In the conventional analysis of com

In the conventional analysis of complex diseases, the control and case samples are assumed to be of great purity. However, due to the heterogeneity of disease samples, many disease genes are even not always consistently up-/down-regulated, leading to be under-estimated. This problem will seriously influence effective personalized diagnosis or treatment. The expression variance and expression covariance can address such a problem in a network manner. But, these analyses always require multiple samples rather than one sample, which is generally not available in clinical practice for each individual. To extract the common and specific network characteristics for individual patients in this paper, a novel differential network model, e.g. personalized dysfunctional gene network, is proposed to integrate those genes with different features, such as genes with the differential gene expression (DEG), genes with the differential expression variance (DEVG) and gene-pairs with the differential expression covariance (DECG) simultaneously, to construct personalized dysfunctional networks. This model uses a new statistic-like measurement on differential information, i.e., a differential score (DEVC), to reconstruct the differential expression network between groups of normal and diseased samples; and further quantitatively evaluate different feature genes in the patient-specific network for each individual. This DEVC-based differential expression network (DEVC-net) has been applied to the study of complex diseases for prostate cancer and diabetes. (1) Characterizing the global expression change between normal and diseased samples, the differential gene networks of those diseases were found to have a new bi-coloured topological structure, where their non hub-centred sub-networks are mainly composed of genes/proteins controlling various biological processes. (2) The differential expression variance/covariance rather than differential expression is new informative sources, and can be used to identify genes or gene-pairs with discriminative power, which are ignored by traditional methods. (3) More importantly, DEVC-net is effective to measure the expression state or activity of different feature genes and their network or modules in one sample for an individual. All of these results support that DEVC-net indeed has a clear advantage to effectively extract discriminatively interpretable features of gene/protein network of one sample (i.e. personalized dysfunctional network) even when disease samples are heterogeneous, and thus can provide new features like gene-pairs, in addition to the conventional individual genes, to the analysis of the personalized diagnosis and prognosis, and a better understanding on the underlying biological mechanisms.

Keywords: Gene expression; Expression variance; Precision medicine; Gene network; Network biomarker; Disease heterogeneity; Edge biomarker

ผลลัพธ์ (ไทย) 2:

