Name: analyzing tumor gene expression factors with the corexplorer web portal
Uploaded: 2019-10-11T15:00:00
Duration: 8 min
Description: Watch this Scientific Journal Video about Analyzing Tumor Gene Expression Factors with the CorExplorer Web Portal at JoVE.com

GV была поддержана наградой DARPA W911NF-16-0575.

1. Изучение факторов, содержащих интересующий ген
<ol><li>Откройте веб-браузер и перейдите на http://corex.isi.edu, домашнюю страницу CorExplorer.</li>
	<li>На правой стороне под Быстрые ссылки, нажмите на кнопку "расширить рядом с яичников (TCGA-OV), чтобы увидеть резюме CorEx фактор график, который был обучен на TCGA данных рака яичников (показано на рисунке 1). Дополнительно нажмите на других, чтобы сравнить.</li>
	<li>После завершения проверки факторных графиков нажмите наЛегкий (TCGA-LUAD)для доступа к странице CorExplorer для рака легких РНК-сек.<ol><li>Исследуйте график фактора CorEx для гена, представляющих интерес, используя окно CorExplorer 'Фактор Граф'.<ol>
<li>Переместите курсор мыши по окну дисплея факторного графика. Увеличьте значение для факторного графика с помощью колеса прокрутки мыши или трекпада, чтобы увидеть детали графика, такие как наиболее важные гены в каждом факторе и связи между узлами в разных слоях. Кроме того, нажмите кнопку и перетащите, чтобы переместить область представления или любой узла.</li>
			<li>Чтобы найти ген-мишень (здесь мы будем использовать BRCA1), нажмите на меню выпадения гена в верхней части окна факторного графика. Тип 'BRCA1', чтобы выбрать его в списке выпадающих и нажмите Return, чтобы сделать представление увеличить фактор 26, фактор, с которым BRCA1 наиболее сильно коррелирует.</li>
			<li>Переположите мышь поэкрантиву графика и прокрутите, чтобы увеличить, чтобы увидеть узло уровня 2, L2-8, и связанные с ними факторы, которые являются соседями фактор 26. Обратите внимание, что только гены с весом больше порога, указанного на ползунке веса Min link.</li>
			<li>Чтобы увидеть все гены, связанные с фактором, нажмите на узл L1'26 и выберите дополнительные гены Load во всплывающем окне. Когда появляется слово "Готово", закройте всплывающее окно.</li>
			<li>Теперь вернитесь к разделу заголовка над окном факторного графика и захватить и перетащите Min ссылка вес модификатор. Теперь, когда ползунок веса соединения двинут вниз до 0.05, другие гены в факторе L1'26, включая BRCA2, появятся в заказе веса. Дополнительно, изменить положение узлов, захватив и перетаскивания для улучшения макета.</li>
		</ol></li>
		<li>Определите, как стратификация пациентов по отношению к фактору влияет на выживание, задав вопрос в окне выживания.<ol>
<li>В окне выживания, отменить Сортировать по р-валь, а затем выбрать фактор 26 в меню выпадения одного фактора, чтобы показать кривые выживания для фактора 26.</li>
			<li>Прокрутите вниз график выживания, чтобы показать количество пациентов, подверженных риску вдоль оси x.</li>
		</ol></li>
		<li>Найдите ассоциации с биологической функцией, запросив в окне аннотации.<ol>
<li>В окне аннотации, чтобы сортировать меню выпадения фактора по факторному номеру, а не ложному коэффициенту обнаружения (FDR), отоверьте сорт FDR.</li>
			<li>Прокрутите и нажмите, чтобы выбрать фактор 26 в аннотации окна выпадения, чтобы показать аннотации обогащения для фактора.</li>
			<li>Прокрутите вниз список аннотации, пока ремонт ДНК не будет виден и нажмите на него, чтобы немедленно увидеть связанные гены, выделенные желтым цветом на дисплее графика. Смотрите среднюю панель рисунка 2.</li>
			<li>Обратите внимание, что факторы исчезают или появляются по мере того, как выбираются различные термины GO, независимо от того, обогащаются они для генов с выбранной аннотацией, например, «внутренний апоптотический сигнальный путь в ответ на повреждение ДНК».</li>
		</ol></li>
		<li>Изучите факторы дальше, добавляя окна с различной функциональностью.<ol>
<li>Из верхней панели меню добавьте окно сети взаимодействия белково-белкового белка (PPI), выбрав ИЦП из выпадения окна Add Window, а затем нажмите кнопку Добавить, чтобы добавить окно графика PPI в область дисплея. В окне графика PPI выберите фактор 'Layer1: 26', чтобы показать взаимодействия белка и белка. Обратите внимание на плотность соединений.</li>
			<li>Из верхней панели меню, вместо PPI, выберите Heatmap из выпадения окна Добавить, а затем нажмите кнопку Добавить, чтобы добавить окно тепловой карты в область дисплея. В окне тепловой карты выберите фактор 'Layer1: 26', чтобы показать модели экспрессии генов.</li>
			<li>Захватите и переоденьте окно тепловой карты так, чтобы окно выживания также было видно. Вдоль верхней части тепловой карты, наблюдать, как оранжевый / синий / серый цветной бар соответствует пациенту группы риска на графике выживания. Результаты показаны в нижней части рисунка 2.</li>
		</ol></li>
	</ol></li>
</ol>2. Фильтрация и интерпретация факторов CorEx с использованием данных о весе, выживаемости и аннотации генов
<ol><li>Фильтр для факторов, представляющих интерес, используя выживание и качество кластера.<ol>
<li>Из меню выпадения данных в верхней части, выберите TCGA-OVCA, чтобы перейти на страницу CorExplorer для TCGA рака яичников РНК-сек.</li>
		<li>После загрузки страницы из окна выживания обратите внимание, что коэффициент с наибольшим дифференциалом выживания для различных слоев составляет 114.</li>
		<li>В верхней части окна факторного графика выберите 'Layer1: 114' из выпадения фактора.</li>
