Utilizzo di elenchi di geni umani differenzialmente espressi per eseguire l'analisi dell'arricchimento del percorso a valle e la definizione delle priorità dei bersagli
3 ottobre 2025
Il lavoro attuale descrive un protocollo per l'esecuzione dell'algoritmo Pathway2Targets, uno script R che prevede e dà priorità ai bersagli terapeutici in base al profilo delle vie di segnalazione intracellulari generate confrontando i campioni di caso rispetto a quelli di controllo di un esperimento di sequenziamento di RNA di massa.
Lo scopo della nostra ricerca è quello di caratterizzare la risposta trascrizionale intracellulare a varie condizioni e di prevedere marcatori terapeutici e meccanicistici o diagnostici per tali condizioni. La previsione computazionale fornisce candidati di farmaci. La convalida degli effetti dei farmaci richiede tempo e risorse.
Tuttavia, il metodo incidentale potrebbe solo migliorare con dati sperimentali di alta qualità. Il vantaggio di questo lavoro è la sua capacità di identificare potenziali bersagli farmacologici per il riposizionamento all'interno di una via di segnalazione piuttosto che abbinare semplicemente geni espressi in modo differenziale a bersagli noti. Per eseguire l'algoritmo SPIA Pathway Enrichment, scaricare prima il codice sul sistema informatico da GitHub.
Apri il SPIA_Code. R MD script in RStudio. Selezionare tutte le righe di codice, quindi fare clic sul pulsante Esegui o Esegui righe selezionate per eseguire lo script.
Attendi il completamento dell'esecuzione e verifica che nella directory di download venga visualizzato un file CSV con nome simile. Apri il file come foglio di calcolo per rivedere e interpretare manualmente i risultati. Per eseguire l'algoritmo di prioritizzazione degli obiettivi, aprire Pathway2Targets.
R script in RStudio selezionando il menu File e facendo clic su Apri file, quindi scegliere il nome dello script dalla directory. Nella finestra del codice RStudio, vai alla riga 22 e sostituisci il segnaposto con il nome effettivo del file dei risultati SPIA. Selezionare tutte le righe di codice e fare clic sul pulsante Esegui per eseguire l'algoritmo.
Osserva i messaggi di avanzamento in tempo reale che appaiono nel pannello in basso a sinistra dello schermo. Al termine, controllare la directory Download per un file tsv con nome simile, che contiene le destinazioni con priorità. Dopo aver generato il file con gli obiettivi prioritari e le relative metriche, aprilo in un'applicazione per fogli di calcolo per esaminarlo.
L'algoritmo SPIA ha identificato 10 vie di segnalazione statisticamente significative con un valore p non aggiustato inferiore a 0,05. L'algoritmo Pathway2Targets ha identificato più obiettivi previsti. Gli obiettivi terapeutici previsti erano coerenti sia tra i bersagli classificati che tra i risultati dei trattamenti classificati, inclusi i geni noti correlati al cancro del colon-retto, come EGFR, TP53 e AKT1.
Visualizza la trascrizione completa e accedi a migliaia di video scientifici
Panoramica
Questo studio si concentra sulla caratterizzazione della risposta trascrizionale intracellulare in diverse condizioni e ha come obiettivo la previsione di bersagli terapeutici e marcatori diagnostici. Attraverso l'utilizzo dell'algoritmo Pathway2Targets, la ricerca identifica potenziali bersagli farmacologici per il cancro del colon-retto mediante l'analisi di dati di sequenziamento RNA su campione globale.
Componenti Chiave dello Studio
Area di Ricerca
- Predizione degli obiettivi per interventi terapeutici
- Analisi del profilo trascrizionale delle risposte intracellulari
- Ricerca sul cancro del colon-retto
Sfondo
- La necessità di dati sperimentali di alta qualità per migliorare le previsioni
- Sfide nella validazione degli effetti dei farmaci
- Vantaggio nell'identificare i bersagli farmacologici all'interno delle vie di segnalazione
Metodi Utilizzati
- Algoritmo Pathway2Targets per la priorizzazione dei bersagli
- Dati di sequenziamento dell'RNA totale
- Programmazione in R per l'analisi dei dati
Risultati principali
- Identificazione di vie di segnalazione statisticamente significative
- Multipli bersagli terapeutici predetti coerenti tra i diversi risultati
- I geni chiave identificati includono EGFR, TP53 e AKT1
Conclusioni
- Lo studio dimostra un approccio innovativo al riposizionamento di farmaci all'interno di vie di segnalazione
- La ricerca è rilevante per migliorare le strategie terapeutiche contro il cancro del colon-retto
Domande frequenti
Rilevanza Industriale del Progetto
L'integrazione del sequenziamento dell'RNA con algoritmi di arricchimento di percorso e di priorizzazione degli obiettivi consente ai team biofarmaceutici di identificare e classificare sistematicamente target farmacologicamente rilevanti all'interno di reti di segnalazione associate alle malattie. Questo approccio aumenta la fiducia predittiva nella fase di validazione del target e supporta decisioni di portafoglio corrette in base al rischio, concentrandosi sul contesto meccanicistico piuttosto che su singoli geni risultanti da analisi isolate. Gli output della pipeline informano direttamente il triage iniziale della scoperta e le strategie traslazionali successive.
