Name: 数据集成工作流，以识别针对合成致命相互作用的药物组合 (视频) | JoVE Journal
Uploaded: 2021-05-27T13:00:00.000+00:00
Duration: 7 min 40 s
Description: 了解数据集成工作流，通过整合模式生物遗传筛选数据识别针对合成致死相互作用的药物组合，并在乳腺癌模型中进行计算预测与实验验证。该方法为癌症治疗提供新策略。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

数据整合工作流程的开发资金来自欧洲共同体第七框架计划，资助协议编号为279113（OCTIPS）。本出版物中数据的使用已获得公共科学图书馆出版部门和Impact Journals, LLC的许可。

<ol><li>Dobzhansky, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genetics+of+natural+populations%3B+recombination+and+variability+in+populations+of+Drosophila+pseudoobscura%5BTitle%5D)+AND+%22Genetics%22%5BJournal%5D)">Genetics of natural populations; recombination and variability in populations of Drosophila pseudoobscura.</a> Genetics. 31, 269-290 (1946).</li>
<li>Hartwell, L. H., Szankasi, P., Roberts, C. J., Murray, A. W., Friend, S. H. Integrating genetic approaches into the discovery of anticancer drugs. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHartwell%2C+LH+%22Science%22">Science</a>. 278 (5340), New York, N.Y. 1064-1068 (1997).</li>
<li>D'Amours, D., Desnoyers, S., D'Silva, I., Poirier, G. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Poly%28ADP-ribosyl%29ation+reactions+in+the+regulation+of+nuclear+functions%5BTitle%5D)+AND+%22The+Biochemical+Journal%22%5BJournal%5D)">Poly(ADP-ribosyl)ation reactions in the regulation of nuclear functions.</a> The Biochemical Journal. 342 (2), 249-268 (1999).</li>
<li>Gudmundsdottir, K., Ashworth, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+roles+of+BRCA1+and+BRCA2+and+associated+proteins+in+the+maintenance+of+genomic+stability%5BTitle%5D)+AND+%22Oncogene%22%5BJournal%5D)">The roles of BRCA1 and BRCA2 and associated proteins in the maintenance of genomic stability.</a> Oncogene. 25 (43), 5864-5874 (2006).</li>
<li>Farmer, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Targeting+the+DNA+repair+defect+in+BRCA+mutant+cells+as+a+therapeutic+strategy%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Targeting the DNA repair defect in BRCA mutant cells as a therapeutic strategy.</a> Nature. 434 (7035), 917-921 (2005).</li>
<li>McCann, K. E., Hurvitz, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+the+use+of+PARP+inhibitor+therapy+for+breast+cancer%5BTitle%5D)+AND+%22Drugs+in+Context%22%5BJournal%5D)">Advances in the use of PARP inhibitor therapy for breast cancer.</a> Drugs in Context. 7, 212540(2018).</li>
<li>Franzese, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PARP+inhibitors+in+ovarian+cancer%5BTitle%5D)+AND+%22Cancer+Treatment+Reviews%22%5BJournal%5D)">PARP inhibitors in ovarian cancer.</a> Cancer Treatment Reviews. 73, 1-9 (2019).</li>
<li>Ashworth, A., Lord, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synthetic+lethal+therapies+for+cancer%3A+what%E2%80%99s+next+after+PARP+inhibitors%5BTitle%5D)+AND+%22Nature+Reviews.+Clinical+Oncology%22%5BJournal%5D)">Synthetic lethal therapies for cancer: what’s next after PARP inhibitors.</a> Nature Reviews. Clinical Oncology. 15 (9), 564-576 (2018).</li>
<li>Yu, B., Luo, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synthetic+lethal+genetic+screens+in+Ras+mutant+cancers%5BTitle%5D)+AND+%22The+Enzymes%22%5BJournal%5D)">Synthetic lethal genetic screens in Ras mutant cancers.</a> The Enzymes. 34, Pt B 201-219 (2013).</li>
<li>Thompson, J. M., Nguyen, Q. H., Singh, M., Razorenova, O. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Approaches+to+identifying+synthetic+lethal+interactions+in+cancer%5BTitle%5D)+AND+%22The+Yale+Journal+of+Biology+and+Medicine%22%5BJournal%5D)">Approaches to identifying synthetic lethal interactions in cancer.</a> The Yale Journal of Biology and Medicine. 88 (2), 145-155 (2015).</li>
<li>Ruiz, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Genome-wide+CRISPR+Screen+Identifies+CDC25A+as+a+Determinant+of+Sensitivity+to+ATR+Inhibitors%5BTitle%5D)+AND+%22Molecular+Cell%22%5BJournal%5D)">A Genome-wide CRISPR Screen Identifies CDC25A as a Determinant of Sensitivity to ATR Inhibitors.</a> Molecular Cell. 62 (2), 307-313 (2016).</li>
