Meme Kanserinde Merkez Genlerinin, Tek Nükleotid Polimorfizmlerinin ve Transkriptomik Analiz Kullanarak Potansiyel İlaç Hedeflerinin Tanımlanması

Xiaobo Jia; Hui Su; Jiaxin Zhang; Zhao Liu

doi:10.3791/70964

Research Article

Meme Kanserinde Merkez Genlerinin, Tek Nükleotid Polimorfizmlerinin ve Transkriptomik Analiz Kullanarak Potansiyel İlaç Hedeflerinin Tanımlanması

DOI:

10.3791/70964

⸱

June 9th, 2026

Xiaobo Jia¹ , Hui Su² , Jiaxin Zhang¹ , Zhao Liu¹

¹Department of Thyroid and Breast Surgery, The Affiliated Hospital of Xuzhou Medical University, ²Department of Anesthesiology, Xuzhou Cancer Hospital

Summary

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

Bu çalışma, HER2-pozitif meme kanserinde terapötik dirençle ilişkili mitokondriyal oksidatif stresle ilişkili genleri incelemiştir. Transkriptomik veri setleri, entegre biyoinformatik ve klinik veriler (n = 4.929) kullanılarak yazarlar, MTHFD2 ve PRDX3'ü potansiyel prognostik değere sahip anahtar farklısal ekspresyon genler olarak tanımladılar. In silico. Analizler genetik varyantların işlevsel etkilerini göstermektedir.

Abstract

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

HER2-pozitif (HER2⁺) meme kanseri, genellikle Lapatinib gibi tedavilere direnç geliştirir ve bu da mitokondriyal metabolik ve redoks yeniden programlama içerebilir. Bu çalışma, mitokondriyal oksidatif stresle ilişkili genleri (MOS-DEG) direnç biyobelirteçleri olarak tanımlamayı ve fonksiyonel nsSNP'lerini ve yapısal etkilerini karakterize etmeyi amaçladı. RNA-seq veri setleri (GSE231524, GSE231525) DESeq2 kullanılarak analiz edilerek mitokondriyal oksidatif stres genleriyle kesişen DEG'leri tanımlayarak MOS-DEG'ler elde edildi. Fonksiyonel zenginleştirme, PPI analizi, ROC analizi, ekspresyon profilleme ve sağkalma analizi gerçekleştirildi. nsSNP'ler birden fazla öngörücü araç kullanılarak değerlendirildi ve yapısal etkiler ikincil ve 3D modelleme yoluyla değerlendirildi. Entegre transkriptomik ve klinik analizler, MTHFD2 ve PRDX3'ü mitokondriyal redoks metabolizmasında karşıt düzenleyici roller sergileyen merkezi MOS-DEG'ler olarak tanımladı. MTHFD2 anlamlı şekilde yukarı regülasyonluydu ve kötü prognozla ilişkilendirildi (HR = 1,53, p = 1,1 × 10⁻¹⁶), PRDX3 ise koruyucu ifade desenleri gösterdi (HR = 0,73, p = 7,7×10^⁻10). ROC analizi, terapötik yanıt için potansiyel olarak ortaya koyduklarını öne sürdü. nsSNP analizi, MTHFD2'de beş zararlı varyant ve PRDX3'te dört zararlı varyant ortaya çıkardı; rs1471336772 (MTHFD2) ve rs747786383 (PRDX3.) en patojenik olarak tanımlandı. Bu varyantlar, SIFT ≤ 0.05, PolyPhen-2 ≥ 0.85, zararlı CADD puanları ve yüksek REVEL puanları gibi birden fazla hesaplamalı puanlama sistemine dayanarak zararlı olduğu tahmin edildi ve katalizör veya redoks-aktif alanlarda yer aldı. Yapısal modelleme, bu ikamelerin konformasyonu destabilize edebileceğini, metal ve kofaktör bağlanma bölgelerini bozabileceğini ve NADPH rejenerasyonu veya tioredoksin bağımlı peroksidaz aktivitesini etkileyebileceğini göstermiştir. Moleküler dinamik tahminleri, yapısal stabilitede potansiyel kayıp ve esneklikte değişiklik olduğunu göstererek, mitokondriyal redoks kontrolünün olası fonksiyonel bozulmasını önermektedir. Bu çalışma, ^HER2+ meme kanserinde mitochondriyal oksidatif stresin düzenleyicileri olarak MTHFD2 ve PRDX3'ü tanımlamaktadır. Bu genlerdeki zararlı nsSNP'ler, redoks dengesinin değişmesine katkıda bulunabilir ve metabolik adaptasyonu (MTHFD2) ve antioksidan savunmayı (PRDX3) etkileyebilir.

Introduction

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

Meme kanseri, dünya genelinde kadınlarda en yaygın teşhis edilen kanser olup, erken teşhis ve hedefli tedavilerde önemli ilerlemelere rağmen kanserle ilişkili ölümlerin başlıca^nedenidir ^1,2,3. Meme tümörlerindeki moleküler heterojenlik, çeşitli klinik sonuçlar ve tedavi yanıtlarının temelini oluşturur ve hassas onkoloji için kalıcı zorluklar^{teşkil eder} ^4,5. Tanınan moleküler alt tipler arasında, insan epidermal büyüme faktörü reseptörü 2 (HER2) pozitif meme kanseri, tüm meme kanserlerinin yaklaşık %15–20'sini oluşturur ve HER2 geninin amplifikasyonu ve HER2 reseptörü tirozin^kinaz ^6,7'nin aşırı ekspresyonuyla karakterize edilir. Trastuzumab ve lapatinib gibi HER2 hedefli tedaviler hasta prognozunu belirgin şekilde iyileştirmiş olsa da, bu ajanlara karşı birincil ve kazanılmış direnç sıklıkla ortaya çıkar ve bu da tümör nüksüne ve hastalık ilerlemesine^{yol açar} ^8,9. Bu nedenle, HER2 tedavisine direnç sağlayan moleküler mekanizmaların anlaşılması, klinik onkolojide hâlâ karşılanmamış büyük bir ihtiyaç olarak kalmaktadır.

