Verwendung von differentiell exprimierten Genlisten des Menschen zur Durchführung einer Downstream-Analyse der Signalweganreicherung und Zielpriorisierung
3. Oktober 2025
Die vorliegende Arbeit beschreibt ein Protokoll zum Ausführen des Pathway2Targets-Algorithmus, eines R-Skripts, das therapeutische Ziele auf der Grundlage des Profils intrazellulärer Signalwege vorhersagt und priorisiert, das durch den Vergleich von Fall- und Kontrollproben aus einem Massen-RNA-Sequenzierungsexperiment generiert wurde.
Das Ziel unserer Forschung ist es, die intrazelluläre transkriptionelle Reaktion auf verschiedene Erkrankungen zu charakterisieren und Therapeutika und mechanistische oder diagnostische Marker für diese Erkrankungen vorherzusagen. Die computergestützte Vorhersage liefert Kandidaten für Medikamente. Die Validierung der Wirkung von Medikamenten ist ressourcen- und zeitaufwändig.
Die zufällige Methode konnte jedoch nur mit qualitativ hochwertigen experimentellen Daten verbessert werden. Der Vorteil dieser Arbeit besteht darin, dass sie in der Lage ist, potenzielle Wirkstoffziele für die Wiederverwendung innerhalb eines Signalwegs zu identifizieren, anstatt nur differentiell exprimierte Gene mit bekannten Zielen abzugleichen. Um den SPIA Pathway Enrichment-Algorithmus auszuführen, laden Sie zunächst den Code auf dem Computersystem von GitHub herunter.
Öffnen Sie die SPIA_Code. R MD-Skript in RStudio. Wählen Sie alle Codezeilen aus und klicken Sie dann auf die Schaltfläche "Ausführen" oder "Ausgewählte Zeilen ausführen", um das Skript auszuführen.
Warten Sie, bis die Ausführung abgeschlossen ist, und stellen Sie sicher, dass eine ähnlich benannte CSV-Datei im Download-Verzeichnis angezeigt wird. Öffnen Sie die Datei als Tabelle, um die Ergebnisse manuell zu überprüfen und zu interpretieren. Um den Zielpriorisierungsalgorithmus auszuführen, öffnen Sie Pathway2Targets.
R-Skript in RStudio, indem Sie das Menü Datei auswählen, auf Datei öffnen klicken, und wählen Sie dann den Skriptnamen aus dem Verzeichnis aus. Wechseln Sie im RStudio-Codefenster zu Zeile 22, und ersetzen Sie den Platzhalter durch den tatsächlichen Namen der SPIA-Ergebnisdatei. Wählen Sie alle Codezeilen aus, und klicken Sie auf die Schaltfläche Ausführen, um den Algorithmus auszuführen.
Beobachten Sie Echtzeit-Fortschrittsmeldungen, die im unteren linken Bereich des Bildschirms angezeigt werden. Überprüfen Sie nach Abschluss des Abschlusses das Download-Verzeichnis auf eine TSV-Datei mit ähnlichem Namen, die die priorisierten Ziele enthält. Nachdem Sie die Datei mit priorisierten Zielen und deren Metriken generiert haben, öffnen Sie sie zur Überprüfung in einer Tabellenkalkulationsanwendung.
Der SPIA-Algorithmus identifizierte 10 statistisch signifikante Signalwege mit einem unbereinigten p-Wert von weniger als 0,05. Der Pathway2Targets-Algorithmus identifizierte mehrere vorhergesagte Ziele. Die vorhergesagten therapeutischen Ziele waren sowohl bei den eingestuften Zielen als auch bei den bewerteten Behandlungsergebnissen konsistent, einschließlich bekannter Gene im Zusammenhang mit Darmkrebs wie EGFR, TP53 und AKT1.
Sehen Sie sich das vollständige Transkript an und erhalten Sie Zugang zu Tausenden wissenschaftlicher Videos
Übersicht
Diese Studie konzentriert sich auf die Charakterisierung der intrazellulären transkriptionellen Antwort unter verschiedenen Bedingungen und zielt darauf ab, therapeutische Zielstrukturen und diagnostische Marker vorherzusagen. Mithilfe des Pathway2Targets-Algorithmus identifiziert die Forschung potenzielle Arzneimittelziele für kolorektales Karzinom durch die Analyse von Bulk-RNA-Sequenzierungsdaten.
Wesentliche Studienkomponenten
Forschungsbereich
- Zielvorhersage für therapeutische Interventionen
- Transkriptionsprofilierung intrazellulärer Reaktionen
- Forschung zum kolorektalen Karzinom
Hintergrund
- Die Notwendigkeit hochwertiger experimenteller Daten zur Verbesserung von Vorhersagen
- Herausforderungen bei der Validierung von Arzneimittelwirkungen
- Vorteil der Identifizierung von Arzneimittelzielen innerhalb von Signalwegen
Verwendete Methoden
- Pathway2Targets-Algorithmus zur Zielstruktur-Priorisierung
- Bulk-RNA-Sequenzierungsdaten
- R-Programmierung für die Datenanalyse
Hauptergebnisse
- Identifizierung statistisch signifikanter Signalwege
- Mehrere vorhergesagte therapeutische Zielstrukturen, die in den Ergebnissen übereinstimmen
- Zu den identifizierten Schlüsselgenen gehören EGFR, TP53 und AKT1
Schlussfolgerungen
- Die Studie demonstriert einen neuartigen Ansatz für die Wiederverwendung von Arzneimitteln innerhalb von Signalwegen
- Die Forschung ist relevant, um therapeutische Strategien gegen Darmkrebs zu verbessern
Häufig gestellte Fragen
Exemplarische Branchenrelevanz
Die Integration von RNA-Sequenzierung mit Pfadverdünnungs- und Zielpräferenzierungs-Algorithmen ermöglicht es Biopharma-Teams, innerhalb krankheitsrelevanter Signalnetzwerke systematisch medikamentös angreifbare Zielstrukturen zu identifizieren und zu gewichten. Dieser Ansatz erhöht die Vorhersagesicherheit im Stadium der Zielvalidierung und unterstützt risikoadjustierte Portfolioentscheidungen, indem er sich auf den mechanistischen Kontext statt auf isolierte Genbefunde konzentriert. Die Ergebnisse der Analysepipeline fließen direkt in die frühe Entdeckungs-Priorisierung und nachgelagerte translationsmedizinische Strategien ein.
