Development of visual analysis interfaces for large biological data and characterization of immunomodulatory noncoding RNA networks cancer

Abstract

These days we are collecting data in higher and higher dimensions, processing it, and developing tools that have strong descriptive and predictive powers. Especially in the field of cancer, the processing of data collected from patients has substantial potential in terms of discovering new biomarkers, developing personalized treatment methods, and better prognosticators. However, there are significant difficulties in utilizing and analyzing high-dimensional data. A good level of coding skills is required to bring the data together and apply different analysis methods. With the visual interfaces created in this study, we offer the opportunity to examine and analyze the high-dimensional data of thousands of cancer patients, which are open to the public through The Cancer Genome Atlas initiative, especially for bench scientists who has no prior coding expertise. The Cancer Genome Explorer, shortly TCGEx, is a robust bioinformatic tool that we developed to facilitate high-throughput cancer data analysis through several sophisticated algorithms. With special features like subset-specific analysis and comparative analysis by using multiple cancer data, TCGEx can contribute to the literature by accelerating the studies, especially in hypothesis-driven research. This study also describes a use-case scenario that demonstrates how hypothesis-driven research can be performed using TCGExplorer for melanoma. In melanoma, elucidating the interactions between the tumor and the immune system at the miRNA level is crucial for developing new therapeutics. In this study, we characterize the properties of potential therapeutic targets that act on tumor and immune cells, which we have identified using various statistical analysis methods including machine learning, dimensionality reduction, and survival modeling using the TCGEx portal.

Her geçen gün daha yüksek boyutlarda veri toplamaya başladığımız bu günlerde, toplanan verileri işleyerek tahmin, sınıflandırma ve modelleme sağlayan araçlara dönüştürmek gelecek açısından oldukça önemlidir. Özellikle kanser alanında, hastalardan toplanan verilerin işlenmesi, yeni biyobelirteçlerin keşfedilmesi, kişiselleştirilmiş tedavi yöntemlerinin geliştirilmesi ve daha iyi prognostikler açısından önemli bir potansiyele sahiptir. Ancak, yüksek boyutlu verilerin incelenmesinde ve analiz edilmesinde önemli zorluklar vardır. Verileri bir araya getirmek ve farklı analiz yöntemleri uygulamak için iyi düzeyde kodlama becerisi gerekir. Bu çalışmada oluşturulan görsel arayüzlerle Kanser Genom Atlası programının halka açık binlerce kanser hastasına ait yüksek boyutlu verileri kodlama bilgisine ihtiyaç duymadan analiz edilebilir. Geliştirdiğimiz bir biyoinformatik araç olan The Cancer Genome Explorer, kısaca TCGEx, bilim insanlarına kapsamlı bir araştırma fırsatı sunarak yüksek verimli kanser verisi analizlerini kolaylaştırırken aynı zamanda bu alandaki bilimsel çalışmların hızını arttırarak kansere dair olan bilgi birikimimizi arttırma potansiyeli taşır. Kanser alt tiplerini güçlü bir şekilde analiz edebilme ve çoklu kanser verilerini kullanarak karşılaştırmalı analizleri mümkün kılma gibi özellikleri ile TCGEx, özellikle hipotez odaklı araştırmalarda çalışmaları hızlandırarak literatüre katkıda bulunabilir. Bu çalışma ayrıca melanom için TCGExplorer kullanılarak hipoteze dayalı araştırmaların nasıl yapılabileceğini gösteren bir kullanım senaryosu sunmaktadır. Melanomda, tümör ve bağışıklık sistemi arasındaki etkileşimlerin miRNA düzeyinde aydınlatılması, yeni terapötiklerin geliştirilmesi için çok önemlidir. Bu çalışmada, makine öğrenmesi, boyut azaltma, hayatta kalma ve orantılı tehlike modelleme gibi çeşitli istatistiksel analiz yöntemlerini kullanarak belirlediğimiz tümör ve bağışıklık hücrelerine etki eden potansiyel terapötik hedeflerin özelliklerini TCGEx ile birlikte karakterize ediyoruz.