Ortaya çıkan kanıtlar, mitokondriyal işlev bozukluğu ve oksidatif stresin meme kanserinde ilaç direncinin aracılık edilmesinde kritik roller oynadığını göstermektedir. Mitokondriler, ATP üretimindeki kanonik rollerinin ötesinde, apoptoz, redoks sinyal ve metabolik plastisitenin temel düzenleyicileridir — kanser hücrelerinin terapötik basınca karşı hayatta kalmak için kullandığı tüm süreçler. Özellikle, dirençli HER2⁺ kanser hücreleri, oksidatif fosforilasyona (OXPHOS), gelişmiş reaktif oksijen türleri (ROS) tamponlamasına ve değişmiş mitokondriyal biyogeneziye metabolik bir kayma gösterir. Bu adaptasyonlar, hücrelerin hayatta kalma sinyallerini sürdürmesini ve HER2 sinyal yollarının sürekli inhibisyonuna rağmen apoptozdan kaçınmasını sağlar. Mitokondriyal kompleks alt birimleri kodlayan genler ve redoks düzenleyici enzimler, bu nedenle direnç aşmak için potansiyel biyobelirteçler ve terapötik hedeflerdir.

Paralel olarak, mitokondriyal veya oksidatif stresle ilgili genlerdeki eşanlamsız tek nükleotid polimorfizmaları (nsSNP) protein yapısını ve fonksiyonunu değiştirerek enzim aktivitesini, ilaç yanıtını ve hastalık hassasiyetini^{etkileyebilir 10}. nsSNP'lerin in silico kullanılarak zararlı etkilerinin hesaplamalı tahmini.SIFT, PolyPhen-2 ve CADD gibi araçlar, kanser heterojenliği ve terapötik direncine katkıda bulunabilecek fonksiyonel varyantları hızlı bir şekilde tanımlamayı sağlar. Böylece transkriptomik ve mutasyonel verilerin entegre edilmesi, hem transkripsiyonel hem de genomik düzeylerde gen düzensizliği ve yapısal değişimin çok boyutlu bir görüşünü sunar.

Biyoinformatik ve sistem biyolojisindeki son gelişmeler, büyük ölçekli ifade profili ve ağ tabanlı analiz yoluyla potansiyel sürücü genlerin yüksek verimli tanımlanmasını mümkün kıldı. Gen İfadesi Omnibusu (GEO) gibi kamu depoları, deneysel modeller ve hasta kohortları arasında moleküler değişiklikleri yakalayan değerli RNA dizileme veri setleri sunar. DESeq2, clusterProfiler ve STRING–Cytoscape ağ analizi gibi analitik araçlarla birleşince, bu kaynaklar farklı şekilde ifade edilen genlerin (DEG) kapsamlı karakterizasyonunu, yol zenginleştirmesini ve merkez gen keşfini mümkün kılar. Önemli olarak, mitokondriyal oksidatif stres gen imzalarını DEG'lerle entegre etmek, HER2 hedefli tedavi direncinin altında yatan yeni moleküler mekanizmaları aydınlatabilir ve terapötik müdahale için aday biyobelirteçleri belirleyebilir.

HER3 kaynaklı direnç ekseni, HER2 inhibisyonunu takip eden önemli bir telafi yolu olarak son zamanlarda dikkat çekmiştir. HER3 aktivasyonu, aşağı akış PI3K/AKT sinyalini geri kazandırır, hücresel hayatta kalma ve ilaç toleransını destekler (Şekil 1). ERK sinyalizasyonunun negatif düzenleyicisi olan DUSP6 (Çift Özellik Fosfataz 6), bu uyarlanabilir yanıtın modülesinde rol oynamıştır. DUSP6'nın inhibisyonu, ERK sinyalini yeniden aktifler ve HER3 aracılı direnci etkisiz hale getirebilir, ancak mitokondriyal oksidatif stres ve metabolik adaptasyon ile etkileşimi yeterince anlaşılmamıştır. Bu nedenle, HER2⁺ hücre hatlarının (BT474 ve MDA-MB-453) DUSP6 inhibisyonu ve kronik Lapatinib maruziyeti altında karşılaştırmalı transkriptomik analizleri, ilaç direncinin moleküler belirleyicilerini incelemek için ideal bir model sunar.

Şekil 1. Mitokondriyal disfonksiyon, oksidatif stres ve meme kanseri ilerlemesini birbirine bağlayan moleküler peyzajın şematik temsili. Bu entegre moleküler mekanizmalar, meme kanserinde mitokondriyal oksidatif stres aracılı onkogenezi oluşturmaktadır. Özellikle DUFS3, UQCRC1, COX4I1, SDHA ve ATP5PO'yu içeren düzensiz mitokondriyal elektron taşıma zinciri kompleksleri, aşırı reaktif oksijen türlerinin (ROS) oluşumuna yol açar; bu da oksidatif DNA hasarına, lipid peroksidasyonuna ve mitokondriyal zar potansiyelinin bozulmasına yol açar. Bu oksidatif bozulmalar, PI3K/AKT, MAPK ve NF-κB gibi onkojenik sinyal yollarını aktive ederken, p53 ve BAX gibi apoptotik regülatörleri baskılar; böylece tümör hücresinin hayatta kalmasını, çoğalmasını ve bağışıklık kaçınmasını teşvik eder. Diyagram ayrıca mitokondriyal oksidatif stresin kanser metabolizması ve tümör mikroçevresi üzerindeki çift etkisini vurgularak, HER2+ meme kanseri koşullarında tedavi direnci ve bağışıklık modülasyonuna katkısını vurguluyor. Bu bütünleyici model, mitokondriyal sürücü genleri ve potansiyel terapötik hedefleri belirlemeye yönelik sonraki transkriptomik ve SNP tabanlı analizler için mekanik temel oluşturur. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Mevcut çalışma, HER2⁺ meme kanserinde mitokondriyal oksidatif stresle ilişkili hub genlerini, fonksiyonel nsSNP'leri ve potansiyel ilaç hedeflerini sistematik olarak belirlemek için tasarlanmıştır. GSE231524 ve GSE231525 transkriptomik verilerini, seçilmiş mitokondriyal ve oksidatif stresle ilgili gen setleriyle entegre ederek, mevcut çalışma, tedavi direncine katkıda bulunan mitokondriyal oksidatif stresle ilgili farklı ekspresyon genleri (MOS-DEG) tanımlamayı amaçladı. Sonraki analizler arasında gen ontolojisi (GO) ve KEGG yolu zenginleşmesi, protein–protein etkileşimi (PPI) ağı inşası, merkez gen önceliklendirmesi ve Kaplan–Meier İmmünoterapi Veritabanı kullanılarak hayatta kalma korelasyon analizi yer aldı. Ayrıca, mutasyona dayalı fonksiyonel sonuçları belirlemek için nsSNP varyasyonu ve potansiyel yapısal etki açısından önemli genler daha fazla incelendi.

