1 墨西哥特拉尔潘萨尔瓦多祖比兰医学科学与营养研究所 Guillermo Soberon Acevedo 生物化学部,2 墨西哥国立自治大学生物科学研究生。科皮尔科大学,科约阿坎,墨西哥,3 基因组学实验室,国家癌症研究所,特拉尔潘,墨西哥,4 造血和白血病实验室,细胞分化和癌症研究中心,萨拉戈萨高等研究学院,墨西哥国立自治大学,伊斯塔帕拉帕,墨西哥,5 CNC - 神经科学和细胞生物学中心,CIBB - 创新生物医学和生物技术中心,科英布拉大学,科英布拉,葡萄牙,6 功能基因组学实验室,生物医学部,FES-IZTACALA,墨西哥国立自治大学,特拉尔内潘特拉,墨西哥
摘要:Survivin 是一种药物靶点,其抑制剂 YM155 是一种主要用于治疗高危神经母细胞瘤的候选药物。神经母细胞瘤细胞系 UKF-NB-3 的一个 YM155 适应亚系的研究结果表明,ABCB1(介导 YM155 外排)水平升高、SLC35F2(介导 YM155 摄取)水平降低、Survivin 水平降低和 TP53 突变表明 YM155 耐药。在此,对另外 10 个 YM155 适应 UKF-NB-3 亚系的研究仅证实了 ABCB1 和 SLC35F2 的作用。然而,细胞 ABCB1 和 SLC35F2 水平并不表明 YM155 幼稚细胞对 YM155 敏感,如来自癌症治疗反应门户 (CTRP) 和癌症药物敏感性基因组学 (GDSC) 数据库的药物反应数据所示。此外,耐药亚系具有显著的异质性。只有七个亚系产生了靶向耐药性,这表现为对 RNAi 介导的 survivin 耗竭的耐药性。这些亚系对其他抗癌药物的反应也各不相同。总之,内在异质性有限的癌细胞群在治疗后会形成各种耐药表型。因此,个性化治疗需要监测癌细胞在治疗后的演变。此外,生物标志物可以在获得性耐药环境中指示耐药性的形成,即使在内在耐药环境中无法预测。
1个微生物学,生物有机和大分子化学单元,药学学院,Univerélibrede Bruxelles(ULB),BOULEVARD du TRIOMPHE,1050 BRUSSELS,BELGIUM 2 BRUSSELS,BELGIUM 2 APPLIED MATIFIER Science,The Enginemering Sciences,Uppsala oppsala oppsala oppsala opp.sala opp.sala opp.Box 534,75121 Uppsala,瑞典3 Laboratoire de ParasitologieMoléCulaire,教师埃克斯科学和CMMI,Univerélibrede Bruxelles(ULB),CP 300。Rue教授Jeener&Brachet,12,6041 Gosselies,比利时4 4号材料与聚合物创新与研究中心,Materia Nova Research Center&Mons University,Belgium 5 Mons,Belgium 5 Mons,MONS,MONS 5特斯拉,卡拉·杜萨纳(Cara Dusana)62-64,11158塞尔维亚7号贝尔格莱德7号口腔健康系,iuliu hatieganu医学与药房,维克多·巴布斯街(Victor Babes Street瑞士10中心Inter-Universitaire de Recherche et d'nierie nieriedesMatériaux,Cirimat,Toulouse INP,Toulouse INP,UniversitétoulouseUnivers 3 Paul Sabatier,CNRS,CNRS,CNRS,Universitédede de de de de de toulouse,4个全部Emile Monso,Bp444362,ceedex 4,31030 tour tour tour tour in tour in tour in tour in tour tour in tour in for化学,巴布斯 - 布莱伊大学 - 罗鲁班瑞班,范塔内尔街30,400294罗马尼亚克鲁伊·纳波卡 *通信:veronique.fontaine@ulb.be
•MONO MAC-6细胞系,糖皮质激素诱导的拉链链拉链基因,Mono-Mac6- Sigilz或相应的对照细胞系(Mono-Mac6- sicntl)•单核Mac-6细胞系,一种人类单细胞细胞系,具有永久性基因构成gilz基因的构成蛋白质,gillz gene structiv ottrent gillz gene struptiv centrent(MONO-MAC6- sICNTL)•gilz基因构成gillz Gene structiv ailent ottrent ottrent ottrent gilz gene struptiv。控制线是具有正常吉尔兹基因表达的SICNTL。
