Integrasi Data Gen Angiogenesis pada Kanker Berbasis Knowledge Graph dan Analisis Jaringan Interaksi Protein-Protein

Abstract

Angiogenesis merupakan salah satu hallmark of cancer yang berperan dalam pertumbuhan dan progresi tumor. Kompleksitas interaksi molekuler dan jalur pensinyalan kanker menyebabkan mekanisme molekuler angiogenesis sulit dipahami apabila dianalisis secara terpisah. Penelitian ini bertujuan mengintegrasikan data biomedis terkait angiogenesis kanker menggunakan pendekatan in silico berbasis knowledge graph (KG) untuk mengidentifikasi gen yang berperan sentral dalam jaringan angiogenesis kanker. Data dikumpulkan dari berbagai basis data biomedis, kemudian dilakukan tahap pra-pemrosesan data sebelum dikonstruksi menjadi KG menggunakan Neo4j. Analisis graf dilakukan melalui kueri Cypher, analisis jaringan, dan analisis differentially expressed genes (DEGs). Graf yang dihasilkan terdiri atas tujuh jenis simpul dan sembilan jenis relasi dengan total 338 simpul dan 3.378 relasi. Analisis jaringan mengidentifikasi AKT1, CTNNB1, PIK3CA, KDR, NOTCH1, FGF2, dan HIF1A sebagai gen sentral dalam jaringan angiogenesis kanker. Pendekatan ini menghasilkan representasi komprehensif jaringan angiogenesis pada kanker untuk mendukung pemahaman mekanisme molekuler angiogenesis.

Angiogenesis is one of the hallmarks of cancer involved in tumor growth and progression. The complex molecular interactions and signaling pathways make the molecular mechanisms of angiogenesis difficult to understand when analyzed separately. This study aimed to integrate biomedical data related to cancer angiogenesis using an in silico knowledge graph (KG)–based approach to identify central genes involved in cancer angiogenesis networks. Data were collected from various biomedical databases, followed by a data preprocessing stage before being constructed into a KG using Neo4j. Graph analysis was performed through Cypher queries, network analysis, and differentially expressed genes (DEGs) analysis. The resulting graph consisted of seven node types and nine relationship types, comprising a total of 338 nodes and 3,378 relationships. Network analysis identified AKT1, CTNNB1, PIK3CA, KDR, NOTCH1, FGF2, and HIF1A as central genes in cancer angiogenesis networks. This approach provides a comprehensive representation of cancer angiogenesis networks to support the understanding of the molecular mechanisms of angiogenesis.