scholarly journals Exploration of disease - specific biomarkers in cancer research by integrating biological knowledge and high throughput data

2016 ◽  
Author(s):  
Στυλιανός Σφακιανάκης

Ο καρκίνος του μαστού είναι η πιο κοινή κακοήθεια στις γυναίκες σε όλο τον κόσμο και με το δεύτερο υψηλότερο ποσοστό θνησιμότητας. Σε ασθενείς με καρκίνο του μαστού, η κύρια αιτία θανάτου δεν είναι ο πρωτογενής όγκος, αλλά οι μεταστάσεις του σε απομακρυσμένα όργανα. Προκειμένου να δημιουργηθεί μια μετάσταση, τα καρκινικά κύτταρα εισέρχονται στην κυκλοφορία του αίματος, μεταφέρονται σε σημεία απομακρυσμένων οργάνων, όπου και πολλαπλασιάζονται (Κυκλοφορούντα Καρκινικά Κύτταρα, ΚΚΚ). Ο στόχος αυτής της εργασίας είναι η χρήση στατιστικών και υπολογιστικών τεχνικών για τον προσδιορισμό των διαφορών και οι ομοιοτήτων μεταξύ των δειγμάτων αίματος και ιστών ασθενών με καρκίνο και υγιών ατόμων με απώτερο σκοπό το μοριακό χαρακτηρισμό του μεταστατικού καρκίνου του μαστού και την παρουσία των ΚΚΚ. Μια μεγάλη συλλογή από δημόσια διαθέσιμα σύνολα δεδομένων γονιδιακής έκφρασης από μικροσυστοιχίες DNA έχει συγκεντρωθεί και τα δεδομένα αυτά έχουν προσεκτικά συγχωνευθεί προκειμένου να ξεπεραστούν τεχνικές και άλλες διαφοροποιήσεις. Ένας αριθμός στατιστικών συγκρίσεων μεταξύ των διαφόρων σημείων προέλευσης (αίμα ή ιστού) ή την κατάσταση ασθένειας (καρκινικοί ή υγιείς ασθενείς) των δειγμάτων μας οδήγησε σε ένα μικρό σύνολο 27 γονιδίων ("βιοδεικτών"). Οι βιολογικοί αυτοί δείκτες σχετίστηκαν προσεκτικά με πηγές της βιολογικής γνώσης, όπως τα βιολογικά δίκτυα, και υποβλήθηκαν σε νέες αλγοριθμικές διαδικασίες, έτσι ώστε να εντοπιστούν περαιτέρω γονίδια για την εποπτευόμενη (supervised) και μη επιβλεπόμενη (unsupervised) ταξινόμηση των ασθενών με καρκίνο του μαστού.

2013 ◽  
Vol 26 (10) ◽  
pp. 1771-1786 ◽  
Author(s):  
C. Spampinato ◽  
I. Kavasidis ◽  
M. Aldinucci ◽  
C. Pino ◽  
D. Giordano ◽  
...  

2021 ◽  
Vol 22 (6) ◽  
pp. 2822
Author(s):  
Efstathios Iason Vlachavas ◽  
Jonas Bohn ◽  
Frank Ückert ◽  
Sylvia Nürnberg

Recent advances in sequencing and biotechnological methodologies have led to the generation of large volumes of molecular data of different omics layers, such as genomics, transcriptomics, proteomics and metabolomics. Integration of these data with clinical information provides new opportunities to discover how perturbations in biological processes lead to disease. Using data-driven approaches for the integration and interpretation of multi-omics data could stably identify links between structural and functional information and propose causal molecular networks with potential impact on cancer pathophysiology. This knowledge can then be used to improve disease diagnosis, prognosis, prevention, and therapy. This review will summarize and categorize the most current computational methodologies and tools for integration of distinct molecular layers in the context of translational cancer research and personalized therapy. Additionally, the bioinformatics tools Multi-Omics Factor Analysis (MOFA) and netDX will be tested using omics data from public cancer resources, to assess their overall robustness, provide reproducible workflows for gaining biological knowledge from multi-omics data, and to comprehensively understand the significantly perturbed biological entities in distinct cancer types. We show that the performed supervised and unsupervised analyses result in meaningful and novel findings.


Author(s):  
Yongjoo Kim ◽  
Jongeun Lee ◽  
A. Shrivastava ◽  
J. W. Yoon ◽  
Doosan Cho ◽  
...  

Amino Acids ◽  
2008 ◽  
Vol 35 (3) ◽  
pp. 517-530 ◽  
Author(s):  
Xing-Ming Zhao ◽  
Luonan Chen ◽  
Kazuyuki Aihara

Cell Cycle ◽  
2021 ◽  
pp. 1-15
Author(s):  
Lian Duan ◽  
Zhendong Wang ◽  
Xin Zheng ◽  
Junjian Li ◽  
Huamin Yin ◽  
...  

2011 ◽  
Vol 71 (2) ◽  
pp. 266-279 ◽  
Author(s):  
Ezra Kissel ◽  
Martin Swany ◽  
Aaron Brown

Sign in / Sign up

Export Citation Format

Share Document