利用癌症蛋白质组学数据确定治疗靶向的候选基因

　　2023年5月4日，一项新的研究观点发表在Oncotarget杂志上，题为“利用癌症蛋白质组学数据识别治疗靶向的候选基因”。

　　

   

   

图3:结合分析激酶在具有细胞系依赖性的肿瘤中的表达，以确定新的基因靶点。

资料来源:2023 monsieur vais et al。

“[…我们考虑一些公共分子资源，包括蛋白质组学数据集，可以用来帮助确定癌症治疗靶向的候选基因。”

2023年5月4日，一项新的研究观点发表在Oncotarget的第14卷上，题为“使用癌症蛋白质组学数据识别治疗靶向的候选基因”。

从基于质谱的癌症蛋白质组学数据集获得的基因水平关联代表了识别功能研究候选基因的资源。来自贝勒医学院和伯明翰阿拉巴马大学的研究人员Diana Monsivais, Sydney E. Parks, Darshan S. Chandrashekar, Sooryanarayana Varambally和Chad J. Creighton在他们新的研究视角中讨论了他们最近的研究，他们调查了多种癌症类型中肿瘤等级的蛋白质组学相关性，并确定了对子宫内膜癌细胞具有功能影响的特定蛋白激酶。

“这项先前发表的研究为利用公共分子数据集发现癌症患者潜在的新治疗靶点和方法提供了一个模板。”

蛋白质组学分析数据与相应的人类肿瘤和细胞系的多组学数据相结合，可以以各种方式进行分析，以确定对生物学问题感兴趣的基因的优先级。在数百种癌细胞系中，CRISPR功能丧失和药物敏感性评分可以很容易地与蛋白质数据相结合，在进行实验之前预测任何基因的功能影响。公共数据门户使研究团体更容易获得癌症蛋白质组学数据。药物发现平台可以筛选数以亿计的针对感兴趣的基因或途径的小分子抑制剂。

“在这里，我们讨论了一些可用的公共基因组和蛋白质组学资源，同时考虑如何利用这些资源进行分子生物学见解或药物发现的方法。我们还证明了BAY1217389对子宫癌细胞系活力的抑制作用，BAY1217389是一种TTK抑制剂，最近在治疗实体瘤的I期临床试验中进行了测试。”

文章标题

Using cancer proteomics data to identify gene candidates for therapeutic targeting