Summary
Här presenterar vi ett protokoll för att utforska bio markör och överlevnad prediktor för bröst Cancer baserat på en omfattande analys av poolade kliniska data mängder som härrör från en mängd allmänt tillgängliga databaser, med hjälp av strategin för uttryck, korrelation och överlevnads analys steg för steg.
Abstract
Under senare år har framväxande databaser utformats för att minska hindren för att närma sig intrikata cancer genomiska DataSet, vilket underlättar utredarna att analysera och tolka gener, prover och kliniska data över olika typer av cancer. Häri beskriver vi en praktisk operation förfarande, med ID1 (hämmare av DNA-bindande proteiner 1) som ett exempel, att karakterisera uttrycks mönster av bio markör och överlevnad prediktorer för bröst Cancer baserat på poolade kliniska data mängder som härrör från Online tillgängliga databaser, inklusive ONCOMINE, bcGenExMiner v 4.0 (Breast Cancer gen-uttryck Miner v 4.0), GOBO (Gene Expression-baserade utfall för bröst Cancer online), HPA (Human protein Atlas), och Kaplan-Meier plotter. Analysen började med att fråga uttrycks mönstret för genen av intresse (t. ex. ID1) i cancerösa prover kontra normala prover. Därefter utfördes korrelations analysen mellan ID1 och kliniska patologiska egenskaper vid bröst Cancer. Därefter stratifierades uttrycks profilerna för ID1 enligt olika under grupper. Slutligen analyserades sambandet mellan ID1-uttryck och överlevnads utfall. Drift proceduren fören klar konceptet att integrera flerdimensionella data typer på gen nivå från olika databaser och testa hypoteser om återkommande och genomisk kontext av gen förändrings händelser vid bröst Cancer. Denna metod kan förbättra trovärdigheten och representativiteten i satserna och därmed presentera ett informativt perspektiv på en gen av intresse.
Introduction
Bröst Cancer är en heterogen sjukdom med olika prognos-och behandlings strategier i olika molekyl ära subtyper, där patogenes och utveckling troligen för knippas med olika molekyl ära mekanismer1,2 , 3. men att identifiera ett terapeutiskt mål tar vanligt vis år, eller till och med årtionden, från första upptäckten i grund forskning till klinisk användning4. Genom bred tillämpning av hög kapacitet sekvenserings teknik för cancergenomet har kraftigt framskridit processen att söka efter värdefulla bio markörer eller terapeutiska mål 5.
Den överväldigande mängden cancer genomik data som genereras från de storskaliga Cancergenomik plattformar, såsom ICGC (International cancer Genome Consortium) och TCGA (The cancer Genome Atlas), utgör en stor utmaning för forskare att utföra data prospektering, integration och analys, särskilt för användare som saknar intensiv utbildning i informatik och beräkning6,7,8,9,10. Under de senaste åren, nya databaser, (t. ex. ONCOMINE, bcGenExMiner v 4.0, och Kaplan-Meier plotter, etc.) utformades och utvecklades för att sänka ribban för att närma sig intrikata cancer genomisk DataSet, vilket underlättar utredarna att analysera och tolka gener, prover och kliniska data över olika typer av cancer11. Syftet med detta protokoll är att beskriva en forsknings strategi som integreras med flera nivåer av gen information från en rad öppna databaser, som har erkänts allmänt av ett stort antal forskare, för att identifiera potentiella bio markörer och prognostiska faktorer för bröst Cancer.
ONCOMINE-databasen är en webbaserad data utvinnings plattform med mikromatrisinformation för cancer och är utformad för att under lätta upptäckten av nya bio markörer och terapeutiska mål11. För närvarande finns det mer än 48 000 000 gen uttrycks mätningar från 65 Gene Expression dataset i den här databasen11,12. BcGenExMiner v 4.0 (ett gratis verktyg för icke-vinstdrivande institution), även kallad bröst Cancer Gene-Expression Miner, är en användarvänlig webbaserad applikation bestående av DNA Microarrays resultat av 3 414 återvunna bröst cancer patienter och 1 209 upplevde en nedsättande händelse13. Den är utformad för att förbättra gen prognostiska analys prestanda med R statistisk program vara och paket.
