Выполнение интеллектуального анализа данных и интегративный анализ биомаркеров в раке молочной железы с использованием нескольких публично доступных баз данных
17 мая 2019 г.
Здесь мы представляем протокол для изучения биомаркеров и прогнозирования выживаемости рака молочной железы на основе комплексного анализа Объединенных клинических наборов данных, полученных из различных общедоступных баз данных, используя стратегию выражения, корреляции и анализ выживаемости шаг за шагом.
Здесь мы представляем протокол для изучения биомаркера и предсказателя выживаемости рака молочной железы на основе анализа различных общедоступных баз данных. Этот метод может повысить достоверность и репрезентативность выводов, тем самым представить информативный взгляд на ген интереса. Преимущество этого метода в том, что он позволяет быстро визуализировать и интерпретацию потенциальную роль гена в раке молочной железы.
Более того, все результаты, полученные в рамках этой процедуры, могут быть немедленно протестированы и повторены, просто запросив соответствующие веб-сайты. Мы выбрали рак молочной железы в исследовании, чтобы проверить осуществимость этого метода. Поскольку рак молочной железы является неоднородным заболеванием, диагноз, лечение и прогноз различных молекулярных подтипов рака молочной железы могут варьироваться.
Поэтому особенно важно найти эффективный онлайн-инструмент или базу данных с информацией, отражающей разрозненные подтипы рака молочной железы. Для начала этой процедуры перейдите на веб-интерфейс ONCOMINE. Ввись ID1 в поле поиска, чтобы получить относительные уровни экспрессии гена ID1 при различных типах злокачественных новообразований.
В меню первичных фильтров выберите тип анализа, а затем выберите Cancer vs. Normal Analysis. В меню других представлений выберите краткое представление гена.
Установите порог P-значения на уровне 0,01. Установите порог изменения раза до 2. Установите порог ранга гена для всех.
Установите тип данных для всех. Скачать цифры. Во-первых, перейдите на веб-интерфейс BC Gene-Expression Miner.
В меню анализа выберите корреляцию, а затем нажмите на исчерпывающую кнопку. Ввемите ID1 в поле поиска и нажмите кнопку отправки и кнопку «Анализ старта». Для анализа подгрупп в до н.э. Ген-Экспрессия Майнер, перейдите на до н.э. Ген-Экспрессия Майнер интерфейс.
В меню анализа выберите выражение и нажмите исчерпывающую кнопку. Ввести ID1 в поле поиска и нажмите кнопку отправки и кнопку анализа старта. Нажмите на статус нодала и Scarff Блум Ричардсон класса статус эскизы для просмотра полных изображений.
На снимках Scarff Bloom Richardson нажмите кнопку ниже, чтобы визуализировать P-значения фигур. Затем загрузите цифры. Для анализа подгруппы с помощью анализа экспрессии генов Outcome for Breast Cancer Online перейдите на веб-интерфейс GOBO.
Ввись ID1 для символа гена, представляющий интерес, и загрузите набор генов. Установите диапазон поиска для определения идентификаторов генов/зондов для генного символа. Установите все в выборе опухоли, и выберите статус узла и класс стратифицированных в многовариантных параметров.
Остальные элементы остаются по умолчанию. Теперь, представить запрос и скачать цифры. Для анализа выживаемости в до н.э. Ген-Экспрессия Майнер, перейдите на до н.э. Ген-Экспрессия Miner веб-интерфейс.
В меню анализа выберите прогноз, а затем нажмите на исчерпывающую кнопку. Ввести ID1 в поле поиска и нажмите кнопку отправки, а затем кнопку анализа старта. В исчерпывающем прогностический анализ, выберите Нм, ERm, MR в популяции и события критерии, и нажмите кнопку представить, чтобы получить больше информации.
После этого нажмите на эскизы кривой Каплан-Мейер, чтобы экспортировать полные графики. Для анализа выживаемости в атласе белков человека перейдите на веб-интерфейс Human Protein Atlas. Ввените ID1 в поле поиска и нажмите кнопку поиска.
Далее выберите подаборт патологии. Нажмите на этикетку для рака молочной железы и подробная страница появится с указанием интерактивного участка рассеяния выживания и анализа выживания. Скачать эти цифры.
Для анализа выживаемости в Kaplan-Meier Plotter Survival перейдите на веб-интерфейс Kaplan-Meier Plotter. В зоне чипа гена мРНК нажмите кнопку «Начать КМ плоттер» для лечения рака молочной железы. Ввемит ID1 в планку поиска и выберите зеленый элемент в меню кандидата.
