通过系统建模在胰腺癌转化研究中的蛋白质学数据集中的知识发现

科学领域:

• 生物医学信息学 生物医学信息学
• 翻译医学是一种翻译医学.
• 计算生物学 计算生物学

背景情况:

• 翻译性研究旨在将基础科学发现与临床应用联系起来.
• 数据库中的知识发现 (KDD) 提供了一种强大的方法来加速这一过程.
• 目前的方法往往难以整合来自体外,体内和临床研究的各种数据.

研究的目的:

• 为KDD在翻译研究中提出和验证系统建模工作流.
• 应用此工作流来确定胰腺管道腺癌 (PDAC) 的潜在翻译目标.
• 证明工作流在生成和验证假设中的实用性.

主要方法:

• 开发了一个系统建模工作流程,包括数据收集 (组成和处理模型,例如蛋白质组学) 和分析 (生物信息学,AI / ML,模式评估).
• 来自PDAC的各种体外 (细胞系,球体,有机体) 和体内 (小鼠模型) 研究模型的综合数据.
• 利用生物信息学和机器学习进行模式评估和假设生成.

主要成果:

• 在人类PDAC和临床前研究模型之间确定了共同的蛋白质.
• 发现了PDAC特异性蛋白质和相关的信号通路.
• 突出显示了枢纽蛋白和高拓蛋白作为潜在的翻译目标.

结论:

• 拟议的系统建模工作流程对KDD在翻译医学中有效.
• 这种方法有助于发现PDAC的新型翻译目标.
• 工作流提供了一个框架来生成和验证假设,加速临床应用的道路.