计算机辅助的药物发现策略,用于前列腺癌的新疗法,利用下一代测序数据
Weijie Zhang1,2, R Stephanie Huang1,2
1Department of Bioinformatics and Computational Biology, University of Minnesota, Minneapolis, MN, USA.
Expert opinion on drug discovery
|June 11, 2024
概括
计算方法通过分析患者的分子形状来加速前列腺癌 (PC) 药物发现. 这些方法提供了具有成本效益和快速的潜在疗法识别,以打击PC复发和转移.
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:
- 前列腺癌 (PC) 是男性癌症死亡的主要原因.
- 局部化PC治疗通常最初是成功的,但复发和转移仍然是重大挑战.
- 侵略性PC的生存率很低,需要新的治疗策略.
研究的目的:
- 审查最近前列腺癌药物发现计算方法的进展.
- 突出药物发现目标和使用PC分子配置文件的计算机辅助方法的翻译价值.
- 讨论不断发展的分子分析技术在识别新药候选者的潜力.
主要方法:
- 对前列腺癌中药物发现的计算方法的审查.
- 来自PC患者的下一代测序分子谱的分析.
- 讨论用于选候选药物的计算机辅助方法.
主要成果:
- 计算方法为PC提供快速和成本效益的药物预测.
- 分子形状使得量身定制的计算机辅助药物查成为可能.
- 最近的进展集中在确定各种瘤微环境的治疗方法上.
结论:
- 计算机辅助药物发现对确定有效的前列腺癌治疗方法具有重大前景.
- 分子分析和计算方法的整合可以加快临床影响力的药物的提名.
- 预计将继续扩大候选药物池,并进行持续的研究和高通量选.
更多相关视频
12:23Phosphopeptide Enrichment Coupled with Label-free Quantitative Mass Spectrometry to Investigate the Phosphoproteome in Prostate Cancer
Published on: August 2, 2018
12.1K
13:24Integration of Wet and Dry Bench Processes Optimizes Targeted Next-generation Sequencing of Low-quality and Low-quantity Tumor Biopsies
Published on: April 11, 2016
11.8K
