Αφηρημένο

Μη μικροκυτταρικός καρκίνος του πνεύμονα (NSCLC), έχει δύο μεγάλες υποκατηγορίες: αδενοκαρκίνωμα (AC) και το καρκίνωμα πλακωδών κυττάρων (SCC). Η διάγνωση και η θεραπεία του NSCLC εμποδίζονται από την περιορισμένη γνώση σχετικά με τους μηχανισμούς παθογένεση των υποτύπων του NSCLC. Είναι απαραίτητο για την έρευνα των μοριακών μηχανισμών που σχετίζονται με AC και SCC. Σε αυτό το έργο, βελτιώσαμε τον αλγόριθμο ανάλυσης λογική να εξορύξουν τα επαρκείς και αναγκαίες συνθήκες για τις χώρες παρουσίας (παρουσία ή απουσία) των φαινοτύπων. Εφαρμόσαμε τη μέθοδο μας σε δείγματα AC και SCC, και προσδιόρισε χαμηλότερες και υψηλότερες λογική των σχέσεων μεταξύ των γονιδίων και δύο υποτύπους του NSCLC. Οι ανακάλυψαν οι σχέσεις ήταν ανεξάρτητες των δειγμάτων που επιλέγονται, και η σημασία τους επικυρώθηκε από στατιστικό αποτέλεσμα της δοκιμής. Σε σύγκριση με τις δύο προηγούμενες μεθόδους (τη μέθοδο μη-αρνητική παραγοντοποίηση της μήτρας και τη μέθοδο ανάλυσης ενδιαφέρον), η τρέχουσα μέθοδος ξεπέρασε αυτές τις μεθόδους στην τιμή ανάκληση και ταξινόμηση ακρίβεια για NSCLC και φυσιολογικά δείγματα. Έχουμε λάβει βιοδείκτες. Μεταξύ των βιοδεικτών, έχουν γονίδια που έχουν χρησιμοποιηθεί για τη διάκριση AC από την SCC στην πράξη, και άλλες έξι γονίδια που ανακαλύφθηκαν πρόσφατα βιοδεικτών για τη διάκριση υποτύπους. Επιπλέον,

NKX2-1

έχει θεωρηθεί ως μοριακός στόχος για την στοχευμένη θεραπεία του εναλλασσόμενου ρεύματος, και άλλα γονίδια μπορεί να είναι νέα μοριακούς στόχους. Με την ανάλυση του γονιδίου της οντολογίας, διαπιστώσαμε ότι δύο βιολογικές διαδικασίες ( «ανάπτυξη επιδερμίδα» και «κυτταρική προσκόλληση») ήταν στενά συνδεδεμένη με την ογκογένεση των υποτύπων του NSCLC. Γενικότερα, η τρέχουσα μέθοδος θα μπορούσε να επεκταθεί και σε άλλες σύνθετες ασθένειες για διάκριση υποτύπων και τον εντοπισμό των μοριακών στόχων για στοχευμένη θεραπεία

Παράθεση:. Su Υ, Παν L (2014) Στοιχεία της Λογικής σχέσεις μεταξύ των γονιδίων και των υποτύπων του μη-μικροκυτταρικό καρκίνο του πνεύμονα. PLoS ONE 9 (4): e94644. doi: 10.1371 /journal.pone.0094644

Επιμέλεια: Yan Zhang, Χαρμπίν Ιατρικό Πανεπιστήμιο, Κίνα

Ελήφθη: 20 Νοεμβρίου του 2013? Αποδεκτές: 18 Μάρ, 2014? Δημοσιεύθηκε: 17 του Απρίλη του 2014

Copyright: © 2014 Su, Παν. 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:. Οι συγγραφείς «έργο υποστηρίζεται από το Εθνικό Ίδρυμα Φυσικών Επιστημών της Κίνας (Grant Νο. 61100145, 61033003 και 91130034). 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

ο καρκίνος του πνεύμονα είναι η κύρια αιτία των θανάτων από καρκίνο που σχετίζονται με τον κόσμο [1]. Έχει χωριστεί σε δύο κατηγορίες από τον Παγκόσμιο Οργανισμό Υγείας (WHO): μη μικροκυτταρικό καρκίνο του πνεύμονα (NSCLC) και μικροκυτταρικού καρκίνου του πνεύμονα (SCLC) [2]. NSCLC, η οποία έχει δύο μεγάλες υποκατηγορίες: αδενοκαρκίνωμα (AC) και το καρκίνωμα πλακωδών κυττάρων (SCC), αντιπροσωπεύει περισσότερο από το μισό του συνόλου των περιπτώσεων καρκίνου του πνεύμονα [2]. Ωστόσο, λιγότερο από ό, τι των ασθενών με NSCLC επιβιώνουν πέραν των πέντε ετών [3]. Η περιορισμένη αποτελεσματικότητα της διάγνωσης και θεραπείας του NSCLC προκαλείται κυρίως από τη δυσκολία να διακρίνει τους υποτύπους και τις περιορισμένες γνώσεις σχετικά με τους μηχανισμούς παθογένεση των υποτύπων του NSCLC.

NSCLC είναι μια ασθένεια σύστημα, και η διαφορά του AC και SCC μπορεί να αντανακλάται σε κυτταρικό και μοριακό επίπεδο. Παραδοσιακές μέθοδοι βασίζονται στην οπτική μορφολογία κυττάρων (π.χ. μέγεθος του όγκου και ιστολογικά χαρακτηριστικά) να διακρίνει υποτύπους, οι οποίες βασίζονται σε κυτταρικό επίπεδο [4] – [6]. Έχει προταθεί ότι οι παραδοσιακές μέθοδοι μπορούσε να διακρίνει αποτελεσματικά SCLC από NSCLC, λόγω της σαφή διάκριση μεταξύ της μορφολογίας του SCLC κυττάρων και εκείνη των κυττάρων NSCLC [7]. Ωστόσο, η μορφολογική διαφορά μεταξύ των υποτύπων του NSCLC παραμένει ασαφής [8]. δεδομένα πολλαπλών μοριακό επίπεδο (mRNA, microRNA και δεδομένα μεθυλίωση) μεταξύ NSCLC και κανονική έχουν χρησιμοποιηθεί για την ανάλυση των δυσλειτουργιών του NSCLC [9]. Διατυπώθηκε η άποψη ότι η διακριτική ικανότητα των γονιδίων που λαμβάνονται από τα στοιχεία mRNA ήταν σημαντικά μεγαλύτερες από εκείνες από microRNA και μεθυλίωση δεδομένων. Ως εκ τούτου, είναι λογικό να ανακτήσετε πολύτιμα γονίδια και βιολογικές διεργασίες που έχουν μεγάλη διακριτική ικανότητα μεταξύ των AC και SCC στο επίπεδο του mRNA.

