Gene Expressions and Genomes 02-223 Personalized Medicine: - - PowerPoint PPT Presentation

Gene ¡Expressions ¡and ¡Genomes ¡

02-­‑223 ¡Personalized ¡Medicine: ¡ Understanding ¡Your ¡Own ¡Genome ¡ Fall ¡2014 ¡

Why ¡Gene ¡Expression? ¡

DNA ¡sequence ¡ Disease ¡or ¡healthy? ¡

Molecular ¡ mechanism? ¡

Genome-­‑wide ¡associaGon ¡mapping ¡

Why ¡Gene ¡Expression ¡

• IdenGfying ¡the ¡geneGc ¡variants ¡that ¡confer ¡disease ¡risk ¡is ¡not ¡

enough ¡to ¡decipher ¡the ¡molecular ¡mechanisms ¡of ¡how ¡the ¡ geneGc ¡variaGon ¡influence ¡the ¡disease: ¡

– In ¡medicine ¡ ¡

• We ¡need ¡to ¡determine ¡which ¡biological ¡pathways ¡and ¡genes ¡are ¡

involved ¡in ¡the ¡disease ¡process. ¡

• The ¡idenGfied ¡pathways ¡and ¡genes ¡can ¡be ¡a ¡target ¡for ¡drug. ¡

– In ¡science ¡

• Determining ¡which ¡pathways ¡underlie ¡the ¡associaGon ¡between ¡the ¡

geneGc ¡variaGon ¡and ¡phenotype ¡can ¡provide ¡insights ¡on ¡the ¡ funcGon ¡of ¡genes. ¡

Microarrays ¡for ¡Molecular ¡Biology ¡

DNA ¡ mRNA ¡ transcription translation Proteins ¡

Microarray ¡for ¡measuring ¡ gene ¡expression ¡levels ¡ TranscripGon ¡factor ¡

Microarray ¡Hybridiza=on ¡

• Watson-­‑Crick ¡base ¡pairing ¡of ¡complementary ¡DNA ¡sequences. ¡
• Microarrays ¡have ¡tens ¡of ¡thousands ¡of ¡spots, ¡each ¡represenGng ¡a ¡

piece ¡of ¡one ¡gene, ¡immobilized ¡on ¡a ¡glass ¡slide. ¡

• The ¡intensity ¡(or ¡intensity ¡raGo) ¡of ¡each ¡spot ¡indicates ¡the ¡amount ¡
• f ¡labeled ¡cDNA ¡hybridized, ¡thus, ¡represenGng ¡the ¡starGng ¡mRNA ¡

transcript ¡abundance. ¡

Hybridization and Scanning— cDNA arrays

• Prepare Cy3, Cy5-

labeled ss cDNA

• Hybridize 600 ng of

labeled ss cDNA to glass slide array

• Scan

What ¡is ¡gene ¡ expression? ¡

genes ¡

Individuals ¡

10 ¡ 20 ¡ 70 ¡ 80 ¡

gene ¡1 ¡ Higher ¡ expression ¡ compared ¡to ¡ baseline ¡ Lower ¡ expression ¡ compared ¡to ¡ baseline ¡ baseline ¡ expression ¡

Expression ¡= ¡acGvity ¡ level ¡of ¡gene ¡in ¡ experiment ¡

Hierarchical ¡Clustering ¡

• Probably ¡the ¡most ¡popular ¡clustering ¡algorithm ¡in ¡

computaGonal ¡biology ¡

• AgglomeraGve ¡(bo^om-­‑up) ¡
• Algorithm: ¡
• 1. IniGalize: ¡each ¡item ¡a ¡cluster ¡
• 2. Iterate: ¡
• select ¡two ¡most ¡similar ¡clusters ¡
• merge ¡them ¡
• 3. ¡ ¡ ¡Halt: ¡when ¡there ¡is ¡only ¡one ¡cluster ¡le_ ¡

dendrogram

Similarity ¡Criterion: ¡Single ¡Linkage ¡

• cluster ¡similarity ¡= ¡similarity ¡of ¡two ¡most ¡similar ¡

members ¡

• Potentially

long and skinny clusters

Example: ¡Single ¡Linkage ¡

1 2 3 4 5

In ¡most ¡cases ¡(1-­‑r2), ¡ where ¡r2 ¡is ¡the ¡correlaGon ¡ coefficient, ¡is ¡used ¡as ¡ similarity ¡measure ¡ between ¡samples ¡

