Биология раковых систем - Cancer systems biology

Биология раковых систем включает применение системная биология подходы к рак исследования, чтобы изучить болезнь как сложная адаптивная система с участием возникающий свойства в нескольких биологических масштабах.[1][2][3] Системная биология рака представляет собой применение подходов системной биологии к анализу того, как внутриклеточные сети нормальных клеток нарушаются во время канцерогенеза, для разработки эффективных прогностических моделей, которые могут помочь ученым и клиницистам в валидации новых методов лечения и лекарств. Опухоли характеризуются геномной и эпигенетической нестабильностью, которая изменяет функции множества различных молекул и сетей в одной клетке, а также изменяет взаимодействия с местной средой. Поэтому подходы к системной биологии рака основаны на использовании вычислительных и математических методов для расшифровки сложности онкогенеза, а также неоднородности рака. [4]

Системная биология рака охватывает конкретные приложения подходов системной биологии к исследованию рака, в частности (а) потребность в лучших методах для извлечения информации из крупномасштабных сетей, (б) важность интеграции нескольких типов данных при построении более реалистичных моделей, (c) ) проблемы, связанные с преобразованием понимания канцерогенных механизмов в терапевтические вмешательства, и (г) роль микросреды опухоли на физическом, клеточном и молекулярном уровнях.[5] Поэтому биология раковых систем принимает целостный взгляд на рак[6] направлена ​​на интеграцию многих биологических шкал, включая генетика, сети сигнализации,[7] эпигенетика,[8] клеточное поведение, механические свойства,[9] гистология, клинические проявления и эпидемиология. В конечном счете, свойства рака на одной шкале, например гистология, объясняются свойствами на шкале ниже, например, поведением клеток.

Системная биология рака объединяет традиционные фундаментальные и клинические исследования рака с «точными» науками, такими как прикладные. математика, инженерное дело, и физика. Он включает в себя ряд технологий «омикс» (геномика, протеомика, эпигеномика и т. д.) и молекулярная визуализация, для создания вычислительных алгоритмов и количественных моделей[10] которые проливают свет на механизмы, лежащие в основе ракового процесса, и предсказывают реакцию на вмешательство. Применение биологии раковых систем включает, но не ограничивается, выяснение критических клеточных и молекулярных сетей, лежащих в основе риска, возникновения и прогрессирования рака; тем самым продвигая альтернативную точку зрения традиционному редукционистскому подходу, который обычно сосредоточен на характеристике отдельных молекулярных аберраций.

История

Системная биология рака берет свое начало в ряде событий и достижений в биомедицинских исследованиях, а также в технологических достижениях. Исторически рак идентифицировали, понимали и лечили как монолитное заболевание. Он рассматривался как «чужеродный» компонент, который рос как однородная масса, и его лучше всего лечить путем удаления. Помимо продолжающегося воздействия хирургического вмешательства, этот упрощенный взгляд на рак радикально изменился. Параллельно с разработками молекулярной биологии исследования рака были сосредоточены на выявлении критических онкогенов или генов-супрессоров опухолей в этиологии рака. Эти открытия произвели революцию в нашем понимании молекулярных событий, влияющих на прогрессирование рака. Таргетную терапию можно считать нынешней вершиной достижений, порожденных такими открытиями.

Несмотря на эти достижения, остается много нерешенных проблем, в том числе нехватка новых методов лечения многих типов рака или необъяснимые неудачи лечения и неизбежные рецидивы видов рака там, где существует целевое лечение.[11] Такое несоответствие между клиническими результатами и огромными объемами данных, полученных с помощью технологии omics, подчеркивает наличие основных пробелов в наших знаниях об основах рака. Системная биология рака постоянно улучшает нашу способность систематизировать информацию о раке, чтобы заполнить эти пробелы. Ключевые события включают:

  • Создание комплексных наборов молекулярных данных (геном, транскриптом, эпигеномика, протеом, метаболом и т. Д.)
  • Атлас генома рака сбор информации[12]
  • Вычислительные алгоритмы для извлечения факторов прогрессирования рака из существующих наборов данных[13]
  • Статистическое и механистическое моделирование сигнальных сетей[14]
  • Количественное моделирование эволюционных процессов рака[6]
  • Математическое моделирование роста популяции раковых клеток[15]
  • Математическое моделирование клеточных ответов на терапевтическое вмешательство[16]
  • Математическое моделирование метаболизма рака[10]

Практика системной биологии рака требует тесной физической интеграции ученых с различным опытом. Важные крупномасштабные усилия также предпринимаются для обучения новой рабочей силы, свободно владеющей языками биологии и прикладной математики. На трансляционном уровне системная биология рака должна способствовать применению точной медицины в лечении рака.

