Summary #

Introduction #

일부 Pediatric cancer에선 상대적으로 적은 SNV, CNV가 발견된다. DNA methylation 등 다른 타입의 변이가 관련되어 있는 것으로 추정됨.

최근의 pan-cancer 방법으로 driver gene을 찾는 것은 한계가 있음. 다음과 같은 것들

1. tissue-specific drivers such as APC in Colorectal cancer, Ovarian cancer
2. VHL in renal cell carcinoma
3. ERG Gene fusion in Prostate cancer

따라서, cellular mechanism과 같은 사전지식을 이용하여 변이를 그룹핑하는 것은 의미가 있다.

Biological pathway, Biological network 연구는 개별 유전자를 직접 연구하는 것 보다 다음과 같은 장점이 있다.

1. 동일 패스웨이나 인근 네트워크에 있는 유전자들이 이벤트와 관련됨 검정해야 할 가짓수를 줄여줌
2. 익숙한 개념으로 설명할 수 있다.
3. 잠재적인 원인 메커니즘이 규명될 수 있다.
4. 관련 데이터셋들로 부터 얻어진 결과는 좀 더 비교 가능하다.
5. 통합된 뷰를 제공하고, 그로인해 통계유의성과 해석력을 증가시킨다.

Major types of pathway and network analysis techniques #

Approach 1: fixed-gene set enrichment analysis #

통계적 유의성 계산을 위해 Fisher's exact test가 주로 사용됨.

DAVID는 임의로 유전자를 선택해야 하는 단점이 있는 반면 ranked list를 이용한 방법들도 있다. g:Profiler, GSEA 추천.

Cytoscape network visualization software의 EnrichmentMap 도구 유용

대부분의 pathway가 normal physiology를 반영하므로 disease 상태에서는 바뀌였을 것이라는 측면이 있다. CAMERA는 이를 반영하여 gene set enrichment statistics를 수정한다.

Approach 2: de novo network construction and clustering #

관심 유전자 리스트로 다양한 DB에서 연관 유전자 찾기 - iRefIndex, BioGRID, IntAct, STRING, GeneMANIA - 네트워크 재구축

Approach 3: network-based modeling #

Challenges and future perspectives #

Suggested Pages #

• 0.285 Cancer genome data analysis and knowledgebase
• 0.025 Gene set enrichment
• 0.025 November 13
• 0.025 PPI
• 0.025 January 29
• 0.025 2002
• 0.025 Protein-protein interaction
• 0.025 Nature Genetics
• 0.025 Receptor tyrosine kinase
• 0.025 Adenomatous polyposis coli
• More suggestions...