Abstract

Ιστορικό

Αν και η διακίνηση των αλληλούχισης επόμενης γενιάς αυξάνεται και ταυτόχρονα το κόστος μειώνεται σημαντικά, για την πλειονότητα των εργαστηρίων ολόκληρο γονιδιώματος του μεγάλες ομάδες καρκίνου του δείγματα δεν είναι ακόμα εφικτή. Επιπλέον, ο χαμηλός αριθμός των γονιδιωμάτων που γίνονται αλληλουχία είναι συχνά προβληματική για το κατάντη ερμηνεία της σημασίας των παραλλαγών. Στοχευμένες επανεύρεση της αλληλουχίας μπορεί να παρακάμψει εν μέρει το πρόβλημα αυτό? εστιάζοντας σε έναν περιορισμένο αριθμό γονιδίων υποψήφια καρκίνου αλληλουχίας, τα δείγματα μπορούν να συμπεριληφθούν στον έλεγχο, ως εκ τούτου, με αποτέλεσμα τη σημαντική βελτίωση της στατιστικής ισχύος. Σε αυτή τη μελέτη, μια επιτυχημένη στρατηγική για την ιεράρχηση υποψήφια γονίδια για στοχευμένη επανεύρεση της αλληλουχίας των γονιδιωμάτων καρκίνο παρουσιάζεται

Αποτελέσματα

Τέσσερις στρατηγικές προτεραιότητας αξιολογήθηκαν σε έξι διαφορετικούς τύπους καρκίνου:. Γονίδια κατατάχθηκαν χρησιμοποιώντας αυτές τις στρατηγικές , και η θετική προγνωστική αξία (PPV) ή ρυθμός μετάλλαξης μέσα στα κορυφαία γονιδίων σε σύγκριση με το ρυθμό μετάλλαξης βάσης σε κάθε τύπο όγκου. Επιτυχείς στρατηγικές δημιουργία λιστών γονίδιο στο οποίο η κορυφή είναι εμπλουτισμένη για γνωστά μεταλλαγμένων γονιδίων, όπως αποδεικνύεται από την αύξηση της PPV. Ένα σαφές παράδειγμα μιας τέτοιας βελτίωση παρατηρείται στον καρκίνο του παχέος εντέρου, όπου το PPV αυξάνεται κατά 2,3 φορές σε σύγκριση με το επίπεδο αναφοράς κατά 100 κορυφαία γονίδια fitSNP αλληλουχία.

Συμπεράσματα

Ένα γονίδιο ιεράρχηση στρατηγικής με βάση τις βαθμολογίες fitSNP φαίνεται να είναι πιο επιτυχημένη για τον εντοπισμό μεταλλαγμένων γονιδίων του καρκίνου σε διαφορετικές οντότητες του όγκου, με διακύμανση των επιπέδων έκφρασης του γονιδίου ως ένα καλό δεύτερο καλύτερο

Παράθεση:. Fieuw A, B De Wilde, Speleman F , Vandesompele J, De Preter K (2012) Cancer Gene ιεράρχηση για Στοχευμένες επανεύρεση της αλληλουχίας Χρησιμοποιώντας FitSNP βαθμολογίες. PLoS ONE 7 (3): e31333. doi: 10.1371 /journal.pone.0031333

Επιμέλεια: Giuseppe Novelli, Πανεπιστήμιο Tor Vergata της Ρώμης, Ιταλία

Ελήφθη: 14 Ιουλίου 2011? Αποδεκτές: 6 Γενάρη 2012? Δημοσιεύθηκε: 1 Μαρτίου, 2012

Copyright: © 2012 Fieuw et al. Αυτό είναι ένα άρθρο ανοικτής πρόσβασης διανέμεται υπό τους όρους της άδειας χρήσης Creative Commons Attribution, το οποίο επιτρέπει απεριόριστη χρήση, τη διανομή και την αναπαραγωγή σε οποιοδήποτε μέσο, ​​με την προϋπόθεση το αρχικό συγγραφέα και την πηγή πιστώνονται

Χρηματοδότηση: Δρ. Fieuw και ο Δρ De Wilde είναι predoctoral υπότροφοι που υποστηρίζεται από μια υποτροφία του Ιδρύματος Έρευνας – Φλάνδρα (https://www.fwo.be/). Ο Δρ Ντε Preter είναι μεταδιδακτορικός υπότροφος του Ιδρύματος Έρευνας – Φλάνδρα. Η μελέτη αυτή χρηματοδοτήθηκε από το Ταμείο για την Επιστημονική Έρευνα (αριθμός επιχορήγηση G.0198.08), Ομοσπονδιακή Κυβέρνηση Ίδρυμα (αριθμός επιχορήγηση NKP_29_014) και συντονισμένα ερευνητικά Δράσεις (αριθμός επιχορήγηση 01G01910). Το έργο αυτό πραγματοποιήθηκε εν μέρει με τη χρήση του υπερυπολογιστή Υποδομών Stevin στο Πανεπιστήμιο της Γάνδης, που χρηματοδοτείται από το Πανεπιστήμιο της Γάνδης, το Ίδρυμα Ηρακλή και της φλαμανδικής κυβέρνησης – Τμήμα Οικονομίας, Επιστήμης και Καινοτομίας. Οι χρηματοδότες δεν είχε κανένα ρόλο στο σχεδιασμό της μελέτης, τη συλλογή και ανάλυση των δεδομένων, η απόφαση για τη δημοσίευση, ή την προετοιμασία του χειρογράφου

Αντικρουόμενα συμφέροντα:.. Οι συγγραφείς έχουν δηλώσει ότι δεν υπάρχουν ανταγωνιστικά συμφέροντα

