对脑瘤多原子数据的网络分析揭示了改变细胞状态过渡的药理学机会
Brandon Bumbaca1, Jonah R Huggins2, Marc R Birtwistle2,3
1Department of Pharmaceutical Sciences, School of Pharmacy and Pharmaceutical Sciences, University at Buffalo, Buffalo, NY, USA. bbumbaca@buffalo.edu.
NPJ systems biology and applications
|February 1, 2025
概括
多形质母细胞瘤 (GBM) 由于细胞状态的可塑性,难以治疗. 这项研究模拟了GBM细胞状态,以寻找细胞状态导向治疗的新药标.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 多形质母细胞瘤 (GBM) 带来了严重的治疗挑战,生存率很低.
- 内瘤异质性和表观遗传可塑性推动了GBM对治疗的抗性.
- 了解细胞状态转变对于开发有效的GBM治疗至关重要.
研究的目的:
- 为了研究驱动细胞状态转换在多形质母细胞瘤的机制.
- 在GBM中确定细胞状态导向 (CSD) 治疗的潜在治疗点.
- 为GBM细胞表型构建一个预测模型.
主要方法:
- 利用snRNAseq和大量RNAseq数据将GBM细胞分为四种状态:神经前体样 (NPC样),寡干细胞前体样 (OPC样),星细胞样 (AC样) 和介质细胞样 (MES样).
- 构建了细胞状态特定的蛋白质-蛋白质相互作用网络 (PPINs),其中包含了蛋白质组数据.
- 使用布尔网络进行了in silico蛋白质淘汰模拟,并使用机器学习模型预测GBM细胞状态.
主要成果:
- 为GBM开发了四个不同的细胞状态PPIN和一个统一的布尔网络.
- 确定了调节细胞状态转换的关键蛋白节点和通路,例如TFAP2A促进NPC类型到MES类型的转换.
- 使用机器学习模型,为细胞状态转换的因果机制提出假设,并预测GBM患者的表型.
结论:
- 这项研究提供了对GBM细胞状态可塑性背后的分子机制的见解.
- 确定了潜在的药物点和新治疗策略的信号通路.
- 支持细胞状态导向 (CSD) 疗法的发展,以克服GBM治疗耐药性.
更多相关视频
09:24Generation of Microtumors Using 3D Human Biogel Culture System and Patient-derived Glioblastoma Cells for Kinomic Profiling and Drug Response Testing
Published on: June 9, 2016
9.0K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.0K
