L’exploration de données et l’analyse intégrative du biomarqueur dans le cancer du sein à l’aide de plusieurs bases de données accessibles au public
17 mai 2019
Ici, nous présentons un protocole pour explorer le biomarqueur et le prédicteur de survie du cancer du sein sur la base de l’analyse exhaustive des ensembles de données cliniques regroupées provenant d’une variété de bases de donnees accessibles au public, en utilisant la stratégie d’expression, de corrélation et l’analyse de survie pas à pas.
Ici, nous présentons un protocole pour explorer le biomarqueur et le prédicteur de survie du cancer du sein sur la base de l’analyse d’une variété de bases de données accessibles au public. Cette méthode peut améliorer la crédibilité et la représentativité des conclusions, offrant ainsi une perspective informative sur un gène d’intérêt. L’avantage de cette méthode est qu’elle permet la visualisation et l’interprétation rapides du rôle potentiel d’un gène dans le cancer du sein.
En outre, tous les résultats obtenus grâce à cette procédure peuvent être immédiatement testés et répétés en interrogeant simplement les sites Web correspondants. Nous avons choisi le cancer du sein dans l’étude pour tester la faisabilité de cette méthode. Parce que le cancer du sein est une maladie hétérogène, le diagnostic, le traitement et le pronostic de différents sous-types moléculaires de cancer du sein peuvent varier.
Par conséquent, il est particulièrement important de trouver un outil ou une base de données en ligne efficace avec des informations qui reflètent les sous-types disparates du cancer du sein. Pour commencer cette procédure, rendez-vous sur l’interface web ONCOMINE. Tapez ID1 dans la boîte de recherche pour obtenir les niveaux d’expression relatifs du gène ID1 dans divers types de malignités.
Dans le menu des filtres primaires sélectionnez le type d’analyse, puis sélectionnez Cancer vs Analyse normale. Dans les autres vues, sélectionnez la vue de résumé génétique.
Fixez le seuil de valeur P à 0,01. Définissez le seuil de changement de pli à 2. Fixez le seuil de rang génétique à Tous.
Définissez le type de données à Tous. Téléchargez les chiffres. Tout d’abord, allez à l’interface Web BC Gene-Expression Miner.
Dans le menu d’analyse, sélectionnez corrélation puis appuyez sur le bouton exhaustif. Tapez ID1 dans la zone de recherche et appuyez sur le bouton soumettre et le bouton d’analyse de démarrage. Pour l’analyse de sous-groupes dans le miner d’expression génétique de la Colombie-Britannique, rendez-vous à l’interface BC Gene-Expression Miner.
Dans le menu d’analyse, sélectionnez l’expression et appuyez sur le bouton exhaustif. Tapez ID1 dans la zone de recherche et appuyez sur le bouton soumettre et le bouton d’analyse de démarrage. Cliquez sur le statut nodal et les vignettes de grade Scarff Bloom Richardson pour afficher des images complètes.
Dans les images de Scarff Bloom Richardson, appuyez sur le bouton ci-dessous pour visualiser les valeurs P des figures. Ensuite, téléchargez les chiffres. Pour l’analyse de sous-groupes via Outcome for Breast Cancer Online basé sur l’expression des gènes, rendez-vous sur l’interface web GOBO.
Tapez ID1 pour le symbole génétique d’intérêt et téléchargez l’ensemble de gènes. Définissez la plage de recherche pour définir les identificateurs de gènes/sondes sur le symbole génétique. Réglez le tout dans la sélection de tumeur, et sélectionnez l’état de nœud et le grade stratifié dans les paramètres multivariés.
Les autres éléments restent par défaut. Maintenant, soumettez l’enquête et téléchargez les chiffres. Pour une analyse de survie dans le miner d’expression génétique de la Colombie-Britannique, rendez-vous à l’interface Web de BC Gene-Expression Miner.
Dans le menu d’analyse, sélectionnez pronostique, puis appuyez sur le bouton exhaustif. Tapez ID1 dans la boîte de recherche et appuyez sur le bouton soumettre, puis le bouton d’analyse de démarrage. Dans l’analyse pronostique exhaustive, sélectionnez Nm, ERm, MR dans la population et les critères d’événement, et appuyez sur le bouton soumettre pour obtenir plus d’informations.
Après ce clic, cliquez sur les vignettes courbes Kaplan-Meier pour exporter les graphiques complets. Pour l’analyse de survie dans l’Atlas des protéines humaines, rendez-vous à l’interface Web de l’Atlas des protéines humaines. Tapez ID1 dans la zone de recherche et cliquez sur le bouton de recherche.
Ensuite, sélectionnez le sous-atlas de pathologie. Cliquez sur l’étiquette pour le cancer du sein et une page détaillée apparaîtra montrant une parcelle interactive de dispersion de survie et une analyse de survie. Téléchargez ces chiffres.
