• 十九大报告中有哪些民生亮点?
  • 出售观致、凯翼股权,奇瑞发布捷途对标宝骏
  • 十堰,湖北最美丽的城市,一生一定要去一次!
  • 赚了1亿倍的车建新,为什么颠倒黑白说自己是富二代?
  • 发行趋严 2018年公司债将迎明显“瘦身”
  • 海南航空出新规:宠物可以进客舱 统一收费800元每只
  • 【监察体制改革试点进行时】12项调查措施:在细化中规范 在实践中提升————头条——中央纪委监察部网站
  • 江西| 鹰潭龙虎山大上清宫遗址考古取得大收获
  • 60后法律人成省级政法领导“主力”
  • 澳大利亚华裔少年高考近满分 获华裔富商资助
  • 《旅行青蛙》走红,填补了玩家的哪扇情感空窗?
  • [学习时报]“ 放管服 ” 改革 :开启社会组织发展新篇章
  • 中国外交情系人类命运共同体
  • 乳腺癌居女性恶性肿瘤发病首位,专家建议“控制减肥”
  • 推进事业编制挖潜创新服务经济社会发展
  • 亚美娱乐app

    当前位置: 亚美娱乐app » Trends Journals » Trends in Pharmacological Sciences » Cell子刊:同济大学刘琦教授课题组等系统探讨肿瘤免疫检查点抑制剂疗效预测的计算生物学问题

    Cell子刊:同济大学刘琦教授课题组等系统探讨肿瘤免疫检查点抑制剂疗效预测的计算生物学问题

    摘要 : 2017年10月28日,国际著名学术杂志《Cell》子刊《Trends in Pharmacological Sciences》杂志在线发表了同济大学生命科学与技术学院刘琦教授课题组和南京医科大学第一附属医院肝脏外科研究所副所长孙倍成主任课题组合作完成的一篇研究论文,系统探讨了肿瘤免疫检查点抑制剂疗效预测的相关计算生物学问题。

    亚美娱乐app www.yynm360.com 2017年10月28日,国际著名学术杂志《Cell》子刊《Trends in Pharmacological Sciences》杂志在线发表了同济大学生命科学与技术学院刘琦教授课题组和南京医科大学第一附属医院肝脏外科研究所副所长孙倍成主任课题组合作完成的一篇研究论文,系统探讨了肿瘤免疫检查点抑制剂疗效预测的相关计算生物学问题。同济大学直博生陈珂为本文第一作者,孙倍成主任和刘琦教授为论文共同通讯作者。

    肿瘤免疫治疗被认为是近年来癌症治疗手段中最有希望的方法之一。免疫检查点抑制剂(immune-checkpoint blockade)通过解除肿瘤细胞对免疫细胞的抑制通路,激活免疫细胞消灭肿瘤。虽然免疫检查点抑制剂在多类肿瘤治疗中表现出了令人振奋的临床效果,但在实际应用中仍然会出现响应率低,个体化差异大等临床问题。如何基于特定的biomarkers以及计算模型,对于肿瘤患者进行有效的个体化的免疫检查点抑制剂的疗效预测,是该类肿瘤免疫治疗的关键问题之一。

    刘琦教授课题组以AI和机器学习计算技术为基础,重点关注于生物医药大数据挖掘领域的交叉问题研究。目前主要关注于肿瘤精准治疗和免疫治疗,基因编辑的小RNA设计以及药物信息学领域。目前课题组和上海市同济大学附属东方医院,同济大学附属第十人民医院,南京医科大学第一附属医院以及相关制药公司开展合作,开发肿瘤免疫治疗的相关组学数据分析处理平台。在本工作中研究者首次从Genomic level, Transcriptional level, Epigenetics level, Microbial taxonomic level, The immune cell infiltration profile level五大层面,全面总结了影响肿瘤免疫检查点抑制剂疗效的biomarkers以及in-silico计算方法。同时提出了一种基于高通量测序数据,构建一站式AI模型(one-stop AI model)进行肿瘤免疫抑制剂疗效预测的计算框架,该计算框架将有利于整合现有的多类biomarkers进行疗效预测,以及基于已知样本挖掘潜在的新的biomarkers?;谏鲜龇治?,研究者进一步指出了免疫抑制剂疗效预测领域若干重要的计算研究方向。

    原文链接:

    Towards In Silico Prediction of the Immune-Checkpoint Blockade Response

    原文摘要:

    Cancer immunotherapy with immune-checkpoint blockade (ICB) is considered a promising strategy for cancer treatment. Identifying predictive biomarkers and developing efficient computational models to predict the ICB response are important issues for successful immunotherapy. Here, we present a concise and intuitive survey of the computational issues for ICB response prediction, providing a summary of the available predictive biomarkers and building of one-stop machine-learning models that integrate biomarkers calculable from high-throughput sequencing (HTS) data. Several points for discussion are highlighted to inspire further research for improving ICB treatment. Continuing efforts are required to improve ICB response prediction and to identify novel predictive biomarkers by taking advantage of the rapid development of computational models and HTS techniques for effective and personalized cancer immunotherapy.

    来源: Trends in Pharmacological Scie 浏览次数:0

    我们欢迎生命科学领域研究成果、行业信息、翻译原创、实验技术、采访约稿。-->投稿

    RSS订阅 | 亚美娱乐app | 粤ICP备11050685号-3 ?2011-2014 生物帮 Cell  All rights reserved.