Meme kanseri mikrodizin verilerinin biyoinformatik yöntemler ile bir araya getirilmesi - Meta-analiz yaklaşımları

Abstract

Meme kanseri kadınlarda en yaygın görülen kanser türüdür ve akciğer kanserinden sonra kadınlarda kanser ölümlerinde ikinci sıradadır. Çok sebepli, kompleks bir genetik hastalık olan meme kanseri moleküler düzeyde detaylı bir şekilde çalışılmış ve yüksek işlem hacimli mikrodizin çalışmaları sayesinde moleküler alt tiplere sınıflandırılmıştır. Meme kanserine sebep olan ve gelişiminde rol oynayan pek çok gen tespit edilmiş olsa da meme kanserinin regülasyonunda rol oynayan moleküler mekanizmalar hala tam olarak açıklanamamıştır. Bu eksiklik, meme kanseri oluşumunu öngörücü yeni biyobelirteçlerin aranmasını zorunlu kılmıştır. Yüksek işlem hacimli bir yöntem olan mikrodizin aynı anda binlerce genin ifadesinin belirlenmesine olanak sağlamaktadır. Mikrodizin yöntemi ile elde edilmiş ham ve işlenmiş verilerin, hatta deneylerde kullanılan örneklerin klinik ve/ veya patolojik özelliklerinin bulunduğu halka açık veritabanları bulunmaktadır. Mikrodizin veritabanlarına yüklenmiş olan bağımsız mikrodizin verilerinden daha fazla bilgi sağlamak meta-analiz yöntemiyle mümkün olmakta ve var olan veriyi değerli kılmaktadır. Meta-analiz yöntemleri farklı kanser tiplerinde ve çeşitli hastalıklarda her geçen gün daha fazla kullanılmaktadır. Meme kanserinde de metaanaliz çalışmaları çok fazla olmamakla birlikte sayısı gün geçtikçe artmaktadır. Bu yöntem hastalığın tanısını ve gidişatını öngörebilecek ayrıca tedavisine katkı sağlayabilecek yeni biyobelirteçlerin belirlenmesini mümkün kılmaktadır. Ciddi bütçelerle yapılan mikrodizin çalışmalarının çeşitli meta-analiz yöntemleriyle bir araya getirilmesi her bir çalışmanın kendi başına ortaya çıkaramayacağı sonuçların alınmasında önemlidir. Meta-analiz çalışması pek çok veriyi bir araya getirme şansı tanıdığı için, elde edilen sonuçlar yalnızca bir vakaya özel değil; daha genel bilgiyi yansıtmaktadır. Bu nedenle meme kanserinin de içerisinde bulunduğu birçok hastalıktaki mekanizmaların meta-analiz yöntemlerinin yardımıyla detaylı ve kapsamlı bir şekilde araştırılmasının tanı ve tedavi için alternatif ve etkin hedeflerin belirlenmesine olanak sağlaması mümkündür.

Keywords

• Meme kanseri, mikrodizin, meta-analiz

Combination of breast cancer microarray data by using bioinformatic methods - Meta-analysis approaches

Abstract

Today breast cancer is one of the major cancer types among women in the world. After lung cancer, it is the second leading cause of cancer death in women. Breast cancer is a multi-factorial and complex genetic disease, which was studied in detail at the molecular level. With the use of microarray technology breast cancer was classified into molecular subtypes. Although some genes were found to be responsible for the development and the progression of the disease, many of the molecular mechanisms underlying breast cancer progression remain poorly understood. This deficit has led to significant interest in the quest for novel predictive markers for breast cancer. Microarray is a high throughput technique, which provides to detection of thousands of genes’ expression. There are many publicly accessible databases, which have raw and processed data of microarray analysis and clinical and /or pathological information of samples. Metaanalysis approaches are provided more information from independent microarray datasets, which were uploaded on publicly accessible databases. Meta-analysis approaches are used for different cancer types and various diseases including breast cancer increasingly in recent years. These methods allow the finding of predictive biomarkers for the development and progression of the disease while they can also be used for new or alternative targets for the treatment of the disease. Meta-analysis might increase the knowledge by gathering and processing individual microarray datasets. Accordingly it is predicted that new or alternative targets might be identified by researching on numerous disease mechanisms including breast cancer