Transkriptomik profilleme, ağ biyolojisi ve in silico. mutasyonel analizi birleştirerek, bu çalışma HER2⁺ meme kanserinde potansiyel mitokondriyal biyobelirteçler ve terapötik hedeflerin keşfi için entegre bir çerçeve sağlar. Oksidatif fosforilasyona bağlı hub genlerin ve fonksiyonel SNP'lerinin tanımlanması, HER2 hedefli ilaç direncini aşmak ve hasta sonuçlarını iyileştirmek için hassas terapötik stratejilerin geliştirilmesinin yolunu açabilir.

Access restricted. Please log in or start a trial to view this content.

Protocol

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

Veri alımı ve ön işleme

Bu çalışma, halka açık transkriptomik ve genetik veriler kullanılarak gerçekleştirilmiştir; doğrudan insan veya hayvan denek dahil değildi. HER2⁺ meme kanseri tedavisi direnciyle ilgili transkriptomik veri setleri NCBI Gen İfadesi Omnibüsü (GEO) veritabanından (https://www.ncbi.nlm.nih.gov/geo/)¹¹ alındı. İki RNA-seq veri seti, GSE231524 ve GSE231525, HER3 kaynaklı direnç ve HER2+ meme kanseri hücre hatlarında (BT474 ve MDA-MB-453) DUSP6 inhibitisiyasına özel odakları nedeniyle seçildi. Bu veri setleri, Lapatinib (1 μM) maruziyeti ve DUSP6 etkisinden türetilen ebeveyn, ilaç toleransı ve ilaç dirençli fenotipleri içeriyordu. Ham sayı matrisleri ve ilgili meta veri dosyaları, RStudio (v4.3.2)^12'deki GEOquery (v2.70.0) ve Biobase (v2.62.0) paketleri kullanılarak erişildi. Meta veriler, her veri seti için iki ana kontrastı tanımlamak üzere seçildi: GSE231524 kontrol (BT474 ebeveyn, 0. gün) ile ilaç toleransı ve ilaca dirençli örnekler (9. gün–9. ay) karşılaştırıldı, GSE231525 ise kontrol (Karıştırılmış siRNA) ile DUSP6 etkisini (DUSP6-KD) karşılaştırdı. Kalite kontrolü ve veri normalizasyonu, heteroskedastisiteyi azaltmak ve örnekler arasında karşılaştırılabilirliği sağlamak için varyans stabilizasyon dönüşümü (VST) uygulayan DESeq2 (v1.42.0) çerçevesi kullanılarak gerçekleştirildi. Veri dağılımı ve kümeleme kalıpları, veri tekseliyesini doğrulamak ve diferansiyel ifade analizinden önce potansiyel istisnaları belirlemek için ggplot2 (v3.5.0) ve pheatmap (v1.0.12) kullanılarak görsel olarak değerlendirildi^(13,14).

Bu çalışmada, hücre hattı transkriptomik veri setlerinden elde edilen bulgular ile hasta kaynaklı klinik veri setlerinden elde edilenler arasında net bir ayrım sağlandı. Hücre hattı verileri öncelikle keşif analizi için kullanıldı; bunlar arasında farklı olarak ifade edilen genlerin tanımlanması ve kontrollü deneysel modellerde ön mekanik içgörülerin oluşturulması da yer aldı. Buna karşılık, gen ifade desenlerinin dıştan doğrulanması ve klinik önemin değerlendirilmesi, prognostik değerlendirme dahil olmak üzere, hasta kaynaklı veri setleri kullanıldı. Buna göre, hücre hattı modelleri ve klinik kohortlardan elde edilen sonuçlar, aşırı genellemeyi önlemek ve tüm bulgular için uygun translasyonel bağlam sağlamak amacıyla ayrı ayrı yorumlanır.

Diferansiyel gen ifade analizi

Kontrol ve tedavi koşulları arasında anlamlı şekilde modüle edilen genleri belirlemek için diferansiyel ifade analizi yapıldı. Normalize sayımlar, DESeq2'ye entegre edilmiş düzeltilmiş regresyon modeli (ARM) kullanılarak işlenerek log₂ katlama değişikliklerini ve istatistiksel anlamlılığı doğru şekilde tahmin edilmiştir. Tasarım formülü, kontrol ve tedavi edilen grupları temsil eden ~koşul olarak tanımlanmıştır. Ayarlanmış p-değeri (FDR) < 0.05 ve mutlak log₂ katlanma değişimi ≥ 1 genler, anlamlı şekilde farklı olarak ifade edilen kabul edildi. Log₂ katlama değişimi küçülmesi, etki boyutu tahmininde dayanıklılığı artırmak için apeglm yöntemiyle gerçekleştirilmiştir. Analizin sonuçları, EnhancedVolcano (v1.22.0)¹⁵ ve ggplot2¹⁶ kullanılarak görselleştirildi; bu veriler, ifade büyüklüğü ile istatistiksel güven arasındaki ilişkiyi gösteren volkan grafikleri ve MA grafikleri oluşturuldu. Biyolojik kopyalar arasında doğru varyans modeli ve tutarlı normalleşme sağlamak için DESeq2 içinde dağılımlı tahminler de^{değerlendirildi 17}.

Mitokondriyal oksidatif stresle ilişkili farklı ekspresyon genlerin (MOS-DEG) geri alınması ve tanımlanması

Enerji metabolizması, oksidatif stres ve ilaç direnci arasındaki bağlantıyı araştırmak için, İnsan MitoCarta3.0¹⁸ (https://personal.broadinstitute.org/scalvo/MitoCarta3.0/human.mitocarta3.0.html), Gen Ontolojisi (GO:0006979, oksidatif strese yanıt) (http://geneontology.org/), Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) oksidatif fosforilasyon yolu gibi birçok veri tabanından mitokondriyal ve oksidatif stresle ilişkili genlerin kapsamlı bir listesi derlendi. (https://www.genome.jp/kegg/) ve İnsan Oksidatif Stres Gen Veritabanı (HOSGDB) (http://hosgdb.com/). Alınan tüm genler, org kullanılarak HGNC onaylı gen sembollerine standartlaştırıldı. Hs.eg.db (v3.18.0) ve AnnotationDbi (v1.64.0) ile birlikte, yetkili girişler, pseudogenler ve kodlamayan RNA'lar annotasyon doğruluğunu sağlamak için kaldırıldı. Ortaya çıkan kürenmiş mitokondriyal oksidatif stres gen paneli (MOS genleri), her iki transkriptomik veri setinden tanımlanan farklı olarak ifade edilen genlerle entegrasyon için referans seti olarak kullanıldı.

