Eksploracja danych i analiza integracyjna biomarkera raka piersi przy użyciu wielu publicznie dostępnych baz danych
17 maja 2019
Tutaj prezentujemy protokół do badania biomarkera i predyktora przeżycia raka piersi na podstawie kompleksowej analizy zbiorczych zestawów danych klinicznych pochodzących z różnych publicznie dostępnych baz danych, wykorzystując strategię ekspresji, korelacji i analizy przeżycia krok po kroku.
W tym miejscu przedstawiamy protokół badania biomarkerów i predyktorów przeżycia raka piersi na podstawie analizy różnych publicznie dostępnych baz danych. Metoda ta może poprawić wiarygodność i reprezentatywność wniosków, a tym samym przedstawić informacyjną perspektywę na interesujący nas gen. Zaletą tej metody jest to, że pozwala na szybką wizualizację i interpretację potencjalnej roli genu w raku piersi.
Co więcej, wszystkie wyniki uzyskane w wyniku tej procedury można natychmiast przetestować i powtórzyć, po prostu wysyłając zapytanie do odpowiednich stron internetowych. W badaniu wybraliśmy raka piersi, aby przetestować wykonalność tej metody. Ponieważ rak piersi jest chorobą niejednorodną, diagnoza, leczenie i rokowanie w przypadku różnych podtypów molekularnych raka piersi mogą się różnić.
Dlatego szczególnie ważne jest znalezienie skutecznego narzędzia lub bazy danych online z informacjami odzwierciedlającymi różne podtypy raka piersi. Aby rozpocząć tę procedurę, przejdź do interfejsu internetowego ONCOMINE. Wpisz ID1 w polu wyszukiwania, aby uzyskać względne poziomy ekspresji genu ID1 w różnych typach nowotworów złośliwych.
W menu filtrów głównych wybierz typ analizy, a następnie wybierz opcję Analiza raka a normalna. W menu innych widoków wybierz widok podsumowania genów.
Ustaw próg wartości P na 0,01. Ustaw próg zmiany krotności na 2. Ustaw próg rangi genu na Wszystkie.
Ustaw typ danych na Wszystkie. Pobierz dane liczbowe. Najpierw przejdź do interfejsu internetowego BC Gene-Expression Miner.
W menu analizy wybierz korelację, a następnie naciśnij wyczerpujący przycisk. Wpisz ID1 w polu wyszukiwania i naciśnij przycisk przesyłania oraz przycisk rozpocznij analizę. Aby zapoznać się z analizą podgrup w BC Gene-Expression Miner, przejdź do interfejsu BC Gene-Expression Miner.
W menu analizy wybierz wyrażenie i naciśnij przycisk wyczerpujący. Wpisz ID1 w polu wyszukiwania i naciśnij przycisk przesyłania oraz przycisk rozpoczęcia analizy. Kliknij miniatury stanu węzłowego i stanu Scarff Bloom Richardson, aby wyświetlić pełne obrazy.
Na obrazach Scarff Bloom Richardson naciśnij poniższy przycisk, aby wyświetlić wartości P figur. Następnie pobierz liczby. Aby zapoznać się z analizą podgrup za pomocą Gene Expression-based Outcome for Breast Cancer Online, przejdź do interfejsu internetowego GOBO.
Wpisz ID1 dla symbolu genu będącego przedmiotem zainteresowania i prześlij zestaw genów. Ustaw zakres wyszukiwania dla zdefiniowania identyfikatorów genów/sond na symbol genu. Ustaw wszystko w selekcji guza i wybierz status węzła i stopień stratyfikowany w parametrach wielowymiarowych.
Pozostałe elementy pozostają domyślne. Teraz wyślij zapytanie i pobierz liczby. Aby zapoznać się z analizą przeżycia w BC Gene-Expression Miner, przejdź do interfejsu internetowego BC Gene-Expression Miner.
