Realizar la minería de datos y análisis integrativos de biomarcadores en el cáncer de mama utilizando múltiples bases de datos accesibles públicamente
17 de mayo de 2019
Aquí, presentamos un protocolo para explorar el biomarcador y el predictor de supervivencia del cáncer de mama basado en el análisis integral de conjuntos de datos clínicos agrupados derivados de una variedad de bases de datos de acceso público, utilizando la estrategia de expresión, correlación y Análisis de supervivencia paso a paso.
Aquí, presentamos un protocolo para explorar el biomarcador y el predictor de supervivencia de la base del cáncer de mama sobre el análisis de una variedad de bases de datos accesibles al público. Este método puede mejorar la credibilidad y representatividad de las conclusiones, presentando así una perspectiva informativa sobre un gen de interés. La ventaja de este método es que permite la rápida visualización e interpretación del papel potencial de un gen en el cáncer de mama.
Además, todos los resultados obtenidos a través de este procedimiento pueden ser inmediatamente probados y repetidos simplemente consultando los sitios web correspondientes. Elegimos el cáncer de mama en el estudio para probar la viabilidad de este método. Debido a que el cáncer de mama es una enfermedad heterogénea, el diagnóstico, el tratamiento y el pronóstico de diferentes subtipos moleculares de cáncer de mama pueden variar.
Por lo tanto, es particularmente importante encontrar una herramienta o base de datos en línea eficiente con información que refleje los subtipos dispares del cáncer de mama. Para comenzar este procedimiento vaya a la interfaz web ONCOMINE. Escriba ID1 en el cuadro de búsqueda para obtener los niveles de expresión relativa del gen ID1 en varios tipos de neoplasias malignas.
En el menú De filtros primarios, seleccione el tipo de análisis y, a continuación, seleccione Cáncer frente a Análisis normal. En el menú de otras vistas, seleccione la vista de resumen de genes.
Establezca el umbral de valor P en 0,01. Establezca el umbral de cambio de pliegue en 2. Establezca el umbral de rango genético en Todos.
Establezca el tipo de datos en Todos. Descarga las cifras. Primero, vaya a la interfaz web BC Gene-Expression Miner.
En el menú de análisis, seleccione correlación y, a continuación, pulse el botón exhaustivo. Escriba ID1 en el cuadro de búsqueda y pulse el botón Enviar y el botón Iniciar análisis. Para el análisis de subgrupos en BC Gene-Expression Miner, vaya a la interfaz BC Gene-Expression Miner.
En el menú de análisis, seleccione la expresión y pulse el botón exhaustivo. Escriba ID1 en el cuadro de búsqueda y pulse el botón Enviar y el botón Iniciar análisis. Haga clic en el estado nodal y en las miniaturas de estado de grado scarff Bloom Richardson para ver imágenes completas.
En las imágenes de Scarff Bloom Richardson, pulse el botón de abajo para visualizar los valores P de las figuras. A continuación, descargue las cifras. Para el análisis de subgrupos a través de Resultado basado en expresiones génicas para el cáncer de mama en línea, vaya a la interfaz web de GOBO.
Escriba ID1 para el símbolo genético de interés y cargue el conjunto de genes. Establezca el rango de búsqueda para definir identificadores genéticos/sondas en símbolo genético. Establezca todo en la selección de tumores y seleccione el estado del nodo y la pendiente estratificadas en los parámetros multivariantes.
Los demás elementos siguen siendo predeterminados. Ahora, envíe la investigación y descargue las cifras. Para el análisis de supervivencia en BC Gene-Expression Miner, vaya a la interfaz web de BC Gene-Expression Miner.
En el menú de análisis, seleccione pronóstico y, a continuación, pulse el botón exhaustivo. Escriba ID1 en el cuadro de búsqueda y pulse el botón Enviar y, a continuación, el botón Iniciar análisis. En el análisis de pronóstico exhaustivo, seleccione Nm, ERm, MR en los criterios de población y evento, y pulse el botón Enviar para obtener más información.
Después de esto, haga clic en las miniaturas de la curva De Kaplan-Meier para exportar los gráficos completos. Para el análisis de supervivencia en el Atlas de Proteína Humana, vaya a la interfaz web de Human Protein Atlas. Escriba ID1 en el cuadro de búsqueda y haga clic en el botón de búsqueda.
A continuación, seleccione el sub-atlas de patología. Haga clic en la etiqueta para el cáncer de mama y aparecerá una página detallada que muestra una gráfica interactiva de dispersión de supervivencia y un análisis de supervivencia. Descargue estas cifras.
Para el análisis de supervivencia en Kaplan-Meier Plotter Survival, vaya a la interfaz web de Kaplan-Meier Plotter. En la zona del chip del gen del ARNm, haga clic en iniciar el trazador KM para el cáncer de mama. Escriba ID1 en la barra de búsqueda y seleccione el elemento verde en el menú candidato.
