Москва, г. Москва и Московская область, Россия
Москва, г. Москва и Московская область, Россия
Москва, г. Москва и Московская область, Россия
Москва, г. Москва и Московская область, Россия
Институт молекулярной биологии имени В.А. Энгельгардта РАН
Москва, г. Москва и Московская область, Россия
сотрудник с 01.01.2019 по настоящее время
Институт цитологии и генетики СО РАН
Новосибирский государственный университет
Российский университет дружбы народов (Аграрно-Технологический Институт, профессор)
сотрудник с 01.01.2020 по 01.01.1921
Москва, г. Москва и Московская область, Россия
Компьютерная реконструкция генных сетей – наборов взаимодействующих макромолекул, объединенных общей функцией – представляет собой комплексную задачу биоинформатики. Генные сети как графические структуры представляют удобное средство визуализации, дают качественно новую информацию о наборе исследуемых генов, описание их биологических функций. В более широком плане мы рассматриваем ассоциативные генные сети заболеваний, куда входят не только гены и их продукты – белки, метаболиты, некодирующие РНК, лекарственные соединения, но и общие признаки заболеваний – симптомы, фенотипические проявления. Программные инструменты для компьютерной реконструкции графа генной сети активно развиваются в мире, используются в биомедицине. Мы рассматриваем онлайн-доступные инструменты биоинформатики для реконструкции генных сетей по списку генов и соответствующий компьютерный конвейер обработки данных. Анализ структуры генной сети заболевания позволяет выделить узловые гены, как мишени для терапии. Рассмотрены примеры применения онлайн-программ для анализа генной сети глиомы. Предложенный подход может быть масштабирован на другие функциональные наборы генов, связанные с заболеваниями человека. Используя подобные подходы биоинформатики, рассматривались генные сети комплексных заболеваний, таких как болезнь Паркинсона, деменция, шизофрения, рак молочной железы и другие виды рака.
биоинформатика, генные сети, глиома, комплексные заболевания, белок-белковые взаимодействия, медицинская информатика
1. Дохоян А.Ю., Глущенко М.В., Орлов Ю.Л. Реконструкция генной сети шизофрении для поиска генов-мишеней. Ульяновский медико-биологический журнал, 2022, т. 3, с. 6-22, doi:https://doi.org/10.34014/2227-1848-2022-3-6-22.
2. Gubanova N.V., Orlova N.G., Dergilev A.I., Oparina N.Y., Orlov Y.L. Glioblastoma gene network reconstruction and ontology analysis by online bioinformatics tools. Journal of Integrative Bioinformatics, 2021, vol. 18, p. 20210031, doi:https://doi.org/10.1515/jib-2021-0031.
3. Туркина В.А., Майорова А.А., Дергилев А.И., Красильникова А.А., Ланских Д.В., Кумейко В.В., Орлов Ю.Л. Компьютерный анализ структуры генной сети глиобластомы и опухолей мозга. Сборник научных трудов VII Съезда Биофизиков России: в 2 томах, том 1 - Краснодар: Типография ФГБОУ ВО «КубГТУ», 2023, с. 294-295, doi:https://doi.org/10.26297/SbR6.2023.001.
4. Anashkina A.A., Leberfarb E.Y., Orlov Y.L. Recent Trends in Cancer Genomics and Bioinformatics Tools Development. International Journal of Molecular Sciences, 2021, vol. 22, p. 12146, doi:https://doi.org/10.3390/ijms222212146.
5. Klimontov V.V., Koshechkin K.A., Orlova N.G., Sekacheva M.I., Orlov Y.L. Medical Genetics, Genomics and Bioinformatics-2022. International Journal of Molecular Sciences, 2023, vol. 24, no. 10, p. 8968, doi:https://doi.org/10.3390/ijms24108968.
6. Demenkov P.S., Ivanisenko T.V., Kolchanov N.A., Ivanisenko V.A. ANDVisio: a new tool for graphic visualization and analysis of literature mined associative gene networks in the ANDSystem. In Silico Biol., 2011, vol. 11, no. 3-4, pp. 149-161, doi:https://doi.org/10.3233/ISB-2012-0449.
7. Ivanisenko T.V., Saik O.V., Demenkov P.S., Ivanisenko N.V., Savostianov A.N., Ivanisenko V.A. ANDDigest: a new web-based module of ANDSystem for the search of knowledge in the scientific literature. BMC Bioinformatics, 2020, vol. 21, suppl. 11, p. 228, doi:https://doi.org/10.1186/s12859-020-03557-8.
8. Ivanisenko V.A., Saik O.V., Ivanisenko N.V. et al. ANDSystem: an Associative Network Discovery System for automated literature mining in the field of biology. BMC Syst Biol., 2015, vol. 9, suppl. 2, p. S2, doi:https://doi.org/10.1186/1752-0509-9-S2-S2.