Μια στοχευμένη θεραπευτικός παράγοντας είναι σχεδιασμένα να παρεμβληθούν με ένα συγκεκριμένο μοριακό στόχο η οποία παίζει καθοριστικό ρόλο για την ανάπτυξη του όγκου και την εξέλιξη [10]. Για παράδειγμα, η οποία είναι μια στοχευμένη θεραπευτικός παράγοντας για την στοχευμένη θεραπεία του NSCLC, είναι ένα μονοκλωνικό αντίσωμα για το

VEGF

. Το γονίδιο

VEGF

είναι ζωτικής σημασίας, διότι είναι υψηλότερη εκφράζονται σε καρκίνο του πνεύμονα από ό, τι στην κανονική του πνεύμονα [11]. Ως εκ τούτου, τα μόρια τα οποία παίζουν διακριτούς ρόλους μεταξύ καρκίνου και φυσιολογικά μπορεί να είναι σημαντική για την επιλογή θεραπευτικών παραγόντων. Παρά το γεγονός ότι η στοχευμένη θεραπεία παρουσιάζει κλινικά οφέλη, στοχευμένες παράγοντες δεν επέτρεψαν στοχευμένες θεραπείες για να αλλάξει την κλινική έκβαση δραματικά. Επιπλέον, οι υπάρχουσες στοχευμένη θεραπευτική χρονοδιαγράμματα μπορεί να είναι κατάλληλη για την προγνωστική ενός ειδικού υποτύπου του NSCLC. Για παράδειγμα, μόνο οι ασθενείς με μη-SCC είναι καλύτερο να χρησιμοποιήσετε το [12]. Ως εκ τούτου, είναι απαραίτητο για την έρευνα των μοριακών μηχανισμών που σχετίζονται με τους υπότυπους του NSCLC, για την ανάπτυξη αποτελεσματικών μεθόδων για τη διάκριση AC από SCC και τα νέα θεραπευτικά μέσα ειδικά για τους υποτύπους του NSCLC.

Τα πρότυπα έκφρασης αρκετών τα γονίδια βρέθηκαν να είναι ειδικά για τους υποτύπους των ασθενειών. Για παράδειγμα, το

NKX2-1

γονίδιο εκφράζεται σε πνεύμονα AC [13]. Το νοκ ντάουν του

NKX2-1

αναστολή της ανάπτυξης αποτελέσματα στον πνεύμονα AC κυττάρων. Ως εκ τούτου, η παρουσία του πνεύμονα AC εξαρτάται από την έκφραση του

NKX2-1

[14]. Ένα άλλο παράδειγμα είναι που εμπλέκονται στην έρευνα του καρκίνου του οισοφάγου, ο συνδυασμός των γονιδίων

GATA6

και

SPRR3

μπορεί να εισάγει διακρίσεις μεταξύ του φυσιολογικού επιθηλίου, δυσπλασία του Barrett και οισοφάγος Barrett σχετίζεται AC [15]. Υπάρχουν ορισμένες ειδικές σχέσεις μεταξύ του ζεύγους γονιδίων (

GATA6

και

SPRR3

) και των φαινοτύπων του καρκίνου του οισοφάγου. Τέτοια παραδείγματα δείχνουν την ύπαρξη σχέσεων μεταξύ των γονιδίων και των υποτύπων των ασθενειών

Οι μέθοδοι που προσδιορίζουν έμμεσα σχέσεις γονίδιο-φαινότυπο μπορούν να διαιρεθούν σε τρία κοινά βήματα:. Κατασκευάσει ένα γονίδιο-γονίδιο (ή πρωτεϊνών) δίκτυο και ένα δίκτυο φαινότυπο-φαινότυπο με τη συγκέντρωση δεδομένων αλληλεπίδραση από διάφορες βάσεις δεδομένων? συνδέστε το γονίδιο-γονίδιο (ή πρωτεΐνης-πρωτεΐνης) δίκτυο με το δίκτυο φαινότυπο-φαινότυπο? χρησιμοποιούν έναν αλγόριθμο (π.χ., τυχαίο περίπατο με επανεκκίνηση σε ετερογενή αλγόριθμο δικτύου) για να συμπεράνει κατά ζεύγη σχέσεις γονίδιο-φαινότυπο [16], [17]. Ωστόσο, ο θόρυβος από την ενσωμάτωση των δεδομένων περιορίζει την αποτελεσματικότητα της ανίχνευσης των σχέσεων γονιδίου-φαινοτύπου.

Πολλές μέθοδοι έχουν αναπτυχθεί για να συνδέσει απευθείας απλά μόρια σε φαινοτύπους. Η μέθοδος μη αρνητική παραγοντοποίηση της μήτρας (NMF) είναι μια διάσταση που μειώνουν αλγόριθμο για να αποκτήσουν ένα σύνολο Μεταγένη και συναφείς συντελεστές [18]. Κάθε φαινότυπος αντιστοιχεί σε ένα metagene. Ο συντελεστής ενός γονιδίου σε ένα metagene αντιπροσωπεύει την εγγύτητα της σχέσης μεταξύ του γονιδίου και τον φαινότυπο που αντιστοιχεί στο metagene. Αυτή η μέθοδος απαιτεί να φιλτράρετε πολλά στοιχεία για τη διασφάλιση της μη αρνητική κατάσταση, η οποία μπορεί απώλεια κάποιες χρήσιμες πληροφορίες. Γραμμική συντελεστές συσχέτισης χρησιμοποιήθηκαν για να μετρηθεί ενώσεις γενότυπου-φαινότυπου μεταξύ ενιαίο πρωτεϊνών σε ένα μικρόβιο και φαινοτύπων το μικρόβιο του [19]. Slonim et al. χρησιμοποιήθηκε η μέθοδος ανάλυσης που παρουσιάζει ενδιαφέρον (RA) για να συμπεράνει τις σχέσεις γονίδιο-φαινότυπο με την εκτίμηση αμοιβαίας πληροφόρησης [20]. Ωστόσο, τα χαρακτηριστικά φαινότυπο συχνά επηρεάζονται όχι από ένα μόνο γονίδιο, αλλά από συνδυασμούς γονιδίων. Σύνδεσμος Μεταλλευτικών κανόνα (ARM) είναι μια τεχνική εξόρυξης δεδομένων για την εξαγωγή αν-τότε κανόνες με τη γενική μορφή [21]. Bowers et al. σχεδίασε τη μέθοδο ανάλυσης λογική να αποκτήσουν αν-τότε κανόνες από ένα στοιχείο ή ένα συνδυασμό στοιχείων σε ένα άλλο. Προηγούμενες μελέτες έχουν γίνει για να συναχθεί λογική σχέσεων μεταξύ των γονιδίων ή πρωτεϊνών χρησιμοποιώντας ζεύγη και τριπλή ανάλυση λογική σε δεδομένα έκφρασης ή φυλογενετική προφίλ [22]. Ωστόσο, εάν-τότε κανόνες δεν μπορεί να έχει πολλές βιολογικές περιπτώσεις, εκτός αν το αντίθετο σχέση ισχύει, καθώς και [23].