W menu analizy wybierz opcję prognostyczny, a następnie naciśnij przycisk wyczerpujący. Wpisz ID1 w polu wyszukiwania i naciśnij przycisk Prześlij, a następnie przycisk Rozpocznij analizę. W wyczerpującej analizie prognostycznej wybierz Nm, ERm, MR w kryteriach populacji i zdarzenia, a następnie naciśnij przycisk przesyłania, aby uzyskać więcej informacji.
Następnie kliknij miniatury krzywych Kaplana-Meiera, aby wyeksportować pełne wykresy. Aby zapoznać się z analizą przeżycia w atlasie białek ludzkich, przejdź do interfejsu internetowego atlasu białek ludzkich. Wpisz ID1 w polu wyszukiwania i kliknij przycisk wyszukiwania.
Następnie wybierz podatlas patologii. Kliknij etykietę raka piersi, a pojawi się szczegółowa strona z interaktywnym wykresem punktowym przeżycia i analizą przeżycia. Pobierz te liczby.
Aby zapoznać się z analizą przeżycia w ploterze Kaplana-Meiera Survival, przejdź do interfejsu internetowego plotera Kaplana-Meiera. W strefie chipa genu mRNA kliknij start KM ploter dla raka piersi. Wpisz ID1 w pasku wyszukiwania i wybierz zieloną pozycję w menu kandydata.
Następnie wybierz RFS jako typ przetrwania i pozostaw pozostałe elementy w ich ustawieniach domyślnych. Kliknij narysuj wykres Kaplana-Meiera i pobierz rysunki. W tym badaniu reprezentatywny wynik dla eksploracji danych i analizy integracyjnej biomarkera raka piersi został przeprowadzony przy użyciu ID1, jednego z członków rodziny inhibitorów wiążących DNA.
Różnice w ekspresji mRNA ID1 między tkankami nowotworowymi a normalnymi są najpierw analizowane przy użyciu bazy danych ONCOMINE, która zawiera łącznie 445 unikalnych analiz. Istnieje tylko 5 badań ujawniających poziom ekspresji mRNA ID1, który jest znacznie wyższy w normalnych tkankach niż w tkankach raka piersi, co wskazuje, że występuje rozregulowanie ekspresji ID1 w raku piersi. BC Gene-Expression Miner jest następnie używany do identyfikacji korelacji między ekspresją mRNA ID1 a parametrami kliniczno-patologicznymi pacjentek z rakiem piersi.
Obserwuje się, że poziomy mRNA ID1 są znacznie zwiększone u pacjentek z rakiem piersi bez przerzutów do węzłów chłonnych w porównaniu z pacjentkami z przerzutami do węzłów chłonnych. Analiza w GOBO pokazuje, że zwiększony poziom mRNA ID1 koreluje z niższym stopniem guza. Wyniki te sugerują, że zwiększona ekspresja ID1 wiąże się z niższym potencjałem przerzutów i niższym stopniem patologicznym raka piersi.
Analiza z bazy danych BC Gene-Expression Miner wskazuje, że wyższe poziomy mRNA ID1 są skorelowane z dłuższym odległym przeżyciem wolnym od przerzutów u pacjentek z rakiem piersi. Analiza z Atlasu Białek Ludzkich sugeruje również, że podwyższony poziom białka ID1 jest związany z lepszymi wynikami przeżycia u pacjentek z rakiem piersi. Analiza przeżycia z plotera Kaplana-Meiera jest zgodna z tymi odkryciami i pokazuje, że wyższe poziomy ekspresji mRNA ID1 przewidują lepsze przeżycie wolne od nawrotu u pacjentek z rakiem piersi.
Coraz więcej internetowych baz danych będzie dostępnych lub dostępnych dla naukowców. Protokół może stanowić skuteczną metodę dla naukowców w celu identyfikacji potencjalnych genów docelowych i związanego z nimi szlaku sygnałowego.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejszy artykuł przedstawia protokół badania biomarkerów oraz predyktorów przeżycia w raku piersi poprzez kompleksową analizę publicznie dostępnych zestawów danych klinicznych. Metoda ta zwiększa wiarygodność wyników i umożliwia szybką wizualizację roli genów w raku piersi.
