对黑色素瘤生物标志物和向药物的鉴定:拓学和深度学习方法
Xiwei Cui1,2, Jipeng Song3, Qingfeng Li4
1Research Center of Plastic Surgery Hospital, Chinese Academy of Medical Science and Peking Union Medical College, Beijing, China.
Frontiers in genetics
|March 18, 2025
概括
这项研究揭示了在黑色素瘤发育过程中免疫基因网络从细胞周期转向DNA修复和迁移途径的转变. 像AURKA这样的鉴定基因可能为黑色素瘤治疗提供新的点.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 免疫学 免疫学 免疫学
背景情况:
- 黑色素瘤是一种具有高死亡率的侵袭性皮肤癌,目前的治疗方法不足以治疗晚期的皮肤癌.
- 下一代测序产生了大量的瘤数据,但单基因分析限制了对复杂基因相互作用的理解.
- 需要探索免疫基因调节动态,以更好地了解黑色素瘤.
研究的目的:
- 系统地探索黑色素瘤进展中的免疫基因调节动态.
- 确定关键的基因和途径,涉及从良性瘤转变为恶性黑色素瘤.
- 使用计算方法预测黑色素瘤治疗的潜在药物标.
主要方法:
- 开发了一个拓性免疫基因调控网络,以比较良性瘤和黑色素瘤.
- 利用先进的网络分析来识别结构和功能上的差异.
- 采用深度学习模型,根据网络特征预测药物向相互作用.
主要成果:
- 在黑色素瘤中发现了显著的网络差异,从细胞周期转向DNA修复和细胞迁移途径.
- 确定了潜在的驱动基因,包括AURKA,CCNE1,APEX2和EXOC8,参与恶性转变.
- 预测了23种临床可行的候选药物,针对这些分子驱动因素.
结论:
- 路径转移为黑色素瘤进展提供了机理性的见解,并建议早期准DNA修复.
- 确定了像AURKA和DDX19B这样的枢纽基因,作为免疫调节干预的新型候选人.
- 计算药物预测方法为黑色素瘤的精密瘤学提供了一个范式.