Σε αυτή την εργασία, θα βελτιωθεί η μέθοδος λογικής ανάλυσης για να εξορύξουν τα ικανές και αναγκαίες συνθήκες για τις χώρες παρουσίας (παρουσία ή απουσία) φαινοτύπων [22]. Η τρέχουσα μέθοδος λαμβάνει υπόψη τόσο ένα μόνο γονίδιο και ένα ζεύγος γονίδιο το οποίο μπορεί να επηρεάσει φαινοτύπους. Εφαρμόζουμε τη μέθοδο για να συμπεράνουμε σχέσεις γονίδιο-υποτύπου βασίζονται σε δείγματα AC και SCC. Προτείνεται ότι τα πρότυπα έκφρασης (έκφραση ή καθόλου έκφραση) των γονιδίων που έχει εντοπιστεί είναι αναγκαίες και ικανές συνθήκες για τα κράτη παρουσία AC ή SCC. Η αποτελεσματικότητα της τρέχουσας μεθόδου αποδεικνύεται σε NSCLC και φυσιολογικά δείγματα. Τα αποτελέσματά μας δείχνουν ότι η τρέχουσα μέθοδος υπερτερεί των δύο υφιστάμενων μεθόδων (η μέθοδος NMF και τη μέθοδο RA) σε ποσοστό ανάκληση και ακρίβεια ταξινόμησης. Το έργο αυτό θα μπορούσε να βοηθήσει να βρείτε τις βιοδείκτες για τη διάκριση των υποτύπων των ασθενειών και για το σχεδιασμό νέων στοχευμένων θεραπευτικών παραγόντων για ασθένειες, καθώς και αποκαλύπτουν τις βιολογικές διαδικασίες που συνδέονται στενά με τις ασθένειες.

Αποτελέσματα

Θα εφαρμοστεί η μέθοδος μας για να προσδιορίσει τις σχέσεις μεταξύ των γονιδίων και δύο μεγάλες υποκατηγορίες του NSCLC (AC και SCC). Περαιτέρω, η σύγκριση των επιδόσεων της μεθόδου μας με εκείνα των δύο προηγούμενων μεθόδων (η μέθοδος NMF και η μέθοδος RA) έγινε με τη σύγκριση των δύο μέτρων (το ποσοστό ανάκληση και η ακρίβεια ταξινόμησης) για τα δεδομένα της GSE18842 που περιέχει παρόμοιες αριθμούς NSCLC και φυσιολογικά δείγματα. Οι βιοδείκτες καθώς και βιολογικών διαδικασιών οι οποίες συνδέονται στενά με τους υποτύπους του NSCLC μπορούσαν να ληφθούν από αρκετές ενδιαφέρουσες σχέσεις μεταξύ γονιδίων και υποτύπων του NSCLC.

Ταυτοποίηση των γονιδίων-υποτύπου χαμηλότερες και υψηλότερες λογική σχέσεις

Δεδομένου ότι ο αριθμός των δειγμάτων AC () ήταν πολύ μεγαλύτερη από εκείνη του SCC δείγματα () (Πίνακας 1), επιλέξαμε τυχαία τον σταθερό αριθμό (δηλαδή) των δειγμάτων AC για να εξασφαλιστεί η παρόμοιο αριθμό δειγμάτων για διαφορετικούς φαινοτύπους. Εμείς ζητουμένη τις στήλες των δυαδικών δεδομένων ανιχνευτή, καθώς και εκείνων των δεδομένων προφίλ φαινοτύπου, που αντιστοιχούν στα επιλεγμένα δείγματα AC και όλα τα δείγματα SCC. Τα νέα δυαδικά δεδομένα ανιχνευτή και δεδομένων προφίλ φαινότυπο που σχηματίζεται από τις στήλες ζητουμένη δυαδικών δεδομένων ανιχνευτή και δεδομένα προφίλ φαινότυπο, διατηρώντας τις σχετικές θέσεις των στηλών. Τα νέα δεδομένα δυαδικού ανιχνευτή είχε μέγεθος, όπου οι πρώτες στήλες αντιστοιχούσαν σε δείγματα AC, και οι τελευταίες στήλες refered να SCC δείγματα. Τα νέα δεδομένα προφίλ φαινότυπο είχε μέγεθος, όπου η πρώτη σειρά εκπροσωπείται AC και το δεύτερο εκπροσωπούνται SCC. Για λόγους ευκολίας, ορίσαμε το πρώτο και το δεύτερο σειρά των νέων δεδομένων προφίλ φαινότυπο ως δεδομένα προφίλ εναλλασσόμενου ρεύματος και δεδομένα προφίλ SCC, αντίστοιχα. Οι υπότυποι των δεδομένων NSCLC περιελάμβανε τα νέα δεδομένα δυαδικής καθετήρα και τα νέα δεδομένα προφίλ φαινότυπο. Εφαρμόσαμε τη μέθοδο μας στους υποτύπους των δεδομένων NSCLC στο ορυχείο γονίδιο-υποτύπου λογική σχέσεις.

Η

Αναγνώριση καθετήρα-υποτύπου χαμηλότερες και υψηλότερες λογική σχέσεις.

