Сетевая медицина - Network medicine

Сетевая медицина это применение сетевая наука на выявление, профилактику и лечение заболеваний. Это поле ориентировано на использование топология сети и сетевая динамика на выявление заболеваний и разработку медицинских препаратов. Биологические сети, Такие как белок-белковые взаимодействия и метаболические пути, используются сетевой медициной. Сети болезней, которые отображают взаимосвязь между болезнями и биологическими факторами, также играют важную роль в этой области. Эпидемиология также широко изучается с помощью сетевых наук; социальные сети и транспортные сети используются для моделирования распространения болезней среди населения. Сетевая медицина - это медицинская сфера системная биология. Краткое введение в эту область можно найти здесь: https://web.uniroma1.it/stitch/node/5613.

Фон

Термин «сетевая медицина» был придуман и популяризирован в научной статье Альберт-Ласло Барабаши под названием «Сетевая медицина - от ожирения к« болезням »», опубликованная в Медицинском журнале Новой Англии в 2007 году. Барабаши утверждает, что биологические системы Подобно социальным и технологическим системам, они содержат множество компонентов, которые связаны сложными отношениями, но организованы по простым принципам. Используя последние разработки теория сети[1], принципы организации можно всесторонне проанализировать, представив системы в виде сложные сети, которые представляют собой коллекции узлы связаны между собой определенными отношениями. Для сетей, относящихся к медицине, узлы представляют собой биологические факторы (биомолекулы, болезни, фенотипы и т. д.), а связи (ребра) представляют их отношения (физические взаимодействия, общий метаболический путь, общий ген, общие черты и т. д.).[2]

Три ключевые сети для понимания болезней человека: метаболическая сеть, то сеть болезней, и социальная сеть. Сетевая медицина основана на идее, что понимание сложности генная регуляция, метаболические реакции, и белок-белковые взаимодействия и что представление их в виде сложных сетей прольет свет на причины и механизмы заболеваний. Например, можно вывести двудольный граф представляющие связи болезней с их связанными гены с использованием OMIM база данных.[3] Проекция болезней, называемая сетью болезней человека (HDN), представляет собой сеть заболеваний, связанных друг с другом, если они имеют общий ген. Используя HDN, заболевания можно классифицировать и анализировать через генетические отношения между ними.

Области исследований

Интерактом

Основная статья: Интерактом

Весь набор молекулярных взаимодействий в клетке человека, также известный как интерактом, может использоваться для выявления и профилактики заболеваний.[4] Эти сети были технически классифицированы как безмасштабный, дезассортативный, сети малого мира, имея высокий центральность посредственности.[5]

Белковые взаимодействия были нанесены на карту с использованием белков в качестве узлы и их взаимодействия друг с другом как связи.[6] Эти карты используют такие базы данных, как BioGRID и Справочная база данных белков человека. В метаболическая сеть охватывает биохимические реакции в метаболические пути, соединяя два метаболиты если они находятся на одном пути.[7] Исследователи использовали такие базы данных, как КЕГГ для отображения этих сетей. Другие сети включают клеточная сигнализация сети, сети регуляции генов, и РНК сети.

Используя интерактивные сети, можно обнаруживать и классифицировать заболевания, а также разрабатывать методы лечения, зная об их ассоциациях и их роли в этих сетях. Одно наблюдение: классифицировать болезни можно не по их принципу. фенотипы (патофенотип) но по их модуль болезни, который представляет собой соседство или группу компонентов в интерактоме, разрушение которых приводит к определенному патофенотипу.[4] Модули болезней можно использовать по-разному, например, для прогнозирования генов болезней, которые еще не были обнаружены. Таким образом, сетевая медицина стремится выявить болезнь. модуль для определенного патофенотипа с помощью алгоритмы кластеризации.

Болезненный

Основная статья: Сеть болезней человека

Сети болезней человека, также называемые болезнетворными, представляют собой сети, узлами которых являются болезни, а связями - сила корреляции между ними. Эта корреляция обычно определяется количественно на основе связанных клеточных компонентов, общих для двух заболеваний. Первая опубликованная сеть болезней человека (HDN) изучила гены и обнаружила, что многие из генов, связанных с заболеванием, являются несущественные гены, так как это гены, которые не разрушают сеть полностью и могут передаваться из поколения в поколение.[3] Сети метаболических заболеваний (MDN), в которых два заболевания связаны общим метаболит или же метаболический путь, также были тщательно изучены и особенно актуальны в случае метаболические нарушения.[8]

Три вида болезни:[5]

  • Формализм общих генов утверждает, что если ген связан с двумя разными фенотипами заболевания, то эти два заболевания, вероятно, имеют общее генетическое происхождение (генетические нарушения ).
  • Формализм общего метаболического пути утверждает, что если метаболический путь связан с двумя разными заболеваниями, то эти два заболевания, вероятно, имеют общее метаболическое происхождение (метаболические нарушения ).
  • Формализм коморбидности заболевания использует сети фенотипических заболеваний (PDN), где два заболевания связаны, если наблюдаемые коморбидность между их фенотипы превышает заранее установленный порог.[9] Это не рассматривает механизм действия болезней, но фиксирует прогрессирование болезни и то, как тесно связанные заболевания коррелируют с более высокими показателями смертности.

