Abstrakte
I det sidste årti, optimeret behandling af ikke-småcellet lungekræft havde føre til forbedret prognose, men den samlede overlevelse er stadig meget kort. For yderligere at forstå den molekylære basis for sygdommen vi nødt til at identificere biomarkører relateret til overlevelse. Her præsenterer vi udviklingen af et online værktøj egnet til tidstro meta-analyse af offentliggjorte lungekræft microarray datasæt at identificere biomarkører relateret til overlevelse. Vi søgte de caBIG, GEO og TCGA repositories til at identificere prøver med offentliggjorte genekspression data og overlevelse oplysninger. Univariate og multivariate Cox regressionsanalyse, Kaplan-Meier overlevelse plot med hazard ratio og logrank P-værdi beregnes og plottes i R. kan tilgås Det komplette analyseværktøj online på: www.kmplot.com/lung. Alle sammen 1715 prøver af ti uafhængige datasæt blev integreret i systemet. Som en demonstration, brugte vi værktøjet til at validere 21 tidligere publicerede overlevelse forbundet biomarkører. Af disse blev overlevelse bedst forudsagt af CDK1 (p 1E-16), CD24 (p 1E-16) og CADM1 (p = 7E-12) i adenocarcinomer og ved CCNE1 (p = 2.3E-09) og VEGF ( p = 3.3e-10) i alle NSCLC patienter. Yderligere gener signifikant korreleret til overlevelse omfatter RAD51, CDKN2A, OPN, EZH2, ANXA3, ADAM28 og ERCC1. Sammenfattende vi etableret en integreret database og et online værktøj i stand til uni- og multivariat analyse for
in silico
validering af nye biomarkør kandidater i ikke-småcellet lungekræft
Henvisning:. Győrffy B, Surowiak P, Budczies J, Lánczky A (2013) Online Survival Analysis Software til Vurdere prognostiske værdi af Biomarkører Brug transkriptom data i ikke-småcellet lungekræft. PLoS ONE 8 (12): e82241. doi: 10,1371 /journal.pone.0082241
Redaktør: Srikumar P. Chellappan, H. Lee Moffitt Cancer Center Research Institute, USA
Modtaget: Juli 27, 2013; Accepteret: 22 oktober 2013; Udgivet: 18. december 2013
Leave a Reply
Du skal være logget ind for at skrive en kommentar.