Den GOBO är en multifunktionell användarvänlig online-verktyg med Microarrays information (t. ex., Affymetrix U133A) från en 51-Sample bröst Cancer cell linje uppsättning och en 1881-Sample bröst tumör data uppsättning, som tillåter ett brett spektrum av analyser14. Det finns en mängd olika applikationer som finns i GOBO databasen, som inkluderar snabb analys av gen uttrycks profiler i olika molekyl ära subtyper av bröst tumörer och cellinjer, screening för co-uttryckta gener för att skapa potentiella metagenes, och korrelations analys mellan utfall och genexpression nivåer av enskilda gener, uppsättningar av gener, eller gensignaturer i bröst Cancer data som15.
Human protein Atlas är ett Open Access-program utformat för forskare för att utforska mänskliga Proteom, som redan har bidragit till ett stort antal publikationer inom området för mänsklig biologi och sjukdom. Human protein Atlas är erkänd som en europeisk kärn resurs för Life Science community16,17.
Kaplan Meier plotter är ett online-verktyg som integrerar gen uttryck och kliniska data samtidigt som gör det möjligt att bedöma den prognostiska effekten av 54 675 gener baserat på 10 461 cancerprover, som inkluderar 1 065 gastric, 2 437 lung, 1 816 ovarial och 5 143 bröst cancer patienter med en genomsnittlig uppföljning på 33/49/40/69 månader18. Information om gen uttryck, recidiv-fri överlevnad (RFS) och total överlevnad (OS) kan laddas ner från denna databas19,20.
Här beskriver vi en praktisk operation förfarande för att använda flera allmänt tillgängliga databaser för att jämföra, analysera och visualisera mönster av förändringar i uttrycket av genen av intresse över flera cancer studier, med målet att sammanfatta uttrycks profiler, prognostiska värden och potentiella biologiska funktioner vid bröst Cancer. Till exempel, nyligen genomförda studier har indikerat de onkogena egenskaperna hos ID-proteiner i tumörer och förknippades med maligna egenskaper, inklusive cellulär omvandling, immortalisering, förstärkt proliferation och metastasering21, 22,23. Men varje medlem i ID-familjen spelar distinkta roller i olika typer av solida tumörer, och deras roll i bröst Cancer är fortfarande oklart24. I tidigare studier, utforskas genom denna metod, fann vi att ID1 var en meningsfull prognostisk indikator i bröst Cancer25. Därför kommer protokollet att ta ID1 som ett exempel för att introducera metoderna för data utvinning.
Analysen börjar från att fråga uttrycks mönstret för genen av intresse för cancerösa prover kontra normala prover i ONCOMINE. Sedan, uttrycket korrelation av gener av intresse för bröst Cancer utfördes med BC-GenExMiner v 4.0, GOBO, och ONCOMINE. Därefter stratifierades uttrycks profilerna för ID1 enligt olika under grupper med hjälp av ovanstående tre databaser. Slutligen, sambandet mellan ID1 uttryck och överlevnad ut analyserades med BC-GenExMiner v 4.0, den mänskliga protein Atlas, och Kaplan-Meier plotter. Operations proceduren visades som flödesschemat i figur 1.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. analys av uttrycks mönster
- Gå till ONCOMINE webb gränssnitt26.
- Få de relativa uttrycks nivåerna för genen id1 i olika typer av maligniteter genom att skriva id1 till sökrutan.
- Välj analys typ på menyn primära filter . Välj sedan cancer vs. normal analys, bröst Cancer vs. normal analys.
- Välj gen sammanfattningsvy på menyn andra vyer . Ställ in tröskeln för P-värde på 0,01. Ladda ner siffrorna.
Anmärkning: tröskeln för faldig förändring är 2, enligt beskrivningen i föregående studie27.
2. analys av uttrycks korrelation
- Gå till BC-GenExMiner v 4.0 webb gränssnitt28.