Некоторые сети заболеваний связывают болезни с соответствующими факторами вне клетки человека. Сети экологических и генетических этиологические факторы связанных с общими заболеваниями, называемый «этиом», также можно использовать для оценки кластеризация из факторы окружающей среды в этих сетях и понять роль окружающей среды в интерактоме.[10] Сеть симптомов-заболеваний человека (HSDN), опубликованная в июне 2014 года, показала, что симптомы болезни и связанные с ней клеточные компоненты сильно коррелированы, и что болезни одних и тех же категорий имеют тенденцию образовывать тесно связанные сообщества по своим симптомам.[11]

Фармакология

Основная статья: Системная фармакология

Сеть фармакология это развивающаяся область, основанная в системная фармакология это рассматривает влияние лекарств как на интерактом, так и на заболевание.[12] Сеть лекарств-мишеней (DTN) может играть важную роль в понимании механизмов действия одобренных и экспериментальных лекарств.[13] Взгляд сетевой теории на фармацевтические препараты основан на действии препарата в интерактоме, особенно в области, мишень для наркотиков занимает. Комбинированная терапия для комплексного заболевания (полифармакология) предлагается в этой области, так как один активный фармацевтический ингредиент (API), нацеленный на одну цель, может не повлиять на весь модуль болезни.[12] Концепция модулей болезней может быть использована для помощи в открытие лекарств, дизайн лекарства, и развитие биомаркеры для обнаружения болезней.[2] Существует множество способов идентификации лекарств с помощью сетевой фармакологии; Простым примером этого является метод «вины по ассоциации». Это означает, что если два заболевания лечатся одним и тем же лекарством, лекарство, которое лечит одно заболевание, может лечить другое.[14] Перепрофилирование лекарств, лекарственные взаимодействия и наркотики побочные эффекты также были изучены в этой области.[2]

Сетевые эпидемии

Сетевые эпидемии были созданы путем применения сетевой науки к существующим модели эпидемии, так много транспортные сети и социальные сети играют роль в распространении болезней.[15] Социальные сети использовались для оценки роли социальных связей в распространении ожирение в популяциях.[16] Модели и концепции эпидемий, такие как распространение и отслеживание контактов, были адаптированы для использования в сетевом анализе.[17] Эти модели можно использовать в здравоохранение политики, чтобы реализовать такие стратегии, как таргетированная иммунизация[18] и недавно использовался для моделирования распространения Эпидемия вируса Эбола в Западной Африке по странам и континентам.[19][20]

Другие сети

Развитие органов [21] и другие биологические системы могут быть смоделированы как сетевые структуры, где клинические (например, рентгенографические, функциональные) характеристики могут быть представлены как узлы, а отношения между этими характеристиками представлены как связи между такими узлами.[22] Следовательно, можно использовать сети для моделирования динамического взаимодействия систем органов.

Образовательная и клиническая реализация

Отделение сетевой медицины Ченнинга в Бригам и женская больница была создана в 2012 году для изучения, реклассификации и разработки методов лечения сложные заболевания используя сетевую науку и системная биология.[23] Он фокусируется на трех областях:

Массачусетский Институт Технологий предлагает курс бакалавриата под названием «Сетевая медицина: использование системной биологии и сигнальных сетей для создания новых средств лечения рака».[25] Также, Гарвард Catalyst (Гарвардский центр клинической и трансляционной науки) предлагает трехдневный курс под названием «Введение в сетевую медицину», открытый для клинических и научных специалистов с докторской степенью.[26]

