Esecuzione di data mining e analisi integrativa dei biomarcatori nel cancro al seno utilizzando più database accessibili pubblicamente
17 maggio 2019
Qui, presentiamo un protocollo per esplorare il biomarcatore e il predittore di sopravvivenza del cancro al seno sulla base dell'analisi completa dei dataset clinici aggregati derivati da una varietà di database accessibili pubblicamente, utilizzando la strategia di espressione, correlazione e analisi di sopravvivenza passo dopo passo.
Qui presentiamo un protocollo per esplorare il biomarcatore e il predittore di sopravvivenza della base del cancro al seno sull'analisi di una varietà di database accessibili al pubblico. Questo metodo può migliorare la credibilità e la rappresentatività delle conclusioni, fornendo così una prospettiva informativa su un gene di interesse. Il vantaggio di questo metodo è che consente la rapida visualizzazione e interpretazione del potenziale ruolo di un gene nel cancro al seno.
Inoltre, tutti i risultati ottenuti attraverso questa procedura possono essere immediatamente testati e ripetuti semplicemente interrogando i siti web corrispondenti. Abbiamo scelto il cancro al seno nello studio per testare la fattibilità di questo metodo. Poiché il cancro al seno è una malattia eterogenea, la diagnosi, il trattamento e la prognosi di diversi sottotipi molecolari di cancro al seno possono variare.
Pertanto è particolarmente importante trovare uno strumento o una banca dati online efficiente con informazioni che riflettano i diversi sottotipi di cancro al seno. Per iniziare questa procedura, visitare l'interfaccia web ONCOMINE. Digitare ID1 nella casella di ricerca per ottenere i livelli di espressione relativi del gene ID1 in vari tipi di neoplasie maligne.
Nel menu filtri primari selezionare il tipo di analisi, quindi selezionare Cancro vs Analisi normale. Nel menu altre visualizzazioni selezionare la visualizzazione riepilogativo gene.
Impostare la soglia del valore P su 0,01. Impostare la soglia di modifica della piegatura su 2. Impostare la soglia del rango genico su Tutti.
Impostare il tipo di dati su Tutti. Scarica le cifre. Per prima cosa, vai all'interfaccia web di BC Gene-Expression Miner.
Nel menu analisi selezionare la correlazione e quindi premere il pulsante esaustivo. Digitare ID1 nella casella di ricerca e premere il pulsante Invia e il pulsante Avvia analisi. Per l'analisi dei sottogruppi nel minatore gene-espressione BC, passare all'interfaccia BC Gene-Expression Miner.
Nel menu analisi selezionare l'espressione e premere il pulsante esaustivo. Digitare ID1 nella casella di ricerca e premere il pulsante invia e il pulsante avvia analisi. Fare clic sullo stato nodale e sulle miniature dello stato del grado Scarff Bloom Richardson per visualizzare le immagini complete.
Nelle immagini di Scarff Bloom Richardson, premete il pulsante sottostante per visualizzare i valori P delle figure. Quindi, scarica le cifre. Per l'analisi dei sottogruppi tramite l'esito basato sull'espressione genica per il cancro al seno online, vai all'interfaccia web GOBO.
Tipo ID1 per il gene simbolo di interesse e caricare il gene impostato. Impostare l'intervallo di ricerca per definire gli identificatori gene/sonda sul simbolo genico. Impostare il tutto nella selezione del tumore e selezionare lo stato del nodo e il grado stratificato nei parametri multivariati.
Gli altri elementi rimangono predefiniti. Ora, invia la richiesta e scarica le cifre. Per l'analisi di sopravvivenza nel minatore gene-espressione BC, vai all'interfaccia web bc Gene-Expression Miner.
Nel menu analisi selezionare prognostico e quindi premere il pulsante esaustivo. Digitare ID1 nella casella di ricerca e premere il pulsante invia e quindi il pulsante avvia analisi. Nell'analisi prognostica esaustiva, selezionare Nm, ERm, MR nei criteri di popolazione ed eventi e premere il pulsante invia per ottenere ulteriori informazioni.
Successivamente, fate clic sulle miniature della curva Kaplan-Meier per esportare i grafici completi. Per l'analisi della sopravvivenza nell'Atlante delle proteine umane, vai all'interfaccia web dell'Atlante delle proteine umane. Digitare ID1 nella casella di ricerca e fare clic sul pulsante di ricerca.
Selezionare quindi il sotto-atlante della patologia. Fai clic sull'etichetta per il cancro al seno e apparirà una pagina dettagliata che mostra una trama interattiva di dispersione di sopravvivenza e un'analisi di sopravvivenza. Scarica queste cifre.
Per l'analisi di sopravvivenza nella sopravvivenza del plotter Kaplan-Meier, vai all'interfaccia web di Kaplan-Meier Plotter. Nella zona del chip genico mRNA, fare clic su avvia plotter KM per il cancro al seno. Digitare ID1 nella barra di ricerca e selezionare l'elemento verde nel menu candidato.
