Wnt Signal pathway inhibitor for AML therapy

• 앞으로는 분자표적치료 항암제가 크게 각광 받을 것.
• 특히 전사인자들의 상호작용을 targeting하는 것이 의미가 있다.
• Wnt (윈트) 가 발견된지는 벌써 20년이 넘었지만, 관련 치료제는 전무함. Wnt 대가는 Dr. Randolf Moon.
• AML (Acute Myeloid Leukemia)에서는 Wnt 경로의 비정상 활성화가 60% 차지
• Wnt는 b-cateninin, CBP (CREB-binding P)의 interactin(complex) 에 의해 transactivation 된다. b-catenin이 ubiquitination되면 윈트가 활성화되고, 그렇지 않으면 반대. b-catenin은 윈트경로의 가장 주요 신호 mediator.
• CWP231A가 b-catenin/CBP 전사활성 저해제.
• AML에서는 APC (단백질)의 돌연변이가 80% 이상 차지한다.
• Wnt 신호경로에 있어, b-catenin, survivin, c-Myc의 발현이나 modification을 보는 것이 윈트 활성화를 보는 것과 같다.
• 신호전달경로를 저해하는 물질이 치료제로서 독성이 낮다.
• PPI를 저해하는 drug screening을 위해서는 현재로서는 나오지 않는다. 왜냐하면 상호작용 면적이 크기 때문인데, 먼저 a-helix, b-turn or sheet or strand, 등의 mimics를 설계하는 것이 우선, 그다음 이것들을 이용하여 durg screening 함.
• 이런 library가 아사라이브러리 (Arsa?)
• b-catenin/CBP 인터액션이 Wnt에서 전사활성의 핵심.

VHGDP-CEPH Human Genome Diversity Cell Line Panel

VHGDP-CEPH Human Genome Diversity Cell Line Panel

51개 민족, 1050 명, 1063 임파섬유아세포주 (lymphoblastoid cell line, LCL), 밀리그램양의 DNA이 쟝도세박사 재단에 기탁.

Human Genome Diversity Project (HGDP), CEPH에 의해 여러 실험실로부터 LCL이 수집: 서열다양성, 현대인류집단의 역사에 대한 연구를 위한 제한없는 DNA제공을 위함. 성별, 민족, 국가지리정보에 제한됨.

지금까지 650K SNP, 853 microsatellite 밝혀짐.

이 정보들을 제공하는 디비가 HGDP-CEPH HUMAN GENOME DIVERSITY PANEL DATABASE WEB VERSION 2.0 이고 최신버전.

패널은 13쌍의 duplicate LCL을 가짐. 이는 2개의 유전적으로 비전형적인 개인으로부터 온 것임.

서플1은 일루비나 650K로 찍은 지노타입 플랫파일
서플2는 일루미나 550K로 찍은 플랫 파일 데이터

데이터기탁자가 공개시일 제한하지 않으면, 디비를 통해 계속 공개, 제한을 원하면 6개월뒤에 종료됨.

Effect size

이 내용은 영문위키에 있는 effect size를 번역한 것입니다. 원문은 wikipedia.org 가셔서 effect size를 치시면 됩니다.

1. effect size (효과크기)
   통계에서, effect size는 통계적 집단이나, 샘플의 양적 추정에 있어, 두 변수간의 관계(관련)의 강도에 대한 측정값(결정값)을 의미한다.<해석도 어렵다 T..T>"효과크기"라고 하는데, 대조군의 평균에 실험군의 평균을 normalization (표준화) 시킨것이다. 샘플에 기반한 효과크기는 가설검증에 사용되는 검증통계 (test statistics)과는 구별된다. 즉, 샘플기반 효과크기의 가설검증이란, 명백한 관계의 강도를 추정하는 것이지, 우연에 의한 관계인지 아닌지를 나타내는 유의수준을 보는 것이 아니다. 과학적 실험과 관측연구에 있어, 관계가 통계적으로 유의한지를 알 수 있을 뿐만 아니라, 관측된 관계의 크기 (size)도 알 수 있다. 실제 상황에서, 효과크기는 의사결정에 도움이 된는데, 먄약, 관계의 유의성이 높다할 지라도, 효과크기가 작다면 흥미롭지 않기 때문이다. 따라서 효과크기의 측정은 메타분석(meta-analysis) 연구에서 중요하다. (메타연구는 특정 연구분야의 결과물 및 통계파워분석 결과까지 정리하는 연구이다).
   