- Välj korrelation från analys -menyn, tryck på knappen uttömmande . Skriv id1 i sökrutan. Tryck på knappen Skicka och knappen starta analys .
Anmärkning: standardinställningen visar Expression korrelation analys av alla patienter, som kan vara mer exakt i olika subtyper av bröst cancer genom att trycka på molekylen subtyp filter.
3. subgruppsanalys
- Subgruppsanalys i BC-GenExMiner v 4.0
- Gå till BC-GenExMiner v 4.0 webb gränssnitt28.
- Välj uttryck på analys -menyn och tryck på knappen uttömmande . Skriv id1 i sökrutan och tryck på knappen Skicka och knappen starta analys .
- Klicka på nodal status (ln) och scarff Bloom & Richardson grade status (SBR) miniatyrer för att visa fullständiga bilder. I SBR bilder, tryck på knappen nedan för att visualisera P-värden av siffrorna. Ladda ner siffrorna.
- Subgruppsanalys i Gene Expression-baserade utfall för Breast Cancer online (GOBO)
- Gå till GOBO webb gränssnitt14.
- Typ Gene symbol av intresse id1 till skärmen ladda upp gen uppsättningen.
- Ange Sök intervallet definiera gen/sond identifierare till gen symbol. Ställ in alla i tumör val. Välj nodstatus och grad stratifierat i multivariat-parametrarna. Övriga objekt förblir standard. Skicka in enkäten och ladda ner siffrorna.
4. överlevnad analys
- Överlevnad analys i BC-GenExMiner v 4.0
- Gå till BC-GenExMiner v 4.0 webb gränssnitt28.
- Välj prognostic från analys -menyn, tryck på knappen uttömmande . Skriv id1 i sökrutan och tryck på knappen Skicka och knappen starta analys .
- I den uttömmande prognostiska analysen väljer du nm, ERm, Mr i populationen och händelse kriterier och trycker på Skicka -knappen för att få mer information. Tryck på Kaplan-Meier-kurvan miniatyrer för att exportera de fullständiga diagrammen.
Anmärkning: N (+,-, m): nodal status (+: positiv,-: negativ, m: blandad); ER (+,-, m): östrogen receptor status (+: positiv,-: negativ, m: blandad); MR: metastaserande åter fall
- Överlevnads analys i Human protein Atlas (HPA)
- Gå till Human protein Atlas webb gränssnitt29.
- Skriv id1 i sökrutan och klicka på Sök knappen. Välj patologi sub-Atlas.
MRNA-uttrycksnivåer över de 17 cancer typerna visas i avsnittet Översikt över RNA-uttryck. Varje cancer vävnad etikett i lådagram är klickbar för att få till gång till en detaljerad sida som ger överlevnad analys data och RNA uttrycks nivåer. - Klicka på etiketten på bröst Cancer, sedan den detaljerade sidan för att Visa interaktiv överlevnad scatter Plot och överlevnad analys. Ladda ner siffrorna.
- Överlevnads analys i Kaplan-Meier plotter överlevnad
- Gå till Kaplan-Meier plotter webb gränssnitt30. Klicka på Start km plotter för bröst Cancer i mRNA genen chip zonen.
- Skriv id1 till Sök fältet och välj det gröna objektet i kandidat menyn.
- Välj RFS som överlevnads typ och övriga objekt förblir standard. Klicka Rita Kaplan-Meier Plot och ladda ner siffrorna.
Anm: inställningar för överlevnads typer, cutoff-typer och Uppföljnings tröskel samt alternativ för sond uppsättning kan ändras efter behov. Under grupp prognostisk analys inklusive ER, PR, HER-2, lymf körtlar, grad, Tp53 status och molekyl ära subtyper kan erhållas genom att ändra inställningen i begränsa analys till under typer ruta1. På samma sätt kan filtrets begränsning av behandlingen ställas in i begränsa analys till valda kohorter ' låda.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Ett representativt resultat av data utvinning och integrativ analys av bröst Cancer bio markörer utfördes med hjälp av ID1, en av de hämmare av DNA-bindande familje medlemmar, som har rapporter ATS i den tidigare studien 25.