Quindi, selezionare RFS come tipo di sopravvivenza e lasciare gli altri elementi alle impostazioni predefinite. Fai clic su disegna trama Kaplan-Meier e scarica le figure. In questo studio, un risultato rappresentativo per l'estrazione dei dati e l'analisi integrativa di un biomarcatore del cancro al seno viene eseguito utilizzando ID1, uno dei membri della famiglia che lega il DNA dell'inibitore.
Le differenze di espressione dell'mRNA ID1 tra tumore e tessuti normali vengono analizzate per la prima volta utilizzando il database ONCOMINE, che contiene un totale di 445 analisi uniche. Ci sono solo 5 studi che rivelano un livello di espressione di mRNA di ID1 che è significativamente più alto nei tessuti normali che nei tessuti del cancro al seno, il che indica che c'è una disregolazione dell'espressione di ID1 nel cancro al seno. Il minatore gene-espressione BC viene quindi utilizzato per identificare la correlazione tra l'espressione dell'mRNA di ID1 e i parametri clinicopatologici dei pazienti con cancro al seno.
I livelli di mRNA di ID1 sono visti come significativamente aumentati nei pazienti con cancro al seno senza metastasi linfonodo rispetto a quelli con metastasi linfonodo. L'analisi in GOBO dimostra che l'aumento dei livelli di mRNA di ID1 è correlato al grado tumorale inferiore. Questi risultati implicano che una maggiore espressione di ID1 è legata a un minore potenziale metastatico e a un grado patologico inferiore nel cancro al seno.
L'analisi del database BC Gene-Expression Miner indica che livelli più elevati di mRNA di ID1 sono correlati alla sopravvivenza più lunga e priva di metastasi distante nei pazienti con cancro al seno. L'analisi dell'Atlante delle proteine umane suggerisce anche che elevati livelli proteici di ID1 sono associati a un migliore risultato di sopravvivenza nei pazienti con cancro al seno. L'analisi di sopravvivenza del Kaplan-Meier Plotter è coerente con questi risultati e mostra che livelli più elevati di mRNA di espressione ID1 prevedono una migliore sopravvivenza senza recidiva nei pazienti con cancro al seno.
Sempre più banche dati online saranno disponibili o accessibili ai ricercatori. Il protocollo potrebbe fornire un metodo efficiente per i ricercatori per identificare potenziali geni bersaglio e la relativa via di segnalazione.
Visualizza la trascrizione completa e accedi a migliaia di video scientifici
Panoramica
Questo articolo presenta un protocollo per l'analisi di biomarcatori e predittori di sopravvivenza nel cancro al seno mediante un'analisi approfondita di set di dati clinici pubblicamente accessibili. Il metodo aumenta l'affidabilità dei risultati e consente una rapida visualizzazione del ruolo dei geni nel cancro al seno.
Componenti Chiave dello Studio
Area della Scienza
- Ricerca sul cancro al seno
- Analisi dei biomarcatori
- Predizione della sopravvivenza
Sfondo
- Il cancro al seno è una malattia eterogenea.
- Diagnosi, trattamento e prognosi variano tra i sottotipi molecolari.
- I database pubblici forniscono dati clinici preziosi.
- Comprendere il ruolo dei geni può orientare le strategie terapeutiche.
Scopo dello studio
- Sviluppare un protocollo per l'analisi dei biomarcatori del cancro al seno.
- Valutare i predittori di sopravvivenza basati sull'espressione genica.
- Migliorare la rappresentatività delle conclusioni tratte dai dati.
Metodi Utilizzati
- Analisi completa di dataset clinici raggruppati.
- Tecniche di espressione, correlazione e analisi della sopravvivenza.
- Visualizzazione dei ruoli dei geni nel cancro al seno.
- Riproducibilità attraverso interrogazioni di database pubblici.
Risultati principali
- Identificazione di potenziali biomarcatori per il cancro al seno.
- Informazioni sui predittori di sopravvivenza basati sull'espressione genica.
- Dimostrazione della fattibilità del metodo mediante dati sul cancro al seno.
- Migliore comprensione delle variazioni tra i sottotipi molecolari.
Conclusioni
- Il protocollo offre un approccio sistematico all'analisi dei biomarcatori.
- I risultati possono essere convalidati mediante interrogazioni di database pubblici.
- Questo metodo può fornire indicazioni per future ricerche e trattamenti del cancro al seno.
Domande frequenti
Rilevanza Industriale del Progetto
L'integrazione di dati genomici multidimensionali provenienti da database pubblici consente un rapido test delle ipotesi e la validazione di biomarcatori nella ricerca sul cancro al seno. Questo approccio migliora l'affidabilità e la rappresentatività delle conclusioni sfruttando set di dati clinici aggregati provenienti da più piattaforme. Supporta i flussi di lavoro della scoperta precoce fornendo informazioni accessibili e riproducibili sui modelli di espressione genica e sulle associazioni con la sopravvivenza.
