[논문 리뷰] New Approach for Prediction Pre-cancer via Detecting Mutated in Tumor Protein P53

Ayad Ghany Ismaeel|arXiv (Cornell University)|2013. 10. 08.

Genetics, Bioinformatics, and Biomedical Research참고 문헌 6인용 수 3

한 줄 요약

이 논문은 BLAST, FASTA, ClustalW 및 TP53 데이터베이스와 같은 도구를 사용하여 종양 suppressor 단백질 p53에서의 유전적 변이를 탐지하여 전암을 예측하는 새로운 생정보학적 접근법을 제안한다. 여러 필터링 파rameter를 적용함으로써 진단의 특이도를 향상시켜 생활 방식의 변화나 표적 치료를 통한 조기 간섭을 가능하게 하여 향후 암 발생 위험을 감소시킨다.

ABSTRACT

Tumor protein P53 is believed to be involved in over half of human cancers cases, the prediction of malignancies plays essential roles not only in advance detection for cancer, but also in discovering effective prevention and treatment of cancer, till now there isn't approach be able in prediction the mutated in tumor protein P53 which is caused high ratio of human cancers like breast, Blood, skin, liver, lung, bladder etc. This research proposed a new approach for prediction pre-cancer via detection malignant mutations in tumor protein P53 using bioinformatics tools like FASTA, BLAST, CLUSTALW and TP53 databases worldwide. Implement and apply this new approach of prediction pre-cancer through mutations at tumor protein P53 shows an effective result when used more specific parameters/features to extract the prediction result that means when the user increase the number of filters of the results which obtained from the database gives more specific diagnosis and classify, addition that the detecting pre-cancer via prediction mutated tumor protein P53 will reduces a person's cancers in the future by avoiding exposure to toxins, radiation or monitoring themselves at older ages by change their food, environment, even the pace of living. Also that new approach of prediction pre-cancer will help if there is any treatment can give for that person to therapy the mutated tumor protein P53. Index Terms (Normal Homology TP53 gene, Tumor Protein P53, Oncogene Labs, GC and AT content, FASTA, BLAST, ClustalW)

연구 동기 및 목표

• 인간 암의 50% 이상에서 핵심 역할을 하는 종양 관련 단백질 p53의 변이를 탐지함으로써 전암을 예측하는 새로운 방법을 개발하기 위해.
• 높은 암 위험과 연관된 p53 변이를 신뢰성 있게 예측할 수 있는 기존 도구의 부족을 해결하기 위해.
• genomic 데이터베이스에서 유래한 다수의 생정보학적 필터 및 파rameter를 통합함으로써 진단의 특이도를 향상시키기 위해.
• 암 발병 이전에 위험군에 속하는 사람들을 식별함으로써 조기 발견 및 예방 전략을 가능하게 하기 위해.

제안 방법

• 이 방법은 FASTA 도구를 사용하여 유전자 데이터베이스에서 p53 단백질 서열을 검색하고 분석한다.
• BLAST은 쿼리 p53 서열을 알려진 기준 서열과 비교하여 변이를 식별하는 데 적용된다.
• ClustalW는 다양한 종 간의 진화적 보존성과 변이 영향을 평가하기 위해 다중 서열 정렬을 수행한다.
• TP53 데이터베이스는 식별된 변이를 기존의 알려진 병원성 변이 및 기능적 주석과 비교하기 위해 활용된다.
• GC/AT 함량, 변이 위치, 보존 점수 등의 다수의 필터링 파rameter를 적용하여 예측 정확도를 향상시킨다.
• 최종 출력은 통합된 생정보학적 기준에 따라 변이가 가능성이 높은 병원성 또는 양성으로 분류된다.

실험 결과

연구 질문

• RQ1 다양한 도구를 활용한 생정보학적 파이프라인은 전암과 연관된 병원성 p53 변이의 예측을 향상시킬 수 있는가?
• RQ2 필터링 파rameter의 수를 늘일수록 p53 변이 분류의 특이도와 신뢰성은 어떻게 영향을 받는가?
• RQ3 TP53와 같은 기존 데이터베이스와 BLAST, ClustalW와 같은 도구를 조합하여 조기 암 위험을 탐지할 수 있는 정도는 어느 정도인가?
• RQ4 이 방법은 생활 방식 조절이나 치료 전략을 통해 조기 임상 간섭을 가능하게 할 수 있는가?
• RQ5 서열 보존성, 변이 유형, 게놈적 맥락을 통합하면 단일 파rameter 방법을 초월해 예측 정확도를 향상시킬 수 있는가?

주요 결과

• 다양한 생정보학적 도구의 통합은 단일 방법에 비해 p53 변이 분류의 특이도를 크게 향상시켰다.
• GC/AT 함량 및 진화적 보존성과 같은 추가 필터링 파rameter를 적용함으로써 가짜 양성 결과가 감소하고 진단 정밀도가 향상되었다.
• 이 방법은 데이터베이스에 기록된 알려진 병원성 p53 변이를 성공적으로 식별하여 예측 정확도의 타당성을 검증하였다.
• 이 방법은 임상적 발현 이전에 고위험 p53 변이를 식별함으로써 전암 상태의 조기 발견을 가능하게 하였다.
• 이 시스템은 생활 습관 개선 및 표적 치료와 같은 예방적 간섭 전략을 지원할 수 있으며, 암 위험이 높은 개인을 식별하는 데 기여하였다.