Som framgår av figur 2, skillnaderna i ID1 mRNA uttryck mellan tumör och normala vävnader i flera typer av cancer analyserades med hjälp av ONCOMINE databas, som innehöll totalt 445 unika analyser. Det fanns 5 studier som visade att mRNA uttrycks nivån av ID1 var signifikant högre i normala vävnader än i bröst Cancer vävnader. Dessa data indikerade uttrycket Dysreglering av ID1 i bröst Cancer. Figur 3 visade de bästa positiva och negativa korrelativa gener av id1 från den analys som utförs i BC-GenExMiner v 4.0. För att identifiera sambandet mellan mRNA-uttryck av ID1 och klinikopatologiska parametrar för BC-patienter användes BC-GenExMiner v 4.0-databasen analysen. Som framgår av figur 4, signifikant ökad mRNA nivå av id1 hittades i bröst cancer patienter utan lymf körtel metastaser, jämfört med dem med lymfkörteln metastaser (P= 0,0005). Vidare, analysen i GOBO visade att ökade mRNA nivåer av ID1 var korrelerade till lägre tumör grad (figur 5, P< 0.00001). Dessa resultat innebar att ökat uttryck av ID1 var kopplat till lägre metastatisk potential och lägre patologisk grad i BC. Analysen från BC-GenExMiner v 4.0 databasen indikerade att högre mRNA nivå av ID1 var korrelerad till längre avlägsen metastasis-fri överlevnad (DMFS) i bröst cancer patienter (figur 6, hr = 0,82, 95% KI: 0,73-0,92, P= 0,001). Genomgående, analys från Human protein Atlas föreslog att förhöjda protein nivåer av ID1 var förknippad med bättre överlevnad resultat hos patienter med bröst Cancer (figur 7, P= 0,0389). Överlevnads analys från Kaplan-Meier plotter visade också att högre mRNA nivå av ID1 uttryck förutspådde bättre recidiv-fri överlevnad (RFS) i bröst cancer patienter (figur 8, hr = 0,81, P= 0,00023).
I figur 1. Översikt över att utforska uttrycks mönster och prognostiska värden för olika bröst Cancer bio markörer och online-databaser urval. Systematisk analys av olika bröst Cancer bio markörer utfördes steg för steg i en mängd olika databaser. Först uttrycks mönstret av genen av intresse för cancerösa prover kontra normala prover. Sedan utfördes uttrycket korrelation av gener av intresse för bröst Cancer. Därefter var uttrycks profilerna för ID1 stratifierade enligt olika. Slutligen analyserades sambandet mellan ID1-uttryck och överlevnad. Vänligen klicka här för att se en större version av denna siffra.
I figur 2. Den mRNA uttryck mönstret av ID1 i olika typer av mänsklig cancer. MRNA uttryck för id1 analyseras med ONCOMINE databasen. Grafiken visade antalet dataset med statistiskt signifikanta mRNA-överuttryck (rött) eller nedreglerat uttryck (blått) för målgenen. Antalet i varje cell representerade antalet analyser som uppfyller tröskelvärdet inom dessa analys-och cancer typer. Gen rankningen analyserades av percentilen av målgenen i toppen av alla gener mätt i varje forskning. Cellfärg bestämdes av den bästa gen rang percentilen för analyserna i cellen. P-värdet sattes upp på 0,01 och Fold-Change definierades som 2, som visas i den röda ramen. Denna siffra har modifierats från föregående studie25. Vänligen klicka här för att se en större version av denna siffra.
I figur 3. Gen korrelation analys av ID1 i BC-GenExMiner v 4.0. Den mRNA uttryck korrelation av ID1 och relevanta gener i 5, 696 bröst cancer patienter inom 36 studier analyseras i bcGenExMiner v 4.0. Denna siffra har modifierats från föregående studie25. Vänligen klicka här för att se en större version av denna siffra.
I figur 4. Sambandet mellan ID1-uttryck och lymf körtel status. MRNA uttryck nivå av ID1 i 4, 307 bröst cancer patienter med olika lymf körtel (LN) status analyseras i bcGenExMiner v 4.0. Denna siffra har modifierats från föregående studie25. Vänligen klicka här för att se en större version av denna siffra.