Затем выберите RFS в качестве типа выживания и оставьте другие элементы в настройках по умолчанию. Нажмите нарисовать Каплан-Мейер сюжет и скачать цифры. В этом исследовании, репрезентативный результат для анализа данных и интегративного анализа биомаркера рака молочной железы выполняется с помощью ID1, один из ингибитора ДНК-связывающих членов семьи.
Различия экспрессии ID1 mRNA между опухолью и нормальными тканями сначала анализируются с помощью базы данных ONCOMINE, которая содержит в общей сложности 445 уникальных анализов. Есть только 5 исследований, показывающих уровень экспрессии мРНК ID1, который значительно выше в нормальных тканях, чем в тканях рака молочной железы, что указывает на то, что есть выражение дисрегуляции ID1 при раке молочной железы. Bc Gene-Expression Miner затем используется для определения корреляции между экспрессией мРНК ID1 и клиникопатологическими параметрами больных раком молочной железы.
Уровни мРНК ID1, как видно, значительно увеличилось у больных раком молочной железы без метастазов лимфатических узлов по сравнению с теми, с метастазами лимфатических узлов. Анализ в GOBO показывает, что повышенные уровни мРНК ID1 коррелируют с более низким уровнем опухоли. Эти результаты подразумевают, что увеличение экспрессии ID1 связано с более низким метастатическим потенциалом и более низким патологическим сортом при раке молочной железы.
Анализ, проведенный в базе данных до н.э. Gene-Expression Miner, показывает, что более высокие уровни мРНК ID1 коррелируют с более длительным выживанием больных раком молочной железы без метастазов. Анализ, проведенный Атласом белков человека, также показывает, что повышенный уровень белка ID1 связан с лучшим исходом выживания у больных раком молочной железы. Анализ выживаемости от Kaplan-Meier Plotter согласуется с этими выводами, и показывает, что более высокие уровни мРНК экспрессии ID1 предсказывает лучшее выживание без рецидивов у больных раком молочной железы.
Все больше и больше онлайновых баз данных будут доступны или доступны для исследователей. Протокол может обеспечить эффективный метод для исследователей для выявления потенциальных генов-мишеней и связанных с ними сигнальных путей.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
Обзор
В данной статье представлен протокол поиска биомаркеров и предикторов выживаемости при раке молочной железы посредством комплексного анализа общедоступных клинических наборов данных. Данный метод повышает достоверность полученных результатов и позволяет быстро визуализировать роль генов при раке молочной железы.
Основные компоненты исследования
Область науки
- Исследования рака молочной железы
- Анализ биомаркеров
- Прогнозирование выживаемости
Теоретические сведения
- Рак молочной железы является гетерогенным заболеванием.
- Диагностика, лечение и прогноз различаются в зависимости от молекулярного подтипа.
- Публичные базы данных предоставляют ценные клинические данные.
- Понимание роли генов может помочь в разработке стратегий лечения.
Цель исследования
- Разработать протокол анализа биомаркеров рака молочной железы.
- Оценить предикторы выживаемости на основе экспрессии генов.
- Повысить репрезентативность выводов, сделанных на основе данных.
Используемые методы
- Комплексный анализ объединенных наборов клинических данных.
- Методы анализа экспрессии, корреляции и выживаемости.
- Визуализация роли генов при раке молочной железы.
- Воспроизводимость результатов путем запросов к общедоступным базам данных.
Основные результаты
- Идентификация потенциальных биомаркеров рака молочной железы.
- Получение данных о предикторах выживаемости на основе экспрессии генов.
- Демонстрация возможности применения данного метода на данных по раку молочной железы.
- Углубленное понимание вариаций молекулярных подтипов.
Выводы
- Данный протокол предлагает систематический подход к анализу биомаркеров.
- Результаты могут быть подтверждены путем запросов в общедоступных базах данных.
- Этот метод может быть использован в будущих исследованиях и при разработке методов лечения рака молочной железы.
Часто задаваемые вопросы
Практическая значимость для промышленности
Интеграция многомерных геномных данных из открытых баз данных позволяет быстро проверять гипотезы и проводить валидацию биомаркеров в исследованиях рака молочной железы. Такой подход повышает достоверность и репрезентативность выводов за счет использования объединенных клинических наборов данных, полученных с помощью различных платформ. Это способствует оптимизации рабочих процессов на этапе предварительного поиска, обеспечивая доступ к воспроизводимым данным о профилях экспрессии генов и их связи с выживаемостью.
Стратегические применения в биофармацевтических исследованиях и разработках
Ранние этапы поиска и валидация мишеней
- Научная ценность: позволяет проверить терапевтические гипотезы путем анализа паттернов экспрессии биомаркеров, таких как ID1, в опухолевых и нормальных тканях.