Kürenmiş MOS gen listesinin GSE231524 ve GSE231525'den elde edilen DEG'lerle kesişimi, dplyr (v1.1.3)¹⁹ ve taban R kesişme() fonksiyonları kullanılarak R dilinde gerçekleştirilmiştir. Bu bütünleyici yaklaşım, mitokondriyal metabolizma, redoks düzenlemesi ve oksidatif stres adaptasyonuyla fonksiyonel olarak bağlantılı genleri temsil eden MOS-DEG'lerin tanımlanmasını mümkün kıldı. Veri setleri arasındaki örtüşme, deneysel modellerde paylaşılan ve benzersiz genleri göstermek için R'deki VennDiagram (v1.7.3) paketi kullanılarak^{görselleştirildi 20}. MOS-DEG'lerin geliştirilmiş listesi, HER2 hedefli tedavi direncinin altında yatan transkripsiyonel ve metabolik yeniden programlama hakkında mekanik bir bakış sunarak sonraki analizler için kullanıldı.

MOS-DEG'lerin ifade profili ve görselleştirmesi

Tanımlanan MOS-DEG'lerin ifade profili, RStudio'da ComplexHeatmap (v2.18.0)²¹ ve pheatmap (v1.0.12) paketleri kullanılarak ebeveyn, ilaç toleransı ve dirençli koşullarda küresel ekspresyon desenlerini görselleştirmek için gerçekleştirildi. Normalize sayı verileri, z-puan ölçeklendirme kullanılarak model genlerinin ifade matrisini standartlaştırmak için dönüştürüldü. Kümeleme, ortak ifade desenlerini tespit etmek ve koşula özgü transkripsiyon profillerini ayırt etmek için Öklid mesafesi ve tam bağlantı yöntemleri kullanılarak gerçekleştirildi. Koşullar arasında net görsel ayrımlar sağlamak için ggplot2 kullanılarak ısı haritaları ve kümeleme grafikleri oluşturuldu. Bu görselleştirme yaklaşımı, ilaç dirençli durumlar altında mitokondriyal aktivite, oksidatif stres modülasyonu ve metabolik yeniden programlama ile ilişkili gen gruplarının tanımlanmasını kolaylaştırdı.

Fonksiyonel zenginleştirme ve yol açıklaması

Tanımlanan MOS-DEG'lerin biyolojik önemi ve düzenleyici mekanizmalarını incelemek için, Gen Ontolojisi (GO) ve Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) zenginleştirme analizleri R Studio (sürüm 4.3.1) kullanılarak gerçekleştirildi. Analizler, tekrarlanabilir hesaplama ve görselleştirme için birden fazla Biyoiletken paketi kullanılarak tidyverse ortamında gerçekleştirildi. Gen açıklaması ve tanımlayıcı eşleme, organizasyon kullanılarak gerçekleştirildi. Hs.eg.db veritabanı (https://bioconductor.org/packages/org.Hs.eg.db/) Homo sapiens referans genomuna (GRCh38) dayanmaktadır. GO zenginleştirme analizi, genleri üç ana ontolojiye ayıran clusterProfiler paketi (sürüm 4.8.1; https://bioconductor.org/packages/clusterProfiler/) kullanılarak gerçekleştirilmiştir: Biyolojik Süreç (BP), Hücresel Bileşen (CC) ve Moleküler Fonksiyon (MF). EnrichGO²² fonksiyonu, parametreler p-değeri < 0.05 olarak ayarlanmış ve p-değeri ayarlanmış şekilde kullanılmıştır. (FDR) Benjamini–Hochberg düzeltme yöntemi uygulanarak 0.05 <. Görselleştirmeler, çubuk grafikleri, nokta grafikleri ve akor diyagramları dahil olmak üzere enrichplot (https://bioconductor.org/packages/enrichplot/), ggplot2¹³ (https://cran.r-project.org/web/packages/ggplot2/) ve GOplot (https://cran.r-project.org/web/packages/GOplot/) kullanılarak oluşturuldu. Bu araçlar, zenginleştirilmiş GO terimleri ve gen ilişkilerine yapılandırılmış bir bakış sunuyordu.

KEGG yol zenginleştirmesi, insan KEGG veritabanına (https://www.genome.jp/kegg/) atıfta bulunan clusterProfiler paketindeki enrichKEGG() fonksiyonu kullanılarak gerçekleştirildi. KEGGREST paketi (https://bioconductor.org/packages/KEGGREST/) yol veri alımı ve açıklaması için kullanıldı. Ayarlanmış p-değeri olan yollar. (q-değeri) < 0.05 anlamlı olarak kabul edildi. Görselleştirme ve yol haritalama, pathview (https://bioconductor.org/packages/pathview/), ggplot2 ve enrichplot kullanılarak yapılırken, ağ temsili için igraph ve ggraph^{kullanıldı.} Tüm zenginleştirme analizleri ve görselleştirmeler, tekrarlanabilir kod ve standartlaştırılmış Bioconductor iş akışları kullanılarak R Studio (v4.3.1) içinde uygulandı; böylece MOS-DEG'lerle ilişkili zenginleştirilmiş fonksiyonel kategoriler ve biyolojik yolların güvenilir şekilde tanımlanmasını sağladı.

Meme kanserinde öngörücü biyobelirteçlerin ROC tabanlı doğrulaması

MOS-DEG'lerin klinik öngörücü gücünü doğrulamak için, alıcı operasyonel karakteristikte (ROC) eğrisi analizi ROCplotter online aracı (https://www.rocplot.org/)²⁴ kullanılarak gerçekleştirildi. ROCplotter, kemoterapi, hormonal tedavi veya anti-HER2 ajanları da dahil olmak üzere 3.104 meme kanseri hastasının gen ifade verilerini klinik olarak açıklamalı tedavi yanıt veri setleriyle birleştiren entegre bir web tabanlı platformdur.

Analiz, sonuç değişkeni olarak "patolojik tam yanıt" parametreleri ve tedavi kategorisi olarak "herhangi bir kemoterapi" parametreleri kullanılarak gerçekleştirildi. Affymetrix mikroarray veri setlerinden elde edilen gen ifade değerleri, platform içindeki klinik açıklamalara dayanarak yanıt veren ve yanıt vermeyen gruplara otomatik olarak sınıflandırıldı.