		<li>Захватите слайдер веса ссылки с помощью мыши и переместите его до 0,5. Обратите внимание, что большое количество генов в факторе 114 (1609), при этом ни один из них не имеет веса, указывает на относительно слабую кластеризм.</li>
		<li>Затем расширьте список факторов в окне выживания и выберите следующий лучший фактор в выпадении окна выживания, фактор 39, чтобы показать связанные с ним кривые выживания.</li>
		<li>Выберите коэффициент 39 в окне аннотации, нажав на него. Показаны значительные аннотации GO и KEGG.</li>
	</ol>
</li>
	<li>Чтобы лучше понять биологическую роль генов в факторе 39, интерпретируйте факторы, используя информацию об аннотации соседства следующим образом.<ol>
<li>В верхней части окна факторного графика выберите коэффициент 'Layer1: 39' в снижении коэффициента. Затем переместите мышь по окну факторного графика и увеличьте, чтобы выявить весь кластер L2'14 с 6 факторами: 14, 32, 39, 42, 52 и 82 (показано на рисунке 3).</li>
		<li>Чтобы понять относительную значимость факторов, связанных с узлом L2-14, начните с просмотра дифференциалей выживаемости для каждого из факторов L2-14. Uncheck Сортировать по р-валь в окне выживания, а затем нажмите на каждый из факторов номера подряд. Делая это, обратите внимание, что только факторы 14, 32 и 39 отображения ассоциации выживания.</li>
		<li>Теперь из верхней панели меню, выберите PPI из добавить окно выпадения еще раз. Нажмите Добавить, чтобы добавить окно графика PPI в область дисплея. В окне графика PPI выберите фактор 'Layer1: 52', чтобы показать важные взаимодействия белка и белка. Пример макета окон на этой точке отображается на рисунке 3.</li>
		<li>Нажмите на ссылку StringDB в нижней части окна PPI, чтобы выйти на онлайн-базу данных StringDB. Нажмите Продолжить с первого экрана, а затем выберите вкладку Анализ ниже сетевого графика, как и раньше, чтобы получить онлайн-анализ GO для генов сети PPI. Верхний клеточный компонент – это белковый комплекс «MHC класса II».</li>
		<li>Вернитесь к вкладке CorExplorer и окну ИЦП и выберите фактор 32, на этот раз из-за снижения коэффициента. Нажмите на ссылку Просмотр на StringDB из анализа StringDB. Верхний клеточный компонент 'MHC класс I белковый комплекс,' в отличие от класса II для фактора 52 в предыдущем шаге!</li>
		<li>Наконец, вернитесь к окну ИЦП и выберите 'Layer1: 39' из меню выпадения факторов в верхней части. Нажмите на ссылку View на StringDB, чтобы выйти на анализ StringDB.</li>
		<li>Нажмите Продолжить с первого экрана, а затем выберите вкладку Анализ ниже сетевого графика, чтобы получить онлайн-анализ GO для генов сети PPI. Обратите внимание, что верхняя молекулярная функция "CXCR3 хемокин рецепторов связывания.</li>
	</ol>
</li>
</ol>3. Использование аннотаций о выживании и базы данных для поиска перспективных терапевтических комбинаций
<ol><li>Переключитесь на меланому TCGA CorExplorer, выбрав TCGA-SKCM из меню выпадения данных.</li>
	<li>Обратите внимание, что фактор с наибольшим дифференциалом выживаемости является фактором 171. Изучите фактор 171 аннотации путем прокрутки и обратите внимание, что "иммунный ответ" и "цитокин-опосредованный сигнальный путь" находятся в верхней части (как они были для верхней яичников фактор).</li>
	<li>Чтобы найти дополнительный фактор, изучите верхние факторы, связанные с выживанием, а также их верхние термины аннотации. Для этого нажмите на ссылку обзора набора данных в верхней панели меню, чтобы открыть отдельную вкладку, содержащую таблицу с деталями обработки наборов данных, а также резюме верхних факторов в соответствии с p-значением дифференциала выживания. Обратите внимание, что первый неиммунный фактор составляет 88.</li>
	<li>Вернуться к вкладке браузера TCGA-SKCM.</li>
	<li>Выберите коэффициент 88 в окнах выживания, аннотации и графика. Несколько верхних терминов GO связаны с «обработкой RRNA» и «организацией митохондриона», подтверждая его в отличие от факторов, связанных с иммунитетом.</li>
	<li>В окне выживания, на парных факторов падения, выберите '88'171 ', чтобы увидеть, как выживание улучшается для пациентов в среднем слое для комбинированных 171 и 88 факторов выражения. Аннотация и сравнение выживания иллюстрируются на рисунке 4.</li>
</ol>4. Поиск общих черт и различий вариации экспрессии генов по типам опухолей с помощью страницы поиска
<ol><li>Нажмите на CorExplorer заголовок, чтобы вернуться на главную страницу.</li>
	<li>Нажмите на поиск в верхней панели меню, чтобы перейти на страницу, позволяющую искать все наборы данных на сайте CorExplorer.</li>
	<li>В поле поиска Гена введите 'FLT1' (VEGFR1) и нажмите Return или нажмите Search. FLT1 встречается с относительно высоким весом в следующих факторах: OVCA - 76, LUAD - 162, SKCM - 195 и SKCM - 184, а также COAD - 112 и COAD - 74.</li>
	<li>Кроме того, ищите соответствующий термин GO во всех наборах данных. Попробуйте это в поле "GO Search", введя 'ангиогенез' и попав Возвращение или нажатие поиска. Все факторы FLT1, за исключением SKCM-195, перечислены как статистически обогащенные для генов -фактор ангиогенеза 195, на самом деле, имеют аннотацию, но ниже порога 10-8 по умолчанию. Результаты поиска для этого и предыдущего шага отображаются на рисунке 5.</li>
	<li>В качестве дальнейших примеров, в поле поиска GO, первый тип 'эпидермального рецептора фактора роста. Только LUAD обогащается для этого термина, известный фактор стратификации для рака легких. Далее, введите 'mesenchymal' в поле поиска. Этот термин обогащается в группах экспрессии генов для OVCA, где это хорошо изученный фактор стратификации.</li>
</ol>

