PTDSS1 및 PTDSS2를 예후 및 면역 바이오마커로 평가하는 멀티 오믹스 범암 생물정보학 워크플로우

요약

본 연구는 여러 공공 데이터베이스를 활용해 다양한 암에서 PTDSS1 및 PTDSS2의 유전자 발현 패턴, 임상 상관관계, 생존 예후, 종양 줄기 점수 및 면역 관련 특성을 평가하기 위해 포괄적인 생물정보학 분석을 수행했습니다. 이 연구 결과는 이 유전자들이 암 진단, 예후, 면역치료에 잠재적인 바이오마커로 작용할 수 있음을 시사합니다.

초록

포스파티딜세린 합성 효소인 PTDSS1과 PTDSS2는 세포막 구성과 신호 전달 등 세포 과정에서 중요한 역할을 합니다. 이 효소들의 비정상 발현은 종양 관련 대식세포 침윤과 유방암에서 생존율 저하와 연관되어 있습니다. 하지만 이들이 다양한 암 유형에 걸친 포괄적인 역할은 아직 명확하지 않습니다. 본 연구에서는 PTDSS1과 PTDSS2의 진단, 예후, 면역 침윤 및 면역치료적 관련성을 평가하기 위해 범암 분석을 수행했습니다. 여러 공개 데이터베이스를 사용하여 다양한 암 전반에 걸쳐 유전자 발현 패턴, 임상 상관관계, 생존 결과, 종양 줄기 점수, 면역 관련 특성을 분석하였습니다. 결과는 PTDSS1과 PTDSS2가 인간 조직에서 널리 발현되며, 대부분의 종양 조직에서 정상 조직에 비해 유의미하게 상향 조절됨을 보여주었습니다. PTDSS1 또는 PTDSS2의 높은 발현은 여러 암 유형에서 전체 생존율(OS) 저하와 연관되어 있으며, 임상 병기 및 종양 줄기 점수와 유의미한 상관관계를 보였습니다. 또한 기능적 분석은 이 유전자들이 종양 발생, 면역 조절, 화학요법 내성에 기여할 수 있음을 시사했습니다. 전반적으로 이 연구 결과는 PTDSS1과 PTDSS2가 다발성 암에서 예후적 중요성을 강조하며, 암 진단 및 예후의 잠재적 바이오마커이자 면역치료의 유망한 표적이 될 수 있음을 시사합니다.

서론

지난 수세기 동안 종양학에서 상당한 진전이 이루어졌음에도 불구하고, 암은 전 세계적으로 사망과 질병 부담의 주요 원인 중 하나로 남아 있습니다 ^1,2. 현재 임상 관리는 점점 더 다중 치료 전략에 의존하고 있으며, 다양한 치료 접근법을 결합하여 환자의 생존율과 전반적인 웰빙을 향상시키고 효능을 극대화하는 데 중점을 두고^{있습니다 2}. 이러한 맥락에서 암 면역치료는 현대 종양학의 중심 기둥으로 빠르게 발전했습니다. 표적 선택성, 지속적인 치료 효과, 다양한 종양 유형에서의 적용 가능성, 내성 완화 능력, 그리고 다른 치료법과의 적합성 등 장점은 광범위한 관심을 불러일으켰습니다. 그럼에도 불구하고, 환자 반응성 변동, 면역 관련 독성, 후천적 내성, 높은 경제적 부담, 치료 모니터링의 한계 등 여러 요인에 의해 임상적 적용이 제한되고 있습니다. 이러한 도전 과제들은 이 분야에서 지속적인 개선과 혁신의 필요성을 강조합니다. 동시에 대사 재프로그래밍은 암의 특징으로 부상했으며, 지질 대사가 점점 더 주목받고 있습니다. 지질 획득, 합성 및 이용의 변화는 종양 세포의 성장과 생존에 필수적인 지원을 제공하며, 치료 내성 발생에도 역할을 할 수 있습니다 ^3,4. 재프로그래밍된 지질 흡수 및 이용은 암세포 증식을 지원하며 치료 내성에 기여할 수 있습니다^. 또한, 지질 관련 바이오마커는 환자의 예후 및 치료 반응과도 연관되어 있습니다 ^6,7. 관심이 높아지고 있음에도 불구하고, 암에서의 지질 대사 기전과 효과적인 지질 표적 치료제 개발은 아직 충분히 밝혀지지 않아 추가 연구가 필요합니다.

