Ivan G. Costa Filho igcf@cin.ufpe.br Centro de Informática Universidade Federal de Pernambuco

1. Projeto Analise de Expressão Gênica de Câncer Ivan G. Costa Filhoigcf@cin.ufpe.brCentro de InformáticaUniversidade Federal de Pernambuco

2. Motivacao • Analise explorativa de dados de expressão gênica de câncer. • Utilização de técnicas • pre-processamento • Classificação • seleção de atributos • visualização.

3. Metodologia • Analise de 6 bases de dados • Dados extraídos a partir da literatura indicada. • Pre-processamento e filtro • Usar a metodologia de Souto et al 2008 (ver pagina 12 Experimental Design) http://www.biomedcentral.com/1471-2105/9/497 • Classificação • Métodos com selecao de atributos • PAM, Nearest ShrunkenCentroids, LDA, QDA, … • Avaliação Leave-one-out • Atributos • Analise de enriquecimento (gost) • http://biit.cs.ut.ee/gprofiler/ • Visualização • PCA (tecidos)

4. Dados I • Andersson, C. Microarray-based classification of a consecutive series of 121 childhoodacute leukemias: prediction of leukemic and genetic subtype as well as of minimal residual disease status. Leukemia, 61:11981203,April 2007. • S. S. Dave,. Molecular diagnosisof burkitt’s lymphoma. N Engl J Med., 354(23):2431–42, June 2006. • P. Farmer. Identification of molecular apocrine breast tumoursby microarray analysis. Oncogene, 24(29):4660–71, July 2005. • C. B. Gilks. Distinction between serous tumors of low malignant potential and serous carcinomas based on global mrna expression profiling. Gynecol Oncol., 96(3):684–94, March 2005. • C. M. Perou,. Molecular portraits of human breast tumours. Nature, 406(6797):747–52, August 2000. • D. S. Rickman, Distinctive molecular profiles of high-grade and low-grade gliomas based on oligonucleotide microarray analysis. Cancer Research, 61(18):6885–91, September 2001.

5. Dados II • D. Talantov, A. Novel genes associated with malignant melanoma but not benign melanocytic lesions. Clinical Cancer Research, 11(20):7234–42, October 2005. • True, I. A molecular correlate to the gleason grading system for prostate adenocarcinoma. Proc Natl Acad Sci U S A, 103(29):10991–6, July 2006. • Y. F. Wong, Expression genomics of cervical cancer: molecular classification and prediction of radiotherapy response by dna microarray. Clinical Cancer Research, 9(15):5486–92, November 2003. • X. J. Yang, A molecular classification of papillary renal cell carcinoma. Cancer Research, 65(13):5628–37, July 2005. • M. Sanchez-Carbayo. Defining molecular profiles of poor outcome in patients with invasive bladder cancer using oligonucleotide microarrays. Journal of Clinical Oncology, 24(5):778–789, February 2006. • T. Watanabe. Distal colorectal cancers with microsatellite instability (msi) display distinct gene expression profiles that are different from proximal msi cancers. Cancer Research, 66, 2006.

6. Relatório Final • Relatório em latex • Formato de Artigo • Introdução • Métodos • Experimentos (dados e metodologia) • Resultados • comparação de métodos com analise estatística • Gráficos com analise de pca • Referencias • Código e Bases de dados finais (De Souto 2008)

7. Cronograma • Encontro semanal • Terças na hora da aula • Cronograma • 26/5 - bases preparadas e filtradas • 2/6 - experimentos de classificação • 9/6 - analise dos genes • 16/6 - visualização • 23/6 – relatório final (dia 24 viajei!)

8. Dicas • Fazer a analise em R • Implementa pre-processamento • Tem implementacao dos metodos • Olhar literatura relacionada • Sandrine Dudoit and Jane Fridlyand, Classification in microarray experiments, Technical Report 2002.

9. Avaliação • Por projeto – baseada no acompanhamento do projeto e avaliacao final • Por aluno – no final cada um escreve um parágrafo dizendo o que cada participante fez. • Ver Authors' contributions em de Souto 2008.