Ресурсы

Высокопроизводительные технологии позволяют проводить комплексный геномный анализ мутаций, перестроек, вариаций числа копий и метилирования на клеточном и тканевом уровнях, а также надежный анализ данных экспрессии РНК и микроРНК, уровней белка и уровней метаболитов.[17][18][19][20][21][22]

Список высокопроизводительных технологий и данных, которые они генерируют, с репрезентативными базами данных и публикациями

ТехнологииЭкспериментальные данныеРепрезентативная база данных
ДНК-последовательность, NGSПоследовательности ДНК, последовательности экзома, геномы, геныTCGA,[23] ГенБанк,[24] DDBJ,[25] Ансамбль [26]
Микроматрица, РНК-seqУровни экспрессии генов, уровни микроРНК, транскриптыГЕО,[27] Атлас выражений [28]
МС, iTRAQКонцентрация белка, фосфорилированиеGPMdb,[29] ГОРДОСТЬ,[30] Атлас белков человека [31]
C-MS, GC-MS, ЯМРУровни метаболитовHMDB [32]
ЧИП-чип, ЧИП-секВзаимодействия белок-ДНК, сайты связывания факторов транскрипцииГЕО,[27] ТРАНСФАК,[33] ДЖАСПАР,[34] КОДИРОВАТЬ [35]
CLIP-seq, PAR-CLIP, iCLIPРегуляция микроРНК-мРНКStarBase,[36] miRTarBase [37]
Y2H, AP / MS, MaMTH, maPPITБелковые взаимодействияHPRD,[38] BioGRID [39]
Белковый микрочипКиназа – субстрат взаимодействияTCGA,[23] PhosphoPOINT [40]
SGA, E-MAP, RNAiГенетические взаимодействияHPRD,[41] BioGRID [42]
Массив генотипирования SNPGWAS-локусы, eQTL, аберрантные SNPКаталог GWAS,[43] dbGAP,[44] dbSNP [45]
LUMIER, интеграция данныхСигнальные пути, метаболические пути, молекулярные сигнатурыTCGA,[23] КЕГГ,[46] Reactome [47]

Подходы

Вычислительные подходы, используемые в системной биологии рака, включают новые математические и вычислительные алгоритмы, которые отражают динамическое взаимодействие между экспериментальной биологией и количественными науками.[48] Подход системной биологии рака можно применять на разных уровнях, от отдельной клетки до ткани, пациента с первичной опухолью и возможными метастазами, или к любой комбинации этих ситуаций. Этот подход может интегрировать молекулярные характеристики опухолей на разных уровнях (ДНК, РНК, белок, эпигенетика, визуализация).[49] и разные интервалы (секунды по сравнению с днями) с мультидисциплинарным анализом.[50] Одна из основных проблем на пути к успеху, помимо проблемы, создаваемой неоднородностью рака как таковой, заключается в получении высококачественных данных, описывающих клинические характеристики, патологию, лечение и исходы, и интеграции данных в надежные прогностические модели. [51][19][20][21][22][52][53]

