提高癌症的遗传分析工具建模

生活方式行为如吃好和锻炼可以显著的因素在一个人的整体健康。但癌症的风险主要是心血来潮的个体的基因。

我们的身体不断的复制基因产生新的细胞。然而,在这些副本有偶尔犯下的错误,这一现象遗传学家叫突变。在某些情况下,这些错误可以改变蛋白质、基因融合,改变多少基因被复制,最终影响患癌症的风险。科学家们可以更好地了解突变的影响通过开发肿瘤活动的预测模型。

生物医学工程助理教授Christopher Plaisier Ira a·富尔顿学校的工程在亚利桑那州立大学,发展一个软件工具叫OncoMerge使用改善癌症基因数据建模技术。

OncoMerge是一个平台,检测异常基因融合以及突变的影响蛋白表达又有多少次基因复制。软件分析突变揭示背后的网络连接和开发一个模型来预测未来的变化引起的突变。

“我们可以看看使用相关的基因表达模式,“Plaisier说,世卫组织还在亚利桑那州立大学生物设计中心助理教员生物运算、安全和社会。“然后我们可以看到被激活或压抑,这让我们看看背后的更深层次的功能。”

Plaisier一直反思OncoMerge因为他的博士后工作的想法,在他第一次注意到需要一个过程背后的网络平台突变。结合他的专业知识作为人类遗传学家,计算生物学家和癌症生物学家到一个单独的项目。

他最近的研究解决了基因突变检测通过设计一个数据库,使用的挑战基因数据在网络分析相关活动。结果今天发表在《华尔街日报》细胞报告方法。

数据驱动的发现

信息来源于研究遗传学无数潜在的医疗保健应用但尤其有价值的对于理解癌症。由于重大的变化在形式的癌症,Plaisier增强预测模型,可以提供洞察特定癌症的环境。

虽然设计OncoMerge,他的研究小组证实,基因组中特定区域的反馈网络增强建立异常的监管网络。这种选择性培养显示肿瘤操纵环境来维持本身。

OncoMerge已经应用于9000多个病人肿瘤验证团队的方法和证实,整合突变数据并提高预测的精度与基因之间的行为。

Plaisier希望他的软件将被纳入分析癌症突变管道,最终能够提高精度和处理单个细胞的遗传信息。

数据科学教育

除了改善癌症建模技术,Plaisier想进步数据科学教育。他想创建一个数据科学选修课为生物医学工程的学生,包括更多的主动语态介绍编码跨专业课程让学生更好的熟悉编码技术。

塞拉Wilferd生物设计研究生Plaisier的实验室,赞赏跨学科的方法。

“看到癌症生物学和生物信息学互动教我运用实验室能力和计算能力的重要性问和回答有趣的问题,”Wilferd说。

人类是极其复杂的生物系统,所以能够收集和理解生物数据打击疾病至关重要。研究病人的肿瘤,Plaisier OncoMerge软件可能成为另一个重要的步骤在基因组学数据管道和产生重大影响癌症基因组学的研究。