Die Durchführung von Datenkinining und die integrative Analyse von Biomarker bei Brustkrebs mit mehreren, öffentlich zugänglichen Datenbanken
17. Mai 2019
Hier stellen wir ein Protokoll vor, um den Biomarker und den Überlebensprediger von Brustkrebs zu erforschen, das auf der umfassenden Analyse von gebündelten klinischen Datensätzen basiert, die aus einer Vielzahl von öffentlich zugänglichen Datenbanken abgeleitet werden, und dabei die Strategie des Ausdrucks, der Korrelation und Überlebensanalyse Schritt für Schritt.
Hier stellen wir ein Protokoll zur Erforschung des Biomarkers und überlebensvorhersager von Brustkrebs auf der Grundlage einer Vielzahl öffentlich zugänglicher Datenbanken vor. Diese Methode kann die Glaubwürdigkeit und Repräsentativität der Schlussfolgerungen verbessern und somit eine informative Perspektive auf ein Gen von Interesse darstellen. Der Vorteil dieser Methode ist, dass sie eine schnelle Visualisierung und Interpretation der potenziellen Rolle eines Gens bei Brustkrebs ermöglicht.
Darüber hinaus können alle Ergebnisse, die durch dieses Verfahren erzielt werden, sofort getestet und wiederholt werden, indem einfach die entsprechenden Websites abgefragt werden. Wir haben uns in der Studie für Brustkrebs entschieden, um die Durchführbarkeit dieser Methode zu testen. Da Brustkrebs eine heterogene Krankheit ist, können Diagnose, Behandlung und Prognose verschiedener molekularer Subtypen von Brustkrebs variieren.
Daher ist es besonders wichtig, effiziente Online-Tools oder Datenbanken mit Informationen zu finden, die die unterschiedlichen Subtypen von Brustkrebs widerspiegeln. Um mit diesem Verfahren zu beginnen, gehen Sie zur ONCOMINE-Weboberfläche. Geben Sie ID1 in das Suchfeld ein, um die relativen Expressionsniveaus von Gen ID1 in verschiedenen Arten von Malignitäten zu erhalten.
Wählen Sie im Menü "Primärfilter" den Analysetyp aus, und wählen Sie dann Krebs vs. Normalanalyse aus. Wählen Sie im Menü andere Ansichten die Genzusammenfassungsansicht aus.
Legen Sie den Schwellenwert für den P-Wert auf 0,01 fest. Legen Sie den Schwellenwert für die Falzänderung auf 2 fest. Legen Sie die Schwelle des Genrangs auf Alle fest.
Legen Sie den Datentyp auf Alle fest. Laden Sie die Zahlen herunter. Wechseln Sie zunächst zum BC Gene-Expression Miner-Webinterface.
Wählen Sie im Analysemenü Korrelation aus, und drücken Sie dann die erschöpfende Taste. Geben Sie ID1 in das Suchfeld ein und drücken Sie die Schaltfläche "Senden" und die Schaltfläche Analyse starten. Für die Subgruppenanalyse im BC Gene-Expression Miner gehen Sie zur BC Gene-Expression Miner-Schnittstelle.
Wählen Sie im Analysemenü den Ausdruck aus, und drücken Sie die erschöpfende Taste. Geben Sie ID1 in das Suchfeld ein und drücken Sie die Schaltfläche "Senden" und die Schaltfläche "Startanalyse". Klicken Sie auf den Knotenstatus und die Thumbnails des Note-Miniaturansichten von Scarff Bloom Richardson, um vollständige Bilder anzuzeigen.
Drücken Sie in den Bildern von Scarff Bloom Richardson die Schaltfläche unten, um die P-Werte der Figuren zu visualisieren. Laden Sie dann die Zahlen herunter. Für Eine Subgruppenanalyse über Gene expression-basiertes Ergebnis für Brustkrebs Online finden Sie auf der GOBO-Weboberfläche.
Geben Sie die ID1 für das gen-Symbol von Interesse ein, und laden Sie den Gensatz hoch. Legen Sie den Suchbereich für die Definition von Gen-/Sonden-IDs auf Gensymbol fest. Legen Sie alle in der Tumorauswahl fest, und wählen Sie Knotenstatus und Gradgeschichte in den multivariaten Parametern aus.
Die anderen Elemente bleiben standardmäßig. Jetzt reichen Sie die Anfrage ein und laden Sie die Zahlen herunter. Für die Überlebensanalyse im BC Gene-Expression Miner, gehen Sie auf die BC Gene-Expression Miner Web-Schnittstelle.
