癌症治疗的统计最优药物设计
摘要：癌细胞和健康细胞的分子特性分布有所不同，因此对药物有不同的反应。理想的癌症药物应该能够杀死癌细胞，同时对健康细胞的损害小。然而，癌细胞和健康细胞群体中细胞之间的固有变异增加了选择性药物作用的难度。在这里，我们提出了一个基于理念的分类框架，认为理想的癌症药物应该在癌细胞和健康细胞之间最大程度地区分。我们首先探讨了如何利用分子标记来在单个细胞水平上区分癌细胞和健康细胞，然后通过这些分子标记对药物的效果进行统计预测。然后，我们将这两个思想结合起来，展示了如何将药物与肿瘤细胞最佳匹配。我们发现只有少数几个基因的表达水平就足以很好地区分癌症和健康组织中的个体细胞。我们还发现基因表达可以预测癌症药物的功效，这表明癌症药物使用基因表达作为分类器。与我们的第一个发现一致，只有少数几个基因能够很好地预测药物的功效。最后，我们制定了一个框架来定义最佳药物，并预测可能比单个药物更准确地靶向癌症的药物组合。将癌症药物概念化为在分子标记的高维空间中解决判断问题的问题，有望为新的癌症药物和药物组合的设计提供信息。
作者：Patrick N. Lawlor, Tomer Kalisky, Stephen Quake, Robert Rosner, Marsha Rich Rosner, Konrad P. Kording
论文ID：1308.1087
分类：Other Quantitative Biology
分类简称：q-bio.OT
提交时间：2013-08-07