基于转录组测序大数据的肺癌PDX模型评估方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    31701151
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    23.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    C0608.生物数据资源与分析方法
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

PDX (Patient-derired Xenograft) is now an important method to study cancer. Compared with cell line model, PDX holds better clinical and molecular pattern and can more accurately reflect the drug response of the tumor. Lung cancer is one of the most popular and deadly cancer in China. Establish lung cancer PDX model is important for the precision therapy of lung cancer. But the time of establish a PDX model is long, the success rate is low and it is difficult to study metastasis. Therefore, we want to find the biomarker than can evaluate the effectiveness of PDX model and predict the metastasis of lung cancer by integrating the transcriptomic data of PDX tissues, the lung cancer tissues, adjacent tissues and various human tissues. First, we will compare the transcriptomic data of lung cancer and adjacent tissues to build a lung cancer predictor. Such predictor can evaluate how well the PDX models represent the lung cancer tissues. Then, we will compare the human tissues and identify the tissue specifically expressed genes. By calculating the similarity between PDX model and human tissues, we can predict which tissues the tumor may metastasis to. The method of PDX model evaluation will enable the personalized drug response study, prevent metastasis and prolong survival.
病人源性异种移植培养(Patient-derired Xenograft,PDX)技术是目前研究肿瘤的重要手段。与细胞系模型相比,PDX更好的保留了肿瘤组织的临床形态及分子生物学特征,更能准确的反映肿瘤组织对药物的反应。肺癌是我国高发病率和死亡率的癌症,建立肺癌的PDX模型对于肺癌的精准治疗意义重大。但是PDX模型存在建模时间长,成功率低,难以研究转移三大问题。因此,我们希望通过整合PDX组织,肺癌和癌旁组织,各种人体组织的转录组数据,找到能够评估PDX模型有效性和转移倾向性的生物标志物。首先,我们基于肺癌和癌旁组织转录组数据,构建预测肺癌的方法,评估PDX模型能够在多大程度上代表肺癌组织。然后,我们从人体组织数据中识别组织特异表达的基因,通过PDX模型与人体组织的相似性,预判肿瘤可能向哪些组织转移。本课题希望建立的PDX模型评估方法将有助于实现病人个体水平的药效研究,预防转移,延长生存。

结项摘要

病人源性异种移植培养(Patient-derived Xenograft,PDX)技术是目前研究肿瘤的重要手段。与细胞系模型相比,PDX更好的保留了肿瘤组织的临床形态及分子生物学特征,更能准确的反映肿瘤组织对药物的反应。但是PDX模型存在建模时间长,成功率低,难以研究转移三大问题。因此,我们希望通过整合转录组数据,对PDX模型进行系统深入的研究,评估PDX模型的有效性。首先,我们比较了人体25个不同组织的基因表达差异,构建了组织预测模型,该模型的预测准确率高达99.4%;然后,我们比较了人体内肿瘤组织和移植到小鼠体内后肿瘤组织的表达模式差异,证明了PDX保留有原肿瘤组织的绝大部分癌变信息,PDX模型可以有效的代表原肿瘤组织;然后,我们比较了不同部位肿瘤的PDX模型,证明了PDX保留有原肿瘤部位的组织特异性信号,PDX模型可以区分不同部位的肿瘤;最后,通过比较原发灶和转移灶肿瘤移植后的PDX模型,证明了PDX模型可以用于肿瘤转移研究。本课题证明了PDX模型的有效性,有助于实现病人个体水平的药效研究,预防转移,延长生存。