<li>Housden, B. E., Nicholson, H. E., Perrimon, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synthetic+Lethality+Screens+Using+RNAi+in+Combination+with+CRISPR-based+Knockout+in+Drosophila+Cells%5BTitle%5D)+AND+%22Bio-Protocol%22%5BJournal%5D)">Synthetic Lethality Screens Using RNAi in Combination with CRISPR-based Knockout in Drosophila Cells.</a> Bio-Protocol. 7 (3), (2017).</li>
<li>Blomen, V. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gene+essentiality+and+synthetic+lethality+in+haploid+human+cells%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Gene essentiality and synthetic lethality in haploid human cells.</a> Science. 350 (6264), New York, N.Y. 1092-1096 (2015).</li>
<li>Forment, J. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genome-wide+genetic+screening+with+chemically+mutagenized+haploid+embryonic+stem+cells%5BTitle%5D)+AND+%22Nature+Chemical+Biology%22%5BJournal%5D)">Genome-wide genetic screening with chemically mutagenized haploid embryonic stem cells.</a> Nature Chemical Biology. 13 (1), 12-14 (2017).</li>
<li>Wildenhain, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+Synergism+from+Chemical-Genetic+Interactions+by+Machine+Learning%5BTitle%5D)+AND+%22Cell+Systems%22%5BJournal%5D)">Prediction of Synergism from Chemical-Genetic Interactions by Machine Learning.</a> Cell Systems. 1 (6), 383-395 (2015).</li>
<li>Madhukar, N. S., Elemento, O., Pandey, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+Genetic+Interactions+Using+Machine+Learning+and+Network+Properties%5BTitle%5D)+AND+%22Frontiers+in+Bioengineering+and+Biotechnology%22%5BJournal%5D)">Prediction of Genetic Interactions Using Machine Learning and Network Properties.</a> Frontiers in Bioengineering and Biotechnology. 3, 172(2015).</li>
<li>Fechete, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synthetic+lethal+hubs+associated+with+vincristine+resistant+neuroblastoma%5BTitle%5D)+AND+%22Molecular+BioSystems%22%5BJournal%5D)">Synthetic lethal hubs associated with vincristine resistant neuroblastoma.</a> Molecular BioSystems. 7 (1), 200-214 (2011).</li>
<li>Oughtred, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+BioGRID+interaction+database%3A+2019+update%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">The BioGRID interaction database: 2019 update.</a> Nucleic Acids Research. 47, D1 529-541 (2019).</li>
<li>Zeeberg, B. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mistaken+identifiers%3A+gene+name+errors+can+be+introduced+inadvertently+when+using+Excel+in+bioinformatics%5BTitle%5D)+AND+%22BMC+bioinformatics%22%5BJournal%5D)">Mistaken identifiers: gene name errors can be introduced inadvertently when using Excel in bioinformatics.</a> BMC bioinformatics. 5, 80(2004).</li>
<li>Ziemann, M., Eren, Y., Gene El-Osta, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((name+errors+are+widespread+in+the+scientific+literature%5BTitle%5D)+AND+%22Genome+Biology%22%5BJournal%5D)">name errors are widespread in the scientific literature.</a> Genome Biology. 17 (1), 177(2016).</li>
<li>Kersey, P. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ensembl+Genomes+2018%3A+an+integrated+omics+infrastructure+for+non-vertebrate+species%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">Ensembl Genomes 2018: an integrated omics infrastructure for non-vertebrate species.</a> Nucleic Acids Research. 46, D1 802-808 (2018).</li>
<li>Wishart, D. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DrugBank+5.0%3A+a+major+update+to+the+DrugBank+database+for+2018%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">DrugBank 5.0: a major update to the DrugBank database for 2018.</a> Nucleic Acids Research. 46, D1 1074-1082 (2018).</li>
<li>Chou, T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Drug+combination+studies+and+their+synergy+quantification+using+the+Chou-Talalay+method%5BTitle%5D)+AND+%22Cancer+Research%22%5BJournal%5D)">Drug combination studies and their synergy quantification using the Chou-Talalay method.</a> Cancer Research. 70 (2), 440-446 (2010).</li>
<li>Marhold, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synthetic+lethal+combinations+of+low-toxicity+drugs+for+breast+cancer+identified+in+silico+by+genetic+screens+in+yeast%5BTitle%5D)+AND+%22Oncotarget%22%5BJournal%5D)">Synthetic lethal combinations of low-toxicity drugs for breast cancer identified in silico by genetic screens in yeast.</a> Oncotarget. 9 (91), 36379-36391 (2018).</li>