포스파티딜세린 신타스인 PTDSS1과 PTDSS2 는 세포막 내 주요 음이온 인지질 중 하나인 인산티딜세린(^PS)8,9,10의 생합성에 중요한 효소입니다. PS는 세포막 구조^{와 기능 유지}에 ^{필수적입니다.} 이 효소들은 중간 정도의 서열 유사성을 공유하며(~32%)¹³, 주로 소포체와 미토콘드리아 관련 막에 국한된 여러 막관통 영역을 가지고 있습니다 14,15,16. PS는 기존의 인지질 ^8,9와의 세린 교환 반응을 통해 생성되며, PTDSS1은 인산지질콜린^17,18을, PTDSS2는 인산지질알탄올라민^19,20을 우선적으로 사용합니다. PTDSS1^{은 조직 전}반에 걸쳐 광범위하게 발현되는 반면, PTDSS2는 더 제한된 분포를 보이며, 마우스 뇌 신경세포와 고환 세르톨리 세포에서 더 높은 수준을 보인다¹⁹. 기능적으로 PTDSS2는 정상 고환 발달에 필수적이며, 약 10%의 수컷 녹아웃 마우스가 불임과 고환 크기 감소를 보이며, 이는 PTDSS1 결핍 마우스에서는 관찰되지 않는 표현형입니다¹⁹. 두 효소의 단일 유전자 결실이 생존 능력을 저해하지는 않지만, 동시에 유전자 손실이 발생하면 배아 치사율이 발생하는데 ^19,22는 PS 생합성이 세포 생존에 얼마나 중요한지를 강조합니다. 최근 증거는 종양에서 PTDSS1과 PTDSS2의 조절 이상이 유방암 환자에서 종양 관련 대식세포 침윤 변화와 생존율 저하와 관련이 있음을 시사합니다²³. 이 결과들은 PTDSS1과 PTDSS2가 막 항상성에 매우 중요하며, 이들의 비정상적인 발현이 특히 암에서 질병 진행에 기여할 수 있음을 시사합니다.

본 연구는 PTDSS1과 PTDSS2가 종양 발현, 예후, 줄기성, 면역 조절, 유전체 변형 및 치료 반응에 미치는 범암 효과를 체계적으로 비교합니다. 단일 암 유형이나 고립된 지질 대사 사건에 초점을 맞춘 이전 연구들과 달리, 본 연구는 다중 오믹스 데이터를 통합하여 인산티딜세린 생합성, 종양 면역, 암 진행 간의 잠재적 연관성을 탐구합니다. 분석에는 발현 패턴, 종양 특성 및 면역 관련 요인과의 상관관계, 유전체 특성, 약물 민감성 예측이 포함됩니다. 본 연구는 다양한 악성 종양에서 PTDSS1과 PTDSS2의 기능적 역할에 대한 이해를 심화하고, 개인 맞춤형 치료 전략 개발을 위한 이론적 토대와 실질적 지침을 제공하는 것을 목표로 합니다.

프로토콜

이 연구는 공개된 데이터셋만을 기반으로 했으며, 인간이나 동물의 직접적인 참여는 포함하지 않았습니다; 따라서 기관의 윤리적 승인과 사전 동의는 필요하지 않았습니다

1. PTDSS1 또는 PTDSS2 발현 분석

1. 휴먼 단백질 아틀라스(HPA) 데이터베이스(https://www.proteinatlas.org)를 사용하여 정상 인간 조직에서 PTDSS1 및 PTDSS2 mRNA 발현을 평가합니다.
2. TIMER2 플랫폼(http://timer.cistrome.org/)의 "Gene DE" 모듈에서 여러 암 유형에 걸친 PTDSS1 및 PTDSS2 유전자 발현 프로필을 검색합니다.
3. TCGA(http://cancergenome.nih.gov) 및 GTEx(http://commonfund.nih.gov/GTEx/) 데이터베이스에서 정상 및 종양 조직의 RNA-seq 발현 데이터를 다운로드하세요.

