爱奇飞网

网站首页健康养生 >正文

基因网络相互作用揭示乳腺癌的发病和发展

开心的月饼 2024-04-22 08:47:43 健康养生

在发表在GENBiotechnology上的一项题为“乳腺癌发病和发展中基因网络相互作用的变化”的新研究中,佐治亚理工学院的研究人员发现了乳腺癌三种最常见分子亚型的差异基因网络变化特征,LuminalA、LuminalB和高度转移的Basal样亚型。与之前的研究相比,作者将他们的分析扩展到了正常样本和癌症样本之间差异表达的基因之外,因为差异基因表达可能不是基因间相互作用变化的先决条件。

基因网络相互作用揭示乳腺癌的发病和发展

临床上重要靶标的识别对于癌症基因治疗仍然至关重要。尽管癌症被认为是一种多基因疾病,但精准癌症治疗通常仅限于被确定为“癌症驱动因素”的单个基因靶标。因此,癌症发病和进展的重大调控变化可能未被发现,因为基因-基因相互作用的许多变化与基因表达的协调变化无关。

由通讯作者、生物科学学院名誉教授、佐治亚理工学院综合癌症研究中心(ICRC)创始主任JohnMcDonald博士领导的计算网络研究揭示了在侵袭性Basal-like中获得的八个广泛连接的网络模块亚型。与LuminalA和LuminalB相比,Basal样亚型与基因-基因网络结构的最显着变化相关。对这些Basal样模块的功能分析发现了19个富含癌症标志功能的基因,包括细胞增殖和运动的调节。

“任何复杂系统的组成部分,比如人类基因组,当然都很重要,”麦克唐纳强调。“这些独立组件之间相互作用的方式也至关重要。”

值得注意的是,研究人员还发现了Basal样亚型特有的神经通路,这些神经通路以前并未与乳腺癌相关。突触通讯的正向调节和强调的谷氨酸信号被认为在原发性乳腺肿瘤中发挥转移前作用。

麦当劳的研究小组采用综合系统方法来研究癌症。实验室的其他研究项目侧重于开发通用癌症诊断、作为治疗癌症药物的小非编码RNA,以及了解mRNA剪接变异在癌症发生和进展中的重要性。一月份,麦当劳实验室发表了一项研究,该研究将机器学习应用于患者代谢特征,以确定个性化卵巢癌诊断的生物标志物模式。

作者表示,这种基因网络分析的见解进一步阐明了基底样乳腺癌的分子过程,并可以促进化疗的新靶点。此外,识别不同乳腺癌亚型之间独特的网络特征为个性化治疗计划提供了一条途径。


版权说明:本站所有作品图文均由用户自行上传分享,仅供网友学习交流。若您的权利被侵害,请联系我们


标签:

站长推荐
栏目推荐
阅读排行