多尺度几何网络分析识别了黑色素瘤免疫疗法反应基因模块
Kevin A Murgas1, Rena Elkin2, Nadeem Riaz3
1Department of Biomedical Informatics, Stony Brook University, Stony Brook, NY, USA.
bioRxiv : the preprint server for biology
|December 4, 2023
概括
研究人员使用网络分析来了解黑色素瘤.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 免疫治疗是一种免疫疗法.
背景情况:
- 黑色素瘤对免疫治疗的分子反应尚未完全理解.
- 确定治疗反应的分子标志物至关重要.
研究的目的:
- 应用多级网络方法来分析接受免疫治疗的黑色素瘤患者的基因表达变化.
- 识别与治疗反应和患者存活相关的基因模块.
主要方法:
- 利用了尼沃卢马布治疗前后黑色素瘤患者的基因表达数据.
- 在相关联网络中建模基因表达变化.
- 应用动态奥利维埃-里奇曲率来识别关键基因模块.
主要成果:
- 确定了六个不同的基因模块,涉及免疫疗法反应.
- 一个模块与核因子kappa-B (NFKB) 途径相关,与改善的患者存活率相关.
- 证明了动态奥利维埃-里奇曲率在癌症基因模块识别中的实用性.
结论:
- 动态奥利维埃 - 里奇曲率对于识别癌症中的功能相关基因模块是有效的.
- 该NFKB途径模块显示了作为黑色素瘤免疫治疗反应的生物标志物的潜力.