   ES가 0 이라는 것은 실험군의 평균과 대조군의 평균이 같다는뜻이고, ES가 - 라는 것은 대조군의 평균보다 실험군의 평균이 작다는 것을 의미하니다. + 라는 것은 실험군의 분포모양이대조군보다 오른쪽에 있다는 것으로 실험군의 평균이 크다는 것을 의미한다.
   
   ES 의 값의 크기는 정규분포의 Z 값과 동일한 의미를 갖는다. 예를 들어 ES 가 1.96 이라면 실험군의 평균은 대조군의 분포에서 상위 5%에 해당한다는 것을 의미한다.
   
   결국 ES 라는 것은 실험군과 대조군의 평균 차이에 대한 표준화된 값으로 이 값이 크다는 것은 결국 실험의 높다는 것을 의미하며 0 이라는 것은 실험의 효과가 없다는 것을 의미하는 것이다
   
   
   
   
2. 효과크기의 종류

• 피어슨 감마 상관계수
• 평균에근거한 효과크기(평균기반효과크기) : 코헨's d, 글라스's 델타, 헷지's 감마, 평균기반효과크기의 분포
  
• 코헨's f^2
• 파이, 크래머's 파이, 크패머's V
• 오드값 (odd ratio)
  The odds ratio (OR) is another useful effect size. It is appropriate when both variables are binary. For example, consider a study on spelling. In a control group, two students pass the class for every one who fails, so the odds of passing are two to one (or more briefly 2/1 = 2). In the treatment group, six students pass for every one who fails, so the odds of passing are six to one (or 6/1 = 6). The effect size can be computed by noting that the odds of passing in the treatment group are three times higher than in the control group (because 6 divided by 2 is 3). Therefore, the odds ratio is 3. However, odds ratio statistics are on a different scale to Cohen's d. So, this '3' is not comparable to a Cohen's d of '3'.
• 상대적위험도 (relative risk)
  

  The relative risk (RR), also called risk ratio, is simply the risk (probability) of an event relative to some independent variable. This measure of effect size differs from the odds ratio in that it compares probabilities instead of odds, but asymptotically approaches the latter for small probabilities. Using the example above, the probabilities for those in the control group and treatment group passing is 2/3 (or 0.67) and 6/7 (or 0.86), respectively. The effect size can be computed the same as above, but using the probabitities instead. Therefore, the relative risk is 1.28. Since rather large probabilities of passing were used, there is a large difference between relative risk and odds ratio. Had failure(a smaller probablility) been used as the event (rather than passing), the difference between the two measures of effect size would not be so great.

• 참고사항
  오드비(OR)와 상대위험도 (RR) 모두 측정에 있어 유용하나, 그 통계적 활용은 서로다르다. 예를 드면, 임상연구의 경우, 오드비는 case-control 연구와 retrospective 연구에 가장 활용되는 방법이다. 반면 상대위험도(RR)은 randomized controlled trials 나 코호트 연구에서 사용된다. 그러나 OR로 RR을 예측한거나, RR로 OR을 자동적으로 예측할 수는 없다. (즉, OR값을 가지고 RR값을 예상할 수 없다는 말이다. 다만, OR 계산시 사용된 데이터가 있다면 RR 계산이 가능하다).

RMA

RMA (Robust Multi-array Analysis)
RMA는 어피 진칩을 프로브수준에서 신호강도를 표준화하고, 요약하는 방법이다. 프로브 수준의 데이터로부터 시작하여 PM값들이 배경신호 정정되고, 표준화되어, 마지막으로 발현양이 요약된다. 다음의 세단계로 이루어 진다.

