Analisando fatores de expressão gênica do tumor com o portal da Web CorExplorer
11 de outubro de 2019
Apresentamos o portal Web CorExplorer, um recurso para a exploração de fatores de sequenciamento de RNA tumoral encontrados pelo algoritmo de aprendizado de máquina CorEx (explicação de correlação), e mostrar como os fatores podem ser analisados em relação à sobrevivência, anotações de banco de dados, interações proteína-proteína, e um outro para ganhar a introspecção na biologia do tumor e em intervenções terapêuticas.
O CorExplorer encontra fatores de expressão genética associados ao tumor de uma forma matematicamente com princípios usando visualizações interativas, bem como informações clínicas e de banco de dados para descoberta biológica. O CorEx realiza a maximização das informações de uma forma que requer relativamente poucas amostras para encontrar clusters em dados de alta dimensão. A hierarquia dos fatores latentes que produz facilita a compreensão biológica.
Este método já se mostrou interessante quando aplicado à biologia do câncer. Suas fundações teóricos de informação tornam-no aplicável a qualquer sistema com muitas variáveis e pouco conhecimento prévio sobre seus relacionamentos. Comece navegando até a página inicial do CorExplorer.
Em Links Rápidos, clique no botão plus expande para ver um resumo do gráfico de fator CorEx que foi treinado sobre os dados de câncer de interesse. Por exemplo, aqui, os gráficos de fator para dados de câncer de ovário TCGA são mostrados. Depois de inspecionar os gráficos de fator, clique em TCGA-LUAD pulmonar para acessar a página CorExplorer para sequenciamento de RNA de câncer de pulmão e use a janela CorExplorer Factor Graph para explorar o gráfico fator CorEx para um gene de interesse.
Ao mover o cursor do mouse sobre a janela de exibição do gráfico de fatores, amplie o gráfico de fatores usando o trackpad do mouse para visualizar os detalhes do gráfico, como os genes mais importantes em cada fator e as conexões entre os nós em diferentes camadas. Para localizar um gene de destino, clique no menu Gene e digite o nome do gene para selecioná-lo na lista de suspensos. Pressione Retorne no teclado para fazer a visualização dar zoom ao fator com o qual o gene de interesse está mais fortemente correlacionado.
Reposicione o mouse sobre o visor gráfico e role para diminuir o zoom para ver o nível do nó e seus fatores associados que são vizinhos ao fator genético mais associado. Observe que apenas genes com um peso maior do que o limiar indicado no controle deslizante min Link Weight são mostrados. Para visualizar todos os genes associados ao fator, clique no nó apropriado e selecione Carregar genes adicionais na janela pop-up.
Quando Done aparecer, feche a janela pop-up. Na seção cabeçalho, clique e arraste o modificador min Link Weight para 0,05 para permitir que os genes apareçam em ordem de peso. Para identificar associações com uma função biológica, na janela de anotação desmarcar a taxa de descoberta falsa para classificar o menu de queda do fator por número de fator em vez de taxa de descoberta falsa.
Role e clique para selecionar o fator de interesse no menu suspenso da janela Denotação para revelar as anotações de enriquecimento para o fator. Em seguida, clique em um fator de enriquecimento para visualizar imediatamente os genes associados como destacados em amarelo no visor gráfico. Observe que os fatores que desaparecem ou aparecem como diferentes termos go são selecionados de acordo com se eles são ou não enriquecidos para genes com a anotação selecionada.
Para fatores de interesse do filtro, usando a qualidade de sobrevivência e cluster, a partir do menu suspenso do Dataset selecione TCGA_OVCA para ir à página CorExplorer para o sequenciamento de RNA de câncer de ovário TCGA. Observe na janela Survival o fator com o maior diferencial de sobrevivência e selecione este fator na janela Fator Gráfico do menu suspenso factor. Clique e arraste o controle deslizante Link Weight para 0,5 e observe o número de genes no fator.
Expanda a lista de fatores na janela Sobrevivência e clique no próximo melhor fator na queda da janela Survival para ver suas curvas de sobrevivência associadas. As anotações significativas de GO e Kegg serão mostradas. Para obter uma melhor compreensão do papel biológico dos genes nesse fator, selecione a camada Fator na parte superior da janela Factor Graph e mova o mouse sobre a janela enquanto amplia para revelar todo o cluster e fatores associados.
Para entender a significância relativa dos fatores ligados ao nó de cluster desmarcar Tipo por p-val na janela Sobrevivência e clicar em cada um dos números de fator em sucessão para vê-los, observando os fatores que exibem uma associação de sobrevivência. No menu Adicionar janela selecione PPI e clique em Adicionar para adicionar uma janela de gráfico PPI à área de exibição. Na janela de gráficos do PPI selecione uma camada fator de interesse para exibir as interações proteína-proteína que são significativas.
