gms | German Medical Science

Kongress Medizin und Gesellschaft 2007

17. bis 21.09.2007, Augsburg

Gemeinsame Visualisierung und Auswertung von SNP- und Genexpressionsdaten mit Rcnat

Meeting Abstract

Suche in Medline nach

  • Sylvia Merk - IMIB, Universität Münster, Münster
  • Claudia Haferlach - MLL Münchner Leukämie Labor, München
  • Hans-Ulrich Klein - IMIB, Universität Münster, Münster
  • Martin Dugas - IMIB, Universität Münster, Münster

Kongress Medizin und Gesellschaft 2007. Augsburg, 17.-21.09.2007. Düsseldorf: German Medical Science GMS Publishing House; 2007. Doc07gmds265

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2007/07gmds265.shtml

Veröffentlicht: 6. September 2007

© 2007 Merk et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Fragestellung: Die Analyse von Single Nucleotide Polymorphisms (SNP) mit Hilfe der Microarray-Technologie eröffnet neue Möglichkeiten, molekulare Mechanismen der Entstehung von Krankheiten besser verstehen zu können. Die Firma Affymetrix bietet SNP-Microarrays mit Messpunkten für bis zu 500.000 einzelne SNPs an. Die Erstauswertung der generierten Daten erfolgt mit dem mitgelieferten Copy Number Analysis Tool (CNAT). Die Möglichkeiten dieser Software sind allerdings limitiert. So ist es beispielsweise nicht möglich, mehr als eine Probe gleichzeitig zu betrachten, was die Interpretation der gewonnenen Daten erschwert.

Seit längerer Zeit hat sich mit der Genexpressionsanalyse ein weiteres Verfahren zur Erforschung molekularer Krankheitsursachen etabliert. Um exaktere Aussagen treffen zu können ist es von Interesse, mit SNP-Arrays gefundene Veränderungen mit Daten aus Genexpressionsexperimenten abzugleichen.

Vor diesem Hintergrund wurde Rcnat entwickelt, um eine verbesserte Visualisierung der SNP-Daten sowie eine gemeinsame Auswertung von SNP- und Expressionsdaten zu ermöglichen.

Material/Methoden: Rcnat wurde als Paket der Statistiksprache R implementiert und an einem AML-Datensatz getestet, der SNP- (Affymetrix Mapping 10K 2.0) und Expressionsdaten (Affymetrix HG-U133A/B) von 33 Patienten mit aberrantem komplexem Karyotyp enthielt. Als Kontrolle wurden Expressionsdaten (Affymetrix HG-U133A/B) von 100 AML-Patienten mit normalem Karyotyp verwendet.

Ergebnisse/Diskussion: Nach dem Einlesen der *.cnt-Files des Copy Number Analysis Tools bestehen verschiedene Möglichkeiten, LOH-Werte und Copy-number-Werte graphisch darzustellen und auszuwerten. Besonders interessant ist die chromosomenweise Darstellung, die auch eine Vergrößerung einzelner Bereiche erlaubt, da hier eine direkte Gegenüberstellung mit den Genexpressionsdaten möglich ist. Auf diese Weise lassen sich optisch Chromosomenbereiche mit LOH, Amplifikationen oder Deletionen identifizieren, die mit beiden Analyseverfahren nachweisbar sind. Es ist zudem möglich, eine Liste von Genen zu erstellen, die sowohl Veränderungen auf dem SNP-Chip als auch in der Genexpression aufweisen.

Für den vorliegenden Datensatz konnte gezeigt werden, dass Veränderungen insbesondere eines Chromosoms vorhanden sind, die sowohl mit den SNP- als auch mit den Expressionsdaten identifizierbar sind.


Literatur

1.
Huang J, Wei W, Zhang J, et al. Whole genome DNA copy number changes identified by high density oligonucleotide arrays.