배경신호 정정
배경신호정정은 프로브수준 프로세싱에 있어 가장 중요한 단계이다. RMA에 사용되는 배경색정정은 비선형정정 (non-linear correction)이며, 칩당으로 이루어진다. 어피칩상의 프로브간의 PM값의 분포에 기초한다. PM값은 배경신호의 혼합이며, 광학적 잡음과 비특이결합, 등등에 의해 발생된다. The background is estimated as expectation of the signal (S) conditioned on observed PM values (O), using a kernel density estimation in both GeneSpring GX 7.3.1 and GeneSpring GX 9.0. However,, however GeneSpring GX 7.3.1 uses direct convolution while GeneSpring GX 9.0 uses Fast Fourier Transformation.

Normalization
Normalization is necessary so that multiple chips can be compared to each other, and analyzed together. The normalization procedure is aimed at making the distributions identical across arrays. The normalization used in RMA is quantile normalization. This usually gives very sharp normalizations.Both GeneSpring GX 7.3.1 and GeneSpring GX 9.0 use quantile normalization. Note that, in this procedure, all the arrays are used and no chip is discarded based on extreme value considerations.

Summarization
Once the probe-level PM values have been background-corrected and normalized, they need to be summarized into expression measures, so that the result is a single expression measure per probe-set, per chip. The summarization used is motivated by the assumption that observed log-transformed PM values follow a linear additive model containing a probe affinity effect, a gene specific effect (the expression level) and an error term. For RMA, the probe affinity effects are assumed to sum to zero, and the gene effect (expression level) is estimated using median polishing. Median polishing is a robust model fitting technique, that protects against outlier probes. Both GeneSpring GX 7.3.1 and GeneSpring GX 9.0 use same methodology for summarization.

affy chip 데이터 분석

어피칩 데이터의 분석

어피칩 raw data cell 파일의 표준화 (normalization)는 RMA 방법을 사용,

왜? 서로 다른 그룹간의 발현차이를 보는데는 RMA 방법이 제일 좋은 것으로 연구됨.

R , bioconductor의 affy 명령을 사용해서 RMA를 수행, 그럼, 배경신호제거, 사분위수표준화, 그리고 메디안폴리싱을 수행한다. 사분위수표준화는 칩간 표준화이고, 메디안폴리싱은 진간 표준화이다.

이때, affy 칩 관련 bioconductor 패키지를 이용해서, 다양한 QC를 하도록 한다.

MA, RLE, NUSE, 등등

이후의 발현비교는

limma 패키지나 maanova를 이용해서 해결하면 될 듯.

RMA/GCRMA 표준화이후에 또 표준화를 해야하나?

RMA/GCRMA 표준화는 시료수준에서 수행되는 표준화방법이다. 따라서 이 방법이 적용된 칩데이터에 칩당 표준화를 수행하는 것은 중복일 뿐이다. 따라서 유전자간 표준화 (per gene)를 수행해야 한다.

--linear or --logistic 과 --covar 사용시의 p 값 의미?

--covar 명령을 --linear/--logistic 과 같이 사용했다면, plink는 다중회귀분석을 수행하게 되며, SNP, 공변량 (covariate), 및 상호작용 term에 대한 coefficient (상관계수?) 와 p 값을 보고한다. 단지 intercept에 대한 term만 제외된다.

공변량에 대한 p 값은 공변량에 의한 조절후의 SNP-표현형 연관성에 대한 p 값이 아니다. ADD 값이 바로 공변량을 반영시킨 후의 SNP-표현형간의 연관성에 대한 p 값이다. 그 뒤의 값들이 공변량와 피노타입 간의 연관성분석의 p value 값이다. 그리고, 이 값이 극단적으로 유의하게 나오긴 하지만, SNP가 고도로 유의한 영향을 가진다는것을 의미하는것은 아니다.

CHR SNP BP A1 TEST NMISS BETA STAT P
1 rs1234567 742429 G ADD 1495 -0.03335 -0.1732 0.8625
1 rs1234567 742429 G COV1 1495 0.1143 9.748 8.321e-022

위 예에서, 공변량이 극히 상관성이 있다고 나오지만, SNP가 표현형과 관련이 있다는 증거가 되지 않는다.