Pour l’analyse de survie dans le Kaplan-Meier Plotter Survival, rendez-vous à l’interface Web Kaplan-Meier Plotter. Dans la zone des puces génétiques de l’ARNm, cliquez sur démarrer km traceur pour le cancer du sein. Tapez ID1 dans la barre de recherche et sélectionnez l’élément vert dans le menu candidat.
Ensuite, sélectionnez RFS comme type de survie et laissez les autres éléments à leurs paramètres par défaut. Cliquez sur dessiner kaplan-meier parcelle et télécharger les chiffres. Dans cette étude, un résultat représentatif pour l’exploration de données et l’analyse intégrative d’un biomarqueur du cancer du sein est effectué à l’aide d’ID1, l’un des membres de la famille liant l’ADN de l’inhibiteur.
Les différences d’expression de l’ARNm ID1 entre la tumeur et les tissus normaux sont d’abord analysées à l’aide de la base de données ONCOMINE, qui contient un total de 445 analyses uniques. Il y a seulement 5 études révélant un niveau d’expression d’ARNm d’ID1 qui est sensiblement plus haut dans les tissus normaux que dans les tissus de cancer du sein, qui indique qu’il y a une dysrégulation d’expression d’ID1 dans le cancer du sein. Le bc Gene-Expression Miner est ensuite utilisé pour identifier la corrélation entre l’expression de l’ARNm d’ID1 et les paramètres clinicopathologiques des patientes atteintes d’un cancer du sein.
Les niveaux d’ARNm d’ID1 sont vus pour être sensiblement augmentés dans les patients de cancer du sein sans métastase de ganglion lymphatique comparé à ceux avec la métastase de ganglion lymphatique. L’analyse dans GOBO démontre que les niveaux accrus d’ARNm d’ID1 sont corrélés à la qualité inférieure de tumeur. Ces résultats impliquent que l’expression accrue d’ID1 est liée au potentiel métastatique inférieur et au grade pathologique inférieur dans le cancer du sein.
L’analyse de la base de données BC Gene-Expression Miner indique que des niveaux plus élevés d’ARNm d’ID1 sont corrélés à une survie plus éloignée sans métastase chez les patientes atteintes d’un cancer du sein. L’analyse de l’Atlas des protéines humaines suggère également que des niveaux élevés de protéines d’ID1 sont associés à de meilleurs résultats de survie chez les patientes atteintes d’un cancer du sein. L’analyse de survie du Traceur Kaplan-Meier est compatible avec ces résultats, et montre que des niveaux plus élevés d’ARNm d’expression ID1 prédit une meilleure survie sans récidive chez les patientes atteintes d’un cancer du sein.
De plus en plus de bases de données en ligne seront disponibles ou accessibles aux chercheurs. Le protocole pourrait fournir une méthode efficace pour les chercheurs afin d’identifier les gènes cibles potentiels et la voie de signalisation associée.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Aperçu
Cet article présente un protocole pour explorer des biomarqueurs et des prédicteurs de survie dans le cancer du sein à travers une analyse complète de jeux de données cliniques accessibles au public. La méthode renforce la crédibilité des résultats et permet une visualisation rapide du rôle des gènes dans le cancer du sein.
Composantes clés de l'étude
Domaine scientifique
- Recherche sur le cancer du sein
- Analyse des biomarqueurs
- Prédiction de la survie
Contexte
- Le cancer du sein est une maladie hétérogène.
- Le diagnostic, le traitement et le pronostic varient selon les sous-types moléculaires.
- Les bases de données publiques fournissent des données cliniques précieuses.
- La compréhension du rôle des gènes peut éclairer les stratégies thérapeutiques.
Objectif de l'étude
- Développer un protocole pour analyser les biomarqueurs du cancer du sein.
- Évaluer les prédicteurs de survie fondés sur l'expression génique.
- Améliorer la représentativité des conclusions tirées des données.
Méthodes utilisées
- Analyse complète de jeux de données cliniques regroupés.
- Techniques d'expression, de corrélation et d'analyse de survie.
- Visualisation des rôles des gènes dans le cancer du sein.
- Reproductibilité par interrogation de bases de données publiques.
Résultats principaux
- Identification de biomarqueurs potentiels pour le cancer du sein.
- Connaissances approfondies sur les prédicteurs de survie fondés sur l'expression génique.
- Démonstration de la faisabilité de la méthode à l'aide de données sur le cancer du sein.
- Meilleure compréhension des variations des sous-types moléculaires.
Conclusions
- Le protocole propose une approche systématique de l'analyse des biomarqueurs.
- Les résultats peuvent être validés par des requêtes dans des bases de données publiques.
- Cette méthode peut orienter les futures recherches et traitements du cancer du sein.
Questions fréquemment posées
Pertinence industrielle pour les cadres
L'intégration de données génomiques multidimensionnelles provenant de bases de données publiques permet un test d'hypothèses rapide et la validation de biomarqueurs dans la recherche sur le cancer du sein. Cette approche améliore la crédibilité et la représentativité des conclusions en exploitant des ensembles de données cliniques regroupés provenant de plusieurs plateformes. Elle soutient les flux de travail de découverte précoce en fournissant des informations accessibles et reproductibles sur les profils d'expression génique et les associations avec la survie.
