[논문]개인별 유전자 네트워크 구축 및 페이지랭크를 이용한 환자 특이적 암 유발 유전자 탐색 방법

정희원; 박지우; 안재균

doi:10.3745/ktsde.2021.10.12.547

[국내논문] 개인별 유전자 네트워크 구축 및 페이지랭크를 이용한 환자 특이적 암 유발 유전자 탐색 방법
Cancer Patient Specific Driver Gene Identification by Personalized Gene Network and PageRank 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.10 no.12, 2021년, pp.547 - 554

정희원 (인천대학교 컴퓨터공학과) , 박지우 (인천대학교 컴퓨터공학과) , 안재균 (인천대학교 컴퓨터공학부)

초록
AI-Helper

암을 유발하는 유전자는 모든 암 환자에게 공통적인 것은 아니며, 이러한 환자 특이적 암 유발 유전자의 탐색은 개인 맟춤형 암 치료 및 항암제 개발에 있어서 매우 중요하다. 환자 특이적 암 유발 유전자를 찾기 위한 생물 정보학 연구들이 있어왔지만, 아직 정확도 면에서는 발전의 여지가 있다. 본 논문에서는 환자 특이적 암 유발 유전자를 탐색하기 위하여 NPD (Network based Patient-specific Driver gene identification)라는 방법을 제안한다. NPD는 환자 특이적 유전자 네트워크를 구축하고, 여기에 수정된 PageRank 알고리즘을 적용하여 유전자에 점수를 부여한 후, 유전적 변이 데이터를 사용한 승률 계산 방법을 통하여 암 유발 유전자를 찾는 세 단계로 이루어진다. TCGA 데이터 베이스의 여섯 개의 암 데이터에 NPD를 적용한 결과, NPD가 기존의 환자 특이적 암 유발 유전자 탐색 방법들보다 전체적으로 높은 F1 점수를 보여줌을 확인할 수 있었다.

Abstract ▼ AI-Helper

Cancer patients can have different kinds of cancer driver genes, and identification of these patient-specific cancer driver genes is an important step in the development of personalized cancer treatment and drug development. Several bioinformatic methods have been proposed for this purpose, but there is room for improvement in terms of accuracy. In this paper, we propose NPD (Network based Patient-specific Driver gene identification) for identifying patient-specific cancer driver genes. NPD consists of three steps, constructing a patient-specific gene network, applying the modified PageRank algorithm to assign scores to genes, and identifying cancer driver genes through a score comparison method. We applied NPD on six cancer types of TCGA data, and found that NPD showed generally higher F1 score compared to existing patient-specific cancer driver gene identification methods.

Keyword

표/그림 (7)

그림 Fig. 1. Methods for Generating Patient-specific Gene Networks and Scoring Cancer Driver Genes
표 Table 1. Detailed Description of Data Downloaded from TCGA Data Portal and Number of Driver Gene by Cancer Type
표 Table 2. Detailed Description of Network Data
그림 Fig. 2. Comparison of F1 Scores, Precision and Recall Varying the Number of Cancer Driver Gene
그림 Fig. 3. Comparison of F1 Scores of Patient-specific Cancer Driver Gene Identification Methods
그림 Fig. 4. Comparison of Precision of Patient-specific Cancer Driver Gene Identification Methods
그림 Fig. 5. Comparison of Recall of Patient-specific Cancer Driver Gene Identification Methods

참고문헌 (23)

M. S. Lawrence, et al., "Mutational heterogeneity in cancer and the search for new cancer-associated genes," Nature, Vol.499, No.7457, pp.214-218, 2013.

상세보기
C. Arnedo-Pac, L. Mularoni, F. Muinos, and A. Gonzalez-Perez, and N. Lopez-Bigas, "OncodriveCLUSTL: a sequence-based clustering method to identify cancer drivers," Bioinformatics, Vol.35, No.22, pp.4788-4790, 2019.

상세보기
P. Luo, Y. Ding, X. Lei, and F. X. Wu, "deepDriver: Predicting cancer driver genes based on somatic mutations using deep convolutional neural networks," Frontiers in Genetics, Vol.10, pp.13, 2019.