- Научная ценность: способствует снижению биологических рисков за счет корреляции экспрессии биомаркеров с клинико-патологическими характеристиками, такими как метастазы в лимфатических узлах и степень злокачественности опухоли.
- Научная ценность: повышает уверенность в выборе мишени путем выявления связей с выживаемостью на независимых наборах данных, что подтверждает прогностическую значимость потенциальных биомаркеров.
Скрининг и разработка анализа
- Практическая ценность: Подготовка валидированных биологических систем для последующих этапов анализа путем установления базовых уровней экспрессии и профилей специфических подгрупп с использованием стандартизированных порогов запросов.
- Практическая ценность: Содействие стандартизации и воспроизводимости анализов за счет последовательного применения фильтров P-value, кратности изменения (fold change) и ранга генов в различных базах данных.
- Практическая ценность: Обеспечение готовности к скринингу путем получения количественных данных (например, уровней экспрессии, кривых выживаемости), которые могут быть немедленно перепроверены через общедоступные веб-интерфейсы.
Трансляционные и доклинические исследования
- Трансляционная значимость: Поддерживает моделирование систем, релевантных заболеванию, путем стратификации экспрессии биомаркеров по молекулярным подтипам и клиническим подгруппам, связанным с гетерогенностью рака молочной железы.
- Трансляционная значимость: Способствует снижению механистических рисков, связывая экспрессию ID1 с более низким метастатическим потенциалом и улучшением показателей выживаемости, что позволяет определить приоритеты для доклинических исследований.
- Трансляционная значимость: Укрепляет трансляционную преемственность, демонстрируя устойчивые корреляции с выживаемостью на независимых платформах (bcGenExMiner, HPA, Kaplan-Meier Plotter).
Интеграция в конвейер и рабочий процесс
Данный метод интегрируется в общий процесс исследований — от валидации мишени до доклинической оценки — предоставляя воспроизводимые данные из нескольких источников о поведении биомаркеров при раке молочной железы.
- Открытия в биологии: Оказывает поддержку в проверке гипотез и уточнении путей передачи сигналов путем анализа дисрегуляции экспрессии и клинических корреляций таких генов, как ID1, в образцах опухолей и нормальных тканей.
- Скрининг: Предоставляет готовые для анализа количественные данные, такие как пороги кратности изменения (fold-change) и показатели отношения рисков выживаемости, что позволяет надежно оценивать воздействие соединений или генетические пертурбации.
- Аналитика: Обеспечивает стандартизированные измерения, включая уровни экспрессии, коэффициенты корреляции, значения P-value и оценки выживаемости по методу Каплана-Мейера для сравнения различных условий.
- Трансляционные исследования: Связывает результаты открытий с доклиническим этапом путем валидации связей между биомаркерами и выживаемостью на основе независимых клинических наборов данных.
- Корпоративное повторное использование: Создает возможность многократного применения методов оценки биомаркеров для различных типов рака, используя общедоступные базы данных без необходимости в проприетарной инфраструктуре.
Операционное и корпоративное воздействие
- Научная ценность: Повышает достоверность прогнозов в отношении потенциальных биомаркеров за счет кросс-базовой валидации и снижения механистической неопределенности.
- Операционная ценность: Обеспечивает воспроизводимость и стандартизацию посредством повторяемых веб-запросов с определенными аналитическими порогами.
- Стратегическая ценность: Оптимизирует принятие решений о целесообразности дальнейшей разработки (go/no-go), предоставляя репрезентативные данные по нескольким когортам о связи биомаркеров с выживаемостью и патологией.
- Влияние на портфель: Позволяет проводить приоритизацию мишеней с учетом рисков путем интеграции данных об экспрессии, корреляции и выживаемости для оценки биологической и клинической значимости.
Особенности реализации
- Требуется опыт интерпретации геномных данных и знакомство с интерфейсами публичных баз данных по раку.
- Зависимость от стабильного доступа к онлайн-платформам, таким как ONCOMINE, bcGenExMiner, GOBO, HPA и Kaplan-Meier Plotter.
- Необходима межкомандная стандартизация параметров запроса (например, порогов P-value, предельных значений кратности изменения — fold-change), чтобы обеспечить согласованность результатов.
- При применении протокола к различным типам рака или генам-биомаркерам требуются корректировки в связи с доступностью данных в конкретных базах данных.
- Ограничено объемом и качеством аннотации общедоступных наборов данных, что может повлиять на полноту анализа подгрупп или анализа выживаемости.