Clique no link Exibir no StringDB para se conectar ao banco de dados on-line do STRINGdb e clique em Continuar. Em seguida, abra a guia Anaylsis para obter uma análise go on-line para os genes da rede PPI. O componente celular superior será exibido.
Retorne à guia CorExplorer e à janela PPI e selecione outro fator. Clique no link Exibir no StringDB novamente. Um componente celular superior diferente será exibido.
Em seguida, na janela PPI, selecione outro fator para uma análise de banco de dados STRING. Para encontrar semelhanças e diferenças de variação de expressão genética entre os tipos de tumor, clique no título CorExplorer para retornar à primeira página e clique em Pesquisar para acessar uma página que permite a pesquisa de todos os conjuntos de dados no site corExplorer. Na caixa Pesquisa de genes digite um nome genético de interesse e clique em Pesquisar.
Por exemplo, como demonstrado FLT1 é encontrado com um peso relativamente alto e vários fatores diferentes. A busca pelo gene BRCA1 no conjunto de dados do câncer de pulmão revela que o gene é o mais fortemente associado ao fator CorEx 26. O enriquecimento do termo GO para este fator é extremamente alto, com o reparo de DNA exibindo uma falsa taxa de descoberta de apenas uma vezes 10 para o 19 negativo.
A seleção também chama a atenção para o cluster de segundo nível L2_8 que tem seis fatores intimamente relacionados quando crianças. A rede de interação proteína-proteína de reparação de DNA está fortemente conectada, apoiando ainda mais a funcionalidade fortemente ligada dos genes no fator 26. Os gráficos de sobrevivência associados sugerem uma possível associação com a sobrevivência do paciente que teria que ser confirmada em um conjunto de dados maior.
A partir da avaliação de sobrevivência pode permitir a dissecção dos fatores que se correlacionam com uma melhor sobrevida associada a determinados grupos de expressão genética. A adição de uma janela de Interação Proteína-Proteína para cada fator, por sua vez, facilita a determinação de possíveis explicações para suas associações com a sobrevivência. É importante verificar os mapas de calor de cada fator para confirmar que o padrão de expressão genética é de qualidade adequada para suportar interpretações biológicas.
Mapas de calor que mostram variações fortes e claras nos padrões de expressão genética podem exibir uma expressão coordenada dos genes fatores, variando de padrões altos a baixos ou mais complexos, com alguns genes tendo baixa expressão correlacionada com outros genes com alta expressão. O objetivo geral deste procedimento é definir uma terapia personalizada mapeando um tumor amostral nos fatores CorExplorer para identificar potenciais terapias específicas do tumor.
Visão Geral
O portal web CorExplorer é apresentado como um recurso para explorar fatores de sequenciamento de RNA tumoral identificados pelo algoritmo de aprendizado de máquina CorEx. Esta plataforma permite a análise de fatores em relação à sobrevida, anotações de bancos de dados e interações proteína-proteína, a fim de aprimorar a compreensão da biologia tumoral.
Componentes Principais do Estudo
Área da Ciência
- Neurociência
- Oncologia
- Bioinformática
Antecedentes
- O CorExplorer utiliza visualizações interativas para a descoberta biológica.
- O CorEx realiza a maximização da informação para identificar agrupamentos em dados de alta dimensionalidade.
- Este método mostrou potencial em aplicações na biologia do câncer.
- É aplicável a sistemas com muitas variáveis e conhecimento prévio limitado.
Objetivo do Estudo
- Fornecer uma plataforma para explorar fatores de expressão gênica associados a tumores.
- Analisar a relação entre fatores genéticos e desfechos de sobrevida.
- Facilitar a compreensão da biologia tumoral e de possíveis intervenções terapêuticas.
Métodos Utilizados
- Visualizações interativas de grafos de fatores CorEx.
- Análise de dados de sequenciamento de RNA provenientes de conjuntos de dados do TCGA.
- Exploração de associações gênicas por meio de uma interface amigável ao usuário.
- Integração de dados de interação proteína-proteína para obter insights mais profundos.
Resultados Principais
- Identificação de fatores genéticos significativos associados aos tipos de tumor.
- Demonstração de diferenças de sobrevida ligadas a expressões gênicas específicas.
- Destaque de genes com alta correlação com os resultados de sobrevida.
- Oferecimento de anotações de enriquecimento para funções biológicas.
Conclusões
- O CorExplorer atua como uma ferramenta valiosa para a pesquisa do câncer.
- Ele aprimora a compreensão das interações gênicas e suas implicações para a sobrevida.
- A plataforma pode auxiliar na identificação de alvos terapêuticos potenciais.