2. 병리학적 병기, 생존 및 종양 줄기 분석

1. UCSC Xena 플랫폼(https://xenabrowser.net/)에서 TCGA 범암(PANCAN, N = 10,535, G = 60,499) 데이터셋을 다운로드하세요.
2. 모든 샘플에서 PTDSS1 및 PTDSS2 표현 데이터를 추출하고, 표현 값이 0인 항목은 제외합니다. 나머지 표현식 데이터는 log2(x + 0.001) 변환을 사용하여 정규화합니다.
3. 3개 미만의 암 유형을 제거하여 최종 37가지 종양 유형으로 구성된 데이터셋을 만듭니다. R 소프트웨어를 사용하여 임상 단계별 차별 발현 분석을 수행합니다.
4. 쌍이 없는 학생 t-검정을 사용하여 두 그룹 간 통계적 유의성을 평가하고, 분산 분석(ANOVA)을 사용해 여러 그룹 간 유의성을 평가합니다²⁴.
5. UCSC Xena 플랫폼에서 TCGA 범암 데이터셋을 조회하세요 (https://xenabrowser.net/). PTDSS1 및 PTDSS2 발현 프로필을 추출하고, 발현값이 0인 샘플은 제외합니다.
6. 추적 관찰 기간이 30일 미만인 사례는 제거하세요. 나머지 표현식 데이터는 log2 변환을 사용하여 의사 카운트가 0.001인 정규화합니다.
7. 10개 미만의 암 유형을 제외하면, 최종 데이터셋은 39개의 암 유형과 해당 OS 정보를 포함합니다. R 패키지 생존 분석을 수행하세요.
8. Coxph 함수를 사용하여 Cox 비례 위험 모델을 구성하여 PTDSS1/PTDSS2 발현과 암 전반에 걸친 환자 예후 간의 연관성을 평가합니다. 로그 랭크 검정을 사용하여 생존 차이를 평가합니다²⁴.
   참고: TCGA에서 다양한 종양 유형에 걸친 임상 주석 데이터가 이질적이고 불완전하게 접근하기 때문에, 나이, 성별, 종양 단계 등 추가 임상 공변량은 Cox 회귀 분석에 일관되게 포함되지 않았습니다.
9. UCSC Xena 플랫폼(https://xenabrowser.net/)에서 TCGA 범암 데이터셋을 얻으세요. PTDSS1 및 PTDSS2 발현 프로필을 추출하고 DNA 메틸화 특징을 기반으로 종양 줄기 지수를 계산합니다.
10. 후속 분석을 위해 유전자 발현 데이터와 줄기 점수를 통합합니다. 표현값이 0인 샘플을 제외하고 나머지 표현 데이터는 log2 변환을 사용해 정규화합니다.
11. 분석 신뢰성을 높이기 위해 샘플이 3개 미만인 암 유형을 제거하세요. 다양한 암 유형에서 PTDSS1/PTDSS2 발현과 종양 줄기 간의 연관성을 평가하기 위해 피어슨 상관분석을 수행한다 24.
    참고: 로그 변환 기반 정규화 과정에서 기술적 잡음과 불정의 값의 영향을 줄이기 위해 표현 값이 0인 샘플은 제외되었습니다. 같은 원칙이 이후 단계에도 적용됩니다.

3. 생존 예후 분석

1. 유전자 발현 프로파일링 상호작용 분석(GEPIA) 플랫폼(http://gepia.cancer-pku.cn/)의 "스테이지 플롯" 모듈을 사용하여 PTDSS1/PTDSS2 발현과 종양기 간의 연관성을 분석합니다.
2. KM 플로터 데이터베이스(https://kmplot.com/analysis/)를 사용하여 여러 암 유형에서 PTDSS1과 PTDSS2의 예후 유의성을 평가합니다.
3. 환자를 중간 발현 기준에 따라 고발현군과 저발현군으로 층화합니다(컷오프 하이 = 50%, 컷오프 저 = 50%).
4. GEPIA2를 사용하여 TCGA 종양 전반에 걸쳐 PTDSS1 및 PTDSS2의 OS 유의성 지도와 Kaplan–Meier 생존 곡선을 생성합니다. 통계적 유의성은 로그 랭크 검정을 사용하여 평가합니다.

