研究人员开发数据驱动的方法来帮助降低药物成本和治疗疾病

西弗吉尼亚大学的一位科学家表示，一种新的数据驱动的机制方法可以预测组织内的细胞类型，这将有助于降低药物成本并治疗难以开发药物治疗的疾病。

化学与生物医学工程系教授 David Klinke 开发并测试了一种机械方法来预测特定组织内不同细胞类型的数量和功能，以及当恶性(癌性)细胞获得分泌能力时它们如何变化。蛋白质。

“最终，我们希望开发能够扩大免疫疗法临床益处的药物，”Klinke 说，他也是 WVU 医学院的兼职助理教授和癌症研究所的成员。

机械模型是由专家手工创建的，但研究人员对生物学的理解存在差距，因为 90% 的研究出版物只关注人类 20% 的基因。

这项发表在《自然通讯》上的研究对大型数据集进行了筛选，以预测恶性细胞分泌的一种基因产物如何直接从数据中影响组织内的其他细胞类型。这为在药物开发中发挥重要作用的手工创建模型提供了补充。

“在正常情况下，一个人的免疫系统可以抵御传染病，”克林克说。“然而，大多数癌症是通过突变和选择的进化过程产生的。每个细胞的 DNA 中都有制造每个基因产物的蓝图。在这个突变和选择过程中，这些基因产物中的一些重新表达可能会产生恶性细胞具有抑制免疫反应的能力。”

人体组织由专门的细胞类型组成，这些细胞类型被组织起来以在不断变化的环境中维持功能。最终，组织内细胞类型的功能方向相互作用形成了一个异细胞网络——一个由许多不同细胞类型组成的网络，它们相互作用以共同实现一个目标。异细胞网络对于创建和维持组织平衡很重要。

虽然研究人员知道在肿瘤发生或肿瘤发展过程中组织平衡被破坏，但对于遗传改变如何影响人体组织内的异细胞网络尚不清楚。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！