Name: Przepływ pracy integracji danych w celu identyfikacji kombinacji leków ukierunkowanych na syntetyczne interakcje śmiertelne (Wideo) | JoVE Journal
Uploaded: 2021-05-27T13:00:00.000+00:00
Duration: 7 min 40 s
Description: Odkryj przepływ pracy integracji danych do identyfikacji kombinacji leków ukierunkowanych na syntetyczne interakcje śmiertelne w raku piersi. Ta metoda obliczeniowa pozwala na przewidywanie skutecznych terapii przeciwnowotworowych.

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

Finansowanie na rozwój przepływu pracy integracji danych uzyskano z Siódmego Programu Ramowego Wspólnoty Europejskiej na podstawie umowy o grant nr 279113 (OCTIPS). Adaptacja danych zawartych w tej publikacji została uprzejmie zatwierdzona przez Public Library of Sciences Publications and Impact Journals, LLC.

<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 i PP byli pracownikami emergentec biodevelopment GmbH w czasie wykonywania analiz prowadzących do wyników przedstawionych w sekcji wyników reprezentatywnych. MM i MK nie mają nic do ujawnienia.

Nakreśliliśmy przepływ pracy w celu identyfikacji kombinacji leków wpływających na syntetyczne interakcje śmiertelne. Ten przepływ pracy wykorzystuje (i) dane na temat syntetycznych śmiertelnych interakcji z organizmami modelowymi, (ii) informacje o ludzkich ortologach, (iii) informacje o powiązaniach lek-cel, (iv) informacje o lekach na temat badań klinicznych w kontekście raka, a także (v) informacje o powiązaniach lek-choroba i gen-choroba wyodrębnione z literatury naukowej. Skonsolidowane informacje mogą być wykorzys...

Syntetyczna śmiertelność definiuje związek dwóch genów, gdzie utrata jednego genu nie wpływa na żywotność, ale utrata obu genów prowadzi do śmierci komórki. Po raz pierwszy został opisany w 1946 roku przez Dobzhansky'ego podczas analizy różnych fenotypów drosophila poprzez hodowlę homozygotycznych mutantów1. Mutanty, które nie dały zdolnego do życia potomstwa, chociaż same były zdolne do życia, wykazywały letalne fenotypy po skrzyżowaniu z niektórymi innymi mutantami, tworząc podstawy do ustanowienia teorii syntetycznej śmiertelności. Hartwell i współpracownicy zasugerowali, że ta koncepcja może mieć zastosowanie w terapii raka u ludzi2. Farmakologicznie sprowokowana syntetyczna śmiertelność może opierać się tylko na jednej mutacji, biorąc pod uwagę, że syntetyczny śmiertelny partner zmutowanego genu jest celem związku farmakologicznego. Pierwszą parą genów umożliwiającą farmakologiczną indukcję syntetycznej śmiertelności były BRCA(1/2) i PARP1. PARP1 funkcjonuje jako czujnik uszkodzeń DNA i jest powiązany z miejscami podwójnych i pojedynczych pęknięć nici DNA, superscoils i crossoverów3. BRCA1 i 2 odgrywają główną rolę w naprawie pęknięć dwuniciowych DNA poprzez rekombinację homologiczną4. Farmer i współpracownicy opublikowali wyniki, że komórki z niedoborem BRCA1/2 były podatne na hamowanie PARP, podczas gdy nie zaobserwowano cytotoksyczności w komórkach BRCA typu dzikiego5. Ostatecznie inhibitory PARP zostały zatwierdzone do leczenia raka piersi i jajnika z niedoborem BRCA6,7. Co więcej, pary genów syntetycznej śmiertelności prowadzące do klinicznego zatwierdzenia związków farmakologicznych są bardzo oczekiwane i stanowią główny obszar ostatnich badań nad rakiem8.
Syntetyczne interakcje genów śmiertelnych były modelowane w wielu organizmach, w tym u muszek owocowych, C. elegans i drożdży2. Korzystając z różnych podejść, w tym interferencji RNA i nokautów biblioteki CRISPR/CAS, w ostatnich latach odkryto nowe syntetyczne pary genów letalnych9,10,11. Protokół dotyczący procedur eksperymentalnych RNAi w połączeniu z CRISPR/CAS został niedawno opublikowany przez Housdena i współpracowników12. W międzyczasie naukowcy przeprowadzili również duże badania przesiewowe w haploidalnych komórkach ludzkich, aby zidentyfikować syntetyczne śmiertelne interakcje13,14. Metody in silico, takie jak analiza sieci biologicznych i uczenie maszynowe, również okazały się obiecujące w odkrywaniu syntetycznych oddziaływań letalnych15,16.
Koncepcyjnie, jednym z podejść do wykorzystania syntetycznych śmiertelnych interakcji w kontekście terapii przeciwnowotworowej jest identyfikacja zmutowanych lub niefunkcjonalnych białek w komórkach nowotworowych, co sprawia, że ich syntetyczni partnerzy w interakcjach śmiertelnych stają się obiecującymi celami terapeutycznymi. Ze względu na niejednorodność większości typów nowotworów, naukowcy rozpoczęli poszukiwania tzw. syntetycznych śmiertelnych białek piasty. Te syntetyczne śmiertelne koncentratory mają wielu syntetycznych partnerów w interakcjach letalnych, którzy są albo zmutowani, a zatem niefunkcjonalni, albo znacznie obniżeni w próbkach guza. Zajęcie się takimi syntetycznymi ośrodkami letalnymi daje nadzieję na zwiększenie skuteczności leków lub przezwyciężenie oporności na leki, co można wykazać na przykład w kontekście neuroblastoma opornego na winkrystynę17. Drugim podejściem do poprawy leczenia farmakologicznego wykorzystującym koncepcję syntetycznych oddziaływań śmiertelnych jest identyfikacja kombinacji leków ukierunkowanych na syntetyczne interakcje śmiertelne. Może to doprowadzić do powstania nowych kombinacji już zatwierdzonych pojedynczych terapii przeciwnowotworowych oraz do przeniesienia leków z innych obszarów chorobowych do dziedziny onkologii.
W tym artykule przedstawiamy krok po kroku procedurę, która pozwala uzyskać listę kombinacji leków, które są ukierunkowane na pary syntetycznych interakcji letalnych. W tym przepływie pracy (i) wykorzystujemy dane o syntetycznych interakcjach letalnych z BioGRID i (ii) informacje o genach homologicznych z Ensembl, (iii) pobieramy pary lek-cel z DrugBank, (iv) budujemy asocjacje choroba-lek z ClinicalTrials.gov oraz (v) generujemy w ten sposób zestaw kombinacji leków dotyczących syntetycznych interakcji letalnych. Na koniec podajemy kombinacje leków w kontekście raka jajnika i piersi w sekcji reprezentatywnych wyników.