9. Орлов Ю.Л., Шадеркин И.А., Орлова Н.Г., Рябков И.В., Лебедев Г.С. Цифровизация медицинского образования и телемедицина. Физико-химические методы в междисциплинарных экологических исследованиях. Всероссийский симпозиум и школа-конференция молодых ученых, 27 октября - 3 ноября, 2021, Севастополь, Россия. Сборник трудов симпозиума. М.: Издательский дом "Граница", 2021, 355 c. 340-341.
10. Orlova N.G., Orlov Y.L. Problems of developing online training courses for students in digital disciplines using bioinformatics as an example. In: Proceedings of the International Conference “Scientific research of the SCO countries: synergy and integration”. Scientific publishing house Infinity, 2022, pp. 58-65.
11. Орлов Ю.Л., Анашкина А.А., Рябков И.В., Лисненко А.А., Лебедев Г.С. Цифровизация образования в медицине: дистанционное преподавание биоинформатики и научные исследования с использованием интернет-технологий. Наука в инновационном процессе: Материалы Международной научно-практической конференции (Москва, 1–2 декабря 2021 г.). М.: ИПРАН РАН, 2021, с. 222-226, doi:https://doi.org/10.37437/9785912941719-21-ss2 .
12. Орлов Ю.Л., Галиева А.Г., Орлова Н.Г., Иванова Е.Н., Мозылева Ю.А., Анашкина А.А. Реконструкция генной сети болезни Паркинсона для поиска генов-мишеней. Биомедицинская химия, 2021, т. 67, вып. 3, с. 222-230, doi:https://doi.org/10.18097/PBMC20216703222.
13. Тийс Р.П., Осипова Л.П., Галиева Э.Р., Личман Д.В., Воронина Е.Н., Мелихова А.В., Орлов Ю.Л., Филипенко М.Л. Полиморфизм вариантов гена N-ацетилтрансферазы 2 (NAT2) и анализ генной сети. Биомедицинская химия, 2021, т. 67, вып. 3, с. 213-221, doi:https://doi.org/10.18097/PBMC20216703213 .
14. Osborn A.G., Louis D.N., Poussaint T.Y., Linscott L.L., Salzman K.L. The 2021 World Health Organization Classification of Tumors of the Central Nervous System: What Neuroradiologists Need to Know. AJNR Am. J. Neuroradiol., 2022, vol. 43, no. 7, pp. 928-937, doi:https://doi.org/10.3174/ajnr.A7462.
15. Byun Y.H., Park C.-K. Classification and Diagnosis of Adult Glioma: A Scoping Review. Brain & Neurorehabilitation. Korean Society for Neurorehabilitation, 2022, vol. 15, no. 3, pp. 3-5.
16. Chang S., Yim S., Park H. The cancer driver genes IDH1/2, JARID1C/ KDM5C, and UTX/ KDM6A: crosstalk between histone demethylation and hypoxic reprogramming in cancer metabolism. Exp Mol Med., 2019, vol. 51, no. 6, pp. 1-17, doi:https://doi.org/10.1038/s12276-019-0230-6.
17. Qi S., Yu L., Li H. et al. Isocitrate dehydrogenase mutation is associated with tumor location and magnetic resonance imaging characteristics in astrocytic neoplasms. Oncol Lett., 2014, vol. 7, no. 6, pp. 1895-1902, doi:https://doi.org/10.3892/ol.2014.2013.
18. Carrillo J.A., Lai A., Nghiemphu P.L. et al. Relationship between tumor enhancement, edema, IDH1 mutational status, MGMT promoter methylation, and survival in glioblastoma. AJNR Am J Neuroradiol., 2012, vol. 33, no. 7, pp. 1349-1355, doi:https://doi.org/10.3174/ajnr.A2950.
19. Gritsch S., Batchelor T.T., Gonzalez Castro L.N. Diagnostic, therapeutic, and prognostic implications of the 2021 World Health Organization classification of tumors of the central nervous system. Cancer, 2022, vol. 128, no. 1, pp. 47-58, doi:https://doi.org/10.1002/cncr.33918.
20. Voropaeva E.N., Pospelova T.I., Orlov Y.L., Churkina M.I., Berezina O.V., Gurazheva A.A., Ageeva T.A., Seregina O.B., Maksimov V.N. The Methylation of the p53 Targets the Genes MIR-203, MIR-129-2, MIR-34A and MIR-34B/C in the Tumor Tissue of Diffuse Large B-Cell Lymphoma. Genes, 2022, vol. 13, no. 8, p. 1401, doi:https://doi.org/10.3390/genes13081401.
21. Коновалов Н.А., Асютин Д.С., Шайхаев Е.Г., Капровой С.В., Тимонин С.Ю. Молекулярные биомаркеры астроцитом головного и спинного мозга. Acta Naturae (русскоязычная версия), 2019, т. 11, т. 2, № 41, с. 17-27.
