Identifying colon cancer risk modules with better classification performance based on human signaling network

شناسایی تفاوت بین نمونه های طبیعی و تومور از دیدگاه مدولار ممکن است به بهبود درک ما از مکانیزم های مسئول سرطان روده بزرگ کمک کند. بسیاری از مطالعات سرطان نشان داده اند که انتقال های سیگنالینگ و مسیرهای بیولوژیک در حالت بیماری اختلال ایجاد می شود و پروفایل های بیان می توانند تغییرات در بیماری ها را تشخیص دهند. در این مطالعه، ما یک شبکه سیگنالینگ انسانی و پروفیل های بیان ژن را برای انتخاب رژیم های خطر مرتبط با شرایط تومور، یکپارچه کردیم. ماژول های خطر به عنوان ویژگی های طبقه بندی توسط روش ما دارای عملکرد طبقه بندی بهتر نسبت به سایر روش ها بود و یک ماژول خطر برای سرطان کولون دارای عملکرد طبقه بندی خوبی برای تشخیص بین نمونه های نرمال / تومور و بین مراحل تومور بود. تمام ژن ها در این ماژول به روند بیولوژیکی تنظیم مثبت پروتئین های سلولی و با سرطان کولون ارتباط داشتند. این نتایج نشان می دهد که این ژن ها ممکن است ژن های خطر بالقوه برای سرطان روده بزرگ باشد.