Perguntas Frequentes
Relevância Executiva para a Indústria
O CorExplorer permite que pesquisadores de biofármacos investiguem fatores de expressão gênica derivados da análise CorEx, apoiando a validação de alvos por meio da visualização integrativa de dados de sobrevida, vias metabólicas e interações proteína-proteína. Ao vincular fatores latentes a anotações clínicas e funcionais, a plataforma auxilia na desconsideração mecanicista de riscos e na geração de hipóteses na descoberta oncológica. Isso facilita a confiança preditiva na priorização de genes e vias para exploração terapêutica subsequente.
Aplicações Estratégicas em P&D de Biotecnologia Farmacêutica
Descoberta Inicial e Validação de Alvo
- Valor Científico: Permite a investigação de fatores de expressão gênica associados a tumores para esclarecer hipóteses biológicas e o envolvimento de vias metabólicas.
- Valor Operacional: Apoia a validação funcional de alvos ao correlacionar agrupamentos gênicos com desfechos de sobrevida e anotações de enriquecimento.
- Valor Preditivo: Aumenta a confiança nos alvos por meio de análise de fatores multi-ômicos, auxiliando na triagem de portfólios de alvos em oncologia.
Desenvolvimento de Triagem e Ensaios
- Valor Científico: Prepara sistemas biológicos validados ao identificar fatores genéticos com fortes associações com sobrevivência e função para o planejamento de ensaios subsequentes.
- Valor Operacional: Promove a padronização e reprodutibilidade dos ensaios por meio da visualização consistente de grafos de fatores e filtragem de genes baseada em limiares.
- Escalabilidade: Permite a reutilização da plataforma em diferentes tipos de tumores (ovariano, pulmão, melanoma, colorretal) para comparação cruzada de alvos entre cânceres.
Pesquisa Translacional e Pré-clínica
- Valor Translacional: Conecta fatores de descoberta à relevância da doença por meio de diferenças de sobrevida e enriquecimentos de vias (GO, KEGG) alinhados à biologia tumoral.
- Continuidade Pré-clínica: Apoia decisões de avanço ajustadas ao risco ao vincular agrupamentos de expressão gênica a redes de interação proteína-proteína e associações de sobrevida.
- Redução de Riscos Mecanísticos: Esclarece os papéis funcionais de fatores genéticos por meio de análise de interações proteína-proteína e enriquecimento, reduzindo ambiguidades no mecanismo do alvo.
Integração de Pipeline e Fluxo de Trabalho
O CorExplorer insere-se no continuum de descoberta que vai da identificação do alvo até a validação pré-clínica, permitindo a exploração iterativa de fatores tumorais antes da identificação do composto líder.
- Biologia da Descoberta: Apoia a verificação de hipóteses e a clarificação de vias ao visualizar agrupamentos gênicos e suas anotações biológicas.
- Triagem: Melhora a preparação de ensaios por meio da extração reprodutível de fatores e limiares quantitativos de peso gênico.
- Análises: Fornece saídas quantitativas, incluindo diferenças de sobrevida, escores de enriquecimento e insights sobre redes de interação proteína-proteína para análise comparativa entre condições.
- Pesquisa Translacional: Conecta descobertas à continuidade pré-clínica por meio de fatores associados à sobrevida e enriquecimentos funcionais.
- Reutilização Empresarial: Funciona como uma plataforma reutilizável para a exploração de alvos em múltiplos tumores, reduzindo esforços analíticos redundantes.
Impacto Operacional e Empresarial
- Valor Científico: Confiança preditiva na validação de alvos, redução da ambiguidade mecanicista na biologia tumoral.
- Valor Operacional: Padronização, reprodutibilidade e escalabilidade da análise fatorial entre conjuntos de dados.
- Valor Estratégico: Decisões aprimoradas de prosseguir/não prosseguir, eficiência do capital e redução do risco biológico em estágios avançados nas cadeias de oncologia.
- Impacto no Portfólio: Priorização e decisões de avanço ajustadas ao risco com base em evidências integradas de fatores, sobrevida e vias.
Considerações sobre a Implementação
- Exige experiência em genômica do câncer, bioinformática e análise de vias metabólicas.
- Depende do acesso a dados de RNA-seq e integração com bancos de dados externos (STRINGdb, GO, KEGG).
- Necessita padronização entre equipes para interpretação consistente de grafos de fatores e limiares de enriquecimento.
- As considerações para adaptação incluem os diferentes tipos de tumores e a qualidade da expressão gênica entre os modelos.
- As limitações práticas incluem a dependência da qualidade dos dados de entrada e a necessidade de validação biológica dos achados computacionais.
Perguntas Frequentes sobre Biotecnologia Farmacêutica
Chapters in this video
0:04
Title
0:41
Exploring Factors Containing a Gene of Interest
3:06
Filtering and Interpreting CorEx Factors and Finding Commonalities and Differences of Gene Expression Variation Across Tumor Types
5:49
Results: Representative Tumor Gene Expression Factor Analysis
7:31
Conclusion
