用于基底乳腺癌亚种群的药物重定位使用模块化网络签名
Hiram Coria-Rodríguez1, Soledad Ochoa1, Guillermo de Anda-Jáuregui2
1Computational Genomics Division, National Institute of Genomic Medicine, Periferico Sur 4809, Mexico City, 14610, Mexico.
Computational biology and chemistry
|June 22, 2023
概括
这项研究使用表观遗传特征识别了不同的基底乳腺癌亚群,揭示了不同的生存结果. 这些发现为基于表观基因特征的药物重新定位铺平了道路,以准侵袭性乳腺癌亚型.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 乳腺癌是一种异质性疾病,具有不同的亚型,影响诊断,预后和治疗.
- 基底性乳腺癌由于其侵略性和缺乏向治疗方法而存在独特的挑战.
- 表观遗传变异性是导致基础乳腺癌复杂性的关键因素.
研究的目的:
- 基于表观遗传特征,以计算方式识别基底乳腺癌亚群.
- 将这些表观遗传学特征与明显的生存概况联系起来.
- 开发一种分析工作流程,用于在基底乳腺癌中基于表观基因特征的药物重定位.
主要方法:
- 利用TCGA多原子数据的计算学习方法推断基底乳腺癌亚群.
- 分析了表观遗传学特征,以确定与生存结果的关联.
- 提取了基因共同表达网络模块,并利用LINCS数据集来确定药物优先级.
主要成果:
- 根据表观遗传特征,在基础乳腺癌中确定了不同的亚群.
- 证明这些表观遗传学特征与差异性生存概况相关.
- 建立了一个工作流程,将表观遗传学特征与基础乳腺癌的潜在药物点联系起来.
结论:
- 表观遗传特征可以有效地分类基底乳腺癌亚种群的不同预后.
- 开发的分析工作流便于基于表观基因特征的药物重定向,用于侵袭性乳腺癌.
- 这种方法为开发针对性治疗开发具有挑战性的乳腺癌亚型提供了一个有希望的策略.