Example: ¡Single ¡Linkage ¡

1 2 3 4 5

In ¡most ¡cases ¡(1-­‑r2), ¡ where ¡r2 ¡is ¡the ¡correlaGon ¡ coefficient, ¡is ¡used ¡as ¡ similarity ¡measure ¡ between ¡samples ¡

Example: ¡Single ¡Linkage ¡

(1,2) 3 4 5 (1,2) 3 4 5 ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ ⎥

1 2 3 4 5

In ¡most ¡cases ¡(1-­‑r2), ¡ where ¡r2 ¡is ¡the ¡correlaGon ¡ coefficient, ¡is ¡used ¡as ¡ similarity ¡measure ¡ between ¡samples ¡

Example: ¡Single ¡Linkage ¡

1 2 3 4 5

In ¡most ¡cases ¡(1-­‑r2), ¡ where ¡r2 ¡is ¡the ¡correlaGon ¡ coefficient, ¡is ¡used ¡as ¡ similarity ¡measure ¡ between ¡samples ¡

Example: ¡Single ¡Linkage ¡

1 2 3 4 5

Example: ¡Single ¡Linkage ¡

1 2 3 4 5

Similarity ¡Criterion: ¡Complete ¡Linkage ¡

• cluster ¡similarity ¡= ¡similarity ¡of ¡two ¡least ¡similar ¡

members ¡ + tight clusters

Similarity ¡Criterion: ¡Average ¡Linkage ¡

• cluster ¡similarity ¡= ¡average ¡similarity ¡of ¡all ¡pairs ¡

the ¡most ¡widely ¡used ¡ similarity ¡measure ¡ Robust ¡against ¡noise ¡

In ¡some ¡cases ¡we ¡can ¡determine ¡the ¡“correct” ¡number ¡of ¡clusters. ¡However, ¡things ¡are ¡rarely ¡ this ¡clear ¡cut, ¡unfortunately. ¡

But ¡What ¡Are ¡the ¡Clusters? ¡

• Nonhierarchical, ¡each ¡object ¡is ¡placed ¡in ¡exactly ¡one ¡of ¡K ¡non-­‑
• verlapping ¡clusters. ¡
• the ¡user ¡has ¡to ¡specify ¡the ¡desired ¡number ¡of ¡clusters ¡K. ¡
• In ¡hierarchical ¡clustering, ¡we ¡use ¡similarity ¡measures ¡between ¡

two ¡observed ¡samples, ¡whereas ¡in ¡K-­‑means ¡clustering, ¡we ¡use ¡ the ¡similarity ¡measures ¡between ¡an ¡observed ¡sample ¡and ¡the ¡ cluster ¡center ¡(mean). ¡ ¡

Example: ¡Clustering ¡Genes ¡

• Clustering ¡genes ¡helps ¡determine ¡

new ¡funcGons ¡for ¡unknown ¡genes ¡

• Applying ¡hierarchical ¡clustering ¡

algorithm ¡to ¡gene ¡expression ¡data ¡ was ¡an ¡early ¡“killer ¡applicaGon” ¡in ¡ this ¡area ¡

Gene ¡Expression ¡Data ¡and ¡Personalized ¡ Medicine ¡(Golub ¡et ¡al., ¡Science, ¡1999) ¡

• One ¡of ¡the ¡earliest ¡work ¡that ¡demonstrated ¡the ¡

feasibility ¡of ¡using ¡only ¡microarray ¡gene ¡expression ¡data ¡ to ¡determine ¡cancer ¡subtypes ¡for ¡paGents ¡