Смотрите также

Рекомендации

  1. ^ Калдарелли Г. (2007). Безмасштабные сети. Издательство Оксфордского университета.
  2. ^ а б c Чан, С. Ю., Лоскальцо, Дж. (2012). Возникающая парадигма сетевой медицины в изучении болезней человека. Циркуляционные исследования, 111 (3), 359–374.
  3. ^ а б Гох, К. И., Кьюсик, М. Э., Валле, Д., Чайлдс, Б., Видаль, М., и Барабаси, А. Л. (2007). Сеть болезней человека. Слушания Национальной академии наук, 104 (21), 8685–8690.
  4. ^ а б Барабаши А. Л., Гулбахче Н. и Лоскальцо Дж. (2011). Сетевая медицина: сетевой подход к болезням человека. Nature Reviews Genetics, 12 (1), 56–68.
  5. ^ а б Лоскальцо, Дж., И Барабаси, А. Л. (2011). Системная биология и будущее медицины. Междисциплинарные обзоры Wiley: системная биология и медицина, 3 (6), 619–627.
  6. ^ Руал, Дж. Ф., Венкатесан, К., Хао, Т., Хирозане-Кишикава, Т., Дрикот, А., Ли, Н., ... и Видаль, М. (2005). К протеомной карте сети белок-белкового взаимодействия человека. Природа, 437 (7062), 1173–1178.
  7. ^ Равас, Э., Сомера, А. Л., Монгру, Д. А., Олтвай, З. Н., и Барабаси, А. Л. (2002). Иерархическая организация модульности в метаболических сетях. наука, 297 (5586), 1551–1555.
  8. ^ Браун П., Ритман Э. и Видаль М. (2008). Сетевые метаболиты и болезни. Слушания Национальной академии наук, 105 (29), 9849–9850.
  9. ^ Идальго, К. А., Блюмм, Н., Барабаши, А. Л., и Кристакис, Н. А. (2009). Динамический сетевой подход к изучению фенотипов человека. PLoS Computational Biology, 5 (4), e1000353.
  10. ^ Лю Ю.И., Уайз П. Х. и Бьютт А. Дж. (2009). «Этиом»: идентификация и кластеризация этиологических факторов болезней человека. BMC Bioinformatics, 10 (Приложение 2), S14.
  11. ^ Чжоу, X., Менче, Дж., Барабаши, А. Л., и Шарма, А. (2014). Симптомы человека - сеть болезней. Природные коммуникации, 5.
  12. ^ а б Хопкинс, А. Л. (2008). Сетевая фармакология: новая парадигма в открытии лекарств. Природная химическая биология, 4 (11), 682–690.
  13. ^ Йылдырым, М. А., Гох, К. И., Кусик, М. Э., Барабаши, А. Л., и Видаль, М. (2007). Препарат - целевая сеть. Природная биотехнология, 25 (10), 1119–1126.
  14. ^ Чанг, А. П., и Батт, А. Дж. (2009). Систематическая оценка взаимосвязи между лекарством и заболеванием для выявления потенциальных клиентов для использования новых наркотиков. Клиническая фармакология и терапия, 86 (5), 507–510.
  15. ^ Пастор-Саторрас Р. и Веспиньяни А. (2001). Распространение эпидемии в безмасштабных сетях. Письма с физическим обзором, 86 (14), 3200.
  16. ^ Кристакис, Н. А., и Фаулер, Дж. Х. (2007). Распространение ожирения в большой социальной сети за 32 года. Медицинский журнал Новой Англии, 357 (4), 370–379.
  17. ^ Килинг, М. Дж., И Имс, К. Т. (2005). Сети и модели эпидемий. Журнал Интерфейса Королевского общества, 2 (4), 295–307.
  18. ^ Пастор-Саторрас, Р., и Веспиньяни, А. (2002). Иммунизация сложных сетей. Physical Review E, 65 (3), 036104.
  19. ^ Гомес, М. Ф., Пионтти, А. П., Росси, Л., Чао, Д., Лонгини, И., Халлоран, М.Э., & Веспиньяни А. (2014). Оценка риска международного распространения, связанного со вспышкой Эболы в Западной Африке в 2014 г. Вспышки токов PLOS.
  20. ^ «Разработчики моделей болезней прогнозируют стремительный рост числа жертв Эболы».
  21. ^ П. Аукони, Дж. Калдарелли, А. Скала, Дж. Иерардо, А. Полимени (2011). Сетевой подход к ортодонтической диагностике, Ортодонтия и черепно-лицевые исследования 14, 189–197.
  22. ^ Скала, А. Аукони, П., Скаццоккио, М., Калдарелли, Дж., Макнамара, Дж., Франки, Л. (2014). Сложные сети для медицины, управляемой данными: случай зубно-скелетной дисгармонии класса III, New J. Phys. 16 115017
  23. ^ "Ченнингское отделение сетевой медицины".
  24. ^ "Ян-Ю Лю - Профили Harvard Catalyst - Harvard Catalyst".
  25. ^ Доктор Майкл Ли. «Сетевая медицина: использование системной биологии и сигнальных сетей для создания новых лекарств от рака». MIT OpenCourseWare.
  26. ^ «Введение в сетевую медицину - Harvard Catalyst».