在三阴性乳腺癌中进行个性化差异表达分析
Hao Cai1, Liangbo Chen2, Shuxin Yang2
1Medical Big Data and Bioinformatics Research Centre, First Affiliated Hospital of Gannan Medical University, Ganzhou 341000, China.
Briefings in functional genomics
|January 10, 2024
概括
RankCompV2.1准确地识别了疾病分析的个体基因表达变化. 这种方法提高了统计能力和效率,揭示了三阴性乳腺癌的潜在治疗点和患者子组.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 准确识别个体水平差异表达基因 (DEGs) 对于理解疾病机制和推进精准医学至关重要.
- 现有的算法努力平衡准确性和足够的统计能力,以进行个别的DEG分析.
- RankCompV2,最初是针对人口级别的DEG,已经被调整为个人级别的分析.
研究的目的:
- 开发和验证一个优化的算法,RankCompV2.1,用于识别个人级别的DEG,以提高准确性和统计能力.
- 通过模拟和真实癌症数据,与现有的个性化分析方法对比RankCompV2.1的性能进行评估.
- 将RankCompV2.1应用于三阴性乳腺癌 (TNBC),以确定治疗点和患者分层.
主要方法:
- 将RankCompV2算法修改为RankCompV2.1,包括基因排名位置和相对排名差异.
- 对RankCompV2.1与其他个性化DEG算法的比较分析,用于模拟和真实配对的10种癌症类型的癌症-正常数据集.
- 基因组丰富分析 (GSEA) 和基因组变异分析 (GSVA) 的应用,以解释途径水平的变化.
- 在TNBC中识别普遍放松调节的基因并分析它们的药物相互作用.
- 基于高度可变的放松基因和随后的生存分析的TNBC样本的聚类.
主要成果:
- 与其他个性化算法相比,RankCompV2.1表现出优越的统计能力和计算效率,实现了可比的准确性.
- 分析揭示了与上调或下调调节的基因丰富的特定通路,与分别较高或较低的丰富度得分相关.
- 在966个TNBC样本中,16个普遍放松调节的基因被确定为潜在的治疗点,与FDA批准的药物相互作用.
- 根据基因放松调节模式,TNBC样本被分为三个分组,具有不同的预后.
- 最差的结果子组表现出下调的免疫,信号转导和亡途径,OAS家族基因被认为是潜在的免疫疗法标.
结论:
- RankCompV2.1是一个强大的工具,用于识别个人级别的DEG,具有高精度和统计能力.
- 该算法有助于分析致癌机制,并探索新的治疗策略.
- 该研究确定了TNBC内的有希望的治疗点和患者子组,为个性化治疗方法铺平了道路.
