Het uitvoeren van data mining en integratieve analyse van biomarker in borstkanker met behulp van meerdere openbaar toegankelijke databases
17 mei 2019
Hier presenteren we een protocol om de biomarker en Survival voorspeller van borstkanker te verkennen op basis van de uitgebreide analyse van gebundelde klinische datasets afgeleid van een verscheidenheid van openbaar toegankelijke databases, met behulp van de strategie van meningsuiting, correlatie en overlevings analyse stap voor stap.
Hier presenteren we een protocol om de biomarker en overlevingsvoorspeller van borstkanker te verkennen op basis van de analyse van een verscheidenheid aan openbare toegankelijke databases. Deze methode kan de geloofwaardigheid en representativiteit van de conclusies verbeteren, waardoor een informatief perspectief op een gen van belang is. Het voordeel van deze methode is dat het zorgt voor de snelle visualisatie en interpretatie van de potentiële rol van een gen bij borstkanker.
Bovendien kunnen alle resultaten die via deze procedure worden verkregen, onmiddellijk worden getest en herhaald door simpelweg de bijbehorende websites op te vragen. We kozen voor borstkanker in de studie om de haalbaarheid van deze methode te testen. Omdat borstkanker een heterogene ziekte is, kunnen de diagnose, behandeling en prognose van verschillende moleculaire subtypen borstkanker variëren.
Daarom is het bijzonder belangrijk om efficiënte online tool of database te vinden met informatie om de verschillende subtypes van borstkanker weer te geven. Ga naar de ONCOMINE-webinterface om deze procedure te starten. Typ ID1 in het zoekvak om de relatieve expressieniveaus van gen-ID1 in verschillende soorten maligniteiten te verkrijgen.
Selecteer in het menu Primaire filters het analysetype en selecteer vervolgens Kanker versus normale analyse. Selecteer in het andere weergavemenu de gensamenvattingsweergave.
Stel de drempelwaarde van P-waarde in op 0,01. Stel de drempel voor vouwwissel in op 2. Stel de drempel van genrang in op All.
Stel het gegevenstype in op Alles. Download de cijfers. Ga eerst naar de BC Gene-Expression Miner web interface.
Selecteer in het analysemenu correlatie en druk op de uitputtende knop. Typ ID1 in het zoekvak en druk op de knop Verzenden en de knop Analyse starten. Ga voor subgroepanalyse in de BC Gene-Expression Miner naar de BC Gene-Expression Miner interface.
Selecteer in het analysemenu expressie en druk op de uitputtende knop. Typ ID1 in het zoekvak en druk op de knop Verzenden en de knop Startanalyse. Klik op de nodale status en Scarff Bloom Richardson grade statusminiaturen om volledige afbeeldingen te bekijken.
Druk in de Scarff Bloom Richardson-afbeeldingen op de onderstaande knop om de P-waarden van de figuren te visualiseren. Download vervolgens de cijfers. Ga voor subgroepanalyse via Gen expression-based Outcome for Breast Cancer Online naar de GOBO-webinterface.
Type ID1 voor het gensymbool van belang en upload de genenset. Stel het zoekbereik in voor het definiëren van gen-/sonde-id's op gensymbool. Stel alles in tumorselectie in en selecteer de knooppuntstatus en de rangstraaliseerd in de parameters met meerdere verschillende parameters.
De andere items blijven standaard. Vul nu het onderzoek in en download de cijfers. Voor overlevingsanalyse in de BC Gene-Expression Miner, ga naar de BC Gene-Expression Miner web interface.
Selecteer in het analysemenu prognostisch en druk vervolgens op de uitputtende knop. Typ ID1 in het zoekvak en druk op de knop Verzenden en vervolgens op de knop Startanalyse. Selecteer in de uitputtende prognostische analyse Nm, ERm, MR in de populatie- en gebeurteniscriteria en druk op de verzendknop om meer informatie te verkrijgen.
Klik hierna op de kaplan-meier curve miniaturen om de volledige grafieken te exporteren. Ga voor overlevingsanalyse in de Human Protein Atlas naar de Human Protein Atlas webinterface. Typ ID1 in het zoekvak en klik op de zoekknop.
Selecteer vervolgens de subatlas pathologie. Klik op het label voor borstkanker en een gedetailleerde pagina zal verschijnen met een interactieve overlevingstrstring plot en overleving analyse. Download deze cijfers.
Voor overlevingsanalyse in de Kaplan-Meier Plotter Survival, ga naar de Kaplan-Meier Plotter web interface. Klik in de mRNA-genchipzone op start KM-plotter voor borstkanker. Typ ID1 in de zoekbalk en selecteer het groene item in het kandidaatmenu.
