在神经母细胞瘤中发现生物标志物的多omics方法:基于网络的框架框架

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 遗传学 是一个遗传学.

背景情况:

• 神经母细胞瘤 (NB) 是儿童癌症死亡的主要原因.
• MYCN放大是NB的关键遗传驱动因素,但很难有效地准.
• 了解NB分子相互作用对改善治疗策略至关重要.

研究的目的:

• 开发一个集成的计算框架来分析NB多omics数据.
• 识别与NB发育和进展相关的基本基因和微RNA (miRNAs).
• 发现用于NB预后和诊断的新型候选生物标志物.

主要方法:

• 集成了三级高通量NB数据:mRNA-seq,miRNA-seq和甲基化阵列.
• 应用相似网络融合 (SNF) 和排名的SNF方法用于识别关键基因和miRNAs.
• 构建了一个转录因子 (TF),miRNA和基因的调控网络.

主要成果:

• 确定了一个调节网络,揭示了TF,miRNA和基因之间的相互作用.
• 发现了十个候选生物标记物:三个TF和七个miRNA.
• 之前在NB中研究了四种生物标志物;其他生物标志物在不同癌症中发挥作用,表明NB的潜在参与.

结论:

• 综合计算框架成功识别了潜在的NB生物标志物.
• 候选生物标志物显示出NB诊断和预后的前景.
• 分析细胞互动组是发现NB漏洞和优化治疗的可行策略.