Integrating omics data and protein interaction networks to prioritize driver genes in cancer.
Integrating omics data and protein interaction networks to prioritize driver genes in cancer.
复制标题
整合组学数据和蛋白质相互作用网络以优先考虑癌症中的驱动基因
DOI：
10.18632/oncotarget.19481
复制
发表时间：
2017-08-29
期刊：
影响因子：
--
通讯作者：
Zhang D
中科院分区：
文献类型：
--
作者：
Zhang T;Zhang D
虽然已经提出了许多方法来区分司机和乘客，但司机基因的识别仍然是癌症基因组学领域的一个关键挑战。在癌症研究中，突变频率低的驱动基因往往会被筛选出来。此外，不同组学数据的积累需要开发算法框架来提名假定的驱动基因。在这项研究中，我们提出了一个新的框架，通过整合体细胞突变、基因表达和拷贝数改变等多组学数据来识别驱动基因。我们开发了一种计算方法，根据潜在的驱动基因对网络邻居的影响来检测潜在的驱动基因。应用于来自癌症基因组图谱(TCGA)的三个数据集(头颈部鳞状细胞癌(HNSC)、甲状腺癌(THCA)和肾透明细胞癌(KIRC))，通过比较精确度、召回率和F1评分，我们的方法在所有三个数据集上都优于DriverNet和MUFFINN。此外，与DriverNet相比，我们的方法受蛋白质长度的影响较小。最后，我们的方法不仅识别了已知的癌基因，还检测到了潜在的罕见驱动基因(THCA中的PTPN6，KIRC中的Grb2和PTPN6，hNSC中的MAPK1和Smad2)。
Although numerous approaches have been proposed to discern driver from passenger, identification of driver genes remains a critical challenge in the cancer genomics field. Driver genes with low mutated frequency tend to be filtered in cancer research. In addition, the accumulation of different omics data necessitates the development of algorithmic frameworks for nominating putative driver genes. In this study, we presented a novel framework to identify driver genes through integrating multi-omics data such as somatic mutation, gene expression, and copy number alterations. We developed a computational approach to detect potential driver genes by virtue of their effect on their neighbors in network. Application to three datasets (head and neck squamous cell carcinoma (HNSC), thyroid carcinoma (THCA) and kidney renal clear cell carcinoma (KIRC)) from The Cancer Genome Atlas (TCGA), by comparing the Precision, Recall and F1 score, our method outperformed DriverNet and MUFFINN in all three datasets. In addition, our method was less affected by protein length compared with DriverNet. Lastly, our method not only identified the known cancer genes but also detected the potential rare drivers (PTPN6 in THCA, SRC, GRB2 and PTPN6 in KIRC, MAPK1 and SMAD2 in HNSC).
登录
查看更多内容
影响因子：
3.6
作者：
Dent P
通讯作者：
Dent P
影响因子：
4.4
作者：
Hamed M;Spaniol C;Zapp A;Helms V
通讯作者：
Helms V
影响因子：
12.3
作者：
Bashashati A;Haffari G;Ding J;Ha G;Lui K;Rosner J;Huntsman DG;Caldas C;Aparicio SA;Shah SP
通讯作者：
Shah SP
影响因子：
12.3
作者：
Cho A;Shim JE;Kim E;Supek F;Lehner B;Lee I
通讯作者：
Lee I
影响因子：
4.8
作者：
Lin, Yuan;Mallen-St Clair, Jon;St John, Maie
通讯作者：
St John, Maie