شناسایی ژن‌های مرتبط با بقا در سرطان کلیه با استفاده از روش مولفه‌های اصلی لاسو

زمینه و هدف: یافتن ژن های مرتبط با بقا بر مبنای داده های بیان ژن، یک کاربرد مهم داده های ریزآرایه می باشد. هدف از مطالعه حاضر شناسایی ژن های مرتبط با بقای بیماران مبتلا به سرطان متعارف سلول های کلیوی با استفاده از داده های بیان ژن حاصل از ریزآرایه است.روش کار: این مطالعه از نوع تحلیل بقای داده های ابعاد بالا است. 177 نمونه بیمار مبتلا به سرطان متعارف سلول های کلیوی (conventional renal cell carcinoma: crcc) و برای هر فرد 14814 ژن مورد بررسی قرارگرفته است. برای تشخیص ژن های مرتبط با بقا از روش مولفه های اصلی لاسو (lassoed principal components: lpc) استفاده شده است که از اطلاعات بیان همه ژن ها برای محاسبه امتیاز یک ژن استفاده می نماید. در نهایت برای تعیین تعداد ژن های معنادار از معیار نرخ تشخیص کاذب (false discovery rate: fdr) استفاده شده است. تجزیه و تحلیل آماری با استفاده از نرم افزار r انجام شده است.یافته ها: بر اساس یافته های این مطالعه استفاده از نقطه برش 0.001 برای معیار fdr و بررسی 1041 ژن مرتبط با وضعیت بقای بیماران crcc که به ترتیب اهمیت قدر مطلق امتیازهای lpc بالاتری دارند، امکان بروز کمترین خطا را فراهم آورده است.نتیجه گیری: در این پژوهش پس از رتبه بندی ژن ها توسط امتیاز lpc برحسب میزان تغییرات بیان مرتبط با وضعیت بقای بیماران crcc، 11 ژن از مهم ترین ژن های مرتبط با بقا شناسایی شدند. امتیازهای lpc این 11 ژن منفی هستند بنابراین با افزایش بیان این ژن ها بقای بیماران crcc افزایش یافته است و به عبارت دیگر افزایش بیان این ژن ها فاکتورهای محافظتی این بیماران به شمار می آیند.

Identification of related genes with survival in renal carcinoma by using lassoed principal components method

Background: Identification of correlated genes with survival by gene expression data is an important application of microarray data. The purpose of this study is to identify correlated genes with survival of conventional renal cell carcinoma (cRCC) patients based on gene expression profiles.Methods: This study is a survival analysis with high dimensional covariates and containing 14814 gene expression measurements from 177 patients with cRCC. Lassoed principal components (LPC) method is used for identification associated genes with survival. LPC score uses information of all of gene expressions for computation a gene score. Finally False Discovery Rate (FDR) method is used to identify significant genes. Statistical analysis is done with using the R software.Results: The lowest error is satisfied with using the cutoff 0.001 for FDR criteria and with studying 1041 related genes with survival of cRCC patients.Conclusion: 11 genes are identified as most significant genes with survival of cRCC patients, after ranking the genes with their LPC scores with regard to their differentially expressions. The LPC scores of these 11 genes are negative, so increase of these gene expressions are related to increase of the survival of cRCC patients and in the other words the increase of these gene expressions are protective factors in cRCC patients