Εισαγωγή

Σήμερα, exome του καρκίνου και της αλληλουχίας του γονιδιώματος είναι τεχνικά δυνατή μέσω του επόμενου τεχνολογίες αλληλουχίας γενιάς που παρέχει υψηλή απόδοση και χαμηλό κόστος ανά βάση σε σύγκριση με την κλασική αλληλουχίας Sanger [1]. Ωστόσο, λόγω της τεράστιας ποσότητας δεδομένων αλληλουχίας που δημιουργούνται και στις δύο κωδικοποίησης και μη-κωδικοποίησης γονιδιωματικές περιοχές, μια πρόκληση για την ταυτοποίηση της νόσου σχετικών μεταλλάξεων ή παραλλαγών προκύπτει. Επιπλέον, λόγω του υψηλού συνολικού κόστους αυτών των νέων τεχνολογιών, μια τέτοια μεγάλη οθόνη γονιδίωμα πραγματοποιείται τυπικά σε έναν περιορισμένο αριθμό δειγμάτων, η οποία μειώνει την στατιστική ισχύ των μελετών αυτών. Ως εκ τούτου, στοχευμένη επανεύρεση της αλληλουχίας εξακολουθεί να εκτελείται και παραμένει σχετική και έγκυρη μέθοδος που μπορεί να παρακάμψει αυτά [2] ζητήματα. Με την εστίαση σε συγκεκριμένα υποψήφια γονίδια, μια μεγαλύτερη ομάδα των δειγμάτων μπορεί να προβληθεί, το οποίο θα αυξήσει τη στατιστική ισχύ της ανάλυσης των δεδομένων και θα επιτρέψει την καλύτερη διάκριση μεταξύ μεταλλάξεων του οδηγού και των επιβατών. Η επακόλουθη μείωση της ποσότητας των παραγόμενων πληροφοριών ακολουθίας, που συχνά συνοδεύεται με υψηλότερο βάθος κάλυψη, θα διευκολύνει σημαντικά το χειρισμό και την ερμηνεία των δεδομένων.

Είναι καθοριστικής σημασίας, μια τέτοια στοχευμένη προσέγγιση απαιτεί μια μέθοδο για να δώσουν προτεραιότητα και ορθολογική επιλογή κατάλληλων υποψήφια γονίδια για να συμπεριλάβει στην προσπάθεια προσδιορισμού αλληλουχίας. Η μελέτη αυτή αποσκοπεί στην αξιολόγηση των τεσσάρων διαφορετικών στρατηγικών για την προτεραιότητα υποψήφια γονίδια για στοχευμένη επανεύρεση της αλληλουχίας των γονιδιωμάτων του καρκίνου.

Μια πρώτη προσέγγιση βασίζεται στην fitSNP (λειτουργικά παρεμβολής μοναδικού νουκλεοτιδίου πολυμορφισμός) βάση δεδομένων, που περιέχει αναλογία διαφορικής έκφρασης (DER ) τιμές για πάνω από 18.000 ανθρώπινα γονίδια που κωδικοποιούν πρωτεΐνη [3]. Οι τιμές αυτές DER υπολογίζονται με βάση τις μελέτες γονιδιακής έκφρασης mRNA στο GEO (γονίδιο omnibus έκφραση) βάση δεδομένων [4] και αντιπροσωπεύουν την αναλογία μεταξύ του αριθμού των μελετών, στην οποία βρίσκεται ένα γονίδιο που πρόκειται να εκφραστεί διαφορικά και τον αριθμό των μελετών στις οποίες το γονιδιακής έκφρασης έχει αξιολογηθεί. Γονίδια με DER τιμές υψηλότερες από 0.55 φαίνεται να σχετίζονται με την εμφάνιση της νόσου που σχετίζεται με παραλλαγές [3]. Εδώ, υποθέτουμε ότι η αξία DER ενός γονιδίου μπορεί να χρησιμοποιηθεί για να προβλεφθεί η παρουσία μεταλλάξεων στα γονιδιώματά καρκίνου.

Η δεύτερη στρατηγική ιεράρχηση σχετίζεται με την προσέγγιση fitSNP και βασίζεται στην πραγματική διακύμανση του γονιδίου επίπεδα έκφρασης μέσα σε μία οντότητα του όγκου (που υπολογίζεται ως η τυπική απόκλιση σε ένα συγκεκριμένο σύνολο δεδομένων). Αυτή η υπόθεση βασίζεται στην ιδέα ότι η διακύμανση στην έκφραση γονιδίου που προκαλείται από έναν ή περισσότερους μηχανισμούς διαταραχών, συμπεριλαμβανομένων των μεταλλάξεων των γονιδίων.

Ο συντελεστής συσχέτισης μεταξύ των επιπέδων γονιδιακής έκφρασης και αριθμούς αντιγράφου γονιδίου αξιολογήθηκε ως τρίτη στρατηγική, που επιτρέπει την αναγνώριση των ευαίσθητων δοσολογία γονιδίων. Η υπόθεσή μας δηλώνει ότι δοσολογίας ευαίσθητα γονίδια είναι πιο επιρρεπείς να αποκτήσουν μεταλλάξεις που μπορεί να απορρυθμίσει την έκφραση και τη λειτουργία τους.

Η τελική στρατηγική αυτή συνδέεται με την Knudson δύο υπόθεση χτύπημα που αναφέρει ότι ογκοκατασταλτικά γονίδια είναι biallelically αδρανοποιούνται [5 ]. Ως εκ τούτου διερευνηθεί κατά πόσο τα γονίδια με υψηλή συχνότητα απώλειας αριθμού αντιγράφων (πρώτο χτύπημα) σε όλη τη σειρά δεδομένων είναι πιο πιθανό να φέρουν μια μετάλλαξη (δεύτερο χτύπημα).

Στην παρούσα μελέτη, αξιολογήσαμε ειδικά αν το top- κατετάγη γονιδίων στα προτεραιότητα λίστες γονίδιο είναι πιο πιθανό να μεταφέρουν σωματικά αποκτήθηκαν μεταλλάξεις. Εκτός από το υποψήφιο γονίδιο κατάταξη βασίζεται σε μια ενιαία στρατηγική ιεράρχηση, θα διερευνηθεί, επίσης, αν οι συνδυασμοί θα μπορούσαν να βελτιώσουν τα αρχικά αποτελέσματα. Δημοσίως διαθέσιμα σύνολα δεδομένων χρησιμοποιήθηκαν, που αποτελείται από τον αριθμό αντιγράφων, η έκφραση γονιδίου και μεταλλάξεων δεδομένα για έξι διαφορετικούς τύπους όγκων: καρκίνο του μαστού, καρκίνο του κόλου, καρκίνο του παγκρέατος, καρκίνο των ωοθηκών, το γλοιοβλάστωμα και το μυελοβλάστωμα. Ο Πίνακας 1 παρέχει μια επισκόπηση των διαφόρων μελετών και ο αριθμός των δειγμάτων που διατίθενται για τα διαφορετικά στρώματα πληροφοριών.