Приложения

  • Моделирование роста и развития рака

Математическое моделирование может обеспечить полезный контекст для рационального проектирования, проверки и определения приоритетов новых мишеней противораковых лекарств и их комбинаций. Сетевое моделирование и многомасштабное моделирование начали показывать многообещающие возможности для облегчения процесса создания эффективных лекарств от рака. Используя подход системного сетевого моделирования, Schoerberl et al.[54] идентифицировали ранее неизвестный, дополнительный и потенциально лучший механизм ингибирования сигнальной сети рецептора ErbB. ErbB3 оказался наиболее чувствительным узлом, приводящим к активации Akt; Akt регулирует многие биологические процессы, такие как пролиферация, апоптоз и рост, которые имеют отношение к прогрессированию опухоли.[55] Это целевое моделирование проложило путь для первых в своем роде клинических испытаний. Bekkal et al. представили нелинейную модель динамики клеточной популяции, разделенной на пролиферативный и неподвижный компартменты. Фаза пролиферации представляет собой полный клеточный цикл (G (1) -S-G (2) -M) популяции, готовой к делению в конце. Асимптотическое поведение решений нелинейной модели проанализировано в двух случаях, демонстрирующих гомеостаз ткани или экспоненциальный рост опухоли. Модель смоделирована, и ее аналитические прогнозы подтверждены численно.[56] Кроме того, достижения в области аппаратного и программного обеспечения позволили реализовать клинически осуществимые, количественные мультимодальные изображения патофизиологии тканей. Ранее усилия, связанные с мультимодальной визуализацией рака, были сосредоточены на интеграции анатомических и функциональных характеристик, таких как ПЭТ-КТ и однофотонно-эмиссионная КТ (ОФЭКТ-КТ), тогда как более поздние достижения и приложения включали интеграцию нескольких количественных функциональные измерения (например, несколько индикаторов ПЭТ, различные механизмы контрастирования МРТ и ПЭТ-МРТ), тем самым обеспечивая более полную характеристику фенотипа опухоли. Огромный объем дополнительных количественных данных, полученных в результате таких исследований, начинает предлагать уникальное понимание возможностей оптимизации ухода за отдельными пациентами. Хотя необходимы важная техническая оптимизация и улучшенная биологическая интерпретация результатов мультимодальной визуализации, этот подход уже может быть информативно применен в клинических испытаниях лекарственных средств против рака с использованием существующих инструментов.[57]

  • Геномика рака
  • Статистическое и механистическое моделирование прогрессирования и развития рака
  • Модели клинического ответа / Моделирование клеточного ответа на терапевтические вмешательства
  • Подтип в Раке.
  • Системная онкология - клиническое применение системной биологии рака

Национальные усилия по финансированию

В 2004 году Национальный институт рака США запустил программу по интегративной системной биологии рака.[58] создать Центры системной биологии рака, которые занимаются анализом рака как сложной биологической системы. Интеграция экспериментальной биологии с математическим моделированием приведет к новому пониманию биологии и новым подходам к лечению рака. Программа объединяет клинических и фундаментальных исследователей рака вместе с исследователями из математики, физики, инженерии, информационных технологий, визуализационных наук и информатики для работы над раскрытием фундаментальных вопросов биологии рака.[59]