<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</td><td>/a n/a</td><td>ClinicalTrials.gov</td></tr><tr><td>DrugBank</td><td>n/a</td> n<td>/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>alternatywne obliczeniowe bazy danych znajdują się w manuskrypcie</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>ZałącznikV-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>Test żywotności CellTiter-Blue</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>płodowa surowica bydlęca</td><td>Fisher Scientific/Gibco</td><td></td><td></td>16000044</tr><tr><td>Oprogramowanie</td><td>FloJo FloJo LLC</td><td>V10</td><td></td></tr><tr><td>McCoy's 5a Średnio zmodyfikowany</td><td>Fisher Scientific/Gibco</td><td>16600082</td><td></td></tr><tr><td>penicylina G/siarczan streptomycyny</td><td>Fisher Scientific/Gibco</td><td>15140122</td><td></td></tr><tr><td>Komórki SKBR-3</td><td>Amerykańska kolekcja kultur typu amerykańskiego (ATCC)</td><td>ATCC HTB-30</td><td></td></tr><tr><td>kwas zoledronowy</td><td>Sigma-Aldrich</td><td>SML0223-50MG</td><td></td></tr><<tr><td>strong>dalsze materiały lub sprzęt zostaną udostępnione na życzenie</td><td></td><td></td><td></td></tr></tbody></table>

przepływ pracy integracji danych w celu identyfikacji kombinacji leków ukierunkowanych na syntetyczne interakcje śmiertelne

