|
| 状态 |
2024年3月13日公开 |
| 标题 |
基于网络的框架，用于发现复杂疾病的治疗反应预测生物标记物 |
| 有机体 |
智人 |
| 实验类型 |
通过高通量测序进行表达谱分析
|
| 总结 |
与高通量多组学数据集中发现的分子特征数量相比，数据可用性有限，样本量不足，这往往挑战了精准医学转化复杂自体免疫疾病治疗的潜力。针对这个问题，开发了新的框架PRoBeNet（使用网络医学的预测反应生物标志物）。ProBeNet的运作假设是药物的治疗效果通过蛋白质-蛋白质相互作用网络传播以逆转疾病状态。ProBeNet通过考虑（1）治疗靶向蛋白质，（2）疾病特异性分子特征，以及（3）细胞成分（人类相互作用组）之间的潜在相互作用网络来确定生物标记物的优先级。通过ProBeNet，发现生物标记物可以预测患者对既定自身免疫治疗（英夫利昔单抗）和试验化合物（MAPK3/1抑制剂）的反应。ProBeNet生物标记物的预测能力通过溃疡性关节炎和类风湿性关节炎患者的回顾性基因表达数据以及溃疡性关节病和克罗恩病患者源性组织的前瞻性数据进行了验证。使用ProBeNet生物标记的机器学习模型显著优于使用所有基因或随机选择的基因的模型，尤其是当数据有限时（少于20个样本）。这些结果说明了ProBeNet在减少特征和在有限数据可用时构建鲁棒机器学习模型方面的价值。ProBeNet可用于开发复杂自身免疫疾病治疗的伴随和补充诊断分析，这可能有助于在临床试验中对合适的患者亚群进行分层，批准新药物，并改善患者预后。
|
| |
|
| 总体设计 |
为了研究ProBeNet框架确定的治疗反应预测生物标记物的功效，我们从溃疡性结肠炎或克罗恩病患者的结肠或回肠组织切片建立了体外生物组织培养。
----------------------------------------------------------
作者表示，由于“隐私问题”，原始数据不可用。
|
| |
|
| 贡献者 |
迪纳·G,Uday S公司 |
| 引文 |
39067570 |
| |
| 提交日期 |
2024年3月8日 |
| 上次更新日期 |
2024年8月5日 |
| 联系人姓名 |
苏珊·迪娜·吉亚西安 |
| 组织名称 |
Scipher医学
|
| 街道地址 |
Totten Pond路500号6楼
|
| 西蒂 |
沃尔瑟姆 |
| 邮政编码 |
02451 |
| 国家 |
美国 |
| |
|
| 平台（1） |
|
| 样品（12）
|
|
| 关系 |
| 生物项目 |
PRJNA1085755项目 |