Applicazioni Strategiche nella Ricerca e Sviluppo in Biopharma
Scoperta Precoce e Validazione del Target
- Permette una riduzione del rischio meccanicistica mappando i geni differenzialmente espressi su percorsi di segnalazione funzionali.
- Supporta la validazione funzionale delle proteine bersaglio mediante un'analisi centrata sui percorsi piuttosto che su un singolo gene.
- Migliora l'affidabilità predittiva nella selezione dei bersagli integrando reti di interazione proteina-proteina.
- Facilita il triage del portafoglio ordinando i bersagli in base all'impatto sul percorso e ai punteggi di farmacabilità.
Sviluppo di Screening e Saggi
- Prepara liste di geni e percorsi biologici validate per flussi di lavoro di sviluppo di saggi successivi.
- Standardizza gli input per campagne di screening fornendo target classificati e rilevanti dal punto di vista meccanicistico.
- Consente una priorizzazione riproducibile e quantitativa di target candidati per saggi funzionali.
- Supporta la valutazione scalabile delle interazioni tra composti e target all'interno dei percorsi prioritari.
Ricerca Translazionale e Preclinica
- Allinea la priorizzazione degli obiettivi a firme trascrizionali pertinenti alla malattia per garantire continuità traslazionale.
- Facilita la scoperta di biomarcatori collegando le alterazioni delle vie metaboliche a ipotesi terapeutiche.
- Supporta decisioni di avanzamento proporzionate al rischio integrando evidenze a livello di vie e di bersagli.
- Fornisce un contesto meccanicistico per la selezione e la validazione di modelli preclinici.
Integrazione di Pipeline e Flusso di Lavoro
Questa pipeline computazionale collega la fase iniziale della scoperta alla ricerca traslazionale, trasformando i dati di RNA-seq in informazioni utili su target e percorsi biologici.
- Biologia della scoperta: Permette la verifica delle ipotesi e la chiarificazione dei percorsi metabolici mediante analisi dell'espressione differenziale e analisi SPIA.
- Screening: Fornisce liste di target ordinate, adatte allo sviluppo di saggi e allo screening di composti.
- Analisi: Offre risultati quantitativi e soglie statistiche (ad esempio, p < 0,05) per decisioni solide.
- Ricerca traslazionale: Collega le variazioni dell'espressione genica a percorsi biologici rilevanti per le malattie e a target terapeutici.
- Riutilizzo aziendale: Offre un flusso di lavoro computazionale riutilizzabile, adattabile a diversi contesti patologici e set di dati.
Impatto Operativo ed Aziendale
- Valore scientifico: Aumenta la fiducia predittiva e riduce l'ambiguità meccanicistica nella selezione delle target.
- Valore operativo: Standardizza e automatizza la priorizzazione di percorsi e target per flussi di lavoro R&S scalabili.
- Valore strategico: Permette decisioni informate di prosecuzione/cessazione e una gestione efficiente del portafoglio in termini di capitale.
- Impatto sul portafoglio: Supporta la priorizzazione e lo sviluppo di target ad alta fiducia, adeguati al rischio.
Considerazioni sull'implementazione
- Richiede competenze specifiche in biologia computazionale e analisi di dati RNA-seq.
- Richiede l'accesso all'ambiente di programmazione R e ai pacchetti software pertinenti.
- Necessita di una standardizzazione condivisa tra i gruppi di lavoro per i formati dei dati in ingresso e l'interpretazione degli output ordinati.
- È adattabile a diversi modelli di malattia, ma sensibile alla complessità delle vie biologiche e alla densità dei bersagli.
- I limiti pratici includono il tempo computazionale richiesto e la necessità di dati in ingresso di alta qualità.