• A ¡staGsGcal ¡model ¡was ¡learned ¡to ¡predict ¡the ¡labels ¡for ¡

acute ¡myeloid ¡leukemia ¡(ALL) ¡and ¡acute ¡lymphoblasGc ¡ leukemia ¡ ¡(AML) ¡for ¡each ¡paGent ¡given ¡gene ¡expression ¡ data ¡

– ¡Dataset ¡used ¡to ¡learn ¡the ¡model ¡consisted ¡of ¡27 ¡ALL ¡and ¡11 ¡ AML ¡paGents ¡ – Tested ¡the ¡learned ¡model ¡on ¡20 ¡ALL ¡and ¡14 ¡AML ¡paGents ¡and ¡ 29 ¡out ¡of ¡34 ¡paGents ¡were ¡predicted ¡to ¡have ¡correct ¡cancer ¡ subtypes ¡

Gene ¡Expression ¡Signature ¡Can ¡Dis=nguish ¡ Cancer ¡Types ¡

Genes ¡that ¡are ¡informaGve ¡for ¡predicGng ¡ cancer ¡types ¡ PaGents ¡

FDA ¡Approves ¡Gene-­‑Based ¡Breast ¡Cancer ¡ Test* ¡

“MammaPrint ¡is ¡a ¡DNA ¡ microarray-­‑based ¡test ¡that ¡ measures ¡the ¡acGvity ¡of ¡70 ¡ genes... ¡The ¡test ¡measures ¡each ¡

• f ¡these ¡genes ¡in ¡a ¡sample ¡of ¡a ¡

woman's ¡breast-­‑cancer ¡tumor ¡ and ¡then ¡uses ¡a ¡specific ¡formula ¡ to ¡determine ¡whether ¡the ¡ paGent ¡is ¡deemed ¡low ¡risk ¡or ¡ high ¡risk ¡for ¡the ¡spread ¡of ¡the ¡ cancer ¡to ¡another ¡site.” ¡

Learning ¡Bayesian ¡Networks ¡

• Probability ¡distribuGon ¡over ¡directed ¡graph ¡ ¡

– Model ¡data ¡distribuGon ¡in ¡populaGon ¡ – CondiGonal ¡probability ¡distribuGon ¡(CPD) ¡for ¡ each ¡variable/node ¡condiGonal ¡on ¡its ¡parent ¡ nodes ¡ – ProbabilisGc ¡inference: ¡

• PredicGon ¡
• ClassificaGon ¡
• Dependency ¡structure ¡

– InteracGons ¡between ¡variables ¡ – Causality ¡ – ScienGfic ¡discovery ¡

Data

INTL ¡ MSFT ¡ MOT ¡ NVLS ¡

Slides ¡from ¡the ¡presentaGon ¡by ¡Segal ¡et ¡al. ¡UAI03 ¡

P(x1,..., xn) = P(xi | xi+1,..., xn)

i=1 n

∏

= P(xi | Pa(xi))

i=1 n

∏

INTL ¡ MSFT ¡ MOT ¡ DELL ¡ AMAT ¡ HPQ ¡ CPD 2 CPD 1 CPD 3

Bayesian Network

The ¡Module ¡Network ¡Idea ¡

CPD 6 CPD 3 CPD 5 CPD 1 CPD 2 CPD 4 INTL ¡ MSFT ¡ MOT ¡ DELL ¡ AMAT ¡ HPQ ¡

Module III Module II Module I

Module Network

Slides ¡from ¡the ¡presentaGon ¡by ¡Segal ¡et ¡al. ¡UAI03 ¡

• Applying ¡module ¡

network ¡to ¡2355 ¡genes ¡ in ¡the ¡173 ¡arrays ¡of ¡the ¡ yeast ¡stress ¡data ¡set ¡

