目标识别的系统视图:模拟华堡效应
Jean-Yves Trosset1, Gilles Bernot2
1Sup'Biotech, BIRL, Villejuif, France. jean-yves.trosset@supbiotech.fr.
Methods in molecular biology (Clifton, N.J.)
|March 31, 2025
概括
这项研究引入了一种计算方法,用于识别癌症代谢中的关键目标. 该方法选代谢网络,以找到可以逆转华堡效应的关键调节者,这是癌症的标志.
科学领域:
- 细胞生物学和系统生物学
- 癌症的新陈代谢和信号通路.
- 生物网络的计算建模.
背景情况:
- 细胞信号网络对于适应微环境变化至关重要.
- 正式建模有助于识别关键的监管组件和治疗目标.
- 了解癌症代谢对于开发有效治疗方法至关重要.
研究的目的:
- 开发一种针对癌症代谢的 in silico 正式查策略.
- 在代谢网络中识别关键的"热点".
- 寻找能够诱导病态细胞表型系统变化的标,例如逆转华堡效应.
主要方法:
- 使用正式建模和in silico选.
- 分析细胞信号网络的动态.
- 侧重于癌症的背景下代谢网络.
主要成果:
- 在代谢网络中识别关键热点.
- 展示一种诱导病态细胞表型系统变化的策略.
- 通过有针对性的干预来扭转华堡效应的潜力.
结论:
- 提出的in silico策略可以有效地识别癌症代谢中的关键目标.
- 这种方法为调节癌细胞表型提供了一条途径,包括华堡效应.
- 正式建模为在瘤学中发现治疗策略提供了强大的工具.