ในการวิเคราะห์การชุมนุมของโรคที่ซับซ้อนการควบคุมและกรณีตัวอย่างจะถือว่าเป็นความบริสุทธิ์ที่ดี แต่เนื่องจากความแตกต่างของกลุ่มตัวอย่างโรคยีนโรคจำนวนมากแม้ไม่ได้เสมออย่างต่อเนื่องขึ้น / ลงควบคุมนำไปสู่การอยู่ภายใต้การคาด ปัญหานี้อย่างจริงจังจะมีผลต่อการวินิจฉัยส่วนบุคคลหรือการรักษาที่มีประสิทธิภาพ ความแปรปรวนและความแปรปรวนร่วมแสดงออกแสดงออกสามารถแก้ไขปัญหาดังกล่าวในลักษณะเครือข่าย แต่การวิเคราะห์เหล่านี้มักจะต้องมีหลายตัวอย่างมากกว่าตัวอย่างหนึ่งซึ่งโดยทั่วไปไม่สามารถใช้ได้ในการปฏิบัติทางคลินิกสำหรับแต่ละบุคคล เพื่อแยกลักษณะเครือข่ายร่วมกันและที่เฉพาะเจาะจงสำหรับผู้ป่วยแต่ละรายในเอกสารนี้เป็นรูปแบบเครือข่ายที่แตกต่างกันนวนิยายเช่นเครือข่ายของยีนที่ผิดปกติส่วนบุคคลจะเสนอให้รวมยีนผู้ที่มีคุณสมบัติที่แตกต่างกันเช่นยีนที่มีการแสดงออกของยีนที่แตกต่างกัน (DEG) ยีน ที่มีการแสดงออกที่แตกต่างกันความแปรปรวน (DEVG) และคู่ของยีนที่มีความแปรปรวนร่วมการแสดงออกที่แตกต่างกัน (DECG) พร้อมกันที่จะสร้างเครือข่ายที่ผิดปกติส่วนบุคคล รูปแบบนี้จะใช้การวัดสถิติเหมือนใหม่กับข้อมูลที่แตกต่างกันกล่าวคือคะแนนที่แตกต่างกัน (DevC) เพื่อสร้างเครือข่ายการแสดงออกที่แตกต่างกันระหว่างกลุ่มตัวอย่างปกติและมีอาการของโรคนั้น และต่อไปปริมาณยีนประเมินคุณลักษณะที่แตกต่างกันในเครือข่ายผู้ป่วยที่เฉพาะเจาะจงสำหรับแต่ละคน เครือข่ายนี้การแสดงออกที่แตกต่างกันตาม DevC (DevC สุทธิ) ได้ถูกนำมาใช้เพื่อการศึกษาของโรคที่ซับซ้อนมะเร็งต่อมลูกหมากและโรคเบาหวาน (1) พัฒนาการการเปลี่ยนแปลงการแสดงออกทั่วโลกระหว่างตัวอย่างปกติและโรคเครือข่ายของยีนที่แตกต่างกันของโรคเหล่านั้นถูกพบว่ามีโครงสร้างทอพอโลยีสองสีใหม่ที่ไม่ใช่ของพวกเขาฮับเป็นศูนย์กลางเครือข่ายย่อยที่มีองค์ประกอบส่วนใหญ่ของยีน / โปรตีนควบคุม กระบวนการทางชีวภาพต่างๆ (2) ความแปรปรวนการแสดงออกที่แตกต่างกัน / ความแปรปรวนมากกว่าการแสดงออกที่แตกต่างกันเป็นแหล่งที่มาของข้อมูลใหม่และสามารถนำมาใช้ในการระบุยีนหรือยีนคู่กับอำนาจจำแนกซึ่งได้รับการปฏิเสธโดยวิธีการแบบดั้งเดิม (3) ที่สำคัญ DevC สุทธิที่มีประสิทธิภาพในการวัดการแสดงออกของรัฐหรือกิจกรรมของยีนคุณลักษณะที่แตกต่างกันและเครือข่ายของตนหรือโมดูลในหนึ่งตัวอย่างสำหรับแต่ละบุคคล ทั้งหมดเหล่านี้สนับสนุนผลที่ DevC สุทธิแน่นอนมีข้อได้เปรียบที่ชัดเจนในการได้อย่างมีประสิทธิภาพสารสกัดจากคุณสมบัติ discriminatively interpretable เครือข่ายยีน / โปรตีนตัวอย่างหนึ่ง (เช่นเครือข่ายส่วนบุคคลที่ผิดปกติ) แม้ในขณะที่กลุ่มตัวอย่างที่มีความแตกต่างกันการเกิดโรคและทำให้สามารถให้คุณสมบัติใหม่ ๆ เช่น gene- . คู่ที่นอกเหนือไปจากยีนของแต่ละบุคคลทั่วไปเพื่อการวิเคราะห์การวินิจฉัยส่วนบุคคลและการพยากรณ์โรคและความเข้าใจที่ดีขึ้นในกลไกทางชีววิทยาพื้นฐานคำสำคัญ: การแสดงออกของยีน; ความแปรปรวนของการแสดงออก ยาแม่นยำ; เครือข่ายยีน; เครือข่าย biomarker; เซลล์สืบพันธุ์โรค; biomarker ขอบ

ผลลัพธ์ (ไทย) 3:

