범암 분석

Pan-cancer analysis

범암 분석은 다양한 종양 [1][2]유형에서 발견된 유전체 및 세포 변화 간의 유사성과 차이를 조사하는 것을 목표로 한다.국제적인 노력이 엑솜과 암의 비암호화 영역을 포함한 전체 게놈에 대한 범암 분석을 수행했다.2018년, The Cancer Genome Atlas(TCGA) Research Network는 엑솜, 트랜스크립트옴 및 DNA 메틸롬 데이터를 사용하여 종양 유형에 걸친 공통성, 차이점 및 긴급한 테마의 통합 그림을 개발했습니다.

2020년, 국제 암 게놈 컨소시엄(ICGC)/TCGA 전체 게놈 범암 분석 프로젝트는 전체 암 게놈과 38개 종양 유형의 전사체 데이터를 분석한 24편의 논문을 발표했다.이 프로젝트의 포괄적인 개요는 플래그십 [3]페이퍼에 기재되어 있습니다.

또 다른 프로젝트인 인간 [4]암에 걸친 RNA 결합 단백질(RBP)의 범암 분석에서는 15개 암 유형에 걸친 약 7,000개의 임상 검체에서 1,542개의 RBP의 발현, 체세포 복제 번호 변경 및 돌연변이 프로파일을 조사했다.이 연구는 대장암 및 간암 세포군에서 NSUN6, ZC3H13, BYSL, ELAC1, RBMS3, ZGPAT 등 6개의 RBP의 발암 특성을 특징지었다.

여러 연구에서 게놈 변화(단일 핵변형 또는 큰 복사 번호 변종)와 모든 종양 유형에 걸친 유전자 발현 사이의 인과적이고 예측 가능한 연관성을 발견했습니다.게놈 상태와 전사체 정량 데이터 사이의 이러한 범암 관계는 유전자 발현 프로파일만으로 [5]특정 게놈 변화를 예측할 수 있다. 또한 기계 학습 접근법의 기초로 사용될 수 있다.

범암 연구

범암 연구는 돌연변이가 종양 형성에 도움이 되는 유전자를 발견하는 것을 목표로 하고 있으며, 다른 종양들 사이의 반복적인 유전학적 사건이나 이상도 발견한다.이러한 연구의 경우 여러 플랫폼 간에 데이터를 표준화하여 서로 다른 연구자 간에 데이터 작업을 수행하고 결과를 제시할 기준을 설정해야 합니다.옴스 데이터는 한 번의 실험에서 수천 개의 분자를 빠르게 식별하고 정량화할 수 있도록 합니다.유전체학은 특정 유전자가 발현될 가능성을 다루고, 단백질학은 실제로 발현되는 유전자를 다루고, 신진대사학은 연구 대상 조직에서 일어난 일을 다룬다.이 모든 것의 조합은 생물학적 시스템에 대한 정보를 제공한다.

자원 및 데이터베이스

ICGC/TCGA 전체 게놈 범암 분석 프로젝트의 거의 800 테라바이트의 데이터는 온타리오 암 연구소, 유럽 분자 생물학 연구소의 유럽 생물 정보 연구소, 국립 생명 공학 센터를 포함한 다양한 포털과 저장소를 통해 이용할 수 있다.오르메이션TCGA의 노력으로 얻은 모든 데이터는 미국 국립 암 연구소의 TARGET Data Matrix와 [6]웹 포털 ProteinPaint에서 이용할 수 있다.

스타베이스의 범암[7] 자원은 긴 비코드 RNA, 마이크로RNA, 경쟁하는 내인성 RNA 및 RBP의 네트워크를 위해 만들어졌다.

외부 링크

레퍼런스

  1. ^ Cancer Genome Atlas Research, Network; Weinstein, JN; Collisson, EA; Mills, GB; Shaw, KR; Ozenberger, BA; Ellrott, K; Shmulevich, I; Sander, C; Stuart, JM (Oct 2013). "The Cancer Genome Atlas Pan-Cancer analysis project". Nature Genetics. 45 (10): 1113–20. doi:10.1038/ng.2764. PMC 3919969. PMID 24071849.
  2. ^ Omberg, L; Ellrott, K; Yuan, Y; Kandoth, C; Wong, C; Kellen, MR; Friend, SH; Stuart, J; Liang, H; Margolin, AA (Oct 2013). "Enabling transparent and collaborative computational analysis of 12 tumor types within The Cancer Genome Atlas". Nature Genetics. 45 (10): 1121–6. doi:10.1038/ng.2761. PMC 3950337. PMID 24071850.
  3. ^ The ICGC/TCGA Pan-Cancer Analysis of Whole Genomes Consortium (5 February 2020). "Pan-cancer analysis of Whole Genomes". Nature. 578 (7793): 82–93. Bibcode:2020Natur.578...82I. doi:10.1038/s41586-020-1969-6. PMC 7025898. PMID 32025007.
  4. ^ Wang, ZL; Li, B; Luo, YX; Lin, Q; Liu, SR; Zhang, XQ; Zhou, H; Yang, JH; Qu, LH (2 January 2018). "Comprehensive Genomic Characterization of RNA-Binding Proteins across Human Cancers". Cell Reports. 22 (1): 286–298. doi:10.1016/j.celrep.2017.12.035. PMID 29298429.
  5. ^ Mercatelli, Daniele; Ray, Forest; Giorgi, Federico M. (2019). "Pan-Cancer and Single-Cell Modeling of Genomic Alterations Through Gene Expression". Frontiers in Genetics. 10: 671. doi:10.3389/fgene.2019.00671. ISSN 1664-8021. PMC 6657420. PMID 31379928.
  6. ^ "Exploring genomic alteration in pediatric cancer using ProteinPaint". Nature Genetics.
  7. ^ Li, JH; Liu, S; Zhou, H; Qu, LH; Yang, JH (January 2014). "starBase v2.0: decoding miRNA-ceRNA, miRNA-ncRNA and protein-RNA interaction networks from large-scale CLIP-Seq data". Nucleic Acids Research. 42 (Database issue): D92-7. doi:10.1093/nar/gkt1248. PMC 3964941. PMID 24297251.