在卵巢衰老中利用omics数据进行药物发现和开发
Fengyu Zhang1,2, Ming Zhu2, Yi Chen2
1Reproductive Medicine Center, Zhongshan Hospital, Fudan University, Shanghai, China.
Human reproduction update
|February 20, 2025
概括
卵巢衰老研究正在通过多omics数据取得进展,确定关键的分子机制和干预的潜在药物标. 这一进步为个性化医学提供了新的途径,可以减缓或逆转卵巢衰老.
科学领域:
- 生殖生物学和衰老研究.
- 基因组学,转录组学,蛋白质组学,代谢组学和微生物组研究.
- 计算生物学和生物信息学应用.
背景情况:
- 卵巢衰老显著影响女性的健康,但由于对分子机制的不完全理解,缺乏有效的干预措施.
- 最近的OMIC数据和计算工具的进步为卵巢衰老的复杂性提供了更深入的见解.
- 这为发现和开发针对卵巢衰老的药物提供了新的机会.
研究的目的:
- 综合与卵巢衰老相关的多omics数据 (基因组,转录组,蛋白质组,代谢组,微生物组).
- 探索omics数据集如何识别用于减缓或逆转卵巢衰老的新药标.
- 整合组织层面和单细胞层面的观点,以获得全面的理解.
主要方法:
- 在PubMed中进行全面的文献搜索,直到2024年9月.
- 关键词包括卵巢衰老,更年期,POI,DOR,各种omics领域和计算方法 (AI,机器学习).
- 包括GWAS,WES,PheWAS和门德尔随机化研究.
主要成果:
- 多个omics研究确定了卵巢衰老的关键机制:DNA损伤,炎症,线粒体功能障碍和细胞死亡.
- 整合多主题数据揭示了关键的监管因素和潜在的药物目标.
- 鉴定目标的例子包括遗传 (BRCA2,TERT),表观遗传 (Tet,FTO),代谢 (sirtuins,CD38+),蛋白质 (BIN2,PDGF-BB) 和转录因子 (FOXP1).
结论:
- 先进的奥米克技术,特别是单细胞和空间转录组学,为治疗决策和药物发现提供了宝贵的见解.
- 将单细胞多组数据与人工智能模型的整合可以提高对候选药物点的预测.
- 这种趋同为个性化医疗和精确治疗卵巢衰老铺平了道路.