A continuación, seleccione RFS como el tipo de supervivencia y deje los demás elementos en su configuración predeterminada. Haga clic en Dibujar gráfica Kaplan-Meier y descargue las figuras. En este estudio, se realiza un resultado representativo para la minería de datos y el análisis integrador de un biomarcador de cáncer de mama utilizando ID1, uno de los miembros de la familia que unen el ADN del inhibidor.
Las diferencias de expresión de ARNm ID1 entre el tumor y los tejidos normales se analizan primero utilizando la base de datos ONCOMINE, que contiene un total de 445 análisis únicos. Sólo hay 5 estudios que revelan un nivel de expresión de ARNm de ID1 que es significativamente mayor en los tejidos normales que en los tejidos de cáncer de mama, lo que indica que hay una desregulación de la expresión de ID1 en el cáncer de mama. El BC Gene-Expression Miner se utiliza entonces para identificar la correlación entre la expresión de ARNm de ID1 y los parámetros clinicopatológicos de los pacientes con cáncer de mama.
Se observa que los niveles de ARNm de ID1 aumentan significativamente en pacientes con cáncer de mama sin metástasis de los ganglios linfáticos en comparación con aquellos con metástasis de los ganglios linfáticos. El análisis en GOBO demuestra que el aumento de los niveles de ARNm de ID1 se correlacionan con un grado tumoral más bajo. Estos resultados implican que el aumento de la expresión de ID1 está relacionado con un menor potencial metastásico y un grado patológico más bajo en el cáncer de mama.
El análisis de la base de datos BC Gene-Expression Miner indica que los niveles más altos de ARNm de ID1 están correlacionados con una supervivencia más larga y distante libre de metástasis en pacientes con cáncer de mama. El análisis del Atlas de Proteína Humana también sugiere que los niveles elevados de proteínas de ID1 se asocian con un mejor resultado de supervivencia en pacientes con cáncer de mama. El análisis de supervivencia del trazador Kaplan-Meier es consistente con estos hallazgos, y muestra que los niveles más altos de ARNm de expresión ID1 predicen una mejor supervivencia libre de recurrencia en pacientes con cáncer de mama.
Cada vez habrá más bases de datos en línea disponibles o accesibles para los investigadores. El protocolo podría proporcionar un método eficaz para que los investigadores identifiquen los genes objetivo potenciales y la vía de señalización asociada.
Vea la transcripción completa y acceda a miles de videos científicos
Descripción general
Este artículo presenta un protocolo para explorar biomarcadores y predictores de supervivencia en el cáncer de mama mediante un análisis exhaustivo de conjuntos de datos clínicos de acceso público. El método mejora la credibilidad de los hallazgos y permite una visualización rápida del papel de los genes en el cáncer de mama.
Componentes Clave del Estudio
Área de la ciencia
- Investigación sobre el cáncer de mama
- Análisis de biomarcadores
- Predicción de supervivencia
Antecedentes
- El cáncer de mama es una enfermedad heterogénea.
- El diagnóstico, tratamiento y pronóstico varían entre los subtipos moleculares.
- Las bases de datos públicas proporcionan datos clínicos valiosos.
- Comprender los roles de los genes puede orientar las estrategias de tratamiento.
Objetivo del estudio
- Desarrollar un protocolo para analizar biomarcadores del cáncer de mama.
- Evaluar predictores de supervivencia basados en la expresión génica.
- Mejorar la representatividad de las conclusiones obtenidas a partir de los datos.
Métodos Utilizados
- Análisis exhaustivo de conjuntos de datos clínicos agrupados.
- Técnicas de expresión, correlación y análisis de supervivencia.
- Visualización de los roles de los genes en el cáncer de mama.
- Reproducibilidad mediante consultas a bases de datos públicas.
Resultados principales
- Identificación de posibles biomarcadores para el cáncer de mama.
- Conocimientos sobre los predictores de supervivencia basados en la expresión génica.
- Demuestra la factibilidad del método utilizando datos de cáncer de mama.
- Mejor comprensión de las variaciones entre subtipos moleculares.
Conclusiones
- El protocolo ofrece un enfoque sistemático para el análisis de biomarcadores.
- Los resultados pueden validarse mediante consultas a bases de datos públicas.
- Este método puede orientar futuras investigaciones y tratamientos contra el cáncer de mama.
Preguntas frecuentes
Relevancia Ejecutiva para la Industria
La integración de datos genómicos multidimensionales procedentes de bases de datos públicas permite la verificación rápida de hipótesis y la validación de biomarcadores en la investigación del cáncer de mama. Este enfoque mejora la credibilidad y representatividad de las conclusiones aprovechando conjuntos de datos clínicos combinados de múltiples plataformas. Apoya los flujos de trabajo de descubrimiento temprano al proporcionar información accesible y reproducible sobre patrones de expresión génica y asociaciones con la supervivencia.
