Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

System-scale network mode… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

System-scale network modeling of cancer using EPoC

Artikel i vetenskaplig tidskrift
Författare Tobias Abenius
Rebecka Jörnsten
Teresia Kling
Linnéa Schmidt
José Sánchez
Sven Nelander
Publicerad i Advances in Experimental Medicine and Biology
Volym 736
Nummer/häfte 5
Sidor 617-643
ISSN 0065-2598
Publiceringsår 2012
Publicerad vid Institutionen för matematiska vetenskaper, matematisk statistik
Institutionen för medicin
Sidor 617-643
Språk en
Länkar dx.doi.org/10.1007/978-1-4419-7210-...
Ämneskategorier Matematisk statistik, Molekylärbiologi, Bioinformatik och systembiologi, Funktionsgenomik, Cellbiologi, Tumörbiologi, Molekylär medicin, Medicinsk mikrobiologi

Sammanfattning

One of the central problems of cancer systems biology is to understand the complex molecular changes of cancerous cells and tissues, and use this understanding to support the development of new targeted therapies. EPoC (Endogenous Perturbation analysis of Cancer) is a network modeling technique for tumor molecular profiles. EPoC models are constructed from combined copy number aberration (CNA) and mRNA data and aim to (1) identify genes whose copy number aberrations significantly affect target mRNA expression and (2) generate markers for long- and short-term survival of cancer patients. Models are constructed by a combination of regression and bootstrapping methods. Prognostic scores are obtained from a singular value decomposition of the networks. We have previously analyzed the performance of EPoC using glioblastoma data from The Cancer Genome Atlas (TCGA) consortium, and have shown that resulting network models contain both known and candidate disease-relevant genes as network hubs, as well as uncover predictors of patient survival. Here, we give a practical guide how to perform EPoC modeling in practice using R, and present a set of alternative modeling frameworks.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?