Yöntem makalesi

Veri madenciliği ve meme kanserinde biyomarker Integrative analizi gerçekleştirmek birden çok genel erişilebilir veritabanları kullanma

DOI:

10.3791/59238

⸱

17 Mayıs 2019

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Thyroid and Breast Surgery, First Affiliated Hospital of Shantou University Medical College, 2Department of Medical Oncology, Cancer Hospital of Shantou University Medical College, 3Shantou University Medical College

Bu makalede

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Burada, ifade stratejisini kullanarak, genel olarak erişilebilen çeşitli veritabanlarından elde edilen havuza alınan klinik veri kümelerinin kapsamlı analizine dayalı olarak meme kanserinin biyomarker ve hayatta kalma tahminini keşfetmek için bir protokol sunuyoruz, korelasyon ve hayatta kalma analizi adım adım.

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Son yıllarda, gelişmekte olan veritabanları karmaşık kanser genomik veri kümeleri yaklaşırken engelleri düşürmek için tasarlanmıştır, böylece, araştırmacılar analiz ve genleri yorumlamak için kolaylaştırarak, kanser farklı türleri arasında numuneler ve klinik veri. Burada, pratik bir çalışma prosedürü tarif, ID1 (DNA bağlayıcı proteinlerin Inhibitörü) örnek olarak, gelen elde edilen havuzlanmış klinik veri kümeleri temel alınarak meme kanserinin biyomarker ve hayatta kalma belirleyiciler ifade desenleri karakterize etmek çevrimiçi erişilebilir veritabanları, ONCOMıNE dahil, bcGenExMiner v 4.0 (meme kanseri gen-ifade madenci v 4.0), GOBO (meme kanseri Online için gen ifade tabanlı sonuç), HPA (insan protein Atlası), ve Kaplan-Meier Plotter. Analiz, kanserli örneklerde (örn. ID%) ilgi geninin ifade desenini sorgulayarak normal örneklerle başladı. Ardından meme kanserinde Idon ve klinikopatolojik özellikler arasındaki korelasyon analizi yapıldı. Ardından, Idon 'un ifade profilleri farklı alt gruplara göre katmanlaşmış. Son olarak, Idon ifadesi ile hayatta kalma sonucu arasındaki ilişki incelendi. İşlem prosedürü, farklı veritabanlarından gen düzeyinde çok boyutlu veri türlerini entegre etmek ve meme kanserinde gen alterasyon olayların nüks ve genomik bağlamı ile ilgili hipotezi test etme kavramını basitleştirir. Bu yöntem, böylece, faiz bir gen üzerinde bilgilendirici bir perspektif mevcut sonuçların güvenilirliğini ve temsili artırabilir.

Giriş

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Meme kanseri, farklı moleküler alt tiplerde çeşitli prognoz ve tedavi stratejilerine sahip heterojen bir hastalıktır, bu da patogenezin ve gelişmenin muhtemelen değişik moleküler mekanizmalar ile ilişkili olduğu1,2 , 3. ancak, tedavi edici bir hedef tanımlamak genellikle yıl alır, hatta on yıllar, temel araştırma ilk keşif klinik kullanım için4. Kanser genomu için yüksek verimlilik sıralama teknolojisinin Genom geniş uygulama büyük ölçüde değerli biyolojik veya terapötik hedefler 5arama sürecini gelişmiş.

Büyük ölçekli kanser Genomics platformları, ıCGC (Uluslararası Kanser genom konsorsiyum) ve TCGA (Cancer Genome Atlas) gibi oluşturulan kanser genomik veri ezici miktarda, araştırmacılar için veri gerçekleştirmek için büyük bir meydan okuma poz Özellikle Enformatik ve hesaplama6,7,8,9,10' da yoğun eğitim olmayan kullanıcılar için keşif, entegrasyon ve analitik. Son yıllarda, gelişmekte olan veritabanları, (örneğin, ONCOMıNE, bcGenExMiner v 4.0, ve Kaplan-Meier plotter, vb) tasarlanmış ve karmaşık kanser genomik veri kümeleri yaklaşan için Bar düşürmek için geliştirilen, böylece, analiz etmek ve araştırmacılar kolaylaştırarak çeşitli kanser türleri arasında genler, numune ve klinik verileri yorumlamak11. Bu protokolün amacı, çok sayıda araştırmacı tarafından yaygın olarak tanınan bir dizi açık erişim veritabanından birden fazla gen bilgisi düzeyi ile entegre olan bir araştırma stratejisini açıklamak, potansiyel biyomarkerlerin belirlenmesi ve meme kanseri için prognostik faktörler.

