机构名称：
¥ 1.0
激酶抑制剂作为靶向疗法在改善癌症治疗效果方面发挥了重要作用。然而，仍然存在相当大的挑战，例如耐药性、无反应、患者分层、多药理学和确定联合疗法，在这些情况下，了解肿瘤激酶活性谱可能会带来变革。在这里，我们开发了一种基于图形和统计数据的算法，称为 KSTAR，将细胞和组织的磷酸化蛋白质组学测量值转换为激酶活性评分，该评分可推广并可用于临床流程，无需量化磷酸化位点。在这项工作中，我们证明 KSTAR 可靠地捕获不同组织和刺激环境中预期的激酶活性差异，允许直接比较来自独立实验的样本，并且在各种数据集大小中都具有稳健性。最后，我们将 KSTAR 应用于临床乳腺癌磷酸化蛋白质组学数据，发现从 KSTAR 推断激酶活性有可能补充乳腺癌患者 HER2 状态的当前临床诊断。
KSTAR：一种根据磷酸化蛋白质组学数据预测患者特异性激酶活性的算法
主要关键词
相关文件推荐