<ol>
	<li>Petryszak, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+RNASeq-er+API-a+gateway+to+systematically+updated+analysis+of+public+RNA-seq+data.">The RNASeq-er API-a gateway to systematically updated analysis of public RNA-seq data.</a> Bioinformatics. 33, 2218-2220 (2017).</li><li>Steeg, G. V., Galstyan, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Maximally+Informative+Hierarchical+Representations+of+High-Dimensional+Data.">Maximally Informative Hierarchical Representations of High-Dimensional Data.</a> Proceedings of the Eighteenth International Conference on Artificial Intelligence and Statistics (AISTATS). , (2015).</li><li>Ver Steeg, G., Galstyan, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Discovering+structure+in+high-dimensional+data+through+correlation+explanation.">Discovering structure in high-dimensional data through correlation explanation.</a> Advances in Neural Information Processing Systems. , (2014).</li><li>Pepke, S., Ver Steeg, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comprehensive+discovery+of+subsample+gene+expression+components+by+information+explanation:+therapeutic+implications+in+cancer.">Comprehensive discovery of subsample gene expression components by information explanation: therapeutic implications in cancer.</a> BMC medical Genomics. 10, 12 (2017).</li><li>Byron, S. A., Van Keuren-Jensen, K. R., Engelthaler, D. M., Carpten, J. D., Craig, D. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Translating+RNA+sequencing+into+clinical+diagnostics:+opportunities+and+challenges.">Translating RNA sequencing into clinical diagnostics: opportunities and challenges.</a> Nature Reviews Genetics. 17, 257 (2016).</li><li>Cancer Genome Atlas Research Network. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comprehensive+molecular+profiling+of+lung+adenocarcinoma.">Comprehensive molecular profiling of lung adenocarcinoma.</a> Nature. 511, 543 (2014).</li><li>Cancer Genome Atlas Network. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comprehensive+molecular+characterization+of+human+colon+and+rectal+cancer.">Comprehensive molecular characterization of human colon and rectal cancer.</a> Nature. 487, 330 (2012).</li><li>Akbani, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genomic+classification+of+cutaneous+melanoma.">Genomic classification of cutaneous melanoma.</a> Cell. 161, 1681-1696 (2015).</li><li>Cancer Genome Atlas Research Network. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integrated+genomic+analyses+of+ovarian+carcinoma.">Integrated genomic analyses of ovarian carcinoma.</a> Nature. 474, 609 (2011).</li><li>Grossman, R. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Toward+a+shared+vision+for+cancer+genomic+data.">Toward a shared vision for cancer genomic data.</a> New England Journal of Medicine. 375, 1109-1112 (2016).</li><li>Moynahan, M. E., Chiu, J. W., Koller, B. H., Jasin, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Brca1+controls+homology-directed+DNA+repair.">Brca1 controls homology-directed DNA repair.</a> Molecular Cell. 4, 511-518 (1999).</li><li>Szklarczyk, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=STRING+v11:+protein&#8211;protein+association+networks+with+increased+coverage,+supporting+functional+discovery+in+genome-wide+experimental+datasets.">STRING v11: protein&#8211;protein association networks with increased coverage, supporting functional discovery in genome-wide experimental datasets.</a> Nucleic Acids Research. 47, 607-613 (2018).</li><li>Durgeau, A., Virk, Y., Corgnac, S., Mami-Chouaib, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recent+advances+in+targeting+CD8+T-cell+immunity+for+more+effective+cancer+immunotherapy.">Recent advances in targeting CD8 T-cell immunity for more effective cancer immunotherapy.