Keywords

• Breast cancer, microarray, meta-analysis

References

1. 1. Oldenburg R, Meijers-Heijboer H, Cornelisse C, Devilee P. Genetic susceptibility for breast cancer: how many more genes to be found? Critical Rev Oncol/Hematol. 2007; 63(2): 125-149.
2. 2. http://www.cancer.org (Erişim tarihi: 23.09.2014)
3. 3. Rakha EA, Reis-Filho JS, Baehner F, Dabbs DJ, Decker T, Evsebi V, et al. Breast cancer prognostic classification in the molecular era: the role of histological grade. Breast Cancer Res, 2010; 12(4): 207.
4. 4. Bertos NR, Park M. Breast cancer-one term, many entities? J Clin Invest, 2011; 121(10): 3789.
5. 5. Gusterson BA, Ross DT, Heath VJ, Stein T. Basal cytokeratins and their relationship to the cellular origin and functional classification of breast cancer. Breast cancer research : BCR, 2005; 7(4): 143-8.
6. 6. Perou CM, Sørlie T, Eisen MB, Van de Rijn M, Jeffrey SS, Rees CA, et al. Molecular portraits of human breast tumours. Nature, 2000; 406(6797): 747-52.
7. 7. Sørlie T, Tibshirani R, Parker J, Hastie T, Marron JS, Nobel A, et al. Repeated observation of breast tumor subtypes in independent gene expression data sets. Proc N Acad Sci USA. Jul 8 2003; 100(14): 8418-23.
8. 8. Siziopikou KP. Ductal Carcinoma In Situ of the Breast: Current Concepts and Future Directions. Arch Pathol Lab Med, 2013; 137(4): 462-6.

9. 9. Rosen PP, Lesser ML, Arroyo CD, Cranor M, Borgen P, Norton L. Immunohistochemical detection of HER2/neu in patients with axillary lymph node negative breast carcinoma. A study of epidemiologic risk factors, histologic features, and prognosis. Cancer, 1995; 75(6): 1320-6.
10. 10. Gusterson BA, Gelber RD, Goldhirsch A, Price KN, Säve-Söderborgh J, Anbazhagan R, et al. Prognostic importance of c-erbB-2 expression in breast cancer. International (Ludwig) Breast Cancer Study Group. J Clin Oncol, 1992; 10(7): 1049-56.
11. 11. Slamon DJ, Leyland-Jones B, Shak S, Fuchs H, Paton V, Bajamonde A, et al. Use of chemotherapy plus a monoclonal antibody against HER2 for metastatic breast cancer that overexpresses HER2. N Engl J Med, 2001; 344(11): 783-92.
12. 12. Marty M, Cognetti F, Maraninchi D, Snyder R, Mauriac L, Tubiana-Hulin M, et al. Randomized phase II trial of the efficacy and safety of trastuzumab combined with docetaxel in patients with human epidermal growth factor receptor 2-positive metastatic breast cancer administered as first-line treatment: the M77001 study group. J Clin Oncol, 2005; 23(19): 4265-74.
13. 13. den Hollander P, Savage MI, Brown PH. Targeted therapy for breast cancer prevention. Front Oncol, 2013; 3.
14. 14. Herschkowitz JI, Simin K, Weigman VJ, Mikaelian I, Usaty J, Itu Z, et al. Identification of conserved gene expression features between murine mammary carcinoma models and human breast tumors. Genom Biol, 2007; 8(5): 76.
15. 15. Romero-Cordoba S, Rodriguez-Cuevas S, RebollarVega R, Quintanar-Jurado V, Maffuz-Aziz A,Jimenes-Sanchez G, et al. Identification and pathway analysis of microRNAs with no previous involvement in breast cancer. PloS One, 2012; 7(3): 31904.
16. 16. Yulug IG, Gur-Dedeoglu B. Functional genomics in translational cancer research: focus on breast cancer. Brief Func Gen Proteomic, 2008; 7(1): 1-7.
17. 17. Gershon D. Microarray technology: an array of opportunities. Nature, 2002; 416(6883): 885-91.
18. 18. Brazma A, Hingamp P, Quackenbush J, et al. Minimum information about a microarray experiment (MIAME)—toward standards for microarray data. Nat Genet, 2001; 29(4): 365-71.
19. 19. h t t p : / / w w w. n c b i . n l m . n i h . g o v / g e o (Erişim tarihi: 23.09.2014)
20. 20. h t t p : / / w w w. e b i . a c . u k / a r r a y e x p r e s s (Erişim tarihi: 23.09.2014)
21. 21. Normand S-LT. Tutorial in biostatistics metaanalysis: formulating, evaluating, combining, and reporting. Stat Med, 1999; 18(3): 321-59.
22. 22. Gur-Dedeoglu B, Konu O, Kir S, Ozturk AR, Bozkurt B, Ergul G, Yulug IG. A resampling-based meta-analysis for detection of differential gene expression in breast cancer. BMC Cancer, 2008; 8: 396.
23. 23. Smith D, Sætrom P, Snøve O, et al. Meta-analysis of breast cancer microarray studies in conjunction with conserved cis-elements suggest patterns for coordinate regulation. BMC Bioinformatic, 2008; 9(1): 63.
24. 24. Thomassen M, Tan Q, Kruse TA. Gene expression meta-analysis identifies metastatic pathways and transcription factors in breast cancer. BMC Cancer, 2008; 8: 394.
25. 25. Phan JH, Young AN, Wang MD. Robust microarray meta-analysis identifies differentially expressed genes for clinical prediction. Sci World J, 2012; 2012: 989637.