Η

Αποτελέσματα

Σύγκριση των επιμέρους στρατηγικών προτεραιοτήτων

Οι τέσσερις τα ενιαία στρατηγικές προτεραιότητας σε σχέση με το άλλο και με τη γραμμή βάσης PPV για τους έξι διαφορετικούς τύπους όγκων χωριστά. Οι καμπύλες σχεδιάστηκαν στην Εικόνα 1 αντιπροσωπεύουν τον αριθμό των γονιδίων που πρέπει να την αλληλουχία για να ληφθεί ένα ορισμένο αριθμό μεταλλαγμένων γονιδίων. Καμπύλες κάτω από το σημείο βάσης σε εμπλουτισμό των γονιδίων μετάλλαξη στα κορυφαία γονίδια και δείχνουν μια πολύτιμη στρατηγική για στοχευμένες επανεύρεση της αλληλουχίας.

οικόπεδα Μετάλλαξη δείχνει το ποσό των γονιδίων που πρέπει να αλληλουχία (άξονας y), προκειμένου να βρει έναν ορισμένο αριθμό μεταλλαγμένων γονιδίων (που απεικονίζεται στον χ-άξονα), για τους έξι διαφορετικούς τύπους όγκων. Α: καρκίνο του παχέος εντέρου? Β: πάγκρεας καρκίνο? C: καρκίνο του μαστού? D: ο καρκίνος των ωοθηκών: E: γλοιοβλάστωμα? F:. Μυελοβλάστωμα

Η

Η καμπύλη fitSNP για τον καρκίνο του παχέος εντέρου δείχνει σαφώς ότι η ιεράρχηση βασίζεται σε αξίες fitSNP DER οδηγεί σε μια τεράστια βελτίωση στην ανακάλυψη των μεταλλαγμένων γονιδίων σε σύγκριση με μια τυχαία επιλογή των γονιδίων (Σχήμα 1Α) . Όταν τα 100 κορυφαία γονίδια fitSNP αλληλουχία, ο ρυθμός PPV ή μετάλλαξη αυξάνεται κατά 2,3 φορές σε σύγκριση με τη γραμμή βάσης PPV (11% σε σύγκριση με 4,7%) (Πίνακας S1). Αυτό αντανακλάται επίσης στον αριθμό των γονιδίων που πρέπει να δρομολογηθούν να βρείτε 10 μεταλλαγμένα γονίδια? περισσότερο από το διπλάσιο του αριθμού των τυχαία επιλεγμένων γονιδίων (213) θα πρέπει να αλληλουχία σε σύγκριση με 93 κορυφαία γονίδια fitSNP. Παρά το γεγονός ότι fitSNP υπερτερεί σαφώς των άλλων στρατηγικών προτεραιοτήτων στον καρκίνο του παχέος εντέρου, οι άλλοι τρεις, επίσης, προτεραιότητα στην επιτυχία μεταλλαγμένα γονίδια, αν και για τη διακύμανση έκφραση αυτή η βελτίωση είναι ορατή μόνο μέσα στα κορυφαία 100 γονίδια (Σχήμα S1 Α). Η μέγιστη PPV που θα μπορούσαν να ληφθούν για τον καρκίνο του παχέος εντέρου είναι 50% για τα κορυφαία 4 γονίδια fitSNP (Πίνακας S1).

Επίσης, για τον καρκίνο του παγκρέατος, στρατηγική fitSNP ξεπερνά τις άλλες στρατηγικές και τυχαία επιλογή (Εικόνα 1Β). Τόσο για τη διακύμανση έκφρασης και η συχνότητα της απώλειας αριθμού αντιγράφων καμία ουσιαστική βελτίωση παρατηρήθηκε. Λόγω της έλλειψης ταιριάζουν δεδομένα γονιδιακής έκφρασης και τον αριθμό αντιγράφων για τον καρκίνο του παγκρέατος, δεν μπορούσε να καθοριστεί τιμές ευαισθησίας δοσολογίας. Η αύξηση σε PPV ξεκινά με μεγαλύτερες λίστες γονίδιο στον καρκίνο του παγκρέατος σε σύγκριση με καρκίνο του παχέος εντέρου και είναι ήδη προφανές για τα κορυφαία 250 γονίδια. Έντεκα μεταλλαγμένα γονίδια μπορεί να βρεθεί όταν οι κορυφαίες-100 γονίδια fitSNP αλληλουχία (PPV: 11%), σε σύγκριση με 6 γονιδίων με μεταλλάξεις για μία τυχαία επιλογή από 100 υποψήφια γονίδια (PPV: 6,5%), το οποίο είναι ένα σχεδόν 2-πλάσια την αύξηση (Πίνακας S1). Μέσα στην κορυφή 7 του fitSNP κατετάγη γονιδίων ελήφθη κατ ‘ανώτατο όριο PPV 28,6% (Πίνακας S1, Εικόνα S1B).

Για τον καρκίνο του μαστού, η στρατηγική fitSNP δείχνει και πάλι μια βελτίωση σε σχέση με τις αρχικές τιμές, όμως η βελτίωση αυτή είναι μάλλον μέτρια. Για παράδειγμα, για να βρείτε 10 μεταλλαγμένων γονιδίων, 164 τυχαία γονίδια πρέπει να προσδιοριστεί η αλληλουχία σε σύγκριση με 150 κορυφαία γονίδια fitSNP (Σχήμα 1 C, Πίνακας S1). Η στρατηγική διακύμανση έκφρασης αποδεικνύεται ότι είναι καλύτερη από μια τυχαία επιλογή γονίδιο μόνο όταν τα top-50 γονίδια αλληλουχία. Η ευαισθησία γονίδιο δοσολογία δεν οδήγησε σε καμία βελτίωση των αποτελεσμάτων σε αυτόν τον τύπο όγκου. Για τις κορυφαίες-100 fitSNP γονιδίων και top-50 γονίδια διακύμανσης έκφρασης μια απότομη αύξηση του PPV είναι παρούσα, με μέγιστη PPV 25% (top-4 γονίδια) και 16% (top-6 γονίδια), αντίστοιχα (Πίνακας S1, Εικόνα S1c ).

Δεδομένου ότι η αρχική τιμή PPV για τον καρκίνο των ωοθηκών είναι πολύ χαμηλή (0.73%), περισσότερο από 1300 τυχαία γονίδια πρέπει να πρέπει να είναι σε ακολουθία για να βρουν 10 γονίδια με μια μετάλλαξη (Εικόνα 1D). Ωστόσο, όταν με επίκεντρο τα κορυφαία γονίδια fitSNP, μόνο περίπου το ήμισυ του αριθμού πρέπει να την αλληλουχία (651), επιβεβαιώνοντας ότι η στρατηγική fitSNP είναι επίσης μια έγκυρη στρατηγική για αυτόν τον τύπο όγκου. Σε μικρότερο βαθμό, η δοσολογία του γονιδίου θα μπορούσε επίσης να αυξήσει τον αριθμό των μεταλλαγμένων γονιδίων που διαπιστώθηκε για τον ίδιο αριθμό αλληλουχία γονιδίων.