I figur 5. Sambandet mellan gen uttrycks nivå av ID1 och tumör grad. MRNA uttrycks nivå för ID1 hos bröst cancer patienter med olika patologisk grad analyserades i GOBO. Den globala signifikanta skillnaden mellan grupperna bedömdes för att generera p-värden och p< 0,05 ansågs tyda på en statistiskt signifikant skillnad. 1, 2, 3 i x-axelstativ för under grupper av patienter i olika patologiskt grad 1, grad 2, grad 3. Denna siffra har modifierats från föregående studie 25. Vänligen klicka här för att se en större version av denna siffra.
I figur 6. De prognostiska värdena för ID1 för avlägsen metastasis-fri överlevnad hos bröst cancer patienter. Sambandet mellan ID1 mRNA nivåer och avlägsna metastaser-fria överlevnad uppskattningar analyserades i bcGenExMiner v 4.0. Denna siffra har modifierats från föregående studie25. Vänligen klicka här för att se en större version av denna siffra.
I figur 7. Överlevnads sannolikheten för ID1 hos bröst cancer patienter. Effekten av ID1 protein nivå för överlevnaden hos patienter med bröst Cancer analyserades i humana proteinatlasen (HPA). Denna siffra har modifierats från föregående studie25. Vänligen klicka här för att se en större version av denna siffra.
I figur 8. De prognostiska värdena för ID1 i bröst Cancer enligt recidiverande-fri överlevnad (RFS). Olika id1 mRNA nivå i alla 3, 951 bröst cancer patienter analyseras i Kaplan-Meier plotter. Denna siffra har modifierats från föregående studie25. Vänligen klicka här för att se en större version av denna siffra.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Omfattande analys av offentliga databaser kan tyda på den underliggande funktionen av genen av intresse och avslöja den potentiella sambandet mellan denna gen och clinicopatologiskt parametrar i specifika cancer27,31. Utforskning och analys baserad på en enda databas kan ge begränsade eller isolerade perspektiv på grund av den potentiella urvalet bias, eller i viss utsträckning, möjligen på grund av mångfalden av data kvalitet, inklusive insamling av data och analysalgoritm av databasen19. Det viktigaste steget i detta protokoll är att välja lämpliga databaser, som bör vara allmänt erkända av ett större antal forskare med tillräcklig representativitet. Prövaren bör använda flera databaser för att testa hypotesen och bekräfta de resultat som härleds från olika databaser, i stället för att använda en enda databas.
Protokollet som beskrivs här är en prövare vänlig operation förfarande. Fördelen med denna metod är att den möjliggör en snabb visualisering och tolkning av en gens potentiella roll i bröst Cancer. Dessutom kan alla resultat som erhålls genom detta förfarande omedelbart testas och upprepas genom att helt enkelt fråga motsvarande webbplatser. Begränsningen av denna metod är att de satser som kommer från den omfattande analysen av databaserna kanske inte exakt återspeglar den faktiska funktionen eller relationen i den kliniska miljön. Detta kan bero på den systematiska bias av databasen, och i vissa fall, möjligen på grund av otillräcklig urvals storlek32,33. Använda mer än en databas för att fråga samma forsknings fråga kan ömsesidigt bekräfta resultaten och öka trovärdigheten i satsen34. Det rekommenderas starkt att använda prover från prövarens institution för att kontrol lera resultaten, eller om möjligt, för att utföra relaterade grundläggande experiment för att testa resultaten.
