融合生物信息学推断与单细胞RNA测序和蛋白质组学数据的多尺度模型，揭示DEX治疗对肺癌的动态效应
摘要：影响肺癌治疗实施和有效性的潜在机制对我们来说是一个优先问题。在本研究中，我们结合了生物信息学和系统生物学的力量，利用生物信息学推断和多尺度建模综合揭示了药物治疗的功能和信号传导途径，包括scRNA-seq数据和蛋白质组学数据。这种创新性和跨学科的方法可以进一步应用于肿瘤发生和肿瘤治疗的其他计算研究。结果：我们分析了脱氧皮质酮（DEX）治疗后的肺腺癌源性A549细胞的时间序列数据。首先，我们发现了这些肺癌细胞中的差异表达基因。然后，通过对其调控网络的询问，我们确定了在DEX治疗下变化的关键中枢基因，包括TGF-β、MYC和SMAD3。进一步的富集分析揭示了TGF-β信号通路作为最丰富的术语。TGF-β通路中参与的基因及其与ERBB通路的相互作用在临床肺癌样本中展示了较强的生存预后。基于生物学验证和进一步的精修，我们开发了一个以TGF-β诱导和ERBB放大的信号传导途径为核心的肿瘤调控的多尺度模型，以描述DEX治疗对肺癌细胞的动力学效应。我们的模拟结果与SMAD2、FOXO3、TGFβ1和TGFβR1的可用数据在时间轴上非常匹配。此外，我们提供了不同剂量的预测，以展示DEX治疗的趋势和治疗潜力。
作者：Minghan Chen, Chunrui Xu, Ziang Xu, Wei He, Haorui Zhang, Jing Su, and Qianqian Song
论文ID：2203.00743
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-03-03