Refine
Document Type
Institute
Has Fulltext
- yes (20)
Is part of the Bibliography
- yes (20)
Keywords
- NGS (2)
- gut (2)
- type 2 diabetes (2)
- CNV (1)
- QTL (1)
- TGF-β (1)
- additive gene expression (1)
- annotation (1)
- artificial neural network (1)
- breast cancer (1)
Tumorentstehung ist ein Prozess, bei dem die Abläufe innerhalb der Zelle schrittweise verändert werden. Die vielfältigen Interaktionen bei der Tumorentstehung sind jedoch bislang nicht vollständig erforscht. Bisher wurden vorwiegend Genexpressionsanalysen genutzt, die jedoch nur eine Zeitaufnahme aller Genexpressionen innerhalb der Zelle darstellen und somit allein nicht ausreichend zur Charakterisierung eines Tumors. Wir haben mithilfe von Affymetrix Mouse Diversity Genotyping Microarrays Mausbrustdrüsengewebe entsprechend unserem Dreistufen-Mausmodell analysiert und die Kopienzahländerungen berechnet. Wir fanden eine zunehmende stufenweise Änderung von den transgenen zu den Tumorproben. Die Berechnung von chromosomalen Segmenten mit gleicher Kopienzahl zeigte deutliche Fragmentmuster.
Unsere Analysen zeigen, dass die Tumorentstehung ein schrittweiser Prozess ist, der sowohl durch Amplifikationen als auch Deletionen chromosomaler Abschnitte definiert ist. Wir fanden charakteristisch konservierte Fragmentierungsmuster und individuelle Unterschiede welche zur Tumorgenese beitragen.
Für die effektive Haltung von Mikroorganismen, kleinen Pflanzen oder Algen in Bioreaktoren ist die Aufrechterhaltung optimaler Kultivierungsbedingungen, wie beispielsweise pH-Wert, Temperatur oder Nährstoffgehalt, notwendig. Diese Parameter können sich während der Kultivierung ändern, weshalb sie regelmäßig kontrolliert und gegebenenfalls angepasst werden müssen. Wir präsentieren hier den technischen Aufbau und die Softwarerealisierung eines Automatisierungssystems zur autonomen Regulierung des pH-Wertes in Bioreaktoren, in denen die grüne Mikroalge Scenedesmus rubescens kultiviert wird. Dazu wurde ein System mit pH-Sensoren, Signalwandlern und Magnetventilen zur kontrollierten CO2-Begasung aufgebaut. Für die Steuerung und die Datenaufzeichnung diente ein Single-Board-Computer (Raspberry Pi) mit Webeserver. Die Anlage war voll funktionsfähig und konnte über mehrere Tage fehlerlos den pH-Wert auf einen vorgegebenen Wert regeln. Das System ist leicht auch auf Großanlagen und für andere Parameter erweiterbar. Durch die Nutzung eines Single-Board-Computers erfordert die Anlage nur minimalen Platz- und Energiebedarf und ist mit geringen Anschaffungskosten verbunden.
Bei Nacktmullen wurde bisher Tumorentstehung nicht beobachtet. Zur Untersuchung der molekularen Ursachen dient der Nacktmull daher als ein wertvoller Modellorganismus für Krebsresistenz. Ziel dieser Arbeit war eine weiterführende Analyse des kürzlich publizierten Genoms des Nacktmulls. Eine Genvorhersage konnte auf Grundlage der vorhandenden Genom- und Transkriptomdaten durchgeführt und ein hypothetisches Netzwerk der Interaktionen der tumorinduzierenden Faktoren erstellt werden. Dieses Netzwerk basiert auf den Tumorsuppressor-Regulationswegen p53 und RB im Menschen. Die Genom- und Transkriptom-Daten des Nacktmulls weisen deutliche Unterschiede zu den Befunden im Menschen auf. Dieser Befund könnte ein erster Anhaltspunkt für die Aufklärung der molekularen Ursachen der Krebsresistenz von Nacktmullen sein.