4. PTDSS1 또는 PTDSS2 관련 유전자 분석

1. STRING 데이터베이스(https://cn.string-db.org/)에서 PTDSS1과 PTDSS2의 단백질-단백질 상호작용 네트워크를 얻으세요. 다음 매개변수를 가진 호모 사피엔스의 실험적으로 검증된 상호작용을 선택하며: 최소 상호작용 점수 = 0.150(신뢰도 낮음), 전체 네트워크 유형, 근거 기반 엣지, 최대 상호작용자 수 = 50.
2. GEPIA2(http://gepia2.cancer-pku.cn/#index)의 "유사 유전자 검출" 모듈을 사용하여 잠재적 공동 발현 유전자를 식별하고, 추가 분석을 위해 상위 100개의 관련 유전자를 선택하세요.
3. TIMER2.0(http://timer.cistrome.org/)의 "Gene_Corr" 모듈을 사용하여 PTDSS1/PTDSS2와 종양 유형 간 상호작용 상위 10개 단백질 간의 발현 상관관계를 평가하고, 결과를 히트맵으로 시각화합니다.
4. KEGG REST API(https://www.kegg.jp/kegg/rest/keggapi.html)를 통해 교토 유전자 및 유전체 백과사전(KEGG) 경로 주석을 검색하여 기능 풍부 분석의 참고 배경으로 활용하세요.
5. R 패키지 clusterProfiler를 사용하여 유전자 집합 크기가 5에서 5000까지 다양하게 이루어진 유전자 집합 풍부 분석을 수행하세요.
   참고: 통계적 유의성은 P < 0.05, 허위 발견률(FDR)< 0.25로 정의됩니다.
6. DAVID 데이터베이스를 사용하여 생물학적 과정(BP), 세포 구성 요소(CC), 분자 기능(MF) 등 유전자 온톨로지(GO) 풍부 분석을 수행합니다. 마이크로바이옴 플랫폼을 활용해 풍부한 경로를 시각화하세요.

5. 유전적 변형 분석

1. TCGA 범암 아틀라스 연구 코호트를 기반으로 한 cBioPortal 플랫폼(http://www.cbioportal.org/)을 사용하여 여러 암 유형에 걸친 PTDSS1 및 PTDSS2의 돌연변이 프로필을 조사합니다.
2. "OncoPrint"와 "Cancer Types Summary" 모듈을 사용하여 PTDSS1과 PTDSS2의 빈도 및 변형 유형을 살펴보세요. "OncoPrint" 모듈을 사용하여 샘플 간 돌연변이, 복제수 변이, 유전자 발현 변화를 시각화하세요.
3. "암 유형 요약" 및 "돌연변이" 섹션에서 PTDSS1 또는 PTDSS2를 검색하여 변형 부위, 돌연변이 유형 및 다양한 암 유형 간 분포에 대한 상세 정보를 얻을 수 있습니다.
4. UCSC Xena 데이터베이스(https://xenabrowser.net/)에서 TCGA 범암(PANCAN, N = 10,535, G = 60,499) 데이터셋을 다운로드하세요. 각 샘플에 대해 PTDSS1 및 PTDSS2 발현 데이터를 추출하여 해당 마이크로위성 불안정성(MSI) 점수를 얻습니다. 유전자 발현과 MSI 데이터를 통합하여 후속 분석을 수행합니다.
5. 표현값이 0인 샘플을 제외하고 나머지 데이터는 log2(x + 0.001) 스케일로 변환합니다. 3개 미만의 암 유형을 제거하면, 37종의^{암 유형에} 대한 발현 및 MSI 데이터를 포함하는 최종 데이터셋이 생성됩니다.
6. UCSC Xena 데이터베이스에서 TCGA 범암 데이터셋을 얻어 각 샘플에 대해 PTDSS1 및 PTDSS2 발현 데이터를 추출합니다. GDC 포털(https://portal.gdc.cancer.gov/)에서 MuTect2로 처리한 4단계 단순 뉴클레오타이드 변이 데이터를 다운로드하세요.
7. maftools R 패키지의 TMB 함수를 사용하여 각 샘플의 종양 돌연변이 부담(TMB)을 계산하고, TMB 값을 해당 유전자 발현 데이터와 통합합니다.
8. 표현값이 0인 샘플을 제외하고 나머지 데이터는 log2(x + 0.001) 스케일로 변환합니다. 3개 미만의 샘플로 대표되는 암 유형을 제거하면, 최종 데이터셋은 37종의 암 유형으로 구성됩니다.

