The knowledge-integrated network biomarkers discovery for major adverse cardiac events.
The knowledge-integrated network biomarkers discovery for major adverse cardiac events.
复制标题
DOI：
10.1021/pr8002886
复制
发表时间：
2008-09
影响因子：
4.4
通讯作者：
Wong, Stephen T. C.
中科院分区：
文献类型：
--
作者：
Jin, Guangxu;Zhou, Xiaobo;Wang, Honghui;Zhao, Hong;Cui, Kemi;Zhang, Xiang-Sun;Chen, Luonan;Hazen, Stanley L.;Li, King;Wong, Stephen T. C.
临床蛋白质组学中的质谱学技术在发现疾病治疗新的生物标志物方面具有很大的潜力。为了克服MS分析中数据噪声的障碍，我们提出了一种利用主要不良心脏事件(MACE)患者的数据来发现知识集成生物标记物的新方法。我们首先基于UniProt中蛋白质注释、蛋白质-蛋白质相互作用(PPI)和信号转导数据库中的蛋白质信息建立了一个与心血管相关的网络。与以往MS数据处理中的机器学习方法不同，我们使用统计方法来发现心血管相关网络中的生物标志物。通过在已知的蛋白质信息和质谱学数据中的数据噪声之间进行权衡，我们最终可以确定这些高置信度的生物标志物。最重要的是，借助蛋白质-蛋白质相互作用网络，即心血管相关网络，我们提出了一种新型的生物标记物，即由一组蛋白质及其相互作用组成的网络生物标记物。候选网络生物标记物可以在不考虑生物分子相互作用的情况下，比目前单一的标记物更准确地对两组患者进行分类。
The mass spectrometry (MS) technology in clinical proteomics is very promising for discovery of new biomarkers for diseases management. To overcome the obstacles of data noises in MS analysis, we proposed a new approach of knowledge-integrated biomarker discovery using data from Major Adverse Cardiac Events (MACE) patients. We first built up a cardiovascular-related network based on protein information coming from protein annotations in Uniprot, protein–protein interaction (PPI), and signal transduction database. Distinct from the previous machine learning methods in MS data processing, we then used statistical methods to discover biomarkers in cardiovascular-related network. Through the tradeoff between known protein information and data noises in mass spectrometry data, we finally could firmly identify those high-confident biomarkers. Most importantly, aided by protein–protein interaction network, that is, cardiovascular-related network, we proposed a new type of biomarkers, that is, network biomarkers, composed of a set of proteins and the interactions among them. The candidate network biomarkers can classify the two groups of patients more accurately than current single ones without consideration of biological molecular interaction.
登录
查看更多内容
影响因子：
64.5
作者：
Cox, Juergen;Mann, Matthias
通讯作者：
Mann, Matthias
影响因子：
64.8
作者：
Hartwell, LH;Hopfield, JJ;Murray, AW
通讯作者：
Murray, AW
影响因子：
9.9
作者：
通讯作者：
--
DOI：
10.1006/bbrc.2002.6678
发表时间：
2002-04-05
影响因子：
3.1
作者：
Issaq, HJ;Veenstra, TD;Felschow, D
通讯作者：
Felschow, D
影响因子：
4.8
作者：
Das, D;Scovell, WM
通讯作者：
Scovell, WM