ONCOMıNE veritabanı, kanser Mikroarray bilgileriyle Web tabanlı bir veri madenciliği platformudur ve yeni biyomarkerlerin ve terapötik hedefleri11' in keşfi kolaylaştırmak için tasarlanmıştır. Şu anda, bu veritabanındaki 65 gen ifade veri kümeleri 'den fazla 48.000.000 gen ifadesi ölçümleri vardır11,12. BcGenExMiner v 4.0 (kar amacı gütmeyen kurum için ücretsiz bir araç), aynı zamanda meme kanseri gen-Expression Miner olarak adlandırılan, Kullanıcı dostu web tabanlı bir uygulamadır DNA mikrodiziler sonuçları oluşan 3.414 elde edilen meme kanseri hastaları ve 1.209 deneyimli bir aşağılayıcı olay13. R istatistiksel yazılım ve paketler ile gen prognostik analiz performansını artırmak için tasarlanmıştır.

GOBO mikrodiziler bilgileri (örneğin, Affymetrix U133A) ile bir çok fonksiyonlu Kullanıcı dostu online araçtır bir 51-örnek meme kanseri hücre hattı seti ve bir 1881-numune meme tümörü veri kümesi, bu analizler geniş bir dizi sağlar14. GOBO veritabanında, meme tümörleri ve hücre hatlarının farklı moleküler alt türlerinde gen ifade profillerinin hızlı analizini içeren çeşitli uygulamalar vardır, potansiyel Metagenes oluşturulması için ortak ifade edilen genler için tarama ve tek genlerin sonuç ve gen ifade seviyeleri, genler setleri, meme kanseri veri kümesinde gen imzaları arasında korelasyon analizi15.

Insan protein Atlası, bilim adamları için insan biyolojik ve hastalık alanında çok sayıda yayınlara katkıda bulunan, Insan proteomu keşfetmek için tasarlanmış bir açık erişim programıdır. İnsan proteini Atlas yaşam bilimi topluluğu için bir Avrupa çekirdek kaynağı olarak tanınır16,17.

Kaplan Meier plotter, 10.461 kanser örneklerine dayalı 54.675 genlerin prognostik etkisinin değerlendirilmesine izin veren gen ifadesi ve klinik verileri aynı anda entegre eden bir online araçtır ve bu da 1.065 gastrik, 2.437 akciğer, 1.816 ovaryalı ve 5.143 meme kanseri hastaları ortalama takip 33/49/40/69 ay18. Gen ifadesi, Relapse içermeyen hayatta kalma (RFS) ve genel hayatta kalma (OS) bilgileri bu veritabanından indirilebilir19,20.

Burada, karşılaştırmak, analiz etmek ve birden fazla kanser çalışmaları arasında ilgi geni ifadesinde değişiklik desenleri görselleştirmek için birden fazla halka açık veritabanları kullanarak pratik bir işlem prosedürü açıklamak, özetleme amacı ile ifade profilleri, prognostik değerler ve meme kanserinde potansiyel biyolojik fonksiyonlar. Örneğin, son çalışmalar tümörlerde ID proteinlerinin Onkojenik özelliklerini belirttiler ve hücresel dönüşüm, ölümsüzleştirme, gelişmiş proliferasyon ve metastam21 gibi malign özelliklerle ilişkilidir. 22,23. Ancak, KIMLIK ailesinin her üyesi farklı türde katı tümörlerde ayrı roller oynar ve meme kanserinde rolü belirsiz kalır24. Önceki çalışmalarda, bu yöntem ile inceledi, biz Idon meme kanseri25anlamlı prognostik bir gösterge olduğunu bulduk. Bu nedenle, protokol alır ID% veri madenciliği yöntemlerini tanıtmak için bir örnek olarak.

