Extracto
El cáncer se ha reconocido cada vez más como una enfermedad de la biología de sistemas, ya que muchos investigadores han demostrado que este fenotipo maligno surge de la proteína-proteína anormal, interacciones reguladoras y metabólicas inducidas por los cambios estructurales y reguladoras simultáneas en múltiples genes y las vías. Por lo tanto, la identificación de las interacciones oncogénicos y redes de señalización relacionados con el cáncer es crucial para una mejor comprensión del cáncer. A medida que las técnicas experimentales para la determinación de dichas interacciones y redes de señalización son mano de obra intensiva y requiere mucho tiempo, el desarrollo de un enfoque computacional capaz de realizar esta tarea sería de gran valor. Para este propósito, se presenta aquí un nuevo enfoque computacional basado en la topología de red y el aprendizaje de las máquinas capaces de predecir las interacciones oncogénicos y extraer subredes de señalización relacionadas con el cáncer relevantes de una red integrada de genes interacciones humanas (
INHGI
). Este enfoque, llamado
graph2sig
, es doble: en primer lugar, que asigna puntuaciones oncogénicos a todas las interacciones en el
INHGI
y luego estas puntuaciones oncogénicos se utilizan como pesos de las aristas para extraer subredes de señalización oncogénicas de
INHGI
. En cuanto a la predicción de las interacciones oncogénicos, demostramos que
graph2sig
es capaz de recuperar el 89% de las interacciones oncogénicos conocidos con una precisión del 77%. Por otra parte, las interacciones que recibieron puntuaciones altas oncogénicos se enriquecen en genes para los que las mutaciones se han implicado causalmente en el cáncer. Se demostró además que
graph2sig
es potencialmente útil en la extracción de subredes de señalización oncogénicas: más del 80% de las subredes construidos contienen más del 50% de las interacciones originales en sus vías oncogénicas lineales presentes en la base de datos KEGG vía correspondiente. Además, los posibles subredes de señalización oncogénicas descubiertos por
graph2sig
son apoyados por la evidencia experimental. Tomados en conjunto, estos resultados sugieren que
graph2sig
puede ser una herramienta útil para los investigadores que participan en la investigación del cáncer interesados en la detección de las redes de señalización más propensos a contribuir con la aparición del fenotipo maligno
Visto:. Acencio ML, Bovolenta LA, Camilo e, N Lemke (2013) Predicción de oncogénicos Interacciones relacionadas con el cáncer y las redes de señalización sobre la base de la topología de red. PLoS ONE 8 (10): e77521. doi: 10.1371 /journal.pone.0077521
Editor: Julio Vera, Universidad de Erlangen-Nuremberg, Alemania