Смотрите также

использованная литература

  1. ^ Ван, Эдвин. Системная биология рака. Чепмен и Холл, 2010 г.
  2. ^ Лю и Лауффенбургер. Системная биомедицина: концепции и перспективы. Академическая пресса, 2009.
  3. ^ Барильо, Эммануэль; Кальцоне, Лоуренс; Хупе, Филипп; Верт, Жан-Филипп; Зиновьев, Андрей (2012). Вычислительная системная биология рака. Чепмен и Холл / CRC Математическая и вычислительная биология. п. 461. ISBN  978-1439831441.
  4. ^ Вернер, HM; Фрезы, Великобритания; Рам, PT (март 2014 г.). "Биология раковых систем: взгляд в будущее ухода за пациентами?". Обзоры природы. Клиническая онкология. 11 (3): 167–76. Дои:10.1038 / nrclinonc.2014.6. ЧВК  4321721. PMID  24492837.
  5. ^ Джентлз, AJ; Галлахан, Д. (15 сентября 2011 г.). «Системная биология: противостояние сложности рака». Исследования рака. 71 (18): 5961–4. Дои:10.1158 / 0008-5472.CAN-11-1569. ЧВК  3174325. PMID  21896642.
  6. ^ а б Андерсон, АР; Каранта (2008). «Интегративная математическая онкология». Нат Рев Рак. 8 (3): 227–234. Дои:10.1038 / nrc2329. PMID  18273038.
  7. ^ Кригер, ПК; Лауффенбургер (2010). «Биология раковых систем: перспективы сетевого моделирования». Канцерогенез. 31 (1): 2–8. Дои:10.1093 / carcin / bgp261. ЧВК  2802670. PMID  19861649.
  8. ^ Хуанг, Ю.В.; Куо, Стоунер; Хуанг, Ван (2011). «Обзор эпигенетики и химиопрофилактики». FEBS Lett. 585 (13): 2129–2136. Дои:10.1016 / j.febslet.2010.11.002. ЧВК  3071863. PMID  21056563.
  9. ^ Разлив, Фабиан; Бакал, Крис; Мак, Майкл (2018). «Механическая и системная биология рака». Журнал вычислительной и структурной биотехнологии. 16: 237–245. arXiv:1807.08990. Bibcode:2018arXiv180708990S. Дои:10.1016 / j.csbj.2018.07.002. ЧВК  6077126. PMID  30105089.
  10. ^ а б Льюис, штат Невада; Абдель-Халим, AM (2013). «Эволюция масштабных геномных моделей метаболизма рака». Фронт. Физиол. 4: 237. Дои:10.3389 / fphys.2013.00237. ЧВК  3759783. PMID  24027532.
  11. ^ Гарравей; Янне (2012). «Обход лекарственной устойчивости рака в эпоху персонализированной медицины». Открытие рака. 2 (3): 214–226. Дои:10.1158 / 2159-8290.CD-12-0012. PMID  22585993.
  12. ^ Коллинз; Баркер (2007). «Картирование генома рака. Выявление генов, участвующих в развитии рака, поможет наметить новый курс через сложный ландшафт злокачественных новообразований человека». Sci Am. 296 (3): 50–57. Дои:10.1038 / scientificamerican0307-50. PMID  17348159.
  13. ^ Пеэр, Дана; Нир Хакоэн (2011). «Принципы и стратегии разработки сетевых моделей рака». Ячейка. 144 (6): 864–873. Дои:10.1016 / j.cell.2011.03.001. ЧВК  3082135. PMID  21414479.
  14. ^ Тайсон, Дж. Дж.; Baumann, W.T .; Chen, C .; Verdugo, A .; Тавассолы, I .; Wang, Y .; Weiner, L.M .; Кларк, Р. (2011). «Динамическое моделирование передачи сигналов эстрогена и клеточной судьбы в клетках рака груди». Nat. Преподобный Рак. 11 (7): 523–532. Дои:10.1038 / nrc3081. ЧВК  3294292. PMID  21677677.
  15. ^ Тайсон, Д.Р .; Garbett, S.P .; Frick, P.L .; Каранта, V (2012). «Фракционная пролиферация: метод деконволюции динамики популяции клеток из данных по отдельным клеткам». Nat. Методы. 9 (9): 923–928. Дои:10.1038 / nmeth.2138. ЧВК  3459330. PMID  22886092.
