Sci. Adv. | 新算法识别治疗肺动脉高压的候选抗癌药物

简介: Sci. Adv. | 新算法识别治疗肺动脉高压的候选抗癌药物

癌症治疗药物正在被考虑用于治疗如肺动脉高压(PH)等罕见的非癌性疾病,但还缺乏有效的计算筛选这些药物治疗疾病的方法。


2021年10月20日,来自匹兹堡大学医学院及匹兹堡大学医学中心、普雷里维尤农工大学(Prairie View A&M University,PVAMU)、哈佛大学、MIT和波士顿儿童医院等11所大学和医疗机构的30多位研究员在Science Advances上联合发表了一项重大研究成果“Computational repurposing of therapeutic small molecules from cancer to pulmonary hypertension”。论文的通讯作者是来自匹兹堡大学医学院的Stephen Y.Chan教授。利用具有实验验证的计算方法,研究人员发现了具有治疗肺动脉高压(pulmonary hypertension,PH)潜力的抗癌药物,结果确定了I-BET762和BRD2889有望成为PH治疗的候选者。这些发现可以促进未来应用中重新利用癌症治疗药物来定制精确的治疗方案,或对治疗非癌症疾病的药物的反应进行预测。


image.png

image.png

1.研究背景

基于计算的药物再利用正发展成为一种可行的方法,其利用可用的大规模临床和分子分析并与机器学习、网络建模和临床文本挖掘的计算机方法相结合来定义新的药物活性。然而,绝大多数的此类分析通常不适用于罕见或新兴疾病的有限的组学数据集。肺动脉高压(PH)是一种罕见且无法治愈的肺部血管疾病,世界肺动脉高压大会(World Symposium of Pulmonary Hypertension,WSPH)定义其为五组临床分类,尤其是第1组(PAH)和第3组(由缺氧性肺病导致)的PH亚型的死亡率很高。目前的治疗药物主要用于舒张血管以控制症状,大多用于治疗第1组PAH但无法治愈。因此,对新药开发的需求尚未得到满足。


内皮病理生物学是PH产生炎症和异常血管重建的致病特征,而在PH中靶向治疗内皮功能障碍一直具有挑战。对PH与癌症之间的分子相似性的进一步认识,以及PH在肺癌中的发展之间的直接联系,提高了将现有小分子抑制剂从癌症重新用于PH疾病的研究热情,但癌症数据集中的广泛分子谱尚未被用于此类PH药物的发现。因此,绘制与PH相关的基因调控依赖网络,并研究与癌症药物活性相关的这些网络的“重新布线”为此提供了机会。在这里,作者假设对药物反应与癌细胞中涉及PH和癌症的通路的分子重新布线之间的关系进行深入分析,将有助于深入了解PH中的血管细胞如何对特定药物作出反应,并反过来支持这些药物再利用于PH


2.模型与方法

EDDY


研究人员设计了一种计算策略:EDDY(Evaluation of Dependency DifferentialitY,差异依赖性评估),以识别癌细胞中与药物反应相关的基因和罕见疾病(如PH)重叠的差分依赖网络(DDNs)。这是一种先验知识辅助算法,该算法基于不同条件下网络中基因间依赖性相互作用的重新布线来定义DDNs。EDDY已用于人类疾病的研究和人类 PH 肺组织的转录组分析来识别疾病中的DDNs。


EDDY主要应用于癌细胞系百科全书(CCLE;包括来自810个癌细胞系的RNA测序数据目录)和癌症治疗反应门户(CTRP;调查这些细胞系对368种小分子的反应)这两个数据库的数据集。在这个过程中,对于所调查的每种抗癌药物,细胞系被分为药敏组和耐药组,EDDY-CTRP确定DDNs,这些DDNs通过敏感细胞和耐药细胞中的特定的重新布线来定义药物反应。


EDDY-CTRP-PH


该团队利用EDDY的计算优势开发了EDDY-CTRP-PH作为一个计算平台,来预测控制罕见非癌性疾病(如PH)的癌症药物功能的前景。这些功能依赖于癌症和PH常见基因的重新连接的差异依赖网络(DDNs)以及与缺氧和炎症的共享链接,可控制多种PH亚型的活性。


image.png

3.实验与结果

研究团队利用EDDY-CTRP-PH分析了来自暴露于数百种癌症治疗药物小分子的800多个癌细胞系的基因表达数据,并评估了与这些细胞中药物反应相关的基因网络的重新布线。根据材料和方法中定义的重新布线分数对小分子和簇进行排序(如下图)。

image.png

作者发现Bromodomain and extra-terminal motif(BET)蛋白抑制剂依赖于许多基因簇,其中一个基因簇包括半乳糖凝集素-8 (LGALS8),LGALS8有助于控制内皮细胞凋亡,这对于PH的治疗具有重要作用。EDDY-CTRP-PH分析了三种BET抑制剂(JQ-1、I-BET151和I-BET762),其中I-BET151是排名靠前的药物之一。