Strategische Anwendungen in der Biopharma-Forschung und -Entwicklung
Frühe Entdeckung und Zielvalidierung
- Ermöglicht die mechanistische Entschärfung von Risiken, indem differenziell exprimierte Gene funktionellen Signalwegen zugeordnet werden.
- Unterstützt die funktionelle Zielvalidierung durch eine auf Signalwegen basierende Analyse statt einer auf Einzelgenen fokussierten Betrachtung.
- Erhöht die Vorhersagesicherheit bei der Zielstrukturauswahl durch die Integration von Protein-Protein-Interaktionsnetzwerken.
- Erleichtert die Portfolio-Priorisierung, indem Zielstrukturen basierend auf ihrer Wirkung auf Signalwege und ihren Bewirkbarkeits-Scores gewichtet werden.
Screening und Assay-Entwicklung
- Bereitet validierte Gen- und Signalweglisten für nachgeschaltete Assay-Entwicklungsworkflows vor.
- Standardisiert die Eingabe für Screening-Kampagnen, indem sie rankgeordnete, mechanistisch relevante Zielstrukturen bereitstellt.
- Ermöglicht die reproduzierbare und quantitative Priorisierung von Kandidatenzielen für funktionelle Assays.
- Unterstützt die skalierbare Bewertung von Wechselwirkungen zwischen Wirkstoffen und Zielstrukturen innerhalb priorisierter Signalwege.
Translationale und präklinische Forschung
- Stellt die Zielverfolgung in Einklang mit krankheitsrelevanten transkriptionellen Signaturen, um die Translation zu gewährleisten.
- Unterstützt die Entdeckung von Biomarkern, indem sie eine Verbindung zwischen Signalwegsstörungen und therapeutischen Hypothesen herstellt.
- Ermöglicht risikoadjustierte Entscheidungen für die Weiterentwicklung durch Integration von Belegen auf Ebene der Signalwege und Zielstrukturen.
- Liefert einen mechanistischen Kontext für die Auswahl und Validierung präklinischer Modelle.
Pipeline- und Workflow-Integration
Diese rechnergestützte Analyse-Pipeline verbindet die frühe Entdeckungsforschung mit der translationsmedizinischen Forschung, indem sie RNA-Seq-Daten in handfeste Erkenntnisse zu Zielstrukturen und Signalwegen umwandelt.
- Entdeckungsbiochemie: Ermöglicht die Hypothesenprüfung und Klärung von Signalwegen durch differentielle Expressions- und SPIA-Analysen.
- Screening: Liefert rankierte Zielstrukturenlisten, die für die Assayentwicklung und Substanzscreenings geeignet sind.
- Analytik: Stellt quantitative Ergebnisse und statistische Schwellenwerte (z. B. p < 0,05) für fundierte Entscheidungen bereit.
- Translationale Forschung: Verbindet Genexpressionsänderungen mit krankheitsrelevanten Signalwegen und therapeutischen Zielstrukturen.
- Unternehmensweite Wiederverwendung: Bietet einen wiederverwendbaren computergestützten Workflow, der an unterschiedliche Krankheitskontexte und Datensätze angepasst werden kann.
Operative und unternehmerische Auswirkungen
- Wissenschaftlicher Wert: Erhöht die Vorhersagegenauigkeit und verringert mechanistische Unklarheiten bei der Zielstruktur-Auswahl.
- Operationaler Wert: Standardisiert und automatisiert die Priorisierung von Wegen und Zielstrukturen für skalierbare F&E-Abläufe.
- Strategischer Wert: Ermöglicht fundierte Go/No-Go-Entscheidungen und kapitaleffizientes Portfolio-Management.
- Portfolio-Beitrag: Unterstützt die risikoadjustierte Priorisierung und Weiterentwicklung von Zielstrukturen mit hoher Vertrauenswürdigkeit.
Durchführungsaspekte
- Erfordert Fachkenntnisse in der Bioinformatik und der Analyse von RNA-seq-Daten.
- Hängt von dem Zugang zur R-Programmierumgebung und den entsprechenden Softwarepaketen ab.
- Benötigt eine standardisierte Vorgehensweise zwischen Teams hinsichtlich der Eingabedatenformate und der Interpretation der Ranglisten.
- Kann an verschiedene Krankheitsmodelle angepasst werden, ist jedoch empfindlich gegenüber der Komplexität von Signalwegen und der Dichte von Zielstrukturen.
- Zu den praktischen Einschränkungen gehören die Rechenzeit und die Notwendigkeit hochwertiger Eingabedaten.