Wählen Sie im Analysemenü prognostisch aus, und drücken Sie dann die erschöpfende Taste. Geben Sie ID1 in das Suchfeld ein, und drücken Sie die Schaltfläche "Senden" und dann die Schaltfläche Analyse starten. Wählen Sie in der umfassenden prognostischen Analyse Nm, ERm, MR in den Populations- und Ereigniskriterien aus, und drücken Sie die Schaltfläche "Senden", um weitere Informationen zu erhalten.
Klicken Sie danach auf die Miniaturansichten der Kaplan-Meier-Kurve, um die vollständigen Diagramme zu exportieren. Für die Überlebensanalyse im Human Protein Atlas gehen Sie zur Weboberfläche Human Protein Atlas. Geben Sie ID1 in das Suchfeld ein, und klicken Sie auf die Suchschaltfläche.
Wählen Sie als Nächstes den Unteratlas für Die Pathologie aus. Klicken Sie auf das Etikett für Brustkrebs, und eine detaillierte Seite wird mit einer interaktiven Überlebensstreuungundung und Überlebensanalyse angezeigt. Laden Sie diese Zahlen herunter.
Für die Überlebensanalyse im Kaplan-Meier Plotter Survival gehen Sie zum Kaplan-Meier Plotter Web interface. Klicken Sie in der mRNA-Genchipzone auf KM-Plotter für Brustkrebs starten. Geben Sie ID1 in die Suchleiste ein, und wählen Sie das grüne Element im Kandidatenmenü aus.
Wählen Sie dann RFS als Überlebenstyp aus, und lassen Sie die anderen Elemente bei den Standardeinstellungen. Klicken Sie auf Kaplan-Meier-Plot zeichnen und laden Sie die Figuren herunter. In dieser Studie wird ein repräsentatives Ergebnis für die Data Mining und integrative Analyse eines Brustkrebs-Biomarkers mit ID1, einem der DNA-bindenden Familienmitglieder des Inhibitors, durchgeführt.
Die Unterschiede der ID1-mRNA-Expression zwischen Tumor und normalem Gewebe werden zunächst mit hilfe der ONCOMINE-Datenbank analysiert, die insgesamt 445 eindeutige Analysen enthält. Es gibt nur 5 Studien, die eine mRNA-Expression von ID1 zeigen, die in normalen Geweben signifikant höher ist als in Brustkrebsgeweben, was darauf hindeutet, dass es eine Expressiondysregulation von ID1 bei Brustkrebs gibt. Der BC Gene-Expression Miner wird dann verwendet, um die Korrelation zwischen der mRNA-Expression von ID1 und den klinisch-pathologischen Parametern von Brustkrebspatientinnen zu identifizieren.
Die mRNA-Spiegel von ID1 sind bei Brustkrebspatientinnen ohne Lymphknotenmetastasierung im Vergleich zu Patienten mit Lymphknotenmetastasierung signifikant erhöht. Die Analyse in GOBO zeigt, dass erhöhte mRNA-Spiegel von ID1 mit einem niedrigeren Tumorgehalt korrelieren. Diese Ergebnisse deuten darauf hin, dass eine erhöhte Expression von ID1 mit einem geringeren metastasierenden Potenzial und einem niedrigeren pathologischen Grad bei Brustkrebs verbunden ist.
Die Analyse aus der BC Gene-Expression Miner-Datenbank zeigt, dass höhere mRNA-Spiegel von ID1 mit einem längeren metastasierenfreien Überleben bei Brustkrebspatientinnen korreliert. Die Analyse aus dem Human Protein Atlas legt auch nahe, dass erhöhte Proteinspiegel von ID1 mit einem besseren Überlebensergebnis bei Brustkrebspatientinnen verbunden sind. Die Überlebensanalyse des Kaplan-Meier Plotters stimmt mit diesen Befunden überein und zeigt, dass höhere mRNA-Spiegel der ID1-Expression ein besseres rezidivfreies Überleben bei Brustkrebspatientinnen vorhersagen.
Immer mehr Online-Datenbanken werden für Forscher verfügbar oder zugänglich sein. Das Protokoll könnte eine effiziente Methode für Forscher bieten, um potenzielle Zielgene und den damit verbundenen Signalweg zu identifizieren.