Her genin yanıt verenlerden yanıt vermeyenleri ayırt etme yeteneğini değerlendirmek için alıcı çalışma karakteristikli (ROC) eğrisi (AUC), Mann–Whitney U testi, katlanma değişimi ve ki-kare testi uygulandı. Eğri altındaki alan (AUC), ayırtıcı performansı değerlendirmek için birincil metrik olarak kullanıldı. AUC değerleri 0.55'ten yüksek ve ROC p-değerleri < 0.05 ile anlamlı kabul edildi; bu da transkriptomik biyobelirteçlere özgü orta dereceli öngörücü performansı temsil ederken, analitik titizliği korumak için yanlış keşif oranı (FDR) düzeltmesi uygulandı.

Seçilen tüm MOS-DEG'ler, ilgili Affymetrix prob kimlikleri kullanılarak sorgulandı. Her genin ayırt edici potansiyeli, klinik meme kanseri kohortları arasında değerlendirildi; ifade verileri yanıt veren ve yanıt vermeyen gruplara ayrıldı. ROC eğrileri, kutu grafikleri ve ilgili istatistiksel çıktılar doğrudan ROCplotter platformu tarafından oluşturuldu ve aşağı akış görselleştirme ve karşılaştırma için dışa aktarıldı. Analiz, mitokondriyal oksidatif streste yer alan redoks ve metabolik düzenleyicilerin öngörücü değerini niceleştirdi. Klinik örneklerde tutarlı öngörücü anlam gösteren genler, nihai öngörücü panele dahil edilmek üzere tutuldu.

Tümör, normal ve metastatik dokularda diferansiyel ekspresyon analizi (TNMplot analizi)

En üst MOS-DEG'lerin ifade desenleri, TNMplot web aracı v2 (https://tnmplot.com/analysis/)²⁵ kullanılarak normal, tümör ve metastatik meme dokularında analiz edildi. Hem RNA-Seq (TCGA + GTEx + MET500) hem de gen çipi veri setleri analiz edilip, platformlar arası doğrulama sağlandı. "Çoklu Gen Analizi" modülü, Meme İnvaziv Karsinoma ile seçilen doku^{tipi 26} olarak kullanıldı. İfade değerleri log₂-transforme edilmiş ve Tümör vs. Normal (TvsN), Metastatik vs. Tümör (MvsT) ve Metastatik vs. Normal (MvsN) grupları arasında karşılaştırılmıştır. TNMgraph, istatistiksel anlamlılığı değerlendirmek için Mann–Whitney U testini kullanarak katlanma değişimi (FC) ve p-değerlerini otomatik olarak hesapladı. İfade dağılımları, TNMplot arayüzünden doğrudan oluşturulan kutu grafikleri ve yoğunluk grafikleri olarak görselleştirildi; yeşil, kırmızı ve gri renkler sırasıyla normal, tümör ve metastatik dokuları temsil etti. Tüm figürler sonuçlar bölümüne entegre edilmek üzere yüksek çözünürlükte dışa aktarıldı. Bu çift platformlu analiz, meme kanseri ilerlemesiyle ilişkili temel mitokondriyal redoks-metabolik düzenleyicilerin sağlam şekilde tanımlanmasını ve doğrulanmasını^sağladı27.

Kaplan–Meier plotter'ı kullanarak hayatta kalma ve prognostik analiz

MOS-DEG'lerin meme kanserinde prognostik önemini değerlendirmek için, Kaplan–Meier Plotter çevrimiçi aracı (https://kmplot.com/analysis/)²⁸ kullanılarak sağ kalma analizi yapıldı. Bu veritabanı, çoklu GEO, EGA ve TCGA veri setlerinden türetilen 4.900'den fazla meme kanseri hastasının gen ifadesi ve sağ kalım verilerini entegre eder. Analiz, önceliklendirilen genlere karşılık gelen bireysel Affymetrix prob kimlikleri kullanılarak tekrarsız hayatta kalma (RFS) için gerçekleştirildi: 225609_at (GSR), 201761_at (MTHFD2), 201619_at (PRDX3/AOP1) ve 201128_s_at (ACLY). Hastalar, medyan ekspresyon kesimi sınırına göre yüksek ve düşük ekspresyon gruplarına ayrıldı ve hayatta kalma olasılıkları Kaplan–Meier yöntemiyle tahmin edildi. Log-rank testi, hayatta kalma eğrileri arasındaki istatistiksel anlamlılığı değerlendirmek için kullanıldı ve araç tarafından %95 güven aralıklı (CI) tehlike oranları (HR) otomatik olarak hesaplandı. Tüm analizler, hormon reseptörü veya HER2 durumuna (ER, PR, HER2 = hepsi) dayalı kısıtlama olmadan, RFS endpoint kullanılarak gerçekleştirildi. Gereksiz örnekler çıkarıldı ve orantılı tehlike varsayımları doğrulandı; böylece istatistiksel dayanıklılık sağlandı. Kalite kontrol filtreleri, önyargılı mikrodizileri hariç tuttu. KM Plotter varsayılan ayarlarına uygun olarak çoklu test için manuel prob seçimi veya p-değer düzeltmesi uygulanmadı. İstatistiksel anlamlılık s. < 0.05 olarak tanımlandı. Hayatta kalma grafikleri görselleştirildi ve daha fazla yorum için yüksek çözünürlükte indirildi; her aday MOS geninin yüksek ve düşük ekspresion göstericileri^{arasındaki sonuçlar karşılaştırıldı 29,30}.

Mevcut analiz, farklı olarak ifade edilen genlerin (DEG) ve hub genlerin tanımlanması için yalnızca HER2⁺ meme kanseri örneklerinden oluşan veri setleri kullanılarak başlatıldı. Daha sonra, HER2 durumuna (ER, PR, HER2 = hepsi) sınırlama olmadan hayatta kalma analizi yapıldı ve tanımlanan genlerin daha geniş prognostik önemi ve genellenebilirliği değerlendirildi. Bu yaklaşım, çalışma odaklarını yeniden tanımlamak yerine ikincil bir doğrulama adımı olarak kullanıldı. Bu nedenle, tanımlanan hub genlerinin prognostik sonuçları temkinli yorumlanır ve birincil sonuçlar HER2⁺ meme kanserine özgü kalır.