  16. ^ Traina, Tiffany A .; У. Дуган; Б. Хиггинс; К. Колинский; М. Теодулу; К. А. Худис; Ларри Нортон (2010). «Оптимизация дозы и графика химиотерапии с помощью математического моделирования Нортона-Саймона». Заболевание груди. 31 (1): 7–18. Дои:10.3233 / BD-2009-0290. ЧВК  3228251. PMID  20519801.
  17. ^ Атлас генома рака, Сеть. (4 июля 2013 г.). «Комплексная молекулярная характеристика светлоклеточного почечно-клеточного рака». Природа. 499 (7456): 43–9. Bibcode:2013Натура 499 ... 43Т. Дои:10.1038 / природа12222. ЧВК  3771322. PMID  23792563.
  18. ^ Атлас генома рака, Сеть; Кандот, К; Шульц, N; Черняк, А.Д .; Akbani, R; Лю, Y; Шен, H; Робертсон, АГ; Паштан, I; Шен, Р; Benz, CC; Яу, C; Laird, PW; Дин, Л; Чжан, Вт; Фрезы, Великобритания; Kucherlapati, R; Mardis, ER; Левин, Д.А. (2 мая 2013 г.). «Комплексная геномная характеристика рака эндометрия». Природа. 497 (7447): 67–73. Bibcode:2013Натура 497 ... 67 т. Дои:10.1038 / природа12113. ЧВК  3704730. PMID  23636398.
  19. ^ а б Сумазин, П; Ян, Х; Чиу, HS; Чанг, WJ; Айер, А; Льобет-Навас, Д; Rajbhandari, P; Бансал, М; Guarnieri, P; Сильва, Дж; Калифано, А (14 октября 2011 г.). «Обширная микроРНК-опосредованная сеть взаимодействий РНК-РНК регулирует установленные онкогенные пути в глиобластоме». Ячейка. 147 (2): 370–81. Дои:10.1016 / j.cell.2011.09.041. ЧВК  3214599. PMID  22000015.
  20. ^ а б Тентнер, АР; Ли, MJ; Ostheimer, GJ; Самсон, ЛД; Lauffenburger, DA; Яффе, МБ (31 января 2012 г.). «Комбинированный экспериментальный и вычислительный анализ передачи сигналов о повреждении ДНК показывает контекстно-зависимую роль Erk в апоптозе и остановке G1 / S после генотоксического стресса». Молекулярная системная биология. 8: 568. Дои:10.1038 / msb.2012.1. ЧВК  3296916. PMID  22294094.
  21. ^ а б Божич, я; Антал, Т; Оцуки, H; Картер, H; Kim, D; Чен, S; Карчин, Р; Кинзлер, кВт; Фогельштейн, Б; Новак, Массачусетс (26 октября 2010 г.). «Накопление водительских и пассажирских мутаций при прогрессировании опухоли». Труды Национальной академии наук Соединенных Штатов Америки. 107 (43): 18545–50. arXiv:0912.1627. Bibcode:2010PNAS..10718545B. Дои:10.1073 / pnas.1010978107. ЧВК  2972991. PMID  20876136.
  22. ^ а б Гринман, С; Stephens, P; Smith, R; Dalgliesh, GL; Хантер, C; Bignell, G; Дэвис, Н; Тиг, Дж; Батлер, А; Стивенс, К; Эдкинс, S; О'Мира, S; Вастрик, I; Schmidt, EE; Avis, T; Барторп, S; Бхамра, G; Бак, G; Чоудхури, B; Клементс, Дж; Коул, Дж; Дикс, E; Forbes, S; Серый, К; Халлидей, К; Харрисон, Р. Холмы, К; Хинтон, Дж; Дженкинсон, А; Джонс, Д.; Мензис, А; Мироненко, Т; Перри, Дж; Рейн, К; Ричардсон, Д; Шеперд, Р; Малый, А; Тофтс, C; Вариан, Дж; Уэбб, Т; Запад, Ю; Widaa, S; Йетс, А; Кэхилл, Д.П .; Луи, DN; Goldstraw, P; Николсон, АГ; Brasseur, F; Looijenga, L; Вебер, Б.Л .; Chiew, YE; ДеФацио, А; Наголенники, MF; Зеленый, AR; Кэмпбелл, П.; Бирни, Э; Истон, Д. Ф.; Ченевикс-Тренч, G; Тан, MH; Khoo, SK; Тех, БТ; Юэнь, СТ; Leung, SY; Вустер, Р. Futreal, PA; Страттон, MR (8 марта 2007 г.). «Паттерны соматических мутаций в геномах рака человека». Природа. 446 (7132): 153–8. Bibcode:2007Натура 446..153Г. Дои:10.1038 / природа05610. ЧВК  2712719. PMID  17344846.