Fler och fler online Cancergenomik eller proteomik databaser kommer att finnas tillgängliga och tillgängliga för forskare35,36. Protokollet kan vara en effektiv och ekonomisk metod för forskaren att identifiera en potentiell målgen och den tillhör ande signal vägen genom fördjupad analys av online-databaser och med hjälp av genomik, transkriptomik och epigenomik. Strategi.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har inget att avslöja
Acknowledgments
Detta arbete stöddes delvis av Natural Science Foundation i Guangdongprovinsen, Kina (No. 2018A030313562), den pedagogiska reformen projektet i Guangdong klinisk undervisning bas (NO. 2016JDB092), Kinas nationella Naturvetenskaps stiftelse (81600358), och unga innovativa talang projekt av hög skolor och universitet i Guangdongprovinsen, Kina (NO. 2017KQNCX073)
Materials
| Name | Company | Catalog Number | Comments |
| A personal computer or computing device with an Internet browser with Javascript enabled |
Microsoft | 051690762553 | We support and test the following browsers: Google Chrome, Firefox 3.0 and above, Safari, and Internet Explorer 9.0 and above |
| Adobe Flash player | Adobe Systems Inc. | It can be freely downloaded from http://get.adobe.com/flashplayer/. | This browser plug-in is required for visualizing networks on the network analysis tab. |
| Chrome Broswer | Google Inc. | It can be freely downloaded from https://www.google.cn/chrome/ | This is necessary for viewing PDF files including the Pathology Reports and many of the downloadable files. |
| Java Runtime Environment | Oracle Corporation | It can be downloaded from http://www.java.com/getjava/. | |
| Office 365 ProPlus for Faculty | Microsoft | 2003BFFD8117EA68 | This is necessary for viewing the Pathology Reports and for viewing many of the downloadable files. |
| Vectr Online | Vectr Labs Inc. | It can be freely used from https://vectr.com/new | This is necessary for visualizing and editing many of the downloadable files and pictures. |
References
- van 't Veer, L. J., et al. Gene expression profiling predicts clinical outcome of breast cancer. Nature. 415 (6871), 530-536 (2002).
- Loi, S., et al. Definition of clinically distinct molecular subtypes in estrogen receptor-positive breast carcinomas through genomic grade. Journal of Clinical Oncology. 25 (10), 1239-1246 (2007).
- Cancer Genome Atlas, N. Comprehensive molecular portraits of human breast tumours. Nature. 490 (7418), 61-70 (2012).
- Emerson, J. W., Dolled-Filhart, M., Harris, L., Rimm, D. L., Tuck, D. P. Quantitative assessment of tissue biomarkers and construction of a model to predict outcome in breast cancer using multiple imputation. Cancer Informatics. 7, 29-40 (2009).
- Yu, H., et al. Integrative genomic and transcriptomic analysis for pinpointing recurrent alterations of plant homeodomain genes and their clinical significance in breast cancer. Oncotarget. 8 (8), 13099-13115 (2017).
- He, W., et al. TCGA datasetbased construction and integrated analysis of aberrantly expressed long noncoding RNA mediated competing endogenous RNA network in gastric cancer. Oncology Reports. , (2018).
- Liu, J., et al. An Integrated TCGA Pan-Cancer Clinical Data Resource to Drive High-Quality Survival Outcome Analytics. Cell. 173 (2), e411 400-416 (2018).
- Esgueva, R., et al. Next-generation prostate cancer biobanking: toward a processing protocol amenable for the International Cancer Genome Consortium. Diagnostic Molecular Pathology. 21 (2), 61-68 (2012).
- Joly, Y., Dove, E. S., Knoppers, B. M., Bobrow, M., Chalmers, D. Data sharing in the post-genomic world: the experience of the International Cancer Genome Consortium (ICGC) Data Access Compliance Office (DACO). PLoS Computational Biology. 8 (7), e1002549 (2012).
- Zhang, J., et al. International Cancer Genome Consortium Data Portal--a one-stop shop for cancer genomics data. Database (Oxford). 2011, bar026 (2011).
- Rhodes, D. R., et al. ONCOMINE: a cancer microarray database and integrated data-mining platform. Neoplasia. 6 (1), 1-6 (2004).
- Rhodes, D. R., et al. Oncomine 3.0: genes, pathways, and networks in a collection of 18,000 cancer gene expression profiles. Neoplasia. 9 (2), 166-180 (2007).
- Jezequel, P., et al. bc-GenExMiner: an easy-to-use online platform for gene prognostic analyses in breast cancer. Breast Cancer Research and Treatment. 131 (3), 765-775 (2012).
