机器学习算法识别了目标基因和对扩散大B细胞淋巴瘤的母体细胞的分子机制
Yidong Zhu1, Zhongping Ning2, Ximing Li2
1Department of Traditional Chinese Medicine, Shanghai Tenth People's Hospital, Tongji University School of Medicine, Shanghai, 200072, China.
Current computer-aided drug design
|August 22, 2023
概括
通过向五个关键基因和PI3K-Akt通路,Matrine显示出治疗扩散性大B细胞淋巴瘤 (DLBCL) 的潜力. 这项研究确定了DLBCL的新型治疗策略.
科学领域:
- 在瘤学瘤学.
- 药理学 药理学是指药理学的学科.
- 生物信息学是一种生物信息学.
背景情况:
- 扩散性大B细胞淋巴瘤 (DLBCL) 是全球最常见的非霍奇金淋巴瘤.
- 持续需要创新的DLBCL治疗策略.
研究的目的:
- 系统地调查在DLBCL治疗中马林的潜在分子标.
- 阐明马特林对DLBCL的疗效背后的分子机制.
主要方法:
- 从多个平台收集了Matrine目标,并下载了DLBCL微阵列数据.
- 利用差异表达分析和WGCNA来识别DLBCL枢纽基因.
- 应用LASSO算法,分子对接和ROC分析来识别和验证核心母体目标.
主要成果:
- 确定了222个母体标和1269个DLBCL枢纽基因.
- 确定了五个核心目标基因:CTSL,NR1H2,PDPK1,MDM2和JAK3.
- 证实了对核心基因的稳定母体结合及其与DLBCL的关联,涉及PI3K-Akt通路.
结论:
- 马特林显示出作为DLBCL治疗剂的潜力.
- 确定了五个特定的基因作为DLBCL.matrine的潜在目标.
- 建议PI3K-Akt信号通路作为matrine在DLBCL中的作用的关键机制.