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

Syntetyczna śmiertelna interakcja między dwoma genami ma miejsce, gdy wyeliminowanie jednego z dwóch genów nie wpływa na żywotność komórki, ale wyeliminowanie obu syntetycznych śmiertelnych interaktorów prowadzi do utraty żywotności komórki lub śmierci komórki. Najlepiej zbadaną syntetyczną interakcją śmiertelną jest interakcja między BRCA1/2 i PARP1, przy czym inhibitory PARP1 są stosowane w praktyce klinicznej w leczeniu pacjentów z nowotworami z mutacją BRCA1/2. Duże badania genetyczne w organizmach modelowych, ale także w haploidalnych liniach komórek ludzkich doprowadziły do zidentyfikowania wielu dodatkowych par syntetycznych interakcji letalnych, z których wszystkie są potencjalnymi celami zainteresowania przy opracowywaniu nowych terapii przeciwnowotworowych. Jednym z podejść jest terapeutyczne celowanie w geny za pomocą syntetycznego śmiertelnego interaktora, który jest zmutowany lub znacznie obniżony w badanym guzie. Drugim podejściem jest sformułowanie kombinacji leków rozwiązujących syntetyczne interakcje śmiertelne. W tym artykule przedstawiamy proces integracji danych w celu oceny i identyfikacji kombinacji leków ukierunkowanych na syntetyczne interakcje śmiertelne. Korzystamy z dostępnych zbiorów danych na temat par syntetycznych oddziaływań letalnych, zasobów mapowania homologii, powiązań lek-cel z dedykowanych baz danych, a także informacji o lekach badanych w badaniach klinicznych w obszarze choroby będącym przedmiotem zainteresowania. Podkreślamy również kluczowe wyniki dwóch ostatnich badań naszej grupy dotyczących oceny kombinacji leków w kontekście raka jajnika i piersi.

Nasz zespół opublikował niedawno dwie prace, w których zastosowano opisany w niniejszym manuskrypcie schemat postępowania w celu zidentyfikowania kombinacji leków ukierunkowanych na interakcje letalne syntetycznie w kontekście raka jajnika i piersi24,25. W pierwszej z nich oceniliśmy wpływ na interakcje letalne syntetycznie kombinacji leków, które są obecnie testowane w późnych fazach badań klinicznych (faza III i IV) lub są już stosowane w praktyce klinicznej w ...

Duże badania genetyczne w organizmach modelowych doprowadziły do identyfikacji negatywnych interakcji genetycznych. W tym miejscu opisujemy proces integracji danych z wykorzystaniem danych z badań genetycznych w organizmach modelowych w celu wyznaczenia kombinacji leków ukierunkowanych na syntetyczne śmiertelne interakcje w raku.

Przepływ pracy integracji danych w celu identyfikacji kombinacji leków ukierunkowanych na syntetyczne interakcje śmiertelne

A synthetic lethal interaction between two genes is given when knock-out of either one of the two genes does not affect cell viability but knock-out of ...

Syntetyczna letalna interakcja między dwoma genami występuje, gdy pojedynczy knockdown któregokolwiek z nich nie wpływa na żywotność komórki, ale knockdown obu syntetycznych letalnych partnerów prowadzi do utraty żywotności komórki lub śmierci komórki. Połączenie heterogenicznych zbiorów danych może prowadzić do identyfikacji syntetycznych śmiertelnych interakcji, które mogą być celem kombinacji leków w chorobach takich jak rak, w celu zatrzymania proliferacji komórek. Koncepcja syntetycznej śmiertelności jest interesująca w przypadku każdej choroby, w której problemem jest proliferacja komórek.Jeśli chodzi o raka, syntetyczne śmiertelne interakcje genowe są już ukierunkowane na nowotwory z mutacją BRCA za pomocą inhibitorów PARP. Wysiłki takie jak nasze mogą poszerzyć zastosowanie tej koncepcji w przypadku innych interakcji genów i jednostek nowotworowych. W naszym laboratorium przetestowaliśmy obliczeniowo przewidywane kombinacje leków ukierunkowane na syntetyczne interakcje letalne w kontekście raka piersi.Zacznij od pobrania danych z BioGRID. Użyj przeglądarki internetowej, aby pobrać najnowszy plik interakcji BioGRID w formacie tab2. Przefiltruj kolumny, aby zachować tylko te,

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

Research

JoVE Journal

Cancer Research

Badania nad rakiem

Tutaj opisujemy protokół wykorzystujący internetowe narzędzie do generowania hipotez zmiany przeznaczenia leków: "RE:fine Drugs." Protokół ten może być modyfikowany zgodnie z preferencjami użytkownika na poziomie typu zapytania (gen, lek lub choroba) i/lub zakresu dostępnych opcji zaawansowanych.

Generowanie hipotez zmiany przeznaczenia leków za pomocą systemu "RE:fine drugs"

Synergiczne kombinacje leków są trudne i czasochłonne do empirycznego zidentyfikowania. W tym miejscu opisujemy metodę identyfikacji i walidacji synergicznych małych cząsteczek.

