Outcome signature genes in breast cancer: is there a unique set?

Ein-Dor, Liat; Kela, Itai; Getz, Gad; Givol, David; Domany, Eytan

doi:10.1093/bioinformatics/bth469

Cited by 714 publications

(586 citation statements)

References 29 publications

Supporting

Mentioning

556

Contrasting

Unclassified

Order By: Relevance

“…There are likely to be many combinations (subsets) of genes that act as effective predictors in such a network (Ein-Dor et al, 2005 and. We used two different approaches to formulate prediction equations and performed a complete validation of all steps in the prediction method.…”

Section: Discussionmentioning

confidence: 99%

“…There is little overlap in the gene sets that have been identified by different studies to predict survival to the same type of cancer; the set of genes arrived at has been found to be highly dependent on the subset of patients used for gene selection, and when one group's predictor is tested on another group's data the success of prediction decreases significantly (Ein-Dor et al, 2005;Michiels et al, 2005;Ein-Dor et al, 2006). There are two possible reasons for the discrepancies observed.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Use of gene expression data for predicting continuous phenotypes for animal production and breeding

Robinson

Goddard

Hayes

2008

Animal

View full text Add to dashboard Cite

Traits such as disease resistance are costly to evaluate and slow to improve using current methods. Analysis of gene expression profiles (e.g. DNA microarrays) has potential for predicting such phenotypes and has been used in an analogous way to classify cancer types in human patients. However, doubts have been raised regarding the use of classification methods with microarray data for this purpose. Here we propose a method using random regression with cross validation, which accounts for the distribution of variation in the trait and utilises different subsets of patients or animals to perform a complete validation of predictive ability. Published breast tumour data were used to test the method. Despite the small dataset (n , 100), the new approach resulted in a moderate but significant correlation between the predicted and actual phenotypes (0.32). Binary classification of the predicted phenotypes yielded similar classification error rates to those found by other authors (35%). Unlike other methods, the new method gave a quantitative estimate of phenotype that could be used to rank animals and select those with extreme phenotypic performance. Use of the method in an optimal way using larger sample sizes, and combining DNA microarrays and other testing platforms, is recommended.

show abstract

Section: Discussionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Use of gene expression data for predicting continuous phenotypes for animal production and breeding

Robinson

Goddard

Hayes

2008

Animal

View full text Add to dashboard Cite

show abstract

“…Pour ces raisons, les listes de gènes obtenues sont instables et le chevauchement entre signatures est faible. Ein-Dor et al [46] ont ainsi démontré sur le jeu de données d'Amsterdam [10] qu'il existait plusieurs signatures différentes à 70 gènes avec le même impact pronostique. L'information contenue dans ces signatures divergentes est donc très similaire.…”

Section: Conclusion Et Perspectivesunclassified

Classification pronostique du cancer du sein et profils d’expression génique sur puces à ADN

