预测基因表达在表观基因组药物治疗后的变化.
Piyush Agrawal1, Vishaka Gopalan1, Sridhar Hannenhalli1
1Cancer Data Science Lab, National Cancer Institute, NIH, Bethesda, MD, USA.
bioRxiv : the preprint server for biology
|October 2, 2023
概括
在表观遗传药物治疗后预测基因表达变化是具有挑战性的,因为基因组的反应是可变的. 这项研究开发了一个机器学习模型来准确预测这些变化,显示了个性化癌症治疗的前景.
科学领域:
- 癌症表观遗传学 癌症表观遗传学
- 基因组药物反应预测
- 机器学习在瘤学中
背景情况:
- 表观遗传变化,如DNA甲基化和基因组修饰,驱动瘤的进展.
- 在癌症治疗中使用表观遗传药物,包括基因素脱乙酶抑制剂 (HDACi) 和DNA甲基转移酶抑制剂 (DNMTi).
- 一个关键的挑战是基因组特异性的缺乏,导致不可预测的转录变化和可变的药物反应.
结论:
- 这项研究提供了预测HDACi治疗后全基因组转录组变化的首次评估.
- 目前,由于缺乏来自临床试验的全面omics数据,这限制了这种预测方法的临床适用性.
- 需要进一步收集数据,以将这些发现转化为用于表观遗传癌症治疗的临床环境.