Για τους δύο υπόλοιπους τύπους όγκων, γλοιοβλάστωμα και μυελοβλάστωμα, η διακύμανση έκφρασης και όχι φαίνεται η στρατηγική fitSNP για να δείξει τα καλύτερα αποτελέσματα (Σχήμα 1Ε, 1F). Σε γλοιοβλάστωμα η διακύμανση της έκφρασης είναι η καλύτερη στρατηγική για τη βελτίωση της επιλογής γονιδιακή μετάλλαξη σε σύγκριση με το σενάριο αναφοράς, αν και κατά την εξέταση των top-100 κατετάγη γονίδια, η αύξηση του PPV μπορεί να φανεί ιδιαίτερα για τη στρατηγική fitSNP (Σχήμα S1E).

Η βασική PPV στο μυελοβλάστωμα θα μπορούσε να βελτιωθεί με τη χρήση και τις τρεις στρατηγικές. Για παράδειγμα, για να βρει 10 μεταλλαγμένα γονίδια σε μια οθόνη, πάνω από 1600 τυχαία γονίδια πρέπει να προσδιοριστεί η αλληλουχία, η οποία μπορεί να μειωθεί σε 321, 416 και 445 πάνω γονίδια για διακύμανση έκφραση, τη συχνότητα της απώλειας αριθμού αντιγράφων και των αξιών fitSNP DER, αντίστοιχα. Κοιτάζοντας το οικόπεδο PPV για μυελοβλάστωμα μπορεί να δει κανείς μια γρήγορη μείωση για τα κορυφαία γονίδια όλων των στρατηγικών, υποδεικνύοντας ότι κανένα από τα μεταλλαγμένα γονίδια μπορεί να βρεθεί σε μία από τις κορυφαίες λίστες γονίδιο (Σχήμα S1F).

Προτεραιότητα χρήση συνδυασμένων στρατηγικών

κατά καιρούς παρατηρούνται σημαντικές βελτιώσεις σε PPV κατά το συνδυασμό διαφορετικών στρατηγικών (Πίνακας S1, S2 Σχήμα). Ένα σαφές παράδειγμα είναι ο καρκίνος του μαστού, όπου η μέση τιμή PPV φτάνει το 26,9% για τα top-25 γονίδια όταν οι τιμές γονίδιο δόση ευαισθησίας (0% PPV για top-25 χρησιμοποιώντας ενιαία μέθοδο) και η συχνότητα της απώλειας αριθμού αντιγράφων (9,2% για την κορυφή -25 χρησιμοποιώντας ενιαία μέθοδος) συνδυάζονται (Πίνακας S1, Εικόνα S2C).

ένα άλλο παράδειγμα είναι το μυελοβλάστωμα, όπου κανένα από τα τρία αξιολογούνται οι παράμετροι είχαν μια τιμή PPV μεγαλύτερη από 0% για το top-50. Συνδυασμοί αξίας fitSNP DER και διακύμανση της έκφρασης ή της διακύμανσης της έκφρασης και τη συχνότητα της απώλειας αριθμού αντιγράφων έδειξαν μια σαφή αύξηση της αξίας PPV στα κορυφαία γονίδια (Πίνακας S1, Εικόνα S2F).

Για γλοιοβλάστωμα, τιμές fitSNP στην συνδυασμό με διακύμανση έκφραση σαφώς καλύτερη απόδοση? να βρείτε 10 μεταλλαγμένα γονίδια 120 κορυφή γονίδια πρέπει να προσδιοριστεί η αλληλουχία όταν χρησιμοποιείται η συνδυασμένη στρατηγική, σε σύγκριση με 259 ή 157 γονίδια για την fitSNP ή διακύμανση έκφρασης ενιαίας στρατηγικές, αντίστοιχα (Πίνακας S1, Εικόνα S2E). Αυτά τα αποτελέσματα δείχνουν ότι οι βελτιώσεις στην αξία PPV μπορεί να ληφθεί με τη χρήση συνδυασμών δύο διαφορετικές στρατηγικές. Ωστόσο, για ορισμένους συνδυασμούς, η απομείωση και όχι ελήφθη βελτίωση των αποτελεσμάτων, που δείχνουν ότι ο συνδυασμός διαφορετικών στρατηγικών προτεραιοτήτων δεν per se ως αποτέλεσμα την καλύτερη κατάταξη υποψήφιο γονίδιο.

Σύγκριση όλων των στρατηγικών μεταξύ των διαφόρων φορέων του όγκου

για να συγκρίνετε τις διαφορετικές μεθόδους ιεράρχησης μεταξύ των έξι οντοτήτων του όγκου, μια σταθμισμένη μέθοδο κατάταξης εφαρμόστηκε στην μέση της αξίας PPV των 100 κορυφαία γονίδια, για να παράγουν ένα ιεραρχημένο κατάλογο των μεθόδων προτεραιοτήτων (Πίνακας S2, Εικόνα S3). Η στρατηγική αξία fitSNP DER σε συνδυασμό με τη διακύμανση της έκφρασης, κατετάγη ως η καλύτερη συνολική μέθοδο για την ιεράρχηση των γονιδίων του καρκίνου για στοχευμένες επανεύρεση της αλληλουχίας, που ακολουθείται από μόνη της τις αξίες fitSNP DER. Παρόμοια αποτελέσματα παρατηρήθηκαν χρησιμοποιώντας ένα ευρύ φάσμα διαφορετικών cut-offs σε σχέση με τον αριθμό των κορυφαία γονίδια λαμβάνονται υπόψη (Πίνακας S2).

Η τιμή ευαισθησίας δοσολογία γονιδίου κατετάγη τελευταία και ήταν η μόνη στρατηγική ότι κατετάγη κάτω από την αρχική τιμή, που δείχνει ότι αυτή η στρατηγική για την ίδια δεν είναι χρήσιμο να δοθεί προτεραιότητα μεταλλαγμένα γονίδια στα δοκιμαστεί οντότητες του καρκίνου. Σε αντίθεση, όταν συνδυάζεται είτε με το fitSNP ή η συχνότητα των στρατηγικής για την απώλεια αριθμού αντιγράφων, η τιμή ευαισθησίας γονίδιο δοσολογία κατετάγη τρίτη και τέταρτη, αντίστοιχα.