MTHFD2-201 (ENST00000394053.7) ve PRDX3-201 (ENST00000298510.4) kanonik transkript dizileri, Ensembl Genome Browser (https://www.ensembl.org)^31,32'den alındı. Varyant açıklaması ve sınıflandırması, her tanımlanan varyant için ayrıntılı genomik bağlam, kodon değişiklikleri ve amino asit ikameleri sağlayan Ensambl Varyant Etkisi Tahmincisi (VEP) (https://www.ensembl.org/vep) kullanılarak gerçekleştirildi. Sadece yanlış anlamlı varyantlar (eşanlamlı olmayan SNP'ler) aşağı akış analizi için seçildi.

Patogenlik tahmini ve varyant önceliklendirmesi

Her nsSNP'nin fonksiyonel sonuçları, hesaplamalı tahmin araçlarının kombinasyonu kullanılarak değerlendirildi. SIFT (https://sift.bii.a-star.edu.sg) amino asit korunumunu değerlendirmek için uygulandı ve 0,05 puana sahip varyantlar zararlı³³ ≤olarak sınıflandırıldı. PolyPhen-2 (http://genetics.bwh.harvard.edu/pph2), ikamelerin yapısal ve evrimsel etkisini tahmin etti; burada 0.85 ≥ puanlar muhtemel^{hasarı 34} gösterdi. CADD (https://cadd.gs.washington.edu), birden fazla notasyonu entegre eden bileşik zararlılık puanı sağladı ve ≥ 20 değerleri yüksek patojenik^{potansiyel 35'i} gösteriyordu. MetaLR³⁶, Mutation Assessor ve REVEL'den tamamlayıcı metrikler, VEP arayüzünden entegre edilip, tahmin güvenilirliğini^{artırmıştır 37}. MetaLR ≥ 0.70, Mutasyon Değerlendirici ≥ 3.5 ve REVEL ≥ 0.75 eşiklerini karşılayan varyantlar, muhtemelen patojenik olarak önceliklendirildi.

Yapısal ve mekanistik etki tahmini

Amino asit ikamelerinin yapısal bütünlük ve biyokimyasal fonksiyonu nasıl etkilediğini değerlendirmek için, en üst sıradaki her nsSNP MutPred2 (http://mutpred.mutdb.org)³⁸ ve DynaMut (http://biosig.unimelb.edu.au/dynamut⁾³⁹ kullanılarak daha fazla analiz edildi. MutPred2, katalitik aktivitenin değişmesi, metal bağlayıcı kalıntıların kazanımı veya kaybı, çözücü erişimindeki değişiklikler ve allosterik modülasyon dahil olmak üzere fonksiyonel bozulma olasılığını tahmin etti ve puanlar 0.80 ≥ yüksek patojenik olarak sınıflandırıldı. DynaMut, vahşi tip ve mutant proteinler arasındaki Gibbs serbest enerji değişimini (ΔΔG) hesapladı, kararlılık değişiminin yönünü ve büyüklüğünü değerlendirdi ve atomik yer değiştirmeler ile hidrojen bağ yeniden düzenlemelerinin görselleştirmelerini oluşturdu.

İkincil ve 3D yapısal modelleme ile çözücü erişilebilirlik profili

MTHFD2 ve PRDX3'ün deneysel olarak çözülmüş kristal yapıları, Protein Veri Bankası'ndan (PDB) alındı ve zararlı kalıntıların mekansal dağılımını görselleştirmek için PyMOL V:3.1 (https://pymol.org)⁴⁰ kullanılarak işlendi. Mutant modeller, ilgili amino asit ikameleri getirilerek oluşturuldu, ardından yapısal iyileştirme ve enerji en minimizasyonu yapıldı. Karşılaştırmalı 3D inceleme, ikincil elemanlardaki değişimleri, değişen atomlararası temasları ve nsSNP'lerin katalitik ve kofaktör bağlama alanlarına uzamsal yakınlığını vurgulayarak redoks ve metabolik fonksiyonlarda potansiyel bozulmaları ortaya koydu.

İkincil yapı ve çözücü maruziyet analizleri PSIPRED V: 3.2 (http://bioinf.cs.ucl.ac.uk/psipred⁾^41,42 ve NetSurfP 3.0 (https://services.healthtech.dtu.dk/service.php?NetSurfP-2.0)⁴³ kullanılarak gerçekleştirildi. Bu araçlar α-helisler, β-iplikler, spiraller ve düzensiz bölgeler ile birlikte göreceli çözücü erişilebilirliği (RSA) puanlarını öngördü. Orta ila yüksek RSA değerleri ve yapısal düzen gösteren kalıntılar, çözücüye maruz kalan ve işlevsel olarak kritik pozisyonları belirlemek için haritalandı. Etkilenen alanlar, zararlı mutasyonların katalizör çekirdeklerde veya esnek döngü bölgelerinde mi meydana geldiğini belirlemek için 2D topoloji diyagramlarında görselleştirildi; böylece protein katlanma dinamikleri ve enzimatik verimlilik üzerindeki olası etkileri öngörüldü.

Veritabanı çapraz doğrulama, fonksiyonel entegrasyon ve kararlılık doğrulaması

Her önceliklendirilen nsSNP, varyant sıklığı, küresel allel dağılımı ve daha önce bildirilen klinik ilişkileri doğrulamak için dbSNP, 1000 Genom, ExAC ve gnomAD dahil popülasyon düzeyindeki genomik veri tabanlarıyla çapraz referans alındı. Evrimsel koruma, yapısal modelleme ve makine öğrenimi tabanlı fonksiyonel tahminin entegrasyonu, MTHFD2 ve PRDX3'te yüksek güvenli zararlı varyantların tanımlanmasını mümkün kıldı. Bu yüksek etkili mutasyonlar, meme kanserinde mitokondriyal oksidatif stres dengesizliği, metabolik sinyal değişimi ve terapötik dirençte potansiyel rollerini açıklamak için fonksiyonel alanlara eşlendi. Her zararlı ikame işleminin termodinamik sonuçlarını daha da doğrulamak için, iMutant 3.0 (https://folding.biofold.org/i-mutant/i-mutant3.0.html)⁴⁴ kullanılarak mutasyonların protein kararlılığı üzerindeki etkilerini diziler ve yapısal veriler kullanarak tahmin edilmiştir. Analiz, vahşi tip ve mutant proteinler arasındaki serbest enerji değişimini temsil eden ΔΔG değerlerini (kcal/mol) hesapladı. Negatif ΔΔG değerleri gösteren varyantlar, dengesizleştirici mutasyonlar olarak sınıflandırıldı; bu da protein stabilitesinin azaldığını ve açılma olasılığının arttığını gösteriyordu. iMutant tahminlerinin DynaMut ve MutPred2 sonuçlarıyla entegrasyonu, redoks fonksiyonunu, katalitik bütünlüğünü ve genel protein konformasyon stabilitesini etkileyebilecek yapısal olarak kritik kalıntıların belirlenmesi için çapraz doğrulama sağladı.

