从单细胞蛋白质量化数据中重建和比较信号传导网络
Tim Stohn1,2, Roderick van Eijl3, Klaas W Mulder3
1Department of Computer Science, Vrije Universiteit Amsterdam, Amsterdam, The Netherlands.
Bioinformatics (Oxford, England)
|December 24, 2025
概括
新的计算方法,单细胞模块响应分析 (scMRA) 和单细胞比较网络重建 (scCNR),使单细胞蛋白数据的信号传导网络分析成为可能. 这些方法揭示了特定于细胞群体的信号差异,以指导向癌症治疗.
科学领域:
- 系统生物学 系统生物学
- 计算生物学是一种计算生物学.
- 分子生物学分子生物学
背景情况:
- 信号传导网络对于生物过程至关重要,并且在癌症等疾病中经常受到失调.
- 了解这些网络及其在不同细胞类型中的变异对于开发有效疗法至关重要.
- 传统方法依赖于扰动实验和批量测量,限制了详细的网络分析.
研究的目的:
- 引入新的计算方法来从单细胞数据中重建和量化信号传导网络.
- 为了利用单细胞异质性作为网络推断的自然扰动源.
- 为了能够识别特定于细胞群体的信号差异.
主要方法:
- 开发了单细胞模块响应分析 (scMRA) 和单细胞比较网络重建 (scCNR).
- 利用单细胞蛋白质丰度中的随机变化作为内源性扰动信号.
- 从EGFR抑制剂治疗的角质细胞中测量蛋白的方法.
主要成果:
- scMRA和scCNR成功地从单细胞蛋白质组数据中重建信号传导网络.
- scCNR识别了特定于细胞群的网络拓和相互作用强度.
- 在经过治疗的角质细胞中,EGFR下游的信号差异已被证明恢复.
结论:
- scMRA和scCNR提供了强大的工具,以单细胞分辨率剖析复杂的信号网络.
- 这些方法可以揭示细胞群之间的信号传递机制差异.
- 这些发现将有助于设计更精确,更有效的治疗策略来治疗癌症等疾病.