此外,为了确定最稳健的候选药物通路轴,该团队专注于簇43 (C43)。作者发现了一种类似于piperlongumine(荜茇酰胺,胡椒科植物荜茇的一种天然生物碱)的化合物BRD2889,是预测靶向C43的重新布线得分最高的药物分子。并通过实验表明,BRD2889的作用取决于铁-硫基团生物合成基因ISCU,其诱导的GSTP1可以抑制ISCU谷胱甘肽化,挽救氧化代谢,减少内皮细胞凋亡,从而改善PH的症状。

image.png

最后,在细胞和啮齿动物疾病模型中进行的一系列测试也表明,BET抑制剂和BRD2889都能够按预期与其PH相关的遗传目标结合,同时还观察到用化合物处理后模型的组织学和血液动力学表现有所改善。因此,这两种抗癌药物分别被预测和实验证明在缺氧和炎症条件下分别通过调节内皮LGALS8和GSTP1-ISCU,从而能够缓解肺动脉高压的症状。

image.png

在这项研究中,作者利用差异依赖性分析的计算优势与大量癌细胞数据相结合,开发了EDDY-CTRP-PH,从而预测控制罕见非癌性疾病(如PH)使用抗癌药物功能的前景,满足了对能够快速并系统性地确定罕见病疗法的方法的需求,而无需事先了解特定分子药物靶点。经预测和实验证明,在缺氧和炎症条件下,BET抑制剂和BRD2889分别通过调节内皮LGALS8和GSTP1-ISCU,从而控制体内PH的症状。该结果确定了特定化合物可以再利用于缓解多种PH亚型的内皮病理生物学症状。更广泛地说,这些发现为计算网络药理学的进展以及将药物从癌症重新用于其他罕见疾病提供了广泛的影响。


目录
相关文章
|
1月前
|
算法
【MATLAB】语音信号识别与处理:滑动平均滤波算法去噪及谱相减算法呈现频谱
【MATLAB】语音信号识别与处理:滑动平均滤波算法去噪及谱相减算法呈现频谱
81 0
|
1月前
|
算法
【MATLAB】语音信号识别与处理:SG滤波算法去噪及谱相减算法呈现频谱
【MATLAB】语音信号识别与处理:SG滤波算法去噪及谱相减算法呈现频谱
105 1
|
1月前
|
算法
【MATLAB】语音信号识别与处理:T1小波滤波算法去噪及谱相减算法呈现频谱
【MATLAB】语音信号识别与处理:T1小波滤波算法去噪及谱相减算法呈现频谱
79 0
|
1月前
|
机器学习/深度学习 算法 TensorFlow
文本分类识别Python+卷积神经网络算法+TensorFlow模型训练+Django可视化界面
文本分类识别Python+卷积神经网络算法+TensorFlow模型训练+Django可视化界面
98 0
文本分类识别Python+卷积神经网络算法+TensorFlow模型训练+Django可视化界面
|
1月前
|
算法
【MATLAB】语音信号识别与处理:移动中位数滤波算法去噪及谱相减算法呈现频谱
【MATLAB】语音信号识别与处理:移动中位数滤波算法去噪及谱相减算法呈现频谱
42 2
|
1月前
|
算法
【MATLAB】语音信号识别与处理:卷积滑动平均滤波算法去噪及谱相减算法呈现频谱
【MATLAB】语音信号识别与处理:卷积滑动平均滤波算法去噪及谱相减算法呈现频谱
58 0
|
1月前
|
算法
【MATLAB】语音信号识别与处理:一维信号NLM非局部均值滤波算法去噪及谱相减算法呈现频谱
【MATLAB】语音信号识别与处理:一维信号NLM非局部均值滤波算法去噪及谱相减算法呈现频谱
66 1
|
1月前
|
算法
【MATLAB】语音信号识别与处理:高斯加权移动平均滤波算法去噪及谱相减算法呈现频谱
【MATLAB】语音信号识别与处理:高斯加权移动平均滤波算法去噪及谱相减算法呈现频谱
158 0
|
17天前
|
机器学习/深度学习 存储 算法
使用支持向量机算法解决手写体识别问题
使用支持向量机算法解决手写体识别问题
16 2
|
1天前
|
机器学习/深度学习 算法 数据可视化
基于googlenet深度学习网络的睁眼闭眼识别算法matlab仿真
**算法预览图展示睁眼闭眼识别效果;使用Matlab2022a,基于GoogLeNet的CNN模型,对图像进行分类预测并可视化。核心代码包括图像分类及随机样本显示。理论概述中,GoogLeNet以高效Inception模块实现眼部状态的深度学习识别,确保准确性与计算效率。附带三张相关图像。**