<li>Heinzel, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synthetic+lethality+guiding+selection+of+drug+combinations+in+ovarian+cancer%5BTitle%5D)+AND+%22PloS+One%22%5BJournal%5D)">Synthetic lethality guiding selection of drug combinations in ovarian cancer.</a> PloS One. 14 (1), 0210859(2019).</li>
<li>Costanzo, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+genetic+landscape+of+a+cell%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">The genetic landscape of a cell.</a> Science. 327 (5964), 425-431 (2010).</li>
<li>Koh, J. L. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DRYGIN%3A+a+database+of+quantitative+genetic+interaction+networks+in+yeast%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">DRYGIN: a database of quantitative genetic interaction networks in yeast.</a> Nucleic Acids Research. 38, 502-507 (2010).</li>
<li>Guo, J., Liu, H., Zheng, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SynLethDB%3A+synthetic+lethality+database+toward+discovery+of+selective+and+sensitive+anticancer+drug+targets%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">SynLethDB: synthetic lethality database toward discovery of selective and sensitive anticancer drug targets.</a> Nucleic Acids Research. 44, 1011-1017 (2016).</li>
<li>NCBI Resource Coordinators. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Database+resources+of+the+National+Center+for+Biotechnology+Information%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">Database resources of the National Center for Biotechnology Information.</a> Nucleic Acids Research. 44 (1), 7-19 (2016).</li>
<li>Altenhoff, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+OMA+orthology+database+in+2018%3A+retrieving+evolutionary+relationships+among+all+domains+of+life+through+richer+web+and+programmatic+interfaces%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">The OMA orthology database in 2018: retrieving evolutionary relationships among all domains of life through richer web and programmatic interfaces.</a> Nucleic Acids Research. 46 (1), 477-485 (2018).</li>
<li>Sonnhammer, E. L. L., Östlund, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((InParanoid+8%3A+orthology+analysis+between+273+proteomes%2C+mostly+eukaryotic%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">InParanoid 8: orthology analysis between 273 proteomes, mostly eukaryotic.</a> Nucleic Acids Research. 43, Database issue 234-239 (2015).</li>
<li>Li, Y. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Therapeutic+target+database+update+2018%3A+enriched+resource+for+facilitating+bench-to-clinic+research+of+targeted+therapeutics%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">Therapeutic target database update 2018: enriched resource for facilitating bench-to-clinic research of targeted therapeutics.</a> Nucleic Acids Research. 46 (1), 1121(2018).</li>
<li>Gaulton, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ChEMBL+database+in+2017%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">The ChEMBL database in 2017.</a> Nucleic Acids Research. 45 (1), 945-954 (2017).</li>
<li>Heinzel, A., Mühlberger, I., Fechete, R., Mayer, B., Perco, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+molecular+units+for+guiding+biomarker+panel+design%5BTitle%5D)+AND+%22Methods+in+Molecular+Biology%22%5BJournal%5D)">Functional molecular units for guiding biomarker panel design.</a> Methods in Molecular Biology. 1159 (12), 109-133 (2014).</li>
<li>Davis, A. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Comparative+Toxicogenomics+Database%3A+update+2019%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">The Comparative Toxicogenomics Database: update 2019.</a> Nucleic Acids Research. 47 (1), 948-954 (2019).</li>
<li>Piñero, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DisGeNET%3A+a+comprehensive+platform+integrating+information+on+human+disease-associated+genes+and+variants%5BTitle%5D)+AND+%22Nucleic+acids+research%22%5BJournal%5D)">DisGeNET: a comprehensive platform integrating information on human disease-associated genes and variants.</a> Nucleic acids research. 45 (1), 833-839 (2017).</li>
</ol>