Selecteer vervolgens RFS als overlevingstype en laat de andere items achter bij de standaardinstellingen. Klik op loting Kaplan-Meier plot en download de cijfers. In deze studie wordt een representatief resultaat voor de datamining en integratieve analyse van een biomarker van borstkanker uitgevoerd met ID1, een van de DNA-bindende familieleden van de remmer.
De verschillen in ID1 mRNA expressie tussen tumor en normale weefsels worden eerst geanalyseerd met behulp van de ONCOMINE database, die een totaal van 445 unieke analyses bevat. Er zijn slechts 5 studies waaruit blijkt een mRNA expressie niveau van ID1 dat aanzienlijk hoger is in normale weefsels dan in borstkanker weefsels, wat aangeeft dat er een uitdrukkingsdysregulatie van ID1 bij borstkanker. De BC Gene-Expression Miner wordt vervolgens gebruikt om de correlatie tussen mRNA expressie van ID1 en de clinicopathologische parameters van borstkankerpatiënten te identificeren.
De mRNA-niveaus van ID1 worden gezien als significant verhoogd bij borstkankerpatiënten zonder lymfekliermetastase in vergelijking met die met lymfekliermetastase. De analyse in GOBO toont aan dat verhoogde mRNA niveaus van ID1 correleren met lagere tumor rang. Deze resultaten impliceren dat verhoogde expressie van ID1 is gekoppeld aan een lager uitgezaaid potentieel en een lagere pathologische graad bij borstkanker.
De analyse van de BC Gene-Expression Miner database geeft aan dat hogere mRNA niveaus van ID1 is gecorreleerd aan langere verre metastase-vrije overleving bij borstkankerpatiënten. De analyse van de Human Protein Atlas suggereert ook dat verhoogde eiwitniveaus van ID1 wordt geassocieerd met een betere overlevingsuitkomst bij borstkankerpatiënten. De overlevingsanalyse van de Kaplan-Meier Plotter komt overeen met deze bevindingen en toont aan dat hogere mRNA-niveaus van ID1-expressie een betere recidiefvrije overleving bij borstkankerpatiënten voorspellen.
Steeds meer online databases zullen beschikbaar zijn of toegankelijk zijn voor onderzoekers. Het protocol kan een efficiënte methode bieden voor onderzoekers om potentiële doelgenen en bijbehorende signaleringstrajecten te identificeren.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Dit artikel presenteert een protocol voor het onderzoeken van biomarkers en overlevingsvoorspellers bij borstkanker via een uitgebreide analyse van publiek toegankelijke klinische datasets. De methode vergroot de geloofwaardigheid van de bevindingen en maakt een snelle visualisatie van de rol van genen bij borstkanker mogelijk.
Belangrijkste componenten van de studie
Wetenschappelijk gebied
- Borstkankeronderzoek
- Biomarkeranalyse
- Overlevingsvoorspelling
Achtergrond
- Borstkanker is een heterogene ziekte.
- Diagnose, behandeling en prognose variëren per moleculair subtype.
- Publieke databases bieden waardevolle klinische gegevens.
- Inzicht in de rol van genen kan bijdragen aan behandelstrategieën.
Doel van de studie
- Om een protocol te ontwikkelen voor het analyseren van biomarkers voor borstkanker.
- Om overlevingsvoorspellers te beoordelen op basis van genexpressie.
- Om de representativiteit van conclusies getrokken uit gegevens te verbeteren.
Gebruikte methoden
- Uitgebreide analyse van gepoolde klinische datasets.
- Technieken voor expressie-, correlatie- en overlevinganalyse.
- Visualisatie van genrollen bij borstkanker.
- Reproduceerbaarheid door het raadplegen van openbare databases.
Belangrijkste resultaten
- Identificatie van potentiële biomarkers voor borstkanker.
- Inzichten in overlevingsvoorspellers op basis van genexpressie.
- Demonstratie van de haalbaarheid van de methode met behulp van borstkankergegevens.
- Verdiept begrip van variaties in moleculaire subtypen.
Conclusies
- Het protocol biedt een systematische aanpak voor biomarkeranalyse.
- Resultaten kunnen worden gevalideerd via zoekopdrachten in openbare databases.
- Deze methode kan toekomstig onderzoek naar en behandeling van borstkanker informeren.
Veelgestelde vragen
Industriële Relevantie voor Directie
Het integreren van multidimensionale genomische gegevens uit openbare databases maakt snelle hypothesetoetsing en biomarker-validatie in borstkankeronderzoek mogelijk. Deze aanpak verbetert de geloofwaardigheid en representativiteit van conclusies door gebruik te maken van gepoolde klinische datasets over meerdere platforms. Het ondersteunt workflows voor vroege ontdekking door toegankelijke, reproduceerbare inzichten te bieden in genexpressiepatronen en overlevingsassociaties.
Strategische toepassingen in biofarmaceutische R&D
Vroege ontdekking & targetvalidatie
- Wetenschappelijke waarde: Maakt het toetsen van therapeutische hypothesen mogelijk door analyse van expressiepatronen van biomarkers zoals ID1 in kankers weefsels versus normale weefsels.