Βάσει των υποτύπων του NSCLC στοιχεία, υπολογίσαμε το συντελεστή αβεβαιότητα για ένα υπότυπο του NSCLC προβλεφθεί από έναν ανιχνευτή (ή ενός ζεύγους καθετήρα), καθώς και το συντελεστή αβεβαιότητα για έναν ανιχνευτή (ή ενός ζεύγους ανιχνευτή) που προβλέπεται από τον υπότυπο στην αντίστροφη κατεύθυνση. Η ίδια διαδικασία εφαρμόστηκε σε τυχαία δυαδικά δεδομένα ανιχνευτή και δεδομένων προφίλ φαινότυπο. Οι μέγιστες τυχαία συντελεστές αβεβαιότητας για τους συνδυασμούς λογική ζεύγη και τριπλέτα χρησιμοποιήθηκαν ως κατώτατα όρια για τις χαμηλότερες και υψηλότερες λογική σχέσεις, αντίστοιχα. Δηλαδή, η ένωση του ανιχνευτή ή ένα ζεύγος ανιχνευτή με ένα υπότυπο θεωρήθηκε σημαντική αν και μόνο αν οι συντελεστές αβεβαιότητα του και στις δύο κατευθύνσεις βρέθηκαν να είναι μεγαλύτερη από την μέγιστη τιμή που λαμβάνεται από τα τυχαία δεδομένα. Αφήνω και είναι τα όρια της χαμηλότερης και υψηλότερης λογικής σχέσεις, αντίστοιχα. Έχουμε λάβει τη λογική ζεύγη συνδυασμούς και συνδυασμούς λογική τριπλέτα με την αβεβαιότητα συντελεστές υψηλότερη από ό, τι και, αντίστοιχα.

Επειδή η σημασία του ανακάλυψε τη λογική ζεύγη και συνδυασμούς τριπλέτα δεν μπορεί να ελεγχθεί με ακρίβεια από την περιορισμένη γνώση των γονιδίων-υποτύπου αλληλεπιδράσεις, ένα στατιστική ανάλυση άξιζε να εκτιμηθεί [24]. Ας υποθέσουμε ότι το επίπεδο σημαντικότητας ήταν. Οι ρ-τιμές ήταν μηδενικά στην ανακάλυψαν συνδυασμούς λογικής κατά ζεύγη και τριπλή, τα οποία ήταν μικρότερα από το επίπεδο σημαντικότητας. Τα αποτελέσματα της στατιστικής ανάλυσης έδειξαν ότι οι ανακαλύφθηκαν κατά ζεύγη και τριπλέτα συνδυασμούς λογική δεν αλληλεπιδρούν τυχαία.

Στη συνέχεια, θα αξιολογηθεί το ποσοστό εσφαλμένης ανακάλυψη (FDR) να ελέγχουν την παγκόσμια σημασία του ανακάλυψε τη λογική ζεύγη και συνδυασμούς τριπλέτα . Και οι δύο τιμές FDR για ανακάλυψαν συνδυασμούς κατά ζεύγη και τριπλέτα ήταν μηδέν, ως εκ τούτου, όλα τα ανακάλυψαν συνδυασμούς λογικής ζεύγη και τριπλέτα δεν παρήχθησαν από την τύχη και όλα αυτά θα μπορούσαν να αντιπροσωπεύουν πραγματικές οργανώσεις.

Επιπλέον, υπολογίσαμε το ποσοστό υποτροπής του ανακάλυψε τη λογική ζεύγη και συνδυασμούς τριπλέτα μεταξύ όλων τυχαίες δοκιμές. Οι λογικές σχέσεις με το ποσοστό υποτροπής μεγαλύτερο από ό, τι θεωρήθηκαν ως οι σχέσεις που ήταν ανεξάρτητες των δειγμάτων που επιλέγονται. Τέλος, προέρχεται ανιχνευτής-AC κάτω λογική σχέσεις και τον ανιχνευτή AC υψηλότερη λογική σχέσεις (Πίνακας Α και Β στον πίνακα S1).

Σημειώστε ότι τα δεδομένα προφίλ AC και δεδομένων προφίλ SCC ήταν δυαδικό συμπληρωματικά φορείς. Εάν ένας ανιχνευτής (ή ένα ζευγάρι ανιχνευτή) σχετίζεται με AC από την ου τύπου των χαμηλότερων (υψηλότερη) λογική σχέσεις, τότε ο αισθητήρας (το ζευγάρι ανιχνευτή) σχετίζεται με SCC από την ου τύπου των χαμηλότερων (υψηλότερη) λογική σχέσεις, όπου ο συντελεστής αβεβαιότητα του ανιχνευτή-SCC κατώτερο (υψηλότερες) λογική σχέση είναι ίση με εκείνη του καθετήρα-AC κατώτερο (υψηλότερες) λογική σχέση, αλλά. Ως εκ τούτου, ο καθετήρας που έχει μια στενή σχέση με το AC είναι επίσης στενά συνδεδεμένη με την SCC. Τέλος, λάβαμε ανιχνευτή AC /SCC χαμηλότερη λογική σχέσεις και τον ανιχνευτή AC /SCC υψηλότερα λογική σχέσεις.

Προσδιορισμός των γονιδίων-υποτύπου χαμηλότερες και υψηλότερες λογική σχέσεις.

Κάθε ανιχνευτής, η οποία επικεντρώθηκε σε αυτό το χαρτί, έχει αντιστοιχιστεί σε ένα μόνο γονίδιο. Αντιστρόφως, ένα γονίδιο μπορεί να ανιχνευθεί με περισσότερους από έναν ανιχνευτή. Για παράδειγμα, το

CLCA2

γονιδίου ανιχνεύθηκε από τέσσερις διαφορετικούς ανιχνευτές:

206164_at

,

206165_s_at

,

206166_s_at

και

217528_at

. Όλες οι παραπάνω τέσσερις ανιχνευτές είχαν σχέση με AC από το δεύτερο είδος χαμηλότερη λογική σχέσεις. Επιπλέον,,, και ήταν ο μέσος συντελεστές αβεβαιότητα για κάθε μία από τις τέσσερις ανιχνευτές που σχετίζονται με AC προς τις δύο κατευθύνσεις, αντιστοίχως. Ένα σύνολο λογική σχέση ανιχνευτή-AC απετελείτο από διάφορες λογική σχέσεις ανιχνευτή-AC, όπου οι ανιχνευτές που συνδέονται με το ίδιο γονίδιο. Σε ένα σύνολο λογική σχέση ανιχνευτή-AC, ο ανιχνευτής-AC /SCC λογική σχέση με το μεγαλύτερο σημαίνει συντελεστών αβεβαιότητα στις δύο κατευθύνσεις χρησιμοποιήθηκε για να δημιουργήσει ένα γονίδιο-AC /SCC λογική σχέση όπως περιγράφεται στο τμήμα Υλικά και Μέθοδοι. Έτσι,

CLCA2

σχετιζόταν με AC από το δεύτερο είδος χαμηλότερη λογική των σχέσεων και του συντελεστή του

CLCA2

-AC /SCC σχέση ήταν.

