Ağ Tabanlı Kopya Sayısı Varyasyon Analizi
Network-Based Copy Number Variation Analysis · Ayrıca şöyle bilinir: network CNV analysis, CNV network propagation, graph-based CNV analysis, network-integrated copy number analysis
Ağ tabanlı kopya sayısı varyasyon analizi, yalnızca ham kopya sayısı varyasyonu (CNV) çağrısının kaçıracağı işlevsel olarak tutarlı bölgeleri, sürücü genleri ve değiştirilmiş alt ağları belirlemek için genom çapında CNV verilerini protein-protein etkileşimi (PPI) veya yolak ağları gibi biyolojik etkileşim ağlarıyla entegre eder. Yöntem, CNV sinyallerini ağ grafiği boyunca yayarak, ortak biyolojik işlevlere yakınsayan koordine edilmiş genomik dozaj dengesizliklerini ortaya çıkarır, bu da onu özellikle kanser genomiklerinde ve nadir hastalık çalışmalarında güçlü kılar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Özellikle kanser örnekleri veya genomik hastalıklara sahip hastaların genom çapında kopya sayısı profillerine sahip olduğunuzda ve ham CNV çağrısının ötesinde biyolojik olarak anlamlı sürücü değişikliklerini belirlemek istediğinizde ağ tabanlı CNV analizini kullanın. Bireysel CNV olaylarının hastalar arasında heterojen olduğu (düşük tekrarlanma) ancak ortak yolaklara yakınsadığı durumlar için uygundur. İncelenen organizma için güvenilir bir biyolojik ağ gereklidir; sonuçlar yalnızca ağ kapsamı kadar bilgilendiricidir. Yalnızca birkaç örneğiniz varsa (~20'den az kanser çalışması için), uygun bir etkileşim ağınız yoksa, birincil hedefiniz hassas kırılma noktası haritalaması ise (bunun yerine yapısal varyant çağırmayı kullanın) veya CNV verileri bireysel gen düzeyindeki değişiklikleri güvenilir bir şekilde ayırt edemeyen düşük çözünürlüklü dizi verileri ise BU YÖNTEMİ KULLANMAYIN.
Güçlü yönler & sınırlılıklar
- Bireysel gen değişikliklerinin kohort boyunca nadir olduğu durumlarda bile işlevsel olarak tutarlı sürücü modüllerini tanımlar.
- Yorumlanabilir, mekanistik olarak ilgili bulgulara odaklanmak için ön biyolojik bilgileri (PPI, yolak veritabanları) entegre eder.
- Birçok sinyali alt ağ birimlerine indirgeyerek gen bazlı testlere kıyasla çoklu test yükünü azaltır.
- Çoklu-omik uzantısıyla uyumlu — CNV puanları, aynı yayılım çerçevesinde mutasyon veya ifade verileriyle birleştirilebilir.
- Hem somatik (kanser) hem de germ hatı (nadir hastalık) CNV veri kümelerine uygulanabilir.
- Sonuçlar, arka plan ağının seçimine ve eksiksizliğine oldukça duyarlıdır; yetersiz kapsanan genler veya dokular yetersiz tespit edilecektir.
- Ağ yayılımı, heterojen değişiklik modellerini yumuşatarak, potansiyel olarak farklı biyolojik lezyonları tek bir modülde birleştirir.
- Kararlı tekrarlanma istatistikleri üretmek için orta derecede büyük bir kohort gerektirir; çok küçük kohortlar kararsız alt ağ puanları verir.
- Yüksek performanslı bilgi işlem kaynakları olmadan çok büyük ağlar için hesaplama açısından yoğun permütasyon testi engelleyici olabilir.
SSS
Yayılım alt tabakası olarak hangi ağı kullanmalıyım?
Seçim önemli ölçüde fark eder. STRING, BioGRID veya HINT gibi küratörlü PPI veritabanları yaygın varsayılanlardır. Kanser çalışmaları için, eş-ifade verilerinden türetilen dokuya özgü veya kansere özgü ağlar özgüllüğü artırabilir. Yolak tabanlı ağlar (KEGG, Reactome) daha yorumlanabilir ancak daha seyrek sonuçlar verir. Her zaman hangi ağ sürümünün kullanıldığını bildirin ve analizinizin bir parçası olarak ağ seçimine duyarlılığı kontrol edin.
