相关实验视频
Updated: Jul 15, 2026

Induction of Mesenchymal-Epithelial Transitions in Sarcoma Cells
Published on: April 7, 2017
一个新的范式的 retroperitoneal leiomyosarcoma:整合转录基因亚型和手术风险分层为AI引导药物重定向的AI引导药物重定向
Nan Jia1, Zicheng Bao1, Zhidong Zhang1
1The Third Department of Surgery, The Fourth Hospital of Hebei Medical University, Shijiazhuang, China.
由于复发和有限的辅助疗法,逆皮带肌肉肉瘤 (RLMS) 的治疗具有挑战性. 本综述提出了一个人工智能引导的框架,整合了分子亚型和手术风险,用于个性化药物重定位,以改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 计算药理学计算药理学
背景情况:
- 逆肌肉肉瘤 (RLMS) 存在重大治疗挑战,其特点是高复发率和当前辅助治疗的最小疗效.
- 由于RLMS的分子异质性和缺乏了解的瘤驱动因素,阻碍了向治疗的开发.
研究的目的:
- 建议在RLMS中为人工智能引导的药物重新利用提供一个整合性框架.
- 为个性化治疗,将转录组亚型与外科风险分层联系起来.
主要方法:
- 转录组分析以界定RLMS亚型并确定治疗点 (例如PDGFRα,VEGFA).
- 药物库的AI引导选,以识别针对亚型特定分子程序的化合物.
- 整合解剖风险和分子特征用于新辅助或辅助疗法选择.
主要成果:
- 识别潜在的治疗点,如PDGFRα和VEGFA.
- 药物候选物的临床前验证,包括帕佐帕尼布和基因素脱乙酶 (HDAC) 抑制剂.
- 为RLMS制定个性化治疗策略.
结论:
- 结合手术管理,多组学和计算药理学的综合方法对于推进RLMS治疗至关重要.
- 该框架使人工智能引导的药物重新定位成为可能,并为个性化的RLMS治疗提供了路线图,弥合了研究和临床实践之间的差距.
相关概念视频
Pharmaceutical Alternatives: Stability-Related Therapeutic Nonequivalence
Pharmaceutical Alternatives: Polymorphic Form-Related and Particle Size-Related Therapeutic Nonequivalence
Modified-Release Drug Delivery Systems: Rate-Programmed II
Pharmacogenomics: Identification of New Drug Targets
Modified-Release Drug Delivery Systems: Rate-Programmed I
Rapid Identification of Pathogens