ในการวิเคราะห์ปกติของโรคซับซ้อน การควบคุมและตัวอย่างกรณีจะถือว่าเป็นดีเท่าเทียมกัน อย่างไรก็ตาม เนื่องจากมีความหลากหลายของตัวอย่างโรค ยีนโรคมากมายแม้แต่ไม่เสมอ อย่างต่อเนื่อง ขึ้น / ลงระเบียบ นำไปสู่ภายใต้ประมาณการ ปัญหานี้อย่างจริงจังจะมีผลต่อประสิทธิภาพส่วนบุคคลการวินิจฉัยหรือการรักษาการแสดงออกของความแปรปรวนและการแสดงออกความสามารถที่อยู่ปัญหาดังกล่าวในเครือข่ายอย่าง แต่เหล่านี้มักจะต้องใช้มากกว่าหนึ่งตัวอย่างหลายตัวอย่าง ซึ่งโดยทั่วไปจะไม่สามารถใช้ได้ในการปฏิบัติทางคลินิกสำหรับแต่ละบุคคล สกัดทั่วไปและเฉพาะเครือข่ายลักษณะของผู้ป่วยแต่ละราย ในกระดาษนี้ , นวนิยายดิฟแบบเครือข่าย เช่นส่วนบุคคลที่ผิดปกติยีนเครือข่าย เสนอให้รวมยีนที่มีคุณสมบัติที่แตกต่างกัน เช่น ยีนที่มีการแสดงออกของยีนที่แตกต่างกัน ( องศา ) , ยีนกับค่าความแปรปรวน ( devg ) และการแสดงออกของยีนคู่กับแสดงออกที่แตกต่างกันความแปรปรวนร่วม ( decg ) พร้อมกัน เพื่อสร้างเครือข่ายผิดปกติแบบส่วนบุคคลรุ่นนี้ใช้สถิติใหม่เช่นการวัดข้อมูลค่า คือ ค่าคะแนน ( devc ) เพื่อสร้างเครือข่ายแสดงออกที่แตกต่างกันระหว่างกลุ่มปกติ และป่วยอย่าง และเพิ่มปริมาณยีนในผู้ป่วยประเมินคุณลักษณะที่แตกต่างกันเครือข่ายเฉพาะสำหรับแต่ละบุคคลdevc เครือข่ายการแสดงออกอนุพันธ์ตาม ( devc สุทธิ ) ได้ถูกนำมาใช้เพื่อศึกษาโรคที่ซับซ้อนสำหรับมะเร็งต่อมลูกหมากและโรคเบาหวาน ( 1 ) ลักษณะการแสดงออกปกติและการเปลี่ยนแปลงระหว่างโลกตัวอย่างความแตกต่างยีนเครือข่ายของโรคดังกล่าว พบว่ามีโครงสร้างรูปแบบใหม่สองสี ,ที่ของพวกเขาไม่ใช่ฮับเป็นศูนย์กลางเครือข่ายย่อยจะประกอบด้วยส่วนใหญ่ของยีน / โปรตีนควบคุมกระบวนการทางชีวภาพต่างๆ ( 2 ) ความแปรปรวนความแปรปรวนร่วมแสดงออกที่แตกต่างกัน / มากกว่าการแสดงออกมันต่างกันแหล่งข้อมูลใหม่และสามารถใช้ในการระบุยีนหรือยีนคู่กับค่าพลังงานซึ่งจะถูกละเว้นโดยวิธีการแบบดั้งเดิม ( 3 ) ที่สำคัญdevc สุทธิมีประสิทธิภาพการวัดการแสดงออกของรัฐหรือกิจกรรมของยีนและคุณลักษณะที่แตกต่างกันของเครือข่ายหรือโมดูลในตัวอย่างสำหรับแต่ละบุคคล ทั้งหมดของผลลัพธ์เหล่านี้สนับสนุนที่ devc สุทธิแน่นอนมีข้อได้เปรียบที่ชัดเจนได้อย่างมีประสิทธิภาพสารสกัดคุณลักษณะ discriminatively interpretable เครือข่ายยีน / โปรตีนตัวอย่างหนึ่ง ( เช่นผิดปกติเครือข่ายส่วนบุคคล ) แม้ว่าตัวอย่างโรคจะแตกต่างกัน และดังนั้นจึง สามารถให้คุณสมบัติใหม่อย่างจีน คู่ นอกเหนือไปจากปกติแต่ละยีน เพื่อการวิเคราะห์และการพยากรณ์โรคสำหรับการวินิจฉัยและความเข้าใจที่ดีขึ้นบนพื้นฐานกลไกทางชีววิทยา .

คำสำคัญ : การแสดงออกของยีน ; ความแปรปรวนการแสดงออก ; ยา ; เครือข่ายจีน ;ไบโอมาร์คเกอร์ของเครือข่าย ที่สามารถเกิดโรค ; ขอบไบโอมาร์คเกอร์