Array srovnávací genomická hybridizace detekuje signifikantně větší množství i menších abnormalit než standardní chromosomová analýza. V určitých případech může tento test nahradit karyotypizaci v prenatální diagnostice genetických poruch.
- MeSH
- Chromosome Disorders diagnosis genetics MeSH
- DNA analysis MeSH
- In Situ Hybridization, Fluorescence methods utilization MeSH
- Karyotyping methods MeSH
- Clinical Laboratory Techniques MeSH
- Humans MeSH
- Prenatal Diagnosis methods MeSH
- Sequence Analysis, DNA methods trends utilization MeSH
- Pregnancy MeSH
- Check Tag
- Humans MeSH
- Pregnancy MeSH
- Female MeSH
Wilsonova choroba (WCH) je závažné, autozomálně recesivní onemocnění, jehož podstatou jsou mutace v ATP7B genu, který kóduje měď-specifickou ATPázu. U postižených jedinců dochází k poruše vylučování toxické mědi z organismu a k jejímu hromadění v tělesných orgánech. Molekulární diagnostika Wilsonovy choroby je důležitou součástí stanovení správné diagnózy. Cílem práce bylo navrhnout a zvalidovat genotypovací DNA čip, který umožňuje současně analyzovat 87 mutací a 17 polymorfismů v ATP7B genu. Metody a výsledky. V první fázi validace bylo testováno 97 WCH pacientů se známým genotypem a 46 vzorků uměle připravených mutagenezí. Všechny analyzované sekvenční varianty byly detekovány se 100% správností. Ve druhé fázi validace byly testovány reálné vzorky WCH suspektních pacientů. Dosud jsme zanalyzovali 58 nepříbuzných pacientů, z nichž u 10 byla čipovou analýzou potvrzena diagnóza WCH, u 13 byla nalezena jedna mutace a u 35 žádná. U pacientů s jednou nebo žádnou detekovanou mutací následovalo přímé sekvenování kódující oblasti genu ATP7B, přičemž nebyla nalezena žádná další kauzální mutace. Závěry. Wilsonův čip se jeví jako rychlá a spolehlivá vyhledávací metoda mutací v ATP7B genu.
Wilson disease (WD) is a serious autosomal recessive disorder caused by mutations in ATP7B-gene which encodes a copper-specific ATPase. WD patients suffer from impaired biliary excretion of copper from organism and its' accumulation in body organs. Molecular diagnostics of WD is an important part of correct diagnosis statement. The aim of the study was to design and validate a genotyping DNA microarray which enables to analyze 87 mutations and 17 polymorphisms in ATP7B gene, simultaneously. Methods and Results. 97 WD patients with known genotypes and 46 samples prepared by mutagenesis were tested in the first phase of chip validation. All analyzed sequence variants were detected with 100% accuracy. Samples from WD suspected patients were tested in the second phase of validation. We have analyzed 58 unrelated patients, yet. The diagnosis of WD was confirmed in 10 patients, 13 patients were heterozygous for some mutation and 35 had no mutation in ATP7B gene. Samples with one or no mutation found by microarray analysis were sequenced directly and no further causal mutation was revealed. Conclusions. Wilson chip seems to be a fast and reliable method for screening of mutations in ATP7B gene.
Renální karcinom tvoří přibližně 3 % zhoubných nádorů dospělé populace a z urologických malignit dosahuje nejvyšší letality. Výzkum v oblastech vzniku a vývoje renálního karcinomu vedl k identifikaci klíčových signálních drah a následně i cílené protinádorové léčby prodlužující čas do progrese onemocnění, případně i celkové přežití léčených pacientů. Mikročipové technologie patří v současnosti mezi nejefektivnější metody studia genové exprese. Pomocí jednoho čipu lze paralelně detekovat expresi až desítek tisíc genů, a výrazně tak urychlit výzkum studovaných biologických modelů. K nejčastěji používaným mikročipům patří DNA čipy analyzující expresi mediátorové RNA (mRNA), nově se začínají uplatňovat mikročipové platformy detekující krátké nekódující RNA (mikroRNA), tzv. mikroRNA čipy. MikroRNA post-transkripčně regulují genovou expresi, a tak zásadním způsobem ovlivňují vlastnosti buňky. Ve výzkumu renálního karcinomu byly za posledních pět let využity mikročipové technologie ve více než dvaceti studiích. Tyto práce popisovaly schopnost mikročipů odlišit nádorovou tkáň od normálního renálního parenchymu, klasifikovat zhoubné novotvary ledviny podle histologických podtypů, identifikovat genové profily predikující metastazování renálního karcinomu a determinující prognózu jednotlivých pacientů. Cílem tohoto přehledu je shrnout výsledky z dosud provedených mikročipových studií u renálního karcinomu a prezentovat jejich potenciální uplatnitelnost v diagnostických a léčebných postupech.