Entegre fonksiyonel yorumlama ve terapötik önem

Tüm zararlı nsSNP'ler, küçük allel frekansları ve daha önce bildirilen kanser fenotipleriyle ilişkilendirilen ilişkiler doğrulamak için dbSNP, gnomAD ve ExAC popülasyon veritabanlarıyla çapraz referans yoluyla doğrulandı. Evrimsel koruma, yapısal modelleme ve stabilite verilerinin bütünleşik yorumu, rs1471336772 (MTHFD2) ve rs747786383 (PRDX3) yüksek etkili mutasyonların protein konformasyonu ve katalitik verimlilik üzerinde en güçlü zararlı etkileri yarattığını göstermiştir. Hesaplamalı sonuçlar topluca, MTHFD2'deki mutasyonların NADPH'ye bağlı redoks metabolizmasını destabilize ettiğini, PRDX3'teki mutasyonların ise peroksidaz aracılı oksidatif stres savunmasını zayıflattığını ve bunun mitokondriyal işlevsizlik ile tümör agresifliğine katkıda bulunduğunu göstermektedir. Bu nsSNP tabanlı yapısal ve fonksiyonel analiz, gelecekteki terapötik tarama ve mutasyon doğrulaması için hesaplamalı bir temel sağlar ve MTHFD2 ile PRDX3'ü redoks-hedefli meme kanseri tedavisi için hassas biyobelirteçler olarak vurgular. Açıklığı artırmak ve analitik stratejinin kapsamlı bir genel bakışını sağlamak için, çalışmanın ana adımlarını özetleyen şematik bir iş akışı Şekil 2'de sunulmaktadır. Bu iş akışı, diferansiyel gen ekspresyonu analizini, mitokondriyal gen filtrelemesini, protein-protein etkileşim ağı inşasını, ROC analiziyle klinik doğrulamayı ve nsSNP tabanlı yapısal karakterizasyonu entegre eder. Bu aşamalı çerçeve, transkriptomik veri işlemeden biyobelirteç tanımlaması ve fonksiyonel yoruma mantıksal ilerleyişi vurgular.

Şekil 2. HER2⁺ meme kanserinde mitokondriyal oksidatif stresle ilişkili biyobelirteçlerin tanımlanması ve doğrulanması için bütünleşik çok aşamalı iş akışı. Bu şematik, çalışmada kullanılan analitik hattını özetlemektedir. İlk olarak, RNA-seq veri setleri (GSE231524 ve GSE231525) üzerinde diferansiyel gen ifadesi (DEG) analizi yapılarak önemli şekilde değişmiş genler belirlendi. Bu DEG'ler, MOS-DEG'ler elde etmek için kürenle oluşturulmuş mitokondriyal oksidatif stresle ilgili genlerle kesiştirildi. Sonrasında, STRING ve Cytoscape kullanılarak merkez genleri ve fonksiyonel modüller tanımlanan protein–protein etkileşim (PPI) ağ analizi yapıldı. Daha sonra, ROCplotter platformu kullanılarak klinik kohortlarda seçilmiş genlerin öngörücü performansını değerlendirmek için alıcı operasyonel karakteristikli (ROC) eğrisi analizi uygulandı. Son olarak, öncelikli genlerde (MTHFD2 ve PRDX3) temel varyantların potansiyel fonksiyonel ve yapısal etkisini değerlendirmek için eşanlamlı olmayan SNP (nsSNP) analizi ve yapısal modelleme yapıldı. Bu bütünleştirici iş akışı, transkriptomik, ağ, klinik ve yapısal analizleri birbirine bağlayarak potansiyel biyobelirteçleri ve terapötik hedefleri belirler. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Access restricted. Please log in or start a trial to view this content.

Results

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

Diferansiyel gen ifade analizi

HER2⁺ meme kanseri ilerlemesi ve tedavi direnciyle ilişkili transkripsiyonel değişiklikleri araştırmak için iki bağımsız RNA-seq veri seti olan GSE231524 ve GSE231525 kullanılarak diferansiyel ifade profili yapıldı. İlk veri setinde (GSE231524) başlangıçta toplamda 19.727 gen nicel olarak belirlenmiştir. Normalizasyon, filtreleme ve diferansiyel ifade için ayarlanmış regresyon modelinin (ARM) uygulanmasının ardından, 6.604 gen anlamlı ...

Access restricted. Please log in or start a trial to view this content.

Discussion

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

Mitokondriyal oksidatif stres, tümör adaptasyonunun belirleyici bir özelliğidir; hücresel hayatta kalmayı, metabolik plastisiteyi ve tedavi direncini yönetir. Mevcut çalışma, HER2⁺ meme kanserinde mitokondriyal oksidatif stresle ilişkili farklı ekspresyon genleri (MOS-DEG) sistematik olarak inceledi; transkriptomik veriler, fonksiyonel zenginleştirme, klinik doğrulama ve ayrıntılı in silico mutasyonel ve yapısal analizler entegre edildi. Diferansiyel ifadenin mutasyon...

Access restricted. Please log in or start a trial to view this content.

Disclosures

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

Yazarların beyan edecek çıkar çatışmaları yoktur. OpenAI'nin ChatGPT (GPT-5) dahil olduğu yapay zeka araçları, el yazmasının dilbilgisini, açıklığını ve bilimsel ifadesini geliştirmek için kullanıldı. Tüm analizler, yorumlar ve sonuçlar yazarlar tarafından tasarlanıp doğrulanmıştır.

Yazar katkıları:

Xiaobo Jia çalışmayı kavramsallaştırdı ve denetledi, çalışma tasarımına, veri yorumuna, el yazması taslağına katkıda bulundu ve genel proje liderliğini sağladı. Hui Su, veri toplama, biyoinformatik analiz ve transkriptomik sonuçların yorumlanmasına katkıda bulundu. Jiaxin Zhang, veri işleme, nsSNP analizi, yapısal modelleme ve şekil hazırlanmasında yardımcı oldu. Zhao Liu, istatistiksel analiz, sonuçların doğrulanması ve el yazması revizyonuna katkıda bulundu. Tüm yazarlar makalenin nihai versiyonunu inceleyip onayladı.

