1 / 28

Jekaterina Kokatjuhha

Freie Universität Berlin. Fachbereich Mathematik und Informatik Institut für Informatik Studiengang Bioinformatik Bachelorarbeit Identifizierung von Genexpressions-Netzwerken in unterschiedlichen immunologischen Zuständen. Jekaterina Kokatjuhha. Co-Expression von Genen. Einleitung

kirk-padilla
Download Presentation

Jekaterina Kokatjuhha

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Freie Universität Berlin Fachbereich Mathematik und Informatik Institut für Informatik Studiengang Bioinformatik Bachelorarbeit Identifizierung von Genexpressions-Netzwerken in unterschiedlichen immunologischen Zuständen Jekaterina Kokatjuhha

  2. Co-Expression von Genen Einleitung Material und Methoden Ergebnisse Diskussion • Gene mit gleichen Funktionen unter Kontrolle eines Transkriptionsfaktors(TF) -> Co-Regulation • Korrelationsanalyse nach Pearson • Bestimmung der co-exprimierten Gene erfolgt durch den Vergleich biologischer Zustände (aktiv und inaktiv) • Aktiver biologischer Zustand: erhöhte Expression eines TFs und der von ihm gesteuerten Gene. • Erkennung von Co-Expressionsnetzwerken -> Aufdeckung regulatorischen Mechanismen und biologischen Zusammenhängen

  3. Verwendete Software Einleitung Material und Methoden Ergebnisse Diskussion • Oracle VMVirtualBox (4.2.12) mit Linux als Betriebssystem • HPS-System Soroban der Freien Universität Berlin • Ruby (1.9.3p374) on Rails (3.2.9) • R (3.0.1) und Bioconductor (2.12) • Genesis (1.7.6)

  4. Klinische Proben Einleitung Material und Methoden Ergebnisse Diskussion • 32 Human Genome U133 Plus 2.0 Arrays • Zelltypen: - ,- (CD4, CD8), B (CD19)-Zellen, NK-Zellen (CD56) , Granulozyten (CD15), mit LPS, TNF und IFNa2α 90 Minuten stimulierte sowie unstimulierte Monozyten (CD14) und Kontrolle (Ctl 90)

  5. Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  6. Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion CD14IFN Datensatz

  7. Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  8. Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  9. Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  10. Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  11. Web-Applikation/Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  12. Web-Applikation/Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  13. Web-Applikation/Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  14. Web-Applikation/Qualitätsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  15. Web-Applikation/Normalisierung Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  16. Web-Applikation/Korrelationsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  17. Web-Applikation/Korrelationsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion

  18. Korrelationsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion • Untersuchter Datensatz: CD14, CD14_Ctlund mit IFN-α2a stimulierte CD14 • 1808 Korrelationspaare mit Korrelationskoeffizient >=0,99 für co-regulierte Gene bzw. <=-0,99 für entgegengesetzt regulierte Gene • 869 Gene gehören zu diesem Netzwerk • Hierarchisches Clustering der Korrelationsmatrix zwischen allen beteiligten Genen und der Intensitätsmatrix

  19. Korrelationsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion 869 Gene

  20. Korrelationsanalyse FilterungsmethodeEntfernung... Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion • aller Korrelationen, die Probesets ohne Genzuweisung enthalten • von „Ausreißer“ Korrelationen durch Ermittlung von Standardabweichung (SD), Mittelwert (M) getrennt für die Kontrolle („CD14_Ctl“) und IFN-α2a und Ausschluss der Gene, deren SD/M Ratio >60% für die Kontrollen und >100% für IFN-α2a Stimulationen liegt • von Genen mit ähnlicher Expression in den Kontrollzuständen („CD14_Ctl“) und nach IFN-α2a Stimulation durch Ausschluss der Gene, deren SD/M Ratio über beide Zustände <60% liegt

  21. KorrelationsanalyseFilterungsmethode Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion • Entfernung aller Gene mit einer ähnlichen Expression in den CD14 Monozyten und nach IFN-α2a Stimulation durch die Ermittlung der maximalen Expressionswerte über beide Zustände und Ausschluss der Gene, deren Signalwert <31 ist • Einbeziehen von weiteren Stimulationen mit anderen Aktivatoren(TNF, LPS) in die Korrelationsberechnung und Filterung nach Korrelationskoeffizient >0,5 bzw. <-0,5

  22. Korrelationsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion • Minderung von 1808 auf 543 Korrelationen • Spezifizierung von 869 auf 151 beteiligte Gene • Stärkere Reduktionen durch die Entfernung von Genen mit stark streuender Expression innerhalb einer Gruppe und durch Hinzunahme von anderen Stimulationszuständen • Einbeziehen von mehreren Funktionszuständen -> Steigerung der Spezifität der Co-Expressionen.