</a> Frontiers in Immunology. 9, 14 (2018).</li><li>Sato, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intraepithelial+CD8++tumor-infiltrating+lymphocytes+and+a+high+CD8+/regulatory+T+cell+ratio+are+associated+with+favorable+prognosis+in+ovarian+cancer.">Intraepithelial CD8+ tumor-infiltrating lymphocytes and a high CD8+/regulatory T cell ratio are associated with favorable prognosis in ovarian cancer.</a> Proceedings of the National Academy of Sciences of the United States of America. 102, 18538-18543 (2005).</li><li>De Moura, M. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mitochondrial+respiration-an+important+therapeutic+target+in+melanoma.">Mitochondrial respiration-an important therapeutic target in melanoma.</a> PLoS One. 7, 40690 (2012).</li><li>Folkman, J., Merler, E., Abernathy, C., Williams, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Isolation+of+a+tumor+factor+responsible+for+angiogenesis.">Isolation of a tumor factor responsible for angiogenesis.</a> Journal of Experimental Medicine. 133, 275-288 (1971).</li><li>Takahashi, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Vascular+endothelial+growth+factor+(VEGF),+VEGF+receptors+and+their+inhibitors+for+antiangiogenic+tumor+therapy.">Vascular endothelial growth factor (VEGF), VEGF receptors and their inhibitors for antiangiogenic tumor therapy.</a> Biological and Pharmaceutical Bulletin. 34, 1785-1788 (2011).</li><li>Subramanian, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gene+set+enrichment+analysis:+a+knowledge-based+approach+for+interpreting+genome-wide+expression+profiles.">Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles.</a> Proceedings of the National Academy of Sciences of the United States of America. 102, 15545-15550 (2005).</li><li>Cerami, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+cBio+Cancer+Genomics+Portal:+An+Open+Platform+for+Exploring+Multidimensional+Cancer+Genomics+Data.">The cBio Cancer Genomics Portal: An Open Platform for Exploring Multidimensional Cancer Genomics Data.</a> Cancer Discovery. 2, 401-404 (2012).</li><li>Gao, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integrative+Analysis+of+Complex+Cancer+Genomics+and+Clinical+Profiles+Using+the+cBioPortal.">Integrative Analysis of Complex Cancer Genomics and Clinical Profiles Using the cBioPortal.</a> Science Signalling. 6, 1 (2013).</li><li>Reich, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=GenePattern+2.0.">GenePattern 2.0.</a> Nature Genetics. 38, 500 (2006).</li><li>Wang, Y. E., Kutnetsov, L., Partensky, A., Farid, J., Quackenbush, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=WebMeV:+A+Cloud+Platform+for+Analyzing+and+Visualizing+Cancer+Genomic+Data.">WebMeV: A Cloud Platform for Analyzing and Visualizing Cancer Genomic Data.</a> Cancer Research. 77, 11-14 (2017).</li><li>. Morpheus Available from: <a target="_blank" href="https://software.broadinstitute.org/morpheus">https://software.broadinstitute.org/morpheus</a> (2019)</li><li>Weitschek, E., Lauro, S. D., Cappelli, E., Bertolazzi, P., Felici, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=CamurWeb:+a+classification+software+and+a+large+knowledge+base+for+gene+expression+data+of+cancer.">CamurWeb: a classification software and a large knowledge base for gene expression data of cancer.</a> BMC Bioinformatics. 19, 354 (2018).</li><li>Chou, P. -. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=tACCo,+a+Database+Connecting+transcriptome+Alterations,+pathway+Alterations+and+Clinical+outcomes+in+Cancers.">tACCo, a Database Connecting transcriptome Alterations, pathway Alterations and Clinical outcomes in Cancers.</a> Scientific Reports. 9, 3877 (2019).</li></ol>