et al. 2008

View full text Add to dashboard Cite

Le cancer du sein est le cancer le plus fréquent et le plus meurtrier chez la femme en France. Les traitements systémiques (chimiothérapie, hormonothérapie, théra-pies moléculaires ciblées) censés éradiquer la maladie métastatique clinique ou infra-clinique, sont délivrés en fonction de facteurs pronostiques et prédictifs de la réponse thérapeutique. Malheureusement, ceux-ci rendent insuffisamment compte de l'hétérogénéité évolutive de la maladie, conduisant trop souvent à des traitements inadaptés. Cette inadaptation coïncidant avec la disponibilité croissante de nouvelles drogues anti-cancéreu-ses, il est crucial d'améliorer la classification pronostique pour affiner les indications thérapeutiques et améliorer la survie. Le développement de thérapies moléculaires ciblées comme le trastuzumab (Herceptine ® ), anticorps monoclonal ciblant ERBB2 surexprimé dans ~20 % des cancers du sein, est un autre enjeu majeur [48]. Face aux limites des approches classiques, les espoirs se sont tournés vers une caractérisation moléculaire globale, détaillée et objective de la maladie à l'aide des analyses à haut débit, notamment l'analyse du transcriptome sur puces à ADN [1]. Établis en parallèle pour plusieurs tumeurs, les portraits moléculaires transcriptionnels sont comparés à l'aide d'outils bio-informatiques puissants. On peut distinguer deux approches d'analyse des données qui se sont succédées dans le temps. L'approche « différentielle », la plus ancienne mais encore d'actualité, consiste à établir une liste de gènes diffé-rentiellement exprimés entre deux conditions. L'approche « profils d'expression » cherche à identifier une signature moléculaire multigénique dont l'expression combinée est caractéristique d'une classe pertinente d'échantillons (survie, réponse thérapeutique par exemple). Cette approche peut se faire de façon non supervisée ou supervisée. Les applications potentielles en cancérologie sont multiples [2]. Plusieurs publications suggèrent un impact pronostique dans le cancer du sein. Taxonomie moléculaire pronostique : approches non superviséesLes analyses non supervisées, clustering ou classification hiérarchique par exemple, définissent des classes > L'hétérogénéité histologique et clinique du cancer du sein, en partie responsable des échecs thérapeutiques, reflète sa nature moléculaire complexe et combinatoire jusqu'à présent mal documentée par les outils classiques de biologie. Une caractérisation moléculaire approfondie est indispensable. L'avènement des puces à ADN a permis de progresser dans ce sens. Une nouvelle classification moléculaire du cancer du sein a été définie, des signatures pronostiques ou prédicti-ves de la réponse thérapeutique ont été identifiées, dont certaines sont actuellement en phase ultime de validation dans des essais cliniques prospectifs. Nous présentons dans cet article les principaux résultats publiés et leurs applications cliniques potentielles. Nous discutons leurs limites actuelles et retombées futures dans la prise en charge thérapeutique des patientes. <

show abstract

“…However, microarrays are severely underdetermined, and the complex interactions among cellular signalling pathways combined with the noise inherent in the experimental determination of expression means not only is a unique solution to a microarray experiment improbable, there may not even be an "optimal" one [1].…”

Section: Introductionmentioning

confidence: 99%

Template-driven gene selection procedure

Knowlton

Dozmorov

Kyker

et al. 2006

IEE Proc. Syst. Biol.

View full text Add to dashboard Cite

The hierarchical clustering and statistical techniques usually used to analyze microarray data do not inherently represent the underlying biology. Herein we present a hybrid approach involving characteristics of both supervised and unsupervised learning. This approach is based on template matching in which the interaction of the variables of inherent malignancy and the ability to express the malignant phenotype are modelled. Immortalized normal urothelial cells and bladder cancer cells of different malignancy were grown in conventional two-dimensional tissue culture and in three dimensions on extracellular matrices that were either permissive or restrictive for expression of the malignant phenotype. The transcriptome represents the effects of two variables--inherent malignancy and the modulatory effect of extracellular matrix. By assigning values to each of the biological variables of inherent malignancy and the ability to express the malignant phenotype, a template was constructed that encapsulated the interaction between them. Gene expression correlating both positively and negatively with the template were observed, but when iterative correlations were carried out, the different models for the template converged to the same actual template. A subset of 21 genes was identified that correlated with two a priori models or an optimized model above the 95% confidence limits identified in a bootstrap resampling with 5,000 permutations of the data set. The correlation coefficients of expression of several genes were > 0.8. Analysis of upstream transcriptional regulatory elements (TREs) confirmed these genes were not a randomly selected set of genes. Several TREs were identified as significantly over-expressed in the sample of 20 genes for which TREs were identified, and the high correlations of several genes were consistent with transcriptional co-regulation. We suggest the template method can be used to identify a unique set of genes for further investigation. KeywordsBladder cancer; phenotype; transcriptomics; extracellular matrix; malignancy * This work was supported in part by NIH grants CA75322 (REH), DK 069808 (REH) and P20 RR1557, P20 RR17703, and P20 RR16478 (MBC) and by a grant from Cook Biotech (REH).

show abstract

Outcome signature genes in breast cancer: is there a unique set?

Abstract: http://www.weizmann.ac.il/physics/complex/compphys/downloads/liate/

Cited by 714 publications

References 29 publications

Use of gene expression data for predicting continuous phenotypes for animal production and breeding

Use of gene expression data for predicting continuous phenotypes for animal production and breeding

Classification pronostique du cancer du sein et profils d’expression génique sur puces à ADN

Template-driven gene selection procedure

Contact Info

Product

Resources

About