综合精品天天夜夜久久,日本中文字幕二区区精品,亚洲欧美中文字幕制服二区,青青青国产爽爽视频免费观看

      

      

        
  

        

        
	
	

        

        



        

	
        

        
	
        
  	       
        
       中國基因網(wǎng)您的位置：首頁 >國外研究 >        
        
  
        
		
        
			
        指數(shù)測量癌細胞和多能干細胞之間的相似性
        
			
        
				2019-04-23 10:08:29
				?
			  來源：
			
        
		
        
				
		
        
			
        癌癥進展涉及腫瘤細胞獲得與干細胞類似的特征的理論已在科學界獲得了優(yōu)勢。根據(jù)該理論，隨著疾病的進展，腫瘤細胞與它們的起源組織不同，獲得與高度侵襲性和治療抗性相關的未分化表型。
        

        指數(shù)測量癌細胞和多能干細胞之間的相似性
        

        在5月5日星期四發(fā)表在“細胞”雜志上的一項研究中，巴西圣保羅大學RibeirãoPreto醫(yī)學院(FMRP-USP)和其他幾個國家的合作者的研究人員描述了一種客觀測量其程度的方法。腫瘤樣本和多能干細胞之間的相似性，可以分化成體內(nèi)幾乎任何類型的組織。
        

        該研究的重點是“干性”，定義為自我更新和從起源細胞分化的潛力，以及由Tathiane Malta作為項目的一部分進行的博士后研究期間發(fā)展的“干性指數(shù)”(由FAPESP和Houtan支持) Numbhmehr，F(xiàn)MRP-USP遺傳學系教授，主要研究員。
        

        “我們的期望是，未來的干燥指數(shù)可用于臨床實踐，作為預測復發(fā)和計劃治療的可能性，”該文章的第一作者馬耳他說。
        

        為了開發(fā)該方法，該小組分析了人類胚胎干細胞的分子譜，并將其與美國公共數(shù)據(jù)庫癌癥基因組圖譜(TCGA)中33種腫瘤類型的12,000個樣本的數(shù)據(jù)進行了比較。他們處理了與遺傳有關的數(shù)據(jù)，包括DNA序列和基因表達，以及表觀遺傳特征 - 通過激活和滅活基因影響基因組功能和表型的化學反應。
        

        在該研究中研究的最重要的表觀遺傳機制之一是DNA甲基化，這是一種化學反應，它將甲基(由氫和碳原子組成)添加到DNA堿基胞嘧啶中，可能阻止某些基因的表達。
        

        人工智能
        

        胚胎干細胞和腫瘤細胞的分子譜在機器學習算法(一種人工智能)的幫助下進行了比較。這些算法通過先進的統(tǒng)計技術分析大量數(shù)據(jù)，以搜索可用于進行確定或預測的模式。“我們首先假設腫瘤細胞和多能干細胞的一些亞群之間存在一定程度的相似性，”馬耳他說。“我們使用這些算法來識別干細胞[干燥特征]的典型分子特征，這些特征可以幫助我們了解腫瘤并作為侵襲性或臨床結果的預測因子。”
        

        為每個腫瘤樣品創(chuàng)建范圍從0到1的指數(shù)。“接近1的腫瘤細胞與干細胞更相似，并且比接近0的腫瘤細胞更具攻擊性，”馬耳他說。“例如，轉移性腫瘤具有高的干性指數(shù)。此外，當我們分析樣本供體的臨床病史時，我們發(fā)現(xiàn)干性指數(shù)與存活率之間存在負相關關系。”
        

        對于某些癌癥類型，研究人員發(fā)現(xiàn)高干性指數(shù)與突變的存在有關。例如，在頭頸部鱗狀細胞癌的情況下，高干性指數(shù)與基因NSD1中的突變相關。
        

        作者在文章中解釋說，NSD1突變最近在科學文獻中與阻斷細胞分化和促進這類腫瘤的腫瘤發(fā)生有關。
        

        該分析還鑒定了一些分子，其表達與某些癌癥類型的去分化(分化表型的喪失)相關。例如，較高水平的蛋白質(zhì)FOXM1與乳腺癌和肺癌中細胞分化減少和細胞增殖增加有關。減少的蛋白質(zhì)ANNEXIN-A1的表達與肺腺癌樣品中較高的干性指數(shù)相關。
        

        “我們相信在未來的研究中使用該指數(shù)可能有助于確定新的抗癌治療靶點，”Noushmehr說。“如果我們能夠確定腫瘤細胞獲得干細胞特征的點，那么就有可能尋找中斷這一過程并避免疾病進展的方法。”
        

        Noushmehr還強調(diào)，該方法在本文附帶的在線支持材料中有詳細描述。“任何對量化自身腫瘤樣本的干性指數(shù)感興趣的研究人員都可以應用該方法并為其驗證做出貢獻，”他說。
        

        題為“機器學習識別與致癌去分化相關的干性特征”的文章發(fā)表在Cell的特刊上。
        
			

			
          
        
			
        
            鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如有侵權行為，請第一時間聯(lián)系我們修改或刪除，多謝。
			
        
			
			
        
        
        推薦內(nèi)容