新的计算方法检测癌症中中断的途径

a,给定一组基因得分(通常是p值),从基因水平分析,衡量单个基因的统计显著性,执行经验贝叶斯分析,以估计每个基因为非癌症基因的概率(即局部FDR)。b,将得到的局部FDR与给定的FDR上界进行比较,确定种子基因。对于给定的种子,执行随机漫步以探索生物网络(例如,蛋白质-蛋白质相互作用(PPI)网络)中的局部区域,并通过获得PageRank分数K最大的节点来提取局部图。c,对于每个局部图,解决预算约束子图搜索问题,找出一个最小电导分数且FDR不大于FDR界的子网络。d,识别出的子网络通过基因本体术语富集分析进行注释,并由Cytoscape62显示。DOI: 10.1038 / s43588 - 020 - 00009 - 4

癌症是一种出了名的复杂疾病,部分原因是它可能是由数百甚至数千种基因的突变引起的。此外,大多数癌症在基因突变之间表现出巨大的差异,即使是在患有相同类型癌症的患者之间。

因此,研究人员选择了在某些被破坏的生物途径中研究基因组之间的相互作用。

当某些途径中的基因经常发生突变或中断时,该途径可能在癌症的发生或发展中发挥关键作用。但解开造成这些混乱的原因是极其复杂的。

现在,布法罗大学的研究人员开发了一种新的,统计上更强大的方法,称为FDRnet,可以更有效地检测癌症的关键功能通路由下一代测序技术产生。

发表在自然计算科学1月14日,新方法有可能为生物学家提供更精确的数据,用于锁定治疗目标。

“使用这种新方法,我们可以发现基因发生显著突变或中断的生物通路,”UB大学雅各布斯医学与生物医学学院微生物与免疫学副教授、通讯作者孙逸君博士解释说。“它解决了癌症研究中分子途径分析的一些关键挑战。一旦肿瘤生物学家获得这些信息,他们就可以用这些信息来验证我们的发现,并据此开发新的癌症治疗方法。”

“通过克服现有方法的局限性,FDRnet可以促进癌症和其他遗传疾病的关键功能通路的检测,”孙说。

当Sun和他的合著者在模拟数据上测试FDRnet时和b细胞淋巴瘤的数据,他们发现FDRnet能够检测这些癌症中哪些子网络或通路被显著扰乱,这可能会引导肿瘤生物学家识别新的治疗靶点。

更多信息:杨乐等。一种识别癌症中显著扰动子网络的有效方法,自然计算科学(2021)。DOI: 10.1038 / s43588 - 020 - 00009 - 4

期刊信息:自然计算科学