6. 면역 조절 유전자, 면역 검사점, RNA 변형 유전자 분석

1. UCSC 데이터베이스에서 TCGA 범암 데이터셋을 확보하여 PTDSS1 또는 PTDSS2 발현 데이터와 5개 면역 관련 경로(화학계: 41개 유전자; 수용체: 18개 유전자; MHC: 21개의 유전자; 면역억제제: 24개의 유전자; 각 샘플마다 면역자극제: 46개의 유전자를 사용했습니다.
2. 정상 조직 샘플과 발현값이 0인 샘플은 제외하고 모든 발현 데이터에 log2(x + 0.001) 변환을 적용합니다. PTDSS1 또는 PTDSS2와 면역 경로 표지 유전자 간의 연관성을 평가하기 위해 피어슨 상관분석을 수행한다.
3. UCSC 데이터베이스에서 TCGA 범암 데이터셋을 검색하여 PTDSS1 또는 PTDSS2 발현 데이터와 면역 체크포인트 경로에 관여하는 60개 유전자(억제성 유전자 24개, 자극성 유전자: 36개)를 추출합니다.
4. 정상 샘플과 표현값이 0인 샘플을 제거하고 log2(x + 0.001)를 사용해 모든 표현 데이터를 변환합니다. PTDSS1 또는 PTDSS2와 면역 체크포인트 관련 유전자 간의 연관성을 평가하기 위해 피어슨 상관분석을 수행한다.
5. UCSC 데이터베이스에서 TCGA 범암 데이터셋을 다운로드하여 각 샘플별로 PTDSS1 또는 PTDSS2 발현 데이터와 세 가지 유형의 RNA 변형(m1A: 10개 유전자, m5C: 13개 유전자, m6A: 21개 유전자)과 관련된 44개의 유전자를 추출하세요.
6. 정상 조직 샘플과 발현값이 0인 샘플은 제외하고 모든 발현 데이터에 log2(x + 0.001) 변환을 적용합니다. PTDSS1 또는 PTDSS2와 RNA 변형 관련 유전자 간의 관계를 평가하기 위해 피어슨 상관분석을 수행하세요.

7. 면역 침윤 분석

1. UCSC Xena 데이터베이스에서 TCGA 범암 데이터셋을 다운로드하여 각 샘플에 대해 PTDSS1 및 PTDSS2 발현 데이터를 추출하세요.
2. 정상 샘플과 0 표현 샘플은 제외하세요. log2(x + 0.001) 변환을 사용하여 발현 데이터를 정규화하고 유전자 식별자를 GeneSymbol 형식으로 매핑합니다.
3. ESTIMATE R 패키지를 사용하여 각 환자별로 StromalScore, ImmuneScore, ESTIMATE 점수를 계산하면, 39개 암 유형에 걸쳐 9,554개의 종양 샘플에 대한 면역 침윤 점수를 산출할 수 있습니다.
4. psych R 패키지의 "corr.test" 기능을 사용하여 유전자 발현과 면역 침윤 점수 간의 연관성을 평가하기 위해 Pearson 상관분석을 수행하세요.
5. IOBR R 패키지에 구현된 TIMER 알고리즘을 사용하여 36개 종양 유형에 걸쳐 9,405개의 샘플에 대해 B세포, CD4⁺ T세포, CD8⁺ T 세포, 호중구, 대식세포, 수지상세포의 면역세포 침윤 점수를 추정합니다.
6. PTDSS1/PTDSS2 발현과 면역 세포 침윤 수준 간의 관계를 평가하기 위해 Pearson 상관분석을 수행한다.

8. 범암에서 PTDSS1과 PTDSS2의 약물 민감성

1. CellMiner에서 NCI-60 화합물 활성 데이터와 RNA-seq 발현 프로필을 다운로드하세요.
2. 이후 분석을 위해 FDA 승인 또는 임상시험 화합물을 선택하세요.
3. R 소프트웨어를 사용하여 범암에서 PTDSS1 및 PTDSS2의 약물 민감도 분석을 수행합니다.

결과

다양한 인간 정상 조직에서의 PTDSS1 또는 PTDSS2 mRNA 발현

HPA 데이터베이스 데이터를 사용하여 다양한 인간 조직에서 PTDSS1과 PTDSS2의 mRNA 발현 프로필을 조사하였습니다. 분석 결과 조직 특이적 발현 패턴이 눈에 띄게 나타났습니다. PTDSS1은 부갑상선, 심장근, 림프절, 편도선, 골수에서 많이 발현된 반면(그림 1A), PTDSS2는 부갑상선, 고환, 골격근, 신장, 대뇌 피질에서 발현이 높았습니다(그림 1B). 이 연구 결과는 PTDSS1과 PTDSS2가 인간 조직 전반에 걸쳐 뚜렷한 발현 양상을 보임을 보여줍니다.