Aplicaciones Estratégicas en I+D de Biofármacos
Descubrimiento Temprano y Validación de Blancos
- Valor científico: Permite la evaluación de hipótesis terapéuticas mediante el análisis del patrón de expresión de biomarcadores como ID1 en tejidos cancerosos frente a tejidos normales.
- Valor científico: Apoya la reducción de riesgos biológicos al correlacionar la expresión de biomarcadores con características clinicopatológicas como la metástasis en ganglios linfáticos y el grado tumoral.
- Valor científico: Mejora la confianza en el blanco al identificar asociaciones con la supervivencia en diferentes conjuntos de datos, reforzando así el valor predictivo de los candidatos a biomarcadores.
Desarrollo de ensayos y cribado
- Valor operativo: Prepara sistemas biológicos validados para flujos de trabajo posteriores al establecer líneas base de expresión y perfiles específicos de subgrupos mediante umbrales de consulta estandarizados.
- Valor operativo: Fomenta la estandarización y reproducibilidad de ensayos mediante la aplicación consistente de filtros de valor P, cambio de régimen y clasificación de genes en diferentes bases de datos.
- Valor operativo: Permite la preparación para cribado al generar resultados cuantitativos (por ejemplo, niveles de expresión, curvas de supervivencia) que pueden volver a evaluarse inmediatamente mediante interfaces web públicas.
Investigación Traductiva y Preclínica
- Valor traslacional: Apoya la modelización de sistemas relevantes para la enfermedad mediante la estratificación de la expresión de biomarcadores en subtipos moleculares y subgrupos clínicos relacionados con la heterogeneidad del cáncer de mama.
- Valor traslacional: Facilita la reducción del riesgo mecanicista al vincular la expresión de ID1 con un menor potencial metastásico y mejores resultados de supervivencia, lo que orienta la priorización preclínica.
- Valor traslacional: Refuerza la continuidad traslacional al demostrar asociaciones consistentes con la supervivencia en plataformas independientes (bcGenExMiner, HPA, Kaplan-Meier Plotter).
Integración de la Canalización y Flujo de Trabajo
El método se integra en el continuo de descubrimiento desde la validación del blanco hasta la evaluación preclínica, al proporcionar evidencia reproducible y de múltiples fuentes sobre el comportamiento del biomarcador en el cáncer de mama.
- Biología del Descubrimiento: Apoya la comprobación de hipótesis y la aclaración de vías mediante el análisis de la disregulación de la expresión y las correlaciones clínicas de genes como ID1 en muestras de cáncer y normales.
- Tamizaje: Proporciona resultados cuantitativos listos para ensayos, como umbrales de cambio de expresión y razones de riesgo de supervivencia, que permiten la evaluación confiable de compuestos o perturbaciones genéticas.
- Analítica: Ofrece mediciones estandarizadas, incluyendo niveles de expresión, coeficientes de correlación, valores P y estimaciones de supervivencia de Kaplan-Meier para comparaciones entre diferentes condiciones.
- Investigación Traducional: Conecta los hallazgos del descubrimiento con la continuidad preclínica mediante la validación de vínculos entre biomarcadores y supervivencia en conjuntos independientes de datos clínicos.
- Reutilización Empresarial: Establece una capacidad reutilizable para la evaluación de biomarcadores en diferentes tipos de cáncer, aprovechando bases de datos de acceso público sin necesidad de infraestructura propietaria.
Impacto Operativo y Empresarial
- Valor científico: Aumenta la confianza predictiva en los candidatos a biomarcadores mediante la validación cruzada entre bases de datos y la reducción de la ambigüedad mecanicista.
- Valor operativo: Garantiza la reproducibilidad y la estandarización mediante consultas repetibles basadas en web y umbrales analíticos definidos.
- Valor estratégico: Mejora las decisiones de avance o interrupción al proporcionar evidencia representativa y multi-cohorte sobre las asociaciones entre biomarcadores y supervivencia y patología.
- Impacto en la cartera: Permite la priorización ajustada al riesgo de objetivos al integrar datos de expresión, correlación y supervivencia para evaluar la relevancia biológica y clínica.
Consideraciones de Implementación
- Requiere experiencia en la interpretación de datos genómicos y familiaridad con las interfaces de bases de datos públicas sobre cáncer.
- Depende del acceso estable a plataformas en línea como ONCOMINE, bcGenExMiner, GOBO, HPA y Kaplan-Meier Plotter.
- Necesita la estandarización conjunta entre equipos de los parámetros de consulta (por ejemplo, umbrales de valor P, puntos de corte del cambio de expresión) para garantizar resultados consistentes.
- Implica consideraciones de adaptación al aplicar el protocolo a diferentes tipos de cáncer o genes biomarcadores debido a la disponibilidad específica de datos en cada base de datos.
- Limitado por el alcance y la calidad de la anotación de los conjuntos de datos de acceso público, lo cual puede afectar la completitud de los análisis de subgrupos o de supervivencia.