Bu, standart GISTIC2 analizinden nasıl farklıdır?
GISTIC2, genomik koordinat düzeyinde istatistiksel olarak tekrarlayan odak ve geniş CNV olaylarını tanımlar — en sık değiştirilmiş zirveleri bulmak için mükemmeldir. Ağ tabanlı analiz ikinci bir katman ekler: bireysel olarak orta frekansta değiştirilmiş genlerin işlevsel olarak bağlı modüller oluşturup oluşturmadığını sorar. İki yöntem birbirini tamamlayıcıdır; GISTIC2 bulguları ağ yayılımı için girdi puanları olarak hizmet edebilir.
Ne kadar örnek büyüklüğüne ihtiyacım var?
Kanser kohortlarında kararlı alt ağ puanları için en az 50-100 örnek önerilir. 20-50 örneğe sahip çalışmalar keşif bulguları sağlayabilir ancak sonuçları dikkatli bir şekilde yorumlanmalıdır. 20 örneğin altında, tekrarlanma istatistikleri güvenilmezdir ve yöntem uygun değildir; standart tek örnekli CNV karakterizasyonu tercih edilir.
Bu yöntemi vaka-kontrol çalışmalarından elde edilen germ hatı CNV verilerine uygulayabilir miyim?
Evet, ancak modifikasyonlarla. Tümörler arasındaki tekrarlanma sıklığı yerine, genleri vaka-kontrol zenginleştirmesiyle puanlarsınız. Yayılım ve alt ağ adımları aynıdır, ancak yanlış keşif oranını doğru bir şekilde tahmin etmek için sıfır permütasyonun vaka-kontrol etiketlerini koruması gerekir. NETBAG ve ağ kısıtlı yük testleri gibi araçlar bu ayar için geliştirilmiştir.
Yöntem CNV'nin boyutunu hesaba katıyor mu?
Bu, puanlama şemasına bağlıdır. GISTIC2'den elde edilen gen düzeyindeki puanlar zaten segment boyutunu ve genliğini içerir. Girdi ağırlığı olarak basit tekrarlanma sıklığını kullanırsanız, birçok geni etkileyen büyük CNV'ler, içindeki tüm genlerin puanlarını kayıtsızca artıracaktır — bunu azaltmak için yayılımdan önce odak olay filtresi uygulamak veya genlik ağırlıklı puanlar kullanmak önerilir.
Kaynaklar
- Vandin, F., Upfal, E., & Raphael, B. J. (2012). De novo discovery of mutated driver pathways in cancer. Genome Research, 22(2), 375–385. DOI: 10.1101/gr.120477.111 ↗
- Leiserson, M. D. M., Vandin, F., Wu, H.-T., Dobson, J. R., Eldridge, J. V., Thomas, J. L., Papoutsaki, A., Kim, Y., Niu, B., McLellan, M., Lawrence, M. S., Gonzalez-Perez, A., Tamborero, D., Cheng, Y., Ryslik, G. A., Lopez-Bigas, N., Getz, G., Ding, L., & Raphael, B. J. (2015). Pan-cancer network analysis identifies combinations of rare somatic mutations across pathways and protein complexes. Nature Genetics, 47(2), 106–114. DOI: 10.1038/ng.3168 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Network-Based Copy Number Variation Analysis. ScholarGate. https://scholargate.app/tr/bioinformatics/network-based-copy-number-variation-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kopya Numarası Değişkenliği AnaliziBiyoenformatik↔ karşılaştır
- Gen Kümesi Zenginleşme Analizi (GSEA)Biyoenformatik↔ karşılaştır
- Ağ Tabanlı GWASBiyoenformatik↔ karşılaştır
- Ağ Tabanlı RNA-seq Diferansiyel İfade AnaliziBiyoenformatik↔ karşılaştır
- Yol Zenginleştirme AnaliziBiyoenformatik↔ karşılaştır
- Variant CallingBiyoenformatik↔ karşılaştır