博文

癌症系统生物学通路图普查

已有 1326 次阅读 2023-8-11 07:07 |个人分类:科普|系统分类:科普集锦

癌症系统生物学通路图普查

尽管人类基因组计划使快速测序基因组中的所有基因成为可能，但系统生物学的一大焦点一直是确定这些基因在功能上如何相互关联，从而产生大分子网络和信号通路图。在过去的十年里，一系列突破性的技术显著加速了信号通路绘制，包括基因编辑、核酸测序、蛋白质组学和机器学习。在这些进步的推动下，系统生物学信号通路图几乎影响了生物学的所有方面，包括发育生物学、神经科学和免疫等不同的学科领域。

与许多生物学研究模式一样，许多系统生物学研究都是针对癌症研究。这一重点是由于癌症在普通人群中的高死亡率（约占全世界死亡人数的16%），以及最近为描述癌症患者、细胞系和动物模型的多层次分子和现象信息而产生的大量系统和定量数据。特别是，癌症基因组图谱（TCGA）和国际癌症基因组联盟（ICGC）等组织公开发布了跨数十种肿瘤类型的数千种肿瘤的外显子范围的体细胞突变、拷贝数畸变以及在某些情况下的甲基体、转录体和蛋白质组。癌症系统生物学也已发展到包括世界上大多数发达国家的众多合作研究工作和研究所。例如，由美国国家癌症研究所支持的癌症系统生物学联合会（Cancer Systems Biology Consortium）汇集了数十所大学和研究机构，全面了解癌症的复杂性，并推动癌症的诊断和治疗。

尽管进行了所有这些活动，但迄今为止，无论是经典分子生物学方法还是对癌症的全面理解，都没有系统地计算出癌症系统生物学通路映射和建模工作的进展程度。从系统生物学研究中获得的通路在多大程度上能够重述以前对主要癌症信号通路的认识？这些相同的系统方法是否允许我们发现新的癌症相关通路，这些通路是什么？系统生物学的进步和发现是否对癌症患者产生了有意义的影响？

为了解决这些问题，Kuenzi和Ideker重点研究了六种主要类型的系统生物学方法，这些方法最近被反复应用于绘制和建模可能的途径。这些方法包括遗传以及蛋白质相互作用图谱、基因调控网络推断、子网络识别方法和使用基于约束的模型或微分方程的通路建模。对于每种类型的系统方法，作者们调查了已发表的研究，确定了他们收集的癌症通路图，并在可能的情况下下载了他们的网络表示（“系统生物学图”（SBmaps），图1）。然后，进行了一项分析，以比较和对比这些SBmap与文献中策划的癌症通路（基于文献的通路（LCpathways））的一致或不同程度。接下来，Kuenzi和Ideker评估了这些系统生物学通路映射方法是否揭示了生物学或治疗机会的新领域。最后，作者们评估了系统生物学方法和发现在多大程度上被转化为临床。

图1 分析结构。在本文分析中，定义了用于绘制和建模癌症信号通路的六种主要系统方法的范围。对于这些方法，确定了引用这六种方法中每一种方法的出版物。然后，检索了从系统生物学研究中获得的可编程路径图，将这些图与文献报道的癌症通路进行比较，并评估这些研究中出现的新机制。最后，评估了系统生物学方法和发现在多大程度上被转化为临床。SBmap，系统生物学图谱。

作者们收集了2070个系统的生物图谱样本，其中包含了所有经过文献处理的癌症通路，并进行了大量的富集，尽管这些图谱的强烈趋势是恢复孤立的机制，而不是整个完整的过程。系统生物学图谱还确定了以前未被充分认识的功能，例如人类乳头瘤病毒诱导的染色体改变在卵巢肿瘤发生中的潜在作用，并为已知的癌症途径添加了新基因，例如与代谢、Hippo信号和免疫相关的基因。值得注意的是，作者们发现许多癌症网络仅在期刊数据中提供，而不是用于程序访问，这突出表明需要将网络地图存放在社区数据库中，以确保其易于访问。最后，这些发现中很少有临床转化，为未来的转化研究留下了充足的机会。定期调查癌症通路图，对于评估该领域的进展以及确定方法学和癌症生物学服务不足的领域至关重要。

如果想获取全面的通路图谱，可以访问NDEx（https://www.ndexbio.org/）。

参考文献

[1] Kuenzi BM, Ideker T. A census of pathway maps in cancer systems biology. Nat Rev Cancer. 2020 Apr;20(4):233-246. doi: 10.1038/s41568-020-0240-7.

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0