Genomweite Identifizierung von chromosomalen Bruchpunkten bei Tumoren unterschiedlicher Gewebe
(2016)
Aufgrund der jährlich ansteigenden Anzahl an Krebsneuerkrankungen und der tödlichen Verläufe von malignen Tumoren gewinnt die vollständige Aufklärung der Tumorgenese und -progression immer mehr an Bedeutung. Für diese können Untersuchungen zu Bruchpunkten, die eine Kopienzahlvariation (CNV) in Krebsgenomen bewirken, genutzt werden. Es wurde eine Pipeline entwickelt, die in der Lage ist, CNVs, Bruchpunktregionen (BPRs) und Gene genomweit mit Hilfe von SNP-Array-Daten zu detektieren. Dazu wurden 2.820 Tumorproben aus 8 Tumorentitäten untersucht und mit 432 Proben aus gesundem Gewebe verglichen. In den Tumorproben wurden vierfach mehr BPRs detektiert, wobei unter 5 % der Gene in den Normalproben betroffen sind. Wir identifizierten 31 hochspezifische BPRs. Die am häufigsten vorkommende Variation umschließt das Gen KIAA0513, welches in Verbindung mit der Apoptose steht. Anhand der hier entwickelten Pipeline können erste Einblicke in CNV- und Bruchpunkt-Muster in Tumorgenomen gewonnen werden, die zu einem verbesserten Verständnis der Tumorgenese und somit zu einer verbesserten Diagnostik und Therapie von Krebserkrankungen führen können.
Prostate cancer (PCa) is one amongst the most common cancersin western men. Incidence rate ofPCa is on the rise worldwide. The present study deals with theserum lipidome profiling of patients diagnosed with PCa to identify potential new biomarkers. We employed ESI-MS/MS and GC-MS for identification of significantly altered lipids in cancer patient’s serum compared to controls. Lipidomic data revealed 24 lipids are significantly altered in cancer patinet’s serum (n = 18) compared to normal (n = 18) with no history of PCa. By using hierarchical clustering and principal component analysis (PCA) we could clearly separate cancer patients from control group. Correlation and partition analysis along with Formal Concept Analysis (FCA) have identified that PC (39:6) and FA (22:3) could classify samples with higher certainty. Both the lipids, PC (39:6) and FA (22:3) could influence the cataloging of patients with 100% sensitivity (all 18 control samples are classified correctly) and 77.7% specificity (of 18 tumor samples 4 samples are misclassified) with p-value of 1.612×10−6 in Fischer’s exact test. Further, we performed GC-MS to denote fatty acids altered in PCa patients and found that alpha-linolenic acid (ALA) levels are altered in PCa. We also performed an in vitro proliferation assay to determine the effect of ALA in survival of classical human PCa cell lines LNCaP and PC3. We hereby report that the altered lipids PC (39:6) and FA (22:3) offer a new set of biomarkers in addition to the existing diagnostic tests that could significantly improve sensitivity and specificity in PCa diagnosis.
Microbiomic analysis of human gut samples is a beneficial tool to examine the general well-being and various health conditions. The balance of the intestinal flora is important to prevent chronic gut infections and adiposity, as well as pathological alterations connected to various diseases. The evaluation of microbiome data based on next-generation sequencing (NGS) is complex and their interpretation is often challenging and can be ambiguous. Therefore, we developed an innovative approach for the examination and classification of microbiomic data into healthy and diseased by visualizing the data as a radial heatmap in order to apply deep learning (DL) image classification. The differentiation between 674 healthy and 272 type 2 diabetes mellitus (T2D) samples was chosen as a proof of concept. The residual network with 50 layers (ResNet-50) image classification model was trained and optimized, providing discrimination with 96% accuracy. Samples from healthy persons were detected with a specificity of 97% and those from T2D individuals with a sensitivity of 92%. Image classification using DL of NGS microbiome data enables precise discrimination between healthy and diabetic individuals. In the future, this tool could enable classification of different diseases and imbalances of the gut microbiome and their causative genera.