Διαφορές στην μεταλλακτική βάρος μεταξύ των διαφόρων τύπων όγκου

Όταν κοιτάζετε τις καμπύλες συχνότητα μετάλλαξης για τους έξι διαφορετικούς τύπους όγκων (Σχήμα 1Α-F), παρατηρούμε ότι τόσο για τον καρκίνο των ωοθηκών και μυελοβλάστωμα η βασική PPV ή ο ρυθμός μετάλλαξης είναι πολύ χαμηλό σε σύγκριση με τις τέσσερις άλλες οντότητες του όγκου (Πίνακας S1 ). Η αρχική τιμή PPV του καρκίνου του παγκρέατος (6,5%) είναι περισσότερο από 10 φορές υψηλότερη από εκείνη του μυελοβλάστωμα (0,6%). Αυτό σημαίνει ότι για να βρείτε 10 γονίδια με μεταλλάξεις περίπου 150 τυχαία γονίδια θα πρέπει να την αλληλουχία στον καρκίνο του παγκρέατος, αλλά πάνω από 1500 σε μυελοβλάστωμα (Σχήμα 1 C, 1 F). Η βασική PPV για τον καρκίνο του μαστού, ο καρκίνος του παχέος εντέρου και το γλοιοβλάστωμα είναι πιο συγκρίσιμα με καρκίνο του παγκρέατος και βρίσκονται μεταξύ 4,1 και 6,1%, ενώ ο καρκίνος των ωοθηκών έχει μια βάση PPV 0,7%.

Συζήτηση

Δεδομένου οι τρέχουσες υψηλές δαπάνες των exome και αλληλουχίας ολόκληρο το γονιδίωμα, θα αξιολογηθεί κατά πόσο στοχευμένη επανεύρεση της αλληλουχίας των γονιδίων προτεραιότητα είναι μια οικονομικά αποδοτική εναλλακτική λύση για να μελετήσουν μια περιορισμένη αλλά σχετικό υποσύνολο των υποθετικών γονιδίων του καρκίνου. Τέσσερις βασικές προσεγγίσεις να δώσει προτεραιότητα γονίδια αξιολογήθηκαν: αξία fitSNP DER ενός γονιδίου, η διακύμανση των επιπέδων έκφρασης των γονιδίων μέσα σε ένα είδος όγκου, την ευαισθησία γονίδιο δοσολογία και τη συχνότητα της απώλειας αριθμού αντιγράφων του γονιδίου

Αν μια στρατηγική ιεράρχηση είναι. έγκυρα, τα κορυφαία γονίδια στο διέταξε λίστα γονίδιο θα πρέπει να εμπλουτιστεί για μεταλλαγμένα γονίδια. Αξιολογήσαμε Ο εμπλουτισμός με υπολογισμό της θετική προγνωστική αξία (PPV), που αντιπροσωπεύει την απόδοση αλληλούχιση ως το κλάσμα μεταλλαγμένων γονιδίων σε σχέση με τον συνολικό αριθμό των γονιδίων που αναλύθηκαν. Εάν τα μεταλλαγμένα γονίδια εμπλουτισμένο σε κορυφαία γονίδια, το PPV θα αυξηθεί για ένα μικρότερο αριθμό κορυφαία γονίδια. τιμές PPV υπολογίστηκαν για τη μείωση του αριθμού των κορυφαία γονίδια, και οι μέσες τιμές PPV υπολογίστηκαν για έναν αριθμό που ορίζεται μεγέθη κορυφαία λίστες γονίδιο. Εκτός από την αύξηση του PPV σε σχέση με μικρότερες λίστες γονίδιο, μια έγκυρη στρατηγική θα πρέπει επίσης να απαιτούν μια υψηλή PPV σε σύγκριση με τη γραμμή βάσης, καθώς αυτό δείχνει ότι ένας υψηλός αριθμός μεταλλαγμένων γονιδίων μπορεί να αναμένεται κατά την εκτέλεση μιας στοχευμένης πείραμα επανεύρεση της αλληλουχίας.

τα αποτελέσματα μας αποδεικνύουν σαφώς τις βελτιώσεις στο ρυθμό μετάλλαξης των επιλεγμένων γονιδίων όταν οι στρατηγικές ιεράρχηση χρησιμοποιούνται σε σχέση με το επίπεδο της βασικής γραμμής. Αυτές οι βελτιώσεις παρατηρήθηκαν σε διάφορους τύπους όγκων και χρησιμοποιώντας διαφορετικές στρατηγικές προτεραιοτήτων, με κάποια μεταβλητότητα μεταξύ των διαφόρων τύπων όγκου. Αυτή η μεταβλητότητα δείχνει ότι δεν υπάρχει καθολική μέθοδος για να δοθεί προτεραιότητα γονιδίων σε όλους τους τύπους όγκου, αν και ελήφθησαν οι καλύτερες βελτιώσεις και οι μεγαλύτερες συνολικές τιμές PPV για τη στρατηγική fitSNP.

Αυτά μεταξύ όγκου οντότητες διαφορές αντανακλούν πιθανότατα το ανέφεραν πολυμορφίας στην μεταλλακτική τοπίο στις διάφορες οντότητες του όγκου, καθώς επίσης και η ειδική μεταλλακτική υπόβαθρο των μεμονωμένων γονιδιωμάτων του όγκου [6], [7]. Για παράδειγμα, έχουμε παρατηρήσει μια πολύ μικρή συχνότητα μετάλλαξης για την παιδιατρική μυελοβλάστωμα καρκίνου, η οποία είναι σε συμφωνία με την έκθεση του Parsons

et al.

Περιγράφοντας ότι αυτός ο όγκος εμφανίζει μια πολύ διαφορετική μετάλλαξης του τοπίου σε σύγκριση με ενήλικα όγκους [7 ]. συχνότητες χαμηλής μετάλλαξη δεν περιορίζονται μόνο σε παιδιατρικούς καρκίνους, όπως στη συγκεκριμένη μελέτη βρήκαμε ένα ρυθμό μετάλλαξης μόνο 0,7% σε δείγματα ωοθήκης καρκίνωμα διαυγούς κυττάρου, το οποίο ήταν αξιοσημείωτα χαμηλότερη από ότι στις άλλες μελετήθηκαν τύπους όγκων ενηλίκων (4.1 – 6.5%) .