Analiz, kanserli örneklere ilişkin Gen ifadesinin ifade desenini sorgulamaya başlar ve ONCOMıNE 'de normal numuneler oluşturur. Sonra, meme kanseri ilgi genler ifade korelasyonu BC-GenExMiner v 4.0, GOBO ve ONCOMıNE kullanılarak yapılmıştır. Ardından, ID3 ' ün ifade profilleri, yukarıdaki üç veritabanını kullanarak farklı alt gruplara göre katmanlaşmış. Son olarak, ID5 ifade ve hayatta kalma arasındaki ilişki BC-GenExMiner v 4.0, insan protein Atlası ve Kaplan-Meier Plotter kullanılarak analiz edildi. İşlem prosedürü Şekil 1' de akış çizelgesi olarak gösterildi.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. ifade deseni Analizi

  1. ONCOMıNE web arayüzüne gidin26.
  2. Arama kutusunaıdilk yazarak çeşitli malignite türlerine gen Idon göreli ifade düzeylerini elde .
  3. Birincil filtreler menüsünden analiz türü öğesini seçin. Sonra, kanser vs normal analiz, meme kanseri vs normal analizseçin.
  4. DIĞER görünümler menüsünden gene Özet görünümü öğesini seçin. 0,01 adresinde P-değerinin eşiğini ayarlayın. Rakamları indirin.
    Not: önceki çalışmada27açıklandığı gibi kat değişikliği eşik 2 ' dir.

2. ifade korelasyon analizi

  1. BC-GenExMiner v 4.0 web arayüzüne gidin28.
  2. Analiz menüsünden korelasyon seçin, ayrıntılı düğmesine basın. Arama kutusuna Idon yazın. Gönder düğmesine ve Başlangıç Analizi düğmesine basın.
    Not: varsayılan ayar, tüm hastaların ifade korelasyon analizini gösterir ve bu da molekül alt tipi filtresine basarak meme kanserinin farklı alt türlerinde daha doğru olabilir.

3. alt grup Analizi

  1. BC-GenExMiner v 4.0 alt grup Analizi
    1. BC-GenExMiner v 4.0 web arayüzüne gidin28.
    2. Analiz menüsünden Ifade seçin, ayrıntılı düğmesine basın. Arama kutusuna Idon yazın ve Gönder düğmesine ve Başlangıç Analizi düğmesine basın.
    3. Tam görüntüleri görüntülemek için nodal durumu (LN) ve scarff Bloom & Richardson sınıf durumu (SBR) minik resimlerini tıklayın. SBR görüntülerinde, rakamlar P-değerlerini görselleştirmek için aşağıdaki düğmeye basın. Rakamları indirin.
  2. Meme kanseri Online (GOBO) için gen ifadesine dayalı sonuçtan alt grup Analizi
    1. GOBO Web arayüzü14' e gidin.
    2. Tip gen sembol faiz ID+ ekrana upload gen seti.
    3. Gen/prob tanımlayıcılarını Gen sembolüolarak tanımla arama aralığını ayarlayın. Set Tüm tümör seçimi. Düğüm durumunu seçin ve multivariate parametrelerinde tabakalı notu . Diğer öğeler varsayılan olarak kalır. Sorgulama gönderin ve rakamlar indirin.