- Wetenschappelijke waarde: Ondersteunt biologische risicoreductie door biomarker-expressie te correleren met clinicopathologische kenmerken zoals lymfeknoopmetastasen en tumorgradatie.
- Wetenschappelijke waarde: Verhoogt de betrouwbaarheid van targets door overlevingsassociaties te identificeren in onafhankelijke datasets, wat de voorspellende waarde van biomarker-kandidaten versterkt.
Screening & assayontwikkeling
- Operationele waarde: Bereidt gevalideerde biologische systemen voor op downstream-workflows door expressie-baselines en subgroepspecifieke profielen vast te stellen met behulp van gestandaardiseerde query-drempelwaarden.
- Operationele waarde: Bevordert de standaardisatie en reproduceerbaarheid van assays door consistente toepassing van P-waarde, fold change en genrang-filters over verschillende databases.
- Operationele waarde: Maakt screeningklaarheid mogelijk door kwantitatieve outputs te genereren (bijv. expressieniveaus, overlevingscurven) die direct opnieuw getest kunnen worden via openbare webinterfaces.
Translationeel & Preklinisch Onderzoek
- Translationele waarde: Ondersteunt systeemmodellering van ziekten door biomarker-expressie te stratificeren over moleculaire subtypen en klinische subgroepen die relevant zijn voor de heterogeniteit van borstkanker.
- Translationele waarde: Faciliteert mechanische risicoreductie door ID1-expressie te koppelen aan een lager metastatisch potentieel en verbeterde overlevingsuitkomsten, wat bijdraagt aan preklinische prioritering.
- Translationele waarde: Versterkt de translationele continuïteit door consistente overlevingsassociaties aan te tonen over onafhankelijke platforms (bcGenExMiner, HPA, Kaplan-Meier Plotter).
Integratie van Pipeline & Workflow
De methode integreert in het ontdekkingscontinuüm, van targetvalidatie tot preklinische evaluatie, door reproduceerbaar bewijs uit meerdere bronnen te leveren over het gedrag van biomarkers bij borstkanker.
- Discovery Biology: Ondersteunt hypotheseonderzoek en pathway-verduidelijking door de analyse van expressiedysregulatie en klinische correlaties van genen zoals ID1 in kanker- en normale monsters.
- Screening: Levert assay-klare kwantitatieve resultaten, zoals fold-change drempelwaarden en survival hazard ratios, die een betrouwbare evaluatie van verbindingen of genetische perturbaties mogelijk maken.
- Analytics: Biedt gestandaardiseerde metingen, waaronder expressieniveaus, correlatiecoëfficiënten, P-waarden en Kaplan-Meier overlevingsschattingen voor vergelijking tussen verschillende condities.
- Translationeel Onderzoek: Verbindt ontdekkingsbevindingen met preklinische continuïteit door biomarker-overlevingsrelaties te valideren over onafhankelijke klinische datasets.
- Enterprise Reuse: Vestigt een herbruikbare capaciteit voor biomarkerbeoordeling over verschillende kankertypen, gebruikmakend van publiek toegankelijke databases zonder eigen infrastructuur.
Operationele & Bedrijfsimpact
- Wetenschappelijke waarde: Verhoogt het voorspellende vertrouwen in biomarker-kandidaten door middel van cross-database validatie en vermindering van mechanische ambiguïteit.
- Operationele waarde: Waarborgt reproduceerbaarheid en standaardisatie via herhaalbare webgebaseerde queries met gedefinieerde analytische drempelwaarden.
- Strategische waarde: Verbetert go/no-go beslissingen door representatief bewijs uit meerdere cohorten te leveren over biomarker-associaties met overleving en pathologie.
- Impact op portfolio: Maakt risico-gecorrigeerde prioritering van targets mogelijk door expressie-, correlatie- en overlevingsgegevens te integreren om de biologische en klinische relevantie te beoordelen.
Overwegingen voor implementatie
- Vereist expertise in genomische datainterpretatie en bekendheid met de interfaces van openbare kankerdatabases.
- Afhankelijk van stabiele toegang tot online platforms zoals ONCOMINE, bcGenExMiner, GOBO, HPA en Kaplan-Meier Plotter.
- Vereist standaardisatie van queryparameters tussen teams (bijv. P-waarde drempels, fold-change grenswaarden) om consistente resultaten te garanderen.
- Omvat overwegingen voor aanpassing bij het toepassen van het protocol op verschillende kankertypen of biomarkergenen vanwege de database-specifieke beschikbaarheid van gegevens.
- Beperkt door de reikwijdte en annotatiekwaliteit van openbaar toegankelijke datasets, wat de volledigheid van subgroep- of overlevingsanalyses kan beïnvloeden.
