The Solaris of Genome Annotation基因组注释的Solaris.pptVIP

Schlicker et al. Bioinformatics 26, i561 (2010) ONIM-Datenbank UniProt Datenbank: GO-Annotationen für bekannte Krankheits-gene. Schlicker et al. Bioinformatics 26, i561 (2010) Die Methode liefert recht genaue Vorhersagen, mit welchen Krankheiten Gene in Verbindung stehen k?nnten. Die Sensitivit?t, d.h. die Anzahl der korrekten Vorhersagen relativ zur Anzahl aller Vorhersagen, betr?gt 73%. Zusammenfassung Daten aus Microarray-Analyse wurden ursprünglich als sehr ?verrauscht“ angesehen. Mittlerweile wurden jedoch sowohl die experimentellen Schritte wie auch die Datenauswertung gründlich verfeinert. Microarray-Analyse ist daher heute eine (zwar teure, aber zuverl?ssige) Routine-Methode, die in allen gro?en Firmen verwendet wird. Die Datenaufbereitung kann folgende Schritte enthalten: Normalisierung, Logarithmierung, Clustering, evtl. Ko-Expressionsanalyse, Annotation der Genfunktion Sehr wichtig ist es, die Signifikanz der Ergebnisse zu bewerten. Gentleman et al. Genome Biology 5, R80 (2004) funktionelle Annotation von OMICS-Daten für Brustkrebs Hamed et al. BMC Genomics (2015) Analyse von Ko-Expression Hamed et al. BMC Genomics (2015) Ko-Expression der 1317 differenziell exprimierten Gene (Krebs vs. Normal) Hierarchisches Clustern - 10 Module mit 26 – 295 Genen Hamed et al. BMC Genomics (2015) Gibt es angereicherte Genfunktionen in diesen Modulen? Module h?ngen mit Prozessen zusammen, die bereits mit Brustkrebs in Verbindung gebracht werden (endometrical cancer, p53, Prostatakrebs ...) Hamed et al. BMC Genomics (2015) Erg?nze regulatorische Information + driver genes Differenziell experimierte Gene eines Moduls - extrahiere regulatorische Interaktionen (TF - Gen) aus den ?ffentlichen Datenbanken JASPAR, TRED, MSigDB Driver genes sind Transkriptions-faktoren, die m?glichst viele Gene des Moduls regulieren. 31% der Driver genes kodieren für Proteine, die Targets für bekannte Krebs-Medikamente sind! Ausblick auf den 3. Teil der Vorlesung Protein-Protein-I