Skip to content

Predicting cancer-specific vulnerability via data-driven detection of synthetic lethality #
Find similar titles

You are seeing an old version of the page. Go to latest version

합성치사 논문

관련정보 #

Summary #

Introduction #

유전체 스케일 Synthetic lethality 연구는 Yeast에 많이 되어 있음. 이를 바탕으로 Cancer에 적용하고자 함

Results #


DAYSY (Data mining synthetic lethality identification pipeline)을 만들었음. Cell line과 임상샘플 암유전체 데이터로부터 SL(Synthetic lethality) 후보를 통계적으로 추정함.

세가지 통계추론 과정이 적용됨

  1. Genomic survival of the fittest (SoF)
  2. shRNA-based functional examination
  3. Pairwise gene coexpression

공개된 대량 암 유전체 데이터를 위 세 추론과정을 거쳐 SL과 SDL(Synthetic dosage lethality, 하나의 과발현이 또하나를 삭제하는 경우)를 찾아냄.

Evaluating DAISY Based on Experimentally Detected SL interactions in Cancer #

DAISY 실험적 평가

실험적으로 테스트된 6개 데이터셋 7,276 유전자쌍에 대해 예측 수행하여, 정확도 ROC curve와 (AUC) 계산 - 의외로 shRNA-based functional examination은 예측 정확도에 기여도가 낮음 - SDL에서는 중요함

Experimentally Examining the DAISY-Predicted SL Partners of the Tumor Suppressor VHL #

Clear cell renal carcinoma에서 자주 발견되는 VHL 변이의 SL 파트너들을 DAISY로 찾고 (44 genes), siRNA로 확인 실험

9개 약물실험결과 6개 약물이 효능이 있음. (이 약물은 고혈압, 우울증 등 다른 약이였음)

Applying DAISY to Construct Genome-wide Networks of SL and SDL Interactions in Cancer #

SL-Based Prediction of Gene Essentiality in Cancer Cell Lines #

Counderexpression of SL Paires Is a Marker of Better Prognosis in Breast Cancer #

Harnessing SDL Interactions to Predict Drug Efficacy #

Discussion #