상세보기
J. Nulsen, H. Misetic, C. Yau, and F. D. Ciccarelli, "Pancancer detection of driver genes at the single-patient resolution," Genome Medicine, Vol.13, No.1, pp.1-14, 2021.

상세보기
H. Yang, Q. Wei, X. Zhong, H. Yang, and B. Li, "Cancer driver gene discovery through an integrative genomics approach in a non-parametric Bayesian framework," Bioinformatics, Vol.33, No.4, pp.483-490, 2017.

상세보기
D. Bertrand, et al., "Patient-specific driver gene prediction and risk assessment through integrated network analysis of cancer omics profiles," Nucleic Acids Research, Vol.43, No.7, pp.e44-e44, 2015.

상세보기
V. V. Pham, et al., "DriverGroup: A novel method for identifying driver gene groups," Bioinformatics, Vol.36, No. (Supplement_2), pp.i583-i591, 2020.

상세보기
D. Pe'er and N. Hacohen, "Principles and strategies for developing network models in cancer," Cell, Vol.144, No.6, pp.864-873, 2011.

상세보기
M. R. Stratton, "Journeys into the genome of cancer cells," EMBO Molecular Medicine, Vol.5, No.2, pp.169-172, 2013.

상세보기
L. Ding, M. C. Wendl, D. C. Koboldt, and E. R. Mardis, "Analysis of next-generation genomic data in cancer: Accomplishments and challenges," Human Molecular Genetics, Vol.19, No.R2, pp.R188-R196, 2010.

상세보기
J. Reimand and G. D. Bader, "Systematic analysis of somatic mutations in phosphorylation signaling predicts novel cancer drivers," Molecular Systems Biology, Vol.9, No.1, pp.637, 2013.

상세보기
J. P. Hou and J. Ma. "DawnRank: Discovering personalized driver genes in cancer," Genome Medicine, Vol.6, No.7, pp.1-16, 2014.

상세보기
W. F. Guo, S. W. Zhang, T. Zeng, Y. Li, and J, Gao, "A novel network control model for identifying personalized driver genes in cancer," PLoS Computational Biology, Vol.15, No.11, pp.e1007520, 2019.

상세보기
W. F. Guo, et al., "Discovering personalized driver mutation profiles of single samples in cancer by network control strategy," Bioinformatics, Vol.34, No.11, pp.1893-1903, 2018.

상세보기
G. Dinstag and R. Shamir, "PRODIGY: Personalized prioritization of driver genes," Bioinformatics, Vol.36, No.6, pp.1831-1839, 2020.

상세보기
L. Page, S. Brin, R. Motwani, and T. Winograd, "The Page-Rank citation ranking: Bringing order to the web," Stanford InfoLab, 1999.
K. Tomczak, P. Czerwinska, and M. Wiznerowicz, "The Cancer Genome Atlas (TCGA): An immeasurable source of knowledge," Contemporary Oncology, Vol.19, No.1A, pp.A68, 2015.
D. Croft, et al. "Reactome: A database of reactions, pathways and biological processes," Nucleic Acids Research, Vol.39, No.(suppl_1), pp.D691-D697, 2010.

상세보기
Z. P. Liu, C. Wu, H. Miao, and H. Wu, "RegNetwork: An integrated database of transcriptional and post-transcriptional regulatory networks in human and mouse," Database, 2015, 2015.
H. Han, et al., "TRRUST v2: An expanded reference database of human and mouse transcriptional regulatory interactions," Nucleic Acids Research, Vol.46, No.D1, pp.D380-D386, 2018.

상세보기
G. Gundem, et al., "IntOGen: Integration and data mining of multidimensional oncogenomic data," Nature Methods, Vol.7, No.2, pp.92-93, 2010.

상세보기
Z. Sondka, S. Bamford, C. G. Cole, S. A. Ward, L. Dunham, and S. A. Forbes, "The COSMIC Cancer Gene Census: Describing genetic dysfunction across all human cancers," Nature Reviews Cancer, Vol.18, No.11, pp.696-705, 2018.

상세보기
D. Repana, et al., "The Network of Cancer Genes (NCG): A comprehensive catalogue of known and candidate cancer genes from cancer sequencing screens," Genome Biology, Vol.20, No.1, pp.1-12, 2019.

상세보기

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증