机构名称：
¥ 1.0
随着技术的重大进步，已经开发出多种方法来预测肿瘤对抗癌药物的敏感性，从而可以提高药物疗效、减少副作用和减少患者的治疗经济负担。利用患者细胞系可以评估肿瘤对抗癌药物的敏感性，从而有助于使用协同方案（Liu et al., 2016）。不幸的是，该过程需要大量时间并且具有很高的风险（Hanna，2006；Russo，2015；Cheng et al., 2019；Zhuang et al., 2020）。此外，肿瘤耐药性是抗癌药物研发和医疗领域的另一个关键问题（Liu et al., 2020；Zhang et al., 2020a）。众所周知，传统的癌症治疗方法主要是为了消灭快速增殖的肿瘤细胞（Restifo et al., 2016; Cheng et al., 2018; O'Donnell et al., 2018; Liu and Chen, 2020; Liu et al., 2021a）。然而，现有证据表明，肿瘤细胞亚群可以通过耐药机制抵抗治疗而存活，这些细胞最终会进化为耐药肿瘤细胞。阐明肿瘤获得耐药的机制、预测耐药肿瘤的演变以及确定适当的策略来消灭顽固细胞是一项挑战。此外，鉴定增加对抗癌药物敏感性的突变并针对具有特定基因突变的患者群体制定适当的治疗计划对于开发靶向治疗和实现人类癌症的精准治疗至关重要。然而传统的基于与已知突变的相似性来预测药物敏感性的策略存在局限性（Carr et al., 2016 ; Jennifer et al., 2016 ; Schmitt et al., 2016 ; Li et al., 2017 ; Song et al., 2020 ; Qi et al., 2021）。同时，大量与抗癌药物敏感性标志物相关的数据资源需要整合。最重要的是，在癌症中，有些是可以传播的，从而引发恐慌。因此，迫切需要可以阻止癌症传播的治疗药物。耐药菌株的传播是一个极其严重的重大公共卫生问题。同时，药物敏感性的预测也需要大量的数据资源。
药物敏感性预测的生物信息学研究
主要关键词
相关文件推荐