AH 和 PP 在进行代表性结果部分所述分析时，为 emergentec biodevelopment GmbH 的员工。MM 和 MK 无任何利益冲突需要披露。

我们提出了一种用于识别影响合成致死相互作用的药物组合的工作流程。该工作流程利用了以下五类信息：（i）来自模式生物的合成致死相互作用数据，（ii）人类直系同源基因信息，（iii）药物-靶点关联信息，（iv）癌症背景下药物在临床试验中的相关信息，以及（v）从科学文献中提取的药物-疾病和基因-疾病关联信息。整合后的信息可用于评估特定待研究药物组合对合成致死基因对的影响。此外，整合数据还可用于评估一组当前正在癌症相关临床试验中研究或测试的药物，以发现能够靶向最重要合成致死相互作用的药物组合，从而更有可能影响肿瘤细胞的存活。最后，所生成的数据可用于筛选由最初并非为肿瘤治疗开发的药物组成的药物组合，从而为基于计算的药物重定位研究提供途径。
在数据整合工作流程的每一步中，我们列出了完成完整数据流程的关键数据来源，同时指出该流程在各个阶段还可通过利用其他数据来源进一步优化。在我们的工作流程中，合成致死相互作用对是从 BioGRID 数据库中提取的18。我们特别关注实验类型为“合成致死”和“负遗传”的相互作用。BioGRID 中关于合成致死相互作用的信...