Авторы заявляют, что у них нет конкурирующих финансовых интересов.

Мы представили сайт CorExplorer, общедоступный веб-сервер для интерактивного исследования максимально коррелированных факторов экспрессии генов, извлеченных из опухолевых РНК-сек по алгоритму CorEx. Мы показали, как веб-сайт может быть использован для расслоения пациентов в соответствии с экспрессией генов опухоли, и как такое стратификация соответствует биологической функции и выживанию.
Были построены другие веб-серверы для анализа РНК-сек. Дифференциальный и коэкспрессиальный анализ опухолей может быть исследован и интегрирован с другими типами данных в cbioPortal19,20. Серверы GenePattern21, Mev22и Morpheus23включают в себя установленные методы кластеризации, такие как анализ основных компонентов (PCA), kmeans или самоорганизующиеся карты (SOM). Более инновационные усилия включают CamurWeb24, на основе автоматизированного классификатора, генерирующего правила, и TACCO25, который реализует случайные классификаторы лесов и lassos. Используемый здесь алгоритм CorEx оптимизирует многовариантную информацию, чтобы найти иерархию факторов, объясняющие закономерности в данных. Нелинейный и иерархический фактор обучения, как представляется, дают улучшенную интерпретацию по отношению к линейным глобальным факторам, найденным через PCA4. Кроме того, тонкозернистый анализ пробных сигналов метода позволяет точно сравнивать опухоли по сравнению с более часто используемыми широкими подтипами. Такое сочетание перекрывающегося и иерархического анализа факторов отличает CorExplorer от большинства других подходов и требует новых инструментов для визуализации и обобщения.
Важной частью анализа факторов CorExplorer является возможность исследовать не только несколько, но и более 100 факторов с информативными генными моделями, которые находятся в перекрывающейся иерархии. CorExplorer облегчает добычу этих множества факторов для биологических и клинических ассоциаций и позволяет исключительно подробную характеристику отдельных опухолей. Неконтролируемое изучение такого большого количества факторов означает, что не все будут иметь отношение к биологии болезней. В таком случае, важно либо использовать аннотации или известные гены, чтобы вытащить факторы интереса или поиск факторов, связанных с клиническими данными, такими как выживание. Таким образом, CorExplorer позволяет пользователям реализовать этот очень важный шаг фильтрации. Наличие факторных генных моделей в опухоли может даже предложить подход к персонализированному лечению онкологии. Кроме того, многообразие коэффициентов для каждой опухоли позволяет обнаружить потенциально полезные терапевтические комбинации.
Иногда бывает так, что не появляется никаких значительных аннотаций GO для факторов, сильно коррелированных с выживанием. Хотя это может произойти из-за шумных или под выборочными данными, есть и другие возможные причины, такие как размер кластера, который слишком мал, чтобы регистрировать значительные оценки обогащения или группа является «корзиной» отдельных генов из различных путей без согласованных биологических Ассоциации. Кроме того, может быть уместно йенотации, отличающиеся от биологического процесса KEGG и GO, например, клеточный отсек. К ним можно получить доступ, связавшись с StringDB, как показано в протоколе. Анализ обогащения генонологии на сайте CorExplorer в настоящее время не учитывает взвешивание гена в факторе, хотя это, вероятно, будет исправлено в ближайшем будущем. Обратите внимание, что опция списка генов доступна в рамках "Добавить окно", что позволяет скачать полный список генов фактора для дальнейшего анализа с помощью внешних инструментов.
Для целей веб-сайта CorEx запускался на каждом из наборов данных пять раз, и запуск, который привел к наибольшему общему общему корреляции, был сохранен. Наличие статистического представления результатов нескольких запусков может быть более информативным и является целью будущей работы. Кроме того, набор типов опухолей, доступных на сервере, довольно мал, но мы ожидаем, что это будет расширяться с течением времени в зависимости от интереса пользователей.
Как указано выше, CorExplorer визуализирует CorEx РНК-сек фактор отношений наряду с клинической и базы данных информации, что позволяет целый ряд различных способов допроса. Мы надеемся, что этот инструмент приведет к дальнейшей работе по использованию силы анализа РНК-сек для открытия и клинического применения в онкологии.

С момента своего введения чуть более десяти лет назад, РНК-сек стал вездесущим инструментом для измерения экспрессиигенов 1. Это потому, что она позволяет быстро и дешево de novo профилирования всего транскриптома образца. Тем не менее, данные о опухолях РНК-сек отражают биологию, которая по своей сути сложна и часто недостаточно пробы, в то время как сами данные являются высокомерными и шумными. Это представляет собой серьезную проблему для извлечения надежных сигналов. Алгоритм CorEx использует многовариантную взаимную информацию, чтобы найти тонкие закономерности в таких ситуациях2,3 . Этот метод был ранее адаптирован для анализа опухоли яичников РНК-сек образцов из атласа генома рака (TCGA) и в этом контексте, как представляется, имеют значительные преимущества по сравнению с более часто используемых методов анализа4.
Хотя использование РНК-сек чрезвычайно широко распространено в научно-исследовательских приложениях, в том числе в онкологии, эти усилия не привели к широкому использованию для целей клинических вмешательств5. Одной из причин этого является отсутствие удобных для пользователя алгоритмов и программного обеспечения, предназначенных для этих конкретных проблем. Чтобы помочь преодолеть этот пробел, мы разработали веб-портал CorExplorer, чтобы позволить исследователям из различных слоев общества изучать факторы экспрессии генов образцов РНК-сек опухоли, найденные алгоритмом машинного обучения CorEx. Портал CorExplorer поддерживает интерактивную визуализацию и запрос факторов из нескольких различных типов опухолей, включая легкие, толстой кишки, меланомы и яичников6,7,8,9, 10, с целью помочь исследователям просеять через данные корреляции и определить кандидат пути для расслоения пациентов в терапевтических целях.
Мы ожидаем, что портал CorExplorer может быть полезен нескольким типам пользователей. Портал был разработан с учетом пользователя, который хочет понять общие факторы, приводя к различиям в экспрессии генов в публичных базах данных и, возможно, также разместить отдельные профили экспрессии генов в контексте опухолей с аналогичными Характеристики. В дополнение к репрезентативным протоколам, изложенным здесь, исследования CorExplorer могут служить отправной точкой для высказывающих гипотезы для дальнейшего тестирования, для сравнения и контрастации выводов CorEx на наборах данных за пределами CorExplorer, а также для подключения патологические экспрессионные подписи одного или нескольких генов в отдельной опухоли к более крупным группам, которые могут быть координантно затронуты. Наконец, он может служить удобным введением в приложение машинного обучения к RNA-seq для тех, кто начинает работать в этой области.