Renal cell carcinoma accounts for approximately 3% of adult cancers and has the highest lethality of urological malignancies. Research focusing on carcinogenesis and development of renal cell carcinoma has led to the identification of the key signalling pathways and consequently targeted cancer therapy which improves time to progression or overall survival of renal cell carcinoma patients. Today, microarray technologies are some of the most efficient methods used in gene expression studies. Through one microarray experiment we can simultaneously determine the expression of thousands of genes, thus facilitating research of examined biological models. The most frequently used of the microarray technologies are DNA microarrays enabling global analysis of the mRNA (messenger RNA) expression, while recently, microarray platforms modified to detect short non-coding RNAs (microRNAs) have been employed (microRNA microarrays). MicroRNAs significantly affect the behaviour of tumour cells by post-transcriptional regulation of the gene expression. In the research into renal cell carcinoma, microarray technologies have been applied in more than twenty studies over the past five years. These papers describe the potential of microarrays to distinguish tumour tissue from normal renal parenchyma, to classify renal cell carcinomas according to histological subtypes, to identify expression profiles predicting metastasizing in primary renal tumours, and to determine the prognosis of particular renal cell carcinoma patients. The aim of this review is to summarize the results from microarray studies of renal cell carcinoma realized to date and to present their potential usage in diagnostic and therapeutic protocols.
- MeSH
- Biomedical Research MeSH
- Databases, Genetic MeSH
- Research Support as Topic MeSH
- Financing, Organized MeSH
- Clinical Medicine MeSH
- Humans MeSH
- Oligonucleotide Array Sequence Analysis MeSH
- Software MeSH
- Gene Expression Profiling MeSH
- Systems Integration MeSH
- Database Management Systems MeSH
- Information Storage and Retrieval MeSH
- Computational Biology MeSH
- Check Tag
- Humans MeSH
Statistics for biology and health
1st ed. x, 199 s., barev. obr. příl.
- Conspectus
- Biochemie. Molekulární biologie. Biofyzika
- NML Fields
- biologie
- MeSH
- Protein Array Analysis methods MeSH
- Molecular Diagnostic Techniques methods MeSH
- DNA analysis MeSH
- Adult MeSH
- Research Support as Topic MeSH
- Colorectal Neoplasms diagnosis MeSH
- Humans MeSH
- Lymphatic Metastasis diagnosis MeSH
- Gene Expression Regulation, Neoplastic MeSH
- Medical Laboratory Science MeSH
- Check Tag
- Adult MeSH
- Humans MeSH
- Male MeSH
- Female MeSH
Mohutný rozvoj molekulárně biologických metod v posledních deseti letech je charakterizován produkcí velkého množství dat. Nejinak je tomu i v případě technologie DNA mikročipů, která umožňuje v jednom experimentu sledovat expresi desítek tisíc genů najednou. Kvantum získaných experimentálních dat je však pro relevantní medicínské závěry nutné vhodně analyzovat a interpretovat. Tento článek je věnován statistickým metodám, které lze pro hodnocení dat získaných z DNA mikročipů použít. Tyto metody lze rozdělit do tří velkých skupin: shlukovací metody, metody pro identifikaci rozdílně exprimovaných genů a klasifikační metody. Shlukovací metody slouží k nalezení homogenních skupin pacientů s podobným expresním profilem nebo skupin genů s podobným chováním, metody pro identifikaci rozdílně exprimovan ých genů hledají geny specifické svojí aktivitou pro určitou biologickou tkáň, zatímco klasifikační metody slouží k nalezení diskriminačního pravidla pro přesnou diagnostiku nových pacientů do jedné z definovaných skupin.
