GEPAT2 (Genome Expression Pathway Analysis Tool 2) - Von der Genexpression zum Medikament
Final Report Abstract
In der Molekularbiologie werden immer mehr Daten produziert und es werden immer mehr Methoden entwickelt, um das statistisch signifikante Signal in diesen Daten zu finden. Aber die Identifikation dieser Signale, die häufig nur eine Liste von Genen beinhalten, ist nur der erste Schritt. Der nächste ist es, aus dieser Liste von Genen den biologischen Zusammenhang herauszufiltern. Als Vorarbeit zu diesem Antrag hatten wir bereits ein Web basiertes Werkzeug (GEPAT) entwickelt, dass die Identifikation von signifikant de-regulierten Genen in Microarrayexperimenten mit der biologischen Auswertung kombiniert. In dem hier vorliegenden Projekt wurden nun neue Methoden und Daten hinzugefügt, die es ermöglichen, de-regulierte Gene im Kontext des zellulären Proteininteraktionsnetzwerkes und des Stoffwechsels zu analysieren. Zusätzlich können Gene, die mit Krankheiten assoziiert sind und/oder Ansatzpunkte von bekannten Medikamenten sind, identifiziert werden. Damit war die Kernidee des Antrages, ‚Von der Genexpression zum Medikament‘ erfüllt. Dies war der Zeitpunkt, an dem die weitere Entwicklung des Projektes kritisch überdacht werden musste. Zum einen haben inzwischen Microarrays deutlich gegenüber Sequenziertechniken verloren. Letztere generieren allerdings Datenmengen, die von einem Web Server kaum zu bearbeiten sind. Zum anderen wurden während der Projektlaufzeit viele ähnliche Server entwickelt. Wir haben uns daher entschlossen, die Ausrichtung von GEPAT zu ändern. Im Rahmen des Projektes haben wir GEPAT zu einer Cross-Spezies Plattform zur explorativen Analyse von Genlisten erweitert. Es können entweder Gene, die in einer beliebigen Studie als relevant identifiziert wurden, in das System gebracht werden oder direkt im System ausgewählt werden. Anschließend können diese unter verschiedenen Gesichtspunkten wie Funktion, Interaktion oder Stoffwechsel betrachtet und beliebig erweitert werden. Durch die Möglichkeit transparent zwischen verschiedenen Spezies zu springen ohne die bisher gefundenen Gene zu verlieren können (i) Informationen, die nur für einzelne Spezies zur Verfügung stehen (z.B. Krankheiten, Medikamente) genutzt werden und (ii) Gene Sets für Modell Spezies kreiert werden. Damit sprechen wir als neue Zielgruppe Biologen an, die die biologische Relevanz einer limitierten Liste von interessanten Genen eruieren wollen.
Publications
- Explorative data analysis of MCL reveals gene expression networks implicated in survival and prognosis supported by explorative CGH analysis. BMC Cancer, 8:106, 2008
S. Blenk, J. C. Engelmann, S. Pinkert, M. Weniger, J. Schultz, A. Rosenwald, H. K. Muller-Hermelink, T. Muller und T. Dandekar