Wysokoprzepustowa identyfikacja synergicznych kombinacji leków metodą Overlap2

W tym protokole opisujemy, jak dokonywać pomiarów interakcji leków opartych na addytywności Loewego dla par i trójdrożnych kombinacji leków.

Metoda diagonalna do pomiaru synergii między dowolną liczbą leków

Ten protokół opisuje, jak ocenić synergizm między przeciwciałem przeciwnowotworowym a lekami przeciwnowotworowymi w modelach przedklinicznych za pomocą równania indeksu kombinacji Chou i Talalay.

Zwiększenie skuteczności przeciwciał przeciwnowotworowych przez leki przeciwnowotworowe: wykrywanie synergizmu przeciwciało-lek za pomocą równania indeksu kombinacji

Wysokoprzepustowe badania przesiewowe RNA (RNAi) z wykorzystaniem puli lentiwirusowych shRNA mogą być narzędziem do wykrywania terapeutycznie istotnych syntetycznych celów śmiertelnych w nowotworach złośliwych. Zapewniamy zbiorcze podejście do badań przesiewowych shRNA w celu zbadania efektorów epigenetycznych w ostrej białaczce szpikowej (AML).

Zbiorcze badania przesiewowe biblioteki shRNA w celu identyfikacji czynników modulujących fenotyp oporności na leki

To badanie przedstawia podwójny system CRISPRi ukierunkowany na długie, niekodujące RNA w komórkach czerniaka. Umożliwia kombinatoryczne knockdown genów i syntetyczne badania przesiewowe ze skutkiem śmiertelnym, identyfikując interakcje lncRNA specyficzne dla raka dla potencjalnych strategii terapeutycznych.

Strategia podwójnej interferencji CRISPR do celowania w syntetyczne śmiertelne interakcje między niekodującymi RNA w komórkach nowotworowych

Ten dwujęzyczny protokół zapewnia obliczeniowy proces odkrywania leków, oceniający interakcje białko-ligandy kinaz Polopodobnych 1 do 3 (PLK1–3) oraz właściwości absorpcji, dystrybucji, metabolizmu, wydalania, toksyczności i stabilności (ADMET-S) naturalnych cząsteczek pochodzących z bazy danych.

Dwujęzyczny proces obliczeniowy do identyfikacji potencjalnych inhibitorów PLK1 w amerykańskim języku migowym i angielskim

Identyfikacja nowych celów leków, które przechodzą od testów przedklinicznych do badań na ludziach, jest priorytetem naukowym. W tym celu opisujemy tutaj podejście genomiki funkcjonalnej do badania wpływu wyczerpania genów na sferoidy linii komórek nowotworowych, które bardziej odpowiednio modelują nowotwory u ludzi in vivo.

Wykorzystanie badań przesiewowych genomiki funkcjonalnej do identyfikacji potencjalnie nowych celów leków w hodowlach sferoidalnych komórek nowotworowych

Selektywnie znakowane fluorescencyjne pochodne GnRH-I, -II i -III są niezawodnymi narzędziami do śledzenia i ilościowego określania ich absorpcji komórkowej. Niniejszy manuskrypt przedstawia eksperymenty mające na celu wizualizację, ilościowe określenie i porównanie efektywności wychwytu tych koniugatów GnRH w różnych liniach komórkowych.

In vitro Obrazowanie i kwantyfikacja skuteczności celowania w lek znakowanych fluorescencyjnie analogów GnRH

Tutaj opisujemy protokół do wykorzystania wysokoprzepustowego badania przesiewowego RNAi w celu odkrycia celów gospodarza, które mogą być manipulowane w celu wzmocnienia terapii wirusami onkolitycznymi, w szczególności terapii wirusem rabodu i krowianki, ale można go łatwo dostosować do innych platform wirusów onkolitycznych lub do odkrywania genów gospodarza, które ogólnie modulują replikację wirusa.

Badania przesiewowe RNAi całego genomu w celu identyfikacji czynników gospodarza, które modulują terapię wirusem onkolitycznym

Odkryj przepływ pracy integracji danych do identyfikacji kombinacji leków ukierunkowanych na syntetyczne interakcje śmiertelne w raku piersi. Ta metoda obliczeniowa pozwala na przewidywanie skutecznych terapii przeciwnowotworowych.

Przepływ pracy integracji danych w celu identyfikacji kombinacji leków ukierunkowanych na syntetyczne interakcje śmiertelne

Przeglądaj więcej filmów