多层分层瘤学平台使用转录学,前列腺癌器官和药物反应建模
Juening Kang1, Panagiotis Chouvardas1,2, Andrew Maalouf1
1Urology Research Laboratory, Department for BioMedical Research, University of Bern, Bern, 3008, Switzerland.
Journal of experimental & clinical cancer research : CR
|October 16, 2025
概括
这项研究使用患者衍生器官 (PDO) 和机器学习研究前列腺癌 (PCa) 异质性. 调查结果揭示了药物脆弱性和个性化治疗策略的预测模型.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 药理学 药理学是指药理学的学科.
背景情况:
- 多焦点原发性前列腺癌 (PCa) 呈现出高的患者内异质性,限制了当前治疗的有效性.
- 了解这种异质性对于开发有针对性的疗法至关重要.
研究的目的:
- 使用患者衍生器官 (PDO) 调查PCa分子异质性和药理反应.
- 开发一个预测模型来分层患者和识别药物脆弱性.
主要方法:
- 利用来自多个PCa病变的双胞胎活检和匹配的PDO模型.
- 采用了基因组学,转录学和机器学习 (ML) 方法.
- 分析基因表达数据以识别患者群体并预测药物反应.
主要成果:
- 根据基因表达特征,确定了不同的患者群.
- 对于针对受体氨酸激酶 (MET,ALK,SRC) 的特定化合物,PDO药物反应在集之间有显著差异.
- 开发了一个基于转录组学的模型,准确地分层样本并预测集群成员.
结论:
- 前列腺癌类器官对向特定受体氨酸激酶的小分子抑制剂具有脆弱性.
- 一种新的,灵活的分层瘤学方法可以快速识别PCa药物脆弱性.
- 开发的预测模型使个性化治疗建议成为可能,即使没有PDO衍生.