合成致死性定义了两个基因之间的一种关联关系：单个基因的缺失不会影响细胞存活，但两个基因同时缺失则会导致细胞死亡。该概念最早由 Dobzhansky 于 1946 年在分析果蝇不同表型时提出，当时通过培育纯合突变体发现，某些突变体自身可存活，但无法产生可存活的后代；当这些突变体与其他特定突变体杂交时，会出现致死表型，由此奠定了合成致死性理论的基础1。Hartwell 及其同事提出，这一概念可能适用于人类癌症治疗2。在药理学上诱导的合成致死性可能仅依赖于一个基因突变，前提是该突变基因的合成致死配对基因能够被某种药物化合物所靶向。首个实现药理学诱导合成致死性的基因对是 BRCA(1/2) 与 PARP1。PARP1 作为 DNA 损伤的感应蛋白，可结合于 DNA 双链和单链断裂位点、超螺旋结构以及交叉结构处3。BRCA1 和 BRCA2 在同源重组修复 DNA 双链断裂过程中发挥关键作用4。Farmer 及其同事发表的研究表明，BRCA1/2 缺陷型细胞对 PARP 抑制剂高度敏感，而在 BRCA 野生型细胞中则未观察到细胞毒性5。最终，PARP 抑制剂被批准用于治疗 BRCA 缺陷型乳腺癌和卵巢癌6,7。此外，未来有望发现更多可导致药物获得临床批准的合成致死基因对，这也是当前癌症研究的重要方向之一8。
在包括果蝇、秀丽隐杆线虫和酵母在内的多种生物中已对合成致死基因相互作用进行了建模研究2。近年来，通过RNA干扰和CRISPR/CAS文库敲除等多种方法，发现了许多新的合成致死基因对9,10,11。Housden及其同事近期发表了一项关于RNAi与CRISPR/CAS联合实验操作的实验方案12。同时，研究人员也在单倍体人类细胞中开展了大规模筛选，以鉴定合成致死相互作用13,14。此外，生物网络分析和机器学习等计算机模拟方法在合成致死相互作用的发现中也展现出良好的应用前景15,16。
从概念上讲，在抗肿瘤治疗中利用合成致死相互作用的一种方法是鉴定肿瘤细胞中发生突变或功能失活的蛋白质，从而将其合成致死相互作用伙伴作为有前景的药物靶点用于治疗干预。由于大多数肿瘤类型具有异质性，研究人员已开始寻找所谓的合成致死枢纽蛋白。这些合成致死枢纽蛋白拥有多个合成致死相互作用伙伴，这些伙伴在肿瘤样本中要么发生突变而失去功能，要么表达水平显著下调。靶向此类合成致死枢纽蛋白有望提高药物疗效或克服耐药性，例如在长春新碱耐药的神经母细胞瘤研究中已得到证实17。利用合成致死相互作用概念增强药物治疗的第二种方法是鉴定靶向合成致死相互作用的药物组合。这种方法可能催生已获批的单药抗肿瘤疗法之间的新组合，并推动其他疾病领域药物在肿瘤学中的重新定位。
本文介绍了一种逐步生成靶向合成致死相互作用对的药物组合列表的方法。在该工作流程中，我们（i）利用来自 BioGRID 的合成致死相互作用数据，（ii）从 Ensembl 获取同源基因信息，（iii）从 DrugBank 检索药物-靶点配对信息，（iv）基于 ClinicalTrials.gov 构建疾病-药物关联，（v）进而生成针对合成致死相互作用的一组药物组合。最后，在代表性结果部分，我们提供了卵巢癌和乳腺癌背景下的药物组合示例。

<table><tbody><tr><td>BioGRID</td><td>n/a</td><td>n/a</td><td>thebiogrid.org</td></tr><tr><td>ClinicalTrials.gov</td><td>n/a</td><td>n/a</td><td>ClinicalTrials.gov</td></tr><tr><td>DrugBank</td><td>n/a</td><td>n/a</td><td>drugbank.ca</td></tr><tr><td>Ensembl BioMart</td><td>n/a</td><td>n/a</td><td>ensembl.org</td></tr><tr><td>&lt;strong&gt;其他计算数据库请参见原文手稿&lt;/strong&gt;</td><td></td><td></td><td></td></tr><tr><td>7-AAD</td><td>ebioscience</td><td>00-6993-50</td><td></td></tr><tr><td>AnnexinV-APC</td><td>BD Bioscience</td><td>550474</td><td></td></tr><tr><td>celecoxib</td><td>Sigma-Aldrich</td><td>PZ0008-25MG</td><td></td></tr><tr><td>CellTiter-Blue 细胞活力检测试剂盒</td><td>Promega</td><td>G8080</td><td></td></tr><tr><td>FACS Canto II</td><td>BD Bioscience</td><td>n/a</td><td></td></tr><tr><td>胎牛血清</td><td>Fisher Scientific/Gibco</td><td>16000044</td><td></td></tr><tr><td>FloJo 软件</td><td>FloJo LLC</td><td>V10</td><td></td></tr><tr><td>McCoy's 5a 改良培养基</td><td>Fisher Scientific/Gibco</td><td>16600082</td><td></td></tr><tr><td>青霉素G/硫酸链霉素</td><td>Fisher Scientific/Gibco</td><td>15140122</td><td></td></tr><tr><td>SKBR-3 细胞</td><td>美国模式培养物集存库 (ATCC)</td><td>ATCC HTB-30</td><td></td></tr><tr><td>唑来膦酸</td><td>Sigma-Aldrich</td><td>SML0223-50MG</td><td></td></tr><tr><td>&lt;strong&gt;其他材料或设备可根据要求提供&lt;/strong&gt;</td><td></td><td></td><td></td></tr></tbody></table>