Σύμφωνα με τα παραπάνω μέθοδο, γονίδιο-AC /SCC κάτω λογική σχέσεις δημιουργήθηκαν από τον ανιχνευτή AC /SCC κάτω λογική των σχέσεων (Πίνακας Α στον πίνακα S2). Κάθε ένα από τα υπόλοιπα ανιχνευτή AC /SCC κάτω λογική των σχέσεων που δημιουργούνται χαμηλότερη λογική σχέση γονίδιο-AC /SCC. Τέλος, ελήφθη γονίδιο-AC /SCC κάτω λογική σχέσεις (Πίνακας Α στον Πίνακα S3).

Βρήκαμε ότι εάν ένα γονίδιο ανιχνεύτηκε με περισσότερους από έναν ανιχνευτή, και οι ανιχνευτές που συνδέονται με τους υποτύπους από κατώτερο λογική σχέσεις, τότε τα είδη του ανιχνευτή AC /SCC κάτω λογική σχέσεις ήταν οι ίδιες. Προτείνεται ότι οι ανιχνευτές που συνδέονται με το ίδιο γονίδιο μπορεί να σχετίζεται με υποτύπους με τον ίδιο τρόπο.

Έχουμε λάβει έξι γονίδιο-AC /SCC υψηλότερα λογική σχέσεις από τον ανιχνευτή AC /SCC υψηλότερα λογική σχέσεις ( Πίνακας Β στον πίνακα S2). Κάθε ένα από τα υπόλοιπα ανιχνευτή AC /SCC υψηλότερα λογική των σχέσεων που δημιουργούνται ένα γονίδιο-AC /SCC υψηλότερα λογική σχέση. Τέλος, λάβαμε γονίδιο-AC /SCC υψηλότερα λογική σχέσεις (Πίνακας Β στον πίνακα S3).

Σε ό, τι ακολουθεί, θα συζητηθούν παραδείγματα της λογικής των σχέσεων που μπορεί να συναχθεί από φαινόμενα που περιγράφηκαν προηγουμένως στη βιβλιογραφία.

τα παραδείγματα των γονιδίων-υποτύπου κάτω λογική σχέσεις.

Εάν κάθε ένα από τα γονίδια

DSG3

,

CLCA2

,

DSC3

και

PKP1

εκφράστηκε, στη συνέχεια, SCC ήταν παρούσα, ενώ AC ήταν απούσα. Επιπλέον, εάν το καθένα από πάνω από τα γονίδια δεν εκφράστηκε, τότε SCC απουσίαζε και AC ήταν παρούσα. Δηλαδή, η έκφραση του καθενός από παραπάνω γονιδίων ήταν επαρκής και αναγκαία προϋπόθεση για την παρουσία του SCC, καθώς και η απουσία του AC. Τα αποτελέσματά μας πρότεινε ότι τα γονίδια (

DSG3

,

CLCA2

,

DSC3

και

PKP1

) μπορεί να διακρίνει υποτύπου AC από SCC. Δεδομένου ότι η ενδοκυτταρική γέφυρες είναι ένα από τα πιο χαρακτηριστικά του SCC αλλά όχι του AC, πρωτεΐνες που εμπλέκονται σε αυτές τις γέφυρες μπορούν να είναι ρυθμισμένα προς τα πάνω σε SCC μόνο, όπως δεσμόσωμα πρωτεΐνες και μεσοκυττάρια συνδετική πρωτεΐνες [25].

δεσμογλεΐνης 3

είναι η πρωτεΐνη που κωδικοποιείται από το

DSG3

. Αυτή η πρωτεΐνη είναι μία διαμεμβρανική γλυκοπρωτεΐνη συστατικό δέσμευσης ασβεστίου του δεσμόσωμα σπονδυλωτών επιθηλιακά κύτταρα. Η πρωτεΐνη που κωδικοποιείται από

DSC3

είναι μια εξαρτώμενη από το ασβέστιο γλυκοπρωτεΐνη (

Desmocollin 3

) που απαιτείται για την κυτταρική προσκόλληση και δεσμόσωμα σχηματισμού. Η πρωτεΐνη που κωδικοποιείται από

PKP1

μπορεί να εμπλέκονται σε μοριακή πρόσληψη και την σταθεροποίηση κατά την διάρκεια δεσμόσωμα σχηματισμού. Η πρωτεΐνη που κωδικοποιείται από

CLCA2

ανήκει στην χλωριούχο ευαίσθητη οικογένεια πρωτεϊνών αγωγιμότητα ασβεστίου. Μπορεί να χρησιμεύσει ως μόριο προσκόλλησης για πνευμόνων μεταστατικών καρκινικών κυττάρων. Τα παραπάνω τέσσερα γονίδια (

DSC3

,

DSG3

,

PKP1

και

CLCA2

), οι οποίες συνδέονται με δεσμοσώματα βρέθηκαν να είναι up-ρυθμίζονται SCC σε σύγκριση με τον υπότυπο AC [26]. Συγκεκριμένα,

DSG3

έδειξε υψηλή έκφραση σε SCC, ενώ η χαμηλή έκφραση στο AC [26].

DSC3

επίσης ρυθμίζεται αυξητικά σε SCC αποκλειστικά [27], [28]. Σε πρωτοπαθείς όγκους του πνεύμονα,

DSC3

ήταν μια πιθανή διαγνωστικό δείκτη για πνεύμονα καρκίνωμα πλακωδών κυττάρων [29].

PKP1

έδειξαν φορές μεγαλύτερο επίπεδο έκφρασης σε κλώνοι ενός κυττάρου από στο ACS και φυσιολογικό πνεύμονα και έτσι μπορεί να είναι χρήσιμη στην ιστοπαθολογική διάγνωση [28].

CLCA2

έχει συναχθεί ότι υπερεκφράζεται συγκεκριμένα στην SCC [30].

Βρήκαμε ότι υπότυπος AC (SCC) ήταν παρούσα (απούσα) αν και μόνο αν

NKX2-1

εκφράστηκε. Είναι συνάγεται ότι η έκφραση του

NKX2-1

στο δείγμα του ρεύματος είναι πολύ υψηλότερη από εκείνη του SCC.

NKX2-1

η οποία είναι γνωστή ως παράγοντας θυρεοειδούς μεταγραφής 1 (

TITF-1

) είναι ένας παράγοντας διενεργοποίηση ομοπεδίου περιέχουν, και εκφράζεται στα τελικά βρογχιόλια πνευμόνων και των πνευμόνων περιφέρεια κυρίως [31 ]. Η παρουσία του

NKX2-1

πρωτεΐνη ήταν διαδεδομένη στην AC, ενώ στην SCC

NKX2-1

απουσίαζε [13]. Είναι, σύμφωνα με τα αποτελέσματα μας.