Sehen Sie sich das vollständige Transkript an und erhalten Sie Zugang zu Tausenden wissenschaftlicher Videos
Übersicht
Dieser Artikel stellt ein Protokoll zur Untersuchung von Biomarkern und Überlebensvorhersagern beim Brustkrebs durch eine umfassende Analyse öffentlich zugänglicher klinischer Datensätze vor. Die Methode erhöht die Glaubwürdigkeit der Ergebnisse und ermöglicht eine schnelle Visualisierung der Genfunktionen beim Brustkrebs.
Wesentliche Studienkomponenten
Bereich der Wissenschaft
- Forschung zum Brustkrebs
- Biomarker-Analyse
- Überlebensvorhersage
Hintergrund
- Brustkrebs ist eine heterogene Erkrankung.
- Diagnose, Behandlung und Prognose variieren zwischen den molekularen Subtypen.
- Öffentliche Datenbanken stellen wertvolle klinische Daten bereit.
- Das Verständnis der Genfunktionen kann Behandlungsstrategien unterstützen.
Zweck der Studie
- Entwicklung eines Protokolls zur Analyse von Biomarkern des Brustkrebses.
- Beurteilung von Überlebensvorhersageparametern basierend auf der Genexpression.
- Verbesserung der Repräsentativität von Schlussfolgerungen, die aus Daten gezogen werden.
Verwendete Methoden
- Umfassende Analyse zusammengefasster klinischer Datensätze.
- Methoden zur Expressions-, Korrelations- und Überlebensanalyse.
- Visualisierung der Genfunktionen beim Brustkrebs.
- Reproduzierbarkeit durch Abfragen öffentlicher Datenbanken.
Hauptergebnisse
- Identifizierung potenzieller Biomarker für Brustkrebs.
- Erkenntnisse zu Überlebensvorhersagern basierend auf Genexpression.
- Nachweis der Durchführbarkeit der Methode anhand von Brustkrebsdaten.
- Verbessertes Verständnis der Variationen molekularer Subtypen.
Schlussfolgerungen
- Das Protokoll bietet einen systematischen Ansatz für die Biomarker-Analyse.
- Die Ergebnisse können durch Abfragen öffentlicher Datenbanken validiert werden.
- Diese Methode kann zukünftige Forschung und Behandlung von Brustkrebs beeinflussen.
Häufig gestellte Fragen
Ausführliche Bedeutung für die Industrie
Die Integration mehrdimensionaler genomischer Daten aus öffentlichen Datenbanken ermöglicht eine schnelle Hypothesenprüfung und die Validierung von Biomarkern in der Brustkrebsforschung. Dieser Ansatz verbessert die Glaubwürdigkeit und Repräsentativität der Schlussfolgerungen, indem gepoolte klinische Datensätze über mehrere Plattformen hinweg genutzt werden. Er unterstützt frühe Entdeckungsworkflows, indem er zugängliche und reproduzierbare Einblicke in Genexpressionsmuster und Überlebensassoziationen bereitstellt.
Strategische Anwendungen in der Biopharma-Forschung und -Entwicklung
Frühe Entdeckung und Zielvalidierung
- Wissenschaftlicher Wert: Ermöglicht die Überprüfung therapeutischer Hypothesen durch die Analyse von Expressionsmustern von Biomarkern wie ID1 in tumorösem im Vergleich zu normalem Gewebe.
- Wissenschaftlicher Wert: Unterstützt die biologische Risikominimierung, indem sie die Expression von Biomarkern mit klinisch-pathologischen Merkmalen wie Lymphknotenmetastasen und Tumorgrad korreliert.
- Wissenschaftlicher Wert: Steigert das Vertrauen in Zielstrukturen, indem Überlebensassoziationen über unabhängige Datensätze hinweg identifiziert werden, wodurch der prädiktive Wert von Biomarker-Kandidaten gestärkt wird.
Screening und Assay-Entwicklung
- Betrieblicher Nutzen: Bereitet validierte biologische Systeme für nachgeschaltete Arbeitsabläufe vor, indem Expressionsgrundlagen und gruppenspezifische Profile unter Verwendung standardisierter Abfrage-Schwellenwerte etabliert werden.
- Betrieblicher Nutzen: Fördert die Standardisierung und Reproduzierbarkeit von Assays durch die konsistente Anwendung von Filtern für P-Wert, Fold-Change und Gen-Rang über verschiedene Datenbanken hinweg.
- Betrieblicher Nutzen: Ermöglicht die Bereitschaft für Screenings, indem quantitative Ergebnisse (z. B. Expressionsniveaus, Überlebenskurven) generiert werden, die unmittelbar über öffentliche Web-Schnittstellen erneut getestet werden können.