4. hayatta kalma Analizi

  1. BC-GenExMiner v 4.0 hayatta kalma Analizi
    1. BC-GenExMiner v 4.0 web arayüzüne gidin28.
    2. Analiz menüsünden prognostik 'i seçin, ayrıntılı düğmesine basın. Arama kutusuna Idon yazın ve Gönder düğmesine ve Başlangıç Analizi düğmesine basın.
    3. Ayrıntılı prognostik analizinde, nüfus ve olay ölçütlerinde Nm, ERm, Mr seçin ve daha fazla bilgi almak için Gönder düğmesine basın. Tam grafikleri dışa aktarmak için Kaplan-Meier eğrisi küçük resimlere basın.
      Not: N (+,-, m): nodal durumu (+: pozitif,-: negatif, m: karışık); ER (+,-, m): estrojen reseptör durumu (+: pozitif,-: negatif, m: karışık); Bay: metastatik nüksetme
  2. Insan proteini atlasında hayatta kalma analizi (HPA)
    1. Insan proteini Atlas Web arayüzü29gidin.
    2. Arama kutusuna Idon yazın ve Ara düğmesini tıklatın. Patoloji Sub-Atlas seçin.
      Not: 17 kanser türleri arasında mRNA ifade düzeyleri RNA Ifadesi genel bakış bölümünde gösterilir. Kutu arsa her kanser dokusu etiket yaşam Analizi veri ve RNA ifade seviyeleri sağlayan ayrıntılı bir sayfaya erişmek için tıklanabilir.
    3. Meme kanserietiketini tıklayın, daha sonra interaktif hayatta kalma Dağılım Arsa ve hayatta kalma analizi göstermek için ayrıntılı sayfa. Rakamları indirin.
  3. Kaplan-Meier Plotter Survival 'da hayatta kalma Analizi
    1. Kaplan-Meier Plotter Web arayüzü30' a gidin. MRNA gen çip bölgesinde meme kanseri Için Başlat km Plotter tıklayın.
    2. Arama çubuğuna Idon yazın ve aday menüsündeki yeşil öğeyi seçin.
    3. RFS 'yi hayatta kalma türü olarak seçin ve diğer öğeler varsayılan olarak kalır. Kaplan-Meier çizimi çizin 'e tıklayın ve rakamları indirin.
      Not: hayatta kalma türlerinin, kesme türlerinin ve takip eşiğinin yanı sıra prob seti seçeneklerinin ayarları gerektiğinde değiştirilebilir. ER, PR, HER-2, lenf nodları, grade, Tp53 durumu ve moleküler alt türler de dahil olmak üzere alt grup prognostik analiz, alt türlere kısıtlama analizinde ayarı değiştirerek elde edilebilir kutu1. Aynı şekilde, tedavi filtre kısıtlaması Seçilen cohorts ' kutusu Analizi kısıtlamak ayarlanabilir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Veri madenciliği ve meme kanseri biyomarker entegratif analiz temsili bir sonucu Idon, bir önceki çalışmada 25bildirilen DNA-bağlayıcı aile üyelerinin inhibitörleri, biri kullanılarak yapılmıştır.

Şekil 2' de gösterildiği gibi, birden fazla kanserde tümör ve normal dokularda ıdiki mRNA ifadesinin farklılıkları, toplam 445 benzersiz analiz içeren oncomıne veritabanı kullanılar...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kamu veritabanlarının kapsamlı analizi, faiz geninin temel fonksiyonunu gösterebilir ve bu gen ile klinikopatolojik Parametreler arasındaki potansiyel bağlantıyı27,31' de ortaya çıkarabilir. Tek bir veritabanına dayanan keşif ve analiz, potansiyel seçim önyargı nedeniyle veya belirli bir ölçüde, veri toplama ve analitik algoritma dahil olmak üzere veri kalitesi çeşitliliği nedeniyle sınırlı veya yalıtılmış Perspektifler sağlayabilir veritabanı19...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarlar açıklamak için hiçbir şey var

Teşekkürler

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışma kısmen Guangdong Eyaleti, Çin (No. 2018A030313562), eğitim reformu projesi Guangdong klinik öğretim üssü doğal Bilim Vakfı tarafından desteklenmektedir (Hayır.  2016JDB092), Çin Ulusal Doğal Bilim Vakfı (81600358), ve Guangdong Eyaleti, Çin (NO. 2017KQNCX073) kolejler ve üniversiteler gençlik yenilikçi yetenek projesi