22. Пушкин А.А., Тимошкина Н.Н., Росторгуев Э.Е. Экспрессионный статус 15-ти генов в глиальных опухолях головного мозга. Исследования и практика в медицине, т. 6, № Спецвыпуск, 2019, с. 230.
23. Davis M.E. Epidemiology and Overview of Gliomas. Semin. Oncol. Nurs., 2018, vol. 34, no. 5, pp. 420-429, doi:https://doi.org/10.1016/j.soncn.2018.10.001.
24. Stelzer G., Rosen N., Plaschkes I. et al. The GeneCards Suite: From Gene Data Mining to Disease Genome Sequence Analyses. Curr Protoc Bioinformatics, 2016, vol. 54, pp. 1.30.1-1.30.33, doi:https://doi.org/10.1002/cpbi.5.
25. Aleksander S.A, Balhoff J. et al. The Gene Ontology Consortium, The Gene Ontology knowledgebase in 2023. Genetics, 2023, vol. 224, no. 1, iyad031, pp. 2-12, doi:https://doi.org/10.1093/genetics/iyad031.
26. Voropaeva E.N., Pospelova T.I., Voevoda M.I., Maksimov V.N., Orlov Y.L., Seregina O.B. Clinical aspects of TP53 gene inactivation in diffuse large B-cell lymphoma. BMC Med Genomics, 2019, vol. 12, suppl. 2, pp. 35, doi:https://doi.org/10.1186/s12920-019-0484-9.
27. Xu Y., Tong X., Yan J., Wu X., Shao Y.W., Fan Y. Short-Term Responders of Non–Small Cell Lung Cancer Patients to EGFR Tyrosine Kinase Inhibitors Display High Prevalence of TP53 Mutations and Primary Resistance Mechanisms. Transl. Oncol., 2018, vol. 11, no. 6, pp. 1364-1369, doi:https://doi.org/10.1016/j.tranon.2018.08.010.
28. Побяржин В.В. Изменение экспрессии гена-супрессора TP53 в тканях крыс при экспериментальном аскаридозе на различных сроках наблюдения во время воспроизведения опухолевой модели глиомы крыс С6 in situ. Международный научно-исследовательский журнал, 2022, т. 9, № 123, c. 1, doi:https://doi.org/10.23670/IRJ.2022.123.20.
29. Tran P.M.H., Tran L.K.H., Satter K.B., Purohit S., Nechtman J., Hopkins D.I., Dos Santos B., Bollag R., Kolhe R., Sharma S., She J.X. Retrospective Validation of a 168-Gene Expression Signature for Glioma Classification on a Single Molecule Counting Platform. Cancers (Basel), 2021, vol. 13, no. 3, p. 439, doi:https://doi.org/10.3390/cancers13030439.
30. Cohen S. Isolation of a Mouse Submaxillary Gland Protein Accelerating Incisor Eruption and Eyelid Opening in the New-born Animal. J. Biol. Chem., 1962, vol. 237, no. 6, pp. 1555-1562.
31. Levi-Montalcini R., Booker B. Excessive growth of the sympathetic ganglia evoked by a protein isolated from mouse salivary glands. Proc. Natl. Acad. Sci. U.S.A., 1960, vol. 46, no. 3, p. 373.
32. Tan S., Spear R., Zhao J., Sun X., Wang P. Comprehensive Characterization of a Novel E3-Related Gene Signature with Implications in Prognosis and Immunotherapy of Low-Grade Gliomas. Front Genet., 2022, vol. 13, p. 905047, doi:https://doi.org/10.3389/fgene.2022.905047.
33. Wen J., Zhao W., Shu X. A novel cuproptosis-related LncRNA signature: Prognostic and therapeutic value for low grade glioma. Front. Oncol., 2023, vol. 12, p. 1087762, doi:https://doi.org/10.3389/fonc.2022.1087762.
34. Xie J., Sun J., Feng J., Yang F., Wang J., Wen T., Nie Q. Kernel Differential Subgraph Analysis to Reveal the Key Period Affecting Glioblastoma. Biomolecules, 2020, vol. 10, p. 318, doi:https://doi.org/10.3390/biom10020318.
35. Zhao B.-W., Su X.-R., Hu P.-W., Huang Y.-A., You Z.-H., Hu L. iGRLDTI: an improved graph representation learning method for predicting drug-target interactions over heterogeneous biological information network. Bioinformatics, 2023, vol. 39, no. 8, p. 2, btad45, doi:https://doi.org/10.1093/bioinformatics/btad451.