<table>
	<tbody>
		<tr>
			<td>Public server for CorExplorer website</td>
			<td>USC</td>
			<td>http://corex.isi.edu</td>
			<td>Intel Xeon E5-2690 4-core 2.6 GHz, 8GB RAM. Backend architecture is LAMP: Linux, Apache, MySQL, PHP.</td>
		</tr>
		<tr>
			<td>Web browser</td>
			<td>Google/Apple</td>
			<td>Chrome/Safari</td>
			<td>Verified web browsers.</td>
		</tr>
	</tbody>
</table>

analyzing tumor gene expression factors with the corexplorer web portal

Дифференциальный анализ экспрессии генов является важным методом для понимания состояния болезни. Алгоритм машинного обучения CorEx показал полезность в анализе дифференциальной экспрессии групп генов в опухолевой РНК-сек таким образом, что это может быть полезно для продвижения точной онкологии. Тем не менее, CorEx производит много факторов, которые могут быть сложными для анализа и подключения к существующему пониманию. Для облегчения таких подключений мы создали веб-сайт CorExplorer, который позволяет пользователям интерактивно изучать данные и отвечать на общие вопросы, связанные с его анализом. Мы обучили CorEx данным экспрессии генов РНК-сек для четырех типов опухолей: яичников, легких, меланомы и колоректального. Затем мы включили соответствующие выживания, белково-белковые взаимодействия, Ген онтологии (GO) и Киото Энциклопедия генов и геномов (KEGG) пути обогащения, и тепловые карты на веб-сайте для связи с фактором граф визуализации. Здесь мы используем примеры протоколов, чтобы проиллюстрировать использование базы данных для осмысления значения изученных факторов опухоли в контексте этих внешних данных.

Watch this Scientific Journal Video about Analyzing Tumor Gene Expression Factors with the CorExplorer Web Portal at JoVE.com

Analyzing Tumor Gene Expression Factors with the CorExplorer Web Portal

Мы представляем веб-портал CorExplorer, ресурс для исследования факторов секвенирования РНК опухоли, найденный алгоритмом машинного обучения CorEx (Объяснение корреляции), и показываем, как факторы могут быть проанализированы относительно выживания, аннотации базы данных, белково-белковых взаимодействий, и друг с другом, чтобы получить представление о биологии опухоли и терапевтических вмешательств.

Анализ факторов экспрессии генов опухоли с веб-порталом CorExplorer

Differential gene expression analysis is an important technique for understanding disease states. The machine learning algorithm CorEx has shown utility ...