  23. ^ а б c "Домашняя страница Атласа генома рака". Атлас генома рака - Национальный институт рака. 2018-06-13.
  24. ^ Benson, DA; Кларк, К; Карш-Мизрахи, I; Липман, диджей; Ostell, J; Sayers, EW (январь 2014 г.). «ГенБанк». Исследования нуклеиновых кислот. 42 (Проблема с базой данных): D32–7. Дои:10.1093 / нар / gkt1030. ЧВК  3965104. PMID  24217914.
  25. ^ Кодама, Y; Машима, Дж; Косуге, Т; Катаяма, Т; Fujisawa, T; Kaminuma, E; Огасавара, О; Окубо, К; Такаги, Т; Накамура, Y (январь 2015 г.). «Японский архив генотипов-фенотипов DDBJ для генетических и фенотипических данных человека». Исследования нуклеиновых кислот. 43 (Проблема с базой данных): D18–22. Дои:10.1093 / нар / gku1120. ЧВК  4383935. PMID  25477381.
  26. ^ Каннингем, Ф; Amode, MR; Barrell, D; Бил, К; Биллис, К; Brent, S; Карвалью-Сильва, Д; Clapham, P; Коутс, G; Фитцджеральд, S; Гил, Л; Girón, CG; Гордон, L; Hourlier, T; Хант, ЮВ; Janacek, SH; Джонсон, N; Juettemann, T; Кяхари, AK; Кинан, S; Martin, FJ; Maurel, T; Макларен, Вт; Мерфи, DN; Наг, R; Overduin, B; Паркер, А; Патрисио, М.; Perry, E; Пигнателли, М; Риат, HS; Шеппард, Д; Тейлор, К; Торманн, А; Вулло, А; Уайлдер, ИП; Задисса, А; Aken, BL; Бирни, Э; Харроу, Дж; Kinsella, R; Muffato, M; Руффье, М; Searle, SM; Спудич, Г; Trevanion, SJ; Йетс, А; Зербино, ДР; Фличек, П. (январь 2015 г.). «Ансамбль 2015». Исследования нуклеиновых кислот. 43 (Выпуск базы данных): D662–9. Дои:10.1093 / нар / gku1010. ЧВК  4383879. PMID  25352552.
  27. ^ а б Эдгар, Р; Домрачев, М; Лэш, А.Е. (1 января 2002 г.). «Омнибус экспрессии генов: репозиторий массива данных экспрессии генов NCBI и гибридизации». Исследования нуклеиновых кислот. 30 (1): 207–10. Дои:10.1093 / nar / 30.1.207. ЧВК  99122. PMID  11752295.
  28. ^ Петрышак, Р; Burdett, T; Фиорелли, B; Fonseca, NA; Гонсалес-Порта, М; Hastings, E; Хубер, Вт; Jupp, S; Кейс, М; Кривич, Н; Макмерри, Дж; Мариони, JC; Мэлоун, Дж; Меги, К; Рустичи, G; Тан, AY; Таубер, Дж; Уильямс, E; Маннион, О; Паркинсон, HE; Бразма, А (январь 2014 г.). «Обновление Expression Atlas - база данных экспрессии генов и транскриптов из экспериментов по функциональной геномике на основе микрочипов и секвенирования». Исследования нуклеиновых кислот. 42 (Выпуск базы данных): D926–32. Дои:10.1093 / нар / gkt1270. ЧВК  3964963. PMID  24304889.
  29. ^ «База данных протеомов GPMDB».
  30. ^ "Архив ПРАЙД".
  31. ^ Улен, М; Оксволд, П; Фагерберг, L; Lundberg, E; Jonasson, K; Форсберг, М; Zwahlen, M; Кампф, К; Вестер, К; Хобер, S; Вернерус, H; Björling, L; Понтен, Ф (декабрь 2010 г.). «К основанному на знаниях Атласу белков человека». Природа Биотехнологии. 28 (12): 1248–50. Дои:10.1038 / nbt1210-1248. PMID  21139605.
  32. ^ «База данных метаболома человека».
  33. ^ «Генная регуляция». www.gene-regulation.com.
  34. ^ «JASPAR 2018: база данных с открытым доступом профилей связывания факторов транскрипции».
  35. ^ «ENCODE: Энциклопедия элементов ДНК - ENCODE».
  36. ^ Ли, JH; Лю, S; Чжоу, H; Qu, LH; Ян, Дж. Х. (январь 2014 г.). «starBase v2.0: расшифровка сетей взаимодействия miRNA-ceRNA, miRNA-ncRNA и белок-РНК из крупномасштабных данных CLIP-Seq». Исследования нуклеиновых кислот. 42 (Выпуск базы данных): D92–7. Дои:10.1093 / нар / gkt1248. ЧВК  3964941. PMID  24297251.