36. Babenko V.N., Gubanova N.V., Bragin A.O., Chadaeva I.V., Vasiliev G.V., Medvedeva I.V., Gaytan A.S., Krivoshapkin A.L., Orlov Y.L. Computer Analysis of Glioma Transcriptome Profiling: Alternative Splicing Events. Journal of Integrative Bioinformatics, 2017, vol. 14, no. 3, p. 20170022, doi:https://doi.org/10.1515/jib-2017-0022.
37. Babenko V.N., Bragin A.O., Spitsina A.M., Chadaeva I.V., Galieva E.R., Orlova G.V., Medvedeva I.V., Orlov Y.L. Analysis of differential gene expression by RNA-seq data in brain areas of laboratory animals. Journal of Integrative Bioinformatics, 2016, vol. 13, no. 4, pp. 292, doi:https://doi.org/10.2390/biecoll-jib-2016-292.
38. Ivanisenko T.V., Demenkov P.S., Kolchanov N.A., Ivanisenko V.A. The New Version of the ANDDigest Tool with Improved AI-Based Short Names Recognition. Int J Mol Sci., 2022, vol. 23, no. 23, p. 14934, doi:https://doi.org/10.3390/ijms232314934.
39. Khlebodarova T.M., Demenkov P.S., Ivanisenko T.V., Antropova E.A., Lavrik I.N., Ivanisenko V.A. Primary and Secondary micro-RNA Modulation the Extrinsic Pathway of Apoptosis in Hepatocellular Carcinoma. Mol. Biol. (Mosk), 2023, vol. 57, no. 2, pp. 165-175, doi:https://doi.org/10.1134/S0026893323020103.
40. Brix T.J., Berentzen M., Becker L., Storck M., Varghese J. Development of a Command Line Interface for the Analysis of Result Sets from Automated Queries to Literature Databases. Stud Health Technol Inform., 2023, vol. 302, pp. 162-166, doi:https://doi.org/10.3233/SHTI230095.
41. Lu Z. PubMed and beyond: a survey of web tools for searching biomedical literature. Database (Oxford), 2011, vol. 2011, baq036, pp. 1-12, doi:https://doi.org/10.1093/database/baq036.
42. Veljkovic A.N., Orlov Y.L., Mitic N.S. BioGraph: Data Model for Linking and Querying Diverse Biological Metadata. International Journal of Molecular Sciences, 2023, vol. 24, no. 8, p. 6954, doi:https://doi.org/10.3390/ijms24086954.
43. Orlov Y.L., Baranova A.V. Editorial: Bioinformatics of Genome Regulation and Systems Biology. Front Genet., 2020, vol. 11, pp. 625, doi:https://doi.org/10.3389/fgene.2020.00625.
44. Orlov Y.L., Hofestaedt R.M., Kolchanov N.A. Introductory note for BGRS\SB-2014 special issue. J. Bioinform. Comput. Biol., 2015, vol. 13, no. 1, p. 1502001, doi:https://doi.org/10.1142/S0219720015020011.
45. Dergilev A.I., Orlova N.G., Dobrovolskaya O.B., Orlov Y.L. Statistical estimates of multiple transcription factors binding in the model plant genomes based on ChIP-seq data. Journal of Integrative Bioinformatics, 2021, vol. 19, no. 1, p. 20200036, doi:https://doi.org/10.1515/jib-2020-0036.
46. Orlov Y., Dobrovolskaya O., Chen M., Hofestadt R. Bioinformatics of genome regulation and structure – 2020 papers collection. Journal of Integrative Bioinformatics, 2020 vol. 17, no. 4, p. 20200038, doi:https://doi.org/10.1515/jib-2020-0038.
47. Карпов О.Э., Клименко Г.С., Лебедев Г.С. Применение интеллектуальных систем в здравоохранении. Современные наукоемкие технологии, 2016, т. 7, с. 38-43.
48. Lebedev G., Polikarpov A., Golubev N., Tyurina E., Serikov A., Selivanov D., Orlov Y. The Geographic Information System of the Russian Ministry of Health. In: Czarnowski I., Howlett R., Jain L. (eds) Intelligent Decision Technologies. IDT 2020. Smart Innovation, Systems and Technologies, 2020, vol. 193, pp. 403-411. Springer, Singapore, doi:https://doi.org/10.1007/978-981-15-5925-9_34.
49. Xing X., Yang F., Li H. et al. Multi-level attention graph neural network based on co-expression gene modules for disease diagnosis and prognosis. Bioinformatics, 2022, vol. 38, no. 8, pp. 1-6, 2178-2186, doi:https://doi.org/10.1093/bioinformatics/btac088.
50. Oloulade B.M., Gao J., Chen J., Al-Sabri R., Wu Z. Cancer Drug Response Prediction with Surrogate Modeling-Based Graph Neural Architecture Search. Bioinformatics, 2023, btad478, doi:https://doi.org/10.1093/bioinformatics/btad478.