Background
Type 2 diabetes mellitus is a prevalent disease that contributes to the development of various health issues, including kidney failure and strokes. As a result, it poses a significant challenge to the worldwide healthcare system. Research into the gut microbiome has enabled the identification and description of various diseases, with bacterial pathways playing a critical role in this context. These pathways link individual bacteria based on their biological functions. This study deals with the classification of microbiome pathway profiles of type 2 diabetes mellitus patients.
Methods
Pathway profiles were determined by next-generation sequencing of 16S rDNA from stool samples, which were subsequently assigned to bacteria. Then, the involved pathways were assigned by the identified gene families. The classification of type 2 diabetes mellitus is enabled by a constructed neural network. Furthermore, a feature importance analysis was performed via a game theoretic approach (SHapley Additive exPlanations). The study not only focuses on the classification using neural networks, but also on identifying crucial bacterial pathways.
Results
It could be shown that a neural network classification of type 2 diabetes mellitus and a healthy comparison group is possible with an excellent prediction accuracy. It was possible to create a ranking to identify the pathways that have a high impact on the model prediction accuracy. In this way, new associations between the alteration of, e.g. a biosynthetic pathway and the presence of diabetes mellitus type 2 disease can also be discovered. The basis is formed by 946 microbiome pathway profiles from diabetes mellitus type 2 patients (272) and healthy comparison persons (674).
Conclusion
With this study of the gut microbiome, we present an approach using a neural network to obtain a classification of healthy and type 2 diabetes mellitus and to identify the critical features. Intestinal bacteria pathway profiles form the basis.
Background
Diabetes mellitus type 2 is a common disease that poses a challenge to the healthcare system. The disease is very often diagnosed late. A better understanding of the relationship between the gut microbiome and type 2 diabetes can support early detection and form an approach for therapies. Microbiome analysis offers a potential opportunity to find markers for this disease. Next-generation sequencing methods can be used to identify the bacteria present in the stool sample and to generate a microbiome profile through an analysis pipeline. Statistical analysis, e.g., using Student’s t-test, allows the identification of significant differences. The investigations are not only focused on single bacteria, but on the determination of a comprehensive profile. Also, the consideration of the functional microbiome is included in the analyses. The dataset is not from a clinical survey, but very extensive.
Results
By examining 946 microbiome profiles of diabetes mellitus type 2 sufferers (272) and healthy control persons (674), a large number of significant genera (25) are revealed. It is possible to identify a large profile for type 2 diabetes disease. Furthermore, it is shown that the diversity of bacteria per taxonomic level in the group of persons with diabetes mellitus type 2 is significantly reduced compared to a healthy control group. In addition, six pathways are determined to be significant for type 2 diabetes describing the fermentation to butyrate. These parameters tend to have high potential for disease detection.
Conclusions
With this investigation of the gut microbiome of persons with diabetes type 2 disease, we present significant bacteria and pathways characteristic of this disease.
The microarray technology has become an established approach for large-scale gene expression analysis with mature protocols for sample, microarray, and data processing. The maize oligonucleotide array (maizearray) is one of the few microarray platforms designed for genome-wide gene expression analysis in Zea mays L. Many datas-ets addressing various genetic, physiological and developmental topics generated with this platform are available. The original 57,452 microarray probes were compiled based on expressed sequence tags (ESTs). Meanwhile the maize genome sequence became available providing the possibility for an improved annotation of the microar-ray probe set. In this study we determined the genome positions of all maizearray probes to obtain current gene annotations and generated current Gene Ontology (GO) annotations. These new data allow tracing redundancy of the probe set and interfering cross-hybridizations, and doubled the number of genes with functional GO data. Our re-annotation will largely improve the functional analysis of available and future datasets generated on this microarray platform.
To support a quantitative real-time polymerase chain reaction standardization project, a new reference gene database application was required. The new database application was built with the explicit goal of simplifying not only the development process but also making the user interface more responsive and intuitive. To this end, CouchDB was used as the backend with a lightweight dynamic user interface implemented client-side as a one-page web application. Data entry and curation processes were streamlined using an OpenRefine-based workflow. The new RefPrimeCouch database application provides its data online under an Open Database License.
