综合机器学习方法用于识别新的分子支架和预测癌细胞中的抑制反应,使用多omics数据
Aman Chandra Kaushik1,2,3, Shubham Krushna Talware1, Mohammad Imran Siddiqi1
1Division of Biochemistry and Structural Biology, CSIR-Central Drug Research Institute, Jankipuram Extension, Sitapur Road, Lucknow, Uttar Pradesh 226031, India.
Briefings in functional genomics
|April 19, 2025
概括
研究人员确定了Idasanutlin的身份.
科学领域:
- 在瘤学瘤学.
- 药理学 药理学是指药理学的学科.
- 计算生物学 计算生物学
背景情况:
- 鼠标双分钟2 (MDM2) 是p53瘤抑制路径的关键调节者,也是有前途的癌症治疗标.
- 尽管在临床试验中有许多MDM2抑制剂,但目前还没有FDA批准的针对MDM2的药物.
- 预测癌细胞中药物反应对于个性化和有效的癌症治疗至关重要.
研究的目的:
- 使用in silico方法研究MDM2抑制剂对癌细胞系的影响.
- 为了确定潜在的化合物用于向癌症治疗.
- 探索机器学习在预测药物反应中的实用性.
主要方法:
- 在Idasanutlin对癌症细胞系的影响的分析.
- 识别转录反应的签名.
- 在ChEMBL数据库中进行相似性搜索,然后进行分子对接和动力学研究.
主要成果:
- 伊达萨努特林在癌症细胞系中对基因表达产生显著影响.
- 转录签名为Idasanutilin的作用机制和临床潜力提供了洞察力.
- 通过计算研究确定和验证了潜在的化合物.
结论:
- 机器学习与omics和单细胞RNA-seq数据相结合,可以预测癌症药物反应.
- 这项研究为开发有效的向癌症治疗提供了宝贵的见解.
- 伊达萨努特林看起来很有前途,对已识别的化合物的进一步研究是有必要的.
更多相关视频
07:47Author Spotlight: Unveiling Transmembrane Protein Family-Related Markers in Gastric Cancer and Implications for Targeted Therapies
Published on: September 15, 2023
1.4K
07:41A Robust Discovery Platform for the Identification of Novel Mediators of Melanoma Metastasis
Published on: March 8, 2022
2.3K
