隐藏驱动器推断揭示了用于脑髓母细胞瘤的协同大脑透疗法

科学领域:

• 在瘤学瘤学.
• 系统生物学 系统生物学
• 药理学 药理学是指药理学的学科.

背景情况:

• 高风险髓母细胞瘤 (MB),特别是3组 (G3) MB,由于药物耐药性和血脑屏障 (BBB) 透性差等挑战,缺乏有效的治疗方法.
• 识别有效的药物组合对于治疗侵袭性MB亚型至关重要.

研究的目的:

• 开发一个系统生物学框架 (SINBA) 来预测高风险MB的协同作用和BBB-透性药物组合.
• 确定针对G3 MB的潜在驱动因素的新型治疗策略.

主要方法:

• 开发了SINBA (数据驱动的基于网络的贝叶斯分析的协同推断),集成MB基因网络,转录基因数据和药物基因相互作用.
• 优先考虑并经过实验验证的协同作用药物组合,重点是BBB透剂.
• 利用临床前模型 (异种移植和免疫能力较强的小鼠) 和单细胞分析来评估疗效和机制.

主要成果:

• 辛巴确定了32种候选药物组合,其中19种被验证为协同作用.
• 在临床前模型中,mirdametinib (MEK 抑制剂) 和regorafenib (p38 抑制剂) 的组合显示出显著的疗效.
• 这种药物对抑制了G3 MB的进展,延长了生存期,并且通过低剂量辐射得到增强,向瘤的发育起源并重新编程免疫微环境.

结论:

• SINBA平台提供了一种快速有效的方法,用于发现高风险癌症的大脑透,协同作用的药物组合.
• 鉴定到的MEK和p38抑制剂组合为G3髓母细胞瘤提供了临床可行的精确瘤策略,通过向其起源细胞并改变瘤微环境.