一种用于识别靶向合成致死相互作用药物组合的数据整合工作流程

A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions

当两个基因中的任意一个被敲除时均不影响细胞存活，但同时敲除这两个基因会导致细胞失去活力或死亡，这种关系被称为合成致死相互作用。研究最为深入的合成致死相互作用存在于BRCA1/2与PARP1之间，目前临床上已使用PARP1抑制剂治疗携带BRCA1/2突变肿瘤的患者。在模式生物以及单倍体人类细胞系中开展的大规模遗传筛选，已鉴定了大量其他合成致死相互作用基因对，这些基因对均为开发新型肿瘤疗法的潜在靶点。其中一种策略是针对在特定肿瘤中发生突变或显著下调的合成致死互作基因进行治疗性靶向。第二种策略是设计针对合成致死相互作用的药物组合。本文概述了一种数据整合工作流程，用于评估和识别靶向合成致死相互作用的药物组合。我们利用了现有的合成致死相互作用基因对数据集、同源映射资源、专业数据库中的药物-靶点关联信息，以及在特定疾病领域处于临床试验阶段的药物相关信息。此外，我们还重点介绍了本课题组近期在卵巢癌和乳腺癌药物组合评估方面的两项研究中的关键发现。

本课题组近期发表了两项研究，应用本文所示的工作流程，在卵巢癌和乳腺癌背景下识别靶向合成致死相互作用的药物组合24,25。在第一项研究中，我们评估了目前正处于晚期临床试验（III期和IV期）或已在临床实践中用于治疗卵巢癌患者的药物组合，分析其对合成致死相互作用的影响。此外，我们还识别出目前尚未进入临床试验但具有靶向合成致死相互作用理论依据的药物组合。为此，我们评估了所有可能的药物组合，药物来源为所有处于晚期卵巢癌临床试验阶段的化合物。我们共识别出一组独特的61种药物组合，这些组合已在68项晚期卵巢癌临床试验中被研究。在这61种组合中，有12种针对至少一种合成致死相互作用。另有84种药物组合被提出可用于靶向合成致死相互作用，但截至目前尚未在临床试验中被研究。这84种识别出的药物组合涉及21种独特的药物，共同靶向一组39个合成致死互作分子，如图1所示。
<p class="jove_content" fo:keep-together.within-page="...

在模式生物中进行的大规模遗传筛选已促成负性遗传相互作用的发现。本文介绍了一种数据整合工作流程，利用模式生物遗传筛选的数据，系统解析靶向癌症中合成致死相互作用的药物组合。

