Novomics

Sofrware Information

1. Use of nDx 1 Software is only available to partners who are registered separately in Novomics.

2. You must pass the certification procedure on the next screen before you can use the software.

3. Click the "Certification" button to install it automatically on your connection PC.

S/W InstallPlease enter your
partner number and certification number
Partner No. Certification No.

* Contact us : +82-2-2068-3700

Nền tảng khoa học

Phát triển thuật toán phân loại tiên lượng (Máy phân loại bệnh nhân đơn lẻ, SPC)

Bộ phân loại bệnh nhân đơn lẻ dựa trên biểu hiện gen (SPC), nhằm khám phá các lựa chọn điều trị bằng cách phân tầng bệnh nhân theo các thông số nguy cơ, đã được phát triển và xác nhận thông qua chiến lược nhiều bước. Để xác định các ứng cử viên tiềm năng cho các gen phân loại bệnh nhân đơn lẻ, hồ sơ biểu hiện gen của bệnh nhân ung thư dạ dày giai đoạn I-IV có cắt dạ dày đã được phân tích và xác định năm phân nhóm phân tử bằng cách sử dụng năm nhóm (n = 1,259 từ GSE13861, GSE84437, GSE15459, TCGA, GSE62254) .

Cohort N Nền tảng đo lường Loại mẫu vật
GSE13861 64 Microarray
(Illumina)
Mô tươi
đông lạnh
GSE84437 433
GSE15459 200 Microarray
(Affymetrix)
GSE62254 300
TCGA 262 Giải trình tự (Illumina)

Để khám phá các mẫu ẩn trong hồ sơ biểu hiện mRNA của 1.259 bệnh nhân GC, học máy và học đại diện đã được áp dụng để phân tích.

NMF đã xác định được 5 kiểu phụ phân tử của GC, được chú thích dựa trên việc mô tả đặc điểm bằng phân tích làm giàu bộ gen (GSEA). Để cấu trúc hóa hơn nữa bộ phiên mã GC, WGCNA với Cắt cây động đã được thực hiện và phát hiện 34 mô-đun gen, được đặc trưng bởi phân tích làm giàu bản thể học gen (GOEA). Tiếp theo, sử dụng các giá trị eigengene của mô-đun gen, 21 mô-đun gen được xác định là có mối liên hệ cao với các kiểu phụ NMF (hệ số tương quan của Pearson, | ρ |> 0,3). Vì một số mô-đun gen cho thấy mối tương quan giữa các mô-đun giữa chúng, các mô-đun gen tương quan được nhóm lại về mặt toán học và bản thể học. Cuối cùng, các mô-đun gen liên quan đến kiểu phụ được giảm thêm xuống còn sáu đặc điểm phân tử GC.

  • NMF: 5 GC Tính năng phân tử

    NMF (Non-negative Matric Factorization), một thuật toán máy học, đã được áp dụng để phân tích dữ liệu microarray, thu được từ các mẫu ung thư dạ dày mới đông lạnh, để xác định các phân nhóm phân tử của ung thư dạ dày.
    NMF đã xác định được 5 kiểu phụ phân tử của GC, được chú thích dựa trên đặc điểm của phân tích làm giàu bộ gen (GSEA): (i) kiểu phụ viêm với đặc tính miễn dịch, (ii) kiểu phụ của ruột với biểu hiện cao của sự biệt hóa biểu mô ruột và các gen tăng sinh, (iii) loại phụ dạ dày với sự biểu hiện cao của các gen đặc hiệu niêm mạc dạ dày, (iv) loại phụ mô đệm hỗn hợp với các đặc điểm khuếch đại chuyển tiếp không đồng nhất, và (v) loại phụ trung mô có EMT và các dấu hiệu trung mô. Một bộ cơ sở dữ liệu tổng hợp từ ba bộ dữ liệu độc lập (GSE15459, TCGA, GSE62254) đã được sử dụng để xác nhận các kiểu phân tử đã phân loại của GC.



    ※ NMF, Matric Factorization không âm: là một cách tiếp cận mới để phân tích dữ liệu biểu hiện gen, mô hình hóa dữ liệu bằng cách kết hợp cộng của các vectơ cơ sở không âm.

    Brunet JP, Tamayo P, Golub TR, Mesirov JP. Metagenes và khám phá mô hình phân tử sử dụng thừa số hóa ma trận. Proc Natl Acad Sci U S A. 2004 Ngày 23 tháng 3; 101 (12): 4164-9.
    Lei Z và cộng sự, xác định các phân nhóm phân tử của ung thư dạ dày với các phản ứng khác nhau với các chất ức chế PI3-kinase và 5-fluorouracil. Khoa tiêu hóa. 2013 Tháng 9; 145 (3): 554-65. Mạng lưới nghiên cứu bản đồ gen ung thư. Đặc điểm phân tử toàn diện của ung thư biểu mô tuyến dạ dày. Thiên nhiên. 2014 ngày 11 tháng 9; 513 (7517): 202-9.
    Cristescu R và cộng sự, phân tích phân tử của ung thư dạ dày xác định các loại phụ liên quan đến kết quả lâm sàng riêng biệt. Nat Med. 2015 Tháng 5; 21 (5): 449-56.