- , Available from: http://co.bmc.lu.se/gobo/gsa.plb (2018).
- Ringner, M., Fredlund, E., Hakkinen, J., Borg, A., Staaf, J. GOBO: gene expression-based outcome for breast cancer online. PLoS One. 6 (3), e17911 (2011).
- Ponten, F., Jirstrom, K., Uhlen, M. The Human Protein Atlas--a tool for pathology. Journal of Pathology. 216 (4), 387-393 (2008).
- Ponten, F., Schwenk, J. M., Asplund, A., Edqvist, P. H. The Human Protein Atlas as a proteomic resource for biomarker discovery. Journal of Internal Medicine. 270 (5), 428-446 (2011).
- Gyorffy, B., et al. An online survival analysis tool to rapidly assess the effect of 22,277 genes on breast cancer prognosis using microarray data of 1,809 patients. Breast Cancer Research and Treatment. 123 (3), 725-731 (2010).
- Stevinson, C., Lawlor, D. A. Searching multiple databases for systematic reviews: added value or diminishing returns? Complementary Therapies in Medicine. 12 (4), 228-232 (2004).
- Yin, J., et al. Integrating multiple genome annotation databases improves the interpretation of microarray gene expression data. BMC Genomics. 11, 50 (2010).
- Patel, D., Morton, D. J., Carey, J., Havrda, M. C., Chaudhary, J. Inhibitor of differentiation 4 (ID4): From development to cancer. Biochimica et Biophysica Acta. 1855 (1), 92-103 (2015).
- Kamalian, L., et al. Increased expression of Id family proteins in small cell lung cancer and its prognostic significance. Clinical Cancer Research. 14 (8), 2318-2325 (2008).
- Cruz-Rodriguez, N., et al. High expression of ID family and IGJ genes signature as predictor of low induction treatment response and worst survival in adult Hispanic patients with B-acute lymphoblastic leukemia. Journal of Experimental and Clinical Cancer Research. 35, 64 (2016).
- Yang, H. Y., et al. Expression and prognostic value of Id protein family in human breast carcinoma. Oncology Reports. 23 (2), 321-328 (2010).
- Zhou, X. L., et al. Prognostic values of the inhibitor of DNAbinding family members in breast cancer. Oncology Reports. 40 (4), 1897-1906 (2018).
- , Available from: https://www.oncomine.org (2018).
- Lin, H. Y., Zeng, L., iang, Y. K., Wei, X. L., Chen, C. F. GATA3 and TRPS1 are distinct biomarkers and prognostic factors in breast cancer: database mining for GATA family members in malignancies. Oncotarget. 8 (21), 34750-34761 (2017).
- , Available from: http://bcgenex.centregauducheau.fr/BCGEM/GEM-requete.php (2018).
- , Available from: https://www.proteinatlas.org (2018).
- , Available from: http://kmplot.com/analysis (2018).
- Zhu, Y. F., Dong, M. Expression of TUSC3 and its prognostic significance in colorectal cancer. Pathology-Research and Practice. 214 (9), 1497-1503 (2018).
- Nelson, J. C., et al. Validation sampling can reduce bias in health care database studies: an illustration using influenza vaccination effectiveness. Journal of Clinical Epidemiology. 66 (8 Suppl), S110-S121 (2013).
- Haibe-Kains, B., Desmedt, C., Sotiriou, C., Bontempi, G. A comparative study of survival models for breast cancer prognostication based on microarray data: does a single gene beat them all? Bioinformatics. 24 (19), 2200-2208 (2008).
- Yang, C., et al. Understanding genetic toxicity through data mining: the process of building knowledge by integrating multiple genetic toxicity databases. Toxicology Mechanisms and Methods. 18 (2-3), 277-295 (2008).
- Cannata, N., Merelli, E., Altman, R. B. Time to organize the bioinformatics resourceome. PLoS Computational Biology. 1 (7), e76 (2005).
- Wren, J. D., Bateman, A. Databases, data tombs and dust in the wind. Bioinformatics. 24 (19), 2127-2128 (2008).
