A multi-layered graphical model of the relation among SNPs, genes, and pathways based on subgraph search

Abstract

Genom Boyutunda Bağlantı/İşbirliği Çalışmaları (GWAS) kapmasında yapılan `Tek Nükleotit Polimorfizm (SNP) analizi`, hastalıklara özgü gen bölgelerinin tanımlanması ve hastalıkların altında yatan nedenleri kavrama açısından büyük potansiyel taşımaktadır. Son zamanlarda tanımlanmış olan `birleşik p-değeri (p-value)` yaklaşımı gen ve yolak (pathway) seviyesindeki `bağlantıları` tanımlamaya imkân sağlar. METU-SNP gibi mevcut bilgisayar programları ya `SNP numarası/gen numarası/yolak ismi, p-değeri` ya da `SNP numarası/hastalık numarası/yolak bilgisi` gibi bilgileri yazılı bir liste olarak vermektedir. Bu çalışmamızda, SNP numarasından/belirtecinden yola çıkarak sırasıyla o SNP'in yer aldığı genler ve o genlerin yer aldığı yolaklar mevcut webservisler aracılığıyla bulunmaktadır. Daha sonra bu yolaklar arası ortaklıklar bir `grafik kesişim` algoritmasıyla bulunmakta ve bir interaktif grafik kütüphanesi kullanılarak görselleştirilmektedir. Yazılı çıktının grafiksel bir bilgi ağına dönüştürülmesi; tanımlanmış muhtemel SNP biobelirteçleri (biomarker) için toplanan bilginin daha etkin kullanımına imkân sağlamakta ve SNPler ile ilişkili biyolojik ağ keşiflerine güç katmaktadır.

The analysis of Single Nucleotide Polymorphisms (SNPs) through Genome Wide Association Studies (GWAS) presents great potential for describing disease loci and gaining insight into the underlying etiology of diseases. Recently described combined p-value approach allows identification of associations at gene and pathway level. The integrated programs like METU-SNP produce simple lists of either SNP id/gene id/pathway title and their p-values and significance status or SNP id/disease id/pathway information. In this study, starting with the SNP id, we have annotated related gene ids and pathway ids consecutively. Then we have computed the intersection of these pathways, and visualized the common sub-graphs by an interactive graphical library. The tool developed in this thesis provides a visualization of the text output as graphical knowledge networks; hence, facilitates the efficient use of the information offered by the candidate SNP Biomarkers and helping discovery of SNP associated biological networks.