网络驱动的方法使用基因表达特征在乳腺癌中找到治疗点通过分子动力学研究验证通过分子动力学研究.

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 乳腺癌 (BC) 是女性癌症死亡的主要原因,需要新的治疗策略.
• 目前的BC分类依赖于HER2,ER和PR等生物标志物,但需要进一步的目标.
• 基于网络的基因表达造型提供了一种强大的方法,以发现新的治疗点在复杂的疾病,如BC.

研究的目的:

• 在乳腺癌中识别新的差异表达基因 (DEGs) 和枢纽基因.
• 探索BC治疗的潜在治疗剂和药理目标.
• 调查已识别的基因在BC启动和进展中的作用.

主要方法:

• 统计分析 (p值,FDR) 来识别DEGs.
• 生存和表达分析以评估枢纽基因重要性.
• 丰富分析,激酶/转录因子识别和蛋白质-蛋白质相互作用 (PPI) 网络分析.
• 计算药物发现,包括分子对接,模拟和结合自由能计算 (MMPBSA/MMGBSA).

主要成果:

• 在BC确定了123个DEG,其中101个是下调的,11个是上调的.
• 证实了枢纽基因在BC启动和进展中的关键作用.
• 发现了针对已识别的枢纽基因的潜在药物,其中HMOX1 (血基氧化酶1) 特别有前途.
• 通过分子动力学和结合能量的计算,验证了新型化合物与HMOX1的高结合亲和度和稳定性.

结论:

• 基于网络的基因表达分析有效地识别了乳腺癌中的关键生物标志物和治疗点.
• HMOX1是开发新型乳腺癌治疗药物的有希望的目标.
• 计算药物发现方法证实了已识别的化合物向HMOX1的潜力,提高了对BC生物标志物的理解.