Applicazioni Strategiche nella Ricerca e Sviluppo di Biopharma
Scoperta Precoce e Validazione del Target
- Valore scientifico: Permette l'analisi di ipotesi terapeutiche mediante lo studio dei profili di espressione di biomarcatori come ID1 in tessuti tumorali rispetto a tessuti normali.
- Valore scientifico: Favorisce la riduzione dei rischi biologici correlando l'espressione dei biomarcatori con caratteristiche clinicopatologiche come la metastasi ai linfonodi e il grado tumorale.
- Valore scientifico: Aumenta la fiducia sul bersaglio identificando associazioni con la sopravvivenza in diversi dataset indipendenti, rafforzando così il valore predittivo dei candidati biomarcatori.
Sviluppo di screening e saggi
- Valore operativo: Prepara sistemi biologici validati per flussi di lavoro successivi, stabilendo baseline di espressione e profili specifici per sottogruppi mediante l'uso di soglie di interrogazione standardizzate.
- Valore operativo: Favorisce la standardizzazione e la riproducibilità dei saggi attraverso l'applicazione coerente di filtri basati su valore P, variazione di espressione (fold change) e ordinamento dei geni in diversi database.
- Valore operativo: Consente la prontezza per lo screening generando output quantitativi (ad esempio, livelli di espressione, curve di sopravvivenza) che possono essere immediatamente verificati mediante interfacce web pubbliche.
Ricerca Translazionale e Preclinica
- Valore traslazionale: Supporta la modellizzazione di sistemi rilevanti per le malattie stratificando l'espressione dei biomarcatori tra sottotipi molecolari e sottogruppi clinici associati all'eterogeneità del cancro al seno.
- Valore traslazionale: Favorisce la riduzione del rischio meccanicistico collegando l'espressione di ID1 a un potenziale metastatico ridotto e a migliori esiti di sopravvivenza, fornendo indicazioni per la priorizzazione preclinica.
- Valore traslazionale: Rafforza la continuità traslazionale dimostrando associazioni di sopravvivenza coerenti attraverso piattaforme indipendenti (bcGenExMiner, HPA, Kaplan-Meier Plotter).
Integrazione di Pipeline e Flusso di Lavoro
Il metodo si integra nel percorso di scoperta, dalla validazione del bersaglio fino alla valutazione preclinica, fornendo prove riproducibili e provenienti da più fonti sul comportamento del biomarcatore nel cancro al seno.
- Biologia della scoperta: Supporta la verifica delle ipotesi e la chiarificazione dei percorsi analizzando la disregolazione dell'espressione e le correlazioni cliniche di geni come ID1 in campioni tumorali e normali.
- Screening: Fornisce output quantitativi pronti per il saggio, come soglie di variazione del fold-change e rapporti di rischio per la sopravvivenza, che consentono una valutazione affidabile di composti o perturbazioni genetiche.
- Analisi: Offre misurazioni standardizzate, inclusi livelli di espressione, coefficienti di correlazione, valori P e stime di sopravvivenza di Kaplan-Meier, per il confronto tra diverse condizioni.
- Ricerca traslazionale: Collega i risultati della scoperta alla continuità preclinica validando i legami tra biomarcatori e sopravvivenza su diversi set di dati clinici.
- Riutilizzo aziendale: Stabilisce una capacità riutilizzabile per la valutazione dei biomarcatori in diversi tipi di cancro, sfruttando database pubblicamente accessibili senza infrastrutture proprietarie.
Impatto Operativo ed Aziendale
- Valore scientifico: Aumenta la fiducia predittiva nei candidati biomarcatori attraverso una validazione incrociata tra basi di dati e una riduzione dell'ambiguità meccanicistica.
- Valore operativo: Garantisce riproducibilità e standardizzazione mediante interrogazioni basate sul web, ripetibili e con soglie analitiche definite.
- Valore strategico: Migliora le decisioni di avanzamento o interruzione dello sviluppo fornendo evidenze rappresentative, provenienti da più coorti, sulle associazioni tra biomarcatori e sopravvivenza o patologia.
- Impatto sul portafoglio: Permette una priorizzazione dei bersagli aggiustata per il rischio, integrando dati di espressione, correlazione e sopravvivenza per valutare la rilevanza biologica e clinica.
Considerazioni sull'implementazione
- Richiede competenze nell'interpretazione dei dati genomici e familiarità con le interfacce dei database pubblici sui tumori.
- È subordinato all'accesso stabile a piattaforme online come ONCOMINE, bcGenExMiner, GOBO, HPA e Kaplan-Meier Plotter.
- Necessita di una standardizzazione condivisa tra i gruppi di lavoro dei parametri di ricerca (ad esempio, soglie di valore P, cutoff del fold-change) per garantire risultati coerenti.
- Richiede considerazioni di adattamento nell'applicare il protocollo a diversi tipi di cancro o geni biomarcatore, a causa della disponibilità specifica dei dati nei singoli database.
- È limitato dall'ambito e dalla qualità dell'annotazione dei dataset pubblicamente accessibili, che potrebbe influenzare la completezza delle analisi per sottogruppi o di sopravvivenza.