  37. ^ «MiRTarBase: экспериментально подтвержденная база данных взаимодействий микроРНК-мишень».
  38. ^ Кешава Прасад, TS; Goel, R; Кандасами, К; Кеэртикумар, S; Кумар, S; Мативанан, S; Теликичерла, Д; Raju, R; Шафрин, Б; Венугопал, А; Балакришнан, Л; Маримуту, А; Banerjee, S; Somanathan, DS; Себастьян, А; Рани, S; Рэй, S; Гаррис Кишор, CJ; Kanth, S; Ахмед, М; Кашьяп, МК; Mohmood, R; Рамачандра, YL; Кришна, V; Рахиман, BA; Мохан, S; Ранганатан, П; Рамабадран, S; Чаеркады, Р; Панди, А (январь 2009 г.). "Справочная база данных белков человека - обновление 2009 г.". Исследования нуклеиновых кислот. 37 (Выпуск базы данных): D767–72. Дои:10.1093 / nar / gkn892. ЧВК  2686490. PMID  18988627.
  39. ^ Чатр-Арьямонтри, А; Breitkreutz, BJ; Oughtred, R; Буше, L; Heinicke, S; Чен, Д; Старк, C; Breitkreutz, A; Колас, Н; О'Доннелл, L; Reguly, T; Никсон, Дж; Рэймидж, L; Зима, А; Селлам, А; Чанг, К; Хиршман, Дж; Theesfeld, C; Ржавчина, Дж; Ливстон, MS; Долинский, К; Тайерс, М. (январь 2015 г.). «База данных взаимодействия BioGRID: обновление 2015 г.». Исследования нуклеиновых кислот. 43 (Выпуск базы данных): D470–8. Дои:10.1093 / нар / gku1204. ЧВК  4383984. PMID  25428363.
  40. ^ «ФосфоСайтПлюс».
  41. ^ Кешава Прасад, TS; Goel, R; Кандасами, К; Кеэртикумар, S; Кумар, S; Мативанан, S; Теликичерла, Д; Raju, R; Шафрин, Б; Венугопал, А; Балакришнан, Л; Маримуту, А; Banerjee, S; Somanathan, DS; Себастьян, А; Рани, S; Рэй, S; Гаррис Кишор, CJ; Kanth, S; Ахмед, М; Кашьяп, МК; Mohmood, R; Рамачандра, YL; Кришна, V; Рахиман, BA; Мохан, S; Ранганатан, П; Рамабадран, S; Чаеркады, Р; Панди, А (январь 2009 г.). "Справочная база данных белков человека - обновление 2009 г.". Исследования нуклеиновых кислот. 37 (Выпуск базы данных): D767–72. Дои:10.1093 / nar / gkn892. ЧВК  2686490. PMID  18988627.
  42. ^ Чатр-Арьямонтри, А; Breitkreutz, BJ; Oughtred, R; Буше, L; Heinicke, S; Чен, Д; Старк, C; Breitkreutz, A; Колас, Н; О'Доннелл, L; Reguly, T; Никсон, Дж; Рэймидж, L; Зима, А; Селлам, А; Чанг, К; Хиршман, Дж; Theesfeld, C; Ржавчина, Дж; Ливстон, MS; Долинский, К; Тайерс, М. (январь 2015 г.). «База данных взаимодействия BioGRID: обновление 2015 г.». Исследования нуклеиновых кислот. 43 (Выпуск базы данных): D470–8. Дои:10.1093 / нар / gku1204. ЧВК  4383984. PMID  25428363.
  43. ^ NHGRI, Тони Бёрдетт, Эмма Гастингс, Дэни Велтер, SPOT, EMBL-EBI. "Каталог GWAS". www.ebi.ac.uk.
  44. ^ «Главная - dbGaP - NCBI». www.ncbi.nlm.nih.gov.
  45. ^ "Домашняя страница dbSNP". www.ncbi.nlm.nih.gov.
  46. ^ "База данных KEGG PATHWAY". www.genome.jp.
  47. ^ «Главная - База данных пути реактива». reactome.org.
  48. ^ Карро, MS; Lim, WK; Альварес, MJ; Болло, RJ; Чжао, X; Снайдер, EY; Сульман, EP; Энн, SL; Doetsch, F; Colman, H; Lasorella, A; Алдапе, К; Калифано, А; Иавароне, А (21 января 2010 г.). «Транскрипционная сеть для мезенхимальной трансформации опухолей головного мозга». Природа. 463 (7279): 318–25. Bibcode:2010Натура.463..318C. Дои:10.1038 / природа08712. ЧВК  4011561. PMID  20032975.