Translationale und präklinische Forschung
- Translationale Relevanz: Unterstützt die Modellierung krankheitsrelevanter Systeme, indem die Expression von Biomarkern über molekulare Subtypen und klinische Untergruppen hinweg stratifiziert wird, die für die Heterogenität des Mammakarzinoms relevant sind.
- Translationale Relevanz: Erleichtert die mechanistische Ent-Risikobewertung, indem der Zusammenhang zwischen ID1-Expression und einem geringeren metastatischen Potenzial sowie besseren Überlebensergebnissen hergestellt wird, was die präklinische Priorisierung beeinflusst.
- Translationale Relevanz: Stärkt die translationale Kontinuität, indem konsistente Assoziationen mit dem Überleben über unabhängige Plattformen hinweg nachgewiesen werden (bcGenExMiner, HPA, Kaplan-Meier Plotter).
Pipeline und Workflow-Integration
Die Methode integriert sich in den Entdeckungsprozess von der Zielvalidierung bis zur präklinischen Bewertung, indem sie reproduzierbare, multiquellige Hinweise zum Biomarker-Verhalten beim Brustkrebs liefert.
- Entdeckungsbiologie: Unterstützt die Hypothesenprüfung und Klärung von Signalwegen durch Analyse der Expressionsstörungen und klinischen Korrelationen von Genen wie ID1 in Krebs- und Normalproben.
- Screening: Liefert versuchsfertige quantitative Ergebnisse wie Fold-change-Schwellenwerte und Hazard-Verhältnisse für die Überlebensanalyse, die eine zuverlässige Bewertung von Substanzen oder genetischen Störungen ermöglichen.
- Analytik: Bietet standardisierte Messgrößen wie Expressionsniveaus, Korrelationskoeffizienten, P-Werte und Kaplan-Meier-Überlebensschätzungen für den Vergleich zwischen verschiedenen Bedingungen.
- Translationale Forschung: Verbindet Entdeckungen mit der präklinischen Kontinuität, indem biomarkerbezogene Überlebenszusammenhänge in unabhängigen klinischen Datensätzen validiert werden.
- Unternehmensweite Wiederverwendung: Schafft eine wiederverwendbare Kapazität zur Biomarker-Bewertung über verschiedene Krebsarten hinweg, unter Nutzung öffentlich zugänglicher Datenbanken ohne proprietäre Infrastruktur.
Operative und unternehmerische Auswirkungen
- Wissenschaftlicher Wert: Erhöht die Vorhersagesicherheit bei Biomarker-Kandidaten durch eine Validierung über mehrere Datenbanken hinweg und die Reduzierung mechanistischer Unschärfen.
- Operationaler Wert: Stellt Reproduzierbarkeit und Standardisierung sicher, indem wiederholbare, webbasierte Abfragen mit definierten analytischen Schwellenwerten verwendet werden.
- Strategischer Wert: Verbessert Entscheidungen über Fortsetzung oder Abbruch von Projekten, indem repräsentative, multikohortenbasierte Belege zu Biomarker-Zusammenhängen mit Überleben und Krankheitsbild bereitgestellt werden.
- Portfolio-Wirkung: Ermöglicht eine risikoadjustierte Priorisierung von Zielstrukturen durch die Integration von Expressions-, Korrelations- und Überlebensdaten zur Bewertung biologischer und klinischer Relevanz.
Durchführungsüberlegungen
- Erfordert Fachkenntnisse in der Interpretation genomischer Daten und Vertrautheit mit Schnittstellen öffentlich zugänglicher Krebsdatenbanken.
- Setzt eine stabile Nutzung online verfügbarer Plattformen wie ONCOMINE, bcGenExMiner, GOBO, HPA und Kaplan-Meier Plotter voraus.
- Erfordert eine standardisierte Abstimmung der Abfrageparameter (z. B. P-Wert-Schwellenwerte, Fold-Change-Grenzwerte) zwischen verschiedenen Arbeitsgruppen, um konsistente Ergebnisse zu gewährleisten.
- Beinhaltet Anpassungsüberlegungen bei der Anwendung des Protokolls auf verschiedene Krebstypen oder Biomarker-Gene, bedingt durch die datenbankspezifische Verfügbarkeit von Daten.
- Ist durch Umfang und Qualitätsniveau der öffentlich zugänglichen Datensätze begrenzt, was die Vollständigkeit von Subgruppen- oder Überlebensanalysen beeinträchtigen kann.
