利用多个公开数据库对乳腺癌生物标志物进行数据挖掘与整合分析

摘要

本文介绍了一种基于对来自多种公开数据库的合并临床数据集进行综合分析，以逐步开展表达、相关性及生存分析策略，探索乳腺癌生物标志物和生存预测因子的实验方案。

摘要

近年来，新兴数据库的开发旨在降低获取复杂癌症基因组数据集的门槛，从而帮助研究人员分析和解读多种癌症类型的基因、样本及临床数据。本文以ID1（DNA结合蛋白抑制因子1）为例，介绍一种实用的操作流程，基于来自ONCOMINE、bcGenExMiner v4.0（乳腺癌基因表达矿工v4.0）、GOBO（基于基因表达的乳腺癌预后在线分析平台）、HPA（人类蛋白质图谱）和Kaplan-Meier绘图仪等在线数据库整合的临床数据集，刻画乳腺癌生物标志物及生存预测因子的表达模式。分析首先比较目标基因（如ID1）在癌组织样本与正常组织样本中的表达模式；随后，开展ID1与乳腺癌临床病理特征之间的相关性分析；接着，根据不同的亚组对ID1的表达谱进行分层；最后，分析ID1表达水平与生存结局之间的关联。该操作流程简化了整合来自不同数据库的多维度基因水平数据的概念，并可用于检验关于乳腺癌中基因改变事件的复发风险及基因组背景的假设。该方法可提高结论的可信度与代表性，从而为关注的基因提供富有信息量的研究视角。

引言

乳腺癌是一种异质性疾病，不同分子亚型的预后和治疗策略各不相同，其发病机制和发展过程可能与不同的分子机制相关^1,2,3。然而，从基础研究中的初步发现到临床应用，确定一个治疗靶点通常需要数年甚至数十年时间⁴。癌症基因组中高通量测序技术的全基因组应用极大地推动了寻找有价值的生物标志物或治疗靶点的进程⁵。

来自大规模癌症基因组学平台（如国际癌症基因组联盟 ICGC 和癌症基因组图谱 TCGA）产生的海量癌症基因组数据，给研究人员在数据探索、整合与分析方面带来了巨大挑战，尤其对于缺乏生物信息学和计算技术深入训练的用户而言更是如此^6,7,8,9,10。近年来，一些新兴数据库（例如 ONCOMINE、bcGenExMiner v4.0 和 Kaplan-Meier plotter 等）被设....

方案

1. 表达模式分析

1. 访问 ONCOMINE 网络界面²⁶。
2. 在 搜索框 中输入 ID1，获取 ID1 基因在多种恶性肿瘤中的相对表达水平。
3. 在 主要筛选条件 菜单中选择 分析类型，然后依次选择 癌症与正常组织分析 和 乳腺癌与正常组织分析。
4. 从 其他视图 菜单中选择 基因汇总视图，将 P 值阈值设为 0.01，并下载图像。
   注意：倍数变化的阈值为 2，如先前研究中所述²⁷。

2. 表达相关性分析

1. 进入 bc-GenExMiner v4.0 网络界面²⁸。
2. 在 ANALYSIS 菜单中选择 CORRELATION，点击 EXHAUSTIVE 按钮。在搜索框中输入 I....

结果

使用ID1（DNA结合蛋白家族抑制因子成员之一）对乳腺癌生物标志物进行数据挖掘和整合分析的代表性结果，已在先前的研究中报道²⁵。

如图2所示，使用ONCOMINE数据库分析了多种癌症中肿瘤组织与正常组织之间ID1 mRNA表达的差异，该数据库共包含445项独立分析。其中5项研究显示，ID1的mRNA表达水平在正常组织中显著高于乳腺癌组织。这些数据表明ID1在乳腺癌中存在表达失调。图3展示了通过bc-GenExMiner v4.0分析获得的与ID1正相关和负相关最强的基因。为确定ID1 mRNA表达与乳腺癌患者临床病理参数之间的相关性，采用了bc-GenExMiner v4.0数据库进行分析。如图4所示，与伴有淋巴结转移的患者相比.......

讨论

对公共数据库的综合分析可能揭示目的基因的潜在功能，并阐明该基因与特定癌症临床病理参数之间的潜在关联^27,31。仅基于单一数据库的探索与分析可能因潜在的选择偏倚，或在一定程度上受数据质量差异的影响（包括数据采集方法及数据库分析算法的不同），而提供有限或孤立的视角¹⁹。本方案最关键的步骤是选择合适的数据库，所选数据库应被大量科研人员广泛认可，并具有足够的代表性。研究者应利用多个数据库验证假设，并相互印证来自不同数据库的结果，而非依赖单一数据库。

本文所述方案是一种便于研究者操作的实验流程。该方法的优势在于，能够快速可视化并解析某个基因在乳腺癌中的潜在作用。此外，通过该流程获得的所有结果均可通过直接访问相应的网站进行即时验证和重复实验。该方法的局限性在于，基于数据库综合分析所得出的结论可能无法完全反映临床实际情况中的真实功能或关联性。这可能源于数据库存在的系统性偏差，在某些情况下，也可能由于样本量不足所致

材料

本文使用的材料清单

姓名	公司	目录编号	评论
配备支持 JavaScript 的 Internet 浏览器的个人计算机或计算设备	Microsoft	051690762553	我们支持并测试以下浏览器：Google Chrome、Firefox 3.0 及以上版本、Safari 以及 Internet Explorer 9.0 及以上版本
Adobe Flash 播放器	Adobe Systems Inc.	可从 http://get.adobe.com/flashplayer/ 免费下载	在“网络 分析”标签页中可视化网络时，需要此浏览器插件
Chrome 浏览器	Google Inc.	可从 https://www.google.cn/chrome/ 免费下载	查看病理报告以及许多 可下载文件时必需
Java 运行时环境	Oracle Corporation	可从 http://www.java.com/getjava/ 下载
适用于教职员工的 Office 365 ProPlus	Microsoft	2003BFFD8117EA68	查看病理报告以及许多 可下载文件时必需
Vectr 在线工具	Vectr Labs Inc.	可从 https://vectr.com/new 免费使用	可视化和编辑许多 可下载文件及图片时必需