PTDSS1 또는 PTDSS2는 여러 인간 암에서 상향 조절되었습니다

토론

암은 여러 계통의 조절 장애가 특징인 전신성 질환으로, 일반적으로 제거, 평형, 이출의 세 단계를 거치며 진행^됩니다. 제거 단계에서 면역 체계는 새로 형성된 암세포를 효과적으로 제거합니다; 평형 단계 동안에는 암세포와 면역세포가 상대적 균형을 이루어 종양의 확장이나 전이를 방지합니다; 궁극적으로 탈출 단계에서 암세포는 면역 감시를 회피하고 빠르게 증식하며 전이됩니다^. 따라서 면역 감시 회복이나 균형 잡힌 진행 상태를 확립하는 것이 효과적인 항종양 치료에 매우 중요합니다^. 의학의 발전과 함께 현대 암 치료는 치료 효능 향상, 환자 생존율 향상, 삶의 질 향상을 목표로 하는 다양한 방법을 포함하는 포괄적인 접근법을 채택하고 있습니다^26,27....

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
cBioPortal 플랫폼	cBioPortal	http://www.cbioportal.org/	다차원 암 유전체 데이터의 시각화 및 분석을 위한 플랫폼
GDC 포털	유전체 데이터 커먼즈 (GDC)	https://portal.gdc.cancer.gov/	TCGA 유전체 및 돌연변이 데이터셋 다운로드 포털
GEPIA 플랫폼	게피아	http://gepia.cancer-pku.cn/	TCGA 및 GTEx 데이터셋을 기반으로 한 유전자 발현 프로파일링 및 생존 분석을 위한 웹 서버
GEPIA2	GEPIA2	http://gepia2.cancer-pku.cn/#index	유전자 발현 상관관계 및 상호작용 분석을 위한 업데이트된 웹 서버
GTEx 데이터베이스	유전자형-조직 발현(GTEx) 프로젝트	http://commonfund.nih.gov/GTEx/	정상 인간 조직의 유전자 발현 프로필을 포함한 데이터베이스
인간 단백질 지도집(HPA) 데이터베이스	인간 단백질 아틀라스	https://www.proteinatlas.org	정상 조직과 암에서 단백질 및 RNA 발현 프로필을 분석하는 데이터베이스
KEGG REST API	교토 유전자 및 유전체 백과사전 (KEGG)	https://www.kegg.jp/kegg/rest/keggapi.html	KEGG 경로 주석을 검색하는 애플리케이션 프로그래밍 인터페이스
KM 플로터 도구	KMplot	https://kmplot.com/analysis/	다중 암에서 유전자의 예후 중요성을 평가하는 온라인 도구
maftools R 패키지	바이오컨덕터 패키지 마프툴	버전 2.8.05	종양 돌연변이 부담 및 돌연변이 분석에 사용되는 R 패키지
psych R 패키지	CRAN R 패키지 심리학	버전 2.1.6	상관관계 및 심리 통계 분석에 사용되는 R 패키지
R 패키지	R 통계 컴퓨팅 재단	버전 4.1.3	약물 민감도 분석에 사용되는 통계 컴퓨팅 소프트웨어
R package clusterProfiler	바이오컨덕터 패키지 클러스터프로파일러	버전 3.14.3	KEGG 및 기능 농축 분석에 사용되는 R 패키지
R 패키지 생존	CRAN R 패키지 생존	버전 3.2-7	Cox 회귀 및 Kaplan&ndash에 사용되는 R 패키지; 마이어 생존 분석
R 소프트웨어	R 통계 컴퓨팅 재단	버전 3.6.4	생물정보학 및 생존 분석에 사용되는 통계 컴퓨팅 소프트웨어
문자열 데이터베이스	스트링	https://cn.string-db.org/	단백질 및 대시 데이터베이스; 단백질 상호작용 네트워크 분석
TCGA 데이터베이스	암 게놈 아틀라스 (TCGA)	http://cancergenome.nih.gov	유전체, 전사체, 임상 암 데이터를 포함하는 대규모 암 유전체 데이터베이스
타이머 2.0	타이머 2.0	http://timer.cistrome.org/	종양에서 면역세포 침윤 추정 및 상관관계 분석을 위한 플랫폼
종양 면역 추정 리소스 2.0 (TIMER2) 플랫폼	타이머 2.0	http://timer.cistrome.org/	다양한 암 유형의 면역 침윤을 체계적으로 분석하는 웹 플랫폼
UCSC 제나 플랫폼	UCSC 제나	https://xenabrowser.net/	TCGA 및 기타 공개 다중 오믹스 데이터셋의 시각화 및 분석을 위한 플랫폼