  • WGCNA: Phân tích mô-đun gen

    WGCNA (Phân tích mạng đồng biểu hiện gen có trọng số) đã được sử dụng để xác định các tập hợp gen có tương quan cao. 34 mô-đun gen (M01 ~ M34) là những gen có tính liên kết cao đã được phát hiện và 21 mô-đun gen trong số đó đã được chọn vì chúng cho thấy sự liên kết cao với 5 kiểu phụ.



    ※ WGCNA, Phân tích mạng đồng biểu hiện gen có trọng số: là một phương pháp phân nhóm để hiểu mối tương quan giữa các gen và nhóm các gen thành các mô-đun.

    Langfelder P, Horvath S. WGCNA: an R package for weighted correlation network analysis. BMC Bioinformatics. 2008 Dec 29;9:559.

  • Phân tích mối tương quan của mô-đun gen và đặc điểm phân tử 5 GC

    Khi một số mô-đun gen cho thấy mối tương quan giữa các mô-đun giữa chúng, chúng tôi đã nhóm các mô-đun gen tương quan về mặt toán học và bản thể học. Cuối cùng, các mô-đun gen liên quan đến kiểu phụ được giảm thêm xuống còn sáu đặc điểm phân tử GC.
    Tương quan Spearman đã được sử dụng để đánh giá mối quan hệ giữa 21 mô-đun gen và 5 kiểu phụ. Các cường độ của màu đỏ và xanh lam cho biết các giá trị của mối tương quan âm và dương.



    (i) miễn dịch (M06, M07, M15, M26 và M28), (ii) biểu mô ruột (M22), (iii) biểu mô dạ dày (M18), (iv) tăng sinh (M04, M05, M12, M13, M16, M23, M27, M32 và M33), (v) gốc tế bào (M08) và (vi) mô đệm (M01, M03, M17 và M25).

  • 3 Đặc điểm sinh học cốt lõi

    Một nghiên cứu được thiết kế để chọn các gen phân loại liên quan đến tiên lượng từ một loạt phân tích phiên mã và phát triển một thuật toán theo cách có giám sát. Dựa trên nghiên cứu, ba đặc điểm sinh học cốt lõi của ung thư dạ dày; Các đặc điểm miễn dịch (IM), gốc tế bào (ST) và biểu mô ruột (EP) đã được chọn và những đặc điểm này có liên quan sinh học:

  • Lựa chọn gen phân loại lõi (4 gen phân loại)

    Mô-đun gen cốt lõi của M26 (48 gen), M08 (131 gen) và M22 (60 gen) đã được chọn cho các gen ứng cử viên cho các bộ phân loại IM, ST và EP.
    Mục tiêu của nghiên cứu này là phát triển một nền tảng dựa trên RT-qPCR và lập kế hoạch sử dụng các mẫu FFPE, các gen ứng viên đã được xác nhận về khả năng tương thích giữa các nền tảng (microarray so với RT-qPCR) và phương pháp chuẩn bị mẫu (tươi đông lạnh so với FFPE) . Chúng tôi đã phân tích mối tương quan giữa các cấu hình biểu hiện gen thu được bằng cả nền tảng và phương pháp chuẩn bị mẫu. Tiêu chí vượt qua cho cả hai phân tích là hệ số tương quan của Pearson ρ> 0,5. (12 gen phân loại ứng viên)
    Theo độ rộng của phạm vi biểu hiện, GZMB, SFRP4 và CDX1 được chọn lần lượt cho các gen phân loại IM, ST và EP. Ngoài ra, WARS liên quan đến nhiễm trùng được bao gồm như một bộ phân loại IM bổ trợ để lựa chọn nghiêm ngặt hơn các bệnh nhân có miễn dịch cao.

  • Lựa chọn gen tham khảo

    Các gen tham chiếu nhằm bình thường hóa mức độ biểu hiện của các gen phân loại đã được xem xét từ các tạp chí đã xuất bản và các gen tham chiếu của các bộ xét nghiệm thương mại hóa. Dựa trên việc xem xét, các gen ứng cử viên; ACTB, ATP5E, HPRT1, PGK1, GPX1, RPL29, UBB và VDAC2 được coi là sự kết hợp tốt nhất của năm gen tham chiếu; ACTB, ATP5E, HPRT1, GPX1 và UBB cuối cùng đã được chọn.