Applications stratégiques en R-D biopharmaceutique
Début de la découverte et validation de la cible
- Valeur scientifique : Permet l'interrogation d'hypothèses thérapeutiques grâce à l'analyse des profils d'expression de biomarqueurs comme ID1 dans les tissus cancéreux par rapport aux tissus normaux.
- Valeur scientifique : Soutient la détection biologique des risques en corrélant l'expression des biomarqueurs avec des caractéristiques clinicopathologiques telles que la métastase ganglionnaire et le grade tumoral.
- Valeur scientifique : Renforce la confiance dans la cible en identifiant des associations avec la survie à travers des jeux de données indépendants, confirmant ainsi la valeur prédictive des candidats biomarqueurs.
Développement de criblages et de tests
- Valeur opérationnelle : Prépare des systèmes biologiques validés pour des flux de travail en aval en établissant des niveaux d'expression de référence et des profils spécifiques aux sous-groupes à l'aide de seuils de requête standardisés.
- Valeur opérationnelle : Favorise la standardisation et la reproductibilité des tests grâce à une application cohérente des filtres de valeur P, de changement d'expression et de classement des gènes à travers les bases de données.
- Valeur opérationnelle : Permet une préparation à l'analyse en générant des résultats quantitatifs (par exemple, niveaux d'expression, courbes de survie) qui peuvent être immédiatement réévalués via des interfaces web publiques.
Recherche translationnelle et préclinique
- Valeur translationnelle : Soutient la modélisation de systèmes pertinents pour la maladie en stratifiant l'expression des biomarqueurs selon les sous-types moléculaires et les sous-groupes cliniques liés à l'hétérogénéité du cancer du sein.
- Valeur translationnelle : Facilite la réduction des risques mécanistiques en associant l'expression de ID1 à un potentiel métastatique plus faible et à de meilleurs résultats de survie, orientant ainsi la priorisation préclinique.
- Valeur translationnelle : Renforce la continuité translationnelle en démontrant des associations cohérentes avec la survie sur des plateformes indépendantes (bcGenExMiner, HPA, Kaplan-Meier Plotter).
Intégration du pipeline et du flux de travail
La méthode s'intègre à la chaîne de découverte, de la validation de la cible jusqu'à l'évaluation préclinique, en fournissant des preuves reproductibles et provenant de multiples sources sur le comportement des biomarqueurs dans le cancer du sein.
- Découverte en biologie : Soutient la vérification d'hypothèses et la clarification des voies biologiques en analysant la dysrégulation de l'expression et les corrélations cliniques de gènes tels que ID1 dans des échantillons tumoraux et normaux.
- Écrans (screening) : Fournit des sorties quantitatives prêtes à l'analyse, telles que les seuils de variation d'expression et les rapports de risque de survie, permettant une évaluation fiable des composés ou des perturbations génétiques.
- Analytique : Propose des mesures standardisées incluant les niveaux d'expression, les coefficients de corrélation, les valeurs P et les estimations de survie de Kaplan-Meier pour la comparaison entre différentes conditions.
- Recherche translationnelle : Relie les découvertes à la continuité préclinique en validant les associations entre biomarqueurs et survie à travers des jeux de données cliniques indépendants.
- Réutilisation institutionnelle : Met en place une capacité réutilisable d'évaluation des biomarqueurs dans différents types de cancer, en exploitant des bases de données accessibles au public sans infrastructure propriétaire.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive dans les candidats biomarqueurs grâce à une validation croisée entre bases de données et à la réduction de l'ambiguïté mécanistique.
- Valeur opérationnelle : Garantit la reproductibilité et la standardisation par le biais de requêtes reproductibles en ligne et des seuils analytiques définis.
- Valeur stratégique : Améliore les décisions d'aller/arrêt en fournissant des preuves représentatives issues de plusieurs cohortes sur les associations entre biomarqueurs et survie ou pathologie.
- Impact sur le portefeuille : Permet une priorisation ajustée au risque des cibles en intégrant des données d'expression, de corrélation et de survie afin d'évaluer la pertinence biologique et clinique.
Considérations relatives à la mise en œuvre
- Requiert une expertise dans l'interprétation des données génomiques et une familiarité avec les interfaces de bases de données publiques sur le cancer.
- Dépend d'un accès stable à des plateformes en ligne telles que ONCOMINE, bcGenExMiner, GOBO, HPA et Kaplan-Meier Plotter.
- Nécessite une standardisation inter-équipes des paramètres de requête (par exemple, seuils de valeur P, seuils de variation d'expression) afin d'assurer la cohérence des résultats.
- Implique des adaptations à envisager lors de l'application du protocole à différents types de cancer ou gènes biomarqueurs, en raison de la disponibilité spécifique des données selon les bases.
- Limité par l'étendue et la qualité de l'annotation des jeux de données accessibles publiquement, ce qui peut influer sur l'exhaustivité des analyses de sous-groupes ou de survie.
