MMP3C:一种in-silico框架,使用基因表达特征描绘癌症代谢可塑性
Xingyu Chen1, Min Deng2, Zihan Wang1
1Dr. Neher's Biophysics Laboratory for Innovative Drug Discovery, State Key Laboratory of Quality Research in Chinese Medicine, Macau University of Science and Technology, Taipa, Macao SAR 999078, China.
Briefings in bioinformatics
|December 25, 2023
概括
癌细胞表现出代谢可塑性,适应生长和抵抗. 一个新的工具MMP3C分析了这种可塑性在各种癌症中,揭示了与预后和潜在治疗点相关的亚型.
科学领域:
- 在瘤学瘤学.
- 代谢工程是代谢工程.
- 生物信息学是一种生物信息学.
背景情况:
- 癌细胞表现出代谢可塑性,这对于瘤发生,转移和耐药性至关重要.
- 对瘤代谢可塑性的理解有限,特别是细胞亚群和瘤微环境中的交叉声.
- 需要强大的计算工具来分析各种癌症类型的代谢可塑性.
研究的目的:
- 开发和验证一个in-silico框架,MMP3C (通过途径对对比对比的建模代谢可塑性),用于分析瘤代谢可塑性.
- 使用转录组数据对13种癌症类型的代谢可塑性进行大规模分析.
- 探索单细胞分辨率的代谢可塑性,并确定潜在的临床应用.
主要方法:
- 基于转录组数据的MMP3C计算框架的开发.
- 分析了来自13种癌症类型的6000多种瘤,以评估代谢可塑性.
- 在乳腺癌患者的代谢可塑性单细胞分辨率分析.
- 机器学习的应用用于临床使用的查代谢塑性事件.
主要成果:
- MMP3C的可靠性得到证明,在13种癌症类型中,有6种癌症表现出华堡效应.
- 在癌症类型中确定了显著的代谢异质性,定义了与免疫模式和预后相关的四种代谢塑料亚型.
- 对乳腺癌单细胞的分析揭示了与瘤发生,转移和免疫抑制相关的代谢塑性事件.
结论:
- MMP3C是捕捉瘤代谢可塑性和识别关键代谢交叉的实用工具.
- 在各种癌症中发现了一组主要的代谢塑料对,为治疗策略提供了洞察力.
- 通过MMP3C识别的代谢特征显示了癌症诊断,分类和预后的潜在生物标志物.