CorExplorer находит связанные с опухолью факторы экспрессии генов таким образом, что математически принципиально с помощью интерактивных визуализаций, а также клинической и базы данных информации для биологических открытий. CorEx выполняет максимизацию информации таким образом, что требуется относительно небольшое количеством образцов для поиска кластеров в высокомерных данных. Иерархия скрытых факторов, которые она производит, облегчает биологическое понимание.Этот метод уже оказался интересным при применении к биологии рака. Его информационные теоретики делают его применимым к любой системе со многими переменными и небольшими предварительными знаниями об их отношениях. Начните с навигации на главную страницу CorExplorer.Под Быстрые ссылки, нажмите на кнопку плюс расширить, чтобы увидеть резюме диаграммы фактора CorEx, который был обучен на рак данных, представляющих интерес. Например, здесь показаны графики факторов для данных о раке яичников TCGA. После проверки графиков фактора, нажмите легких TCGA-LUAD для доступа к странице CorExplorer для секвенирования РНК рака легких и использовать окно CorExplorer Фактор Граф для изучения диаграммы фактора CorEx для гена, представляющий интерес.При перемещении курсора мыши по окну отображения графика фактора увеличьте график фактора с помощью трекпада мыши, чтобы просмотреть детали графика, такие как наиболее важные гены в каждом факторе и связи между узлами в разных слоях. Чтобы найти целевой ген, нажмите меню Gene и ввените имя гена, чтобы выбрать его в списке выпадают. Нажмите Возвращение на клавиатуре, чтобы сделать вид увеличить до фактора, с которым ген интереса наиболее сильно коррелирует.Перепозиционировать мышь над дисплеем графика и прокрутить, чтобы увеличить, чтобы увидеть уровень узла и связанных с ним факторов, которые являются соседями наиболее тесно связанных генного фактора. Обратите внимание, что показаны только гены с весом, большим, чем порог, указанный на ползунке min Link Weight. Чтобы просмотреть все гены, связанные с фактором, нажмите на соответствующий узел и выберите Load Additional Genes во всплывающем окне.Когда будет сделано, закройте всплывающее окно. В разделе заголовка нажмите и перетащите модификатор Min Link Weight до 0,05, чтобы гены появились в порядке веса. Чтобы определить ассоциации с биологической функцией, в окне Аннотации неконтролируемое ложное сортировка скорости обнаружения для сортировки меню падения фактора по номеру фактора, а не по ложной скорости обнаружения.Прокрутите и нажмите, чтобы выбрать фактор интереса в меню высадки окна Аннотации, чтобы выявить аннотации обогащения для фактора. Затем нажмите коэффициент обогащения, чтобы сразу же просмотреть связанные гены, выделенные желтым цветом на дисплее графика. Обратите внимание, что факторы, которые исчезают или отображаются в качестве различных терминов GO, выбираются в зависимости от того, обогащены ли они для генов выбранной аннотацией.Для фильтра факторов, представляющих интерес, используя выживание и качество кластера, из Dataset падение вниз меню выберите TCGA_OVCA перейдите на страницу CorExplorer для TCGA рака яичников РНК секвенирования. Обратите внимание на окно выживания фактор с самым большим дифференциалом выживания и выберите этот фактор в окне Фактора Граф из меню падения фактора. Нажмите и перетащите ползунок Link Weight до 0,5 и обратите внимание на количество генов в факторе.Расширьте список факторов в окне выживания и нажмите на следующий лучший фактор в падении окна выживания, чтобы просмотреть связанные с ним кривые выживания. Будут показаны значительные аннотации GO и Kegg. Чтобы лучше понять биологическую роль генов в этом факторе, выберите слой Фактора в верхней части окна Графика фактора и перемести мышь через окно, увеличив масштаб, чтобы выявить весь кластер и связанные с ним факторы.Чтобы понять относительную значимость факторов, связанных с кластером узла uncheck Сортировать по p-val в окне выживания и нажмите на каждый из чисел фактора подряд, чтобы просмотреть их, упомяняя факторы, которые отображают ассоциации выживания. В меню Add Window выберите PPI и нажмите Добавить, чтобы добавить окно графика PPI в область отображения. В окне графика PPI выберите факторный слой интереса для отображения белково-белковых взаимодействий, которые являются значительными.Нажмите на ссылку View at StringDB, чтобы подключиться к онлайн-базе данных STRINGdb и нажмите Кнопку Продолжить. Затем откройте вкладку Anaylsis, чтобы получить онлайн-анализ GO для генов сети PPI. Будет отображаться верхний клеточный компонент.Вернитесь к вкладке CorExplorer и pPI и выберите другой фактор. Нажмите на ссылку View at StringDB еще раз. Будет отображаться другой верхний клеточный компонент.Затем, в окне PPI, выберите другой фактор для анализа базы данных STRING. Чтобы найти общие черты и различия в вариации экспрессии генов между типами опухолей, нажмите на заголовке CorExplorer, чтобы вернуться на первую страницу и нажмите Поиск, чтобы получить доступ к странице, позволяющей искать все наборы данных на сайте CorExplorer. В поле поиска генов введите имя гена, представляющие интерес, и нажмите Поиск.Например, как показал FLT1 находится с относительно высоким весом и несколькими различными факторами. Поиск гена BRCA1 в наборе данных о раке легких показывает, что ген наиболее сильно связан с фактором CorEx 26. Обогащение термина GO для этого фактора весьма высоко, при ремонт дна exhibiting ложный тариф открытия только один раз 10 к отрицательным 19.Выбор также обращает внимание на кластер второго уровня, который L2_8 имеет шесть тесно связанных факторов в детском возрасте. Сеть взаимодействия белка и белка ДНК тесно связана, что еще больше поддерживает тесно связанную функциональность генов в факторе 26. Связанные с этим графики выживания указывают на возможную связь с выживаемостью пациентов, которая должна быть подтверждена в более большом наборе данных.Начиная с оценки выживаемости может позволить вскрытие факторов, которые коррелируют с улучшением выживаемости, связанные с конкретными группами экспрессии генов. Добавление окна взаимодействия белка и белка для каждого фактора, в свою очередь, облегчает определение возможных объяснений их ассоциаций с выживанием. Важно проверить тепловые карты для каждого фактора, чтобы подтвердить, что модель экспрессии генов имеет адекватное качество для поддержки биологических интерпретаций.Тепловые карты, показывающие сильные, четкие изменения в моделях экспрессии генов, могут проявлять либо скоординированное выражение генов фактора, начиная от высоких и низких, либо более сложные модели, при этом некоторые гены с низкой экспрессией коррелируют с другими генами с высокой экспрессией. Основная цель этой процедуры состоит в том, чтобы установить персонализированную терапию путем отображения из образца опухоли на факторы CorExplorer для выявления потенциальных опухолевых конкретных методов лечения.

