Das maligne Pleuralmesotheliom (MPM) ist eine seltene, aber aggressive Krebsart, welche durch schlechte Prognose und Resistenzen gegenüber herkömmlichen Therapien charakterisiert ist. Um die den Transkriptionsmustern von MPM zugrunde liegenden Mechanismen besser zu verstehen, wird in dieser Masterarbeit die Gen-Koexpressionsnetzwerkanalyse eingesetzt, um biologisch relevante Gen-Module zu identifizieren, die mit klinischen Merkmalen assoziiert sind. Zwei Methoden zur Identifikation von Modulen—ICA und WGCNA—wurden systematisch untersucht. Nach einer Parameteroptimierung anhand bekannter regulatorischer Module und biologischer Signalwege konnten mit beiden Methoden Gen-Cluster mit signifikanten Korrelationen zu klinischen Merkmalen identifiziert werden. WGCNA erzielte hierbei bessere Ergebnisse als ICA in der Modulzugehörigkeit der einzelnen Gene, in der biologischen Homogenität sowie in der spezifischeren funktionellen Charakterisierung der Module in Genontologie und WikiPathways Gensets. Besonders hervorzuheben sind funktionelle Assoziationen von Gen-Modulen mit dem Hippo-Signalweg, der Zellzykluskontrolle und DNA-Replikation sowie der extrazellulären Matrix. Diese Ergebnisse unterstreichen den Wert der Gen-Koexpressionsnetzwerkanalyse als wertvollen Ansatz zur Aufdeckung zentraler Transkriptionsmuster bei MPM. Insbesondere wird WGCNA als robuste und biologisch interpretierbare Methode zur Gen-Koexpressionsnetzwerkanalyse bei MPM hervorgehoben. Darüber hinaus unterstreicht die Arbeit die Bedeutung einer systematischen Parameterbewertung bei maschinellen Lernverfahren für Netzwerkanalysen.
Markus Riedl (Thu,) studied this question.