Abstract

Cancro tem sido cada vez mais reconhecida como uma doença biologia de sistemas uma vez que muitos pesquisadores têm demonstrado que este fenótipo maligno emerge anormal da proteína-proteína, interações reguladoras e metabólicas induzidas por mudanças estruturais e regulatórias simultâneas em vários genes e caminhos. Portanto, a identificação de interacções oncogénicos e redes de sinalização relacionados com o cancro é crucial para um melhor entendimento do cancro. Como técnicas experimentais para determinar tais interações e sinalização redes são e demorado trabalho intensivo, o desenvolvimento de uma abordagem computacional capaz de realizar essa tarefa seria de grande valor. Para este fim, apresentamos aqui uma abordagem computacional romance baseado em topologia de rede e aprendizagem de máquina capaz de predizer interações oncogênicos e extrair sub-redes de sinalização relevantes do câncer a partir de uma rede integrada de interações genes humanos (

INHGI

). Esta abordagem, chamada

graph2sig

, é dupla: primeiro, ele atribui pontuações oncogênicos a todas as interações no

INHGI

e, em seguida, essas pontuações oncogênicos são usados ​​como pesos de ponta para extrair sub-redes de sinalização oncogênicas de

INHGI

. Em relação à previsão de interações oncogênicos, mostramos que

graph2sig

é capaz de recuperar 89% das interações oncogênicos conhecidos com uma precisão de 77%. Além disso, as interacções que receberam pontuações altas oncogénicos são enriquecidos em genes para os quais as mutações têm sido causalmente implicado no cancro. Também demonstramos que

graph2sig

é potencialmente útil na extracção de sub-redes de sinalização oncogénicos: mais de 80% de sub-redes construídos conter mais do que 50% de interacções iniciais do seu percursos lineares oncogénicos presentes na base de dados CAMINHO KEGG correspondente. Além disso, os potenciais sub-redes de sinalização oncogênicas descoberto pelo

graph2sig

são suportadas pela evidência experimental. Tomados em conjunto, estes resultados sugerem que

graph2sig

pode ser uma ferramenta útil para os investigadores envolvidos na investigação sobre o cancro interessado na detecção de redes de sinalização mais propensos a contribuir com o surgimento de fenótipo maligno

Citation:. Acencio ML, Bovolenta LA, Camilo e, Predição de Oncogênicos interações e câncer relacionado ao Sinalização redes baseadas em topologia de rede Lemke N (2013). PLoS ONE 8 (10): e77521. doi: 10.1371 /journal.pone.0077521

editor: Julio Vera, da Universidade de Erlangen-Nuremberg, Alemanha