Gene ¡Expressions ¡and ¡Genomes ¡

• Can ¡we ¡idenGfy ¡the ¡geneGc ¡loci ¡that ¡control ¡gene ¡

expressions? ¡

• Expression ¡quanGtaGve ¡trait ¡locus ¡(eQTL) ¡mapping ¡

– Data: ¡SNPs ¡and ¡gene-­‑expression ¡data ¡collected ¡over ¡many ¡individuals ¡ – Treats ¡gene ¡expressions ¡as ¡phenotypes ¡and ¡tries ¡to ¡discover ¡the ¡ geneGc ¡basis ¡of ¡gene ¡expression ¡variability ¡across ¡individuals ¡ – The ¡genes ¡whose ¡expression ¡levels ¡are ¡perturbed ¡by ¡the ¡given ¡geneGc ¡ variaGon ¡are ¡the ¡most ¡likely ¡candidate ¡for ¡influencing ¡the ¡observed ¡ (clinical) ¡phenotypes ¡ ¡

Personalized ¡Genomics ¡

¡ ¡ ¡“eQTL ¡studies ¡are ¡showing ¡that ¡future ¡visits ¡to ¡the ¡clinic ¡will ¡ not ¡be ¡solely ¡based ¡on ¡personalized ¡genomics ¡(that ¡is, ¡ genome ¡sequencing) ¡but ¡instead ¡on ¡personalized ¡‘omics’, ¡ which ¡will ¡combine ¡in-­‑depth ¡analysis ¡of ¡DNA ¡and ¡funcGonal ¡ genomics ¡to ¡tell ¡us ¡more ¡about ¡the ¡medical ¡condiGon ¡of ¡an ¡ individual.” ¡

Montgomery ¡and ¡Dermitzakis, ¡Nature ¡ Reviews ¡GeneGcs ¡2011. ¡

Gene=c ¡Control ¡of ¡Gene ¡Expressions ¡

• ¡TranscripGon ¡factors ¡bind ¡to ¡the ¡

upstream ¡regions ¡of ¡genes ¡on ¡ DNA ¡to ¡iniGate ¡the ¡transcripGon ¡

• f ¡genes ¡
• ¡TranscripGon ¡factor ¡binding ¡sites ¡
• n ¡DNA ¡o_en ¡have ¡specific ¡DNA ¡

sequences ¡

Gene=c ¡Control ¡of ¡Gene ¡Expressions ¡

• ¡How ¡would ¡DNA ¡sequence ¡

variaGon ¡affect ¡transcripGon ¡of ¡ genes? ¡ ¡

cis ¡and ¡trans ¡eQTLs ¡

• cis ¡eQTL: ¡in ¡genomes, ¡the ¡eQTL ¡is ¡located ¡near ¡the ¡gene ¡

whose ¡expression ¡is ¡affected ¡by ¡the ¡eQTL. ¡

– E.g., ¡mutaGons ¡in ¡the ¡upstream ¡of ¡a ¡gene ¡influences ¡the ¡expression ¡ level ¡of ¡the ¡gene ¡

• trans ¡eQTL: ¡in ¡genomes, ¡the ¡eQTL ¡is ¡located ¡far ¡away ¡(or ¡on ¡a ¡

different ¡chromosome) ¡from ¡the ¡gene ¡whose ¡expression ¡is ¡ affected ¡by ¡the ¡eQTL. ¡

– E.g., ¡mutaGons ¡in ¡the ¡transcripGon ¡factor ¡gene ¡can ¡influence ¡the ¡ expression ¡level ¡of ¡the ¡TF ¡target ¡genes. ¡

How ¡Genome ¡Controls ¡Biological ¡System ¡

IntegraGve ¡analysis ¡of ¡genomic ¡ data ¡

How ¡Genome ¡Controls ¡Biological ¡System ¡

Studying ¡the ¡Gene=c ¡Basis ¡of ¡Diseases ¡

Summary ¡

• Microarray ¡gene ¡expression ¡data ¡can ¡provide ¡valuable ¡insights ¡
• n ¡gene ¡funcGons ¡that ¡may ¡be ¡hard ¡to ¡determine ¡from ¡DNA ¡

sequence ¡alone. ¡

• eQTL ¡mapping ¡can ¡be ¡used ¡ ¡

– to ¡idenGfy ¡the ¡geneGc ¡variants ¡that ¡explain ¡gene-­‑expression ¡variability. ¡ – to ¡determine ¡the ¡molecular ¡mechanisms ¡that ¡are ¡involved ¡in ¡disease ¡

• processes. ¡