$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
In den letzten Jahren wurden neue Datenbanken entwickelt, um die Barrieren für die Annäherung an die experimentellen genetischen Daten des Krebses zu verringern und damit den Forschern die Möglichkeit zu geben, Gene, Proben und klinische Daten über verschiedene Krebsarten zu analysieren und zu interpretieren. Hier beschreiben wir ein praktisches Operationsverfahren, bei dem ID1 (Inhibitor von DNA-Bindungsproteinen 1) als Beispiel die Expressionsmuster von Biomarker und Überlebensvorhersagen von Brustkrebs anhand von gebündelten klinischen Datensätzen, die von gebündelten klinischen Datensätzen abgeleitet werden, charakterisiert werden. Online-zugängliche Datenbanken, darunter ONCOMINE, bcGenExMiner v4.0 (Brustkrebs-Gen-Ausdruck miner v4.0), GOBO (Gene expression-basiertes Outcome for Breast cancer Online), HPA (Der menschliche Proteinatlas) und Kaplan-Meier Plotter. Die Analyse begann mit der Abfrage des Ausdrucksmusters des Gens von Interesse (z.B. ID1) bei Krebsproben vs. normalen Proben. Anschließend wurde die Korrelationsanalyse zwischen ID1 und klinikathologischen Merkmalen bei Brustkrebs durchgeführt. Als nächstes wurden die Expressionsprofile von ID1 nach verschiedenen Untergruppen geschichtet. Schließlich wurde der Zusammenhang zwischen ID1-Ausdruck und Überlebensergebnis analysiert. Das Operationsverfahren vereinfacht das Konzept, multidimensionale Datentypen auf der Genebene aus verschiedenen Datenbanken und Testhypothesen auf Rezidiven und genomischen Kontext von Genveränderungsereignissen bei Brustkrebs zu integrieren. Diese Methode kann die Glaubwürdigkeit und Repräsentativität der Schlussfolgerungen verbessern und damit eine informative Perspektive auf ein Gen von Interesse bieten.