在 silico 药物敏感性预测了脑髓母细胞瘤患者的子组特定治疗方法

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 脑髓母细胞瘤是最常见的儿科脑瘤,生存率因子组而异.
• 复发性脑髓母细胞瘤具有攻击性,耐治疗性,目前的疗法会引起显著的毒性.
• 新的治疗策略对于改善患者的治疗结果和减少长期副作用至关重要.

研究的目的:

• 开发一个计算平台,DrugSeq,用于预测脑髓母细胞瘤子组中的药物敏感性.
• 通过根据分子特征对患者进行分层来实现基于风险的个性化治疗.
• 为了确定新的治疗方案,并促进临床试验分层为脑髓母细胞瘤.

主要方法:

• 利用扰乱原-响应数据集来生成药物转录响应签名.
• 将药物特征与患者脑髓母细胞瘤瘤基因表达数据进行比较.
• 采用ANOVA分析,按分子子组分层患者,并确定子组选择性药物.

主要成果:

• 在脑髓母细胞瘤子组中观察到转录特征和预测药物敏感性的明显差异.
• 确定了潜在的治疗药物,包括激酶抑制剂和表观遗传抑制剂.
• 发现了几种适合在脑髓母细胞瘤治疗中重新定位研究的药物.

结论:

• 药物Seq平台有效预测脑髓母细胞瘤的药物敏感性,并促进患者分层.
• 已确定的向疗法可以改善瘤反应,并尽量减少儿科脑瘤的晚期毒性.
• DrugSeq计算工具在其他癌症患者分层方面具有更广泛的适用性.