Παραδείγματα γονιδίου-υποτύπου υψηλότερη λογική σχέσεις.

επιλέχθηκαν Οι υψηλότερες λογική σχέσεις μεταξύ των ζευγών γονιδίων και SCC για περαιτέρω ανάλυση. ζεύγη γονίδιο (

GPX2

,

ITGB8

) και (

GPX2

,

SLC2A12

) σχετίζονταν με SCC, μέσω ενός «ΚΑΙ» λογική σχέση ( υψηλότερη λογική τύπο σχέσης). Αυτό δείχνει ότι

GPX2

,

ITGB8

και

SLC2A12

είχαν εκφράσει αν το δείγμα ήταν SCC. Επιπλέον, όλα τα γονίδια

GPX2

,

ITGB8

και

SLC2A12

δεν εκφράστηκαν αν το δείγμα ήταν AC.

GPX2

εντοπίστηκε να έχουν υψηλότερη έκφραση σε SCC σε σύγκριση με AC και κανονικές [32], [33]. Εμείς δεν γνώριζαν αποδεικτικών στοιχείων στη βιβλιογραφία των σχέσεων μεταξύ των

ITGB8

,

SLC2A12

και οι υπότυποι του NSCLC. Η ανάλυσή μας δημιουργούνται πολλές νέες σχέσεις.

Δεν υπάρχουν αρκετές αποδείξεις για την τριτοβάθμια λογική σχέσεις για να διακρίνουν τους υποτύπους του NSCLC. Ως εκ τούτου, οι περισσότερες από τις σχέσεις μεταξύ των ζευγών γονιδίων και των υποτύπων του NSCLC δεν έχουν επιβεβαιωθεί. Δεδομένου ότι η έλλειψη γνώσης σχετικά με τις σχέσεις ρύθμιση μεταξύ γονιδίων και υποτύπων, οι ακριβείς σχέσεις μεταξύ των κοινών ζευγών γονιδίων και υποτύπων άξιζε να ελεγχθούν.

σύγκριση Απόδοση

Σας ζητούν απ τις στήλες των δυαδικών δεδομένα ανιχνευτή καθώς και εκείνες των δεδομένων προφίλ φαινοτύπου, τα οποία αντιστοιχούν στα δείγματα NSCLC και φυσιολογικά δείγματα του GSE18842. Τα νέα δυαδικά δεδομένα ανιχνευτή και δεδομένων προφίλ φαινότυπο που σχηματίζεται από τις στήλες ζητουμένη δυαδικών δεδομένων ανιχνευτή και δεδομένα προφίλ φαινότυπο, διατηρώντας τις σχετικές θέσεις των στηλών. Οι NSCLC και φυσιολογικά δεδομένα περιελάμβανε τα νέα δυαδικά δεδομένα καθετήρα και δεδομένων προφίλ φαινότυπο.

Εφαρμογή των τριών μεθόδων.

Εμείς εφαρμόζεται κατ ‘αρχάς την τρέχουσα μέθοδο για την NSCLC και κανονικά δεδομένα. Θέτουμε το, και έλαβε ανιχνευτής-φαινότυπο κάτω λογική σχέσεις. Η σημασία και η παγκόσμια σημασία των ανακαλύψει σχέσεις επιβεβαιώθηκαν από τον στατιστικό αποτέλεσμα της δοκιμής.

Στη συνέχεια, εφαρμόσαμε τη μέθοδο NMF στον NSCLC και κανονικά δεδομένα. Σειρές με το «s» διηθούνται από τα δυαδικά δεδομένα αισθητήρα για να εξασφαλίσει τη σκοπιμότητα της μεθόδου NMF. Τα υπόλοιπα δυαδικά δεδομένα αισθητήρα που περιέχονται γραμμές και στήλες. Επειδή δύο συστάδες των δειγμάτων (AC και SCC) συμπεριλήφθηκαν στα δυαδικά δεδομένα καθετήρα, επιλέξαμε ως παράμετρος μείωσης διάστασης για τη μέθοδο NMF. Μεταξύ των δύο που λαμβάνονται Μεταγένη, η δεύτερη metagene είχαν υψηλότερα επίπεδα έκφρασης σε όλες σχεδόν τις (δηλαδή) των δειγμάτων NSCLC, ενώ χαμηλότερο επίπεδο έκφρασης στο σχεδόν όλα (δηλ) των κανονικών δειγμάτων. Οι ανιχνευτές εντός της δεύτερης metagene ταξινομήθηκαν ανάλογα με τα επίπεδα της ενεργοποίησης τους (Πίνακας S4). Ο πρώτος ανιχνευτής αντιπροσώπευε την πιο στενή σχέση του καθετήρα στον φαινότυπο NSCLC, ενώ ο τελευταίος ανιχνευτής αντιπροσώπευε το λιγότερο που συνδέονται στενά με καθετήρα.

Τέλος, εφαρμόσαμε τη μέθοδο RA στον NSCLC και κανονικά δεδομένα. Είμαστε κατατάσσονται τα ανιχνευτές από την αμοιβαία ενημέρωση μεταξύ των προφίλ καθετήρα και προφίλ NSCLC.

Σημειώστε ότι οι συσχετίσεις μεταξύ των ζευγών γονιδίων και φαινοτύπων θα μπορούσε να μετρηθεί με τη σημερινή μέθοδο, αλλά δεν μπορούσε να μετρηθεί από το NMF και RA μεθόδους. Ως εκ τούτου, από την άποψη αυτή, η τρέχουσα μέθοδος είναι ανώτερη από τις δύο προηγούμενες μεθόδους. Όλα από τις τρεις μεθόδους θα μπορούσε να βρει μόνο τα γονίδια συνδέονται στενά με φαινοτύπους. Ως εκ τούτου, εμείς απλά εντοπιστεί το γονίδιο-φαινότυπο κάτω λογική των σχέσεων με την τρέχουσα μέθοδο και συνέκριναν τα αποτελέσματα με εκείνα που λαμβάνονται με τις δύο προηγούμενες μεθόδους.

σύγκριση των επιδόσεων για τις τρεις μεθόδους.