Acknowledgements

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

Hiçbiri yok

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
Name	Company	Catalog Number	Comments
AnnotationDbi	Bioconductor	v1.64.0	HGNC gen sembolü standardizasyonu ve açıklaması için kullanılan R açıklama paketi.
apeglm	Bioconductor	method in DESeq2	Diferansiyel ekspresyon analizinde log2 katsayılı değişiklik küçültme yöntemi.
Biobase	Bioconductor	v2.62.0	GEO'dan elde edilen ekspresyon ve meta veri nesnelerine erişim ve yönetim için kullanılan R paketi.
CADD	University of Washington / Kircher Lab	web tool	nsSNP patojenikliği tahmini için kullanılan Birleşik Ek Açıklamaya Bağlı Tükenme skoru.
clusterProfiler	Bioconductor	v4.8.1	GO ve KEGG zenginleştirme analizi için kullanılan R paketi.
ComplexHeatmap	Bioconductor	v2.18.0	Isı haritası oluşturma ve ekspresyon kümelendirme için kullanılan R paketi.
Cytoscape	Cytoscape Consortium	software	STRING türevi PPI ağları ve CytoHubba önceliklendirmesi ile kullanılan ağ görselleştirme platformu.
dbSNP	NCBI	database	Önceliklendirilmiş nsSNP'lerin çapraz doğrulama için kullanılması için popülasyon varyant veritabanı.
DESeq2	Bioconductor	v1.42.0	Normalizasyon, varyans modelleme ve diferansiyel ekspresyon analizi için kullanılan R paketi.
dplyr	CRAN / tidyverse	v1.1.3	Veri manipülasyonu ve gen kümelerinin kesişimini için kullanılan R paketi.
DynaMut	University of Melbourne / BioSig	web server	Proteinlerde mutasyonla ilişkili stabilite ve esneklik değişikliklerini tahmin etmek için kullanılan araç.
EnhancedVolcano	Bioconductor	v1.22.0	Diferansiyel ekspresyon sonuçlarını volkan grafikleri olarak görselleştirmek için kullanılan R paketi.
Ensembl Genome Browser	EMBL-EBI / Ensembl	database	MTHFD2 ve PRDX3 için klasik transkript dizilerinin kaynağı.
Ensembl Variant Effect Predictor (VEP)	EMBL-EBI / Ensembl	web tool	Yanlış anlamlı varyantları açıklamak ve tahmine dayalı skorları entegre etmek için kullanılan araç.
ExAC	Broad Institute	database	nsSNP çapraz doğrulaması için kullanılan popülasyon düzeyindeki ekzom veritabanı.
Gene Expression Omnibus (GEO)	NCBI	database	HER2-pozitif meme kanseri analizi için transkriptomik veri setlerini almak için kullanılan depo.
Gene Ontology	Gene Ontology Consortium	GO:0006979	Oksidatif stresle ilgili genleri almak ve zenginleştirme analizi için kullanılan ontoloji kaynağı.
GEOquery	Bioconductor	v2.70.0	GEO sayım matrislerine ve meta verilere erişim için kullanılan R paketi.
ggplot2	CRAN / tidyverse	v3.5.0	Veri görselleştirme, kümelendirme grafikleri ve grafiksel çıktılar için kullanılan R paketi.
ggraph	CRAN	R package	Zenginleştirme ve yol temsili sırasında grafik ve ağ görselleştirmesi için kullanılan R paketi.
gnomAD	Broad Institute	database	Önceliklendirilmiş nsSNP'lerin sıklığını ve dağılımını kontrol etmek için kullanılan popülasyon varyant veritabanı.
GOplot	CRAN	R package	Akor ve özet grafikleri dahil olmak üzere GO zenginleştirme görselleştirmesi için kullanılan R paketi.
GSE231524	NCBI GEO	accession	Parental, ilaç toleranslı ve BT474 dirençli fenotiplerin analizi için kullanılan RNA-seq veri seti.
GSE231525	NCBI GEO	accession	HER2-pozitif meme kanser hücrelerinde DUSP6 çaprazlama analizi için kullanılan RNA-seq veri seti.
Human MitoCarta3.0	Broad Institute	database	Mitokondriyal gen kümelerini tanımlamak için kullanılan gözden geçirilmiş mitokondriyal gen kaynağı.
Human Oxidative Stress Gene Database (HOSGDB)	HOSGDB	database	Oksidatif stresle ilgili genleri almak için kullanılan veritabanı.
igraph	CRAN	R package	Ağ temsili ve yol görselleştirmesi için kullanılan R paketi.
iMutant 3.0	University of Bologna / Biofold	web server	Protein stabilitesi üzerindeki mutasyon etkilerini tahmin etmek için kullanılan araç.
Kaplan–Meier Plotter	KMplot	web tool	Meme kanseri kohorlarında nüksü olmayan sağkalım analizi için kullanılan çevrimiçi platform.
KEGG	Kyoto University	database	Oksidatif fosforilasyon ve yol zenginleştirme analizi için kullanılan yol veritabanı.
KEGGREST	Bioconductor	R package	KEGG yol bilgilerini almak ve açıklamak için kullanılan paket.
Lapatinib	Makalede belirtilmemiş	1 μM tedavi koşulu	Kaynak deney veri setlerinde ilaç toleranslı/dirençli fenotiplerin türetilmesi için kullanılan HER2 hedefli inhibitör.
MetaLR	Ensembl VEP ile entegre	score	Varyant önceliklendirmesi için kullanılan hesaplamalı patojeniklik metrik.
MutPred2	MutPred	web server	Amino asit ikamelerinin işlevsel sonuçlarını tahmin etmek için kullanılan araç.
NetSurfP 3.0	Technical University of Denmark	web server	İkincil yapı ve solvent erişilebilirlik tahmini için kullanılan araç.
org.Hs.eg.db	Bioconductor	v3.18.0	Gen kimlikleyici eşlemesi için kullanılan insan genom açıklama paketi.
pathview	Bioconductor	R package	Zenginleştirilmiş genleri KEGG yollarına eşlemek için kullanılan paket.
pheatmap	CRAN	v1.0.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Meme Kanserinde Merkez Genlerinin, Tek Nükleotid Polimorfizmlerinin ve Transkriptomik Analiz Kullanarak Potansiyel İlaç Hedeflerinin Tanımlanması

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

Reprints and Permissions

Tags

Related Articles