Research

JoVE Journal

Cancer Research

The Drosophila Imaginal Disc Tumor Model: Visualization and Quantification of Gene Expression and Tumor Invasiveness Using Genetic Mosaics

The Drosophila Imaginal Disc Tumor Model: Visualization and Quantification of Gene Expression and Tumor Invasiveness Using Genetic Mosaics

<em&gt; Drosophila</em&gt; Имаджинальное Disc Опухоль Модель: Визуализация и Количественная экспрессии генов и опухолевой инвазии с использованием генетических Мозаики

Drosophila melanogaster has emerged as a powerful experimental system for functional and mechanistic studies of tumor development and progression in the ...

Identification and Characterization of Metastatic Factors by Gene Transfer into the Novel RIP-Tag; RIP-tva Murine Model

Identification and Characterization of Metastatic Factors by Gene Transfer into the Novel RIP-Tag; RIP-tva Murine Model

Определение и характеристика метастатическим факторов путем переноса генов в романе RIP-тег; РИП tva мышиных модель

Metastatic cancer accounts for 90% of deaths in patients with solid tumors. There is an urgent need to better understand the drivers of cancer metastasis ...

Conditional Knockdown of Gene Expression in Cancer Cell Lines to Study the Recruitment of Monocytes/Macrophages to the Tumor Microenvironment

Условное нокдаун экспрессии генов в рак клеточных линий для изучения набора моноцитов/макрофагов в микроокружения опухоли

siRNA and shRNA-mediated knock down (KD) methods of regulating gene expression are invaluable tools for understanding gene and protein function. However, ...

Immunofluorescence Microscopy of &#947;H2AX and 53BP1 for Analyzing the Formation and Repair of DNA Double-strand Breaks

Immunofluorescence Microscopy of ÃƒÆ’Ã…Â½Ãƒâ€šÃ‚Â³H2AX and 53BP1 for Analyzing the Formation and Repair of DNA Double-strand Breaks

Иммунофлуоресценции γH2AX и 53BP1 для анализа формирования и ремонт двухнитевые разрывы ДНК

DNA double-strand breaks (DSB) are serious DNA lesions. Analysis of the formation and repair of DSB is relevant in a broad spectrum of research areas ...

Radionuclide-fluorescence Reporter Gene Imaging to Track Tumor Progression in Rodent Tumor Models

Радионуклида флуоресценции Репортер ген Imaging для отслеживания опухолевой прогрессии в моделях грызунов опухоли

Metastasis is responsible for most cancer deaths. Despite extensive research, the mechanistic understanding of the complex processes governing metastasis ...

Fabrication of Tongue Extracellular Matrix and Reconstitution of Tongue Squamous Cell Carcinoma In Vitro

Fabrication of Tongue Extracellular Matrix and Reconstitution of Tongue Squamous Cell Carcinoma In Vitro

Изготовление язык внеклеточного матрикса и воссоздание язык плоскоклеточный рак в пробирке

In order to construct an effective and realistic model for tongue squamous cell carcinoma (TSCC) in vitro, the methods were created to produce ...

Digital Polymerase Chain Reaction Assay for the Genetic Variation in a Sporadic Familial Adenomatous Polyposis Patient Using the Chip-in-a-tube Format

Assay цифровой полимеразной цепной реакции для генетической вариации в спорадических семейное аденоматозное Polyposis пациента, используя формат чип в трубе

The quantitative analysis of human genetic variation is crucial for understanding the molecular characteristics of serious medical conditions, such as ...

Analyzing Tumor and Tissue Distribution of Target Antigen Specific Therapeutic Antibody

Анализ опухоли и распределения тканей целевого антигена специфических терапевтических антител

Monoclonal antibodies are high affinity multifunctional drugs that work by variable independent mechanisms to eliminate cancer cells. Over the last few ...

Mapping the Structure-Function Relationships of Disordered Oncogenic Transcription Factors Using Transcriptomic Analysis

Отображение структурно-функциональных отношений неупорядоченных онкогенных факторов транскрипции с использованием транскриптомного анализа

Many cancers are characterized by chromosomal translocations which result in the expression of oncogenic fusion transcription factors. Typically, these ...

Generation of Zebrafish Larval Xenografts and Tumor Behavior Analysis

Поколение зебрафиш Ларвал Ксенотрансплант и анализ поведения опухолей

Zebrafish larval xenografts are being widely used for cancer research to perform in vivo and real-time studies of human cancer. The possibility of rapidly ...