  23. Korrelationsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion 151 Gene 869 Gene

  24. Korrelationsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion • CD14TNF Datensatz und CD14IFN Datensatz niedriger Überlappungsgrad • IFNinduzierte Netzwerke haben eine hohe Spezifität für IFN • Überlappungsgrad von 52% zw. CD14IFN und CD14 LPS • LPS löst molekulare Reaktionen aus, die auch IFN induzieren

  25. Korrelationsanalyse Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion • 151 Gene des IFN-induzierten Co-Expressionsnetzwerken • Annotationsdatenbanken: KEGG Signalwege, Gene Ontology biologische Prozesse • KEGG Signalwege:Cytokine-cytokinereceptorinteractionChemokinesignalingpathway • GeneOntology: Cytokine-mediatedsignalingpathway type I interferone-mediatedsignalingpathwayresponsetovirusinterferone-gamma-mediatedsignalingpathway immune response

  26. Diskussion Einleitung Material und Methoden Ergebnisse Qualitätsanalyse Web-Applikation Korrelationsanalyse Diskussion • gezielte Auswahl der funktionellen Zuständen • Filterungsmethoden auf CD14 LPS Datensatz (713) und CD14TNF Datensatz (2059) • Schnittmenge aller 3 Datensätzen -> 16 Gene • molekulare Interaktionen im Reagenzglas • molekulare Reaktion bei jeder Immunaktivierung • Bezug zu den Signalwegmodellen • Referenzsignaturen im Sinne von Co-Regulationsnetzwerken

  27. Quellenverzeichniss • Adelmeyer M, Warmuth E,. Finanzmathematik für Einsteiger: Von Anleihen über Aktien zu Optionen (2005) vieweg - 2.Auflage • Alberts B, et al.. Molekularbiologie der Zelle(2004)Wiley-VCH - 4.Auflage • Allocco DJ, Kohane IS, Butte AJ. Quantifying the relationship between co-expression, co-regulation and gene function (2004) BMC Bioinformatics http://www.biomedcentral.com/1471-2105/5/18 • Berrar DP, Dublitzky W, Granzow M. A Practical Approach to Microarray Data Analysis (2002) Kluwer • Carmona-Saez P, Chagoyen M, Tirado F, Carazo JM, Pascual-Montano A. GENECODIS: A web-based tool for finding significant concurrent annotations in gene lists(2007)  Genome Biology 8(1):R3 • Creighton CJ, Nagaraja AK, Hanash SM, Matzuk MM, Gunaratne PH. A bioinformatics tool for linking gene expression profiling results with public databases of microRNA target predictions (2008) RNA Society • Crowley J, Ankerst DP. Handbook of Statistics in Clinical Oncology (2006) Chapman & Hall/CRC - 2.Auflage • De Rinaldis E, Lahm A. DNA Microarrays Current Applications (2007) Horizon - 1.Auflage) • Drặghici S. Statistics and Data Analysis for Microarrays Using R and Bioconductor(2012) CRCPressTaylor & Francis Group - 2.Auflage • Emmert-Streib F, Dehmer M. Analysis of Microarray Data (2008) Wiley-VCH • Janeway CA, Travers P, Walport M, Shlomchik M. Immunologie (2002) Spektrum - 5.Auflage • Hanahan D, Weinberg Ra. Hallmarksofcancer: thenext generation(2011)Cell ZeitschriftHartung J, Elpelt B, Klösener K.-H. Statistik: Lehr- und Handbuch der angewandten Statistik(2005) Oldenbourg - 14.Auflage • Hofmann WK. Gene Expression Profiling by Microarrays: Clinical Implications (2006) Camridge University Press - 1.Auflage • Hübner J. Komplementäre Onkologie: supportive Maßnahmen und evidenzbasirteEmpfehlungne(2008)Schattauer • Knudsen S. Cancer Diagnostics with DNA Microarrays (2006) Wiley-Liss • Murphy K, Travers P, Walport M. Janeway Immunologie (2009) Spektrum - 7.Auflage • Müller-Esterl W. Biochemie(2004) Spektrum - 1.Auflage • Nogales-Cadenas R, Carmona-Saez P, Vazquez M, Vicente C, Yang X, Tirado F, Carazo JM, Pascual-Montano A. GeneCodis: interpreting gene lists through enrichment analysis and integration of diverse biological information(2009)  Nucleic Acids Research. doi: 10.1093/nar/gkp416 • SchenderaCFG. Datenmanagement und Datenanalyse mit dem SAS-System (2004) OldenburdShamith AS, Forster S, Auchettl K, Hertzog PJ. INTERFEROME: the database of interferon regulated genes (2009) Nucleic Acids Research • Shoofs T, Müller-Tidow C. DNA methylation as a pathogenic event and as a therapeutic target in AML (2011) Cancel Treat Rev • Siegenthaler W, Blum HE. Klinische Pathophysiologie (2006) Georg Thieme - 9.Auflage • Sturn A, Quackenbush J, Trajanoski Z. Genesis: cluster analysis of microarray data (2002) Bioinformatics 18(1):207-8. • Tabas-Madrid D, Nogales-Cadenas R, Pascual-Montano A. GeneCodis3: a non-redundant and modular enrichment analysis tool for functional genomics (2012) Nucleic Acids Research. doi: 10.1093/nar/gks402 • Wagener C, Müller O. Molekulare Onkologie: Entstehung, Progression, klinische Aspekte (2011) Thieme - 3.Auflage • Weinberg JJM, Buchholz R. TNF-alpha Inhibitors (2006) Birkhäuser • http://genecodis.cnb.csic.es/ abgerufen 10.08.2013 • ArrayAnalysishttp://www.arrayanalysis.org/, abgerufen 23.07.2013

More Related