甲状腺乳头状癌预后及诊断的分子标志物研究取得进展

简介: 孙中生研究团队首度解析中国人群甲状腺乳头状癌遗传图谱后,在甲状腺乳头状癌的预后及诊疗研究中取得的又一进展。

7月30日,中国科学院北京生命科学研究院孙中生研究团队的最新研究成果,以Transcriptomic signature associated with carcinogenesis and aggressiveness of papillary thyroid carcinoma为题,在线发表在Theranostics上。这是该团队首度解析中国人群甲状腺乳头状癌遗传图谱后,在甲状腺乳头状癌的预后及诊疗研究中取得的又一进展。

甲状腺乳头状癌是内分泌系统中发病率最高的恶性肿瘤,发病率近三十年内上升了三倍。甲状腺乳头状癌的发生是由基因组和转录组等不同层面的多种分子改变所引起的复杂的生物学过程,为了实现该恶性肿瘤的精准诊断、提高治疗和预后评估的效果,亟需从多组学、不同角度系统鉴定癌组织发生、发展过程中的分子改变。在前期研究中,孙中生研究团队运用自主开发的目标区域捕获测序技术,首次绘制中国人群甲状腺乳头状癌的遗传图谱,揭示中外人群甲状腺乳头状癌遗传图谱的差异,为中国人群甲状腺乳头状癌的分子诊断提供了理论依据。研究中,该团队以腺外侵犯这一与甲状腺乳头状癌预后具有密切关系的临床特征为切入点,通过对来自于两个独立的研究队列的655个甲状腺癌病人的转录组数据进行深度分析,发现与细胞微环境及类固醇激素响应有关的基因与甲状腺乳头状癌的腺外侵犯密切相关,预测到能影响甲状腺乳头状癌腺外侵犯表达特征的两个小分子化合物(6-bromoindirubin-3'-oxime、lovastatin),发现长链非编码RNA能通过调控细胞外基质和细胞黏附来影响甲状腺乳头状癌的发生,鉴定了两个新的长链非编码RNA及八个基因与腺外侵犯及甲状腺乳头状癌病人的无病生存率(disease-free survival)显著相关,并在一些已报道的能潜在应用于甲状腺乳头状癌诊断的基因(SERPINA1、FN1)中发现了新的与癌症发生相关的可变剪切事件,为提高这些基因诊断的灵敏性提供了新的分子证据。研究揭示了与甲状腺乳头状癌发生及侵袭相关的转录组学特征,为这一高发癌症的分子诊断及预后评估提供了新的分子标志物,为甲状腺癌的药物治疗提供了新策略。

该研究得到了国家重点研发计划、国家自然科学基金等的资助。

image

甲状腺乳头状癌发生发展的转录组学特征研究概要

原文发布时间为:2018-08-05
本文来自云栖社区合作伙伴“中科院之声”,了解相关信息可以关注“中科院之声

相关文章
|
6月前
|
机器学习/深度学习 算法 数据可视化
可解释性机器学习:基于随机森林和Ceteris-paribus的乳腺癌早期诊断研究
可解释性机器学习:基于随机森林和Ceteris-paribus的乳腺癌早期诊断研究
300 1
|
6月前
|
机器学习/深度学习 数据采集 人工智能
【AI 场景】解释使用人工智能诊断医学图像中疾病的过程
【5月更文挑战第4天】【AI 场景】解释使用人工智能诊断医学图像中疾病的过程
|
6月前
|
机器学习/深度学习 算法
基于机器学习的印度肝脏病诊断分析
基于机器学习的印度肝脏病诊断分析
|
机器学习/深度学习 算法 数据挖掘
高血压疾病预测模型构建研究与应用
高血压疾病预测模型构建研究与应用。
195 0
|
机器学习/深度学习 数据采集 算法
基于影像组学的膀胱癌治疗反应评估:深度学习的应用
本文旨在探讨基于影像组学的膀胱癌治疗反应评估方法,介绍影像组学技术的基本概念和特征提取方法,并探讨深度学习算法在癌症治疗反应评估中的应用。将参考和解析文献Bladder Cancer Treatment Response Assessment in CT using Radiomics with Deep-Learning的分析过程。
137 0
|
机器学习/深度学习 人工智能 算法框架/工具
AI在医疗诊断中的应用:图像分析和疾病预测
随着人工智能(AI)的快速发展,它在医疗领域的应用越来越受到关注。其中,图像分析和疾病预测是AI在医疗诊断中最具潜力的领域之一。本文将探讨如何使用AI技术来分析医学图像并预测疾病的发展,为医生提供更准确和及时的诊断结果。
564 0
|
机器学习/深度学习 人工智能 机器人
一项人工智能、化学和分子机器人的交叉研究,加速创新和药物发现,并简化复杂的化学过程自动化
一项人工智能、化学和分子机器人的交叉研究,加速创新和药物发现,并简化复杂的化学过程自动化
|
机器学习/深度学习 人工智能
AI促进药物发现:未来是多细胞研究
AI促进药物发现:未来是多细胞研究
228 0
AI促进药物发现:未来是多细胞研究
|
机器学习/深度学习 存储 人工智能
人工智能技术如何在药物开发中识别正确的药物成分
在采用数字技术时,制药行业的应用往往比较缓慢。迄今为止,很多制药厂商已经推迟了使用人工智能和机器学习策略开发药物的想法。人工智能有可能在药物开发领域掀起创新浪潮。然而,制药行业应努力弥补应用于药物发现和开发过程之间的差距。
341 0
人工智能技术如何在药物开发中识别正确的药物成分
|
机器学习/深度学习 算法 计算机视觉
如何利用深度学习诊断心脏病
本文探讨的是开发一个能够对心脏磁共振成像(MRI)数据集图像中的右心室自动分割的系统。到目前为止,这主要是通过经典的图像处理方法来处理的。而现代深度学习技术有可能提供更可靠、更自动化的解决方案。
5187 0
下一篇
无影云桌面