για να αξιολογήσει τις διάφορες μεθόδους σε όλα τα σύνολα δεδομένων όγκου, μια μέθοδος σταθμισμένη κατάταξη χρησιμοποιήθηκε, επισημαίνοντας ότι η καλύτερη στρατηγική για τη συνολική εκτέλεση βασίστηκε σε fitSNP διαφορικά εκφρασμένων αναλογία (DER) τιμές. Ενώ στο παρελθόν υποτέθηκε από τον Chen και οι συνεργάτες του ότι τα γονίδια του καρκίνου έχουν υψηλότερες τιμές fitSNP DER, οι συγγραφείς δεν επικυρώνει αυτό συγκρίνοντας τιμές fitSNP στη κατάστασης μεταλλάξεων των γονιδίων [3]. Από τα αποτελέσματά μας, καταλήγουμε στο συμπέρασμα ότι το cut-off για τις τιμές DER fitSNP όπως καθορίστηκε στην αρχική μελέτη (δηλαδή 0,55 [3]), δεν είναι η βέλτιστη για την προτεραιότητα μεταλλαγμένα γονίδια του καρκίνου, δεδομένου ότι για κανένα από τους όγκους σημαντική αύξηση σε PPV θα μπορούσε να βρεθεί, όταν χρησιμοποιείτε αυτό το όριο. Προτείνουμε να χρησιμοποιήσετε ένα υψηλότερο όριο του 0,65 για την πρόβλεψη των παραλλαγών στα γονίδια του καρκίνου (όπως μπορεί να συναχθεί από το Σχήμα 2, το οποίο αντιπροσωπεύει τη συνολική PPV που συνδυάζει όλα τα είδη όγκων).

Ένα οικόπεδο PPV για τη στρατηγική fitSNP, που εκτελούνται σχετικά με τα δεδομένα μετάλλαξη του συνόλου των επιχειρήσεων που συνενώνονται όγκου, σε συνάρτηση με διαφορετική αξία ιεράρχηση cut-offs.

Η

Η ευαισθησία δοσολογία γονιδίου δεν φαίνεται να έχει καμία αξία προτεραιοτήτων, ενώ η διακύμανση της έκφρασης και τη συχνότητα των αντιγράφων απώλεια αριθμός ήταν κάπως καλύτερα από το γονίδιο ευαισθησίας δόση, αλλά λιγότερο καλή από fitSNP. Αξίζει να σημειωθεί ότι η συχνότητα της απώλειας αριθμού αντιγράφων αποδείχθηκε ότι δεν είναι πολύ χρήσιμο στην πράξη, δεδομένου ότι ο χαμηλός αριθμός των αποκοπής τιμές εμποδίζει να κάνει διακριτές επιλογές γονίδιο, καθιστώντας τη διακύμανση έκφρασης ένα προτιμώμενο δεύτερο καλύτερη στρατηγική.

με το συνδυασμό δύο διαφορετικές στρατηγικές, ήταν μερικές φορές είναι δυνατόν να βελτιωθούν τα αποτελέσματα των επιμέρους στρατηγικών. Παρά το γεγονός ότι οι βελτιώσεις θα μπορούσαν ενίοτε να είναι τεράστιο, και πάλι φάνηκε να εξαρτάται από το σύνολο των δεδομένων που αντανακλούν τις διαφορετικές μεταλλάξεων μηχανισμούς σε διαφορετικές όγκους πολύ. Για παράδειγμα, κανένας από τους τρεις μεθόδους ιεράρχησης που αξιολογήθηκαν ήταν χρήσιμο για μυελοβλάστωμα, ενώ οι συνδυασμοί δύο διαφορετικών παραμέτρων έθεταν προτεραιότητες επιτυχώς τα γονίδια.

Ενώ οι μέθοδοι ιεράρχηση διαφόρων γονιδίων του καρκίνου έδειξαν να είναι ικανή να αυξήσει την απόδοση των μεταλλαγμένων καρκίνο γονίδια στα διάφορα δοκιμάστηκαν οντότητες καρκίνου, καμία από τις μεθόδους εμπλουτισμένο ειδικά για γονίδια που μεταλλάχθηκαν σε περισσότερα από ένα δείγματα (τα δεδομένα δεν παρουσιάζονται). Αυτό πιθανώς οφείλεται στον περιορισμένο αριθμό των γονιδιωμάτων καρκίνο που μελετήθηκαν σε κάθε οντότητα και το γεγονός ότι η πλειονότητα των γονιδίων βρίσκονται για να μεταλλαχθεί σε ένα μόνο δείγμα (90 έως 91%) (Πίνακας S3).

υπάρχουν ορισμένοι περιορισμοί στην παρούσα μελέτη που πρέπει να ληφθούν υπόψη, για παράδειγμα, το μέγεθος του δείγματος μερικών από τα σύνολα δεδομένων ήταν μάλλον περιορισμένη, ειδικά για τις μεγάλες μελέτες προσδιορισμού αλληλουχίας του γονιδιώματος (7-24 δείγματα ανά οντότητα). Ωστόσο, είναι σε αυτό το σημείο είναι δύσκολο να βρει μεγάλες μελέτες αλληλουχίας του γονιδιώματος του καρκίνου που εκτελούνται σε επαρκή αριθμό δειγμάτων, επιβεβαιώνοντας την αρχική υπόθεση εργασίας μας είναι ότι αλληλουχίας είναι σήμερα απαγορευτικό κόστος.

Λόγω των περιορισμένων πληροφοριών που είναι προς το παρόν διαθέσιμη για τα γονίδια του οδηγού και των επιβατών, δεν θα μπορούσαμε να διερευνήσουμε σωστά αν η στρατηγική fitSNP είναι σε θέση να διακρίνει μεταξύ των μεταλλάξεων του οδηγού και του συνοδηγού. Ωστόσο, οι top-10 fitSNP γονίδια περιέχουν το 30% των γονιδίων Cancer Gene Απογραφής [8], δηλαδή RUNX1, TRA @ και NF1, ενώ δύο άλλα γονίδια έξω από το top-10, CTNNA1 και Smad3, έχουν ένα καθιερωμένο ρόλο στην ανάπτυξη καρκίνου καθώς και [9], [10], δείχνουν ότι η στρατηγική αυτή βοηθά στον εντοπισμό των γονιδίων με αποδεδειγμένη ρόλο στην καρκινογένεση (Πίνακας S4, το σχήμα S4).