项目成果

期刊论文数量(8)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
MiR-139-5p/SLC7A11 inhibits the proliferation, invasion and metastasis of pancreatic carcinoma via PI3K/Akt signaling pathway
MiR-139-5p/SLC7A11通过PI3K/Akt信号通路抑制胰腺癌的增殖、侵袭和转移
  • DOI:
    10.1016/j.bbadis.2020.165747
  • 发表时间:
    2020-06-01
  • 期刊:
    BIOCHIMICA ET BIOPHYSICA ACTA-MOLECULAR BASIS OF DISEASE
  • 影响因子:
    6.2
  • 作者:
    Zhu, Jin-Hui;De Mello, Ramon Andrade;Huang, Tao
  • 通讯作者:
    Huang, Tao
Analysis of Expression Pattern of snoRNAs in Different Cancer Types with Machine Learning Algorithms
利用机器学习算法分析不同癌症类型中 snoRNA 的表达模式
  • DOI:
    10.3390/ijms20092185
  • 发表时间:
    2019-05-01
  • 期刊:
    INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES
  • 影响因子:
    5.6
  • 作者:
    Pan, Xiaoyong;Chen, Lei;Cai, Yu-Dong
  • 通讯作者:
    Cai, Yu-Dong
Pan-Cancer Classification Based on Self-Normalizing Neural Networks and Feature Selection
基于自归一化神经网络和特征选择的泛癌症分类
  • DOI:
    10.3389/fbioe.2020.00766
  • 发表时间:
    2020-08-04
  • 期刊:
    FRONTIERS IN BIOENGINEERING AND BIOTECHNOLOGY
  • 影响因子:
    5.7
  • 作者:
    Li, Junyi;Xu, Qingzhe;Wang, Yadong
  • 通讯作者:
    Wang, Yadong
Gene Expression Difference Between Primary and Metastatic Renal Cell Carcinoma Using Patient-Derived Xenografts
使用患者来源的异种移植物进行原发性肾细胞癌和转移性肾细胞癌之间的基因表达差异
  • DOI:
    10.1109/access.2019.2944132
  • 发表时间:
    2019-09
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Yang Jiang;Xiaoyong Pan;Yu-Hang Zhang;Tao Huang;Yufei Gao
  • 通讯作者:
    Yufei Gao
Identification of Differentially Expressed Genes between Original Breast Cancer and Xenograft Using Machine Learning Algorithms
使用机器学习算法识别原始乳腺癌和异种移植物之间的差异表达基因
  • DOI:
    10.3390/genes9030155
  • 发表时间:
    2018-03-01
  • 期刊:
    GENES
  • 影响因子:
    3.5
  • 作者:
    Wang, Deling;Li, Jia-Rui;Cai, Yu-Dong
  • 通讯作者:
    Cai, Yu-Dong

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

孤岛工作面防冲安全开采论证方法研究与应用
  • DOI:
    10.13199/j.cnki.cst.2021.06.010
  • 发表时间:
    2021
  • 期刊:
    煤炭科学技术
  • 影响因子:
    --
  • 作者:
    刘金海;黄涛;王悦平;朱斯陶;李乃禄;刘虎;董续凯
  • 通讯作者:
    董续凯
干旱区地表温度和热岛效应演变研究---以宁夏沿黄城市带为例
  • DOI:
    10.12118/j.issn.1000-6060.2020.03.16
  • 发表时间:
    2020
  • 期刊:
    干旱区地理
  • 影响因子:
    --
  • 作者:
    孙灏;马立茹;蔡创创;黄涛;吕林涛;阮琳;陈伟
  • 通讯作者:
    陈伟
川藏铁路孜热-波密段泥石流灾害危险性评价
  • DOI:
    10.13544/j.cnki.jeg.2021-0160
  • 发表时间:
    2021
  • 期刊:
    工程地质学报
  • 影响因子:
    --
  • 作者:
    高泽民;丁明涛;杨国辉;黄涛;张晓宇;周云涛;席传杰
  • 通讯作者:
    席传杰
PRV感染三叉神经节细胞对PI3K/Akt信号通路的影响及其调控凋亡
  • DOI:
    10.16303/j.cnki.1005-4545.2022.02.02
  • 发表时间:
    2022
  • 期刊:
    中国兽医学报
  • 影响因子:
    --
  • 作者:
    张森;汤德元;曾智勇;王彬;黄涛;杨志刚;晏仁潭;韩超逸;陈阊峥;罗柳
  • 通讯作者:
    罗柳
存在趋势和周期特征的非平稳时间序列的建模及其应用
  • DOI:
    10.1360/ssm-2019-0226
  • 发表时间:
    2022
  • 期刊:
    中国科学: 数学
  • 影响因子:
    --
  • 作者:
    王守霞;尤进红;黄涛
  • 通讯作者:
    黄涛

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

黄涛的其他基金

PGC-1α在有氧运动延缓认知功能衰退中的作用和机制研究
  • 批准号:
    31600965
  • 批准年份:
    2016
  • 资助金额:
    20.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码