  49. ^ Хуанг, СС; Кларк, округ Колумбия; Гослайн, SJ; Лабадорф, А; Chouinard, CR; Гордон, Вт; Lauffenburger, DA; Френкель, Э (2013). «Связывание протеомных и транскрипционных данных через интерактом и эпигеном показывает карту индуцированной онкогеном передачи сигналов». PLoS вычислительная биология. 9 (2): e1002887. Bibcode:2013PLSCB ... 9E2887H. Дои:10.1371 / journal.pcbi.1002887. ЧВК  3567149. PMID  23408876.
  50. ^ Паскаль, Дж; Предъявитель, EL; Ван, З; Koay, EJ; Curley, SA; Кристини, V (27 августа 2013 г.). «Механистическая предиктивная корреляция реакции опухолевого лекарства на пациента с измерениями микросреды и перфузии». Труды Национальной академии наук Соединенных Штатов Америки. 110 (35): 14266–71. Bibcode:2013ПНАС..11014266П. Дои:10.1073 / pnas.1300619110. ЧВК  3761643. PMID  23940372.
  51. ^ Hill, SM; Лу, Y; Молина, Дж; Heiser, LM; Spellman, PT; Скорость, ТП; Грей, JW; Фрезы, Великобритания; Мукерджи, S (1 ноября 2012 г.). «Байесовский вывод о топологии сигнальной сети в линии раковых клеток». Биоинформатика. 28 (21): 2804–10. Дои:10.1093 / биоинформатика / bts514. ЧВК  3476330. PMID  22923301.
  52. ^ Миллс, Великобритания (февраль 2012 г.). «Новый инструментарий для таргетной терапии рака». Геномные исследования. 22 (2): 177–82. Дои:10.1101 / gr.136044.111. ЧВК  3266025. PMID  22301131.
  53. ^ Мецкар, Джон; Ван, Яфэй; Хейланд, Рэнди; Маклин, Пол (04.02.2019). «Обзор компьютерного моделирования в биологии рака». JCO Clinical Cancer Informatics. 3 (3): 1–13. Дои:10.1200 / CCI.18.00069. ЧВК  6584763. PMID  30715927.
  54. ^ Schoeberl, B; Кудла, А; Массон, К; Калра, А; Керли, М; Finn, G; Pace, E; Хармс, В; Kim, J; Кирнс, Дж; Фулхэм, А; Буренкова, О; Гранчарова, В; Ярар, Д; Парагас, V; Фитцджеральд, Дж; Wainszelbaum, M; Запад, К; Мэтьюз, S; Неринг, Р; Adiwijaya, B; Гарсия, G; Кубасек, Б; Мойо, V; Czibere, A; Nielsen, UB; Макбит, Дж. (2017). "Системная биология движущей силой разработки лекарств: от дизайна до клинических испытаний серибантумаба (MM-121)" антитела к ErbB3 ". NPJ Системная биология и приложения. 3: 16034. Дои:10.1038 / npjsba.2016.34. ЧВК  5516865. PMID  28725482.
  55. ^ Ван, З; Deisboeck, TS (февраль 2014 г.). «Математическое моделирование в открытии лекарств от рака». Открытие наркотиков сегодня. 19 (2): 145–50. Дои:10.1016 / j.drudis.2013.06.015. PMID  23831857.
  56. ^ Беккал Брикчи, Ф; Clairambault, J; Рибба, Б; Perthame, B (июль 2008 г.). «Модель возрастной и циклин-структурированной популяции клеток для здоровых и опухолевых тканей». Журнал математической биологии. 57 (1): 91–110. Дои:10.1007 / s00285-007-0147-х. PMID  18064465.
  57. ^ Янкелов, Т.Е .; Abramson, RG; Куорлс, CC (ноябрь 2014 г.). «Количественная мультимодальная визуализация в исследованиях и терапии рака». Обзоры природы. Клиническая онкология. 11 (11): 670–80. Дои:10.1038 / nrclinonc.2014.134. ЧВК  4909117. PMID  25113842.
  58. ^ Бюллетень NCI Cancer. 24 февраля 2004 г. V1, 8. p5-6
  59. ^ Нежный; Галлахан (2011). «Системная биология: противостояние сложности рака». Рак Res. 71 (18): 5961–5964. Дои:10.1158 / 0008-5472.CAN-11-1569. ЧВК  3174325. PMID  21896642.