简单的摘要:转移是一个复杂的动态多步过程;但是,我们的知识仍然有限。很少有循环肿瘤细胞(CTC)是转移性前体细胞,代表转移的中间阶段。上皮 - 间质可塑性(EMP)在组织发育和稳态以及转移形成中具有至关重要的作用。在这项研究中,我们通过检测涉及上皮 - 间质和间质 - 上皮 - 上皮(Met)过渡的标记,探索了从疾病和治疗期间从结肠癌和治疗期间从结肠癌患者获得的一系列独特CTC系的EMP表型。这项研究表明,这些结肠CTC线仅获得了少数间充质特征来迁移和浸润,而观察到MET相关标记的增加,这表明需要转移竞争的CTC需要快速恢复到上皮表型,以在远处的部位重新肿瘤。
人类癌细胞系的药物敏感性预测模型构成了在临床前环境中识别潜在反应性因素的重要工具。整合从一系列异质数据中得出的信息至关重要,但仍然是不平凡的,因为数据结构的差异可能会阻碍拟合算法将足够的权重分配给不同的OMIC数据中包含的互补信息。为了抵消这种效果,该效果倾向于仅导致一种数据类型主导所谓的多摩斯模型,我们开发了一种新颖的工具,使用户能够在第一步中分别训练单摩尼斯模型,并在第二步中将它们集成到多摩s模型中。进行了广泛的消融研究,以促进对奇异数据类型及其组合的各自贡献的深入评估,从而有效地识别它们之间的冗余和相互依赖性。此外,单词模型的集成通过一系列不同的分类算法实现,从而可以进行性能比较。被发现与药物敏感性显着转移相关的分子事件和组织类型集可以返回,以促进对药物反应性潜在驱动因素的全面而直接的分析。我们的两步方法产生了一组实际的多媒体泛 - 批处理分类模型,这些模型对GDSC数据库中的大多数药物具有很高的预测。在具有特定作用模式的有针对性药物的背景下,其预测性能与将多词数据合并到简单的一步方法中的分类模型相比。此外,案例研究表明,它在正确识别已知的特定药物化合物的关键驱动因素以及为其他候选者提供其他药物敏感性因素方面取得了成功。
扰动生物学是一种建模定量细胞行为并理解详细疾病机制的有力方法。然而,癌细胞系对扰动的大规模蛋白质反应资源不可用,从而导致临界知识差距。在这里,我们使用逆相蛋白阵列在> 12,000个癌细胞系样品中生成了〜170种药物化合物的〜210个临床相关蛋白的扰动表达谱。我们表明,整合扰动的蛋白质反应信号提供了对耐药性的机理见解,增加了药物敏感性的预测能力,并有助于识别有效的药物组合。我们构建了“蛋白质 - 药物”连接性的系统地图,并为社区使用开发了一个用户友好的数据门户。我们的研究提供了丰富的资源来研究癌细胞的行为和治疗反应的依赖性,从而实现了广泛的生物医学应用。
广泛的治疗曲目已适用于肿瘤学家,包括放射性和化学疗法,小分子和单克隆抗体。但是,药物疗效可以受到使癌细胞逃脱治疗的遗传变化的限制。在这里,我们设计了一个网络工具,可促进癌症中药物敏感性基因组学(GDSC)数据库的数据分析,并在265种认可的化合物上与癌细胞系百科全书中的1001个细胞系(ccle,ccle,cbioportal)中的1001个细胞系有关的大量遗传变化进行了批准。WebTool计算一组遗传改变的耐药性比值比。它提供了分配给细胞信号通路的单个化合物或一组化合物的功效的结果。使用此网络工具,我们复制了已知的遗传驱动因素,并确定了新的候选基因,种系变体,共同享受和药物基因组耐药性和药物重新利用的药物基因组修饰剂。WebTool可用性:https://tools.hornlab.org/gdsc/。
Number Cas9-expressing cell lines 1, ATCC: CCL-185 A549 , adherent 2, Coriell Institute GM12878 , suspension 3, ATCC: CCL-247 HCT116 , adherent 4, ATCC: CRL-1573 HEK293 , adherent 5, ATCC: CCL-2 HeLa , adherent 6, ATCC: HB-8065 Hep G2 , adherent 7, ATCC: TIB-152 Jurkat , suspension 8, ATCC: CCL-243 K562 , suspension 9, ATCC: HTB-22 MCF7 , adherent 10, ATCC: HTB-132 MDA-MB-468 , adherent 11, ATCC: CRL-5807 NCI-H358 , adherent 12, ATCC: CRL-5872 NCI-H1437,遵守13,ATCC:CRL-5887 NCI-H1693,ADHERENT 14,ATCC:CRL-2577 RKO,RKO,RKO,辅助15,ATCC:CRL-2137 SK-N-AS,sk-n-as,ASCCC:CCL-235 SW837,ATCC:ATCC:ATCC:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB:TIB-202: U-2 OS,附着
30肯定选择了Cho-M Cell Lines™,每种都会选择不同类型的重组蛋白。可行的细胞浓度(VCC)和细胞活力,以跟踪培养物的生长性能。然后,使用拉曼光谱法分析了每种培养的样品。与VI细胞BLU参考方法不同,与自动化液体处理系统相连的拉曼光谱设置消除了对消耗品(试剂)的需求,并允许进行全自动的采样和数据收集分析。