Εκτός από την εγκυρότητα της προτεινόμενης στρατηγικής για στοχευμένη επανεύρεση της αλληλουχίας, γονίδιο ιεράρχηση θα μπορούσε επίσης να είναι μια προστιθέμενη αξία για την exome ή αλληλουχίας ολόκληρο το γονιδίωμα. Μετά από αυτές τις προσπάθειες αλληλουχίας σε περιορισμένη ομάδα, οι παραλλαγές που βρίσκονται θα πρέπει πιθανότατα να επικυρωθούν σε μια μεγαλύτερη ομάδα. Η στρατηγική fitSNP θα μπορούσε να είναι χρήσιμη για τον καθορισμό προτεραιοτήτων και το φιλτράρισμα των γονιδίων του καρκίνου σε μια τέτοια μελέτη επικύρωσης.

Υλικά και Μέθοδοι

Λίστες των μεταλλαγμένων γονιδίων στον καρκίνο

Έξι μεγάλης κλίμακας αλληλούχιση μελέτες αυτές χρησιμοποιήθηκαν για την εκχύλιση των μεταλλάξεων δεδομένων σχετικά με έξι διαφορετικούς φορείς όγκου (καρκίνου του μαστού, καρκίνος του κόλου, καρκίνος του παγκρέατος, ο καρκίνος των ωοθηκών, γλοιοβλάστωμα, μυελοβλάστωμα) [7], [11] – [15] (Πίνακας 1). Αυτά τα σύνολα δεδομένων αποτελούνται από αλληλούχισης πληροφορίες για περίπου 18.000 έως 21.000 γονίδια, με μέγεθος δείγματος που κυμαίνεται από 7 έως 24, και χρησιμοποιήθηκαν για την επικύρωση των διαφορετικών στρατηγικών προτεραιοτήτων. δείγματα υπερμεταλλαχθούν, λόγω χημειοθεραπευτική αγωγή, όπως περιγράφεται στα αντίστοιχα έγγραφα [11], [13], αποκλείστηκαν από την ανάλυση.

αριθμό και την έκφραση του γονιδίου αντιγραφής σύνολα δεδομένων

για τους έξι όγκους οντότητες αντιγραφή δεδομένων αριθμό και την έκφραση του γονιδίου είχαν κατεβάσει από GEO [4]. Έχουμε επιλέξει ειδικά δείγματα με ιστολογία του όγκου που αντιστοιχεί σε εκείνη των δειγμάτων σε οθόνες μεγάλων αλληλούχιση κλίμακα όσο το δυνατόν εγγύτερα (Πίνακας 1). Για τον καρκίνο του παγκρέατος και μυελοβλάστωμα δεν ταιριάζουν γονιδιακή έκφραση και την αντιγραφή υπήρχαν διαθέσιμα στοιχεία αριθμό. Τα μεγέθη των δειγμάτων στις μελέτες αυτές κυμαινόταν από 9 έως 77.

Η ανάλυση των δεδομένων

Για όλα τα σύνολα δεδομένων αριθμού αντιγράφων, κυκλική δυαδικό τμηματοποίηση τιμές (CBS) [16] προσδιορίστηκαν και εξάγονται για κάθε γονίδιο τοποθεσία. Αν δεν έχει αξία CBS ήταν διαθέσιμα για μια συγκεκριμένη τοποθεσία γονίδιο, η πλησιέστερη τιμή αποδόθηκε στο γονίδιο. Αυτές οι τιμές CBS χρησιμοποιήθηκαν για να προσδιοριστεί η συχνότητα του αντιγράφου απώλεια αριθμό κάθε γονιδίου στην κοόρτη όγκου και συσχετίστηκαν με τα επίπεδα έκφρασης του γονιδίου (Spearman rank correlation). Για τον προσδιορισμό της ζημίας αριθμού αντιγράφων, χρησιμοποιήθηκαν διαφορετικές ρυθμίσεις cut-off, σύμφωνα με τις πληροφορίες που παρέχονται στο αρχικό έγγραφο του σετ δεδομένων που χρησιμοποιούνται (Πίνακας S5). Η διακύμανση έκφρασης για κάθε γονίδιο σε κάθε τύπο όγκου υπολογίστηκε από την τυπική απόκλιση των εισέλθει επίπεδα έκφρασης.

Με βάση την αντίστοιχη αξία των προτεραιοτήτων τους, είτε fitSNP DER αξία [17], διακύμανση της έκφρασης, την ευαισθησία του γονιδίου δοσολογία ή συχνότητα απώλειας αριθμού αντιγράφων, τα γονίδια κατατάχθηκαν κατά φθίνουσα σειρά.

Για τις συνδυασμένες μεθόδους, οι κορυφαίες λίστες γονίδιο προσδιορίστηκαν λαμβάνοντας το σημείο τομής των κορυφαία γονίδια, όπως ορίζεται από δύο μόνο παραμέτρους.

για κάθε οντότητα του καρκίνου, ο αριθμός των μεταλλαγμένων γονιδίων απεικονίστηκε γραφικά (άξονας γ) ως προς έναν ορισμένο αριθμό κορυφαία γονίδια που πρέπει να προσδιοριστεί η αλληλουχία (χ-άξονας). Ενιαία στρατηγικών προτεραιοτήτων αυτές οι καμπύλες στη συνέχεια συγκρίθηκαν με τη γραμμή βάσης μεταλλάξεων επίπεδο στην οντότητα του όγκου, το οποίο αντιπροσωπεύει την αναλογία των μεταλλαγμένων γονιδίων έναντι του αριθμού των γονιδίων αλληλουχίας για να ληφθεί ένα ορισμένο αριθμό μεταλλαγμένων γονιδίων αν δεν χρησιμοποιείται στρατηγική ιεράρχηση.

Επιπλέον, η θετική προγνωστική αξία (PPV) ή ο ρυθμός μετάλλαξης, υπολογίστηκε για όλες τις διαφορετικές στρατηγικές. Αυτή η τιμή αντιπροσωπεύει την αναλογία μεταξύ του αριθμού των γονιδίων με μεταλλάξεις και το συνολικό αριθμό των γονιδίων σε ένα συγκεκριμένο γονίδιο υποσύνολο. Οι τιμές αυτές υπολογίστηκαν για διαφορετικά επίπεδα αποκοπής κορυφαία γονίδια (500-400 – 300 – 200 – 150-100 – 75 – 50 – 25 – 10), σύμφωνα με την οποία η αλλαγή στο PPV σε σύγκριση με αξιολογήθηκε η αρχική τιμή.

