利用多主题数据来赋予定量系统药理学在免疫瘤学中的权力
Theinmozhi Arulraj1, Hanwen Wang1, Alberto Ippolito1
1Department of Biomedical Engineering, Johns Hopkins University School of Medicine, Baltimore, MD 21205, USA.
Briefings in bioinformatics
|April 1, 2024
概括
从多学科数据中利用生物信息学可以为定量系统药理学 (QSP) 模型提供信息. 这种方法有助于理解瘤微环境 (TME) 动态,并优化癌症免疫治疗策略.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 优化癌症免疫疗法需要了解瘤微环境 (TME) 内的癌细胞相互作用.
- 定量系统药理 (QSP) 模型提供了对TME动态的洞察,并预测了in silico的免疫治疗疗效.
- 质量供应商模型校准和验证受到广泛多式联运数据需求的挑战.
研究的目的:
- 讨论利用omics衍生生物信息学估计来告知QSP模型在免疫瘤学.
- 解决癌症免疫疗法研究QSP模型校准和验证的挑战.
主要方法:
- 利用生物信息学分析特征TME的大规模多omics数据集.
- 整合omics衍生数据以参数化和增强机械QSP模型.
主要成果:
- 欧米克斯数据为QSP模型开发所需的参数估计提供了丰富的来源.
- 生物信息学方法可以简化复杂的免疫瘤学模型的参数化过程.
结论:
- 整合omics衍生生物信息学估计为改善QSP模型校准和验证提供了一个有希望的策略.
- 这种方法有助于开发更准确的癌症免疫治疗预测模型.