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Javascript
özellikli bir İnternet tarayıcısına sahip bir kişisel bilgisayar veya bilgi işlem cihazı		Microsoft051690762553Aşağıdaki tarayıcıları destekliyor ve test ediyoruz: Google Chrome, Firefox 3.0 ve üstü, Safari ve Internet Explorer 9.0 ve üstü
Adobe Flash playerAdobe Systems Inc.http://get.adobe.com/flashplayer/'dan ücretsiz olarak indirilebilir.Bu tarayıcı eklentisi, ağ
analizi sekmesindeki ağları görselleştirmek için gereklidir.
Chrome TarayıcıGoogle Inc.https://www.google.cn/chrome/, Patoloji Raporları ve indirilebilir dosyaların birçoğu dahil olmak üzere PDF dosyalarını görüntülemek için
için gereklidir.
Java Runtime EnvironmentOracle Corporationadresinden http://www.java.com/getjava/ indirilebilir.
Öğretim Üyeleri için Office 365 ProPlusMicrosoft2003BFFD8117EA68Bu, Patoloji Raporlarını görüntülemek ve indirilebilir dosyaların çoğunu
görüntülemek için gereklidir.
Vectr ÇevrimiçiVectr Laboratuvarları A.Ş.https://vectr.com/new sitesinden serbestçe kullanılabilirBu, indirilebilir dosya ve resimlerin çoğu
görselleştirmek ve düzenlemek için gereklidir.
Bu

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. van 't Veer, L. J., et al. Gene expression profiling predicts clinical outcome of breast cancer. Nature. 415 (6871), 530-536 (2002).
  2. 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).
  3. Cancer Genome Atlas, N. Comprehensive molecular portraits of human breast tumours. Nature. 490 (7418), 61-70 (2012).
  4. 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).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. Zhang, J., et al. International Cancer Genome Consortium Data Portal--a one-stop shop for cancer genomics data. Database (Oxford). 2011, bar026 (2011).
  11. Rhodes, D. R., et al. ONCOMINE: a cancer microarray database and integrated data-mining platform. Neoplasia. 6 (1), 1-6 (2004).
  12. 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).
  13. 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).
  14. , Available from: http://co.bmc.lu.se/gobo/gsa.plb (2018).
  15. 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).
  16. Ponten, F., Jirstrom, K., Uhlen, M. The Human Protein Atlas--a tool for pathology. Journal of Pathology. 216 (4), 387-393 (2008).
  17. 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).
  18. 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).
  19. 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).
  20. Yin, J., et al. Integrating multiple genome annotation databases improves the interpretation of microarray gene expression data. BMC Genomics. 11, 50(2010).
  21. 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).
  22. 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).
  23. 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).
  24. Yang, H. Y., et al. Expression and prognostic value of Id protein family in human breast carcinoma. Oncology Reports. 23 (2), 321-328 (2010).
  25. Zhou, X. L., et al. Prognostic values of the inhibitor of DNAbinding family members in breast cancer. Oncology Reports. 40 (4), 1897-1906 (2018).
  26. , Available from: https://www.oncomine.org (2018).
  27. 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).
  28. , Available from: http://bcgenex.centregauducheau.fr/BCGEM/GEM-requete.php (2018).
  29. , Available from: https://www.proteinatlas.org (2018).
  30. , Available from: http://kmplot.com/analysis (2018).
  31. Zhu, Y. F., Dong, M. Expression of TUSC3 and its prognostic significance in colorectal cancer. Pathology-Research and Practice. 214 (9), 1497-1503 (2018).
  32. 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).
  33. 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).
  34. 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).
  35. Cannata, N., Merelli, E., Altman, R. B. Time to organize the bioinformatics resourceome. PLoS Computational Biology. 1 (7), e76(2005).
  36. Wren, J. D., Bateman, A. Databases, data tombs and dust in the wind. Bioinformatics. 24 (19), 2127-2128 (2008).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Meme Kanseri BiyobelirteciKamu Veri TabanlarONCOMINEbcGenExMinerGOBOHuman Protein AtlasKaplan Meier PlotterSa kal m Analizi

İlgili makaleler