Kluczowe elementy badania
Dziedzina nauki
- Badania nad rakiem piersi
- Analiza biomarkerów
- Przewidywanie przeżywalności
Wstęp
- Rak piersi jest chorobą heterogenną.
- Diagnostyka, leczenie i rokowanie różnią się w zależności od podtypów molekularnych.
- Publiczne bazy danych dostarczają cennych danych klinicznych.
- Zrozumienie roli genów może pomóc w opracowaniu strategii terapeutycznych.
Cel badania
- Opracowanie protokołu analizy biomarkerów raka piersi.
- Ocena predyktorów przeżycia na podstawie ekspresji genów.
- Poprawa reprezentatywności wniosków wyciągniętych z danych.
Zastosowane metody
- Kompleksowa analiza połączonych zbiorów danych klinicznych.
- Techniki analizy ekspresji, korelacji i przeżywalności.
- Wizualizacja roli genów w raku piersi.
- Powtarzalność poprzez odpytywanie publicznych baz danych.
Główne wyniki
- Identyfikacja potencjalnych biomarkerów raka piersi.
- Wnioski dotyczące predyktorów przeżycia w oparciu o ekspresję genów.
- Wykazanie wykonalności metody z wykorzystaniem danych dotyczących raka piersi.
- Pogłębione zrozumienie zmienności podtypów molekularnych.
Wnioski
- Protokół oferuje systematyczne podejście do analizy biomarkerów.
- Wyniki można zwalidować poprzez zapytania w publicznych bazach danych.
- Metoda ta może dostarczyć cennych informacji dla przyszłych badań i metod leczenia raka piersi.
Najczęściej zadawane pytania
Znaczenie dla Przemysłu
Integracja wielowymiarowych danych genomicznych z publicznych baz danych umożliwia szybką weryfikację hipotez i walidację biomarkerów w badaniach nad rakiem piersi. Podejście to zwiększa wiarygodność i reprezentatywność wniosków dzięki wykorzystaniu połączonych zestawów danych klinicznych z wielu platform. Wspiera ono procesy wczesnego odkrywania, dostarczając przystępnych i powtarzalnych informacji na temat wzorców ekspresji genów oraz korelacji z przeżywalnością.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Wartość naukowa: Umożliwia weryfikację hipotez terapeutycznych poprzez analizę wzorców ekspresji biomarkerów, takich jak ID1, w tkankach nowotworowych w porównaniu z tkankami prawidłowymi.
- Wartość naukowa: Wspiera biologiczną redukcję ryzyka poprzez korelację ekspresji biomarkerów z cechami kliniczno-patologicznymi, takimi jak przerzuty do węzłów chłonnych i stopień złośliwości guza.
- Wartość naukowa: Zwiększa pewność wyboru celu terapeutycznego poprzez identyfikację powiązań z przeżywalnością w niezależnych zbiorach danych, co wzmacnia wartość prognostyczną kandydatów na biomarkery.
Przesiewy i opracowywanie testów
- Wartość operacyjna: Przygotowuje zwalidowane systemy biologiczne do dalszych etapów analizy poprzez ustalenie bazowych poziomów ekspresji i profili specyficznych dla podgrup z wykorzystaniem zstandardyzowanych progów zapytań.
- Wartość operacyjna: Wspiera standaryzację i powtarzalność testów dzięki konsekwentnemu stosowaniu filtrów wartości P-value, krotności zmiany (fold change) oraz rangi genów w obrębie baz danych.
- Wartość operacyjna: Umożliwia przygotowanie do screeningu poprzez generowanie wyników ilościowych (np. poziomów ekspresji, krzywych przeżycia), które mogą być natychmiastowo weryfikowane za pomocą publicznych interfejsów internetowych.
Badania translacyjne i przedkliniczne
- Wartość translacyjna: Wspiera modelowanie systemów istotnych dla przebiegu choroby poprzez stratyfikację ekspresji biomarkerów w podtypach molekularnych i podgrupach klinicznych związanych z heterogennością raka piersi.