για να προσδιοριστεί η καλύτερη στρατηγική επιδόσεις μεταξύ των διαφόρων τύπων όγκου, μέσες τιμές PPV καθορίζεται για αρκετά κορυφαία γονίδια cut-offs, και η αρχική τιμή PPV, (Πίνακας S1) αναλύθηκαν με τη χρήση ωμής βίας σταθμισμένη κατάταξη ανάλυση. Αυτή η ανάλυση απέδωσε ιεραρχημένο κατάλογο με τις διάφορες μεθόδους ιεράρχησης μεταξύ των διαφόρων τύπων όγκου (Πίνακας S2). Για τη σταθμισμένη ανάλυση κατάταξη των 10 διαφορετικών στρατηγικών προτεραιοτήτων (4 μονά στρατηγικές και 6 σε συνδυασμό στρατηγικών), τα σύνολα δεδομένων μυελοβλάστωμα και τον καρκίνο του παγκρέατος αποκλείστηκαν, λόγω της απουσίας των τιμών ευαισθησίας του γονιδίου της δοσολογίας.

Ως αξιολόγηση του fitSNP αποκοπής καθορίζεται από Chen et al. [3], η μεταλλακτική πληροφορίες για όλους τους διαφορετικούς τύπους καρκίνου συνδυάστηκε και το PPV προσδιορίστηκε για διαφορετικές fitSNP τιμές cut-off (Εικόνα 2).

Για όλες τις αναλύσεις, η στατιστική πλατφόρμα R χρησιμοποιήθηκε (πακέτα GEOquery , DNAcopy, RankAggreg) [18] – [20]

Υποστήριξη Πληροφορίες

Σχήμα S1..

Επισκόπηση του PPV οικόπεδα σε συνάρτηση με τον αριθμό των γονιδίων αλληλουχία για τα έξι οντότητες του καρκίνου.

doi: 10.1371 /journal.pone.0031333.s001

(ΔΕΘ)

Εικόνα S2.

Οπτικοποίηση των σταθμισμένων αποτελεσμάτων κατάταξης για τα κορυφαία-100 κατετάγη γονίδια. Οι γκρι γραμμές αντιπροσωπεύουν την κατάταξη των τεσσάρων διαφορετικών τύπων όγκων για τις στρατηγικές 10 ιεράρχησης (4 μονά στρατηγικές και 6 συνδυασμένων στρατηγικών) και το επίπεδο αναφοράς. Σε κόκκινο, το αποτέλεσμα της ωμής βίας κατάταξη αλγόριθμος παρουσιάζεται. Η μαύρη γραμμή είναι όπου το βασικό επίπεδο κατατάσσεται μεταξύ των διαφόρων συνόλων δεδομένων. EV: διακύμανση της έκφρασης? DS: ευαισθησία δοσολογία? FCNL: συχνότητα της απώλειας αριθμού αντιγράφων

doi: 10.1371 /journal.pone.0031333.s002

(ΔΕΘ)

Εικόνα S3.

Οικόπεδα από τον αριθμό των μεταλλαγμένων γονιδίων σε σχέση με ένα ορισμένο αριθμό κορυφαία γονίδια για τις έξι οντότητες καρκίνου, συμπεριλαμβανομένων των στρατηγικών συνδυασμού.

doi: 10.1371 /journal.pone.0031333.s003

(ΔΕΘ)

Εικόνα S4.

Οικόπεδα του ποσοστού των μεταλλαγμένων γονιδίων fitSNP που έχουν βρεθεί να είναι οδηγοί. Για τον καρκίνο του παχέος εντέρου, γλοιοβλάστωμα, καρκίνος του παγκρέατος και καρκίνος του μαστού, ο PPV σχεδιάζεται για τις άνω των 500 γονιδίων fitSNP (μαύρη γραμμή). Το γκρι γραμμή αντιπροσωπεύει το ποσοστό των μεταλλαγμένων γονιδίων fitSNP που προσδιορίζονται ως γονίδια οδηγός σύμφωνα με τις αντίστοιχες δημοσιεύσεις. Εμπλουτισμός των ταυτοποιημένων γονιδίων οδηγός μπορεί να δει κανείς στην κορυφή γονίδια fitSNP τόσο καρκίνου του παχέος εντέρου και γλοιοβλάστωμα, ενώ στον καρκίνο του παγκρέατος και του καρκίνου του μαστού και αυτό δεν θα μπορούσε να επιβεβαιωθεί

doi:. 10.1371 /journal.pone.0031333.s004

(PDF)

πίνακα S1.

Επισκόπηση των αναλύσεων ανά φορέα του καρκίνου και τη στρατηγική ιεράρχηση. Επισκόπηση επιχείρηση του PPV, τον αριθμό των γονιδίων αλληλουχία και τον αριθμό των μεταλλαγμένων γονιδίων για τη γραμμή βάσης PPV, μέγιστη PPV, ένας διαφορετικός αριθμός κορυφαία γονίδια και 1 έως 20 μεταλλαγμένα γονίδια. Σε κόκκινο, οι αξίες, έδειξε ότι δεν ταιριάζουν με τον αριθμό των κορυφαία γονίδια θεωρείται, λόγω της αποκοπής των περιορισμών της μεθόδου ιεράρχησης

doi:. 10.1371 /journal.pone.0031333.s005

( XLS)

Πίνακας S2.

Κατατάχθηκε καταλόγους των διαφόρων μεθόδων προτεραιοτήτων. Αυτές οι κατάλογοι κατάταξης με βάση την ωμή βία σταθμισμένη κατάταξη αλγόριθμο, που εκτελούνται μεταξύ των διαφόρων φορέων του καρκίνου. Η κατάταξη έχει πραγματοποιηθεί για τα ενιαία στρατηγικών προτεραιοτήτων και μόνο, καθώς και μαζί με τις συνδυασμένες στρατηγικές

doi:. 10.1371 /journal.pone.0031333.s006

(XLS)

Πίνακα S3.

Επισκόπηση των μεταλλαγμένων γονιδίων στα διάφορα μελετημένων οντότητες του καρκίνου.

doi: 10.1371 /journal.pone.0031333.s007

(XLS)

Πίνακας S4.

Επισκόπηση των μεταλλαγμένων γονιδίων στα top-500 γονίδια fitSNP.

doi: 10.1371 /journal.pone.0031333.s008

(XLSX)

Πίνακας S5.

Cut-offs που χρησιμοποιούνται για τις διάφορες οντότητες του καρκίνου για τον προσδιορισμό της απώλειας αριθμό αντιγράφων.

doi:. 10.1371 /journal.pone.0031333.s009

(XLS)

Ευχαριστίες

Θα θέλαμε να ευχαριστήσουμε Filip Pattyn για τη συμβολή του στην ανάλυση σταθμισμένη κατάταξη