Έχουμε επιλέξει δύο σύνολα δεδομένων που εμπλέκονται τα γονίδια που σχετίζονται με NSCLC. Ένα σύνολο δεδομένων περιέχει γονίδια υψηλής συχνότητας στο επίπεδο του mRNA ανιχνεύεται από Huang et al. (Πίνακας S5) [9]. Ήταν έδειξε ότι αυτά τα γονίδια ανήκαν στην αρχή δυσλειτουργικές σύνολα γονιδίων με καλή διακριτική ικανότητα. Εμείς επιλέξαμε το σύνολο δεδομένων, διότι συλλέχθηκε από GEO με τον αριθμό ένταξης GSE18842, η οποία ήταν και η πηγή του NSCLC και κανονικά δεδομένα σε αυτό το έργο. Το άλλο σύνολο δεδομένων περιέχει ανωφέρεια /κάτω-ρυθμιζόμενα γονίδια που βρέθηκαν από Urgard et al., Όπου τα γονίδια ρυθμισμένα προς τα κάτω και τα γονίδια είναι προς τα πάνω ρυθμισμένα σε NSCLC σε σύγκριση με το φυσιολογικό ιστό (Πίνακας S5) [34]. Ένα σύνολο από γονίδια που μοιράζονται οι δύο παραπάνω σύνολα δεδομένων. Επειδή είναι δύσκολο να επικυρώσει τα γονίδια που περιλαμβάνονται σε κάθε σύνολο δεδομένων, είναι λογικό να εξετάσει αυτά τα γονίδια, όπως τα δεδομένα αλήθεια για την εκτίμηση της απόδοσης των διαφορετικών μεθόδων σε αυτό το έργο.

Για να εκτιμηθεί η απόδοση της τρέχουσας μέθοδος και να συγκρίνουν την απόδοση του με τις δύο προηγούμενες μεθόδους (η μέθοδος NMF και της μεθόδου RA), υπολογίσαμε ένα μέτρο: το ποσοστό ανάκληση που ήταν η αναλογία του αριθμού των ανιχνευόμενων γονιδίων στα δεδομένα αλήθεια για το συνολικό αριθμό των γονιδίων στο δεδομένων αλήθεια. Σημειώστε ότι το ποσοστό ανάκληση μπορεί να είναι μεροληπτική από την ατελή φύση των δεδομένων αλήθειας. Περαιτέρω, αξιολογήσαμε την ακρίβεια ταξινόμησης που αξιολόγησε την διακριτική ικανότητα του είχε ως αποτέλεσμα ιχνηλάτες.

Μεταξύ όλων των γονιδίων που ανιχνεύονται από ανιχνευτές που λαμβάνεται με την παρούσα μέθοδο, γονίδια ήταν στα δεδομένα αλήθεια. Ως εκ τούτου, το ποσοστό ανάκλησης της τρέχουσας μεθόδου ήταν. Για να συγκριθεί ο ρυθμός ανάκληση της τρέχουσας μεθόδου με εκείνες των δύο προηγούμενων μεθόδων, επιλέξαμε τα κορυφαία διερευνητές που λαμβάνονται με τη μέθοδο NMF και τη μέθοδο ΡΑ, αντίστοιχα. Βρήκαμε και μηδενική των γονιδίων στα δεδομένα αλήθεια έχουν ανιχνευθεί με τη μέθοδο NMF και τη μέθοδο RA, αντίστοιχα. Ως εκ τούτου, το ποσοστό ανάκλησης της NMF και RA ήταν και, αντιστοίχως. Η τρέχουσα μέθοδος είχε υψηλότερο ποσοστό ανάκλησης από NMF και RA.

Με το Σχ. 1, βρήκαμε ότι η τρέχουσα μέθοδος επιτευχθεί υψηλότερη ακρίβεια ταξινόμησης από τη μέθοδο NMF και τη μέθοδο RA. Επιπλέον, η μέση ακρίβεια ταξινόμησης της μεθόδου μας πλησίασε για να (δηλ), πράγμα που σημαίνει ότι οι ανιχνευτές που λαμβάνονται με τη μέθοδο μας έχει μια μεγάλη ικανότητα ταξινόμησης. Στο σχήμα, κάθε καμπύλη ήταν σταθερή με μικρές διακυμάνσεις. Αυτό δείχνει ότι η ακρίβεια ταξινόμησης ήταν λίγο ευαίσθητος με τον αριθμό των ανιχνευτών.

Σύμφωνα με την κάθε μέθοδο, κατατάσσουμε τα γονίδια κατά φθίνουσα σειρά με τους συντελεστές των γονιδίων που σχετίζονται με φαινότυπους. Εμείς selecte τα κορυφαία γονίδια, όπου. Η ακρίβεια ταξινόμησης υπολογίζεται με βάση τα κορυφαία γονίδια. «RA», «NMF» και «u» αντιπροσωπεύουν τη μέθοδο ανάλυσης ενδιαφέρον, η μη-αρνητική μέθοδος παραγοντοποίηση της μήτρας και η τρέχουσα μέθοδος, αντίστοιχα.

Η

βιοδείκτες και τα βασικά ζεύγη γονιδίων

Biomarkers συναχθεί από το γονίδιο-υποτύπου κάτω λογική σχέσεις.

στην προηγούμενη έρευνα, ο συνολικός αριθμός των γονιδίων που έχουν αναφερθεί για να χρησιμοποιηθεί για τη διαφοροποίηση μεταξύ των AC και SCC, και αυτά τα γονίδια είναι

DSG3

[26],

CLCA2

[30],

DSC3

[27],

PKP1

[28],

NKX2-1

[35], GJB5 [26], KRT6B [36], SERPINB13 [36], TP63 [37], TRIM29 [38],

KRT5

[28],

NTRK2

[28] και

DST

[39]. Είμαστε κατατάσσονται τα γονίδια που εμπλέκονται στο γονίδιο-AC /SCC χαμηλότερη λογική σχέσεις κατά φθίνουσα σειρά με τους συντελεστές τους. Είναι ενδιαφέρον ότι, το σύνολο των παραπάνω γονιδίων περιλήφθηκαν στα κορυφαία γονίδια. Προτείνεται ότι ένα γονίδιο το οποίο έχει υψηλό συντελεστή αβεβαιότητας μπορεί να γίνεται σαφής διάκριση AC από την SCC.

