Russo et al., 2003). Unsere Microarray-Ergebnisse haben eine Vielzahl von Genen identifiziert, die an vielen zellulären Prozessen beteiligt sind, einschließlich Zellteilung, Zellsignalisierung / Zellkommunikation, Zellstruktur / -motilität sowie Genexpression und Stoffwechsel. Diese Ergebnisse deuten auf neue potenzielle therapeutische Biomarker beim Lungenkarzinom hin. Darüber hinaus deuten die Ergebnisse einer anderen cDNA-Microarray-Studie darauf hin, dass die Überexpression des Tumorsuppressorgens PTEN die Invasion von Lungenkrebs hemmen kann, indem ein Panel von Genen herunterreguliert wird (Hong et al., 2000). In Anbetracht der obigen Daten ist es klar, dass der Microarray-Ansatz bei der Analyse einer Vielzahl von Tumortypen sehr wichtig ist.