当两个基因中任意一个基因的敲除不影响细胞活力，但同时敲除这两个基因导致细胞死亡时，即存在合成致死相互作用。

当单独敲低任意一个基因时不会影响细胞活力，但同时敲低两个合成致死基因则会导致细胞活力丧失或细胞死亡，这种现象称为基因间的合成致死相互作用。整合异质性数据集有助于发现可用于药物组合靶向治疗的合成致死相互作用，从而在癌症等疾病中抑制细胞增殖。对于任何存在细胞增殖问题的疾病而言，合成致死的概念均具有重要意义。在癌症领域，针对BRCA基因突变的肿瘤，目前已有利用PARP抑制剂靶向合成致死基因相互作用的治疗策略。我们的研究工作有望进一步拓展这一概念的应用范围，使其适用于其他基因相互作用及更多类型的癌症。在本实验室中，我们已通过计算预测筛选出靶向合成致死相互作用的药物组合，并在乳腺癌背景下对其进行了验证。首先从 BioGRID 获取数据。使用网页浏览器下载最新版本的 BioGRID 相互作用文件（tab2 格式）。筛选列信息，仅保留后续分析步骤所需的列。接下来，筛选合成致死性和负向遗传相互作用。利用“实验系统”列中的信息，将数据集限制为“负向遗传”或“合成致死性”条目。通过确定合成致死相互作用伙伴的物种分类编号（tax ID）数量，识别出已报道存在合成致死相互作用的物种，从而估算每种生物中此类相互作用的数量。要从 Ensembl BioMart 获取相关模式生物的人类同源基因，请选择相应的模式生物数据集，点击“Attributes”，然后选择“Gene name”。接着点击“Dataset”，选择“Human genes”。再次点击“Attributes”，并选择“Gene name”。然后点击“结果”。勾选“仅唯一结果”，然后点击“确定”。自动化检索流程，并将查询直接发送至 BioMart RESTful 接口以获取直系同源基因对。如果通过 Ensembl BioMart 网络界面手动检索数据，请重命名并注意标题行已自动添加。为了获取其他模式生物的直系同源人类基因，需将第一个 dataset 元素的 name 属性值替换为相应的 Ensembl 数据集名称。接着，剔除无同源基因的条目，将所有同源映射信息汇总至单个文件中，并为人类基因添加虚拟映射。此外，还需为人类基因添加人工条目。通过为每个互作伙伴添加一列，其中包含物种分类ID与基因符号的组合，来准备synlet文件以进行后续连接。基于生物体的分类ID和基因符号，将合成致死互作与检索到的同源配对进行整合。从DrugBank的下载部分获取药物靶点配对信息，必要时需先创建账户。将 DrugBank 药物靶点文件限制为相关列。仅保留人类分子实体的条目，然后提取相关列，并针对人类物种筛选数据。由于药物名称和药物靶点信息分别提供在两个独立的 CSV 文件中，因此必须合并这两个文件的信息。为此，首先需要对药物名称条目进行标准化处理，然后对药物靶点文件进行标准化，使每种药物仅占一行。继续使用 DrugBank 词汇文件，并提取相关列。由于药物名称和药物靶点信息分别提供在两个独立的 CSV 文件中，因此需通过共同的 DrugBank ID 将这两个文件的信息合并。接着，使用基因符号列将合成致死相互作用数据集与上一步生成的药物靶点-药物名称文件进行关联，确保为每对合成致死相互作用的两个基因成员均添加对应的药物名称。最后，从 ClinicalTrials.gov 获取有关临床试验的信息。为方便访问，可使用临床试验转化倡议组织提供的关系型数据库，必要时请先注册账户。将待测药物溶解于适当的溶剂中（如DMSO或PBS），至少配制四种不同浓度。将药物加入接种于96孔板中的人类乳腺癌细胞，于所需时间孵育，以确定抑制浓度值。选择一种细胞活力或细胞凋亡检测方法，利用不同的药物组合及浓度测定细胞活力，起始浓度采用先前确定的 IC50 值。随后通过计算联合指数来确定药物组合的协同细胞毒性效应。该方法已被用于鉴定靶向卵巢癌中合成致死相互作用的药物组合。研究发现，21种不同的药物构成了84种已鉴定的药物组合，靶向39个合成致死相互作用因子。采用相同的工作流程，在乳腺癌背景下鉴定出243种有前景的药物组合，靶向166对合成致死基因。部分组合在两种乳腺癌细胞系中进行了细胞活力和细胞凋亡影响的测试。塞来昔布、唑来膦酸以及唑来膦酸与塞来昔布联合处理在SK-BR-3乳腺癌细胞系中的活力检测结果显示，联合用药对细胞活力具有显著的协同作用。对单独或联合使用这两种药物处理的SK-BR-3细胞进行Annexin V和7-AAD染色发现，经药物联合处理后，晚期凋亡和坏死细胞的比例增加。在实施本方案时，应充分花时间确定从临床试验中获取的所有药物和干预措施对应的DrugBank药物名称。在研究疾病的过程中，纳入合成致死相互作用因子的基因表达谱或其在科学文献中的注释程度等附加数据，可进一步用于优先排序合成致死相互作用。由于可获得的生物医学数据日益增多，与计算生物学家合作将是一种有益的互动，有助于提出可在实验室中验证的新假设。使用细胞抑制剂时，务必遵守当地关于实验室安全设备及危险试剂操作的指导方针。在任何时间点，均应避免直接接触，并确保在开始实验前收集有关所用物质的信息。

