Русская версия English version   
Том 9   Выпуск 2   Год 2014
Моделирование пространственного распределения эффекта нокаута генов, связанных с агрессивностью глиомы низкой степени злокачественности, в тканях мозга человека с помощью методов машинного обучения

Петровский Е.Д., Колчанов Н.А., Иванисенко В.А.

Институт цитологии и генетики Сибирского отделения РАН, Новосибирск, 630090, Россия,
Институт "Международный томографический центр" Сибирского отделения РАН, Новосибирск, 630090, Россия

 

Аннотация. В настоящее время нашли широкое применение экспериментальные методы анализа транскриптомных данных, направленные на изучение особенностей экспрессии генов из различных тканей при воздействии разнообразных факторов внешней среды, а также внутренних факторов, включая полиморфизмы. В частности, существующие методы нокаута и нокдауна генов позволяют моделировать воздействие внешних факторов на экспрессию целевого гена. Имеющиеся в открытом доступе данные по экспрессии генов в различных частях организма и, в частности, в разных областях мозга позволяют построить статистические модели взаимной зависимости уровней экспрессии генов. База данных Allen Brain Atlas, например, содержит уникальные данные по пространственному распределению уровней экспрессии генов в тканях головного мозга человека и мыши. Впервые, предложен подход к математическому моделированию пространственного распределения эффекта нокаута генов в тканях мозга человека с помощью методов машинного обучения и данных по экспрессии генов из Allen Brain Atlas. Показано, что нокаут центральных генов генной сети, связанной с агрессивностью глиомы низкой степени злокачественности, оказывает более значительный эффект на экспрессию других генов, по сравнению с генами, расположенными на периферии данной сети. При этом эффект имел выраженную неоднородность по локализации в пространстве.

Ключевые слова: генные сети, мозг, экспрессия генов, микрочипы, база данных Allen Brain Atlas, база данных STRING, глиомы низкой степени злокачественности, пространственное распределение уровня экспрессии генов, методы машинного обучения.

 
Содержание Оригинальная статья
Мат. биол. и биоинф.
2014;9(2):534-542
doi: 10.17537/2014.9.534
опубликована на рус. яз.

Аннотация (рус.)
Аннотация (англ.)
Полный текст (рус., pdf)
Список литературы

 

  Copyright ИМПБ РАН © 2005-2024