Για να αποκτήσετε ένα σύνολο βιοδείκτες, έχουμε κατ ‘αρχάς επιλέξει τα κορυφαία γονίδια (Εικ. 2). Επειδή οι μοριακοί στόχοι για στοχευμένους θεραπευτικούς παράγοντες παίζουν σημαντικό ρόλο για όγκο, οι βιοδείκτες για στοχευμένη θεραπεία θα πρέπει να έχουν τις διαφορετικές βιολογικές λειτουργίες μεταξύ NSCLC και φυσιολογικό. Στη συνέχεια, ένα σύνολο διασταύρωση δημιουργήθηκε μεταξύ των κορυφαίων γονίδια και τα γονίδια που εμπλέκονται στη γονιδιακή-NSCLC κάτω λογική των σχέσεων (τα γονίδια έχουν ληφθεί στην υποενότητα «σύγκριση των επιδόσεων»). Τέλος, τέμνονται γονίδια θεωρήθηκαν ως οι βιοσημειωτές για τη διάκριση AC από SCC, καθώς και τα νέα μοριακοί στόχοι για στοχευμένες θεραπευτικούς παράγοντες. Δηλαδή, το σύνολο των βιοδεικτών αποτελείται

DST

,

CLCA2

,

KRT5

,

DSG3

,

GJB5

,

SERPINB13

,

BNC1

,

TRIM29

,

LOC642587

,

PKP1

,

KRT6B

,

FAT2

,

GOLT1A

,

DSC3

,

NKX2-1

,

TP63

,

LASS3

,

PVRL1

και

NTRK2

.

υπάρχουν γονίδια που σχετίζονται με τους υποτύπους των NSCLC από κάτω λογική σχέσεις, και κάθε γονίδιο αποδίδει συντελεστή. Τα γονίδια κατατάσσονται ανάλογα με συντελεστές κατά φθίνουσα σειρά. Τα κορυφαία γονίδια που επιλέγονται για τον εντοπισμό βιοδείκτες. Οι μπλε κόμβοι αντιπροσωπεύουν βιοδείκτες που προσδιορίζονται στην παρούσα εργασία. Τα κίτρινα κόμβοι αντιπροσωπεύουν έξι γονίδια τα οποία δεν έχουν σχέση με NSCLC στο NSCLC και φυσιολογικά δείγματα. Τα κόκκινα κόμβοι αντιπροσωπεύουν υποτύπους, δηλαδή AC και SCC.

Η

Βασικά ζεύγη γονιδίων συναχθεί από το γονίδιο-υποτύπου υψηλότερη λογική σχέσεις.

Εμείς ομαδοποιούνται το γονίδιο-υποτύπου υψηλότερη λογική σχέσεις με το ίδια λογική λειτουργία. Επειδή οι δύο λογικές λειτουργίες ΚΑΙ (Τύπος 1) και XOR (Τύπος 8) έχουν πιο διαισθητική βιολογικές ερμηνείες από άλλες λογικές λειτουργίες, μπορούμε περιορίζεται ανάλυσή μας σε αυτές τις δύο λογικές λειτουργίες. Τα βασικά ζεύγη γονίδιο ορίστηκαν ως τα ζεύγη γονιδίων που εμπλέκονται στο γονίδιο-υποτύπου υψηλότερη λογική σχέσεις με τη λογική λειτουργία AND ή XOR. Έχουμε λάβει το κλειδί ζεύγη γονιδίων στο σύνολο, όπου και ζεύγη γονιδίων που σχετίζονται με τους AC /SCC μέσω των λογικών συναρτήσεων AND και XOR, αντίστοιχα (Πίνακας S6). Το αποτέλεσμα αυτό μπορεί να εξηγηθεί από τις αυστηρές παραμέτρους που επιλέξαμε.

Γονιδιακή Οντολογία ανάλυση

Η οντολογία γονιδίων (GO) είναι ένα δομημένο και ελεγχόμενα λεξιλόγια και τις ταξινομήσεις για τις επισημάνσεις των γονιδίων, τα προϊόντα των γονιδίων και αλληλουχιών [40]. GO περιλαμβάνει τρεις κατηγορίες όρων: βιολογικές διεργασίες, μοριακές λειτουργίες και τα συστατικά των κυττάρων. Ήμασταν επικεντρώθηκε στις βιολογικές διεργασίες εμπλουτισμού των γονιδίων που εμπλέκονται στη χαμηλότερη λογική σχέσεις. Έτσι, σε ό, τι ακολουθεί, όταν λέμε όρους GO, αυτό σημαίνει ότι οι όροι GO στην κατηγορία «βιολογική διαδικασία».

Σύμφωνα με τον ανιχνευτή AC /SCC ζεύγη ενώσεις και οι συντελεστές αβεβαιότητας τους, λάβαμε ένα σύνολο γονιδίων που περιέχει γονίδια χωρίς επικάλυψη και κάθε γονίδιο συνδέεται συντελεστή. Ένα σύνολο από γονίδια κατατάσσονται κατά φθίνουσα σειρά με τους συντελεστές και δίνεται ως είσοδος στο Gorilla. Η Gorilla έδωσε σημαντικών όρων GO όπως «ανάπτυξη ιστού» (GO: 0009888), «ανάπτυξη επιδερμίδας» (GO: 0008544), και «διαφοροποίησης επιθηλιακών κυττάρων» (GO: 0030855) (Μέρος Α του προσαρτήματος S1). Δεδομένου ότι οι σημαντικές όροι GO ανακτήθηκαν με βάση τους υποτύπους των δεδομένων NSCLC, θα πρέπει να ελέγχεται κατά πόσον τα σημαντικά όροι GO είναι επίσης σημαντική για NSCLC και φυσιολογικά δείγματα. Η ίδια διαδικασία εφαρμόζεται στα ανάλογα γονίδια βασίζονται στην NSCLC και κανονικά δεδομένα. Η δοκιμή αποκάλυψε σημαντικών όρων GO με σημαντική αξία (μέρος Β του προσαρτήματος S1). Συνολικά, επτά από τους όρους GO για τους υποτύπους των δεδομένων NSCLC ήταν επίσης σημαντικές για την NSCLC και φυσιολογικά δείγματα (Πίνακας 2). Αυτό δείχνει ότι οι ακόλουθες επτά βιολογικές διαδικασίες είναι σημαντικές για την ογκογένεση του NSCLC:. Την ανάπτυξη των ιστών, την ανάπτυξη επιδερμίδα, διαφοροποίησης επιθηλιακών κυττάρων, ανατομική ανάπτυξη δομή, αναπτυξιακή διαδικασία, την κυτταρική προσκόλληση και τη βιολογική πρόσφυση

Η

Επιπλέον, έχουμε ομαδοποιούνται τα γονίδια συνδέονται στενά με τους υποτύπους του NSCLC σε δύο ομάδες με τους τύπους γονιδίου-SCC κατώτερο λογική σχέσεις. Εμείς χαρτογράφησαν τα γονίδια που σχετίζονται με την SCC (AC) από Type () κάτω λογική σχέσεις GO όρους. γονιδιακή ανάλυση οντολογία αποκάλυψε όρους GO με τις βαθμολογίες p-τιμή μικρότερη από ό, τι και οι βαθμολογίες εμπλουτισμού μεγαλύτερο από.