在肺腺癌中识别性别差异,使用多omics集成蛋白信号网络

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 蛋白质组学是指蛋白质组学.
• 系统生物学 系统生物学

背景情况:

• 肺腺癌 (LUAD) 在发病率,预后和治疗反应方面存在性别差异.
• 这些差异表明潜在的分子机制尚未完全理解.
• 研究性别特异性分子通路对于推进个性化癌症疗法至关重要.

研究的目的:

• 在LUAD中进行综合性多组学分析,对性别之间的转录组和蛋白质组进行对比.
• 为了识别性别偏见的分子信号网络和可用药物的目标.
• 为了发现潜在的性特异性治疗策略,为LUAD.

主要方法:

• 使用了临床蛋白质瘤分析联盟 (CPTAC) 和癌症基因组图谱 (TCGA) 数据集.
• 使用TIGER分析TCGA-LUAD表达数据以确定性别偏差的转录因子 (TF) 活性.
• 将PTM-SEA应用于CPTAC-LUAD蛋白质组学数据以检测性别偏差的激酶活性.
• 构建了一个kinase-TF信号网络,并分析了PRISM药物查数据库.

主要成果:

• 在转录因子和激酶活性中发现了显著的性别偏差.
• 揭示了一个酶-TF信号网络,与癌症相关的过程联系在一起.
• 在临床相关的TF和激酶 (例如NR3C1,AR,AURKA) 中发现了性别特异性偏差.
• 确定了潜在的性别特异性药物,包括葡萄糖皮质体受体激动剂和极光激酶抑制剂.

结论:

• 多omics网络分析揭示了 LUAD 中关键的性别特异性分子差异.
• 这些发现强调了将性别作为癌症研究中的生物变量纳入研究的重要性.
• 这项研究为开发针对LUAD的个性化,性别特定的治疗策略提供了基础.