NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Genom çapında düzenleyici ağlar, hücrelerin çalışmasını, gelişmesini ve hayatta kalmasını sağlar. Bu ağların pertürbasyonu bir hastalık fenotipinin ortaya çıkmasına neden olabilir. Conrad Waddington'ın hücre gelişiminin epigenetik manzarasından esinlenerek, Parkinson hastalığı, glioma ve kolorektal kanserin protein veya gen korelasyon ağlarına dayanan bir hastalık ilerlemesinin çekici bir peyzaj modeli oluşturmak için bir Hopfield ağ formalizmi kullanıyoruz. Bu manzaradaki çekiciler hücrenin normal ve hastalık durumlarına karşılık gelir. Bu çekicilerin boyutunu ve sağlamlığını tahmin etmek için yaklaşımlar sunuyoruz ve anahtar genler ve çekicilerle ilişkili işlevleri gibi biyolojik özelliklerini incelemek için ağ tabanlı bir yaklaşım alıyoruz. Sonuçlarımız, kanser hücrelerinin çekicisinin normal hücrelerin çekicisinden daha geniş olduğunu ve kanserin heterojen bir doğasını öne sürdüğünü göstermektedir. Pertürbasyon analizi, sağlamlığın giriş verilerinin özelliklerine (zamanlama noktası başına örnek sayısı ve bir çekiciye yakınsayan kesir) bağlı olduğunu göstermektedir. Her aşamada, gen düzenleyici ağının (GRN) hastalık ilerlemesi ile zamansal yeniden bağlanmasını yansıtan benzersiz gen etkileşimlerini tanımlıyoruz. Bireysel hastaların büyük ölçekli gen ekspresyon profillerinden inşa edilen çekici manzara modelimiz, hastalık ilerlemesinin anlık görüntülerini yakalar ve farklı aşamalara özgü gen etkileşimlerini tanımlar, evreye özgü terapötik stratejilerin geliştirilmesinin yolunu açar.
Özgün kaynak özetini okuyun
Genome-wide regulatory networks enable cells to function, develop, and survive. Perturbation of these networks can lead to appearance of a disease phenotype. Inspired by Conrad Waddington's epigenetic landscape of cell development, we use a Hopfield network formalism to construct an attractor landscape model of disease progression based on protein- or gene-correlation networks of Parkinson's disease, glioma, and colorectal cancer. Attractors in this landscape correspond to normal and disease states of the cell. We introduce approaches to estimate the size and robustness of these attractors, and take a network-based approach to study their biological features such as the key genes and their functions associated with the attractors. Our results show that the attractor of cancer cells is wider than the attractor of normal cells, suggesting a heterogeneous nature of cancer. Perturbation analysis shows that robustness depends on characteristics of the input data (number of samples per time-point, and the fraction which converge to an attractor). We identify unique gene interactions at each stage, which reflect the temporal rewiring of the gene regulatory network (GRN) with disease progression. Our model of the attractor landscape, constructed from large-scale gene expression profiles of individual patients, captures snapshots of disease progression and identifies gene interactions specific to different stages, opening the way for development of stage-specific therapeutic strategies.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.