综合单剂量基因组分析数据可以预测癌症细胞系对酶抑制剂的敏感性
Chinmaya U Joisa1, Kevin A Chen2, Matthew E Berginski3
1Joint Department of Biomedical Engineering, University of North Carolina at Chapel Hill and North Carolina State University, Chapel Hill, NC, United States of America.
PeerJ
|November 29, 2023
概括
了解蛋白激酶活性对于癌症治疗至关重要. 这项研究将激酶抑制剂的影响与细胞反应联系起来,开发针对癌症治疗的预测模型,并改进药物查.
科学领域:
- 生物化学和分子生物学
- 癌症生物学 癌症生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 蛋白激酶是细胞信号的核心,它们的失调驱动疾病,特别是癌症.
- 激酶抑制剂是快速增长的癌症治疗药物类别,有许多已批准的药物和更多的临床试验.
- 了解酶抑制剂对细胞表型的影响对于阐明治疗机制和药物开发至关重要.
研究的目的:
- 将大规模的基因组分析数据与细胞系治疗反应联系起来.
- 构建对酶抑制剂效应的预测性计算模型.
- 为了确定影响细胞对治疗反应的关键激酶.
主要方法:
- 结合了两个大规模的基因组分析数据集.
- 与细胞系治疗反应数据 (AUC/IC50) 相关的抑制剂-基因组相互作用.
- 在乳腺癌和胰腺癌细胞系中开发了计算模型并实验验证了预测.
主要成果:
- 开发了具有高准确性的预测模型 (R2=0.7,RMSE=0.9).
- 识别了具有良好的特征和未经研究的激酶,显著影响细胞反应.
- 实验验证证证实了乳腺癌和胰腺癌模型中的模型预测.
结论:
- 对基因组抑制状态的广泛量化准确地预测了下游的细胞表型.
- 开发的模型可以帮助简化用于酶抑制剂治疗的化合物查.
- 这种方法增强了对癌症治疗中的激酶抑制机制的理解.