Last decade led to massive progress in the molecular biology methods which was accompanied by the production of large amount of data. This is also the case of the gene expression microarray technology that makes it feasible to study thousands of genes simultaneously. However, for relevant medical inference there is the need for appropriate evaluation and interpretation of this large quantity of experimental data. This paper is dedicated to statistical methods that can be used for the evaluation of gene expression data. These methods can be split into three main categories: clustering methods, methods for identification of differentially expressed genes and classification techniques. Clustering methods can be used for finding of homogenous groups of patients or genes with similar expression profile, methods for identification of differentially expressed genes find genes specific for activity of certain biological tissue while classification techniques are used for setting up a discrimination rule for precise diagnostics of newly diagnosed patients to one of the previously defined classes.
- MeSH
- Discriminant Analysis MeSH
- Gene Expression genetics MeSH
- Financing, Organized MeSH
- Humans MeSH
- Oligonucleotide Array Sequence Analysis methods statistics & numerical data utilization MeSH
- Cluster Analysis MeSH
- Models, Statistical MeSH
- Statistics as Topic MeSH
- Models, Theoretical MeSH
- Check Tag
- Humans MeSH
- Publication type
- Review MeSH
Moderní přístupy k onkologické diagnostice a léčbě jsou dnes již neodmyslitelně spjaty s využíváním nejnovějších poznatků biomedicínských věd. Jedním z hlavních trendů molekulární medicíny je rozvoj metodik umožňujících paralelní sledování exprese velkého počtu genů nebo proteinů – tzv. funkční genomika a proteomika. Tyto techniky umožňují identifikovat diferenciální genovou expresi, tj. nalézt rozdíly mezi expresí genů u dvou či více vzorků buněk nebo tkání různých typů (např. normálních a nádorových buněk) nebo kultivovaných za různých podmínek. Tak přispívají k objasnění mechanizmů maligního zvratu, mohou sloužit jako východisko pro rozvoj cílené protinádorové genové terapie, sledování odpovědi pacienta na léčbu a predikci dalšího vývoje onemocnění. Genomické metody se v posledních letech rychle rozvíjely – od diferenciální a subtraktivní hybridizace a diferenciálního displaye až po sériovou analýzu genové exprese a DNA čipy (microarrays). Uplatňují se také tkáňové a proteinové čipy a další proteomické přístupy. V současné době jsou stále více využívány DNA čipy umožňující detekci exprese celého lidského genomu, které nabízejí značné možnosti pro onkologický výzkum i klinickou praxi. U mnoha typů nádorů byly pomocí čipů nalezeny nové markery nádorového růstu a progrese onemocnění, z nichž některé jsou již úspěšně využívány v klinické praxi pro optimalizaci léčby omezující zátěž pacienta (např. u nádorů prsu).
Contemporary approaches to diagnostics and therapy in oncology are nowadays tightly coupled to novel findings of biomedical science. One of the main trends in molecular medicine is the development of methodologies enabling parallel monitoring of expression of large quantities of genes or proteins - so called functional genomics and proteomics. These techniques allow determination of differential gene expression, i.e. evaluation of differences in gene expression between two or more cell or tissue samples of different types (e.g. normal or cancer cells) or coming from different culture conditions. These approaches help in elucidating causes of malignant transformation and can serve as a base for development of targeted anticancer gene therapy, monitoring of patient response to treatment and prediction of further disease development. Genomic approaches have undergone rapid development in the last few years - from differential and subtractive hybridisation through differential display all the way to serial analysis of gene expression and DNA microarrays. Besides that, tissue and protein arrays and other proteomic approaches have been also used. Currently DNA microarrays covering expression of the whole human genome, having significant potential in oncological research and clinical praxis, have been used more and more frequently. Many new tumor growth and progression markers were found using such approaches. Some of these markers have been already successfully used in clinical practice (e.g. in breast cancer) for therapy optimisation and minimisation of patient discomfort.
- MeSH
- Protein Array Analysis methods instrumentation utilization MeSH
- DNA analysis genetics MeSH
- Gene Expression genetics MeSH
- Research Support as Topic MeSH
- In Situ Hybridization, Fluorescence methods MeSH
- Humans MeSH
- Neoplasms diagnosis genetics therapy MeSH
- Review Literature as Topic MeSH
- Prognosis MeSH
- RNA analysis genetics MeSH
- Check Tag
- Humans MeSH
