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

Summary #

Introduction #

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

Results #

The DAISY #

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.

DAISY 실험적 평가

점진적 향상 끝에 임상적으로 중요한 SL도 찾아냄

직장암에서 자주 발견되는 VHL 변이의 SL 파트너들을 DAISY로 찾아보고 siRNA로 실험. 랜덤에 비해 3.83배 더 잘 찾음. 9개 약물실험결과 6개 약물이 효능이 있음. (이 약물은 고혈압, 우울증 등 다른 약이였음)

Evaluating DAISY Based on Experimentally Detected SL interactions in Cancer #

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

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 #

web biohackers.net
0.0.1_20140628_0