- Wartość translacyjna: Ułatwia ograniczanie ryzyka mechanistycznego poprzez powiązanie ekspresji ID1 z niższym potencjałem przerzutowym i lepszymi wynikami przeżycia, co pozwala na ustalenie priorytetów w badaniach przedklinicznych.
- Wartość translacyjna: Wzmacnia ciągłość translacyjną poprzez wykazanie spójnych korelacji z przeżywalnością na niezależnych platformach (bcGenExMiner, HPA, Kaplan-Meier Plotter).
Integracja potoku i przepływu pracy
Metoda ta integruje się z kontinuum procesu odkrywania – od walidacji celu po ocenę przedkliniczną – dostarczając powtarzalnych dowodów z wielu źródeł na temat zachowania biomarkerów w raku piersi.
- Biologia odkrywcza: Wspiera weryfikację hipotez i wyjaśnianie szlaków sygnałowych poprzez analizę dysregulacji ekspresji oraz korelacji klinicznych genów, takich jak ID1, w próbkach nowotworowych i prawidłowych.
- Przesiewanie: Dostarcza gotowe do analizy dane ilościowe, takie jak progi krotności zmiany (fold-change) oraz hazard ratio przeżywalności, co umożliwia wiarygodną ocenę związków lub perturbacji genetycznych.
- Analityka: Zapewnia ustandaryzowane pomiary, w tym poziomy ekspresji, współczynniki korelacji, wartości P oraz szacunki przeżywalności Kaplana-Meiera dla porównań między różnymi warunkami.
- Badania translacyjne: Łączy wyniki odkryć z ciągłością przedkliniczną poprzez walidację powiązań między biomarkerami a przeżywalnością w niezależnych zbiorach danych klinicznych.
- Wykorzystanie w skali przedsiębiorstwa: Ustanawia powtarzalną możliwość oceny biomarkerów w różnych typach nowotworów, wykorzystując publicznie dostępne bazy danych bez konieczności posiadania własnej infrastruktury.
Wpływ operacyjny i przedsiębiorstwa
- Wartość naukowa: Zwiększa pewność prognostyczną w odniesieniu do potencjalnych biomarkerów poprzez walidację w wielu bazach danych oraz redukcję niejednoznaczności mechanistycznej.
- Wartość operacyjna: Zapewnia powtarzalność i standaryzację dzięki powtarzalnym zapytaniom internetowym z określonymi progami analitycznymi.
- Wartość strategiczna: Usprawnia podejmowanie decyzji o kontynuacji lub przerwaniu badań (go/no-go), dostarczając reprezentatywnych dowodów z wielu kohort na powiązania biomarkerów z przeżywalnością i patologią.
- Wpływ na portfolio: Umożliwia priorytetyzację celów z uwzględnieniem ryzyka poprzez integrację danych o ekspresji, korelacji i przeżywalności w celu oceny istotności biologicznej i klinicznej.
Wskazówki dotyczące wdrożenia
- Wymagana jest wiedza z zakresu interpretacji danych genomicznych oraz biegłość w obsłudze interfejsów publicznych baz danych o nowotworach.
- Procedura jest zależna od stabilnego dostępu do platform internetowych, takich jak ONCOMINE, bcGenExMiner, GOBO, HPA oraz Kaplan-Meier Plotter.
- Konieczna jest standaryzacja parametrów zapytania w obrębie zespołów (np. progi P-value, wartości odcięcia fold-change), aby zapewnić spójność wyników.
- Zastosowanie protokołu w odniesieniu do różnych typów nowotworów lub genów biomarkerów wymaga uwzględnienia modyfikacji ze względu na dostępność danych w poszczególnych bazach.
- Ograniczeniem jest zakres i jakość adnotacji publicznie dostępnych zbiorów danych, co może wpływać na kompletność analiz podgrup lub analiz przeżywalności.