a-data-integration-workflow-to-identify-drug-combinations-targeting

Research

科研

JoVE Journal

Cancer Research

癌症研究

数据集成工作流，以识别针对合成致命相互作用的药物组合

本文介绍了一种使用基于网络的药物重定位假设生成工具“RE:fine...

使用“RE:fine Drugs”系统生成药物再利用假说

协同药物组合通过实验方法鉴定往往困难且耗时。本文中，我们描述了一种用于鉴定和验证协同作用小分子的方法。...

高通量鉴定协同药物组合的Overlap2方法

在本方案中，我们描述了如何基于Loewe可加性进行成对及三联药物组合的药物相互作用测定。...

测定任意数量药物间协同作用的对角线法

本方案描述了如何通过使用Chou和Talalay的联合指数方程，在临床前模型中评估抗癌抗体与抗肿瘤药物之间的协同作用。...

增强抗肿瘤药物对抗癌抗体疗效的协同作用：利用联合指数方程检测抗体-药物协同效应

利用慢病毒shRNA文库进行高通量RNA干扰（RNAi）筛选，可作为发现恶性肿瘤中具有治疗意义的合成致死靶点的工具。我们提供一种基于shRNA文库的筛选方法，用于研究急性髓系白血病（AML）中的表观遗传调控因子。...

利用shRNA文库筛选鉴定调控药物耐受表型的因素

本研究介绍了一种靶向黑色素瘤细胞中长链非编码RNA的双CRISPRi系统。该系统可实现基因的组合性敲低和合成致死筛选，从而鉴定出癌症特异性的lncRNA相互作用，为潜在的治疗策略提供依据。...

靶向癌细胞中非编码RNA之间合成致死相互作用的双重CRISPR干扰策略

本双语实验方案提供了一种计算药物发现工作流程，用于评估来源于数据库的天然分子与Polo样激酶1至3（PLK1–3）之间的蛋白-配体相互作用，及其吸收、分布、代谢、排泄、毒性和稳定性（ADMET-S）性质。...

一种用于在美式手语和英语中识别潜在PLK1抑制剂的双语计算工作流程

确定能够从临床前测试顺利过渡到人体试验的新药物靶点是当前科学研究的重点。为此，本文介绍了一种功能基因组学方法，用于研究基因耗竭对癌细胞系球状体的影响，该模型能更真实地模拟人类癌症 体内.

利用功能基因组筛选鉴定肿瘤细胞球状培养物中潜在的新型药物靶点

选择性标记的荧光GnRH-I、-II和-III衍生物是追踪和定量其细胞摄取的可靠工具。...

体外成像与荧光标记GnRH类似物药物靶向效率的定量分析

本文介绍了一种利用高通量RNA干扰筛选来发现可被调控以增强溶瘤病毒治疗效果的宿主靶点的实验方案，特别是针对弹状病毒和痘苗病毒治疗，但该方法也可轻松适用于其他溶瘤病毒平台，或用于发现普遍调控病毒复制的宿主基因。...

全基因组RNA干扰筛选鉴定调控溶瘤病毒治疗的宿主因子

了解数据集成工作流，通过整合模式生物遗传筛选数据识别针对合成致死相互作用的药物组合，并在乳腺癌模型中进行计算预测与实验验证。该方法为癌症治疗提供新策略。

一种用于识别靶向合成致死相互作用药物组合的数据整合工作流程

探索更多视频